كنترل پيشرفته لجستيك (پشتيباني) سيستم مديريت زنجيرۀ تأمين با هدف رضايت مندي مشتري

Advanced Control of Logistics in Supply Chain Management System toward Satisfying Customers

هدف این مقاله بررسی اسناد علمی چاپ شده دانشگاه آزاد اسلامیدر اين مقاله، لجستیك(پشتیبانی) یك زنجيرۀ تأمين شامل واحدهای تولید، انبار، توزیع و خرده‌فروشی با روش كنترل‌كننده پيش‌بين مبتني بر مدل به صورت متمركز و سپس به روش پیش‌بینی غيرمتمركز تحت تغييرات تقاضا، بهينه‌سازی و با پیش‌بینی متمركز در عملكرد مقایسه شده است. كنترل پیش‌بینی مبتنی بر مدل به عنوان یك ابزار كنترلی پیشرفته شامل دو بخش شناسایی مدل و بهینه‌سازی تابع هزینه در هر زمان نمونه برداری است. ساختار برخط كنترل پیش‌بینی، بهینه‌سازی مؤثر را در جهت حفظ موجودی ایمنی با كمترین هزینه عملیاتی ممكن می‌سازد. در نتیجه معیار رضایت¬مندی مشتری به خوبی برآورده می‌شود. مدل مورد استفاده در این مقاله، یك مدل تفاضلی یك¬طرفه از سمت تولید كننده به سمت خرده‌فروشی و دارای تأخیرهای انتقال است. با توجه به اینكه متغیرهای حالت سیستم همیشه در دسترس نیستند و سیستم دارای نامعینی است، از یك فیلتر كالمن نیز به عنوان تخمین‌زنندۀ حالت استفاده شده است. در نهایت، كارایی روشهای به كارگرفته شده به كمك شبیه سازیها تحلیل می شود. در این شبیه سازیها، نگاه روبه جلو در ساختار برخط نیز بررسی می شود.

The aim of the article to optimize firstly the logistics of supply chain including manufacturing plants, warehouses, distributors and retailers by model-based predictive controller as centralized and secondly as decentralized under demand changes and thirdly the performance of which is compared. Model-based predictive control as a tool for advanced control consists of two parts: model identification at the time of sampling and optimization of the cost function. By online predictive control structure optimization on inputs in order to maintain safety inventory with the lowest possible operating cost is effectively feasible. Consequently, a measure of customer satisfaction is met. The considered model is an overhand differential model of the retailer to the manufacturer and with transmission delays. Given that the system state variables are not always available and it is uncertain system, a Kalman filter is used as observer. Finally, performance of methods is tested by simulations. Moreover, look ahead theory is examined in these simulations.