رويكرد بهينه سازي استوار در انتخاب تامين كننده تحت تداركات ناب

Robust Optimization Approach for Supplier Selection Under Lean Procurement

از آنجا كه در استراتژي هاي جديد خريد وتوليد، تامين كنندگان نقشي كليدي در دستيابي به رقابت با شركت هاي بزرگ بازي مي‌كنند، از اين رو انتخاب تامين كننده مناسب يك جزء كليدي در اين استراتژي ها مي‌باشد. اما در عمل، ابهام و عدم دقت در اهداف، محدوديت ها و پارامتر هاي مدل، تصميم گيرندگان را دچار مشكل مي‌كنند. به رغم اهميت مساله، تحقيقات در اين موضوع نسبتا اندك مي‌باشد. از اين رو در اين مقاله يك مدل خطي چند هدفه جهت انتخاب تامين كننده بر اساس بهينه سازي استوار توسعه داده ايم تا بر ابهام اطلاعات غلبه كند و هدف انتخاب تامين كننده تحت تداركات ناب بر اساس كاهش هزينه، كاهش خطاي برنامه ي زماني تحويل و افزايش سطح كيفيت مقادير خريداري شده با در نظر گرفتن اغتشاش در داده ها مي‌باشد. علاوه بر آن استفاده از مكانيزم بازه ي زماني نرم در مدل انتخاب تامين كننده، تصميم گيرندگان را در ارزيابي فروشندگان ياري مي‌رساند. مدل استوار مساله انتخاب تامين كننده در اين مقاله به صورت خطي بوده و از آن براي بهينه سازي تحت شرايط عدم قطعيت در تمامي صنايع مي‌توان بهره گرفت.

Since, in the new strategy of purchasing and production, suppliers play a key role in achieving to compete with big companies, so, the selection of the proper supplier is a key component in this strategy. However, the supplier selection is practically difficult process due to ambiguity and imprecision in the objectives, constraints and parameters of the model. Despite of the issue importance, few studies have been done in this area. In order to overcome the ambiguity of information, in this paper, a multi-objective linear programming model is developed for supplier selection based on robust optimization. The aim is to select suppliers under a lean procurement based on minimizing the cost and delivery schedule violation and maximizing the quality level of the purchased quantity considering the perturbation in data. In addition, using soft time window mechanism helps the decision maker in vendor evaluation. The proposed robust model of this paper is linear and can be used for optimization under uncertainty in all industries.