طراحی شبکه زنجیره تامین چابک با الگوریتم جستجوی ممنوع

طراحی شبکه زنجیره تامین شامل تصمیمات کلیدی است که تاثیر زیادی بر ساختار عملیاتی زنجیره تامین دارد. طراحی کارآمد زنجیره تامین باعث بهبود عملکرد در سازمان‌ها می‌شود. این موضوع باعث به‌وجود آمدن مفاهیم جدیدی در مساله زنجیره تامین در دهه گذشته شده است. در این تحقیق مساله طراحی شبکه‎ زنجیره‎ی تامین در سازمان‎های چابک دارای چند سطح و چند دوره زمانی مورد توجه قرار گرفته است. این مساله تحت شرایط داشتن چندین مشتری با حجم تقاضای زیاد در نظر گرفته شده است. تصمیمات شامل انتخاب شرکت‌ها در هر سطح، مقدار تولید، انبار و حمل‌ونقل هر شرکت است. مساله برای یکپارچه‎سازی تمامی متغیرهای تصمیم‎گیری و با هدف حداقل‌کردن هزینه‎های عملیاتی کل در تمام زنجیره‎ی تامین و ارضاء تقاضای کامل مشتری‌ها و کسب رضایت آنها مدل‌سازی شده است. از آنجایی‌که حل مساله طراحی زنجیره تامین چند سطحی چند دوره‌ای در شرایط عدم قطعیت از نوع مسائل nphard می‌باشد بهتر است الگوریتم‌های ابتکاری و فراابتکاری به منظور کاهش زمان حل مساله استفاده شود. به همین منظور برای حل مدل از الگوریتم جستجوی ممنوع که یکی از الگوریتم‌های فراابتکاری است، به کار گرفته ‌شده است. نتایج این تحقیق نشان می‎دهد که با بالارفتن تعداد تکرار‎های حل مساله، به جواب‎هایی با کمتر از 3% اختلاف از جواب بهینه دست پیدا کرده است که الگوریتم جستجو ممنوع برای به‌دست آوردن جواب بهینه در مقایسه با الگوریتم لاگرانژ بهتر عمل کرده است.

Multiperiod Multilevel Supply Chain Network Design in Agile Manufacturing with Tabu Search Algorithm

Supply chain network design includes key decisions that have a major impact on the supply chain operational structure. Efficient supply chain design improves performance in organizations. This has led to the emergence of new concepts in the supply chain issue in the past decade. In this study, the supply chain network design problem in agile organizations has been taken into account with multilevel and multiperiod. This problem is considered under conditions of having multiple customers with a high demand volume. The decisions include the selection of companies at each level, the amount of production, storage and transportation of each company. The problem has been modeled to integrate all decision variables with the goal of minimizing overall operating costs across the entire supply chain and Satisfaction of customers' complete demand and Satisfaction with them. Since multiperiod multilevel supply chain design problem solving is one of the NPHard issues in uncertainty conditions, it is better to use innovative and metaalgorithms to reduce problem solving time. For this reason, the algorithm for banning search algorithms, which is one of the metaalgorithms, has been used to solve the model. The results of this research show that as the number of problemsolving repetitions increases, answers with less than 3% of the difference between the optimal answer are achieved. The search algorithm is forbidden to get the optimal response compared to the Lagrange algorithm.