بهینه سازی چند منظوره مدل موجودی مجدد سفارش معوقه ترکیبی

Elsevier
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
9
نشریه :
الزویر
تعداد رفرنس ها :
37
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Backorder Inventory Multi-objective particle swarm optimization Pareto Multi-objective genetic algorithm
کلمات کلیدی :
سفارش مجدد، بهینه سازی گروهی ذرات چند هدفه، الگوریتم تکوینی چند منظوره پارتو
عنوان فارسی :

بهینه سازی چند منظوره مدل موجودی مجدد سفارش معوقه ترکیبی

عنوان انگلیسی :

Multi-objective optimization of hybrid backorder inventory model

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0957417415008404
آدرس DOI :
https://doi.org/10.1016/j.eswa.2015.12.032
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 8

نشریه : الزویر

تعداد رفرنس ها : 37

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Backorder Inventory Multi-objective particle swarm optimization Pareto Multi-objective genetic algorithm

کلمات کلیدی : سفارش مجدد، بهینه سازی گروهی ذرات چند هدفه، الگوریتم تکوینی چند منظوره پارتو

عنوان فارسی : بهینه سازی چند منظوره مدل موجودی مجدد سفارش معوقه ترکیبی

عنوان انگلیسی : Multi-objective optimization of hybrid backorder inventory model

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0957417415008404



چکیده انگلیسی
This paper addresses inventory problem for the products that are sold in monopolistic and captive markets experiencing hybrid backorder (i.e., fixed backorder and time-weighted backorder). The problem with stochastic demand is studied first by developing single objective (cost) inventory model. Computational results of a numerical problem show the effectiveness of hybrid backorder inventory model over fixed backorder inventory model. The model is later extended to multi-objective inventory model. Three objectives of multi-objective inventory model are the minimization of total cost, minimization of stockout units and minimization of the frequency of stockout. A multi-objective particle swarm optimization (MOPSO) algorithm is used to solve the inventory model and generate Pareto curves. The Pareto curves obtained for hybrid backorder inventory model are compared with the existing Pareto curves that are based on fixed backorder. The results show a substantial reduction in stockout units and frequency of stockout with a marginal rise in cost with proposed hybrid backorder inventory system in comparison to existing fixed backorder inventory system. Sensitivity analysis is done to study the robustness of total cost, order quantity, and safety stock factor with the change in holding cost. In the end, the performance of the MOPSO algorithm is compared with the multi-objective genetic algorithm (MOGA). The metrics that are used for the performance measurement of the algorithms are error ratio, spacing and maximum spread.

چکیده فارسی
این مقاله مسئله موجودی را برای محصولاتی که در بازارهای انحصاری و اسیر عرضه می شوند و دارای سفارش معوقه ترکیبی (به عنوان مثال، سفارش ثابت و زمان طولانی نسبت به سفارش)، مورد توجه قرار می دهد. با تکمیل مدل موجودی یک هدف (هزینه)، مشکل با تقاضای تصادفی، مورد بررسی قرار می گیرد. نتایج محاسباتی یک مسئله عددی نشان دهنده اثربخشی مدل موجودی اوراق قرضه ترکیبی بر مدل ثابت موجودی سفارشی است. مدل بعدا به مدل موجودی چند منظوره افزوده می شود. سه هدف از مدل موجودی چند هدف عبارتند از به حداقل رساندن کل هزینه، به حداقل رساندن واحدهای ذخیره سازی و به حداقل رساندن فرکانس انباشت. الگوریتم بهینه سازی ذرات چند هدفه (MOPSO) برای حل مدل موجودی و ایجاد منحنی های پارتو مورد استفاده قرار می گیرد. منحنی های پارتو برای مدل موجودی پیشنهادی ترکیبی به دست آمده با منحنی های پارتو موجود که بر مبنای ثابت قبلی است مقایسه می شود. نتایج نشان می دهد که کاهش قابل ملاحظه واحدهای ذخیره سازی و فرکانس انباشت با افزایش حاشیه هزینه با سیستم موجودی ترکیبی پیشنهاد شده در مقایسه با موجودی ثابت موجودی سفارشی است . تجزیه و تحلیل حساسیت به منظور بررسی استحکام هزینه کل، مقدار سفارش و فاکتور سهام ایمنی با تغییر هزینه نگهداری انجام شده است. در پایان، عملکرد الگوریتم MOPSO با الگوریتم تکوینی چند هدفه (MOGA) مقایسه می شود. معیارهای مورد استفاده برای اندازه گیری عملکرد الگوریتم ها عبارتند از نسبت خطا، فاصله و حداکثر گسترش.





مشاهده فایل pdf مقاله :