آمار

تعداد نشریات36
تعداد شماره‌ها1,192
تعداد مقالات8,579
تعداد مشاهده مقاله6,989,896
تعداد دریافت فایل اصل مقاله4,033,385
بشیری, مهدی, شرافتی, مهتاب, فرشباف, امیر. (1393). رویکرد حل مستقیم برای طراحی شبکه زنجیره تأمین با متغیرهای فازی. پدافند الکترونیکی و سایبری, 16(44), 66-73.
مهدی بشیری; مهتاب شرافتی; امیر فرشباف. "رویکرد حل مستقیم برای طراحی شبکه زنجیره تأمین با متغیرهای فازی". پدافند الکترونیکی و سایبری, 16, 44, 1393, 66-73.
بشیری, مهدی, شرافتی, مهتاب, فرشباف, امیر. (1393). 'رویکرد حل مستقیم برای طراحی شبکه زنجیره تأمین با متغیرهای فازی', پدافند الکترونیکی و سایبری, 16(44), pp. 66-73.
بشیری, مهدی, شرافتی, مهتاب, فرشباف, امیر. رویکرد حل مستقیم برای طراحی شبکه زنجیره تأمین با متغیرهای فازی. پدافند الکترونیکی و سایبری, 1393; 16(44): 66-73.

رویکرد حل مستقیم برای طراحی شبکه زنجیره تأمین با متغیرهای فازی

مدیریت زنجیره تأمین
مقاله 7، دوره 16، شماره 44، شهریور 1393، صفحه 66-73    اصل مقاله (222.76 K)
نویسندگان
مهدی بشیری* 1؛ مهتاب شرافتی1؛ امیر فرشباف2
1دانشگاه شاهد
2دانشگاه تهران
تاریخ دریافت: 02 اردیبهشت 1393،  تاریخ بازنگری: 01 خرداد 1393،  تاریخ پذیرش: 12 خرداد 1393 
چکیده
یکی از اساسی‌ترین مشکلات طراحی شبکه زنجیره تأمین عدم قطعیت است، برای در نظر گرفتن این موضوع در این تحقیق از یک روش نوین حل مستقیم برای طراحی شبکه لجستیک سه سطحی، در محیط فازی استفاده می‌گردد. رویکرد حل مستقیم ارائه شده، بر اساس یک روش رتبه‌بندی فازی و الگوریتم فرا ابتکاری بوده و جوابی که بتواند موازنه­ ای بین درجه شدنی بودن محدودیت­ ها و بهینگی تابع هدف (با توجه به وزن­های در نظر گرفته شده) ایجاد کند، ارائه می‌کند. هم‌چنین نوآوری دیگر این تحقیق را می‌توان در طراحی شبکه زنجیره تأمین در حضور پارامترها و متغیرهای فازی عنوان کرد. زیرا در مطالعات پیشین با وجود فازی بودن محیط، متغیرها قطعی در نظر گرفته شده­اند. علاوه بر این، هر مدل برنامه‌ریزی ریاضی فازی شامل متغیرهای تصمیم فازی را می­ توان با روش مستقیم پیشنهادی به­ سادگی حل کرد. برای نشان دادن عملکرد روش پیشنهادی، مثال عددی شبیه‌سازی شده مورد بررسی قرار می­ گیرد. نتایج بیانگر کارآیی مناسب روش پیشنهادی است.
کلیدواژه‌ها
طراحی شبکه زنجیره تأمین؛ برنامه ریزی ریاضی فازی؛ متغیر تصمیم فازی؛ الگوریتم‌های فراابتکاری؛ الگوریتم ژنتیک
عنوان مقاله [English]
A Direct Solution Approach to Supply Chain Network Design with fuzzy Decision Variables
چکیده [English]
One of the main problems of supply chain network design is uncertainty. To consider this, designing of a three-echelon supply chain in a fuzzy environment is discussed in this paper. Since satisfaction of some constraints in supply chain is vital and necessary, so this research proposes a direct solution approach to find the solution which represents the trade-off between feasibility degree of constraints and satisfaction degree of the goal. Furthermore, another novation of this paper is optimizing a supply chain network design problem containing both of the parameters and decision variables as fuzzy number. Each fuzzy mathematical programming model with fuzzy decision variables can be solved effectively by employing direct solution approach. A numerical example is discussed and analyzed in order to show efficiency of the proposed approach
کلیدواژه‌ها [English]
Supply Chain Network Design, Fuzzy Mathematical Programming, Fuzzy Decision Variable, Meta-Heuristic Algorithm, genetic algorithm
مراجع

[1] Pishvaee, M.S., Torabi, S.A., “A possibilistic programming approach for closed-loop supply chain network design under uncertainty”, Fuzzy Sets and Systems, No. 161, pp. 2668–2683, 2010.

[2] Pishvaee, M. S., Torabi, S.A. and Razmi, J,. “Credibility-based fuzzy mathematical programming model for green logistics design under uncertainty”, Computers & Industrial Engineering, No. 62, pp. 624–632, 2012

[3] Kabak, Ö., andÜlengin, F., "Possibilistic linear-programming approach for supply chain networking decisions," European Journal of Operational Research, vol. 209, pp. 253-264, 2011.

[4] Qin, Z., andJi, X., "Logistics network design for product recovery in fuzzy environment," European Journal of Operational Research, vol. 202, pp. 479-490, 2010.

[5] Baykasoǧlu, A., andGöçken, T., "A review and classification of fuzzy mathematical programs," Journal of Intelligent and Fuzzy Systems, vol. 19, pp. 205-229, 2008.

[6] Baykasoǧlu, A., andGöçken, T., "A direct solution approach to fuzzy mathematical programs with fuzzy decision variables," Expert Systems with Applications, vol. 39, pp. 1972-1978, 2012.

[7] Tanaka, H., andAsai, K., "Fuzzy linear programming problems with fuzzy numbers," Fuzzy Sets and Systems, vol. 13, pp. 1-10, 1984.

[8] Tanaka, H., Guo, P., and Zimmermann, H. J., "Possibility distributions of fuzzy decision variables obtained from possibilistic linear programming problems," Fuzzy Sets and Systems, vol. 113, pp. 323-332, 2000.

[9] Allahviranloo, T., HosseinzadehLotfi, F., Kiasary, M. K., Kiani, N. A., and Alizadeh, L., "Solving fully fuzzy linear programming problem by the ranking function," Applied Mathematical Sciences, vol. 2, pp. 19-32, 2008.

[10] Hashemi, S. M., Modarres, M., Nasrabadi, E., and Nasrabadi, M. M., "Fully fuzzified linear programming, solution and duality," Journal of Intelligent and Fuzzy Systems, vol. 17, pp. 253-261, 2006.

[11] Tapkan, P., ÖZbakıR, L., and Baykasoğlu, A., "Solving fuzzy multiple objective generalized assignment problems directly via bees algorithm and fuzzy ranking," Expert Systems with Applications, vol. 40, pp. 892-898, 2013.

[12] Kumar, A., Kaur, J., and Singh, P., "A new method for solving fully fuzzy linear programming problems," Applied Mathematical Modelling, vol. 35, pp. 817-823, 2011.

[13] Fazlollahtabar, H., Mahdavi, I., and Mohajeri, A., "Applying fuzzy mathematical programming approach to optimize a multiple supply network in uncertain condition with comparative analysis," Applied Soft Computing, pp. 550–562, 2012.

[14] Jiménez, M., "Ranking fuzzy numbers through the comparison of its expected intervals," International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, vol. 4, pp. 379-388, 1996.

[15] Chen L. H., and Lu, H. W., "An approximate approach for ranking fuzzy numbers based on left and right dominance," Computers and Mathematics with Applications, vol. 41, pp. 1580–1602, 2001.

[16] Torabi S., andHassini, E., "An interactive possibilistic programming approach for multiple objective supply chain master planning," Fuzzy Sets and Systems, vol. 159, pp. 193-214, 2008.

[17] Altiparmak, F., Gen, M., Lin, L., and Karaoglan, I., "A steady-state genetic algorithm for multi-product supply chain network design," Computers & Industrial Engineering, vol. 56, pp. 521-537, 2009.

[18] Wang, H.-F., and Hsu, H.-W., "A closed-loop logistic model with a spanning-tree based genetic algorithm," Computers & Operations Research, vol. 37, pp. 376-389, 2010.

آمار
تعداد مشاهده مقاله: 319
تعداد دریافت فایل اصل مقاله: 157