طراحی شبکه زنجیره تامین-بررسی مقاله هشتم

مقدمه:

در این مقاله به بررسی یک شبکه دو سطحی، سیستم تولید و توزیع پرداخته شده است که تعداد و محل مراکز توزیع و کارخانهxadها مشخص است اما تقاضا از مراکز توزیع به عنوان یک متغیر تصادفی در نظر گرفته میxadشود. مجموعهxadای از مکانxadهای بالقوه برای انبارxadهای جدید نیز در نظر گرفته شده است که برای تاسیس هر یک از این مراکز هزینه ثابتی در نظر گرفته میxadشود. چندین کانال حمل و نقل، برای هر جفت از تسهیلات بین سطوح وجود دارد. پیشنهادات متفاوتی توسط عرضهxadکنندگان در شرکتxadهای مختلف بیان میxadشود مانند استفاده از حالات مختلف حمل و نقل (راه آهن، کامیون، هواپیما و کشتی). همان طور که مشاهده میxadشود کانال حمل و نقل یک عبارت بسیار عمومی است که نه تنها حالات مختلف حمل و نقل بلکه انواع مختلف خدمات حمل و نقل از یک یا چند شرکت را شامل میxadشود. پیشنهادxadهای ارائه شده توسط عرضهxadکنندگان شامل روابط معکوس بین مساله زمان و هزینه است. به عنوان مثال هر چقدر سرعت خدمت رسانی بیشتر باشد هزینه بالاتری را در بر میxadگیرد. برای حفظ تعادل بین مسائل اقتصادی به همراه پاسخگویی سریع به تقاضا، هدف این مقاله به حداقل رساندن کل هزینهxadها و زمان انتظار مورد نیاز برای حمل و نقل کالا در سراسر زنجیره تامین است.

نسخه قطعی این مساله دو هدفه، اولین بار توسط اولیوارس و همکاران در سال ۲۰۰۷ معرفی شد که تمام پارامترxadهای طراحی را قطعی در نظر گرفتند. کاردونا و همکاران( ۲۰۱۱ ) با در نظر گرفتن عدم قطعیت در پارامتر تقاضا و با استفاده از رویکرد مبتنی بر سناریو، کار قبلی را توسعه دادند و یک مدل تصادفی دو مرحلهxadای را که مرحله اول تصمیمxadگیری درباره مکان احداث انبارxadها و انتخاب کانالهای حمل و نقل است و مرحله دوم شامل تصمیمxadگیری در مورد جریان بین تسهیلات و نیازxadهای مراکز توزیع برای تحقق سناریوxadهای مورد نظر میxadباشد، را ارائه دادند. تصمیمxadگیریxadهای مربوط به حمل و نقل میxadتواند روی زمان حمل و نقل کالا از کارخانه به مراکز توزیع تاثیر بگذارد. در سال ۲۰۱۱ کاردونا و همکاران به حل یک مدل تصادفی دو هدفه دو مرحله ای با استفاده از الگوریتم L-shaped پرداختند. . کار آنها نشان داد که استفاده از یک روش دقیق تنها برای حل برخی از گروهها با نمونه های کوچک امکان پذیر بود و در این مقاله یک روش فرا ابتکاری برای تقریب پارتو با استفاده از )جستجو ممنوعه)در چارچوب MOAMP Multi-objective Metaheuristic using an adaptive Memory Procedure)) ارائه شده است. ساختار مقاله شامل سه بخش است که در بخش اول به توسعه مسائل مطالعه شده قبلی به منظور در نظر گرفتن مفروضات عملی و واقعیxadتر پرداخته شده است و در بخش دوم مساله به صورت یک مساله خطی عدد صحیح مختلط تصادفی دو هدفه مدل میxadشود و از این مدل برای بدست آوردن مقادیر دقیق پارتو برای نمونهxadهای کوچک استفاده میxadشود. به همین منظور از الگوریتم مبتنی بر روش اپسیلون محدودیت و تکنیک شاخه و کران استفاده میxadشود و در بخش آخر یک راه حل بر اساس الگوریتمxadهای فرا ابتکاری چند هدفه برای یافتن تقریب دقیق مقادیر پارتو برای نمونهxadهای بزرگ پیشنهاد شده است.

مروری بر پیشینه تحقیق:

مدیریت زنجیره تامین به صورت مستقل از تحقیق در عملیات OR) )، توسعه یافت. محل تعیین انبارxadها در مدیریت زنجیره تامین به صورت گستردهxadای مورد مطالعه قرار گرفته است. در سال ۱۹۹۹ بالوا و همکاران به توسعه مفهوم انبارداری پرداختند و نیز مدت انبارداری منطقهxadای، توزیع منطقهxadای، مراکز جمعxadآوری به عنوان امکانات اولیه بین تولیدxadکننده و مشتری در نظر گرفته میxadشود. در سال ۱۹۹۸ طبق نظر لمبرت و همکاران، انبارxadها به بسیاری از ماموریتxadهای شرکتها کمک میxadکنند. به عنوان مثال دستیابی به تولید اقتصادی، حمل و نقل اقتصادی و نیز مکانی برای ذخیره مواد دورریختنی یا قابل بازیافت فراهم میxadکنند. از طرف دیگر امکانات اولیه نقش اساسی در پروژهxadهای لجستیکی شهرxadها بر اساس سیسم توزیع ایفا میxadکنند. در زنجیرهxadهای تامین پارامترxadهای مهمی از قبیل تقاضا مشتریان، ظرفیت تسهیلات در زمانxadهای آینده و هزینهxadهایی به عنوان پارامترxadهایی که دارای عدم قطعیت هستند در نظر گرفته میxadشوند. از آنجایی که مقدار تقاضا در زمان طراحی شبکه مشخص نیست لذا یک متغیر تصادفی در نطر گرفته میxadشود. ارضای تقاضا مشتریان یکی از اهداف مهم هر زنحیره تامینی در نظر گرفته میxadشود. مطالعات بسیار زیادی در مورد عدم قطعیت در سطوح مختلف مدیریت زنجیره تامین انجام شده است که یک مطالعه خوب در این زمینه در سال ۲۰۰۶ توسط اشنایدر انجام شد. در سال ۲۰۱۱ کاردونا و همکاران نشان دادند که استفاد ه از رویکرد حل دقیق فقط توانایی حل مسائل با نمونهxadهای کوچک را دارد، نکات گفته شده در بالا ضرورت استفاده از یک روش ابتکاری برای حل مسائل تصادفی چند هدفه را نشان میxadدهد. منصوری و همکاران در سال ۲۰۱۲ به اهمیت استفاده از تکنیکxadهای بهینه سازی چند هدفه در مدیریت زنجیره تامین پرداختند. از سال ۱۹۹۱ تا ۲۰۱۲ مطالعاتی در زمینه روشxadهای فرا ابتکاری در لجستیک و مدیریت زنجیره تامین توسط گریفس و همکاران انجام شد. طبق تحقیقات صورت گرفته، مساله دو هدفه ارائه شده در این مقاله، در سایر سیستمxadهای چند سطحی در نظر گرفته نشده است.

بیان مساله:

هزینه ثابت احتمالی مناسب برای مساله مکانxadیابی تسهیلات و گزینهxadهای حمل و نقل، مبتنی است بر یک سیستم دو سطحی برای توزیع یک محصول واحد در یک دوره زمانی که در اولین سطح کارخانهxadهای تولیدی، محصولات خود را به انبارxadها میxadفرستند و در سطح ۲ محصولات از انبارxadها به سمت مراکز توزیع فرستاده میxadشوند. هدف اصلی انتخاب مکان مناسب برای احداث انبارxadها و به حداقل رساندن هزینهxadهای ساخت، حمل و نقل و زمان حمل و نقل بین کارخانهxadها و مراکز توزیع میxadباشد، که این قسمت مشخص میxadکند که چه سرویسی باید انتخاب شود تا زمان حمل و نقل در هر سطح از زنجیره تامین کاهش یابد. در این مساله هدف اصلی کم کردن کل هزینهxadهای مورد انتظار مرتبط با تصمیمxadگیریxadهای بلند مدت و کوتاه مدت است.

مفروضات مساله:

۱-تعداد مراکز توزیع و محل احداث کارخانهxadها و نیز ظرفیت کارخانهxadها مشخص است.

۲-مجموعهxadای از مکانxadهای بالقوه برای احداث انبارxadها در نظر گرفته میxadشود ولی تعداد انبارxadهای احداث شده مشخص نیست و برای هر مکان کاندید شده به منظور احداث انبارxadها هزینه ثابتی در نظر گرفته میxadشود.

۳-انبارxadها موجودی را نگهداری نمیxadکنند و به منظور استفاده بهتر از سیستم حمل و نقل به یکپارچه کردن محصولات دریافت شده از کارخانهxadها و سپس توزیع آنها میxadپردازند.

۴-هر مرکز توزیع تنها توسط یک انبار تامین میxadشود.

۵-میزان تقاضا از قبل مشخص شده نیست. لذا تقاضا به عنوان یک متغیر تصادفی در نظر گرفته میxadشود.

۶-زمان پاسخگویی به نیاز مشتری تحت تاثیر انتخاب کانال حمل و نقل بین تسهیلات است.

۷-حمل و نقلی که سریعxadتر صورت بگیرد، نیازمند هزینهxadهای بیشتری است. لذا ایجاد تعادل بین هزینه و زمان روی پیکرxadبندی شبکه توزیع تاثیر دارد.

۸-به دلیل تقاضای غیر قطعی مساله مورد نظر، برای انتخاب و تخصیص مکان بین انبارxadها و مراکز توزیع باید قبل از دانستن مقدار واقعی تقاضا به تصمیمxadگیری پرداخت. کانالهای حمل و نقل باید قبل از دانستن تقاضا مشخص شوند و نیز ساختار شبکه توزیع باید برای تحقق تمام سناریوxadها، یکسان در نظر گرفته شود.

تابع هدف اول:

تابع هدف دوم:

تابع هدف دوم به حداقل کردن، ماکسیمم زمان مورد نیاز برای حمل و نقل در کل زنجیره میxadپردازد.

محدودیتxadها:

محدودیت (۱): نشان دهنده تنها محدودیت تخصیص منابع بین انبارxadها و مراکز توزیع است.

محدودیت (۲) و (۳): تضمین میxadکند که حداکثر یک مسیر بین گره i و j و گره j و k به ترتیب وجود دارد.

محدودیت (۴):محصولات درصورتی از کارخانه i به انبارxadها ارسال میxadشوند که انبار j احداث شده باشد.

محدودیت (۵): تضمین میxadکند تقاضای هر مرکز توزیع در هر سناریو، برآورده میxadشود.

محدودیت (۶):محدودیت ظرفیت در هر انبار را نشان میxadدهد.

محدودیت (۷): نشان میxadدهد که جریان کالا بیرون رفته از انبار فراتر از ظرفیت تسهیلات نیست.

محدودیت (۸) و (۹): تضمین میxadکند که اگر یک مسیر در هر سناریو استفاده شود باید حتما از آن مسیر در طراحی شبکه استفاده کرد.

محدودیت (۱۰)و (۱۱):جریان کالاxadها فقط از مسیرxadهایی که فعال شده باشند، استفاده میxadکنند.

محدودیت (۱۲): تضمین میxadکند جریان کالا در صورتی مجاز است که تخصیصی بین انبار و مرکز توزیع صورت گرفته باشد.

محدودیت (۱۳)و (۱۴) ماهیت متغیرxadها را نشان میxadدهد.

رویکرد حل مساله:

روشxadهای فرا ابتکاری ویژگیxadهای مطلوبی دارند، که میxadتواند یک روش بسیار خوب برای حل مسائل بسیار پیچیده در مدیریت زنجیره تامین باشند. در کل پیاده سازی این روشxadها بسیار ساده است. هدف اصلی توسعه روش حلی است که قادر به تخمین زدن یک مرز مناسب باشد .

روش GRASP:Greedy Randomize Adaptive Search ))

الگوریتم GRASP جزء الگوریتمxadهای مبتنی بر یک جواب است.

روش MOMAP به دنبال یافتن نقاط موثر با یک فرایند افزایشی در اطراف یک مجموعه اولیه از نقاط موثر است. برای ساخت اولین مجموعه نقاط موثر باید سراغ جستجو ممنوعه رفت به طوریکه نقطه آخر هر جستجو، نقطه ابتدایی برای جستجو بعدی میxadشود که در آن هر نقطه بازدید شده میxadتواند در مجموعه نقاط موثر نهایی گنجانده شود این نقاط با بررسی معیارxadهای تسلط برای هر راه حل، در اطراف نقاط همسایگی بدست آمده است. راه حلxadهایی که تسلط نداشته باشند به عنوان راه حلxadهای احتمالا موثر شناسایی شده و به یک لیست به منظور به روز رسانی کردن مجموعهxadای موثر اضافه شده تمام نقاط بازدید شده در طول جستجو به منظور گنجاندن در بررسی میxadشوند جستجو برای جوابهای نامغلوب در سه فاز انجام میxadشود مکانیزم روش GRASPبه صورت زیر است

فاز construction (ساختن یک جواب اولیه به صورت مرحله به مرحله)

فاز local search (شروع از جواب ساخته شده در فاز قبل و رسیدن به جواب بهینه محلی)

فاز اول:

برای پیدا کردن جواب موثر که به انتهای مرز پارتو نزدیک باشند (جواب بهینه پارتو: جواب آلفا متعلق به مجموعه S برای مسالهبهینه سازی چندهدفه جواب بهینهپارتو نامیده میxadشود اگرهیچ بتا متعق به S وجود نداشته باشد که در رابطه زیر صدق کند.

باید راه حلxadهایی را در نظر گرفت که به بهترین راه حل برای مساله تک هدفه، که هدفها را به صورت جداگانه بررسی میxadکند، نزدیک باشد برای انجام این کار روش GRASP برای هر تابع هدف به طور جداگانه طراحی شده است این فاز به دنبال پیدا کردن نقاط اضافی در داخل منحنی بهره وری است که از طریق برخی از جستجوxadهای مرتبط با جستجو ممنوعه انجام میxadشود.

گام ۱ از فاز اول به دنبال پیدا کردن جواب بهینه برای مساله زمانبندی است و این کار توسط روش GRASP انجام میxadشود GRASP یک فرایند تکراری است و هر تکرار معمولا از یک فاز ساخته شده است که در آن یک جواب شدنی بدست میxadآید و سپس loca search به معنی (حرکت از جواب ساخته شده و جستجو در همسایگی تا رسیدن به جواب بهینه محلی ) تا زمانی که جواب بهینه محلی پیدا شود، ادامه دارد.

فاز سوم:

این مرحله براساس اصل میزان تقریبی بهینگی، تعداد جستجوxadها را برای یافتن جوابxadهای نامغلوب برای پرکردن شکاف در مجموعه را افزایش میxadدهد. این اصل بیان میxadکند که جوابهای موثر، مساله ترکیبی چند هدفه بهم مربوط هستند، بطوریکه هر جواب موثر به اندازه کافی به جواب موثر دیگر نزدیک است.”به اندازه کافی” بدین معنا است که در یک همسایگی نه خیلی دور از این جواب موثر، جواب موثر دیگری را میxadتوان پیدا کرد. مراحل زیر به بررسی عملکرد الگوریتم پیشنهادی، میxadپردازد.

در مرحله اول نتایج مربوط به مرز بهینه پارتو است. لذا به ارزیابی سهم هر فاز در MOMAP میxadپردازد و در آخر به مقایسه بین مقادیر پارتو تخمین زده شده که با اجرای روش MOMAP بدست آمده، با مقادیر پارتو دقیق میxadپردازد. نتایج بدست آمده به طور خلاصه در زیر بیان شده است

در ابتدا نمونهxadها به سه نوع کوچک، بزرگ، متوسط، طبقه بندی میxadشوند و برای هر نوع، سه گروه با توجه به تعداد کارخانهxadها، مراکز کاندید شده برای انبارxadها و مراکز توزیع، تولید میxadشود. برای هر گروه به طور جداگانه سه نمونه در نظر گرفته میxadشود که در نهایت ۲۷ نمونه میxadشود و تقاضا در هر سناریو به صورت تصادفی یکنواخت به احتمال به ترتیب ۰.۱و ۰.۷۵.و ۰.۱۵ تولید میxadشود.

مقادیر پارتو بر اساس یک چارجوب مبتنی بر روش اپسیلون محدودیت با تکنیک روش شاخه و کران تولید میxadشوند نمونهxadهای متوسط و کوچک مقادیر پارتو دقیق را نمیتوان بدست آورد.

تنظیم پارامترها:

تنظیم پارامتر با استفاده از یک سیستم خودکار به نام کالیبرا انجام میxadشود. سیستم کالیبرا از تکنیکهای تجزیه و تحلیل آماری و روش جستجو محلی برای ایجاد یک روش سیستماتیک از الگوریتمxadهای (fine tuning) یا مقدار سازی دقیق برای بهبود و بهینهxadسازی جوابها استفاده میxadکنند و کاربر باید یک محدوده مناسب برای پارامترxadهای جستجو و عملکرد اندازه گیری مشخص کند.

اندازه گیری سهم هر فاز از عملکرد MOMAP:

این آزمایش سعی در اندازهxadگیری سهم هر فاز از عملکرد MOMAP نسبت به کیفیت تقریبی نهایی مجموعه نقاط موثر را دارد. توجه داشته باشید که فاز ۲ و ۳ و از مرز تخمین زده شده در مرحله فاز قبلی و به روز رسانی آن با افزودن یا حذف کردن نقاط، شروع میxadشود و نقاط بدست آمده در هر فاز نمیxadتواند توسط نقاط پیدا شده در فاز قبلی مشخص شود.

هدف اصلی در فاز اول پیدا کردن دو نقطه با کیفیت خوب به منظور حصول اطمینان از تخمین گسترده مرز پارتو است و علاوه بر این در این بخش برخی از نقاط میانی نیز یافت میxadشود هدف فاز ۲و ۳یافتن نقاط غیر تحت سلطه بیشتری است که شکاف مرز پارتو تخمین زده شده در انتهای فاز اول را پر کند

مقایسه مرز دقیق و تخمینی پارتو:

هدف آزمایش بعدی مقایسه نتایج عملکرد MOMAP با مقادیر تقریبی پارتو (کران بالا مجموعهxadها در برخی موارد) میxadباشد. برای این کار ابتدا تعداد نقاط مرز موثر تخمین زده شده و سپس به مشخص کردن زمان اجرا (CPU TIME) پرداخته میxadشود. شکل ۱ مقایسه میانگین تعداد نقاط بدست آمده توسط دو روش را نشان میxadدهد. به عنوان مثال تعداد نقاط بهینه بدست آمده در روش ابتکاری MOAMP برای نمونهxadهای بزرگ ببشتر از روش اپسیلون محدودیت میxadباشد ولی برای تمونهxadهای کوچک و متوسط با روش اپسیلون محدودیت تعداد نقاط بهینه بیشتری بدست میxadآید.

جدول ۲ به مقایسه زمان حل و تعداد نقاط بهینه روش ابتکاری MOMAPو جواب بهینه پارتو در هر سه نمونه کوچک، متوسط و بزرگ میxadپردازد.

مطالعه موردی:

شکل ۲، شبکه ای با ۵ کارخانه، ۵ انبار، ۸ مرکز توزیع و با هزینه کل معادل ۱۱۶۷۶۸۶.۸۰ و حداکثر زمان مورد انتظار برای جابه جایی را نشان میxadدهد.۲ نوع خدمات حمل و نقل وجود دارد که در شکل یکی به صورت خط ثابت و به دیگری به صورت خط چین نشان داده شده است و نیز ۳ سناریو تقاضا با احتمال ۰.۱و ۰.۷۵ و ۰.۱۵ وجود دارد. در این مثال تخصیص بین انبارxadها و مراکز توزیع برای هر ۳ سناریو یکسان است. انبار ۴ به مراکز توزیع ۵و ۷و ۸ اختصاص داده شده است و انبار ۳ به مراکز توزیع ۱و۲و۳و۴و۶ تخصیص داده شده است. کانالهای حمل و نقل و جریان بین تسهیلات در دو سطح زنجیره تامین بستگی به واقع نمایی سناریوxadها دارد.

نتیجهxadگیری و تحقیقات آتی:

در این مقاله به بررسی مساله طراحی زنجیره تامینی پرداخته شد که هدف اصلی آن کمینه کردن هزینهxadها و زمان حمل و نقل است و یک مدل خطی عدد صحیح دو هدفه تصادفی ارائه شد و همچنین مکان انبارxadها (مکانxadهای کاندید) و تخصیص انبارxadها به مراکز توزیع باید قبل از اینکه مقدار واقعی تقاضا مراکز توزیع مشخص بشود، صورت بگیرد. در این مقاله اشاره شده است که MOMAP سیستم (plug and play) نیست که فقط به تغییرات کلی برای استفاده شدن در مسائل خاصی، نیاز داشته باشد. MOMAP یک ساختار مفهومی است که تعریف میxadکند چه کاری انجام دهید. ولی چگونگی کار را مشخص نمیxadکند. به طور مثال ۳ فازی که در ابتدای این بخش آورده شده است طبق نتایج محاسباتی بدست آمده از مقادیر پارتو، نشان میxadدهد که رویکرد حل مبتنی بر روش فرا ابتکاری، توانایی تولید تخمین خوبی از مقادیر پارتو دارد. نتایج تایید میxadکند که مدل تصادفی نتایج خوبی را هنگامیکه هزینه تابع هدف در نظر گرفته میxadشود، فراهم میxadکند. مدل تصادفی بر اساس هزینه مرحله اول و هزینه مورد انتظار مرحله دوم تصمیم میxadگیرد، بنابراین یک رفتار (ریسک گریز یا ریسک پذیر) برای تصمیمxadگیرنده به حساب نمیxadآید. به عنوان پژوهشهای بیشتر میxadتوان، این مساله را با در نظر گرفتن مساله تقاضا ارضا نشده با کمک بهینه سازی رباست انجام داد که در این حالت باید جریمهxadای برای تقاضای براورد نشده در نظر گرفت.