تعیین تعداد کانبان و اندازه دسته تولید در زنجیره تأمین مبتنی بر سیستم تولید بهنگام با رویکرد حداکثر سازی ارزش فعلی
محل انتشار: پنجمین کنفرانس بین المللی مهندسی صنایع
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,003
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IIEC05_174
تاریخ نمایه سازی: 22 آبان 1385
چکیده مقاله:
در این مقاله یک سیستم زنجیره تأمین با سیاست تحویل (Just In Time) JIT مورد بررسی قرار میگیرد . در چنین سیستمی کانبانها نقش مهمی را در به جریان انداختن اطلاعات و قطعات برعهده دارند . کانبانها با اتصال فرآیندهای مختلف تولیدی در زنجیره تأمین , فلسفهJIT را تحقق میبخشند . یکی از مسائل مهم در پیادهسازی چنین سیستمی , تعیین تعداد مناسب کانبانها است . در این مقاله یک مسأله غیر خطی ِعدد صحیح ) ) MINLP ، با رویکرد بیشینهکردن ارزش فعلی، (Net Present Value) NPV ، برای تعیین تعداد بهینه کانبانها، اندازه دسته ( سفارش، تولید و ارسال ) و تعداد کل تولید در یک سیکل، فرمولبندی شده است . برای حل مدل ارائه شده از دو رویکرد جستجوی غیرخطی و جستجوی فراابتکاری استفاده شده است . در رویکرد اول با استفاده از یک الگوریتم جستجوی غیرخطی ِبرنامهریزی ترتیبی درجه دو (SQP-Sequential Quadritic Programming) ، جواب غیرصحیحی برای مدل بدستآمده و سپس این جواب با استفاده از دو روش مبتنی بر شمارش کامل و جستجوی حریصانه، به یک جواب صحیح تبدیل میگردد . در رویکرد دوم با استفاده از الگوریتم ژنتیک , مستقیماً جواب صحیحی برای مدل بدست میآید . نتایج عددی حاکی از کارایی بیشتر الگوریتم ژنتیک نسبت به روش جستجوی غیرخطی میباشد
کلیدواژه ها:
نویسندگان
محمدرضا یداله پور
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه ص
سهیلا کاوش
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه ص
مهدی بیجاری
استادیار دانشکده مهندسی صنایع، دانشگاه صنعتی اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :