میانبرهای کوتاه محاسباتی پاسخ های سریعی را به مشکلات پیچیده زنجیره تأمین ارائه می دهد

25 آوریل 2023 -توسط مت شیپمن، دانشگاه ایالتی کارولینای شمالی-اعتبار: Unsplash/CC0 دامنه عمومی

شبکه‌های زنجیره تامین می‌توانند به‌طور باورنکردنی پیچیده باشند، با نقاط تولید و توزیع متعدد – و مکان هر گره در آن شبکه‌ها تأثیر قابل‌توجهی بر همه چیز از سودآوری گرفته تا هزینه محصول تا اثرات زیست‌محیطی دارد. تحقیقات جدید از دانشگاه ایالتی کارولینای شمالی نشان می‌دهد که ابزارهای ریاضی کارآمد تقریباً به همان اندازه مدل‌های بهینه‌سازی محاسباتی بیشتری را برای تعیین بهترین مکان‌ها برای مکان‌یابی عناصر در زنجیره تأمین ارائه می‌کنند و می‌توانند اطلاعات مربوطه را با سرعت بیشتری در اختیار کسب‌وکارها قرار دهند.

امیر صادقی، نویسنده اول این مطالعه و دانشجوی دپارتمان مهندسی صنایع و سیستم های ادوارد پی فیتس در ایالت NCدکترای تخصصی، می گوید: «کار ما بر زنجیره های تأمین متمرکز است که عملکرد اقتصادی و زیست محیطی را با پذیرش پایداری بهبود می بخشد.

ما به زنجیره‌های تامینی که در آن عناصر محصولاتشان می‌توان مجددا استفاده کرد-مانند فناوری‌های چاپی که از کارتریج‌های چاپگر استفاده مجدد می‌کنند، نگاه کردیم. بازیافت یا استفاده مجدد: این زنجیره های تامین چند سطحی بسیار پیچیده هستند و مکان هر نقطه در زنجیره تامین پیامدهای قابل توجهی از نظر هزینه، زمان حمل و نقل و غیره دارد.

در حالی که مدل‌هایی وجود دارند که به ما امکان می‌دهند راه‌حل بهینه دقیق را برای مکان هر نقطه در زنجیره تامین شناسایی کنیم، این مدل‌ها به محاسباتی نیاز دارند. بنابراین ما می‌خواستیم ببینیم ابزارهای محاسباتی کارآمدتر تا چه حد ممکن است عملکرد بهتری داشته باشند و آیا می‌توانند جایگزین مناسبی برای استفاده در تصمیم گیری های مدیریت زنجیره تامین باشد.”

به طور خاص، محققان می خواستند عملکرد دو اکتشافی به خوبی تثبیت شده را آزمایش کنند، که «میانبرهای» الگوریتمی هستند که قادر به ارائه سریع یک پاسخ خوب – اما نه لزوما بهینه – برای یک مسئله پیچیده هستند. آنها این دو اکتشافی را که بهینه ساز (GWO) و الگوریتم بهینه سازی (WOA) نامیده می شوند، با یک مدل محاسباتی که قادر به یافتن راه حل بهینه دقیق است، مقایسه کردند. محققان اکتشافی را در برابر مدل بهینه سازی دقیق برای 15 مشکل مختلف آزمایش کردند که منعکس کننده طیفی از چالش های زنجیره تامین چند سطحی است.

اکتشافی و مدل بهینه‌سازی دقیق همگی برای یافتن بهترین سایت‌ها برای هر نقطه در زنجیره تامین طراحی شده‌اند و سپس هزینه راه‌اندازی آن زنجیره تامین را تعیین می‌کنند. هر سه ابزار متغیرهای زیادی را شامل می‌شوند که بر هزینه‌ها تأثیر می‌گذارند، مانند مسافت حمل‌ونقل و هزینه‌های ساخت و ساز و مستغلات.

محققان از عملکرد اکتشافی شگفت زده شدند. بسته به چالش زنجیره تامین خاص مورد استفاده در هر آزمون، تغییراتی در عملکرد اکتشافی وجود داشت. با این حال، در بهترین حالت، GWO توانست سایت‌های زنجیره تامین را با هزینه‌هایی ایجاد کند که در محدوده 0.01٪ مدل بهینه‌سازی دقیق بود در حالی که هزینه‌های WOA در محدوده 0.07٪ از مدل بهینه‌سازی دقیق بود. و به طور متوسط، اکتشافی ها توانستند راه حل های خود را در حدود نیمی از زمان مدل بهینه سازی دقیق ارائه دهند.

صادقی می‌گوید: «اگر یک زنجیره تأمین تاسیس کرده‌اید و یکی از گره‌های شما به‌طور غیرمنتظره‌ای از بین می‌رود – یک فروشگاه بسته می‌شود، یک سایت تولیدی به دلیل سیل بسته می‌شود و غیره – باید سریعاً برای برقراری مجدد زنجیره تأمین اقدام کنید». “اگر یک زنجیره تامین پیچیده است – و شما به یک ابر کامپیوتر دسترسی ندارید – ممکن است مزیت قابل توجهی در استفاده از یک اکتشافی وجود داشته باشد که می تواند به شما پاسخ بسیار خوبی در مورد محل جایگزینی یک حلقه گمشده در عرض چند ساعت به شما بدهد، نه اینکه روزها برای اجرای یک مدل بهینه سازی دقیق منتظر بمانید..”

محققان همچنین یک مزیت غیرمنتظره برای اکتشافی پیدا کردند – آنها قوی تر از مدل بهینه سازی دقیق بودند. از نظر عملی، این بدان معناست که پاسخ‌های ارائه شده توسط اکتشافی، زمانی که برخی از متغیرها تغییر می‌کردند، بیشتر ماندگار می‌شدند. به عنوان مثال، اگر یک تغییر جزئی در مکان یک گره در یک شبکه زنجیره تامین ایجاد شده توسط یک اکتشافی وجود داشته باشد، تغییر جزئی در هزینه مربوطه وجود خواهد داشت. با این حال، تغییرات مشابه در شبکه های زنجیره تامین که توسط مدل بهینه سازی دقیق ایجاد شده اند، به احتمال زیاد باعث تغییرات قابل توجهی در هزینه می شوند.

راب هندفیلد، یکی از نویسندگان این مطالعه، استاد ممتاز عملیات و مدیریت زنجیره تامین دانشگاه آمریکا در کالج مدیریت پول در ایالت NC می‌گوید: «در مجموع، یافته‌های ما در اینجا نشان می‌دهد که ممکن است مزایای قابل‌توجهی برای مدیران زنجیره تأمین در استفاده از روش‌های اکتشافی وجود داشته باشد.

بانک اکتشافات ممکن است به ویژه برای مدیران زنجیره تامین که مجبور به واکنش سریع به اختلالات غیرمنتظره در شبکه های خود هستند، ارزشمند باشد.”

مقاله “بهینه ساز گرگ خاکستری و الگوریتم بهینه سازی نهنگ برای مدیریت موجودی تصادفی محصولات قابل استفاده مجدد در یک زنجیره تامین دو سطحی” در مجله دسترسی آزاد IEEE Access منتشر شده است.