ارزیابی وانتخاب یکپارچه تامین کنندگان در دو لایه از زنجیره تامین و تعیین اندازه سفارش کالاها به آنان-دانلود پایان نامه ارشد صنایع


پایان نامه سایت ارشد ها

دانشگاه صنعتی خواجه نصیر الدین طوسی

دانشکده مهندسی صنایع

عنوان کامل پایان نامه :

ارزیابی وانتخاب یکپارچه تامین کنندگان در دو لایه از زنجیره تامین و تعیین اندازه سفارش کالاها به آنان

تکه هایی از متن این پایان نامه :

روش های حل مسئله انتخاب تامین کنندگان

هدف فرایند انتخاب تامین‍کنندگان کاهش ریسک خرید است. شناسایی و مقایسه مدل‍های به کار رفته برای آن، از این جهت حائز اهمیت است که انتخاب روشهای مختلف مستقیما در نتایج  نهایی و تامین‍کنندگان انتخاب شده اثر می‍گذارند. کارشناسان همواره به دنبال دلایل مقبولیت یک روش یا ترکیبی از روشها در مقابل سایر آنها هستند, تا معین شود چرا برخی از روشها برای سالهای طولانی مورد استفاده قرار گرفته اند و برخی دیگر تنها مدتی بعد از ارائه فراموش شده‍اند. در مسئله انتخاب تامین‍کنندگان همواره چند معیار کیفی و کمی برای ارزیابی تامین‍کنندگان در نظر گرفته می‍شوند. در این بخش اغلب روشهایی که تا کنون برای حل مسئله به کار گرفته شده‍اند، معرفی و مورد بررسی قرار می‍گیرند.

2-5-1  روش های تحلیلی

مدلهای تحلیلی، اغلب بر پایه جمع آوری اطلاعات گذشته می‍باشند. معمولا بر پایه عواملی مانند تجربه تعداد زیادی از خریداران معیارهایی تعیین می‍شود و انتخاب تامین‍کنندگان شامل رتبه‍بندی هر تامین‍کننده در معیارهای مختلف است که در نهایت یک امتیاز کلی برای هر کدام به دست می‍آید[32].

2-5-2 تکنیک های هوش مصنوعی

این‍ تکنیک‍ها که بر پایه سیستمهای کامپیوتری استوارند، شامل روش‍هایی مانند: شبکه عصبی[1]33]،[34 تکنیک‍های داده کاوی[2]، استدلال بر پایه موارد گذشته[3][35] و خوشه‍بندی[4] می‍باشد. شبکه‍های عصبی روش نسبتا جدیدی است که تا‍کنون چندین بار به صورت تکی و یا ترکیبی در مقالات مختلف مورد استفاده قرار گرفته است. تکنیک‍های داده‍کاوی نیز در سال‍های اخیر مورد توجه محققان قرار گرفته و در سال های  2008و2009 به کار گرفته شده است. خوشه بندی روشی است بر پایه مفاهیم آماری که از الگوریتم‍های دسته بندی استفاده می‍کند و هر گزینه‍ای که ویژگی‍های مختلف آن را بتوان به وسیله امتیازهای عددی نشان داد در دسته‍های مجزا تقسیم بندی می‍کند. مبنای این تقسیم بندی معمولا یک تابع ریاضی است، به این ترتیب که در ابتدا یک نقطه به عنوان مرکز خوشه در نظر گرفته می‍شود و سپس  شباهت سایر گزینه‍ها با آن در نظر گرفته می‍شود و شبیه ترین گزینه‍ها با هم در یک خوشه قرار می‍گیرند. به این ترتیب اجزای یک خوشه بیشترین شباهت را با هم و کمترین شباهت را با سایر خوشه‍ها خواهند داشت. واضح است که این روش می تواند برای مجموعه‍ای از تامین‍کننده‍ها به کار گرفته شود.

یکی از روشهای پرکاربرد در سالهای اخیر روش  استدلال بر مبنای موارد گذشته یا CBR است که بر پایه یک الگوریتم ساده بنا شده است‍.[35]

 

شکل 2-5 توزیع مقالات هوش مصنوعی در سال های مختلف

 

نمودار فوق نشان می‍دهد که استفاده از تکنیک‍های داده کاوی مانند قواعد انجمنی، درخت تصمیم‍گیری، شبکه عصبی و تئوری بازی‍ها در سال های 2008 و 2009 آغاز شده است و می‍توان انتظار داشت که در سال‍های آینده استفاده از آن‍ها افزایش یابد.

2-5-3  تکنیک های MADM

در این تکنیک‍ها تصمیم‍گیرنده به طور همزمان تعداد زیادی از معیارها را در نظر می‍گیرد مانند: روش AHP،ANP[5] ، TOPSIS[6] و… [36].

یکی از مهترین و پرکاربردترین روش‍های تصمیم‍گیری چند معیاره روش AHP می‍باشد. در این روش به تصمیم‍گیرنده این امکان داده می‍شود تا پیچیده‍ترین مسائل را به صورت یک ساختار سلسله مراتبی و یا مجموعه‍ای از سطوح یکپارچه تبدیل کند و به این ترتیب یک مسئله ساده مطرح می‍شود. این روش که برای اولین بار توسط ساعتی در سال 1980 مطرح شد، شامل کلیه معیارهای کیفی و کمی خواهد بود و در زمانی که چند معیار و تعداد زیادی زیر معیار وجود دارد، کاملا مناسب به نظر می‍رسد .[27]

روش ANP، توسعه یافته روش AHP می‍باشد و تا حدی از آن دشوار‍تر است. در AHP وابستگی متقابل بین معیارها با یکدیگر در نظر گرفته نمی‍شود و از این لحاظ با مشکلاتی مواجه است. در حالی که روش ANP این ارتباطات متقابل را لحاظ می‍کند.[40, 39, 38, 37] در روش TOPSIS نیز فرض بر این است که n معیار و m گزینه انتخابی وجود دارند و سپس نقطه ایده ال مثبت و منفی تشخیص داده می‍شود و گزینه ای که دارای کمترین فاصله با نقطه ایده آل مثبت و بیشترین فاصله با نقطه ایده آل منفی باشد، انتخاب خواهد شد. این فواصل معمولا به صورت فاصله اقلیدسی درنظرگرفته می‍شوند MAUT [7].[41]‍یکی از روشهای استفاده شده در مقالات است که در مواقعی که چند معیار متضاد و همچنین ریسک بالا در انتخاب وجود دارد از آن استفاده می‍شود .[42]‍در شرایط قطعی و تصادفی نیز مفید است و مانند AHP از یک ساختار سلسله مراتبی استفاده می‍کند. در روش‍های غیر‍‍رتبه‍ای[8] [43] نیز به جای رتبه‍بندی گزینه‍ها از مفهوم جدیدی به نام مفهوم غیر‍رتبه‍ای استفاده می‍شود و اغلب قدمهای این الگوریتم شباهت بسیاری به روش TOPSISدارد

[1] – neural network

[2] – data mining techniques

[3] – case-base reasoning (CBR)

[4] – clustering

[5] -analytic network process

[6]– technique for order preference by similarity to ideal solution

[7]– Multi-attribute utility technique

[8] – outranking methods

متن کامل :

aroow-down-thesis-8

پایان نامه کارشناسی ارشد:ارزیابی وانتخاب یکپارچه تامین کنندگان در دو لایه از زنجیره تامین و تعیین اندازه سفارش کالاها به آنان

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *