ارايه‌ي يك مدل چند‌هدفه‌ي فازي تصادفي براي انتخاب و تخصيص سفارش به تامين‌كننده‌ تحت شرايط تخفيف و ريسك (حل با دو الگوريتم فراابتكاري)

Developing a model of multi-objective fuzzy random selection and allocation of orders to suppliers under discount and risk; two meta-heuristic algorithms

مسيله‌ي انتخاب و تخصيص سفارش به تامين‌‌كنندگان از مهم‌ترين فعاليت‌ها در مديريت زنجيره‌ي تامين است. در اين تحقيق يك مدل چند‌هدفه‌ي انتخاب و تخصيص سفارش به تامين‌كننده‌ در حالت عدم قطعيت ارايه شده است. اين اهداف كمينه‌سازي هزينه‌ي خريد، حمل و نقل و سفارش، كمينه‌سازي ديركرد يا همان تاخيرات از جانب تامين‌كننده‌ (كه به‌دليل عدم قطعيت به‌صورت فازي درنظر گرفته شده)، كمينه‌سازي ريسك در انتخاب تامين‌كننده‌ و در نهايت بيشينه‌‌سازي وزن تامين‌‌كنندگان را شامل مي‌شود. وزن تامين‌‌كنندگان با روش تاپسيس فازي به دست آمده است. در اين مدل محصولات ارايه‌شده توسط تامين‌‌كنندگان از ويژگي «تخفيف در قيمت» برخوردارند. محدوديت‌هاي تخفيف به‌صورت تابع علامت در مدل اعمال شده كه اين عمل از به وجود آمدن يك متغير تصميم در مدل جلوگيري مي‌كند. به‌علت پيچيدگي مدل براي حل از دو الگوريتم فراابتكاري NSGA-II و MOPSO استفاده شده است. در نهايت، نتايج با معيار‌هاي كمي اندازه‌گيري و مورد تجزيه و تحليل قرار مي‌گيرد.

Supplier selection and assignment of orders to potential suppliers are among the most important functions of supply chain management. In this research, a multi-objective supplier selection and assignment of orders to the suppliers under uncertainty is presented. The first objective is minimizing the total cost including purchasing cost of products, shipping and ordering cost. The second objective aims to minimize the delay by the supplier due to the uncertainty, while the third objective tries to maximum the weighted risk of the selected suppliers. Suppliers’ weights are obtained using Fuzzy TOPSIS method because of uncertainty involved. In the proposed model, products are purchased under quantity discounts where sign function is exercised to obtain an efficient formulation. Due to the complexity of the proposed model, two meta-heuristic algorithms i.e., NSGA-II and MOPSO are applied for solving it. Finally, efficiency of the algorithms are evaluated using quantitative measures.