یک رویکرد برنامه ریزی تعاملی فازی برای طراحی شبکه زنجیره تامین چند سطحی، چند کالایی و چند دوره ای تحت شرایط عدم قطعیت با در نظر گرفتن هزینه و زمان

طراحی شبکه زنجیره تامین توجه محققان زیادی را در سال های اخیر به خود جلب کرده است. در این مقاله، یک مدل برنامه ریزی خطی عدد صحیح مختلط امکانی جدیدی برای مساله طراحی شبکه زنجیره تامین (شامل سه بخش خرید، تولید و توزیع) چند کالایی، چند دوره ای تحت شرایط عدم قطعیت ارایه می شود. این مدل دو هدفه است که هدف اول با استفاده از مفاهیم هزینه گذاری مبتنی بر فعالیت و هزینه مالکیت کل و هدف دوم با استفاده از مفهوم تولید به هنگام (jit) به ترتیب دو عامل هزینه و زمان را بهینه می کند. برای حل مدل مذکور از یک رویکرد حل فازی تعاملی استفاده می شود. خروجی های مدل شامل مقدار خرید از هر تامین کننده، مقدار تولید از هر محصول، میزان موجودی، مقدار زودکرد و دیرکرد کالاها، نوع حمل کالاها، مقدار حمل مواد اولیه و محصولات بین تسهیلات مختلف و نیز انتخاب تامین کنندگان در دوره های متفاوت است. به منظور ارزیابی و اعتبارسنجی مدل و رویکرد حل مذکور، یک مثال عددی ارایه و سپس با روش فوق حل شده و در ادامه، نتایج آن با نتایج یک روش غیرفازی مقایسه می شود. در خاتمه نتایج تحقیق ارایه می گردد.

An Interactive Fuzzy Programming Approach for Designing a MultiEchelon, MultiProduct, MultiPeriod Supply Chain Network Under Uncertainty Considering Cost and Time

The supply chain network design has attracted the attention of many researchers during recent years. This paper presents a new biobjective mixedinteger linear programming (MILP) model to integrate procurement, production and distribution planning under uncertainty. This model is set up for the network of a multiechelon, multiproduct, multichannel, multiperiod supply chain with regard to two conflicting objectives, which minimize the costs and minimize the sum of backorders and surpluses of products in all periods using amp;ldquo;activitybased costing and the total cost of ownershipamp;rdquo; and amp;ldquo;JITamp;rdquo; concepts, respectively. To solve the presented model, an interactive fuzzy approach is used. The associated results show the amount of purchasing of each supplier, the quantity of producing, the inventory of raw materials and products, backorder or surplus delivery of goods, the mode of transportation, the amount of goods transported between facilities and suppliers used in each period. In addition, a numerical example is presented to demonstrate the applicability of the presented model and exhibit the efficiency of the proposed interactive fuzzy approach. Finally, the results and conclusion are provided.