simulation-based optimization
در نشریات گروه مدیریت-
نگهداری و تعمیرات سهم قابل توجهی از هزینه های زنجیره های تامین و سیستم های تولیدی را شامل می شود. امروزه با رشد تکنولوژی های مبتنی بر فناوری اطلاعات سیستم های هوشمند نت نیز بسیار در عرصه بین المللی در حال گسترش می باشد. در این تحقیق به توسعه یکی از روش های نوین نگهداری و تعمیرات مبتنی بر پایایی که در آن یک سامانه هوشمند به تعیین تعمیر یا تعویض بر اساس سطح پایایی سیستم می پردازد در مسئله بسیار پر کاربرد کارکارگاهی منعطف خواهیم پرداخت. بعلاوه با توجه اهمیت تولید سبز، در مسئله تصمیم گیری توسعه داده شده انرژی مصرفی در کنار دو تابع هدف هزینه های تولید و پایایی سیستم به توازن می رسد. در توسعه نوآوری تحقیق، همانند مدل های محاسباتی وزارت نیرو در مدل محاسبه انرژی توجه به مناطق کمتر توسعه داده شده هم به عنوان یک عامل اجتماعی در نظرگرفته شده است. بعلاوه پایایی توسعه داده شده برای سیستمی پیچیده شامل چندین ماشین با عمر تجهیزات وابسته به زمان با قابلیت تعمیرپذیری می باشد و در آن مدت زمان انجام عمل ها، زمان نگهداری و تعمیرات و سطح پایایی پس از تعمیرآن ها همگی تصادفی می باشند. سپس مدل توسعه داده شده توسط الگوریتم های فراابتکاری مناسب سازی شده با رویکرد بهینه سازی مبتنی بر شبیه سازی حل شده و جواب های بدست آمده به وسیله روش های آماری و غیرآماری تحلیل شده اند. تحلیل محاسباتی نتایج بدست آمده حاکی ازکارا بودن الگوریتم های حل برای مسئله پیچیده چندهدفه قویا تصادفی می باشد که می توانند به عنوان یک سیستم پشتیبان تصمیم در دست توسعه دهندگان نرم افزار در این حوزه قرار گیرد.
کلید واژگان: پیش بینی سیستم نگهداری و تعمیرات، نت مبتنی بر قابلیت اطمینان، بهینه سازی مبتنی بر شبیه سازی، کارکارگاهی منعطفMaintenance is a significant cost factor in supply chains and production systems. Intelligent maintenance systems are gaining global interest with the rise of IT-based technologies. This study focuses on a new reliability-centered maintenance (RCM) method, where an intelligent system decides on repair or replacement based on system reliability in the practical flexible job shop scheduling problem (FJSP). The research introduces a balance by integrating industrial units' green production and energy consumption with traditional objectives like production costs and system reliability in a multi-objective framework. Another key aspect is the consideration of less developed regions as a social factor in the energy calculation model, resembling the Ministry of Energy's computational models. The reliability model is tailored for a complex system with multiple machines having time-dependent lifespans and repair probabilities, where operation times, maintenance times, and post-repair reliability levels are all stochastic. Metaheuristic algorithms combined with simulation-based optimization are used to solve the model. Statistical and non-statistical methods are used to depict the performance of the algorithms. The study shows that these algorithms effectively solve complex multi-objective stochastic problems and can be considered as a decision support system (DSS) for software developers working on real-world applications.
Keywords: Maintenance System Prediction, RCM, Stochastic, Simulation-Based Optimization, Flexible Jobshop, Metaheuristic Algorithm -
زنجیره های تامین، یکی از مهم ترین زیربناهای اقتصاد پیچیده حال حاضر دنیا هستند. مدیریت بهینه موجودی و عملیات در سطح زنجیره تامین مسیله ای پیچیده است که حل آن نیازمند توسعه روش های مناسب است. هدف این پژوهش، ارایه یک روش شناسی برای حل مسیله انتخاب تامین کننده، تعیین سیاست کنترل موجودی، تعیین پارامترهای سیاست کنترل موجودی در زنجیره تامین توربین گازی به صورت توام است. بدین منظور از رویکرد بهینه سازی مبتنی بر شبیه سازی گسسته پیشامد استفاده شده است. در ابتدا یک مدل ریاضی برای این مسیله با این فرض که در مرحله بعدی، بسیاری از محاسبات معادلات جبری، جای خود را به مدل شبیه سازی می دهند، ساخته شد. در ادامه مدل شبیه سازی برای زنجیره تامین توربین گازی شرکت توربو کمپرسور نفت ساخته و اعتبارسنجی شد. در ادامه با پیوستن مدل شبیه سازی و مدل ریاضی به یکدیگر، مدل ترکیبی به دست آمد. نوآوری این مدل از این جهت است که برای اولین بار، سیاست های کنترل موجودی مختلف در مدل شبیه سازی تعبیه شده و به صورت متغیر تصمیم در دسترس است و الگوریتم بهینه سازی می تواند سیاست های مختلف را برگزیند. همچنین پارامترهای سیاست ها نیز در کنار خود سیاست ها به عنوان متغیر تصمیم ارایه شده اند. برای حل این مسیله بهینه سازی مبتنی بر شبیه سازی، الگوریتم بهینه سازی عقاب طلایی پیشنهاد شده است. نتایج نشان دهنده آن است که سیاست کنترل موجودی بهینه برای تمام قطعات، مرور دایم است. همچنین در جواب بهینه به دست آمده، سفارشات تامین قطعات تنها برای دو تامین کننده از پنج تامین کننده در دسترس صادر می شود.
کلید واژگان: بهینه سازی مبتنی بر شبیه سازی، زنجیره تامین، الگوریتم بهینه سازی عقاب طلایی، کنترل موجودی، انتخاب تامین کنندهSupply chains are among the most prominent infrastructures of the world’s complex economy. In global supply chains, parts and raw materials are received at warehouses and production lines from suppliers scattered throughout the world to be used for manufacturing products and delivered into sales channels. Optimal control of inventory and operations throughout the supply network is an intricate problem that needs the development of proportional methods. This study aims at providing a method for simultaneous decisions about determining the type and parameters of the inventory control policy, and suppliers. A simulation-based optimization framework is selected for solving this problem. First, a mathematical programming model is developed. Next, a discrete-event simulation model is developed, verified, and embedded into the mathematical model. Finally, the hybrid model is solved using Golden Eagle Optimizer. Results reveal that the continuous review policy is optimal for all of the parts. In addition, all of the parts procurement orders should be submitted to only two of the five suppliers.
Keywords: Simulation-based optimization, supply chain, Golden Eagle Optimizer, Inventory Control, Supplier Selection -
توسعه مدل چندهدفه زنجیره تامین با تقاضای تصادفی: رویکرد بهینه سازی مبتنی بر شبیه سازی و تدوین سناریو
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، سناریوIntegration 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 -
اثرات ویرانگر بلایای طبیعی، اهمیت لجستیک و برنامه ریزی منابع انسانی را در مراحل قبل و بعد از بحران نشان می دهد. هنگام بروز بحران به منظور امدادرسانی سریع، شبکه سلسله مراتبی سلامت که شامل درمانگاه ها و بیمارستان ها است، فعال می شود. در این پژوهش با استفاده از مدل ریاضی مختلط عدد صحیح و با درنظرگرفتن موقعیت فعلی بیمارستان ها و درمانگاه ها، مکان های بهینه ای با عنوان «مراکز درمان موقت» تعیین و نحوه تخصیص بهینه مصدومان از ناحیه های شهری به این مراکز پیشنهاد می شود. انتخاب مکان های بهینه، تخصیص بهینه سلسله مراتبی مصدومان، تعیین ظرفیت بهینه مراکز پذیرش، تعیین نقاط پشتیبان برای مراکز درمان موقت در قالب یک مدل تلفیقی ریاضی و شبیه سازی به صورت هم زمان از نوآوری های این پژوهش است. به کمک مدل شبیه سازی لحظه بروز بحران و فرایند امداد و نجات شبیه سازی شده و با رویکرد بهینه سازی مبتنی بر شبیه سازی، ظرفیت بهینه مراکز موقت و اصلاح ظرفیت درمانگاه ها و بیمارستان های فعلی انجام شده است. نتایج پژوهش نشان می دهد مدل سلسله مراتبی مکان یابی-تخصیص، بهینه سازی ظرفیت سبب کاهش ازدحام مصدومان و کاهش هزینه و زمان درمان می شود.کلید واژگان: مدیریت بحران، مراکز درمان اضطرار موقت، بهینه سازی مبتنی بر شبیه سازی، مدل ریاضی سلسله مراتبی، طراحی شبکه درمانThe destructive impact of natural disasters emphasizes the importance of logistics and human resource planning in the pre- and post- disaster periods. In the event of a disaster, in order to provide immediate relief, the Health Hierarchical Network, which includes clinics and hospitals, will be activated. In this paper, using a mixed integer mathematical model and assuming the current location of hospitals and clinics, optimal locations are determined as temporary treatment emergency centers and the optimal allocation of casualties from urban areas to these centers and then clinics and hospitals are recommended in disaster. Using the simulation model, the moment of disaster and the rescue process were simulated and then the optimization approach was adopted based on simulating the optimal capacity of temporary centers and improving the capacity of current centers and hospitals. The results of the study show that the hierarchical model of location allocation of capacity optimization reduces the density of casualties, costs and treatment time in disaster.Keywords: Disaster Management, Temporary Medical Centers, Simulation-Based Optimization, Hierarchical Mathematical Model, Treatment Network Design
-
سیستم حمل و نقل در معدن یک فعالیت مهم است. کامیون و شاول ها از پرکاربردترین تجهیزات در معادن هستند. در این مقاله، یک بهینه سازی دوفازی مبتنی بر شبیه سازی برای بیشینه نمودن بهره برداری از سیستم حمل و نقل در بزرگترین معدن روباز مس ایران ارایه شده است. در فاز نخست، از OptQuest بسته نرم افزاری Arena به منظور حل مساله بهینه سازی جهت دستیابی به یک تولید بهینه استفاده شده است. در فاز دوم، مساله سیستم حمل ونقل معدن روباز فرموله شده به وسیله مساله بهینه سازی دوهدفه با استفاده از روش متامدل حل شده است. روش متامدل، قادر به تخمین مقادیر کل تولید می باشد و با بهره گیری از طرح آزمایش، مقادیر بهینه شاول ها را به دست می آورد. روش ε-محدودیت به منظور یافتن جواب های کارای مساله بهینه سازی دوهدفه مورد استفاده قرار می گیرد. سپس نتیجه روش پیشنهادی با وضعیت فعلی سیستم مقایسه می گردد. کل تولید به کمک روش پیشنهادی به اندازه 21% و معادل با 10 کیلوتن افزایش می یابد. محاسبات انجام شده نشان می دهد که چگونه چارچوب پیشنهاد شده موجب بهبود تولید و بهره وری سیستم حمل و نقل می شود.
کلید واژگان: بهینه سازی مبتنی بر شبیه سازی، متا-مدل، طرح آزمایش، بهینه سازی چندهدفهOne of the key issues in mining is the hauling system. Truck and shovels are the most widely used transportation equipment in mines. In this paper, a two-phase simulation-based optimization is presented to maximize utilization of hauling system in the largest Iranian open-pit copper mine. In the first phase, The OptQuest for Arena software package was used to solve the optimization problem to provide an optimal production quantity. In the second phase, the haulage system problem in the open-pit was modeled by bi-objective optimization programing by means of meta-modeling approach. Meta-modeling approach could estimate the exact total production quantities, and solved the problem by determining the optimal value of shovels using the design of experiments. The efficient solution of the bi-objective problem was obtained using -constraint method. The results of the proposed approach were compared with the current situation, where the total production had increased by 21% (equivalent to 10K tons) through the proposed approach. Therefore, calculations in this mine show that how the proposed framework can improve the production and productivity of haulage system.
Keywords: Simulation-based optimization, Meta-modeling, Design of experiment, Multi-objective optimization -
شبیه سازی یکی از تکنیک های مناسب برای تحلیل و ارزیابی رفتار پویای سیستم های پیچیده است. در این مقاله از یک مدل شبیه سازی که برای اعزام تجهیزات جابه جایی مواد در فرایند استخراج سنگ سولفید در مجتمع معدن مس سرچشمه توسعه داده شده است، استفاده می شود زیرا سیستم جابه جایی مواد و هزینه های مربوط به آن تاثیر به سزایی در هرینه های عملیاتی سیستم حمل و نقل در معادن ایفا می کند. در این مقاله تعیین مقدار بهینه تجهیزات جابه جایی در فرایند استخراج سنگ سولفید با استفاده از رویکرد بهینه سازی مدل های شبیه سازی شبه مدل محور انجام شده است. در مرحله بهینه سازی، مدل رگرسیون چند جمله ای درجه دوم متناسب سازی شده که از راه شناسایی متغیرهای اثرگذار در سیستم با استفاده از طراحی آزمایش ها تقریب زده شده است، حل می شود. شبه مدل تقریب زده شده به خوبی قادر است نتایج شبیه سازی را تخمین بزند، بنابراین می توان اعتبار آن را نتیجه گرفت. یافته های این رویکرد بهینه سازی مد لهای شبیه سازی نتایج قابل قبولی را برای طراحی مجدد و کنترل فرایند استخراج به منظور افزایش بهره وری در اختیار مدیران مجتمع معدن مس سرچشمه قرار می دهد. نتایج به دست آمده از حل مدل پیشنهادی نشان می دهد که با استقرار ترکیب بهینه پیشنهادی می توان سطح میزان تولید در فرایند استخراج را حفظ کرد و علاوه بر آن 8 درصد در هزینه های موجود کاهش ایجاد کرد.کلید واژگان: بهینه سازی مدل های شبیه سازی، شبه مدل رگرسیون چند جمله ای، طراحی آزمایش های مجتمع معدن مس سرچشمهSimulation Modeling is Useful Tools to Analyze and Evaluate the Dynamic Behavior of the Complex Systems. In this Paper a Simulation Model Developed for Material Handling Equipment in the Sulphid Ore Process of Sarcheshmeh Open-Pit Copper Mine in Sarcheshme Kerman Province of Iran for Increase its Productivity. The Optimum Operating Setting of Sulphid ore Process of an Open-Pit Mine Is Determined Using Simulation Based Optimization Meta Modeling Approach. In the Developing Meta Model Step of this Paper, Design of Experiment (DOE) is used to Identify Critical Variable of the System by Fitting a Quadratic Polynomial Model. Absolute Relative Error (ARE) used to Verification and Validation Meta model. Validation Step Shown That Meta Model Provides Good Estimation to Simulation Results, Therefore It is Validate. Experimental Results Shown That by Using Current Situation Resources, the Optimization Simulation Model Generates Improving Monthly Throughput Rate of Production System and also Decrease Transportation Cost Up 8%.Keywords: Simulation Based Optimization, Polynomial Quadratic Meta Modeling, Design of Experiment, Sarcheshmeh Copper Complex
-
زمان بندی اتاق های عمل نقش مهمی در افزایش بهره وری آن ها و کاهش هزینه های بیمارستان ها دارد. به علت عدم قطعیت های مختلفی که در فعالیت های اتاق عمل وجود دارد، این مسئله می تواند بسیار چالش برانگیز باشد. در این پژوهش مسئله زمان بندی روزانه اعمال جراحی در 3 مرحله آماده سازی جراحی، جراحی و ریکاوری و با در نظر گرفتن کلیه محدودیت های واقعی بیمارستان های آموزشی- درمانی بررسی شده است. این مسئله به تعیین توالی، زمان شروع هر یک از اعمال جراحی و تخصیص منابع موردنیاز در هر مرحله با هدف کمینه کردن مجموع زمان بیکاری و اضافه کاری اتاق های عمل در شرایط عدم قطعیت در مدت زمان عمل های جراحی می پردازد. با توجه به عدم کارایی روش های حل دقیق در حل مسائل برنامه ریزی احتمالی بزرگ، در این پژوهش یک رویکرد بهینه سازی مبتنی بر شبیه سازی برای رویارویی با عدم قطعیت ارائه شده است. بدین منظور یک الگوریتم مورچگان دوسطحی با شبیه سازی ترکیب شده است. الگوریتم ارائه شده در حل تعداد متعددی از مسائل واقعی از بیمارستان آموزشی درمانی هاشمی نژاد تهران با مجموعه ای از سناریوهای تصادفی تولیدشده، آزمون شده است. تحلیل نتایج نشان می دهد در شرایط عدم قطعیت، ارزش جواب حاصل از روش ترکیبی پیشنهادی بیش از 75 درصد است. نتایج نمایانگر کارایی الگوریتم پیشنهادی در حل مسائل دنیای واقعی است.کلید واژگان: زمان بندی اتاق عمل، بهینه سازی مبتنی بر شبیه سازی، الگوریتم مورچگانOperating room scheduling has an important role in increasing the productivity of operating rooms and reducing the hospital costs. Due to uncertainties in operating room activities, this problem can be very challenging. In this article, scheduling of daily surgical cases in 3 stages of operation, preparation, surgery and recovery, considering real constraints of teaching hospitals is investigated. This problem, determines the surgeries sequence and start times and resource allocated to each stage of surgeries by the objectives of minimizing the cost of operating rooms over time and idle time under uncertainty in surgeries durations. Considering the inefficiency of exact methods in solving large stochastic problems, in this article a simulation based optimization approach is proposed to tackle uncertainty. A two stage ant colony optimization algorithm is combined with a simulation. The proposed algorithm is evaluated through solving several real problems from Hashemi Nejad hospital, a teaching hospital in Tehran, using a set of randomly generated scenarios. The results show the efficiency of the proposed algorithm in solving real life problems.Keywords: Operating Room Scheduling, Simulation Based Optimization, Ant Colony Optimization
-
در این مقاله سعی شده است با ادغام شبیه سازی و الگوریتم ژنتیک رویکردی پیشنهاد شود که بتوان از آن در هر مسئله تولید کارگاهی که قابلیت مدل شدن با شبیه سازی را داشته باشد استفاده کرد. در رویکرد پیشنهادی برای درنظرگیری محدودیت هایمسئله از مدل شبیه سازی و برای بهینه سازی از الگوریتم ژنتیک استفاده می شود. بدین منظور ماتریسی به عنوان رابط تعریف می شود که هم زمان نقش بردار کنترلی برای مدل شبیه سازی و نمایش ماتریسی جواب برای الگوریتم ژنتیک را ایفا می کند. در این روش با استفاده از الگوریتم ژنتیک تغییراتی درماتریس اعمال می شود و سپس ماتریس وارد مدل شبیه سازی شده و تابع هدف تعریف شده در مسئله به عنوان تابع برازش برای الگوریتم ژنتیک گزارش می شود و این روند تا رسیدن به شرایط اتمام الگوریتم ادامه پیدا می کند.
روش پیشنهادی بر مسائل معیار تولید کارگاهی سنتی و با تابع هدف زمان اتمام آخرین کار آزمایش می شود و نتایج حاصل با نتایج روش برنامه ریزی عدد صحیح مختلط مقایسه می شود. سپس اولویت دهی مناسب برای مینیمم کردن تابع هدف چندگانه، در یک سیستم تولید کارگاهی پویای دارای خرابی و دوباره کاری به دست می آید. نتایج به دست آمده نشان می دهد روش بهینه سازی براساس شبیه سازی از توانایی بالایی برای مدل سازی و یافتن جواب مناسب در اکثر مسائل تولید کارگاهی برخوردار است.کلید واژگان: الگوریتم ژنتیک، بهینه سازی براساس شبیه سازی، سیستم تولید کارگاهی پویاIn this paper we propose an integrated algorithm based on combination of a discrete- event simulation and genetic algorithm. The simulation model is considered as a constraint-satisfaction procedure and if the streaming operations are initiated, then the meta-heuristic takes predefined steps to improve the solution. The latter is constructed through an interface, namely control matrix, implemented as interaction between the simulation model and refined solution of meta-heuristic. In run-time, the control matrix is accessed via simulation model for further modifications.
The proposed method is implemented on classical job-shop problems with objective of makespan and results are compared with mixed integer programming model. Moreover, the appropriate dispatching priorities are achieved for dynamic job-shop problem minimizing a multi-objective criteria. The results show that simulation-based optimization are highly capable to capture the main characteristics of the shop and produce optimal/near-optimal solutions with highly credibility degree.Keywords: Genetic Algorithm, Simulation based optimization, Dynamic job-shop scheduling -
هدف این پژوهش به کارگیری رویکرد بهینه سازی مبتنی بر شبیه سازی برای مدل سازی زنجیره تامین رینگ خودرو است. رویکرد بهینه سازی مبتنی بر شبیه سازی از یک مدل بهینه سازی و یک مدل شبیه سازی تشکیل شده است که تا دستیابی به جواب های بهینه به صورت رفت وبرگشتی با یکدیگر تبادل اطلاعاتی دارند. روش شبیه سازی به کار گرفته شده در این رویکرد پویایی شناسی سیستم و تکنیک بهینه سازی به کار گرفته شده بهینه سازی چندهدفه است. اهداف مدل شامل کمینه کردن هزینه، کمینه کردن چرخه تبدیل پول وبیشینه کردن تعداد دفعات گردش موجودی کالا برای دو عضو زنجیره تامین رینگ سایپا است که دو هدف آخر با یکدیگر هم راستا نیستند و به کمک الگوریتم ژنتیک حل می شود. به منظور ترکیب دو مدل شبیه سازی و بهینه سازی از نرم افزار «پاورسیم استودیو 10» که امکان شبیه سازی و بهینه سازی را فراهم می آورد، استفاده شده است. پس از به کارگیری رویکرد معرفی شده جواب های بهینه به دست می آیند که تصمیم گیرنده با توجه به اولویتی که برای اعضای زنجیره متصور است جواب بهینه را انتخاب می کند. نتایج نشان داد جواب های بهینه حاصل از این روش بسیار بهترازجواب های بهینه تولیدشده از به کارگیری سناریوهای مختلف در شبیه سازی بودند
کلید واژگان: بهینه سازی چند هدفه، بهینه سازی مبتنی بر شبیه سازی، برنامه ریزی زنجیره تامین، پویایی شناسی سیستمThe study aims to use simulation-based optimization methodology for modeling Automative-wheel rig supply chain. Simulation-based optimization approach consists of both simulation and optimization models that transform information repetitively until stop criterion is fulfilled. Simulation technique is based on system dynamics and optimization comprised of multi objective optimization with the aim of minimizing cost, minimizing cash conversion cycle as well as maximizing inventory turnover for two members of supply chain which is solved by genetics algorithm. Powersim Studio 10 is utilized to combine simulation and optimization models. After using the methodology and acquiring optimal solutions, decision maker chooses the optimal solution based on priority discussed for members. The study claims optimal solutions generated by simulation-based optimization are superior in comparison with scenario making in system dynamics model.
Keywords: Multi-Objective Optimization, Simulation-Based Optimization, Supply Chain Planning, System Dynamics -
در این پژوهش طراحی و مقایسه یک مدل شبیه سازی موجودی چندسطحی، چندمحصولی در صنایع فولاد ایران ارائه می شود. مدل شبکه واگرا با چند محصول نهایی و چند محصول میانی و یک قلم محصول اولیه در نظر گرفته می شود. هدف کمینه سازی تابع هزینه با حفظ حداقل سطح سرویس دهی موردنظر برای هر تسهیل که با نرخ پرسازی سنجیده می شود. در مدل ارائه شده با داشتن یک نقطه شدنی و موضعی سازی درجه دوم تابع هدف و خطی قیود پیرامون آن نقطه و استفاده از الگوریتم ژنتیک در رسیدن به نقطه ی بهینه موضعی کوشیده شده است. ازآنجاکه برآوردهای نقطه ای تابع هدف و نرخ های پرسازی به کمک شبیه سازی انجام می گیرد از آزمون فرض های آماری برای بررسی شدنی و بهبود جواب ها استفاده می شود. پس از اعتبار سنجی، مدل با استفاده از اطلاعات شرکت فولاد مبارکه در یک شبکه سه سطحی اجرا می شود. با توجه به این نکته که موضعی سازی خطی حالت خاصی از موضعی سازی درجه دوم است؛ ازاین رو با اطمینان بیشتری می توان انتظار داشت نقطه به دست آمده از این مدل، بهتر از حالت موضعی سازی خطی باشد.کلید واژگان: مدیریت زنجیره تامین، بهینه سازی بر پایه شبیه سازی، کنترل موجودی چند سطحی، صنایع فولاد ایرانInventory control is one of the important issues in supply chain management. The present study deals with designing and comparing a multi-level multi-product inventory simulation model in Iran steel industries. The divergent supply chain network model is considered with several final products, several middle products and one primary product. The purpose is to minimize cost function by maintaining the minimum level of service offering for each facilitation that is measured by means of fill rate. It is tried in the proposed model to achieve a local optimal point by having a possible point and second-order localization of the target function and linear constraints around that point as well as the use of genetics algorithm. Since point estimations of the target function and fill rates are carried out with the help of Monte Carlo simulation, statistical hypothesis testing is employed to test the possibility and improve the responses. After validation is fulfilled, the model is implemented in a three-level network via the information of Mobarakeh Steel Company. Given that linear localization is a specific state of second-order localization, it can be expected with more confidence that the achieved point in this model is better than the linear localization state.Keywords: Supply Chain Management, Simulation-based Optimization, Multi-Level Inventory Control, Iran Steel Industries
- 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.
©2000-2025 magiran.com All Rights Reserved.