پایان نامه تخصیص سفارش به تأمین کنندگان به کمک الگوریتم های متاهیوریستیک در شرکت صنایع برق زاویر

پایان نامه برای دریافت درجه کارشناسی ارشد

رشته مهندسی صنایع گرایش صنایع- صنایع

اسفند 90

چکیده

امروزه با توجه به پیشرفت در تکنولوژی، جهانی‌شدن بازارها، تنوع­طلبی مشتریان و افزایش رقابت،سازمان­ها برای بقا نیاز به به بهبود فرآیندهای داخلی خود دارند. جلب رضایت مشتریان همزمان با مدیریت هزینه نهایی، سازمان­ها را بر آن داشته است تا تعامل بیشتری با تأمین­کنندگان خود داشته باشند و کیفیت تولید قطعات اولیه را تحت نظر داشته باشند. علاوه بر آن در شرایطی که خریداران تنها به منافع خود بیندیشند نمی­توانند انتظار روابط بلند مدت و رشد دهنده­ای با تأمین­کنندگان داشته باشند. بنابراین لزوم توجه به منافع کل اعضای زنجیره تأمین و تمرکز روی سیاست برنده- برنده برای سازمان­ها و تأمین­کنندگان بیش از پیش احساس می­شود.

در این تحقیق شرایطی مد نظر است که یک خریدار در نظر دارد قطعه­ای را از چند تأمین­کننده تأمین کند ولی با توجه به اینکه همواره درصدی از اقلام دریافت شده معیوب هستند و پذیرش یا رد آن­ها روی روابط بلند مدت تأمین­کننده و خریدار تأثیرگذار است، تصمیم­گیری در این خصوص اهمیت خاصی دارد. در این تحقیق چند روش تصمیم­گیری مختلف در خصوص اقلام معیوب معرفی شده و مدل­سازی بر اساس راه­های مختلف برخورد با این اقلام معیوب انجام می­شود،که نهایتاً منجر به انتخاب بهترین روش تصمیم­گیری با این اقلام معیوب خواهد شد.

کلمات کلیدی:

انتخاب تأمین‌کننده، هماهنگی در زنجیره تأمین، برخورد با اقلام معیوب، منافع مشترک

فصل 1:

فصل1 مقدمه

مقدمه

عنوان این پایان­نامه "تخصیص سفارش به تأمین­کنندگان به کمک الگوریتم­های متاهیوریستیک در شرکت صنایع برق زاویر" است.

با گذر زمان، سازمان‌ها شاهد تغییرات وسیع جهانی به خاطر پیشرفت در تکنولوژی، جهانی‌شدن بازارها، تنوع­طلبی مشتریان و غیره بوده‌اند و با افزایش تعداد رقبا در سطح جهانی، برای باقی‌ماندن در صحنه‌ی رقابت سعی در بهبود بخشیدن به فرایندهای درونی خود داشته­اند.

سازمان‌ها دریافته­اند که برای موفقیت و بقای بلندمدت در بازار جهانی باید در مدیریت همه‌ی سازمان‌هایی که ورودی‌های سازمان (به شکل مستقیم یا غیرمستقیم) را تأمین می‌کنند و همه‌ی سازمان‌هایی که تحویل و ارایه‌ی خدمات پس از فروش به مشتری را برعهده دارند مشارکت داشته باشند و چنین نگرشی باعث پیدایش نظریه‌ی زنجیره‌ی تأمین[1] شده است.

"بطور کلی زنجیره‌ی تأمین، زنجیره­ای است که همه‌ی فعالیت‌های مرتبط با جریان کالا و تبدیل مواد از مرحله‌ی تهیه‌ی ماده‌ی اولیه تا مرحله‌ی تحویل کالاهای نهایی به مشتری را در بر می‌گیرد و در کنار جریان مواد، جریان اطلاعات و جریان منابع مالی هم برقرار خواهد بود"[1].

با توجه به چرخه­ی کوتاه عمر محصول، سازمان‌ها باید همواره جلوتر از مشتریان حرکت کنند و محصول جدید و با کیفیتی را ارایه کنند و هم­زمان هزینه‌های خود را کاهش دهند تا آستانه­ی سود بیشتری داشته باشند. در اغلب صنایع هزینه­ی مواد خام و قطعات مورد استفاده، بخش عمده­ی هزینه‌های محصول را تشکیل می‌دهد که در برخی از موارد این سهم می‌تواند تا 70% باشد و حتی در سازمان­های دارای تکنولوژی بالا تا بیش از 80% از هزینه­ی کل محصول مربوط به هزینه­ی مواد و خدمات خریداری شده است. بنابراین تصمیم­های مرتبط با استراتژی­ها و عملیات خرید، نقش مهمی در سود سازمان ایفا می­کند و تصمیم­گیری برای انتخاب صحیح تأمین­کنندگان اهمیت بیشتری یافته و انتخاب تأمین­کننده­ی مناسب به ­عنوان مهمترین فعالیت بخش خرید مورد توجه قرار گرفته است.

از سوی دیگر، در یک زنجیره تأمین کارا هماهنگی بین تصمیم­های اجزای مختلف زنجیره نقش اساسی در پیشبرد اهداف زنجیره دارد. در واقع نمی­توان مدیریت زنجیره تأمین را مطرح کرد اما انتظار داشت هر یک از اجزا مانند گذشته تصمیم­گیری­های خود را صرفاً براساس منافع سازمان خود اتخاذ نمایند. تفکر برنده- برنده باید بر تمام تصمیم­های اجزا حاکم باشد. بنابراین مفهوم هماهنگی در زنجیره تأمین امروزه به یکی از موضوعات مهم و کلیدی در طراحی و مدیریت زنجیره تأمین تبدیل شده است.

شرکا در یک زنجیره تأمین که شامل تأمین­کنندگان، تولیدکنندگان و توزیع­کنندگان هستند، نمی­توانند بدون در نظر گرفتن منافع یکدیگر فقط در پی حداکثر کردن سود و منافع خود باشند. در این صورت دیگر زنجیره تأمین معنای واقعی خود را از دست خواهد داد. به همین دلیل است که موضوع هماهنگی فرایندهای کسب و کار بین اعضای یک شبکه برای بهبود عملکرد و کارایی شبکه به یکی از مباحث مهم زنجیره تأمین تبدیل شده است.

به­طور کلی هدف این تحقیق کمک به خریدار در انتخاب تأمین­کنندگان و تخصیص سفارش به ­آن­ها است به­شکلی که مناسب­ترین هزینه به سازمان تحمیل شود و در عین حال منافع تأمین­کننده مدنظر قرار گیرد و منافع کل زنجیره همزمان بهینه شود.

این تحقیق به­صورت مطالعه موردی بوده و شرکت مورد مطالعه یک شرکت تولیدکننده کلید فیوز تابلو برق است.

به­طور کلی در فرایند انتخاب تأمین‌کنند‌ه باید به سه سئوال اصلی پاسخ داده شود:

 هدف سفارش دادن چه قطعه­ای است؟

به چند تأمین‌کنند‌ه‌ و به هر کدام چه مقدار سفارش داده شود؟

در کدام دوره سفارش دریافت شود؟

فرایند ارزیابی و انتخاب تأمین‌کنند‌ه از نظر محققان مختلف شامل مراحل متفاوتی است که عبارتند از:

تعریف مسأله‌

فرموله‌کردن معیار (ها)

پیش­ارزیابی[2] تأمین‌کنند‌گان مناسب

انتخاب نهایی[3]

در این تحقیق منظور ما از انتخاب، انتخاب نهایی خواهد بود.

مطالعات پیشین در زمینه انتخاب تأمین­کننده را به طور کلی در دسته های زیر می­توان طبقه­بندی کرد:

تک‌منبعی بودن یا چند منبعی بودن

تک هدفه یا چند هدفه بودن

تک محصولی یا چند محصولی بودن

تک دوره‌ای یا چند دوره‌ای بودن

وجود یا عدم وجود استراتژی تخفیف

قطعی یا غیرقطعی بودن

برای مدل سازی مسأله انتخاب تأمین کننده، از روش های مختلفی استفاه شده است که متداول ترین آن­ها استفاده از برنامه­ریزی ریاضی است. برنامه‌ریزی ریاضی به تصمیم­گیرنده کمک می­کند تا مسأله‌‌ی تصمیم را بر حسب تابع هدف ریاضی فرموله کرده و از طریق تغییر مقادیر متغیرها به اهداف مورد نظر برسد.

بسیاری از نویسندگان از مدل‌های تک هدفه همچون برنامه‌ریزی عدد صحیح و یا خطی استفاده کرده‌اند. در اکثر مدل‌ها هزینه را به عنوان تابع هدف در نظر گرفته‌اند و سایر معیارها (کیفیت، ظرفیت، زمان تحویل و غیره ) را به عنوان محدودیت در نظر گرفته‌اند. دو نقص عمده‌ی روش‌های برنامه‌ریزی ریاضی این است که معیارها با وزن مساوی در محدودیت‌ها قرار می‌گیرند و دیگر اینکه معمولاً معیارهای کمی را در نظر می‌گیرند. برخی از محققین از برنامه‌ریزی ریاضی خطی چند هدفه و یا آرمانی استفاده کرده‌اند. با توجه به اینکه محدودیت­های مختلف از اهمیت یکسانی برخوردار نیستند برای لحاظ کردن این اهمیت در مدل­سازی، استفاده از روش­های وزن­دهی مانند TOPSIS و AHP مورد توجه قرار گرفته است.

در تحقیقات اولیه این حوزه، تنها هزینه ­های خرید لحاظ می­شده است ولی با گذر زمان هزینه­های انبارداری، سفارش­دهی، حمل­و­نقل و بازرسی هم مدنظر قرار گرفته­اند.

لحاظ کردن انواع مدل­های تخفیف در هزینه­ها، هزینه­های جریمه به خاطر کیفیت نامطلوب یا تأخیر در تحویل از گسترش­های بعدی این حوزه بوده است.

برای پوشش دادن شرایطی که  قیمت‌ها با رفتار تصادفی در طول زمان به‌طور متناوب تغییر می‌کنند به استفاده از برنامه‌ریزی خطی و برنامه‌ریزی دینامیک توجه شده است. برای نزدیک شدن مدل­ها به شرایط دنیای واقعی اخیراً با استفاده از مدل­های احتمالی و فازی عدم­قطعیت پارامترها نیز در مدل­ها لحاظ می­شود.

در ادبیات انتخاب تأمین­کننده استفاده از سیستم­های برپایه استدلال هم جای خود را باز نموده­اند، سیستم‌های مذکور در دسته‌ی رویکردهای مشهور به هوش مصنوعی قرار می‌گیرند. اساساً این سیستم‌ها این قابلیت را دارند که به مرور زمان توسط یک متخصص و یا با استفاده از داده‌های تاریخی حالت یادگیری داشته باشند. افراد غیر متخصصی که با موارد مشابه در تصمیم‌گیری‌ها مواجه می‌شوند می‌توانند از آن مشاوره بگیرند.

در اکثر مطالعات صورت گرفته در حوزه انتخاب تأمین­ کننده تنها به منافع خریدار توجه می­شود و هدف برآورده کردن نیاز خریدار است. با توجه به بازار رقابتی موجود، به تأمین­کننده­های مختلف برای جلب نظر خریدار و انتخاب شدن از سوی او شرایط دشواری تحمیل می­شود و بنابراین تأمین­کننده برای اینکه حاشیه سودی برای خود داشته باشد از شرایط کیفی محصول می­کاهد و این مسأله به نفع خریدار هم نخواهد بود. در واقع شرکا در یک زنجیره تأمین نمی­توانند بدون در نظر گرفتن منافع یکدیگر، فقط در پی حداکثر کردن سود و منافع خود باشند. بنابراین بهتر است هزینه­های کل شبکه مینیمم شود تا هم تأمین­کننده و هم خریدار از محاسن آن بهره­مند شوند. امروزه برای پوشش دادن این مسأله مدل­هایی بر اساس مسأله هماهنگی خریدار و تأمین­کننده جای خود را در ادبیات باز نموده­اند.

در خصوص مدل­های برنامه­ریزی ریاضی استفاده از بسته­های نرم­افزاری مانند Lingo، Gams، Excel Solver برای حل گسترش یافته است. اگر مسأله از نوع NP-Hard باشد، تابع هدف محدب نباشد یا استفاده از بسته­های نرم­افزاری برای رسیدن به جواب زمانبر باشد از الگوریتم­های فراابتکاری استفاده می­شود، همچنین برخی از محققان روش­هایی ابتکاری را برای حل مدل­های خود معرفی می­کنند.

معمولاً در زنجیره‌ی تأمین خریداران نسبت به تأمین‌کنند‌گان قدرت بیشتری دارند و تأمین‌کنند‌گان برای فروش قطعات خود سعی در کاهش قیمت نهایی خواهند داشت که این امر روی کیفیت نهایی قطعات تأثیرگذار خواهد بود و قطعات با کیفیت کم، محصولات نهایی بی­کیفیتی را ارائه خواهند داد و بقا در بازار رقابتی را با مشکل مواجه خواهند ساخت. از طرفی تأمین­کننده مورد نظر هم که برای کسب نظر مساعد خریدار و انتخاب شدن از سوی او کمترین قیمت ممکن را پیشنهاد داده، با گذر زمان از عهده مخارج خود بر نیامده و متضرر شده مجبور به متوقف کردن فعالیت خود خواهد شد.

بنابراین تنها توجه کردن به منافع خریدار در بلند مدت به نفع هیچکدام از طرفین نخواهد بود. امروزه سازمان­ها برای موفقیت در بازار رقابتی سیاست برنده- برنده را اتخاذ نموده و با مدنظر قرار دادن کل هزینه­های زنجیره تأمین (نه تنها هزینه­های خریدار) به کاهش هزینه­های یکدیگر کمک نموده و به بهبود عملکرد یکدیگر کمک می­نمایند و بدین ترتیب روابط بلند مدتی با هم خواهند داشت و از مزایای این سیاست بهره­مند می­شوند.

یکی از مشکلات موجود مطلوب نبودن کیفیت همه قطعات ارائه شده است. اگر خریدار تنها به منافع خود بیندیشد این قطعات را مرجوع نموده و هزینه­های حمل­و­نقل را به تأمین­کننده تحمیل می­نماید و ارتباط خریدار و تأمین­کننده پایان خواهد یافت. یافتن یک تأمین­کننده مناسب، تفهیم انتظارات و غیره هزینه و زمان زیادی را از خریدار خواهد گرفت.

تصمیم­گیری در خصوص نحوه برخورد مناسب با این اقلام به شکلی که به نفع طرفین باشد در این تحقیق مد نظر ما خواهد بود.

در این تحقیق ما قصد داریم مدلی را ارائه دهیم که به­طور همزمان منافع خریدار و تأمین­کننده را مدنظر قرار دهد. همانطور که می­دانیم همواره درصدی از قطعات دریافت شده از تأمین­کنندگان از کیفیت مطلوب برخوردار نیستند. مرجوع کردن این قطعات یا تعمیر و استفاده از آن­ها می­تواند از جمله برخوردهای خریدار در خصوص این اقلام باشد. با توجه به اینکه ما قصد داریم منافع خریدار و تأمین­کننده را همزمان بهینه کنیم تصمیم­گیری در خصوص این اقلام نقش تعیین کننده­ای روی هزینه­های دو طرف و روابط آینده آن­ها خواهد داشت.

بنابراین یکی از نوآوری­های این تحقیق لحاظ نمودن روش­های مختلف برخورد با اقلام معیوب و یافتن ترکیب بهینه­ای از این روش­ها به صورتی که منافع خریدار و تأمین­کننده همزمان بهینه شود خواهد بود.

­ساختار پایان­نامه

این پایان­نامه در قالب 6 فصل زیر تدوین شده است:

در فصل 2 مروری بر ادبیات حوزه­ی انتخاب تأمین­کننده و مدل­های هماهنگی در زنجیره تأمین انجام می­شود.

در فصل 3 مدل نهایی برای این تحقیق معرفی می­شود و سپس با در نظر گرفتن اقلام معیوب که نوع آوری ما در این مسأله است مدل را بازنویسی می­کنیم.

در فصل 4 متدولوژی حل مسأله به کمک الگوریتم ژنتیک تشریح می­شود و سپس با معرفی نرم افرار مطلب و پیاده سازی مدل در آن به حل مدل می­پردازیم.

در فصل 5 به معرفی شرکت صنایع برق زاویر و مطالعه موردی در آن شرکت می پردازیم و مسأله را با نرم افزار Lingo و الگوریتم ژنتیک حل می­کنیم.

در فصل 6 نتیجه گیری و مطالعات آینده را بیان می­کنیم.

فصل 2:

فصل2 مرور ادبیات موضوع

2-1-

منابع مورد استفاده در راستای این پایان­نامه تحت عنوان "تخصیص سفارش به تأمین­کنندگان به کمک الگوریتم­های متاهیوریستیک در شرکت صنایع برق زاویر" از مجلات معتبر علمی، کتاب­ها، پایان­نامه­ها و مقالات منتشر شده در کنفرانس­های علمی هستند.

در این تحقیق صرفاً مقالات فارسی و انگلیسی مورد توجه بوده­اند و مقالات منتشر شده به سایر زبان­ها یا مقالات منتشر شده در مجلات حرفه­ای غیر معتبر مورد استفاده قرار نگرفته­است.

کلید واژه­های اصلی برای جستجو در بانک­های اطلاعاتی اعم از سایت­های Irandoc و Sciecedirect عبارتند از: "انتخاب تأمین­کننده"، "انتخاب شریک"، "ارزیابی و انتخاب تأمین­کننده"، "هماهنگی خریدار و تأمین­کننده"، "ارتباط خریدار و تأمین­کننده" و "اندازه انباشته" هستند.

برای یافتن مباحث تحقیقاتی جدید، مقالاتی با کلید واژه­های: مرور ادبیات زنجیره تأمین" و "تحقیقات آتی در زنجیره تأمین" مورد بررسی قرار گرفته­اند.

2-2-

"نیاز به تأمین کالا و خدمات تقریباً هم­زمان با پیدایش شرکت­ها و سازمان‌ها شکل گرفت. در ابتدا شرکت‌ها بدون برنامه‌ی قبلی کالاها و خدمات مورد نیاز خود را تأمین می­کردند. در دهه‌ی 30 میلادی، تئوری‌های تقسیم کارِ آدام اسمیت سازمان‌هایی را ایجاد کرد که وظیفه­ای عمل می‌کردند. تجمیع وظایف کاری در قالب یک واحد سازمانی، مزیت تمرکز در مهارت و تخصص را بوجود آورد و منجر به پیدایش ساختارهای سازمانی وظیفه­ای کنونی شد" [1].

مراجع

 [1] مهدی غضنفری. فتح اله م. "نگرشی جامع بر مدیریت زنجیره تأمین"، 1386،چاپ اول، انتشارات دانشگاه علم و صنعت ایران.

[2]

Ghobadian A, A.S, Kiss T, A computerized vendor rating system 1993.

[3]

Ghodsypour, S.H. and C. O'Brien, The total cost of logistics in supplier selection, under conditions of multiple sourcing, multiple criteria and capacity constraint. International Journal of Production Economics, 2001. 73(1): p. 15-27.

[4]

Aissaoui, N.M. Haouari, and Hassini E, Supplier selection and order lot sizing modeling: A review. Computers & Operations Research, 2007. 34(12): p. 3516-3540.

[5]

Moore, D.L. and Fearon H.E, Computer-assisted decision-making in purchasing. Journal of Purchasing, 1973. 9(4): p. 5-25.

[6]

Kingsman, B.G, Purchasing raw materials with uncertain fluctuating prices. European Journal of Operational Research, 1986. 25(3): p. 358-372.

[7]

Weber, C.A, Current J.R, and Benton W.C, Vendor selection criteria and methods. European Journal of Operational Research, 1991. 50(1): p. 2-18.

[8]

Holt, G.D, Which contractor selection methodology? International Journal of Project Management, 1998. 16(3): p. 153-164.

[9]

Degraeve .Z , Labro E, and Roodhooft.F, An evaluation of vendor selection models from a total cost of ownership perspective. European Journal of Operational Research, 2000. 125(1): p. 34-58.

[10]

de Boer. L , Labro E, and Morlacchi. P, A review of methods supporting supplier selection. European Journal of Purchasing & Supply Management, 7(2): p. 75-89, 2001.

[11]

Ho, W., X. Xu, and Dey P.K., Multi-criteria decision making approaches for supplier evaluation and selection: A literature review. European Journal of Operational Research. 202(1): p. 16-24,2002.

[12]

Monczka, R.M., Giunipero L.C., and Reck R.F., Perceived importance of supplier information. Journal of Purchasing and Materials Management, 1981. 17(1): p. 21-9.

[13]

De Boer, L. and L.L.M. Van der Wegen, Practice and promise of formal supplier selection: a study of four empirical cases. Journal of Purchasing and Supply Management, 2003. 9(3): p. 109-118.

[14]

Sonmat, M., Review and critique of supplier selection process and practices. 2006.

 [15] م کاظمی، ح زاهدی. "انتخاب تأمین­کنندگان مدل­ها و معیارها"، چاپ اول. انتشارات دانشگاه فردوسی مشهد. 1388.

[16]

Narasimhan, R., An analytical approach to supplier selection. Journal of Purchasing and Materials Management, 1983. 19(4): p. 27-32.

[17]

Timmerman, E., An approach to vendor performance evaluation. 1987.

[18]

Hinkle, C.L., Robinson P.J., and Green P.E, Vendor evaluation using cluster analysis. Journal of Purchasing, 1969. 5(3): p. 49–58.

[19]

Charnes, Cooper W. W and A, Management models and industrial applications of linear programming. Management Science, 1957. 4(1): p. 38-91.

[20]

Weber, C.A. and Ellram L.M., Supplier Selection Using Multi—objective Programming. International Journal of Physical Distribution & Logistics Management, 1993. 23(2): p. 3-14.

[21]

Weber, C.A. and DesaA. i, Determination of paths to vendor market efficiency using parallel coordinates representation: A negotiation tool for buyers. European Journal of Operational Research, 1996. 90(1): p. 142-155.

[22]

Talluri, S. and Narasimhan R., Vendor evaluation with performance variability: A max-min approach. European Journal of Operational Research, 2003. 146(3): p. 543-552.

[23]

Roodhooft, Konings F and J, Vendor selection and evaluation an Activity Based Costing approach. European Journal of Operational Research, 1997. 96(1): p. 97-102.

[24]

Benton, Park W.C. and S., A classification of literature on determining the lot size under quantity discounts. European Journal of Operational Research, 1996. 92(2): p. 219-238.

[25]

Wind, . Robinson Y and P.J, The determinants of vendor selection: the evaluation function approach. Journal of Purchasing and Materials Management, 1968. 4(3): p. 29-41.

[26]

Zenz, Thompson G.J. and G.H., Purchasing and the Management of Materials. 1987: Wiley New York, NY.

[27]

Hong Hayya, J.-D. and J.C., Just-In-Time purchasing: Single or multiple sourcing? International Journal of Production Economics, 1992. 27(2): p. 175-181.

[28]

Mendoza, A., Effective methodologies for supplier selection and order quantity allocation. 2007.

[29]

Gaballa, A.A., Minimum cost allocation of tenders. Operational Research Quarterly, 1974. 25(3): p. 389-398.

[30]

Current ,Weber J. and C., Application of facility location modeling constructs to vendor selection problems. European Journal of Operational Research, 1994. 76(3): p. 387-392.

[31]

Sadrian, Yoon A.A. and Y.S., A procurement decision support system in business volume discount environments. Operations Research, 1994. 42(1): p. 14-23.

[32]

Hong, G.H., et al., An effective supplier selection method for constructing a competitive supply-relationship. Expert Systems With Applications, 2005. 28(4): p. 629-639.

[33]

Anthony, Buffa T.F. and F.P., Strategic purchase scheduling. Journal of Purchasing and Materials Management, 1977. 13(3): p. 27-31.

[34]

Pan, A.C., Allocation of order quantity among suppliers. Journal of Purchasing and Materials Management, 1989. 25(3): p. 36-39.

[35]

Chaudhry ,Forst S.S., F.G., and Zydiak J.L., Vendor selection with price breaks. European Journal of Operational Research, 1993. 70(1): p. 52-66.

[36]

Das, C. and R. Tyagi, Wholesaler: a decision support system for wholesale procurement and distribution. International Journal of Physical Distribution and Logistics Management, 1994. 24: p. 4-4.

[37]

Bender, P.S., et al., Improving purchasing productivity at IBM with a normative decision support system. Interfaces, 1985: p. 106-115.

[38]

Narasimhan, R. and L.K. Stoynoff, Optimizing aggregate procurement allocation decisions. Journal of Purchasing and Materials Management, 1986. 22(1): p. 23-30.

[39]

Turner, I., An independent system for the evaluation of contract tenders. Journal of the Operational Research Society, 1988. 39(6): p. 551-561.

[40]

Rosenthal, E.C., Zydiak J.L., and Chaudhry S.S., Vendor Selection with Bundling. Decision Sciences, 2007. 26(1): p. 35-48.

[41]

Ghodsypour, O'Brien S.H. and C. An integrated method using the analytical hierarchy process with goal programming for multiple sourcing with discounted prices. 1997.

[42]

Lee, E.K., S. Ha, and Kim S.K., Supplier selection and management system considering relationships in supply chain management. IEEE Transactions on Engineering Management, 2001. 48(3): p. 307-318.

[43]

Dogan, I. and Sahin U, Supplier selection using activity-based costing and fuzzy present-worth techniques. Logistics Information Management, 2003. 16(6): p. 420-426.

[44]

Basnet, Leung C. and J.M.Y., Inventory lot-sizing with supplier selection. Computers & Operations Research, 2005. 32(1): p. 1-14.

[45]

Liao, Rittscher Z. and J., Integration of supplier selection, procurement lot sizing and carrier selection under dynamic demand conditions. International Journal of Production Economics, 2007. 107(2): p. 502-510.

[46]

Lorin Robert, C., Case-Based Reasoning Systems in Purchasing: Applications and Development. The Journal of Supply Chain Management, 1997. 33(1): p. 32-39.

[47]

Choy ,Lee K.L. and W.B., A generic supplier management tool for outsourcing manufacturing. Supply Chain Management: An International Journal, 2003. 8(2): p. 140-154.

[48]

McIvor, Humphreys R.T. and P.K., A case-based reasoning approach to the make or buy decision. Integrated Manufacturing Systems, 2000. 11(5): p. 295-310.

[49]

Zhao, Yu K. and X., A case based reasoning approach on supplier selection in petroleum enterprises. Expert Systems With Applications. 38(6): p. 6839-6847.

[50]

Fabian, T., et al., Purchasing raw material on a fluctuating market. Operations Research, 1959: p. 107-122.

[51]

Morris, W.T., Some analysis of purchasing policy. Management Science, 1959. 5(4): p. 443-452.

[52]

Golabi, K., Optimal inventory policies when ordering prices are random. Operations Research, 1985. 33(3): p. 575-588.

[53]

Polatoglu, Sahin H. and I., Optimal procurement policies under price-dependent demand. International Journal of Production Economics, 2000. 65(2): p. 141-171.

[54]

Kumar, M., Vrat P., and Shankar R., A fuzzy goal programming approach for vendor selection problem in a supply chain. Computers & Industrial Engineering, 2004. 46(1): p. 69-85.

 [55] ا عمید, "ارائه مدل کمی برای ارتباط خریدار – تامین کننده در زنجیره تامین," پایان نامه دکترای مهندسی صنایع, 1384.

[56] غ مقدم، "ارائه مدل فازی چند هدفه برای انتخاب تأمین کننده در زنجیره تأمین،" پایان نامه کارشناسی ارشد مهندسی صنایع دانشگاه امیرکبیر، 1386.

[57]

Zarandi, Saghiri M.H.F. and S.. A comprehensive fuzzy multi-objective model for supplier selection process. 2003.

[58]

Amid, A., Ghodsypour S.H., and O'Brien C., A weighted additive fuzzy multiobjective model for the supplier selection problem under price breaks in a supply Chain. International Journal of Production Economics, 2009. 121(2): p. 323-332.

[59]

Amid, A., Ghodsypour S.H., and O'Brien C., A weighted max-min model for fuzzy multi-objective supplier selection in a supply chain. International Journal of Production Economics. 2008.131(1): p. 139-145.

[60]

Sodhi, Tang M.M.S. and C.S., Modeling supply-chain planning under demand uncertainty using stochastic programming: A survey motivated by asset-liability management. International Journal of Production Economics, 2009. 121(2): p. 728-738.

[61]

Dey, Chakraborty O. and D., Fuzzy periodic review system with fuzzy random variable demand. European Journal of Operational Research, 2009. 198(1): p. 113-120.

[62]

Li, C.L., Hsu V.N., and Xiao W.Q., Dynamic lot sizing with batch ordering and truckload discounts. Operations Research, 2004. 52(4): p. 639-654.

[63]

Awasthi, A., et al., Supplier selection problem for a single manufacturing unit under stochastic demand. International Journal of Production Economics, 2009. 117(1): p. 229-233.

[64] ر جاذمی، مدل سازی مسأله چندهدفه انتخاب تأمین کننده با در نظرگرفتن همزمان منافع خریدار و تأمین کنندگان 1386.

[65]

Yücel, Güneri A. and A.F., A weighted additive fuzzy programming approach for multi-criteria supplier selection. Expert Systems with Applications. 2004.38(5): p. 6281-6286.

[66]

Jolai, F., et al., Integrating fuzzy TOPSIS and multi-period goal programming for purchasing multiple products from multiple suppliers. Journal of Purchasing and Supply Management. 2005.17(1): p. 42-53.

[67]

Partovi, Burton F.Y. and J., An analytical hierarchy approach to facility layout. Computers & Industrial Engineering, 1992. 22(4): p. 447-457.

[68]

Barbarosoglu, Yazgac G. and T., An application of the analytic hierarchy process to the supplier selection problem. Production and Inventory Management Journal, 1997. 38: p. 14-21.

[69]

Nydick, Hill R.L. and R.P., TJsing the Analytic Hierarchy Process to Structure the Supplier Selection Procedure. 1992.

[70]

Yahya, Kingsman S and B, Vendor rating for an entrepreneur development programme: a case study using the analytic hierarchy process method. Journal of the Operational Research Society, 1999. 50(9): p. 916-930.

[71]

Tam, Tummala M.C.Y. and V.M.R., An application of the AHP in vendor selection of a telecommunications system. Omega, 2001. 29(2): p. 171-182.

[72]

Handfield, R., et al., Applying environmental criteria to supplier assessment: A study in the application of the Analytical Hierarchy Process. European Journal of Operational Research, 2002. 141(1): p. 70-87.

[73]

Colombo, Francalanci E. and C., Selecting CRM packages based on architectural, functional, and cost requirements: Empirical validation of a hierarchical ranking model. Requirements Engineering, 2004. 9(3): p. 186-203.

[74]

Masella, Rangone C. and A., A contingent approach to the design of vendor selection systems for different types of co-operative customer/supplier relationships. International Journal of Operations and Production Management, 2000. 20(1): p. 70-84.

[75]

Kilincci, Onal O. and S.A., Fuzzy AHP approach for supplier selection in a washing machine company. Expert Systems with Applications. 2008.38(8): p. 9656-9664.

[76]

Chamodrakas, I., Batis D., and D. Martakos, Supplier selection in electronic marketplaces using satisficing and fuzzy AHP. Expert Systems with Applications. 2010.37(1): p. 490-498.

[77]

Kokangul, Susuz A. and Z., Integrated analytical hierarch process and mathematical programming to supplier selection problem with quantity discount. Applied Mathematical Modelling, 2009. 33(3): p. 1417-1429.

[78]

Liu, F.-H.F. and H.L. Hai, The voting analytic hierarchy process method for selecting supplier. International Journal of Production Economics, 2005. 97(3): p. 308-317.

[79]

Soltanifar, Hosseinzadeh Lotfi M. and F., The voting analytic hierarchy process method for discriminating among efficient decision making units in data envelopment analysis. Computers & Industrial Engineering. 60(4): p. 585-592.

[80]

Goyal, S.K., An integrated inventory model for a single supplier-single customer problem. International Journal of Production Research, 1977. 15(1): p. 107-111.

[81]

Goyal, Gupta S.K. and Y.P., Integrated inventory models: The buyer-vendor coordination. European Journal of Operational Research, 1989. 41(3): p. 261-269.

[82]

Landeros, Lyth R. and D.M., Economic-Lot-Size Models For Cooperative Inter-Organization. Journal of Business Logistics, 1989. 10(2): p. 146-158.

[83]

Bhatnagar, R., Chandra P., and Goyal S.K., Models for multi-plant coordination. European Journal of Operational Research, 1993. 67(2): p. 141-160.

[84]

Thomas, . Griffin D.J. and P.M, Coordinated supply chain management. European Journal of Operational Research, 1996. 94(1): p. 1-15.

[85]

Sarmah, S.P., Acharya D., and  Goyal S.K, Buyer vendor coordination models in supply chain management. European Journal of Operational Research, 2006. 175(1): p. 1-15.

[86]

Banerjee, A., A joint economic lot size model for purchaser and vendor. Decision Sciences, 1986. 17(3): p. 292-311.

[87]

Goyal, S.K., A one-vendor multi-buyer integrated inventory model: A comment. European Journal of Operational Research, 1995. 82(1): p. 209-210.

[88]

Huang, C.-K., An integrated vendor-buyer cooperative inventory model for items with imperfect quality. Production Planning & Control, 2002. 13(4): p. 355-361.

[89]

Kevin Weng, Zeng Z. and A.Z., The role of quantity discounts in the presence of heterogeneous buyers. Annals of Operations Research, 2001. 107(1): p. 369-383.

[90]

Sharafali M., C.C.H.,. Some models for understanding the cooperation between the supplier and and -. the buyer. International Journal of Production Research, 2000.38(15).

[91]

Kim, T., Hong Y., and Lee J, Joint economic production allocation and ordering policies in a supply chain consisting of multiple plants and a single retailer. International Journal of Production Research, 2005. 43(17): p. 3619-3632.

[92]

Yung, K.L., et al., Heuristics for joint decisions in production, transportation, and order quantity. Transportation science, 2006. 40(1): p. 99.

[93]

Park, S.S., Kim T., and Hong Y., Production allocation and shipment policies in a multiple-manufacturer–single-retailer supply chain. International journal of systems science, 2006. 37(3): p. 163-171.

[94]

van der Veen, Venugopal J.A.A. and V., Using revenue sharing to create win–win in the video rental supply chain. Journal of the Operational Research Society, 2005. 56(7): p. 757-762.

[95]

Ben-Daya, M., Darwish M., and Ertogral K., The joint economic lot sizing problem: review and extensions. European Journal of Operational Research, 2008. 185(2): p. 726-742.

[96]

Kheljani Gheidar, J., . Ghodsypour S.H, and O’Brien C., Optimizing whole supply chain benefit versus buyer's benefit through supplier selection. International Journal of Production Economics, 2009. 121(2): p. 482-493.

[97] حجی، جزوه درس برنامه ریزی و کنترل موجودی ها.

[98] احمد صادقیه، تحلیل تصمیم گیری با استفاده از الگوریتم ژنتیک. چاپ اول، انتشارات نوین یزد، 1384.

[99]

Gen, M. Syarif and A., Hybrid genetic algorithm for multi-time period production/distribution planning. Computers & Industrial Engineering, 2005. 48(4): p. 799-809.

[100]

Wang, Shu J. and Y.F., Fuzzy decision modeling for supply chain management. Fuzzy Sets and Systems, 2005. 150(1): p. 107-127.

[101]

Zhang,  ZhangX.-L. and K.-C., Using genetic algorithm to solve a new multi-period stochastic optimization model. Journal of Computational and Applied Mathematics, 2009. 231(1): p. 114-123.

[102]

Xiong, Rao Y. and S.S., Fuzzy nonlinear programming for mixed-discrete design optimization through hybrid genetic algorithm. Fuzzy Sets and Systems, 2004. 146(2): p. 167-186.

[103]

Zegordi, Nia S.H. and B., A multi-population genetic algorithm for transportation scheduling. Transportation Research Part E: Logistics and Transportation Review, 2009.

[104]

Hop Tabucanon, N.V. and M.T., Adaptive genetic algorithm for lot-sizing problem with self-adjustment operation rate. International Journal of Production Economics, 2005. 98(2): p. 129-135.

[105] واحد برنامه ریزی و تولید صنایع برق زاویر.