به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

multi-objective model

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه multi-objective model در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه multi-objective model در مقالات مجلات علمی
  • شیما صالحی*، محمدتقی تقوی فرد، قنبر عباس پور اسفدن، ابوتراب علیرضایی

    یکپارچه سازی تصمیمات در زنجیره های تامین منجر به کاهش هزینه ها و زمان تحویل سفارشات به مشتریان می شود ولی عدم قطعیت در پارامترهای مختلف از جمله تقاضا، آن را دچار اختلال می کند. عدم قطعیت در تقاضا، منجر به افزایش علاقه مندی در استفاده از مدل های برنامه ریزی احتمالی و شبیه سازی در مدل سازی زنجیره تامین شده است. هدف کلی از این پژوهش، مدل سازی و توسعه مدل شبکه زنجیره تامین چند سطحی، چند محصولی، چند دوره ای با اهداف متعارض همچون کمینه کردن هزینه، کمینه کردن زمان تحویل و بیشینه کردن قابلیت اطمینان کل سیستم است. شبکه زنجیره تامین مورد بررسی دارای 4 سطح تامین کنندگان، تولید کنندگان، توزیع کنندگان و خرده فروشان است. در این پژوهش، فرض این بود که تقاضا تصادفی و از یک تابع توزیع احتمالی پیروی می کند. بنابراین از تکنیک شبیه سازی برای برآورد هزینه ها شامل هزینه های حمل و نقل و هزینه فروش از دست رفته و سایر هزینه ها استفاده شد. پس از تدوین مدل چندهدفه، برای مسیله مورد بررسی سناریوسازی بر اساس دیدگاه های مختلف نسبت به سطوح موجودی (حداقل موجودی، حداکثر موجودی و سطح متوسط موجودی) صورت گرفت و بر اساس هر سناریو مقادیر مرتبط با اهداف مورد بررسی برآورد شد. در انتها نیز بر اساس جواب های پارتوی بدست آمده برای هر حالت از مدل،با روش تصمیم گیری ویکور به رتبه بندی نهایی جواب های و انتخاب بهترین حالت از مدل پیشنهادی اقدام شد.نتایج حاکی از آن بود که سناریوی دوم یعنی در نظر گرفتن سطح متوسط موجودی به عنوان بهترین راهکار برای مدل تشریح شده انتخاب شد.

    کلید واژگان: زنجیره تامین، مدل چندهدفه، تقاضای تصادفی، بهینه سازی مبتنی بر شبیه سازی، سناریو
    Shima Salehi *, MohammadTaghi Taghavifard, Ghanbar Abbaspour Esfeden, A Alirezaee

    Integration of supply chain decisions reduces costs and delivery time to customers, but uncertainty in supply chain offending parameters, including demand, disrupts this integration. This demand uncertainty has led to an increase in interest in the use of probabilistic planning and simulation models in supply chain modeling. Therefore, the overall purpose of this study was to model and develop a multi-level, multi-product, multi-period supply chain network model with conflicting objectives such as cost minimization, delivery time minimization, and maximizing system-wide reliability. The supply chain network under study had 4 levels or subsystems of suppliers, manufacturers, distributors and retailers. In this study, it was assumed that demand is random and follows a probabilistic distribution function. Therefore, the simulation technique was used to estimate costs including shipping costs and lost sales costs and other costs. After developing a multi-objective model, for the studied problem, scenario building was done based on different perspectives on inventory levels (minimum inventory, maximum inventory and average inventory level) and based on each scenario, values related to the objectives were estimated. In the end, based on the Parthian answers obtained for each case of the model, based on Vickor decision-making method, the final ranking of the answers and selection of the best case from the proposed model was performed. The results showed that the second scenario, ie considering the average inventory level, was selected as the best solution for the described model

    Keywords: Supply Chain, Multi-Objective Model, stochastic demand, simulation-based optimization, scenario
  • حمیدرضا محمدی، رضا احتشام راثی*، علی محتشمی
    زنجیره تامین چهار سطحی مواد غذایی فاسدشدنی به دلیل تغییرات مداوم و قابل توجه در کیفیت محصولات غذایی در سراسر زنجیره تا زمان مصرف نهایی جزو زنجیره های تامین محصولات متفاوت محسوب می گردد. هدف از پژوهش حاضر، طراحی مدل چند هدفه فازی برای بهینه سازی مکان یابی تسهیلات در زنجیره تامین کالای فاسد شدنی با استفاده از ترکیب دو الگوریتم ابتکاری تجزیه بندرز و آزاد سازی لاگرانژ است. تحقیق حاضر از نظر هدف کاربردی و از نظر روش گردآوری اطلاعات میدانی است. در این پژوهش، مدل ریاضی برای مسئله مکان یابی تسهیلات در یک زنجیره تامین چهار سطحی برای محصولات فاسدشدنی با رویکرد بهینه سازی همزمان هزینه های زنجیره تامین، زمان تحویل سفارش، انتشار آلاینده ها و سطح رضایت مشتریان ارایه می گردد. برای سنجش اعتبار پژوهش، مدل ریاضی در صنایع غذایی کاله مورد مطالعه قرار گرفت و مسئله پژوهش در قالب یک مدل چندهدفه برنامه ریزی غیرخطی عدد صحیح مختلط ارایه گردید. نتایج الگوریتم پیشنهادی در مطالعه موردی حل و نتایج حاصل از عملکرد الگوریتم بر اساس شاخص های استاندارد بررسی و در نهایت نتایج محاسباتی، نشانگر کارایی الگوریتم برای طیف وسیعی از مسایل با اندازه های متفاوت است.
    کلید واژگان: زنجیره تامین کالای فاسد شدنی، مدل چند هدفه، بهینه سازی، مکان یابی
    Hamidreza Mohamadi, Reza Ehtesham Rasi *, Ali Mohtashami
    Four - level supply chain is a chain of different products because of continuous and significant changes in the quality of food products throughout the supply chain. The aim of this paper is designing a fuzzy multi - objective model for optimization of facility location in a perishable products of supply chain using the combination of two heuristic Banders and Lagrange algorithms. The present study is applicable in terms of purpose and data collection method. in this study, the mathematical model for the problem of locating facility in a four - level supply chain for perishable products is presented at the same time the supply chain costs, order delivery time, emissions and customer satisfaction level. to evaluate the validity of the research, the mathematical model was studied in Kaleh food industries and the research problem was presented in the form of a nonlinear model of complex integer programming. the results of the proposed algorithm in the case study of the solution and the results of the algorithm performance based on standard indices and finally computational results show the performance of the algorithm for a wide range of different.
    Keywords: Perishable products supply chain, Multi-objective model, Optimization, Locating
  • سعید امین پور، علیرضا ایرج پور*، مهدی یزدانی، علی محتشمی
    هدف

    تعداد وسایل نقلیه در جهان، به علت پیشرفت های تکنولوژی و کاهش قیمت، در حال افزایش است. این وسایل نقلیه، در دوره تولید و اتمام طول عمرشان، تبعات منفی زیادی دارند. این مسایل، نیاز به بازیافت و دفع وسایل نقلیه در سطح جهانی را افزایش داده است. از این رو، مدیریت بازیافت خودروها، هم به علت عوامل اقتصادی و هم آثار زیست محیطی، اهمیت دارد. استراتژی های صنعت خودرو را دولت تنظیم می کند. یکی از روش های مناسب برای حل این مشکل، استفاده از زنجیره تامین حلقه بسته است. در این پژوهش، مدل چندهدفه شبکه زنجیره تامین حلقه بسته در صنعت خودرو با توجه به طرح های بازده انرژی و زمان طراحی شده است.

    روش

    در این پژوهش، از سه روش حل قطعی، روش بهینه سازی ازدحام ذرات و الگوریتم ژنتیک NSGA II استفاده شده است.

    یافته ها

    در بررسی یافته های الگوریتم های پیشنهادی، مشخص شد که میانگین خطای حاصل از این الگوریتم ها کمتر از 04/0 است. بر اساس نتایج، الگوریتم های پیشنهادی برای حل این مسایل از کارایی لازم برخوردارند.

    نتیجه گیری

    نتایج نشان داد که شبکه حلقه بسته، در طول زمان و با توجه به بازیافت محصول فرسوده، از لحاظ اقتصادی کارآمد است. افزون بر این، برای دستیابی به حداکثر مزایا، از نظر ارزش هزینه و چشم انداز محیطی، به اندازه کافی ظرفیت دارد.

    کلید واژگان: شبکه زنجیره تامین حلقه بسته، صنعت خودرو، مدل چندهدفه، بازده انرژی و زمان
    Saeed Aminpour, Alireza Irajpour *, Mehdi Yazdani, Ali Mohtashami
    Objective

    Today, green supply chain managers in leading companies strive to offer green logistics and improve their environmental performance throughout the supply chain as a strategic weapon to gain a sustainable competitive advantage by creating profitability and satisfaction across the supply chain. Therefore, considering the purpose of the research, which is to design a multi-objective model of closed-loop supply chain networks in the automotive industry according to energy efficiency and time efficiency plans, we try to model the closed-loop supply chain in the automotive industry.

    Methods

    In this study, we use the MOPSO method to facilitate its implementation and its ability to provide good convergence, as well as to maintain a proper balance between exploitation and exploration, as well as the NSGA II genetic algorithm.

    Results

    In the study of the findings of the proposed algorithms, it found that the average error resulting from these algorithms is less than 0.04. The results also show that the proposed algorithms have the necessary efficiency in solving these problems.

    Conclusion

    We note the significant findings of our model as follows: (1) An efficient closed-loop network that shows the economic benefits of considering the value of time due to the recycling of worn-out products. (2) Has the ability to demonstrate the capacity to achieve maximum benefits in terms of cost value as well as environmental prospects.

    Keywords: Closed-loop supply chain network, Automotive industry, multi-objective model, energy efficiency, time
  • نسیبه جنتیان، مصطفی زندیه*، اکبر عالم تبریز، مسعود ربیعه
    صنعت داروسازی در ایران دچار مشکلاتی مانند توزیع و زمان بندی نامناسب دارو است که موجب به موقع نرسیدن دارو به بیماران و یا از طرف دیگر حجم عظیم داروهای تاریخ گذشته شده است. همچنین توجه به مسائل زیست محیطی و اجتماعی در کنار مسائل اقتصادی رویکرد جدی برای رسیدن به توسعه پایدار است. در این مقاله برای توزیع دارو در سطح کشور با توجه به میزان تقاضا، توابع هدف اقتصادی، زیست محیطی و اجتماعی در نظر گرفته شده است. هدف این پژوهش طراحی مدلی نوین برای شبکه توزیع دارو منطبق با شرایط کشور است. نوآوری این مقاله نسبت به سایر پژوهش های دیگر داشتن تابع هدف اجتماعی مدل است که انبارهای محلی در مناطق با درصد بیکاری بیشتر انتخاب می شوند و این امر موجب ایجاد اشتغال در مناطق محروم تر می شود. برای اعتبارسنجی، مدل پیشنهادی در شرکت داروپخش اجرا شده است. این مدل Np-hard است و برای به دست آوردن جبهه جواب از الگوریتم های تکاملی سه هدفه و سپس تنظیم پارامتر با روش طراحی آزمایش های تاگوچی استفاده شده است. شرکت های توزیع کننده دارو با استفاده از این مدل قادر به تصمیم گیری های استراتژیک (تعیین مکان های توزیع اصلی و محلی دارو) و تاکتیکی (میزان جریان دارو در شبکه) با کمترین هزینه و زمان، ایجاد اشتغال در مناطق محروم تر و کاهش ایجاد گازهای خطرناک می شوند.
    کلید واژگان: شبکه توزیع دارو، پایداری، مدل برنامه ریزی چندهدفه، الگوریتم های تکاملی، طراحی آزمایش های تاگوچی، کارایی الگوریتم
    Nassibeh Janatyan, Mostafa Zandieh *, Akbar Alem Tabriz, Masood Rabieh
    Pharmaceutical Industry in Iran has difficulties such as inappropriate distribution, expired drugs and late drug delivery to patients. To overcome these issues and reach a sustainable development, the environmental and social aspects must be considered beside the economic aspects. In this paper, we address the Pharmaceutical distribution network and design a novel model that helps the distributing companies to decide strategic (determining the main and local distribution centers) and tactical decision (determining the flow) according to the three aspects of sustainability. The solution through the evolutionary algorithms presents the best selection of local distribution centers and the optimum amount of flow of medicine through the network with respect to three aspects of sustainability.
     
    Introduction
    In order to compete in the universal market, pharmaceutical companies must amend their competency. This coemption market needs to select the certain level of commitment for sustainability aspects to reach the sustainable supply chains. For this purpose, this study considers three aspects of sustainability (i.e. economical, environmental, and social pillars) to design the pharmaceutical distribution network. So, the model has three objective functions. The first function is to minimize the cost of transportation through the network, the second is to minimize the CO2 emissions through the network and the third is to maximize the job creation through the network.
    Carter and Rogers (2008) used the concept of ‘true sustainability’. They suggested that the consideration of environmental and social issues should be “coupled with economic objectives” and assist the company’s strategic long-term planning. Mota et al. (2014) considered this research question: “How can sustainability be integrated in to supply chains' design and planning decisions?” Several methods and frameworks have been proposed to evaluate environmental effects.
    Materials and Methods
    This model is a multi-objective mixed integer linear programming (MILP) and is NP-hard. We have used the evolutionary algorithms (NSGA-II, MOPSO) to solve the problem and achieve the Pareto frontier. The Taguchi design experimental design has been used in order to tune the parameters of the algorithm. For comparing two evolutionary algorithms’ performance indicators of spacing (S), mean ideal distance (MID), Time and number of solutions (NOS) have been calculated.
    Results and Discussion
    As a real case study, the proposed model is used in Darupakhsh. This company is one of the biggest pharmaceutical companies in Iran. The model has been customized with Darupakhsh’s features for selected medicine. This company has a main distribution center and twenty local distribution centers. Twenty important customers have been assumed in this research. Solving the model with the evolutionary algorithms of NSGA-II and MOPSO and comparing to traditional method of weighted sum, highlighted the superior of MOPSO in economical and environmental aspects. The weighted sum method had a better answer in the social aspect. Overall, the power of evolutionary algorithms have been proved because of the Pareto frontier present to the researcher.
    Conclusion
    This research focused on designing the sustainable pharmaceutical distribution network. The proposed model is a multi-objective mixed integer linear programming (MILP). This model was tested in Darupakhsh Company. In this case, MOPSO had better performance than NSGA-II. The solution presents the best selection of local distribution centers and the optimum amount of flow of medicine through the network with respect to three aspects of sustainability.For further research, studying the uncertain parameters in this model and a suitable approach to deal with uncertainty could be proposed.
    References
    Ahmadi, A., Mousazadeh, M., Torabi, S. A., & Pishvaee, M. S. (2018). “OR Applications in Pharmaceutical Supply Chain Management”. International Series in Operations Research & Management Science. 262,461–491.
    Mota,B., Gomes, Ke., Carvalho, A., & Barbosa-Povoa, A. (2014). “Towards supply chain sustainability: economic, environmental and social design and planning”. Journal of Cleaner Production, 107, 14–27.
    Mousazadeh, M., Torabi, S.A., & Zahiri, B. (2015). “A robust Possibilistic Programming approach for pharmaceutical supply chain network design”, Computers and Chemical Engineering, 82, 115- 128.
    Keywords: Pharmaceutical Distribution Network, Sustainability, Multi-Objective Model, Evolutionary Algorithms, Taguchi Design
  • رضا احتشام راثی، الهام با حقیقت

    هدف تحقیق حاضر ارایه یک مدل چند هدفه فازی برای بهینهسازی سبد سهامداران با استفاده از رویکرد الگوریتم ژنتیک است.برای دستیابی به این هدف یک مدل بهینهسازی سبد سهامداران با یازده حداکثرسازی حاشیه سود خالص ، ، ROE حداکثرسازی ، ROA تابع هدف حداکثرسازی حداکثرسازی نسبت قیمت به ، (EPS) حداکثرسازی حاشیه سود عملیاتی،حداکثرسازی سود هر سهم حداکثرسازی نرخ رشد درآمدها ، حداکثرسازی نرخ رشد سود خالص ، ، (P/E) درآمد هر سهم حداکثرسازی نرخ رشد سود هر سهم و حداقلسازی ریسک تجاری و ریسک مالی و شش محدودیت فازی استفاده شده و با AHP طراحی گردید.در این تحقیق برای تعیین وزن فازی اهداف از رویکرد توجه به اوزان فازی بدست آمده از خروجی روش AHP از روش خیمنز برای در نظر گرفتن مقادیرفازی در مدل استفاده گردید.در نهایت برای حل و بهینهسازی مدل پیشنهادی با توجه به بودن آن از الگوریتم ژنتیک استفاده گردید و بدین منظور از جعبه ابزار توسعه داده شده در نرم NP Hard افزار مطلب 2016 استفاده شد.مدل پیشنهادی در این تحقیق بر روی 30 شرکت پذیرفته شده در بورس تهران پیادهسازی و برای مقادیر مختلف آلفا در روش خیمنز ، سبد بهینه سهام مشخص گردید.

    کلید واژگان: سبد سهام، بهینه سازی، مدل چند هدفه، فازی، الگوریتم ژنتیک
    Reza Ehtesham Rasi, Elham Bahaghighat

    The aim of this paper is to provide a multi-objective fuzzy model to optimize shareholders portfolio by genetic approaches. To achieve this goal , a portfolio optimization model is proposed with eleven objective function to maximize ROA, ROE, net profit margin, operating profit margin, earnings per share (EPS), the price-to-earnings ratio per share (P/E), rate of income growth, net profit growth rate, earnings per share growth rate and minimize business risk, financial risk and six restriction. In this study, fuzzy AHP approach was used to determine the fuzzy weight of goals. Jimenez method was used to consider the fuzzy values in the research model according to the fuzzy weights obtained by AHP methods output. Finally, a genetic algorithm was used to solve the proposed model. Developed toolbox of Mat lab 2016 was used for this purpose. The proposed model in this research was implemented in 30 companies listed in the Tehran Stock Exchange and optimal portfolio was determined for different amounts of alpha in Jimenez method.

    Keywords: portfolio, optimization, Multi objective model, Fuzzy, geneticalgorithm
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال