طراحي و توسعه مدل توزيع منابع مالي به تأمين‌كنندگان در يك زنجيره تك‌توليدكننده

Designing and Developing a Model for Distributing Financial Resources among Suppliers in a Single Producer Chain

هدف: گسترش روابط در زنجيره تأمين بدون در نظر گرفتن جزئياتي همچون پايداري و تاب‌آوري، ريسك مقابله با تهديد‌ها را افزايش مي‌دهد. يكي از عوامل افزايش تاب‌آوري زنجيره‌هاي تأمين، مديريت جريان‌هاي نقدي و به‌ويژه مديريت حساب‌هاي پرداختني است كه در صورت مديريت صحيح، استفاده بهتر از منابع مالي را به همراه دارد. بر اين اساس، هدف پژوهش حاضر، ايجاد مدلي به‌منظور بهينه‌سازي زمانبندي بازپرداخت حساب‌هاي پرداختني است. روش: براي بهينه‌سازي، از الگوريتم ژنتيك و براي محاسبه تابع برازندگي با توجه به پيچيدگي مدل، از شبيه‌سازي استفاده شده است. تابع هدف شامل هزينه توقف خطوط توليد، هزينه توليد محصول ناقص و هزينه استقراض تأمين‌كننده است و خروجي مدل، تأمين‌كنندگان و مقدار پرداختي به آنها در هر دوره پرداخت را تعيين مي‌كند. يافته‌ها: بررسي امكان‌پذيري به‌كارگيري روش ارائه شده از جمله يافته‌هاي اصلي اين مقاله است كه با توجه به نتايج به‌دست‌آمده كارآمدي مدل تأييد مي‌شود. نتيجه‌گيري: مدل بر اساس داده‌هاي صنعت خودروسازي با هدف بهينه‌سازي منابع مالي اجرا شد. نتايج نشان مي‌دهد كه مدل از چنان قابليتي برخوردار است كه مي‌تواند هزينه‌هاي تحميلي را تا 44/7درصد كاهش دهد.

Objective: If important details such as sustainability and resilience are not taken into account in supply chains, the risk of potential threats increases. One of the crucial factors in increasing supply chain resilience is the management of cash flows, especially the management of payable accounts. Managing this factor will lead to better use of financial resources. This study creates a model to optimize the repayment schedules of payable accounts. Methods: To optimize the model, a genetic algorithm was used and simulation was applied to calculate the suitability function. The objective function included the costs of stopping production lines, the costs of producing defective products, and the costs of borrowing for suppliers. The produced output determined the suppliers and the amount of payment to them in each period. Results: Investigating the feasibility of applying the proposed method was the main finding of this study, and the obtained results proved the model as efficient. Conclusion: The model used real data from the automotive industry and the results showed that the proposed model has the ability to reduce the costs up to 44.7%.