طراحي مدل استوار شبكه پوياي زنجيره تامين محصولات متنوع جهاني در شرايط عدم قطعيت

Designing a Robust Dynamic Network Supply Chain Model for Global Variety of Products in Uncertainty

در اين تحقيق به مدل سازي جهت طراحي شبكه پوياي زنجيره تامين كالاي سيماني براي كاهش كمبود بعد از بحران پرداخته شده است.پارامتر زمان يكي از مهمترين پارامترها بدليل فسادپذيري محصولات سيماني و همچنين نياز به تامين تقاضا در زمان مشخص است كه در اين تحقيق به مدل سازي اين پارامتر در شرايط عادي و بعد از بروز بحران پرداخته شده است. حادثهديدگان بلايا از اولويت متفاوتي نسبت به هم براي تامين تقاضا برخوردار هستند كه در اين مدل علاوه بر مدل سازي اين موضوع استفاده از اقلام جايگزين يا مشابه نيز در نظر گرفته شده است. از برنامه ريزي استوار جهت ايجاد تصميمات استوار به دليل حساس بودن تامين تقاضا استفاده گرديده است. براي حل مدل در ابعاد بزرگ تر از الگوريتم هاي فرا ابتكاري ژنتيك، بهينه سازي ازدحام ذرات و تبريد شبيه سازي استفاده شده كه بنا بر نتايج حاصله از اجراي الگوريتم ها براي ابعاد مختلف، الگوريتم ژنتيك از كيفيت بيشتري برخوردار است. با توجه به اهميت پيش بيني تقاضا در دوره برنامه ريزي در اين تحقيق از روش شبكه عصبي فازي تطبيقي براي پيش بيني تقاضا استفاده شده است كه FCM بهترين الگوريتم شناسايي الگو و تطبيق پذيري شناخته شده است.

For this purpose, in this study, modeling is designed to design a dynamic cement supply chain network to reduce post-crisis shortage. The facilities used in the model of this study are of the two types of temporary and permanent ones that are used to meet the severe demand created after the crisis. Time parameter One of the most important parameters is due to the cavitation of cement products and also the need to meet demand at specified time. In this research, this parameter is modeled in normal and post crisis situations. Disaster victims have a different preference for meeting demand. In addition to modeling this issue, alternative or similar items are also considered. Sustainable planning has been used to make sound decisions because of the demand-side sensitivity. Genetic algorithms, particle swarm optimization, and simulation refrigeration have been used to solve larger-scale models of the algorithm. According to the results, the algorithm is of better quality than the algorithms for different dimensions. Due to the importance of demand forecasting during the planning period in this study, the adaptive fuzzy neural network method is used for forecasting demand which FCM is the best known pattern recognition and adaptability algorithm.