مدل انتخاب تامین‌کننده، تخصیص سفارش و قیمت‌گذاری در مدیریت زنجیره تامین‌ چند کالایی تک‌دوره‌ای و چند تامین‌کننده با رویکرد روش‌های سطح پاسخ و الگوریتم ژنتیک

هدف: یکی از موضوع‌های مهمی که خرده‌فروشان با آن مواجه‌اند، مسئله انتخاب تامین‌کننده به‌منظور سفارش کالا، تخصیص کالا به تامین‌کنندگان و قیمت‌گذاری کالاهاست. هدف این مقاله، ارائه مدل انتخاب تامین‌‌کننده، تخصیص سفارش و قیمت‌گذاری چندکالایی، همراه با تقاضای تصادفی و خرید از تامین‌کننده با تخفیف کلی است.روش: روش مقاله، مدل‌سازی کمّی از طریق ارائه مدل ریاضی است. در این پژوهش یک مدل مختلط غیرخطی عدد صحیح تک‌هدفه طراحی شده است. تقاضای کالاها مبتنی بر قیمت، به‌صورت تصادفی جمعی است. برای تخمین تابع درآمد، از تکنیک روش‌شناسی سطح پاسخ، برای حل مدل، از الگوریتم ژنتیک متناسب‌سازی و برای تنظیم پارامتر الگوریتم ژنتیک، از روش تاگوچی استفاده شده است. به‌منظور صحت‌بخشیدن به روش پیشنهادی، 9 مسئله با مقادیر مختلف کالا و سطوح مختلف واریانس‌های متغیر تصادفی تقاضا حل شد و مقایسه‌ای میان نتایج آن در مسائل با ابعاد کوچک با نتایج در حل مدل در نرم‌افزار لینگو به عمل آمد تا عملکرد الگوریتم بررسی شود.یافته‌ها: در مقایسه میان نتایج الگوریتم ژنتیک و حل مدل در نرم‌افزار لینگو، اختلاف کمی مشاهده شد. همچنین با حل مدل برای مثال‌های مدنظر با استفاده از روش پیشنهادی، مشخص شد که با افزایش واریانس متغیر تصادفی تقاضا، میزان سود نیز کاهش می‌یابد.نتیجه‌گیری: در نظر گرفتن هم‌زمان مسئله انتخاب تامین‌کننده، تخصیص سفارش و قیمت‌گذاری، به خرده‌فروشان برای بهبود تصمیم‌گیری کمک می‌کند. همچنین تقاضای مبتنی بر قیمت و شرایط مختلف تخفیف، مفروض‌هایی هستند که به کاربردی‌تر شدن مدل منجر می‌شوند. پس از حل مدل برای مسائل مختلف، مشخص شد که با افزایش عدم قطعیت در تقاضا، میزان سود کاهش می‌یابد. الگوریتم ژنتیک نیز برای مدل مختلط غیرعددی صحیح انتخاب تامین‌کننده، تخصیص سفارش و قیمت‌گذاری، کارایی مناسبی دارد.

Presenting a Supplier Selection, Order Allocation, and Pricing Model in Multi-item, Single-Period, and Multi-Supplier Supply Chain Management with Surface Response Methodology and Genetic Algorithm Approach

Objective: Selecting the supplier, allocating the goods to the suppliers, and pricing the goods are the important challenges with which retailers are faced. The present study is aimed at providing a multiitem supplier selection, order allocation, and pricing model with stochastic demand and purchase from the suppliers who provide goods with allunit discount.Methods: The study has used quantitative modeling by presenting mathematical model. The demand functions are pricebased with additive uncertainty. In this study, a mixed nonlinear integer singleobjective model was developed. To this end, the response surface methodology was used to estimate the income function and the genetic algorithm was applied to solve the model. Further, the Taguchi method was utilized to set the parameter of the genetic algorithm. For verifying the proposed method, nine problems with different product quantities and levels of variance of stochastic variables of demand were solved. In addition, in order to evaluate the performance of the genetic algorithm, the results of the algorithm in solving problems with small dimensions were compared to the results in solving the model in Lingo software.Results: The results of the study indicated that the difference between the results of genetic algorithm and lingo is not significant. After solving the model for the examples using the proposed method, it was determined that increasing the variance of the random variable of demand results in decreasing the profit level.Conclusion: Considering the supplier selection, order allocation, and pricing issues can help retailers to make better decisions. Furthermore, demand based on the price and various conditions of the discount are assumptions which make the model more practical. The results of solving the model for various examples indicated that increasing uncertainty in demand leads to a decrease in the amount of profit. Moreover, the genetic algorithm is considered as an appropriate alternative to solve a mixed nonlinear integer model of supplier selection, order allocation, and pricing.