تعیین تعداد بهینه گروه های اقلام موجود در انبار بر اساس آنالیز abc در چارچوب یک شبکه زنجیره تامین

طبقه بندی موجودی یکی از تکنیک‌های مهم در حوزه مدیریت موجودی است. یک روش شناخته شده، روش طبقه‌بندی بر اساس آنالیزabc است که اقلام موجود در انبار را بر اساس ارزش و اهمیت آنها در طبقات مختلفی قرار می‌دهد. در این مقاله، یک شبکه زنجیره تامین سه سطحی برای یک مدل بهینه‌سازی دو‌هدفه به منظور بهبود کیفیت گروه‌بندی موجودی بر اساس آنالیزabc ارائه شده است. تابع هدف اول سود خالص اقلام موجود در انبار‌مرکزی (سطح 2) و تابع هدف دوم نیز سود خالص اقلام موجود در بخش‌های مختلف (سطح 3) را در شرایط عدم‌قطعیت بیشینه می کنند. مدل به طور همزمان تعداد گروه‌های موجودی، سطح خدمات مربوط به هر گروه و اقلام اختصاص داده شده به گروه ها را با توجه به محدودیت‌ها، کمبود موجودی، در نظر گرفتن هزینه‌های سفارش‌دهی و خرید بهینه می‌کند. به منظور حل مدل ارائه شده از روش‌های ابتکاری و دقیق از جملهlpmetric و εconstraint اصلاح شده استفاده شده است. سپس به منظور مقایسه روش‌های ذکر شده از آزمون فرض آماری استفاده شده و نهایتا با استفاده از روش ahp برترین و کاراترین روش حل انتخاب شده است. نتایج نشان‌دهنده‌ی برتری روش εconstraint بود؛ در ادامه به منظور اعتبارسنجی مدل از یک مجموعه مثال عددی استفاده شده که نشان‌دهنده‌ی بهبود و کارایی مدل ارائه شده در کنترل موجودی انبار بوده است.

Determine the optimal number of item groups in the werehouse based on ABC analysis within the framework of a supply chain network

One of the important techniques in the field of inventory management is inventory classification. The classification method based on ABC analysis is a wellknown method which sets the items in a different class, according to their importance and values. In this paper, a threelevel supply chain network for a biobjective optimization model is proposed to improve the quality of inventory grouping based on the ABC technique. The first objective maximizes the net profit of the items in the central stock (level 2) and the second objective function maximizes the net profit of items in different wards (level 3) in uncertain conditions. The proposed model simultaneously optimizes the service level, the number of inventory groups, and the assigned items to each group based on the set of constraints, inventory shortages, ordering cost, and purchasing cost. To solve this model, the heuristic and exact methods such as LPmetric and modified εconstraint are applied. Then for comparing those methods, the statistical hypothesis test is used. In conjunction with, the AHP technique is exerted to choose the most efficient solving method. The results show that εconstraint has the best performance. Ultimately, the proposed model has been implemented in one set of numerical examples to show its applicability in practice.