عنوان مقاله :
مدل سازي و بهينه سازي يك سيستم كنترل موجودي يك دوره يي با محدوديت هاي تصادفي در حالت هاي پس افت و فروش ازدست رفته
عنوان به زبان ديگر :
MODELLING AND OPTIMIZING A PERIODIC INVENTORY PROBLEM WITH STOCHASTIC CONSTRAINTS WITHIN BACKORDERS AND LOT SALE CASES
پديد آورندگان :
اسدزاده، زهرا , پسنديده، حميدرضا دانشگاه خوارزمي - دانشكده فني - گروه مهندسي صنايع
كليدواژه :
كنترل موجودي , سيستم هاي مرور دوره يي , پس افت , فروش ازدست رفته , الگوريتم ژنتيك , الگوريتم بهينه سازي ازدحام ذرات , تاپسيس
چكيده فارسي :
در اين تحقيق دو مدل براي سيستم هاي سفارش دوره يي در حالت چندمحصولي با تقاضاي احتمالي ارائه شده است. در مدل اول كل كمبود به صورت پس افت و در مدل دوم كل كمبود به صورت فروش ازدست رفته است. فرض حاكم بر مسئله وجود محدوديت سطح خدمت، فضاي انبار، بودجه و تعداد دفعات سفارش است. محدوديت فضاي انبار و بودجه حالت احتمالي دارند و از توزيع نرمال پيروي مي كنند. هدف، به دست آوردن بيشترين موجودي و طول هر دوره است به گونه يي كه هزينه ي كل كمينه شود. براي حل مدل ها از دو الگوريتم فراابتكاري ژنتيك و بهينه سازي ازدحام ذرات استفاده شده است. مدل ها در قالب 30 مثال توسط دو الگوريتم حل شده، و نيز نتايج به دست آمده با استفاده از دو روش آماري و تصميم گيري چندمعياره بررسي و الگوريتم ها مقايسه مي شوند.
چكيده لاتين :
There are two methods for inventory control, the continuous review and periodic system. The continuous method is employed for important items, while periodic system is used for items whose importance is on average level. In this paper, we present two models for a constrained multi-product inventory control problem with stochastic demand under periodic review policy. The objective of the model is to minimize the total cost. The total cost is the sum of holding cost, shortage cost and set-up cost. In the model, shortage is allowed. In the first model, shortages are completely backordered and in the second model, we consider lost sale for shortages. We have considered stochastic constraints, such as warehouse space and restriction on order quantity and in hand budget. The stochastic constraints are more reliable than exact case and it is compatible to real world. Also, the resources of constraints (right hands) are assumed as random variable. We have employed the service levels for products as a constraint. The problems have modelled as nonlinear integer models and we have employed genetic and particle swarm optimization algorithms for solving models. The inputs of these algorithms are tuned by response surface methodology and if we set these properly, the speed of the algorithms will grow up. We have compared employed algorithms both stochastic and MADM bases. The stochastic comparison is done by t test, and the methods have compared statistically while time of execution and objective value are criteria in MADM comparison. In fact, two criteria are considered simultaneously in MADM, but they are considered individually in statistical comparison. TOPSIS, as a popular method, has employed for MADM comparison. Finally, we have reported the efficiency of the algorithms effectively.
عنوان نشريه :
مهندسي صنايع و مديريت شريف
عنوان نشريه :
مهندسي صنايع و مديريت شريف
