طراحی و توسعه مدل توزیع منابع مالی به تامین‌کنندگان در یک زنجیره تک‌تولیدکننده

هدف: گسترش روابط در زنجیره تامین بدون در نظر گرفتن جزئیاتی همچون پایداری و تاب‌آوری، ریسک مقابله با تهدید‌ها را افزایش می‌دهد. یکی از عوامل افزایش تاب‌آوری زنجیره‌های تامین، مدیریت جریان‌های نقدی و به‌ویژه مدیریت حساب‌های پرداختنی است که در صورت مدیریت صحیح، استفاده بهتر از منابع مالی را به همراه دارد. بر این اساس، هدف پژوهش حاضر، ایجاد مدلی به‌منظور بهینه‌سازی زمان‏بندی بازپرداخت حساب‌های پرداختنی است.روش: برای بهینه‌سازی، از الگوریتم ژنتیک و برای محاسبه تابع برازندگی با توجه به پیچیدگی مدل، از شبیه‌سازی استفاده شده است. تابع هدف شامل هزینه توقف خطوط تولید، هزینه تولید محصول ناقص و هزینه استقراض تامین‌کننده است و خروجی مدل،  تامین‌کنندگان و مقدار پرداختی به آنها در هر دوره پرداخت را تعیین می‌کند.یافته‌ها: بررسی امکان‌پذیری به‌کارگیری روش ارائه شده از جمله یافته‌های اصلی این مقاله است که با توجه به نتایج به‌دست‌آمده کارآمدی مدل تایید می‌شود.نتیجه‌گیری: مدل بر اساس داده‌های صنعت خودروسازی با هدف بهینه‌سازی منابع مالی اجرا شد. نتایج نشان می‌دهد که مدل از چنان قابلیتی برخوردار است که می‌تواند هزینه‌های تحمیلی را تا 44.7درصد کاهش دهد.

Designing and Developing a Model for Distributing Financial Resources among Suppliers in a Single Producer Chain

Objective: If important details such as sustainability and resilience are not taken into account in supply chains, the risk of potential threats increases. One of the crucial factors in increasing supply chain resilience is the management of cash flows, especially the management of payable accounts. Managing this factor will lead to better use of financial resources. This study creates a model to optimize the repayment schedules of payable accounts.Methods: To optimize the model, a genetic algorithm was used and simulation was applied to calculate the suitability function. The objective function included the costs of stopping production lines, the costs of producing defective products, and the costs of borrowing for suppliers. The produced output determined the suppliers and the amount of payment to them in each period.Results: Investigating the feasibility of applying the proposed method was the main finding of this study, and the obtained results proved the model as efficient.Conclusion: The model used real data from the automotive industry and the results showed that the proposed model has the ability to reduce the costs up to 44.7%.