نوع مقاله : مقاله پژوهشی

نویسندگان

• محمد امین نایبی ¹
• عباس پناهی نیا ²

¹ عضو هیئت علمی دانشگاه آزاد اسلامی قزوین- باشگاه پژوهشگران جوان

² عضو هیئت علمی دپارتمان مدیریت صنعتی دانشگاه آزاد اسلامی نقده

چکیده

در این مقاله یک مدل موجودی در ترکیبی از فضای نادقیقی و عدم قطعیت توسعه یافته است. مدل ارائه شده توسط مدل R,Q بوده و به صورت چند کالایی و چند هدفه و در دو حالت تقاضای پس افت و فروش از دست رفته مدلسازی شده است. اهداف مدل کمینه سازی هزینه ها و سطح خطر و محدودیت های آن شامل: بودجه در دسترس، حداقل سطح عملکرد، فضای انبار و تعداد کمبود مجاز بوده و تقاضا نمایی است. فضای انبار پارامتری احتمالی – فازی با توزیع نرمال است. پارامترهای بودجه در دسترس و حداکثر کمبود مجاز فازی و از نوع مثلثی می باشد. ابتدا مدل قطعی و سپس مدل احتمالی-فازی توسعه یافته است. در متدولوژی حل با استفاده از روش نافازی سازی محدودیتهای فازی و روش برنامه ریزی محدودیت های احتمالی فازی مدل به یک مسئله قطعی چند هدفه تبدیل شده و سپس از طریق روش فازی حل می گردد. در پایان یک مثال عددی جهت توصیف مدل در حالت تقاضای پس افت و فروش از دست رفته ارائه شده که با نرم افزار لینگو حل شده است.

کلیدواژه‌ها

• مدل کنترل موجودی
• تقاضای پس افت
• فروش از دست رفته
• برنامه ریزی چند هدفه
• برنامه ریزی محدودیت های احتمالی فازی

عنوان مقاله [English]

Developing a Fuzzy-Stochastic Multi Objectives Inventory Model

نویسندگان [English]

• Mohammad Amin Nayebi ¹
• Abbass Panahinia ²

چکیده [English]

In this paper we developed an inventory model in mixed imprecise and uncertain environment. Presented model is developed form of (r,Q) and is a multi-items model with two objectives as minimizing costs (holding & shortage) and risk level under constraints including available budgetary, the least service level, storage spaces & allowable quantities of shortage. Demand distribution functions are assumed to be exponential and extra demands are supposed in two situations as lost sales and backlogging. At first we develop crisp model then fuzzy stochastic model with fuzzy budgetary, allowable quantities of shortage and shortage spaces (i.e. stochastic with normal distribution function) parameter. All of fuzzy numbers are triangular type. In methodology of solution we change model to a crisp multi-­objective by using difuzzification of fuzzy constraints and fuzzy chance-constrained programming methods, and then solve it by fuzzy logic method. Finally an illustrated example is taken and solved using LINGO package.

کلیدواژه‌ها [English]

• (r
• Q) Model
• Lost Sales
• Backlogging
• Multi Objective Programming
• Fuzzy-Chance Constrained Programming