زمانبندی مجدد زنجیره تامین سه مرحله‌ای با تمرکز بر یکپارچگی مراحل آن

زمانبندی مجدد جزئی از فرآیند تصمیم‌گیری در زنجیره تامین بسیاری از صنایع تولیدی محسوب می‌شود که نقش مهمی در برآورده‌سازی نیازهای مشتریان ایفا می‌نماید. از این‌رو این مقاله به بررسی مساله زمانبندی مجدد در یک زنجیره تامین سه مرحله‌ای، با تمرکز بر یکپارچگی مراحل آن می‌پردازد. مرحله اول شامل تامین کنندگان، مرحله دوم شامل ناوگان حمل و نقل کالاها و مرحله سوم شامل یک شرکت سازنده محصولات نهایی است. به این منظور ابتدا مدل عدد صحیح مختلط برای مساله مذکور با هدف کمینه‌سازی مجموع زمان تاخیر تکمیل کلیه سفارشات توسعه داده شده است. همچنین در حالت کلی یک الگوریتم ژنتیک که دارای کروموزوم‌هایی با ساختار متغیر است، به منظور حل مساله ارایه شده است. مقایسه الگوریتم پیشنهادی با الگوریتم جستجوی تصادفی روی طیف متنوعی از مسایل تصادفی و همچنین جواب بهینه روی مسایل تصادفی با ابعاد کوچک نشان از عملکرد خوب الگوریتم پیشنهادی دارد. همچنین با ساده­سازی فرضیات مساله، الگوریتم پیشنهادی با دو الگوریتم ابتکاری موجود در ادبیات موضوع مقایسه شده است که نشان از برتری الگوریتم پیشنهادی دارد.

Rescheduling of Three-stage Supply Chain with a Focus on Integration of the Stages

Rescheduling is considered as a part of decision making process in supply chain of many manufacturing industries and it plays a significant role in fulfillment of consumers’ needs. Hereupon, this article addresses the issue of rescheduling in a threestage supply chain with a focus on integration of the stages. The first stage includes suppliers, the second stage includes fleet of good transportation and the third stage includes manufacturers of final products. Therefore, the mixed integer model has been used for the mentioned problem with the aim of minimizing the total tardiness time of the orders. In the general case, a genetic algorithm has been provided for problem solving which has chromosomes with variable structures. Comparison between the results of the proposed algorithm with  Random Search on a wide range of random problems and optimum solution on the small size problems shows the good performance of the proposed algorithm. Moreover, by relaxing of the some attributes of the problem, the proposed algorithm was compared with two existing heuristic algorithms in the literature. Results show the better performance of the suggested algorithm.