بهینه‌سازی یک سیستم یکپارچه تولیدتوزیع با پارامترهای احتمالی در شبکه زنجیره‌تامین چندسطحی با در نظر گرفتن کمبود

یکی از مهم ترین مباحث مطرح شده در زنجیره تامین، برنامه ریزی یکپارچه تولیدتوزیع است. تولید و توزیع یکپارچه محصولات در یک زنجیره تامین نقش مهمی را در کاهش هزینه های زنجیره بر عهده دارد. در این مقاله، یک مدل ریاضی برای مساله تولیدتوزیع یکپارچه در یک زنجیره تامین سه سطحی شامل کارخانه های تولیدی، مراکز توزیع و مشتریان برای چند نوع محصول و در طی چندین دوره زمانی ارایه شده است. هدف مدل شامل کمینه کردن کل هزینه های زنجیره تامین با توجه به ظرفیت های موجود، در نظر گرفته شده است. برای در نظر گرفتن عدم قطعیت های موجود در مسایل واقعی، در مساله مورد بررسی در این تحقیق نیز برخی پارامترها را، از جمله هزینه های موجود در مدل با استفاده از مدل مارکویتز به صورت غیرقطعی تبدیل خواهیم کرد و در انتها مدل با پارامترهای احتمالی با استفاده از الگوریتم ژنتیک حل خواهد شد. مدل اولیه به صورت خطی است؛ ولی پس از تبدیل شدن پارامترهای قطعی به پارامترهای احتمالی مدل به صورت غیرخطی در می آید. دراین تحقیق برای احتمالی کردن پارامترهای مدل، ابتدا با در نظر گرفتن یک توزیع نرمال با میانگین و واریانس معلوم، هر یک از هزینه های موجود به صورت یک تابع تصادفی در آمدند و در انتها با استفاده از مدل مارکویتز، مدل قطعی با پارامترهای قطعی به مدل با رویکرد احتمالی تبدیل خواهد شد

Optimizing of an Integrated ProductionDistribution System with Probabilistic Parameters in a MultiLevel Supply Chain Network Considering the Backorder

One of the main arguments in the supply chain is integrated productiondistribution planning. Integrated production and distribution of products in a supply chain plays an important role in reducing the costs of the chain. In this paper, a mathematical model for the integrated productiondistribution problem in a threelevel supply chain, including manufacturing plants, distribution centers and customers with the several product types and over several time periods is provided. The model objective is to minimize the total costs of the supply chain according to the exiting capacities. To consider the uncertainties involved in real problems, in the investigated problem in this study, some parameters such as costs using the Markowitz model is assumed nondeterministic. Finally the model with probabilistic parameters using the genetic algorithm will be solved. The initial model is linear, but after becoming deterministic parameters to the stochastic parameters, the model will be nonlinear. In this study, to randomize the model parameters, first by considering a normal distribution with certain mean and variance, each of the existing costs became a stochastic function. Finally, using the Markowitz model, the deterministic model with definite parameters will become a stochastic model.