28550

مديريت موجودي در زنجيره تامين با استفاده از روش تركيبي بهترين-بدترين و تكنيكهاي داده كاوي؛ مطالعه موردي راه آهن جمهوري اسلامي ايران

كارشناسي ارشد

مهندسي راه‌آهن- حمل و نقل ريلي

1398

1401/12/23

حميدرضا احدي

دانشكده مهندسي راه‌آهن

مديريت موجودي يكي از مهمترين حلقه‌هاي مديريت زنجيره تامين مي‌باشد كه در سال‌هاي اخير با توجه به افزايش ارزش اقلام موجودي و مشكلات جدي در تامين اقلام مورد نياز نيروي كشش راه آهن جمهوري اسلامي ايران از اهميت بيشتري نسبت به پيش برخوردار گشته است. تنوع و حجم بالاي موجودي در صنعت حمل و نقل ريلي الزام ‌پياده‌سازي يك سيستم كنترلي و مديريتي به روز و در لحظه بر اقلام موجودي را ايجاب مي‌كند. توسعه سيستم‌هاي كنترل موجودي با پيشرفت روز افزون حوزه فناوري اطلاعات و بخصوص هوش مصنوعي اهميتي دو چندان پيدا كرده است، در همين راستا استقرار سيستم‌هايي كه بر پايه دانش روز و استفاده از حجم انبوه داده‌هاي سالهاي گذشته باشد، امكان دسترسي به اطلاعات و دانش درست را براي افراد كليدي سازمان‌ها فراهم خواهد ساخت. كه در نتيجه آن تصميمات صحيح اتخاذ شده و سازمان در جهت رشد و توسعه پيش خواهد رفت. بهبود سيستم‌هاي مديريت موجودي جز با استفاده از رويكرد‌هاي نوين ممكن نيست و همين امر موجب كاهش هزينه‌هاي مرتبط با مديريت موجودي از جمله هزينه‌هاي نگهداري، كمبود و سفارشات، خواهد شد. در اين پايان نامه با استفاده از يك رويكرد تركيبي، مهمترين معيارهاي اثرگذار بر مديريت موجودي اقلام انبارهاي نيروي كشش راه آهن جمهوري اسلامي ايران شناسايي و سپس با استفاده از روش بهترين-بدترين اولويت بندي مي‌شوند. در ادامه با استفاده از الگوريتم‌هاي ‌خوشه‌بندي K-Medoids و K-Means اقلام موجودي بر اساس مهمترين پارامترهاي تاثيرگذار ‌دسته‌بندي مي‌شوند. هدف از اين پايان نامه ارائه سياست‌هاي مديريت موجودي متناسب با هر خوشه بر اساس ويژگي‌ها و رفتار اقلام آن خوشه مي‌باشد. از ديدگاه مديريتي نيز مي‌توان با استفاده از نتايج حاصله و با ‌برنامه‌ريزي‌هاي لازم، سياست‌هاي مناسبي را در قبال دسته‌هاي پيشنهاد شده اتخاذ نمود.

1402/05/02

Inventory management in the supply chain using a mixed best-worst methods and data mining techniques; Case study of the railways of the Islamic Republic of Iran

3/13/2024 12:00:00 AM

Inventory management is one of the most important links of supply chain management, which in recent years has become more important than before due to the increase in the value of inventory items and serious problems in supplying items needed by the railway traction force of the Islamic Republic of Iran. The variety and high volume of inventory in the rail transportation industry requires the implementation of an up-to-date and real-time control and management system for inventory items. The development of inventory control systems has become doubly important with the increasing progress of information technology and especially artificial intelligence, in this regard, the establishment of systems that are based on current knowledge and the use of large amounts of data from the past years, allows access to correct information and knowledge. It will provide for the key people of organizations, as a result of which correct decisions will be made and the organization will advance in the direction of growth and development. Improving inventory management systems is not possible only by using new approaches, and this will reduce costs related to inventory management, including Inventory costs, shortages, and orders. In this Thesis, using a hybrid approach, the most important criteria affecting the inventory management of railway traction power warehouses of the Islamic Republic of Iran are identified and then prioritized using the best-worst method. In the following, using K-Medoids and K-Means clustering algorithms, inventory items are classified based on the most important influencing parameters. The purpose of this thesis is to provide inventory management policies suitable for each cluster based on the characteristics and behavior of the items in that cluster. From the managerial point of view, it is possible to adopt suitable policies for the proposed categories by using the results and with the necessary planning.

مديريت موجودي , مديريت زنجيره تامين , داده‌كاوي , روش بهترين-بدترين

Inventory management , supply chain management , Data Mining , Best-Worst Method

Amir Mahdi Nobakht

Hamidreza Ahadi