چکیده فارسی :

هدف از این مقاله توسعه یک مدل چند موردی مقدار سفارش اقتصادی (EOQ) با کسری برای تک عرضه کننده کالا تک خریدار زنجیره تامین تحت سیاست مدیریت موجودی با فروشنده (VMI) سبز می باشد. این مدل به صراحت شامل قرارداد VMI بین فروشنده و خریدار مانند ظرفیت انبار و محدودیت های تحویل، کرانهای هر سفارش، و محدودیت در تعداد پالت می باشد. برای ایجاد یک نوع زنجیره تامین سبز، هزینه مالیات از تولید گازهای گلخانه ای (GHG) و محدودیت در مجموع میزان انتشار تمامی موارد در مدل در نظر گرفته شده است. یک الگوریتم ترکیبی ژنتیک و رقابت استعماری (HGA) برای پیدا کردن یک جواب نزدیک به بهینه برنامه نویسی غیر خطی صحیح (NIP) با هدف به حداقل رساندن هزینه کل زنجیره تامین به کار گرفته شده است. از آنجا که هیچ معیاری در ادبیات موجود نیست، یک الگوریتم ژنتیک (GA) توسعه داده شده است و همچنین نتایج به دست آمده را اعتبار سنجی می کند. برای اعتبار سنجی بیشتر، نتایج با کرانهای پایین که با استفاده از مدل آرام که در آن همه متغیرها پیوسته می باشند، مقایسه شده است. در پایان، نمونه های عددی برای نشان دادن کاربردی بودن  روش ارائه شده ، آورده شده است. نتایج ما نشان داد که روش هیبرید پیشنهادی قادر به پیدا کردن جواب های بهتر و نزدیک به بهینه می باشد.

کلمات کلیدی: مقدار سفارش اقتصادی (EOQ) ، الگوریتم ژنتیک (GA) ، الگوریتم رقابت استعماری (ICA) ، مدیریت موجودی با فروشنده (VMI) ، الگوریتم ترکیبی ، تولید گاز گلخانه ای (GHG)

چکیده انگلیسی:

The purpose of this paper is to develop a multi-item economic order quantity (EOQ) model with shortage for a single-buyer single-supplier supply chain under green vendor managed inventory (VMI) policy.This model explicitly includes the VMI contractual agreement between the vendor and the buyer such as warehouse capacity and delivery constraints, bounds for each order, and limits on the number of pallets.To create a kind of green supply chain, tax cost of green house gas (GHG) emissions and limitation on total emissions of all items are considered in the model. A hybrid genetic and imperialist competitive algorithm (HGA) is employed to find a near-optimum solution of a nonlinear integer-programming (NIP)with the objective of minimizing the total cost of the supply chain. Since no benchmark is available inthe literature, a genetic algorithm (GA) is developed as well to validate the result obtained. For further validation, the outcomes are also compared to lower bounds that are found using a relaxed model in which all variables are treated continuous. At the end, numerical examples are presented to demonstrate the application of the proposed methodology. Our results proved that the proposed hybrid procedure was able to find better and nearer optimal solutions.

Keywords : Economic order quantity (EOQ) ; Genetic algorithm (GA) ; Imperialist competitive algorithm (ICA) ; Vendor managed inventory (VMI) ; Hybrid algorithm ; Green house gas (GHG) emissions