كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / یازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

خوشه‌بندی پویا و دسته‌بندی محصول مبتنی بر شبکه عصبی برای طراحی شبکه زنجیره تأمین در شرایط عدم قطعیت

نویسندگان :

امیرحسین عموجعفری¹ کیانا صالحی² مینا سادات اخوی³

1- دانشگاه صنعتی شریف 2- دانشگاه تهران 3- دانشگاه تهران

کلمات کلیدی :

طراحی شبکه زنجیره تامین،خوشه‌بندی پویا،شبکه عصبی،عدم قطعیت،یادگیری ماشین،Kmeans محدود شده

چکیده :

در شرایطی که زنجیره‌های تأمین با پیچیدگی فزاینده، نوسانات تقاضا و فشارهای محیطی روبه‌رو هستند، اتکای صرف بر مدل‌های ایستا و غیرهوشمند در طراحی شبکه‌های توزیع، ناکارآمد و در بسیاری موارد غیرواقع‌گرایانه است. در محیط‌های چنددوره‌ای، ناپایدار و پرریسک، بهره‌گیری از چارچوب‌های داده‌محور و سازوکارهای هوشمند برای ارتقای قابلیت تطبیق و کاهش هزینه‌های عملیاتی، ضروری به‌شمار می‌رود. در این پژوهش، با هدف بهینه‌سازی عملکرد زنجیره تأمین و افزایش انعطاف‌پذیری در تخصیص منابع، یک چارچوب ترکیبی برای طراحی شبکه چنددوره‌ای تصادفی دو سطحی ارائه شده است. در گام نخست، یک الگوریتم خوشه‌بندی بهبودیافته مبتنی بر K-means محدود شده توسعه یافته که با لحاظ قیود ظرفیت و توازن خوشه‌ها، امکان بازپیکربندی پویا و سازگار با تغییرات تقاضا را در دوره‌های مختلف فراهم می‌سازد. سپس، شبکه‌ای عصبی مصنوعی برای طبقه‌بندی نوع محصولات طراحی شده که با تحلیل ویژگی‌های فیزیکی و عملکردی کالاها، تصمیم بهینه برای تخصیص آن‌ها به انبار مرکزی یا مراکز کراس‌داک را استخراج می‌نماید. خروجی این دو ماژول به‌صورت مستقیم به مدل ریاضی تصادفی دو سطحی وارد شده و فرآیند مکان‌یابی، تخصیص و مسیریابی را در شرایط عدم‌قطعیت بهینه‌سازی می‌کند. افزون بر این، یک الگوریتم بهبود خوشه‌بندی نیز طراحی شده که با بازآرایی خوشه‌ها بر اساس نرخ کمبود، موجب افزایش تاب‌آوری شبکه می‌شود. این چارچوب در قالب یک مطالعه‌ی موردی واقعی پیاده‌سازی شده و نتایج عددی حاکی از کاهش معنادار هزینه‌ها و صرفه‌جویی‌هایی تا حدود 32٪ در برخی دوره‌ها، همراه با ارتقاء پایداری عملکرد شبکه است.