چکیده فارسی :

طراحی شبکه زنجیره ای عرضه (SCN) به منظور فراهم کردن سکویی بهینه برای مدیریت مفید و موثر زنجیره های عرضه است. در مدیریت زنجیره ای عرضه، مشکل مدیریت مهم و راهبردی عملیاتی است که معمولا اهدافی چندگانه و مناقشه ای را در برمیگیرد مانند هزینه، سطح خدمات، بهره برداری از منابع و غیره. این مقاله راهکاری جدید بر پایه الگوریتم ژنتیکی ارائه می دهد تا رده ای از راه حل های بهینه پارتو را به منظور مشکل طراحی چند منظوره شبکه زنجیره ای عرضه بیابیم. به منظور حل و فصل دیدگاه چند منظوره و همچنین برای قادر ساختن تصمیم گیرندگان برای ارزیابی رقم بالاتری از راه حل های انتخابی، دو دیدگاه وزین متفاوت در فرآیند راه حلهای ارائه شده به اجرا درآمدند. مطالعه ای آزمایشی که از داده های واقعی یک شرکت بهره می برد که در واقع فرآیند تولیدات پلاستیکی در ترکیه بود در دو مرحله به اجرا درامد. در حالی که تاثیر دیدگاه های وزنی در اجرای راه حل های پیشنهادی در مرحله اول بررسی می شوند، پروسه راه حل های انتخابی و بادوام سازی ایجاد شده بر طبق کیقیت راه حل های بهینه پارتو در رحله دوم مقایسه شدند.

کلمات کلیدی : شبکه زنجیره ای عرضه، الگوریتم ژنتیکی، بهینه سازی چند منظوره

چکیده انگلیسی :

Supply chain network (SCN) design is to provide an optimal platform for efficient and effective supply chain manage- ment. It is an important and strategic operations management problem in supply chain management, and usually involves multiple and conflicting objectives such as cost, service level, resource utilization, etc. This paper proposes a new solution procedure based on genetic algorithms to find the set of Pareto-optimal solutions for multi-objective SCN design problem. To deal with multi-objective and enable the decision maker for evaluating a greater number of alternative solutions, two different weight approaches are implemented in the proposed solution procedure. An experimental study using actual data from a company, which is a producer of plastic products in Turkey, is carried out into two stages. While the effects of weight approaches on the performance of proposed solution procedure are investigated in the first stage, the proposed solution procedure and simulated annealing are compared according to quality of Pareto-optimal solutions in the second stage.