مدلي براي كنترل موجودي و توليد در شرايط بحران

A Model for Production and Inventory Control in Crisis Conditions

عوامل بيروني مانند تحريم و همكاري نكردن تامين‌كنندگان خارجي و عوامل داخلي مانند نبودن مديريت مناسب جريان نقدي و يا سياست‌هاي نامناسب هيات مديره مي‌تواند به كمبود موجودي منتهي شود. كمبود موجودي يكي از عوامل مهم در ايجاد بحران فرايندهاي توليدي است. اين مقاله در‌صدد است تا يك سيستم كنترل موجودي و توليد را براي شرايط بحران معرفي كند. مدل ارايه شده اين مقاله شرايطي را فراهم مي‌كند تا با تصميم‌گيري مناسب در خصوص به تعويق انداختن سفارش‌هاي مشتريان، هزينه‌هاي سازمان را در شرايط بحران كمينه نمايد. اين مدل پيشنهادي براي توليد و كنترل موجودي در شرايط عدم اطمينان مدلسازي و فرض شده است كه تقاضاي مشتريان به‌خوبي از توزيع نرمال پيروي مي‌كند. در اين پژوهش، مدل رياضي ارايه شده از نوع عدد صحيح، غير خطي و NP-hard است. براي حل اين مدل پيچيده از الگوريتم ژنتيك استفاده شده است. نتايج ارزيابي عددي مدل پيشنهادي نشان مي‌دهد كه عملگرهاي تقاطع و جهش چند نقطه‌اي توانايي مناسبي در جستجوي فضاي موجه و دوري از فضاي غير موجه دارد. همچنين همگرايي در مجموعه جواب‌هاي الگوريتم نيز نشان مي‌دهد كه الگوريتم استفاده شده توانايي لازم در پيدا كردن جواب بهينه را در مدت زمان مناسب دارد. نتايج اين ارزيابي نشان مي‌دهد كه مدل ارايه شده توانايي مدلسازي و حل مساله كنترل توليد و موجودي در شرايط بحران ناشي از كمبود موجودي و محدوديت‌هاي مرتبط را دارد.

External factors such as sanctions and the lack of cooperation from foreign suppliers, and internal factors such as lack of proper management of cash flow or inappropriate policy board, can lead to lack of inventory. Inventory shortage is an important factor in creating crisis in the manufacturing processes. This article seeks to provide a system for inventory control and production. The proposed model for the production and inventory control is an uncertainty modeling and it is assumed that the customer demand follow the normal distribution. In this study, the presented mathematical model is integer, nonlinear and NP-hard. To solve this complex model the genetic algorithm is used. The results of the numerical model show that genetic operators have good ability to search solution space. The convergence of the algorithm also shows that the algorithm can be used to find the optimum solution at the appropriate time.