عنوان انگلیسی مقاله:

Just In Time Production and Delivery in Supply Chains: a Hybrid Evolutionary Approach

ترجمه عنوان مقاله: عرضه محصول به محض تولید و تحویل محصول و تامین این زنجیره: رویکرد ترکیبی تکاملی

$$$: فقط 9500 تومان

سال انتشار: 2004

تعداد صفحات مقاله انگلیسی: 6 صفحه

تعداد صفحات ترجمه مقاله: 16 صفحه

منبع: IEEE

نوع فایل: word

دانلود اصل مقاله

9500 تومان – خرید ترجمه

 

فهرست مطالب
  • چکیده
  • مقدمه
  • تحویل پیوسته و زنجیره ای
  • مدل ریاضی ساده
  • روش ترکیبی تکاملی
  • الگوریتم ژنتیکی
  • فناوری هوشمند سازی
  • مطالعه موردی
  • نتیجه گیری
  • منابع

ترجمه چکیده مقاله

تولید به موقع و توزیع کالا با سرعت بالا مخصوصا در مواد فاسد شدنی یکی از عوامل حساس در پشتیبانی زنجیره ی تامین می باشد. مشکل اساسی در این مسئله برنامه ریزی کاملا متفاوت و مسیریابی مشکلات که هر یک ترکیبی از پیچیدگی ها را دارند می باشد. از دیدگاه های عملی تر مشکل اساسی بین مقدار ریسک و بازده می باشد. با وجود این مشکلات قابل توجه معامله, ما پیشنهاد می کنیم یک روش جدید بر اساس یک الگوریتم تکاملی ترکیبی همراه با فناوری هوشمند را در راستای تولید و عرضه به کار ببندیم تا تولید و عرضه و محدودیت های آن و بررسی تاخیر در عرضه مواد آماده شده را بررسی کند. نمونه مورد مطالعه بر اساس داده های به دست آمده نشان می دهد که این روش پتانسیل خوبی برای بهبود این امر دارد.

کلید واژه ها: الگوریتم ژنتیک، مدیریت تامین زنجیره، فناوری هوشمند تحویل پیوسته

ترجمه مقدمه مقاله

اخیرا صنعت تولید در حال تجربه کردن یک تجربه ی استراتژیک می باشد که در آن تکامل فرآیند به سمت تمرکز زدایی از بسیاری از فعالیت های تولیدی،افزایش اهمیت زنجیره تولید می باشد این زنجیره تولید می تواند به عنوان شبکه های شبکه های پویایی نیمه مستقل در مراکز تولیدی برای پی گیری اهداف فردی و جمعی مورد استفاده می باشد. به عنوان مثال شرکت های مستقلی که قادر به،ارائه خدمات تکمیلی خوبی را برای تولید خود دارند ممکن است بخشی از بار مالی محصول و هزینه های تولید در راستای این هماهنگ سازی کاهش یابد کنترل و بهینه سازی مواد،اطلاعات وجریان مالی در زنجیره تامین در حال حاضر به منزله یک حوزه ی پژوهشی مهم قلمداد می شود. از نظر لجستیکی مدیریت تامین زنجیره شامل مجموعه ای از ترکیب پیچیده و به هم وابسته مشکلاتی از قبیل دست یابی به مواد خام،برنامه ریزی در راستای امکانات تولید و مسیر یابی صحیح حمل و نقل حتی زمانی که هریک از پارامترها به صورت مستقل در نظر گرفته می شوند باز هم هریک از مشکلات لجستیکی ذکر شده از پیچیدگی بسیار بالایی برخوردار هستند با این حال یک نیاز قوی برای پیدا کردن راه حل های رضایت بخش برای حل این مشکلات در زمان کوتاه مهم است یک مدل فرا تکنولوژی به نظر می رسد که مناسب برای بررسی این پیچیده گی در زنجیره تامین باشد که به آن الگوریتم ژنتیک ((GAS می باشد. تکنیک های استفاده شده در این روش الهام گرفته از اصول بقا در تکامل ژنتیک طبیعت است این ها به صورت گسترده برای حل مشکلات ترکیبی به کار می رود که می تواند با روش های جامع و دقیق برای حل این پیچیدگی ها به کار گرفته شود. در بررسی دقیق این الگوریتم دیده می شود که (GAS) این کار روشی کار آمد و قوی برای بهینه سازی برای فرآیند است چرا که در آن نیاز به اطلاعات اضافی در مورد تابع هدف مورد بررسی برای بهینه سازی مشکل نیست. با حل این روش (GAS) می تواند برای حل این مشکلات خاص در زمان کم و ارائه ی راه حل های مطلوب مفید باشد بنابراین لازم است برای پیکربندی مربوط به (GAS) نیازمند به جستجو و ارائه راه حل رضایت بخشی برای مشکل زنجیره عرضه با در نظر گرفتن متغیر های دیگراست. که برای استفاده عملی در تولید های صنعتی باید این الگوریتم در زمان نسبتا کوتاه یک راه حل ارائه کند. به همین دلیل ما پیشنهاد یک رویکرد فرا ابتکاری جدید بر پایه الگوریتم ترکیبی تکامل همراه با یک فناوری هوشمند سازی برای برنامه ریزی،زمان بندی و مسیریابی و زمان تولید و تحویل را ارائه نموده ایم در این روش با استفاده از(GAS) برای بهینه سازی فرآیند استفاده شده است که این رویکرد منجر به وجود آمدن الگوریتم تکاملی ترکیبی شده است که در آن (GAS) تشکیل هسته استراتژی جستجو را داده است در حالی که قوانین متعدد دیگری در شرایط خاص جهت کمک و بازسازی حل مشکلات وجود دارد در این برنامه روشی ارائه شده متفاوت از روش های استفاده شده مبنی برای،(GAS) برای حل مشکلات پیچیده می باشد. در این مقاله به توصیف یک مثال علمی در راستای تحویل پیوسته محصول آورده شده است. مشکل موجود وجود محدودیت زمانی است و زمان زیادی برای تولید و تاخیر در عرضه این مشکل را به وجود آورده است توجه داشته باشید که حتی این مقاله به صورت اختصاصی به حل مشکل تحویل پیوسته کالا پرداخته است لیکن هردو مدل ارائه شده به طور کلی می تواند به راحتی برای مقابله با انواع مشابه مشکلات مانند زمان تولید مشکلات تحویل کالا توسعه یافته وکمک کند ریوس مطالب در این مقاله به شرح زیر است بخش 1مقدمه – بخش 2 توصیف مشکل تحویل پیوسته و بررسی آن و بخش 3 توصیف یک مدل ریاضی برای برنامه ریزی زنجیره تامین و بخش 4 روش مقابله با این مشکل تشریح شده است در بخش 5 نتایج تجربی از مطالعه موردی و اطلاعات ناشی از آن می باشد و در نهایت در بخش 6 نتیجه گیری خواهد شد.

ترجمه قسمتی از نتیجه گیری مقاله

ما یک روش جدید را براساس یک الگوریتم تکاملی ترکیبی همراه با یک فناوری هوشمند تنها در زمان تولید و تحویل محصول ارائه نمودیمو توزیع بتن آماده به عنوان یک مطالعه موردی در نظر گرفته شد. نشان داده شد که چنین روش ترکیبی قادر به ارائه یک الگوریتم مشخص براساس یک مدل واقعی در زنجیره عرضه موثر می باشد. الگوریتم هایترکیبی GA و مجموعه فناوری های هوشمندسازی تضمین یک برنامه عملی را برای هرمجموعه را دارد. مقایسه روش های چهار الگوریتم مختلف عملکرد فوق العاده خود را نشان میدهد. هم چنین عملکرد برتر خود را در دومرحله نشانمی دهد. در مرحله اول مقدار درخواست هایی که به شرکت های خارجی داده می شود ویا نیاز به کامیون های اضافی و یا استخدام های جدید برای تحویل محصول را نشان می دهد. در مرحله دوم مدل ارائه شده اجازه می دهد تا به تعریف ایمنی لازم برای به حداقل رساندن تاخیر حمل ونقل برسیم. درآینده با نیروی بیشتری برای بررسی این موضوع با اضافه کردن پارامترهایی مانند سرعت متوسط کامیون نیز نیاز خواهیم داشت.

چکیده انگلیسی مقاله

The timely production and distribution of  perishable goods is one of the most challenging logistic problems in the context of supply chain operation. The problem involves several tightly interrelated planning, scheduling and rouring problems, each with large combiriatorial complexi. From a more practical perspective, the problem calls for a trade-off between risks and rerimis. To effectively deal with these corisiderable diflculties, we propose a novel meta-heurisric approach based on a hybrid evol n t i o n a~a lgorirhrn combined with constructive heuristics for addressing just-in-rime pmduction and delivery with time coristrairits on both the earliness and the lateness of siippl)! Distribution of ready-made concrete is used as a practical e.raniple. A case study based on industrial data illustrates the potential of the proposed approach.
Keywords: Supply chain management, genetic algorithms, meta-heuristics, concrete delivery.

مقدمه انگلیسی مقاله

Recently, production industry is experiencing a strategic evolution toward the decentralization of many production activities, increasing the importance of supply chains. Supply chains can he viewed as dynamic networks of partially independent production centers that agree to collaborate for pursuing both individual and collective aims. For instance, independent companies that are able to provide complementary services for the production of a given good may take a significant advantage by synchronizing their activities to reduce product lead times or costs. The control and optimization of material, information and financial flows in supply chains currently constitutes an important research field [6].
From the logistic viewpoint, the management of supply chains involves a set of complex and interdependent combinatorial problems such as the acquisition of raw materials, scheduling of production facilities and routing of transport vehicles. Even when considered as independent from the other ones, each of the mentioned logistic problems suffers from a nearly prohibitive combinatorial complexity. However, there is also a strong need for approaches that are capable of finding satisfactory solutions to these complex prohlems in short computation times. A class of modem metaheuristic approaches that seems to be particularly suited for dealing effectively and efficiently with the complexity in supply chains is the Genetic Algorithms (GAS). GAS are heuristic search techniques inspired from the principles of survival-of-the-fittest in natural evolution and genetics. They have been used extensively to solve combinatorial problems that cannot be handled by exhaustive or exact methods due to their prohibitive complexity. When properly configured, GAS are efficient and robust optimization tools, because they do not explicitly require additional information (such as convexity, or availability of derivative information) about the ohjective function to he optimized. However, GAS are generally slow, they require large numbers of iterations, and suffer from specific problems that may cause premature convergence in suboptimal solutions. Therefore, the average time that a well-configured GA would need to search for a satisfactory solution of the entire supply-chain problem (with its many decision variables) is too high for practical use in a real industrial context, where decision-algorithm must provide a solution in relatively short times. For this reason, we propose a novel meta-heuristic approach based on a hybrid evolutionary algorithm combined with constructive heuristics for addressing planning, scheduling and routing for justin- time production and delivery. In this approach, we use a GA to perform part of the optimization, while the remaining part of the scheduling problem is handled by consuuctive heuristic algorithms. This approach leads to a hybrid evolutionary algorithm in which the GA constitutes the core of the search strategy, while multiple heuristic rules called in specific circumstances contribute to reconstruct a feasible solution that satisfies all the constraints and objectives of the problem. In this respect, the proposed approach is significantly different from other recent applications of GAS and other meta-heuristic approaches to complex combinatorial problems.
In this paper, distribution of ready-made concrete is used as a practical example to illustrate the potential of the proposed approach. This is a problem with time constraints on both the earliness and the lateness of the supply. Note, however, that even though this paper is mainly devoted to the problem of ready-mixed concrete supply, both the proposed model and the resolving strategy are fairly general, and can be easily extended to address a variety of analogous just-intime distributed production and delivery problems with or without time constraints on both the earliness and the lateness of supply.
The outline of the paper is as follows. Section 2 describes the concrete delivery problem that is used as a case in this paper, while Section 3 describes the mathematical model for the scheduling problem in the supply chain. The proposed approach to address this problem is described in Section 4. Experimental results from a case study based on real-world data can be found in Section S. Finally, conclusions are given in Section 6

نتیجه گیری انگلیسی مقاله

As a case study, we consider a supply chain composed of five PCs located in the Netherlands. The fleet of trucks consists of 49 vehicles housed in two PCs. The customers are spread over the area surrounding the PCs of the supply chain. As discussed in the literature [2], there is a high density of demand between 7:OO and 9:00 hours, and between 1300 and 15:OO hours. The objective of scheduling is to minimize the costs associated with the delivery. Table 1 summaizes the values of the main cost parameters in normalized cost units (CU).
The trucks have a maximal capacity C,, of IO m3 and an average speed V of 60 Km/h. In general, customer requests have very narrow time windows, which impose to schedule the delivery of the first job very close to the EDT. The concrete setting time T,,, used in our model is 150 minutes. The working day for a truck is between 5:OO AM to 4:OO PM, and if some truck is scheduled to work outside this window, an additional cost must be paid.
To test the effectiveness of the proposed hybrid GA approach, we have compared it with four different scheduling policies obtained by applying assignment criteria suggested by experts. All of the considered alternative policies give higher priority to larger orders, since this criterion is the one used by most companies. Demand assignments take into account the distances from the PCs to the customers’ sites or the actual workload of the PC, while the trucks are assigned based on their idle times. The four policies used here for comparison are the following.

 

 

مطالب مرتبط