توسعه مدل مدیریت موجودی چند محصولی با در نظر گرفتن امکان سفارش گذاری همزمان محصولات در یک زنجیره تامین چند سطحی و حل آن با استفاده از الگوریتم ژنتیک

طی سال‌های اخیر بررسی عملکرد یکپارچه تامین‌کنندگان، تولید‌کنندگان، توزیع‌کنندگان و مصرف‌کنندگان که اجزای زنجیره‌های تامین را تشکیل می‌دهند یکی از زمینه‌هایی است که توجه زیادی به آن شده است، همچنین با توجه به اینکه میزان قابل توجهی از دارایی شرکت‌ها در میزان موجودی در گردش آنها نهفته است، مدیریت موجودی با هدف حداقل کردن هزینه‌های کل زنجیره و هزینه تمام شده محصول نهایی از اهمیت زیادی برخوردار می‌باشد، در این مقاله یک مدل ریاضی برای مدیریت موجودی چند محصولی در زنجیره تامین سه سطحی متشکل از چند تامین‌کننده، یک تولید‌کننده و چند خرده‌فروش ارائه می‌شود که درآن امکان سفارش‌گذاری همزمان محصولات برای هر یک از خرده‌فروشها نیز در نظر گرفته شده است و پارامترهای مهمی همچون میزان بهینه سفارش‌دهی مواد اولیه، میزان بهینه تولید محصولات و میزان و زمان بهینه سفارش محصولات توسط خرده‌فروش‌ها در هر یک از سطوح زنجیره، با هدف حداقل‌سازی هزینه‌های مدیریت موجودی در زنجیره تامین تعیین می‌گردد، با توجه به پیچیدگی‌های مدل ریاضی مساله، برای تعیین جواب بهینه مساله، الگوریتم فراابتکاری ژنتیک مورد استفاده قرار گرفته است، با ارائه مثال عددی مدل و روش حل مساله تحلیل شده است.

Developing of Inventory Management Model Considering Simultaneous Ordering in a Multilevels and Multiproduct Supply Chain

In recent years, an integrated assessment of the suppliers, producers, distributors and costumers that make up the supply chain components is one of the areas that has received much attention. The inventory management in supply chain is one of the most important issues because a major amount of company assets lies in the amount of circulating inventory. So issues relating to inventory management in supply chain with the objective of minimizing the total cost of supply chain and unit cost of the final product the utmost importance. In this paper, a mathematical model for multiproduct inventory management in a multilevel supply chain consisting of the multisupplier, a manufacturer, and several retailers is presented. The model determines different factors such as the optimum ordering of the raw materials and optimal level of the production and optimal ordering time and quantity of the products by retailers at each level of the supply chain, with the objective of minimizing inventory management costs in the integrated supply chain. Since the developed model is a mixed nonlinear model, to achieve the solution, genetic algorithm is used to determine the optimal values of variables, also the implementation of the proposed method is demonstrated using some numerical example