|
|
پیکربندی زنجیره تامین مبتنی بر قیمتگذاری پویا و بهینهسازی استوار
|
|
|
|
|
نویسنده
|
کایدپور فرجام ,امیری مقصود ,الفت لعیا ,پیشوایی سامان
|
منبع
|
پژوهش هاي نوين در تصميم گيري - 1400 - دوره : 6 - شماره : 3 - صفحه:156 -187
|
چکیده
|
افزایش سطح پیچیدگی سیستمهای تولیدی و همچنین شدت گرفتن رقابت در فضای کسب و کار، باعث شده است تا مسئله عدمقطعیت، به یکی از مشکلات اساسی زنجیرههای تامین تبدیل شود. پژوهش حاضر، با هدف مدیریت توامان عدمقطعیت پارامترهای عرضه و تقاضا، به توسعه مدلی جهت پیکربندی زنجیره تامین چند دورهای، چند محصولی و چند سطحی، به منظور بیشینهسازی سود کل زنجیره تامین اختصاص یافته است. در مدل حاضر عدمقطعیت پارامترها توسط دو رویکرد بهینهسازی استوار و قیمتگذاری پویا مهار گردید. پس از حل مدل توسط نرمافزار gams و مقایسه عملکرد مناسب آن در قیاس با یک مدل پایه قطعی، اعتبار سنجی نتایج توسط تحلیل حساسیت انجام شد. در گام بعدی با شبیهسازی تصادفی نوسانات عرضه و تقاضا، عملکرد مدل تحت شرایط مختلف عدمقطعیت مورد ارزیابی قرار گرفت و نشان داده شد که پاسخ بهینه حاصل از این مدل حتی در مواجهه با نوسانات شدید عرضه و تقاضا نیز میتواند در برابر ناموجهشدن مقاومت نماید.
|
کلیدواژه
|
قیمتگذاری پویا، بهینهسازی استوار، مجموعههای عدمقطعیت، شبیهسازی، پیکربندی زنجیره تامین
|
آدرس
|
دانشگاه علامه طباطبائی, دانشکده مدیریت و حسابداری, ایران, دانشگاه علامه طباطبائی, دانشکده مدیریت و حسابداری, ایران, دانشگاه علامه طباطبائی, دانشکده مدیریت و حسابداری, ایران, دانشگاه علم و صنعت ایران, دانشکده مهندسی صنایع, ایران
|
|
|
|
|
|
|
|
|
|
|
Supply chain configuration based on dynamic pricing and robust optimization
|
|
|
Authors
|
Kayedpour Farjam ,Amiri Maghsoud ,olfat laya ,Pishvaee Mir Saman
|
Abstract
|
The complexity of the production systems and increasing competition in the business environment has made uncertainty a crucial problem in supply chain design. In this regard, this study aims to develop an optimization model to configure multiperiod, multiproduct and multiechelon supply chains, managing the demand and supply uncertain parameters simultaneously to maximize the profit of the entire chain. In this model, the uncertainty of the parameters was regulated by robust optimization and dynamic pricing approaches. First, the developed model was solved using the GAMS software, then the appropriate performance of the proposed model was compared with a certain base model, the validation of results were performed using sensitivity analysis. In the next step, through simulating supply and demand fluctuations, the model’s performance under different conditions of uncertainty was evaluated. The results indicate that the model’s optimal solution could resist this random uncertainty, even exposing a high level of supply and demand fluctuations.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|