طراحی زنجیره تامین بر اساس برنامه‌ریزی تصادفی دومرحله‌ای میانگین ارزش در معرض خطر شرطی با امکان اختلال در مراکز توزیع

در سال‌های اخیر، یک حرکت قوی به سمت ادغام تصمیم‌های استراتژیک و تاکتیکی صورت گرفته است. تصمیم‌های استراتژیک مانند تخصیص مکان دارای اثرات بلندمدت بوده و به‌راحتی قابل‌تغییر نمی‌باشند و تصمیم‌های سطح تاکتیکی شامل برنامه‌ریزی میان‌مدت در محدوده یک‌ساله مانند سیاست‌های حمل‌ونقل می‌باشد. ادغام سطوح مختلف تصمیمات در زنجیره تامین به کاهش هزینه‌های کلی و بهبود عملکرد آن کمک می‌کند. در پژوهش حاضر یک مدل تصادفی دومرحله‌ای میانگین ارزش در معرض ریسک شرطی برای تخصیص مکان و محاسبه جریان مواد خام و کالاهای ساخته‌شده یک زنجیره تامین چندمحصولی چندسطحی مورداستفاده قرار می‌گیرد. در مدل پژوهش، مراکز توزیع می‌تواند در دو نوع قابل‌اطمینان (بدون امکان اختلال) و غیر قابل‌اطمینان (با امکان اختلال) انتخاب شوند. منابع نا اطمینانی در مدل شامل هزینه‌های حمل‌ونقل، تقاضای مشتریان نهایی و احتمال اختلال در مراکز توزیع می‌باشد. مدل پژوهش از ارزش در معرض ریسک شرطی به همراه ضریب ریسک گریزی برای کنترل ریسک ناشی از فاصله گرفتن زیاد از مقادیر مورد انتظار هزینه استفاده می‌کند. مدل طراحی‌شده درنهایت به کمک شبیه‌سازی مونت‌کارلو به یک برنامه‌ریزی خطی تک سطح تبدیل می‌گردد. در پایان ضمن یک مثال عددی، به پیاده‌سازی مدل و تحلیل حساسیت آن اقدام می‌گردد.

supply chain design based on mean cvar two stage stochastic programming with the possibility of disruption in distribution centers

in recent years, a strong move has been made towards integrating strategic and tactical decisions through the development of location allocation models. strategic decisions such as location allocation have long term effects and are not easily changed, and tactical level decisions involve medium term planning over a one year period such as inventory management policies. integrating different levels of decision making in the supply chain helps reduce overall costs and improve performance. in the present study, a stochastic two stage mean conditional value at risk model is used to allocate locations and calculate the flow of materials and goods constructed of a multi product multi level supply chain. in the research model, distribution centers can be selected in two types: reliable (without the possibility of disruption) and unreliable (with the possibility of disruption). sources of uncertainty in the model include shipping costs, end customer demand, and the possibility of disruption in distribution centers. the research model uses the conditional value at risk along with the risk aversion factor to control the risk of long distances. the designed model is eventually transformed into a single level linear programming with the help of monte carlo simulation. finally, with a numerical example, the model is implemented and its sensitivity is analyzed.