کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7540891 1489043 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling a two-stage supply contract problem in a hybrid uncertain environment
ترجمه فارسی عنوان
مدل سازی یک مشکل قرارداد تامین دو مرحله ای در یک محیط نامحدود ترکیبی
کلمات کلیدی
مدیریت زنجیره تامین، گزینه قرارداد آتی، تقاضای نامعلوم، بهینه سازی دو مرحله ای، تصمیم گیری
ترجمه چکیده
این مطالعه مشکل قرارداد عرضه در مدیریت زنجیره تامین را مورد بررسی قرار می دهد که در آن تقاضای نااطمینانه از عوامل مختلف تحت تأثیر قرار می گیرد. از آنجاییکه داده های تاریخی موجود نمی توانند به طور دقیق توزیع احتمال احتمالی تقاضای آینده تعیین کنند، پیش بینی کارشناسان با تجربه در مورد تقاضای نامعین معمولا در روند مدل سازی عملی مشکلات قرارداد عرضه مورد نیاز است. سهم اصلی این مطالعه این است که تقاضای نامشخص را با توزیع احتمالی و توزیع احتمالی مدل سازی کنیم و یک مدل بهینه سازی ارزش انتظار برای دو مرحله ای جدید برای مشکل قرارداد عرضه کنیم که در آن قرارداد گزینه های آینده برای کاهش خطر استفاده می شود تقاضای ناامن در مرحله اول تصمیم گیری، توزیع کننده یک قرارداد گزینه های آینده با فروشنده را برای تعیین مقادیر سفارشات آتی و گزینه ها امضا می کند. پس از شناخت تقاضای نامطمئن، توزیع کننده گزینه های امضا شده را به عنوان تصمیم گیری در مرحله دوم مورد استفاده قرار می دهد. هنگامی که تقاضای واقعی به دنبال توزیع احتمالی و احتمالی مشترک می باشد، مدل پیشنهادی دو مرحله ای بهینه سازی می تواند به مدل برنامه ریزی معادل تعیین کننده تبدیل شود تا بتوان از طریق نرم افزار بهینه سازی تجاری به طور موثر حل شود. برای نشان دادن اثربخشی روش بهینه سازی پیشنهادی، یک مشکل عملی قرارداد تامین گاز طبیعی در آزمایش های عددی ما ارائه شده است. نتایج محاسباتی نشان می دهد که توزیع احتمالی تقاضای نامعین بر تصمیم گیری سفارشات تأثیر می گذارد و مدل تقاضای نامشخص با توزیع احتمال و توزیع احتمال در مشکل قرارداد تامین گاز طبیعی ما واقع گرایانه است. در نتیجه، روش بهینه سازی دو مرحلهای پیشنهاد شده می تواند توزیع کنندگان را در تصمیم گیری های آگاهانه خود در مورد مشکل قرارداد عرضه ارائه دهد، در حالی که توزیع احتمالی تقاضای ناخواسته تا حدی شناخته شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
چکیده انگلیسی
This study examines the supply contract problem in supply chain management, in which the uncertain demand is affected by a variety of factors. Since the available historical data cannot adequately determine the exact probability distribution of future demand, the prediction of experienced experts about uncertain demand is usually required in the practical modeling process of supply contract problem. The main contributions of this study are to model the uncertain demand by both probability distribution and possibility distribution, and develop a new two-stage expected value optimization model for our supply contract problem, in which an options-futures contract is employed to reduce the risk of uncertain demand. In the first decision-making stage, the distributor signs an options-futures contract with the supplier to determine the futures and options ordering quantities. After knowing the realization of uncertain demand, the distributor takes the signed options as the recourse decision in the second stage. When the actual demand follows some common probability and possibility distributions, the proposed two-stage optimization model can be turned into its deterministic equivalent programming model so that it can be solved efficiently via commercial optimization software. To illustrate the effectiveness of the proposed optimization method, a practical natural gas supply contract problem is provided in our numerical experiments. The computational results demonstrate that the possibility distribution of uncertain demand does affect the ordering decisions, and modeling uncertain demand by both probability distribution and possibility distribution is more realistic in our natural gas supply contract problem. As a result, the proposed two-stage optimization method can guide distributors to make their informed decisions in practical supply contract problem when the probability distribution of uncertain demand is partially known.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Industrial Engineering - Volume 123, September 2018, Pages 289-302
نویسندگان
, , ,