20452

۲۰۴۵۲

ارائه مدل توليد - مسيريابي- موجودي براي زنجيره تامين دارو تحت شرايط عدم قطعيت

كارشناسي ارشد

بهينه سازي سيستم ها

۱۳۹۷

شهريور ۱۳۹۷

دكتر سيدمحمد سيدحسيني

دكتر آرمين جبارزاده

صنايع

تصميمات مربوط به طراحي شبكه زنجيره تامين از جمله مهم¬ترين تصميمات مديريت زنجيره تامين مي¬باشند كه كارايي و اثربخشي زنجيره را براي سال¬هاي زيادي تحت تاثير قرار مي¬دهند. هدف از طراحي زنجيره تامين علاوه بر مكان¬يابي تسهيلات، حداقل كردن هزينه¬هايي مانند خريد، توليد، حمل و نقل، نگهداري موجودي و غيره است. در اين پژوهش، طراحي شبكه زنجيره تأمين دارو تحت شرايط عدم قطعيت صورت گرفته است تا بتوان با ارائه مدل توليد-مسيريابي-موجودي تصميات درستي در راستاي كاهش هزينه زنجيره تامين دارو اتخاذ نمود. روش انجام اين پژوهش يك روش كمي است و براساس مطالعات كتابخانه¬اي انجام شده است. ابتدا مدل مبتني بر واقعيت ارائه شد و برنامه¬ريزي مدل با استفاده از نرم¬افزار بهينه¬سازي گمز كدنويسي و با استفاده از روش سيمپلكس حل¬ شده¬ است. در ادامه، يك مدل توالي توليد محصول براي اقلام زوال پذير در شرايط عدم قطعيت ارائه شد و مورد خطي¬سازي قرار گرفت. با توجه به اينكه اين مسئله داراي تركيبي از متغيرهاي عدد صحيح و پيوسته مي باشد در دسته بندي مسائل عددصحيح تركيبي و حل آن در دسته مسايل Np-Hard قرار مي گيرد و بنابراين براي بدست آوردن يك جواب مناسب و نزديك به بهينه از روش جمعيت-محور الگوريتم ژنتيك استفاده شده است. در نهايت نيز، با توجه به اينكه مدل ارائه شده، داراي پارامترهايي است كه در دسته بندي اسناد محرمانه شركت ها قرار مي گيرند(مانند حداقل تقاضا، قيمت تمام شده و ...)، ارائه يك مطالعه موردي ممكن نبوده و به همين منظور براي آزمودن مدل و روش حل آن يك مثال عددي طراحي شد و تحليل حساسيت مدل صورت گرفت. نتايج حاصل از تحليل حساسيت روش پيشنهادي نشان داد كه لزوما تعداد تكرار يا جمعيت زياد تضمين كننده رسيدن به پاسخ بهتر نيست. هم¬چنين نتايج حاصل از تحليل حساسيت مثال عددي نشان داد كه با بالا رفتن نرخ زوال ماده اوليه محصولاتي كه داراي آن ماده اوليه در تركيبشان هستند زودتر وارد خط توليد مي شوند همچنين درآمد كل و مقدار سفارش دهي ازآن ماده اوليه كاهش مي يابد.

1398/02/20

Proposing Production-Inventory-Routing models for Pharmaceutical Supply Chains Under Uncertainty

5/10/2019 12:00:00 AM

Decisions on the design of the supply chain network are among the most important supply chain management decisions that affect the efficiency and effectiveness of the chain. The purpose of the supply chain design, in addition to locating the facility, is to minimize costs such as purchasing, producing, transporting, storing inventory, etc. In this research, the design of the supply chain network has been done under uncertainty conditions in order to make decisions about the production-routing-inventory model in order to reduce the cost of supply chain supply. The method of this research is a quantitative method and is based on library studies. First, a reality-based model was presented and the modeling was coded using the GAMS optimization software and solved using the Simplex method. Subsequently, a production sequence model for decaying items was presented under uncertainty conditions and was linearized too. Since this problem has a combination of integer and continuous variables, it is categorized in the problem of combining numerical integers and solves it in the Np-Hard series of questions, and so, in order to obtain an appropriate and close to optimal solution of the population, Genetic algorithm is used. Finally, given that the proposed model has parameters that are classified in the corporate confidential documents (such as minimum demand, cost, etc.), it is not possible to provide a case study and a numerical example was designed to test the model and also method of solving and analyze the sensitivity of the model. The results of the sensitivity analysis of the proposed method showed that necessarily the number of repetitions or large populations does not guarantee a better response. Similarly, the results of the sensitivity analysis of numerical example showed that when the initial material deterioration rate increases, the products containing the primary substance in their composition enter the production line more quickly, and also the total revenue and order quantity of that raw material is reduced.