ارائه يك مدل چند‌ هدفه فازي جهت طراحي شبكه چند سطحي تامين با درنظر‌ گرفتن وقوع اختلال در سطوح مختلف و حل آن با رويكرد ε-constraint

in Different Levels and Solving by ε-Constraint Approach

امروزه به دليل اثرات بسيار زياد طراحي شبكه ي تامين در منافع اقتصادي سازمانها، كيفيت ارائه خدمات مناسب و رضايت مشتريان، مسئله طراحي شبكه يكي از مسائل مورد علاقه و جذاب پژوهشگران حوزه تحقيق در عمليات و علوم مديريت محسوب مي شود كه پيشرفتهاي زيادي نيز در اين زمينه حاصل شده است. در اين پژوهش، يك شبكه تامين توليدي مطابق دنياي واقعي طراحي شده است. ساختار اين زنجيره تامين بدين صورت است كه محصول بعد از توليد در كارخانه هاي توليدي در انبارهاي مربوطه نگهداري شده و سپس به خرده‌فروش‌ها منتقل مي‌شود. در نهايت مشتريان با مراجعه به خرده‌فروشي‌ها نياز خود را برطرف مي كنند. براي نزديك شدن به واقعيت، عدم قطعيت فازي در پارامترهاي مدل در نظر گرفته شده و اختلالاتي از قبيل آتش‌سوزي يا قطع برق و غيره در كارخانه ها و انبارها به صورت همزمان لحاظ شده است؛ همچنين مسئله داراي افق زماني چند دوره‌اي و دو هدف حداقل كردن هزينه و حداكثر كردن سطح پوشش مناطق مشتريان است كه براي حل آن از حل كننده cplex نرم‌افزار gams و رويكرد ε-constraint استفاده شده است.

Nowadays, due to the huge effects of designing the supply network on the economic interests of organizations, the quality of providing appropriate services and customer satisfaction, the problem of network design is one of the most interesting and attractive issues of research in operations and management science. In this paper, a real-world manufacturing network is designed. The structure of this supply chain is such that the product is stored in the production facilities after production in the manufacturing plants and then transported to the retailers. Ultimately, customers will be able to address their needs by visiting retailers. In order to be real, fuzzy uncertainty is considered in the model parameters, and disruptions such as fire or power failure, etc. in factories and warehouses are considered simultaneously. Also, the problem has a multi-period time horizon and two goals are to minimize cost and maximize the coverage level of customers. To solve it, using CPLEX (GAMS) by ε-Constraint approach