مدل سبز مدیریت موجودی توسط فروشنده با مجاز بودن کمبود در زنجیره تأمین دوسطحی با رویکرد‌های حل اپسیلون محدودیت و NSGA-II

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار، دانشکده مهندسی صنایع، دانشگاه یزد، ایران.

2 دانشجوی دکترا، دانشکده مهندسی صنایع، دانشگاه یزد، ایران.

چکیده

در مقالاتی که به موضوع مدیریت موجودی توسط فروشنده پرداخته شده است، کمتر به میزان نشر آلاینده‌های محیط‌زیست از‌جمله دی‌اکسید کربن و سبز بودن لجستیک توجه گردیده است. در این مقاله، مدل سبز مدیریت موجودی توسط فروشنده در زنجیره تأمین دوسطحی در حالت مواجه مشتری با کمبود، محدودیت انبار و تعداد سفارشات مورد بررسی قرار گرفته شده است. تابع هدف اول، بیشینه کردن سود فروشنده، شامل میزان فروش منهای هزینه‌های تولید، توزیع و نگهداری موجودی در حالت مواجه با جریمه‌های کمبود، و تابع هدف دوم شامل کمینه نمودن میزان انتشار دی‌اکسید کربن در اثر جابجایی و لجستیک کالاها می‌باشد. با توجه به اینکه مدل دوهدفه مزبور، غیر محدب و غیرخطی است لذا با استفاده از نرم‌افزار GAMS مسئله حل گردیده و از الگوریتم اپسیلون محدودیت برای تبادل بین اهداف و به دست آوردن جبهه پارتو در ابعاد کوچک بهره‌برداری شده است. همچنین مدل فوق با روش سنتی کنترل موجودی در شرایط کمبود مقایسه و عملکرد بهتر مدل فوق مشخص شده است. برای ابعاد بزرگ از الگوریتم ژنتیک مرتب‌سازی غیر مغلوب (NSGA-II) برای تولید جواب نزدیک به بهینه استفاده شده است. برای تنظیم پارامترهای الگوریتم (NSGA-II) از روش آزمایشات تاگوچی بهره‌برداری گردیده شده است. نتایج مدل‌سازی نشان داده است در حالت مجاز بودن کمبود، با کاهش هزینه کمبود، میزان سود و ارسال کالا و میزان سفارشات بیشتر شده و میزان بهینه کمبود و نشر آلاینده‌ها کمتر گردیده و بدین ترتیب هزینه کمبود موجودی کاهش یافته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Green Vendor Managed Inventory with Backorder in Two Echelon Supply Chain with Epsilon-Constraint and NSGA-II Approach

نویسندگان [English]

  • Mohammad-Bagher Fakhrzad 1
  • Reza Lotfi 2
1 Faculty of Industrial Engineering and Management, Yazd university, Yazd, Iran.
2 PhD Candidate, Faculty of Industrial Engineering and Management, Yazd university, Yazd, Iran.
چکیده [English]

In the articles that have been investigated by the vendor managed inventory less attention to environmental pollution or emission of green logistics is considered. In this paper, the issue of green backorder vendor managed inventory in two-echelon supply has been considered. But innovation in green conditions of this article or reducing the amount of pollution is as a function intended purpose. In view of customer facing staff shortages in the supply chain, two-echelon warehouse and limits the number of orders is considered. The first objective is to maximize profit of vendor, which includes sales minus production and distribution costs and facing to shortage cost. The second objective function is minimizing the amount of pollution caused by the movement of goods. According to the model as a model of bi-objective, non-convex and non-linear algorithms is solved by GAMS and Epsilon-Constraint on a small scale can be used to obtain the Pareto front and compare with traditional inventory management in shortage state and for large scale non-dominated sorting genetic algorithm (NSGA-II) was used to solve the model. To adjust the algorithm parameters NSGA-II Taguchi method has been exploited in this article. The results of this research is that allowed the shortage situation, the lack of cost reduction and environmental pollution reduction, the greater the amount of shipping and orders as well as the lack of a less optimal to reduce the cost of inventory shortages.

کلیدواژه‌ها [English]

  • Vendor Managed Inventory
  • Two Echelon Supply Chain
  • Epsilon Constraint
  • NSGA-II

[1]    Waller, M., Johnson, M.E., Davis, T., (1999). “Vendor-managed inventory in the retail supply chain”, Journal of business logistics, 20(1): 183-203.

[2]    Darwish, M.A., Odah, O.M., (2010). “Vendor managed inventory model for single-vendor multi-retailer supply chains”, European Journal of Operational Research, 204(3): 473-484.

[3]    Angulo, A., Nachtmann, H., Waller, M.A., (2004). “Supply chain information sharing in a vendor managed inventory partnership”, Journal of Business Logistics, 25(1): 101-120.

[4]    Yao, Y., Evers, P.T., Dresner, M.E., (2007). “Supply chain integration in vendor-managed inventory”, Decision Support Systems, 43(2): 663-674.

[5]    Kwak, C., Choi, J.S., Kim, C.O., Kwon, I.H. (2009). “Situation reactive approach to Vendor Managed Inventory problem”, Expert Systems with Applications, 36(5): 9039-9045.

[6]    خسروشاهی، حسین، معطر حسینی، سید محمد، مرجانی، محمدرضا (1393). «اندازه‌گیری اثر شلاق چرمی در یک زنجیره تأمین خطی سه‌سطحی با استفاده از روش میانگین متحرک برای برآورد تقاضا»، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 2(4): 21-37.‎

[7]    Tyan, J., Wee, H.M., (2003). “Vendor managed inventory: a survey of the Taiwanese grocery industry”, Journal of Purchasing and Supply Management, 9(1): 11-18.

[8]    Dong, Y., Xu, K., (2002). “A supply chain model of vendor managed inventory”, Transportation Research Part E: logistics and transportation review, 38(2): 75-95.

[9]    Yao, Y., Evers, P.T., Dresner, M.E., (2007). “Supply chain integration in vendor-managed inventory”, Decision support systems, 43(2): 663-674.

[10] Sadeghi, J., Sadeghi, S., Niaki, S.T.A., (2014). “A hybrid vendor managed inventory and redundancy allocation optimization problem in supply chain management: An NSGA-II with tuned parameters”, Computers & Operations Research, 41: 53-64.

[11] Nia, A.R., Far, M.H., Niaki, S.T.A., (2015). “A hybrid genetic and imperialist competitive algorithm for green vendor managed inventory of multi-item multi-constraint EOQ model under shortage”, Applied Soft Computing, 30, 353-364.

[12] Park, Y.B., Yoo, J.S., Park, H.S., (2016). “A genetic algorithm for the vendor-managed inventory routing problem with lost sales”, Expert Systems with Applications, 53: 149-159.

[13] Lee, J.Y., Cho, R.K., Paik, S.K., (2016). “Supply chain coordination in vendor-managed inventory systems with stockout-cost sharing under limited storage capacity”, European Journal of Operational Research, 248(1): 95-106.

[14] Khan, M., Jaber, M.Y., Zanoni, S., Zavanella, L., (2016). “Vendor managed inventory with consignment stock agreement for a supply chain with defective items”, Applied Mathematical Modelling, 40(15): 7102-7114.

[15] Diabat, A., (2014). “Hybrid algorithm for a vendor managed inventory system in a two-echelon supply chain”, European Journal of Operational Research, 238(1): 114-121.

[16] Pasandideh, S.H.R., Niaki, S.T.A., Nia, A.R., (2011). “A genetic algorithm for vendor managed inventory control system of multi-product multi-constraint economic order quantity model”, Expert Systems with Applications, 38(3): 2708-2716.

[17] Taleizadeh, A.A., Noori-daryan, M., Cárdenas-Barrón, L.E., (2015). “Joint optimization of price, replenishment frequency, replenishment cycle and production rate in vendor managed inventory system with deteriorating items”, International Journal of Production Economics, 159: 285-295.

[18] Nia, A.R., Far, M.H., Niaki, S.T.A., (2014). “A fuzzy vendor managed inventory of multi-item economic order quantity model under shortage: An ant colony optimization algorithm”, International Journal of Production Economics, 155: 259-271.

[19] Hariga, M., Gumus, M., Daghfous, A., (2014). “Storage constrained vendor managed inventory models with unequal shipment frequencies”, Omega, 48: 94-106.

[20]  نخعی، عیسی، محمدی پور، هیرش، ذگردی، سید حسام‌الدین (1393). «تعیین سود بهینه فروشنده برای محصولات جایگزین و مکمل به کمک قیمت‌گذاری و در نظر گرفتن سیاست فروش بسته‌ای و تخفیف»، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 2(4): 99-113.

[21] Vira, C., Haimes, Y.Y., (1983). “Multiobjective decision making”, Theory and Methodology, In North Holland series in system science and engineering 8: North Holland.

[22] Laumanns, M., Thiele, L., Zitzler, E., (2006). An efficient, adaptive parameter variation scheme for metaheuristics based on the epsilon-constraint method. European Journal of Operational Research, 169(3), 932-942.

[23] Fakhrzad, M., Sadri Esfahani, A., (2013). “Modeling the time windows vehicle routing problem in cross-docking strategy using two meta-heuristic algorithms”, International Journal of Engineering-Transactions A: Basics 27(7): 1113-1126.

[24] Fakhrzad, M., Sadeghieh, A., Emami, L., (2012), "A new multi-objective job shop scheduling with setup times using a hybrid genetic algorithm”, International Journal of Engineering-Transactions B: Applications 26 (2): 207-218.

[25] Srinivas, N., Deb, K., (1995). “Comparative study of vector evaluated GA and NSGA applied to multiobjective optimization”, In Proceedings of the Symposium on Genetic Algorithms, 83-90.

[26] Deb, K., Agrawal, S., Pratap, A., Meyarivan, T., (2000). “A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II”, In International Conference on Parallel Problem Solving From Nature, Springer Berlin Heidelberg, 849-858.

[27] Deb, K., Pratap, A., Agarwal, S., Meyarivan, T.A. M.T. (2002). “A fast and elitist multiobjective genetic algorithm: NSGA-II”, IEEE transactions on evolutionary computation, 6(2): 182-197.

[28] Nachiappan, S.P., Jawahar, N., (2007). “A genetic algorithm for optimal operating parameters of VMI system in a two-echelon supply chain. European”, Journal of Operational Research, 182(3): 1433-1452.

[29] Hamedani, S., Jabalameli, M., Bozorgi-Amiri, A., (2013). “A multi-objective model for locating distribution centers in a supply chain network considering risk and inventory decisions”, Management Science Letters, 3(4): 1077-1088.

[30] Perez Loaiza, R.E., Olivares‐Benitez, E., Miranda Gonzalez, P.A., Guerrero Campanur, A., Martinez Flores, J.L., (2016). “Supply chain network design with efficiency, location, and inventory policy using a multiobjective evolutionary algorithm”, International Transactions in Operational Research, 244(2): 619-646.

[31] Khare, V., Yao, X., Deb, K., (2003). “Performance scaling of multi-objective evolutionary algorithms”, In International Conference on Evolutionary Multi-Criterion Optimization, Springer Berlin Heidelberg, 376-390.

[32] Tsai, J.T., Chou, J.H., Liu, T.K., (2006). “Tuning the structure and parameters of a neural network by using hybrid Taguchi-genetic algorithm”, IEEE Transactions on Neural Networks, 17(1): 69-80.

[33]  لطفی، رضا، امین نیری، مجید (1395). مکان‌یابی تسهیلات چندهدفه با محدودیت ظرفیت و رویکرد ترکیبی سیمپلکس فازی و الگوریتم ژنتیک. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 4(7): 81-91.

[34] Fakhrzad, M.B., Heydari, M., (2008). “Flexible flow-lines model at m machine centers with fuzzy total costs”, Journal of Applied Sciences, 8: 2059-2066.