استراتژی برای محافظت شبکه های زنجیره تامین در برابر اختلال امکانات حمل و نقل: بهبود روش تجزیه خم

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

استراتژی برای محافظت شبکه های زنجیره تامین در برابر اختلال امکانات حمل و نقل: بهبود روش تجزیه خم

عنوان لاتین

Strategies for protecting supply chain networks against facility and transportation disruptions: an improved Benders decomposition approach

در زنجیره تامین ، به ندرت اختلالی رخ می دهد ، که اثرات منفی مالی و فنی آن ، با روند بسیار آهسته ای بهبود یابد . در این مقاله ، ما ظرفیت طراحی شبکه زنجیره تامین (AND) را برای مدل اختلالات تصادفی در مرکز و حمل و نقل را پیشنهاد می کنیم ، که به دنبال تعیین محل بهینه و انواع مراکز توزیع (DC) و همچنین بهترین طرح جهت واگذار به مشتریان DC می باشیم . بر خلاف سایر مطالعات در ادبیات ، ما از مفاهیم جدید قابلیت اطمینان ؛ در مدل رفتار استراتژیک DCS و مشتریان در شبکه استفاده می کنیم : (1) عدم DCs ممکن است جزئی باشد ، یعنی DC مختل با بخشی از ظرفیت اولیه آن؛ ممکن است هنوز قادر به ارائه خدمت باشد (2) ظرفیت از دست رفته از یک DC ، مختل کننده می باشد و (3) کسر ظرفیت یک DC مختل ، بستگی به میزان سرمایه گذاری اولیه در مرحله طراحی آن دارد . به منظور ارائه حل مدل مطلوب، یک نسخه اصلاح شده از تجزیه روش خم (Benders ) (BD) استفاده شده است . این تغییر از مشکلات اصلی BD ، (MP) باعث بهبود زمان حل BD می شود . نتایج رویکرد کلاسیک BD و کاهش چگالی در برخی از موارد باعث پوشش برش باندل (CCB) می شود . این موضوع با ایجاد یک باندل ؛ به جای کاهش یک برش ، می تواند متغیرهای بیشتری برای تصمیم گیری MP را پوشش دهد. تلاش ما برای بهبود CCB منجر به ارائه یک روش جدید می شود که دارای حداکثر تراکم برش (MDC) می باشد . MDC در برخی موارد از گروه های CCB ، پوشش تمام متغیرهای تصمیم گیری MP را مختل می کند که باعث اختلال در پوشش بخشی از آن نیز می شود . بنابراین MDC ، روش تولید یک برش برای پوشش متغیرهای تصمیم گیری باقی مانده می باشد که توسط CCB ؛ پوشش داده نمی شود . آزمایش های عددی ، نشان دهنده مدل عملی ارائه شده در منطقه SCND می باشد ، رویکرد اصلاح شده BD ، تعداد تکرار BD را کاهش می دهد و میزان بار پردازش شده آن را به طور قابل توجهی ، بهبود می بخشد.

Disruptions rarely occur in supply chains, but their negative financial and tech-nical impacts make the recovery process very slow. In this paper, we propose a capacitated supply chain network design (SCND) model under random disruptions both in facility and transportation, which seeks to determine the optimal location and types of distribution cen-ters (DC) and also the best plan to assign customers to each opened DC. Unlike other studies in the extent literature, we use new concepts of reliability to model the strategic behavior of DCs and customers at the network: (1) Failure of DCs might be partial, i.e. a disrupted DC might still be able to serve with a portion of its initial capacity (2) The lost capacity of a disrupted DC shall be provided from a non-disrupted one and (3) The lost capacity fraction of a disrupted DC depends on its initial investment amount in the design phase. In order to solve the proposed model optimally, a modified version of Benders’ De-composition (BD) is applied. This modification tackles the difficulties of the BD’s master roblem (MP), which ultimately improves the solution time of BD significantly. The clas-sical BD approach results in low density cuts in some cases, Covering Cut Bundle (CCB) generation addresses this issue by generating a bundle of cuts instead of a single cut, which could cover more decision variables of the MP. Our inspiration to improve the CCB genera-tion led to a new method, namely Maximum Density Cut (MDC) generation. MDC is based on the observation that in some cases CCB generation is cumbersome to solve in order to cover all decision variables of the MP rather than to cover part of them. Thus the MDC method generates a cut to cover the remaining decision variables which are not covered by CCB. Numerical experiments demonstrate the practicability of the proposed model to be promising in the SCND area, also the modified BD approach decreases the number of BD iterations and improves the CPU times, significantly