چکیده:
به حداقل رسیدن هزینه های زنجیره تأمین به عنوان یکی از مسائل ضروری در فعالیت های مرتبط با پشتیبانی از جمله سیستم های برنامه ریزی مالی،فعالیت های مربوط به بازاریابی و فروش،قیمت تمام شده محصولات به چگونگی مدیریت زنجیره تأمین مجموعهای از روشهایی که برای یکپارچهسازی مؤثر تأمینکنندگان، تولیدکنندگان، انبارها و فروشگاهها به کار میرود،بستگی دارد تا هزینههای کل زنجیره تأمین به حداقل برسد و همچنین نیاز مشتریان با سطح خدمترسانی بالایی برآورده شود.در این مقاله به منظور برنامه ریزی و طراحی شبکه زنجیره تامین پویا در شرایط عدم قطعیت از ابزار پیش بینی با استفاده از شبکه عصبی مصنوعی پرداخته شده است.هدف پژوهش یکی از مهمترین موارد رعایت شده در این تحقیق استفاده از متدولوژی های هوش مصنوعی مانند Grid Clustering, Subtractive Partitioning, FCM به منظور کشف الگوها و روابط بنیادی و تکنیکال موجود در داده های تاریخی استفاده شده است. برای این کار به ارائه یک شبکه عصبی مصنوعی چند لایه فازی استنتاجی مبتنی برزنتیک جهت جلوگیری از غیرتوجیه پذیری فنی و اقتصادی حل و اجرا پرداخته شده است. مدل پایه این مقاله که توسط محقق ارائه شده است به برنامه ریزی استوار و چند دوره ای برای حالت چند محصولی در شرایط عدم قطعیت می باشد.
Minimize supply chain costs as one of the essential issues in support activities such as financial planning systems,How to manage supply chain A set of ways to integrate Effective suppliers, manufacturers, warehouses and stores used to minimize total supply chain costs and meet customer service needs with a high level of service. In this study, the design of a robust cement supply chain dynamic network model was designed to reduce supply chain management costs after a crisis. Principal and efficient design of cement grid infrastructures, given the strong demand fluctuations at different times of the year, can significantly reduce financial costs on the one hand and reduce the potential for high-speed, high-cost corruption by correct prediction. Other leads.From the following tool The nose has been analyzed using artificial neural networks. The purpose of this study is to use artificial intelligence methodologies such as Grid Clustering, Subtractive Partitioning, FCM to explore fundamental and technical patterns and relationships in historical data. Used. To this end, a genetically-based inference fuzzy multilayer fuzzy neural network is introduced to prevent technical and economic unpredictability. The basic model of this paper presented by the researcher is a robust and multi-periodic planning for multi-product state under uncertainty.
خلاصه ماشینی:
طراحي سيستم پشتيبان تصميم به منظور پيش بيني تقاضا جهت طراحي شبکه پويا پايدار در شرايط عدم قطعيت و تأثير آن بر توجيه پذيري اقتصادي محمد مختاري ١ 2 تاريخ دريافت مقاله : ٩٨/١١/١٣ تاريخ پذيرش مقاله : ٩٨/١٢/١٨ ابوتراب عليرضائي حسن جوانشير4٣ محمود مديري چکيده به حداقل رسيدن هزينه هاي زنجيره تأمين به عنوان يکي از مسائل ضروري در فعاليت هاي مرتبط با پشتيباني سيستم هاي توليدي و خدماتي، سيستم هاي برنامه ريزي مالي، فعاليت هاي مربوط به بازاريابي و فروش و قيمت تمام شده محصولات به چگونگي مديريت زنجيره تأمين روش هايي که براي يکپارچه سازي مؤثر تأمين کنندگان ، توليدکنندگان ، انبارها و فروشگاه ها به کار ميرود، بستگي دارد تا هزينه هاي کل زنجيره تأمين به حداقل برسد و همچنين نياز مشتريان با سطح خدمت رساني بالايي برآورده شود.
در اين پژوهش در راستي حداقل نمودن هزينه هاي زنجيره تأمين و به منظور برنامه ريزي و طراحي شبکه زنجيره تامين پويا در شرايط عدم قطعيت از ابزار پيش بيني با استفاده از شبکه عصبي مصنوعي پرداخته شده است .
ابتدا با توجه به اطلاعات فروش و تقاضا به دست آمده از کارخانه سيمان و با توجه به پيش بيني سناريوهاي ممکن شروع به مدل سازي مساله نموده که در اين مرحله براي هرچه بيشتر نزديک به واقعيت شدن نتايج مدل از نرم افزار GIS به منظور آناليز راه ها و مسيرهاي ارتباطي بين دو گره در شبکه استفاده ميشود سپس با توجه به تحقيقات انجام شده براي مدل سازي مسائل با جواب بهينه پايدار نسبت به عدم قطعيت ، بهترين تکنيک در مدل سازي مورد استفاده قرارميگيرد.