نوع مقاله : مقاله پژوهشی
نویسندگان
1 * دانشیار گروه مدیریت صنعتی دانشگاه علامه طباطبایی
2 ** دانشگاه آزاد اسلامی، واحد نراق، باشگاه پژوهشگران جوان و نخبگان، نراق، ایران
3 کارشناس دانشگاه آزاد اسلامی، واحد قزوین، گروه مدیریت صنعتی، قزوین، ایران
چکیده
در این مقاله مدلهای سنتی کنترل موجودی (r,Q) و(R,T) به صورت یک مدل چندکالایی با دو هدف کمینهسازی هزینهها و سطح خطر و تحت محدودیتهای بودجه دردسترس، حداقل سطح عملکرد، فضای انبار و تعداد کمبود مجاز توسعه یافتهاند. تابع توزیع تقاضا نرمال بوده و تقاضا با پسافت تأمین میگردد. ابتدا مدل قطعی و سپس مدل احتمالی- فازی با پارامترهای بودجه فازی، تعداد کمبود مجاز فازی، و فضای انبار که پارامتری احتمالی – فازی با تابع توزیع نرمال است توسعه مییابد. تمام اعداد فازی و از نوع مثلثی[1] هستند. در متدولوژی حل با استفاده از روش نافازیسازی محدودیتهای فازی و روش بر نامهریزی محدودیتهای احتمالی فازی[2]، مدل به یک مسئله قطعی چندهدفه تبدیل شده و سپس از طریق روش فازی حل میگردد. در پایان یک مثال عددی جهت توصیف مدل و روش حلآمده که با نرمافزار لینگو8[3] حل شدهاست.
کلیدواژهها
عنوان مقاله [English]
Developing (r,Q) & (R,T) inventory control models
نویسندگان [English]
- Magsud Amiri 1
- , Mohammad Amin Nayebi 2
- Oveis Zarabadipour 3
1 * Associate Professor, Department of Industrial Management, Allame Tababae’i University, Tehran
2 ** Young Researchers and elite Club, Naragh Branch, Islamic Azad University, Naragh, Iran
3 BS in industrial management, Islamic Azad University of Qazvin
چکیده [English]
In this paper we have developed inventory control models (r,Q) & (R,T) in multi-items environment by two objectives as minimizing costs (holding & shortage) and risk level under four constraints. These constraints include: available budge, service level, storage space & allowed shortage quantities. Demand functions assumed normal in the study and extra demands also are backlogged. First we developed crisp models and then fuzzy stochastic models with fuzzy budge, allowed shortage quantities and shortage space which are fuzzy-stochastic parameters with normal distribution. All of fuzzy numbers are triangular typically. In this methodology we changed fuzzy-stochastic models to crisp multi objectives problem, by using difuzzification of fuzzy constraints and then solving by Fuzzy logic method. Finally we have tested an example to describe the model and methodology which is solved by LINGO package.
.
کلیدواژهها [English]
- (r
- Q) & (R
- T) Ordering Systems
- Fuzzy Numbers
- Fuzzy Constraints
- Multi Objective Programming
- Fuzzy Chance Constrained Programming