Heibatolah Sadeghi

Given the growing importance of environmental sustainability and the challenges arising from economic development, designing green supply chains has become a fundamental requirement in industrial management and logistics. This study proposes a comprehensive model for designing a green supply chain, structured into three stages. In the first stage, green suppliers are identified and selected using environmental, economic, and social criteria. The second stage focuses on determining the optimal location for the central warehouse using a fuzzy multi-criteria decision-making approach. In the third stage, a comprehensive model for routing-inventory management in the green supply chain under uncertainty, considering customer satisfaction, is presented. The proposed model pursues three primary objectives: minimizing supply chain costs, improving customer satisfaction by meeting demands promptly, and reducing environmental impacts from transportation and warehousing. To model demand uncertainty, a scenario-based analysis approach is utilized, and the problem is solved using the epsilon-constraint method in GAMS software. The results demonstrate that the proposed model effectively reduces total supply chain costs, enhances customer service levels, and minimizes environmental impacts. Sensitivity analysis concerning demand variations revealed that increased demand leads to higher costs, inventory shortages, and emissions, while decreased demand has the opposite effects. Additionally, Pareto front analysis highlighted the trade-offs among the model's objectives, emphasizing the importance of balancing these goals for optimal supply chain management. This study provides a practical and innovative model, offering valuable tools for decision-making in green supply chain design and opening new avenues for future research in this field.

In today’s world, supply chain management has become one of the most critical challenges for organizations. A supply chain encompasses all activities from raw material procurement to delivering the final product to the customer. Coordination and collaboration among supply chain members play a key role in improving efficiency and reducing costs. A major issue in supply chain management is how to design contracts among different members to achieve overall performance optimization. This thesis examines and develops a hybrid contract model to coordinate a supply chain where retailer demand is price-sensitive and stochastic. The study aims to propose a coordination mechanism that enhances alignment and increases profits for all supply chain members. One of the fundamental challenges in supply chains is managing short-lifecycle products. These products entail risks of overstocking or shortages while also offering opportunities for higher profit margins. The proposed hybrid contract model incorporates assumptions such as price-dependent demand and the impact of demand uncertainty on supply chain performance. These assumptions enable us to develop appropriate mathematical models for analyzing and optimizing supply chain operations. The findings demonstrate that the proposed coordination mechanism achieves full coordination and a win-win outcome for all supply chain members. Sensitivity analysis reveals that as the revenue-sharing coefficient and price sensitivity increase, the order quantity and retailer profit significantly improve. Additionally, the results indicate that demand uncertainty negatively impacts supply chain performance; however, coordination contracts can substantially mitigate these adverse effects.

Inventory management plays a crucial role in the efficient and effective operation of pharmacies and serves as the foundation of pharmaceutical healthcare services. Pharmacies constantly face the challenge of balancing the need to ensure an uninterrupted supply of essential medications while avoiding excessive holding costs and waste. Proper inventory management helps pharmacies achieve this delicate balance by minimizing the risks of shortages, overstock, optimizing resources, and most importantly, maximizing pharmacy profits. pharmacies are unique in that they must maintain a diverse range of medications and healthcare products, each with distinct storage conditions, shelf lives, and regulatory considerations. Effective inventory management in pharmacies is complex and critical as it directly impacts the pharmacy's profitability. The overall goal is to ensure that the pharmacy has the right products in the right quantities at the right times while minimizing expired inventory. Achieving this balance is essential for a pharmacy to thrive in a competitive market. this research focuses on maximizing pharmacy profits with a strategic data-driven approach. It begins by utilizing sales record data derived from prescriptions received from patients as input for the data mining and forecasting process. The data mining process employs the widely used Apriori algorithm to identify frequent item sets of medications along with their support values. additionally, the demand for medications is forecasted using the Recurrent Neural Networks (RNN) algorithm. furthermore, by gathering information on the drug inventory process and cash inventory in the pharmacy, a mathematical model with the objective function of maximizing pharmacy profit is constructed. Finally, to evaluate the constructed mathematical model, the frequent item sets obtained and the forecasted demand values are used as inputs in two stages. In the first stage, the mathematical model is solved for a small sample, and in the second stage, for a larger sample. in this study, the results obtained from solving the mathematical model reveal that the sales volume of frequently co-consumed medications is strongly linked to the inventory of other drugs. The absence of even one co-consumed drugs leads to the non-sale of the targeted drug, regardless of its inventory level.

Supply chain management tries to improve the efficiency of the entire chain and increase the level of customer service. Although factors such as location and inventory play an important role in improving the efficiency and longevity of a supply chain, but one of the most important issues that is crucial in responding appropriately to customers’ demand and timely delivery of products is increasing the reliability of the supply chain. One of the ways to increase the reliability in factories and production firms is proper allocation of redundant components. In the present study, for the first time, the issue of simultaneous optimization of facility location-inventory-redundancy allocation has been investigated. In this regard, a multiple-period three-level problem including supplier, distributor and retailer has been take into account. It has been assumed that demand for each retailer is stochastic and follows the normal distribution. Moreover, in order to deal with the fluctuations of demand, the risk pooling strategy has been applied, as a result of which, inventory will be held only in distribution centers. For this purpose, a bi-objective integer nonlinear programming model has been proposed to optimize the total cost of the supply chain as well as its reliability. Furthermore, by adding environmental considerations and energy cost, another three-objective model has been developed with the goals of minimizing the amount of environmental pollution and also the costs of the entire supply chain and maximizing its reliability. Since facility location-inventory and redundancy allocation are commonly categorized as NP-Hard problems, multi-objective metaheuristic algorithms i.e., AMOSA, NSGAII and MOABC have been developed for solving the aforementioned problem. By evaluating and comparing the presented meta-heuristic algorithms using a number of comparative indices of multi-objective algorithms, the results state that the MOABC algorithm has shown better performance in finding quality solutions and in lower time in both models, however, the NSGAII algorithm has provided more diverse Pareto optimal solutions. On the other hand, the results show that using the risk pooling strategy in conditions where the demand uncertainty is very high can be effective in reducing costs by six percent.

Marine oil spills, whether caused by human errors or natural disasters, present significant risks to the environment and the economy. Prevention is the ideal approach to effectively manage and minimize the impact of an oil spill; however, contingency plans are also important to mitigate adverse effects in the event of a spill. One crucial decision that must be made before oil spill incidents is the selection of coastal or marine stations for housing oil spill collection equipment. These decisions should be made in a manner that allows for the coverage of the largest possible area affected by the oil slick in the shortest possible time, aiming to prevent the spread of oil towards the shoreline. In situations where complete pollution collection is not feasible, burning the remaining oil stains in place is a viable option to remove the remaining pollution and minimize overall damage. However, in-situ incineration has disadvantages such as air pollution from particulate matter and the release of toxic gases into the air or water, which have limited its widespread use and acceptance as an oil pollution management method. This thesis investigates the problem of locating and deploying two categories of equipment, namely first and second-level equipment, for controlling petroleum product leaks. Taking into consideration the possibility of oil product leaks in the areas under investigation, a number of selected sites are considered for the deployment of this equipment. With budget limitations in mind, the goal is to select a certain number of sites that minimize two objective functions: the sum of the total costs, including equipment purchases, site construction, and equipment transportation to the spill location, and the total amount of water and air pollution caused by the leakage of oil products and the incineration of leaking materials, respectively. To demonstrate the effectiveness of the presented mathematical model, numerical data from a real case study is used. Finally, the sensitivity of the results obtained from solving the mathematical model to changes in the key parameters of the model is examined.

For growing items, inventory is checked more in terms of weight due to the nature of the product. In this case, growing items can be considered as a set of goods whose stock level increases during the storage period. poultry, livestock and aquatic animals have taken an important part of the food supply chain. Therefore, inventory management and correct pricing of growing items can be a great help in the direction of supply chain management and controlling consumption and sales of the desired product. In this context, this research assumes that retailer demand is a non-increasing linear function of the product's selling price, and analyzes inventory management and pricing of growth items in a two-level supplier-distributor supply chain. Suppliers buy raw materials (newborn animals) at the beginning of the production cycle, grow them, and finally sell them at the end of the growth cycle. The prepayment strategy is also used for supply chain coordination. This problem is investigated in two modes: centralized and de centralized. First, we create a mathematical model of the problem with the goal of maximizing profit, and then use mathematical optimization concepts to determine the optimal solution to the problem. Finally, by giving a numerical example, the performance of the stated models and their sensitivity analysis are discussed. Based on the results obtained, depending on the nature of the problem, changes in the problem parameters did not significantly affect the length of the supplier's growth period, and the change in purchase cost at each level. The chain had a big impact on the profit you could have compared to other cost parameters

Effective and efficient inventory control has a fundamental role in today’s competitive market by reducing costs significantly and helps with the effective flow of goods and services in the economy. During the last decades, numerous models have been proposed for inventory control problems. In the early models, an implicit assumption was that the goods stored in inventory had unlimited life and an invariable performance. In reality this assumption isn’t proper for a large category of inventories. This category includes inventories exposed to decay, obsolescence or perishability, which entered the mathematical models of inventory control problems in subsequent decades. In this research inventory control policies for a perishable product have been studied. The perishability of the product is non-instantaneous, that is, perishability doesn’t exist in the first interval of product’s lifetime, and then it begins in the second interval. Besides, in the studied problem demand has a probabilistic distribution and regarding that the problem is a single period one, the retailer should decide at the beginning, how much to order considering the mentioned conditions. Retailer can reduce the amount of perished products and increase his profits by investing in preservation technology (leasing preservation equipment). He can also increase the demand and thus his own profits by reducing the sale price of products at the beginning of product deterioration in the second period of product lifetime. The objective of the problem is finding the best combination of order quantity, sales price and the amount of investment in preservation technology to maximize the total profit. The problem has been modelled mathematically and a solution approach has been proposed for it. Finally, the problem has been evaluated using a numerical example and sensitivity analysis and results survey have been performed. Results show that the sensitivity of total profit is higher to the variations of first interval of product’s life time (without perishability), the expected value of the stochastic portion of demand function and product’s holding cost per time unit, in comparison to other parameters.

Due to the increasing aging population and the growing trend of cancer patients in the world, the lack of human and financial resources is one of the main obstacles to providing optimal services to cancer patients in health care systems. Therefore, accurate evaluation of information about resources, personnel, equipment, and cost evaluation is of particular importance. Time is an essential element in radiation oncology. Therefore, setting an optimal schedule for patients and starting treatment on time increases the level of patient satisfaction with the provision of medical services. Patient scheduling represents a low-cost, low-tech approach to improving treatment effectiveness. The aim of this study is to schedule the patients with reducing the waiting time. First, prioritize patients based on four key factors using the TOPSIS decision-making method on the waiting list and provide efficient scheduling of existing equipment capacity for new patients, while rescheduling patients who have already started their treatment program, will be done. The schedule is adjusted so that treatment time limits, patients' scheduling of consecutive days in the same device of the first session of treatment, coverage of all required treatment sessions, and restrictions on the use of medical equipment taking into account their availability and capacity, be established. Planning decisions this dissertation has a short-term weekly planning horizon and aims to support the implementation of the health care delivery process. Although there is little flexibility on the supply side, there is a lot of information available at this level. The duration of treatment with a linear accelerator for each patient involved on uncertainty is influenced by various factors. Uncertainty in the model and forecasts may lead to unjustified or infeasible implementation in the programs produced. In this study, in order to deal with this problem, robust optimization approaches using Bertsimas and wire methods, considering the budget of uncertainty, are used to prevent the violation of constraints. Numerical tests are performed to validate the proposed model in two samples. In the first sample, studies are performed with real data from Lorestan Radiotherapy Center. In the second sample, data from a sample inspired by the relevant literature from a radiotherapy center in the United Kingdom are examined and tested. Based on these analyzes, by examining different levels, if 30% of the parameters involved in uncertainty are considered in robust modeling of the problem with an acceptable stability cost, the problem will be justified.

In today's competitive market, one of the determining factors that play a very important role in manufacturing and firms is inventory control systems. In the classical model of economic production systems (EPQ), there are some assumptions that sometimes make the results unrealistic for production systems, which in turn increases the system costs. One of these assumptions is the perfect quality for all products. In some manufacturing systems, the quality of the final product depends on the technology, the quality of the raw materials and the skills of the labor, and so on. In this research, production planning and inventory control are considered considering product reliability. The rate of production of perfect products decreases over time, which indicates an increase in the number of unperfect products over time. Due to the fact that for some products, such as perishable products, durable products, etc., the demand has a non-increasing trend over time, for this purpose, manufacturers generally reduce prices or advertise to increase demand. In this study, demand is considered in accordance with the behavior of producers, which depends on time, price, and advertising. It should be noted that by using the production machine, the operating cost of the machine increases over time, and at the end of the planning horizon, the machine is inspected and the necessary repairs are performed to restore the machine to its original state. For the described problem, a mathematical model is expressed in the finite planning horizon, which, while presenting a solution approach, provides a numerical example to validate, analyze, and interpret the results.

در این پایان نامه یکی از موضوعات پُرکاربرد در زمینهی برنامه ریزی و کنترل تولید و موجودیها مورد بحث و بررسی قرار می گیرد. تاکنون مدلهای بسیاری برای مسئله انتخاب تأمین کننده بررسی و توسعه داده شده است. اکثر این مدلها از دید خریدار بررسی شده و فقط سود خریدار را حداکثر می کنند که این امر لزوماً منجر به ایجاد یک موقعیت بهینه برای تمام اعضای یک زنجیره تأمین نمی شود. همچنین در گذشته، مدلهای یکپارچهی بسیاری بهمنظور بهینه سازی سود همه اعضای زنجیره تامین و همترازی تصمیمات بین نهادهای یک زنجیره تامین ارائه شده است. در این پایاننامه، مسئله ی هماهنگی بین یک خریدار و تعدادی تامین کننده ی بالقوه در فرآیند انتخاب تامین کننده در یک زنجیره تأمین دو سطحی متمرکز مورد توجه قرار گرفته است. در این پژوهش، خریدار یک خرده فروش است که یک نوع کالای فاسد شدنی را با تقاضای مشخص و ثابتی از فروشندگان خریداری میکند و سپس آن را به مشتریان نهاییِ خود میفروشد. فروشندگان همان تأمینکنندگان کالای فاسد شدنی هستند که هر تأمینکننده، خود یک تولید کننده با نرخ تولید مشخص و ثابت است. به همین منظور در این پژوهش یک مدل ریاضی ارائه شدهاست. از طرفی، در تابع هدف مدل به جای آنکه فقط هزینه خرده فروش به حداقل برسد، هزینه کل زنجیره تامین به حداقل میرسد. هزینه ی کل زنجیره تامین شامل هزینههای خریدار و تامین کنندگان است. این حداقل کردن هزینه به صورت همزمان و هماهنگ بین خریدار و فروشندگان، یک مزیت بزرگ برای حفظ منفعت هر دو طرف خواهد بود. مدل ارائه شده در این پژوهش با استفاده از برنامهریزی غیرخطی مختلط عددصحیح حل شدهاست. در نهایت، این مدل با یک مثال عددی بررسی شده و سپس نتایج حاصل شده مورد تجزیه و تحلیل قرار می گیرد.

Cities, as centers of human agglomeration, suffer great damage during natural and manmade disasters, and the costs of damages in the event of a disaster in urban areas increase rapidly. By 2050, 66% of the world's population is expected to live in cities, where various human activities are concentrated. Therefore, cities are more and more vulnerable to disasters, especially floods and earthquakes, which can cause serious damage to any city without warning. When an earthquake occurs in a large city, the damage can be severe, both socially and economically. Thus, without proper operational management, even an intermediate earthquake can be a devastating disaster. Although it is not possible to prevent or predict the next earthquake, its adverse effects can be mitigated through the implementation of various strategies. By planning emergency shelters during the preparedness stages, the risk of earthquakes can be significantly reduced and their resilience to this disaster can be improved. Therefore, in this thesis, by presenting a mathematical model to examine the appropriate place for allocating the construction of the shelter, as well as after the division and districting of residential spaces, an attempt has been made to allocate the districts to selected locations. Also, after the earthquake, the amount of damage to residential houses can be divided into three types: completely destroyed, partially damaged, and intact, based on the damage level the demand for each shelter as well as the location is assigned. A noteworthy point in locating shelters is the effect of different factors and criteria on choosing the appropriate location of the shelter. For this purpose, in this dissertation, based on the literature review and questionnaires, affective criteria on the location shelters have been extracted and then, based on the fuzzy Delphi method, the main criteria are extracted and based on the group fuzzy hierarchical analysis process (AHP G-F) method, the weight of each selected location is determined. And finally, according to the proposed model, appropriate locations and districting are performed. Finally, sensitivity analysis is performed to investigate the effect of input parameters on optimal solutions and their results are presented.

نترل و نگهداری موجودی اقلام فاسدشدنی همواره یکی از موضوعات مورد اهمیت برای سازمان ها و صنایع بوده است. فاسد شدن کالا علاوه بر این که موجب ضرر و زیان بنگاه ها از نظر اقتصادی می شود، از لحاظ زیست محیطی نیز موجب افزایش آلودگی محیط خواهد شد. در این شرایط تولیدکننده با یک هماهنگی مناسب با خرده فروشان که در آن با به اشتراک گذاری اطلاعاتی نظیر تقاضا و موجودی اقلام فاسدشده، نسبت به بازگرداندن آن ها و استفاده مجدد این اقلام در خط تولید به عنوان بخشی از مواد اولیه مورد نیاز خود می نماید، که به این ترتیب علاوه بر صرفه اقتصادی که موجب کاهش هزینه ها در سیستم می شود، از لحاظ زیست محیطی نیز موجب کاهش آلودگی می شود. در این تحقیق به توسعه یک مدل قیمت گذاری و کنترل موجودی برای اقلام فاسدشدنی با استفاده از استراتژی تحویل چندگانه SSMD[1] در یک زنجیره تأمین حلقه بسته پرداخته خواهد شد. زنجیره تأمین مورد نظر دوسطحی و شامل یک تولیدکننده و چندین خرده‎فروش است که به صورت یکپارچه مورد بررسی قرار گرفته است. در مدل ارائه شده تقاضا خرده فروشان وابسته به قیمت فروش آنها بوده و فرض شده است که قیمت فروش همه خرده فروشان یکسان و با هم برابر است و همچنین قیمت فروش تولیدکننده نیز به صورت تابعی از قیمت خرده فروشان لحاظ شده است. ضمن این که محصولات تولیدی فاسدشدنی بوده و نرخ فاسدشدن محصول ثابت و به صورت درصدی از سطح موجودی خرده فروش تعریف می شود. هدف از مسأله پیشنهادی تعیین قیمت بهینه فروش و مقدار تحویل کالا در هر بار ارسال و تعداد دفعات تحویل کالا به خرده فروشان به منظور حداکثر کردن سود کل زنجیره تأمین خواهد بود. مدلسازی مسأله در دو سطح تولیدکننده و خرده فروش انجام می شود. تولیدکننده محصولات تولیدی خود را در چندین مرحله برای خرده فروشان ارسال می کند، این کار بشدت باعث کاهش سطح موجودی می شود و به موجب آن برروی هزینه های سیستم از جمله هزینه نگهداری تأثیر بسزایی می گذارد. در چنین حالتی خرده فروش و تولیدکننده در نظر دارند سود نهایی و یکپارچه خود را حداکثر کنند. در نهایت، با ارائه مثال عددی و انجام تحلیل حساسیت بر روی پارامترهای مختلف به ارزیابی مدل پرداخته خواهد شد. همچنین، برای بررسی کارایی مسئله بیان شده، نتایج بدست آمده مدل پیشنهادی با حالت کلاسیک مقایسه شده و نتایج حاکی از آن بیان خواهد شد. [1] Single-Setup-Multiple-Delivery

Determining the optimal selling price for different items has always been considered as one of the main topics of scientific and industrial research. Furthermore, due to the increasing tendency of consumers to consume fresh items and due to the perishability of this type of items, pricing and inventory control of deteriorating items has come to play a substantial role in supply chain management. Considering the perishability of items, their deterioration rate, and that the consumers expect the price of this type of items to change over time, dynamic pricing appears to be a good strategy for the pricing of deteriorating items. In this study, therefore, a two-period pricing and inventory control model, using two competitive and cooperative policies, is presented considering the reference price effect for two retailers, each of which sells an instantaneous and substitutable deteriorating item. In this case, both retailers seek to maximize their profits by increasing the revenue and reducing the inventory costs. More precisely, the two retailers, taking into account the initial reference price, seek to achieve the optimal selling price as well as the optimal replenishment time to minimize the costs of holding, ordering, and deterioration of the items in order to optimize their profits. This problem was solved using a game theoretic approach and under conditions where shortage is not allowed. In this model, it is assumed that in each pricing period, both retailers determine their equilibrium selling price and optimal replenishment time simultaneously according to the reference price formed in the consumer’s mind. The results show that increasing the deterioration rate of the item reduces the retailer’s profits by negatively affecting the demand function. In addition, increasing or decreasing the reference price will directly affect the profitability of each retailer.

Intensity-modulated radiation therapy (IMRT) is an advanced form of external beam radiotherapy that uses linear accelerators to direct radiation to the tumor. Radiation therapy is an optimization issue with conflicting therapeutic goals that aims to deliver a large dose of radiation to the tumor so that no damage is done to the healthy tissues around the tumor. Beam shaping is an important way to achieve these goals. In IMRT, with the help of multi-leaf collimator, it is possible to shape the beams according to the geometric shape of the tumor and deliver the exact dose, thus preventing a lot of damage to healthy organs. The two main optimization issues in radiation therapy treatment planning are the optimization of the intensity and angle of the beams so that the tumor receive the most radiation and the least damage to the surrounding healthy tissue. In this study, in order to determine the optimal intensity and angle of radiation, a multi-objective mathematical model is presented with the objectives of maximizing the total dose received by the tumor and minimizing the total of dose received by the surrounding healthy organs. also, Adjustable box and polyhedral optimization approaches are used to calculate the uncertainty in the problem. The proposed model is solved by using prostate cancer clinical data and Augmented Epsilon Constraint Method and also with the help of goal programming rules in Gams software. Finally, based on clinical data, robust optimization models and nominal models are evaluated. The results show that the robust approaches used in this study have controlled the uncertainty to an acceptable level, while the answers obtained from the nominal model in the face of uncertainty are no longer optimal and justified and can not satisfy the limitations of the problem. Also, the results of the robust approach are clearly better than the nominal model in terms of the robustness of the answers, maintaining the optimality, and deviating from the optimality, and the robust models achieve less dose variation and have more control over the worst-case scenarios

One of the most important incentive tools in a supply chain system and inventory control is the use of credit incentives. In this case, the buyer will pay for the purchase with a delay due to the payment incentive conditions. This increases the amount of purchase by the buyer and also increases its satisfaction. This dissertation examines the model of economic production assuming variable demand, incentive conditions for supplier credit, deterioration goods, and allowable shortages. In the case under consideration, the supplier sends the raw materials required by the manufacturer on time, but receives the cost of purchasing the product late from the manufacturer. According to the delay of payment, the problem expressed in five possible cases according to the time of payment of the purchase fee has been examined and the mathematical model is expressed accordingly. Also, the goods under study in this study are perishable and the rate of deterioration is a fixed percentage of the inventory level. Accordingly, the proposed model is a nonlinear programming problem. Therefore, meta-heuristic genetic algorithms are used to overcome the complexity of the problem and find a suitable and satisfactory answer. Finally, an example is given and the problem is analyzed.

هزینه های موجودی در شکل گیری دارایی های سازمان و همچنین تعیین سطح موجودی و تعیین سیاست های بهینه سازی سود و هزینه های سازمان نقش بزرگی را ایفا می کنند، بنابراین مدیریت هزینه های لجستیک در برنامه ریزی تولید و زنجیره تامین مورد توجه اکثر سازمان ها و تولیدی ها قرار گرفته است. در این پژوهش به بررسی مدیریت موجودی در یک زنجیره تامین یکپارچه شامل یک تولیدکننده و یک توزیع کننده پرداخته می شود. فرض شده است که تقاضای خرده فروش تابعی غیر افزایشی از قیمت فروش توزیع کننده است و قیمت فروش تولید کننده نیز تابعی غیر کاهشی از قیمت فروش توزیع کننده است. تولید کننده از سیستم سفارشی استفاده می کند و سعی می کند محصولات درخواستی را تولید و در چندین مرحله ارسال کند و توزیع کننده سفارش درخواستی هر سیکل خود را طی چند مرحله مختلف دریافت می کند. در چنین حالتی توزیع کننده و تولید کننده در نظر دارند سود نهایی و یکپارچه خود را حداکثر کنند بر این اساس مقدار بهینه هر بار سفارش و مقدار بهینه ارسالی هر مرحله تولیدکننده، قیمت فروش توزیع کننده و تولید کننده را به گونه ای تعیین می کند که سود سیستم حداکثر گردد. در این پژوهش نه تنها تابع سود کل این مدل موجودی ارائه شده است، بلکه یک روش هیورستیکی برای تعیین جواب بهینه ارائه شده است. در نهایت یک مثال بیان شده است و نتایج آن مورد تجزیه و تحلیل قرار گرفته است.

مدل مقدار تولید اقتصادی به طور گسترده ای در بخش های مختلف تولیدی برای تعیین سیاست بهینه بازپرسازی به کار گرفته شده است. این مدل دارای فرض های محدودکننده زیادی است. در حالی که در واقعیت عوامل متعددی وجود دارد که در سیاست های بهینه مسئله تأثیر بسزایی دارد. به عنوان مثال، در سیستم های تولیدی وجود محصولات معیوب، خرابی ماشین آلات و تقاضای متغیر اجتناب ناپذیر است. همچنین، در نظرگرفتن عوامل دیگری نظیر خرابی ماشین حین تولید، سیاست های نگهداری و تعمیرات می تواند مدل های تولید اقتصادی را به واقعیت نزدیک تر کند. بنابراین، در تحقیق پیش رو یک مسئله تولید اقتصادی با در نظرگرفتن محصولات معیوب حین تولید که درصدی از آن ها با صرف هزینه ای ثابت قابل بازیافت هستند و همچنین، خرابی ماشین و تقاضای متغیر مورد بررسی قرار گرفته است. در این پایان نامه فرض شده است، که محصولات با نرخ ثابتی تولید می شوند. ولی ماشین حین تولید ممکن است دچار خرابی شود. خراب شدن ماشین در حین تولید یک متغیر تصادفی است، که از توزیع نمایی با پارامتر مشخص پیروی می کند. اگر ماشین حین تولید خراب شود، بلافاصله تولید متوقف می شود و ماشین تعمیر می شود و در این تحقیق فرض شده است زمان تعمیر ماشین یک مقدار مشخص و ثابتی است. همچنین، برخلاف مدل های کلاسیک تقاضا برای محصول تولیدی به صورت تابعی غیر افزایشی از زمان بیان شده است. هدف اصلی در این پایان نامه، تعیین سیاست های بهینه بازپرسازی مسئله بیان شده به گونه ای که کل هزینه سالیانه حداقل شود. برای این منظور ابتدا یک مدل ریاضی و سپس، مقدار متوسط هزینه در واحد زمان تعیین شده است و بر اساس مفاهیم بهینه سازی سراسری، مقادیر بهینه مشخص شده است. در نهایت با بیان یک مثال عددی به تجزیه و تحلیل مسئله بیان شده پرداخته شده است.

یکی از مسائل کلاسیک در کنترل موجودی، مسئله روزنامه فروش است. در مسئله کلاسیک روزنامه فروش، هنگامی که تابع تقاضا مشخص است، خرده فروش مقدار سفارش بهینه خود را طوری تعیین می کند که بین هزینه کمبود و مازاد موجودی تعادل برقرار شود. یک سری محصولات وجود دارند که خریدار یک مدت زمانی فرصت دارد که این محصولات را خریداری کند اما قیمت خرید در این بازه زمانی تصادفی است. همچنین یک سری محصولات فصلی نیز هستند که مدل موجودی تک دوره ای برای رویکرد حل این محصولات مناسب است مانند کالاهای فصلی از قبیل پوشاک و غیره. در این پایان نامه مسئله روزنامه فروش با در نظر گرفتن قیمت خرید تصادفی مورد بررسی قرار می گیرد و مدل سازی مسئله در سه حالت مختلف توسعه داده می شود. در حالت اول، تقاضا در طول دوره اول تصادفی و از توزیع مشخصی پیروی می کند و تقاضا برای محصولات باقیمانده در پایان دوره اول، وابسته به قیمت فروش آن در طول دوره دوم است. در حالت دوم، تقاضا در طول دوره اول تصادفی و از توزیع مشخصی پیروی می کند و تقاضا در پایان دوره دوم تصادفی و وابسته به قیمت فروش آن در دوره دوم است و در حالت سوم، تقاضا در طول دوره اول و در پایان دوره دوم تصادفی و وابسته به قیمت محصول است. در این سیستم فقط در اول دوره امکان خرید محصول وجود دارد. قیمت خرید محصولات در اول دوره یک فرآیند تصادفی و وابسته به زمان است. برای همه حالات مدل ریاضی بیان شده است سپس براساس نگرش برنامه ریزی پویا احتمالی، مقدار بهینه قیمت، مقدار بهینه سفارش دهی و قیمت خرید محصولات به گونه ای تعیین می شود که سود مورد انتظار سیستم حداکثر شود. در نهایت با بیان مثال عددی به بررسی عملکرد مدل های بیان شده و تحلیل حساسیت آنها پرداخته می شود.

برنامه ریزی احتیاجات مواد و کنترل موجودی یک سیستم یکپارچه و نظام نگر است که با برنامه ریزی تولید در سیستم های پیچیده تولیدی چند مرحله ای، هزینه های تولید و نگهداری را کاهش می دهد و در سطح بهینه نگه می دارد. بکارگیری سیستم برنامه ریزی احتیاجات مواد، می تواند نقش بسیار زیادی را در کاهش هزینه های تولیدی و در نهایت کاهش قیمت تمام شده محصولات نهایی ایفا نماید. در دنیای واقعی حالات مختلفی از عدم قطعیت بر فرآیندهای تولیدی اثر می گذارد، که این ما را به سمت توسعه برنامه ریزی تامین اقلام غیرقطعی ترغیب می کند. وجود عدم قطعیت نسبت به اطلاعات ورودی مورد نیاز، در اغلب موارد امری گریز ناپذیر است چرا که عمدتاً در شرایط واقعی، با انواع وقایع پیش بینی نشده مواجه می شویم که باعث به وجود آمدن چنین شرایطی می شود. از جمله مواردی که می توان به آنها اشاره کرد عبارتند از عدم اطمینان نسبت به پیش بینی های انجام شده نسبت به نیاز بازار و نیز توان تولیدی تأمین کنندگان، عدم قطعیت در سفارش مشتریان، عدم قطعیت در مورد زمان تحویل محصول نهایی به مشتریان به خاطر خرابی های احتمالی ماشین آلات و غیره. بنابراین این تحقیق به بررسی سیستمهای برنامه ریزی تامین اقلام چند مرحله ای چند دوره ای پرداخته می شود که در آن مدت زمان تدارک اقلام و تقاضای محصول نهایی غیر قطعی در نظر گرفته شده است. عدم قطعیت در این تحقیق به صورت احتمالی بوده و فرض شده است که مدت زمان تدارک هر مرحله از تولید احتمالی و هم توزیع هستند، همچنین تقاضا برای محصول نهایی به صورت دوره ای و احتمالی است. بر اساس مفروضات بیان شده ابتدا یک مدل ریاضی برای مسئله پیشنهاد شده است و با توجه به NP-Hard بودن مسئله مورد بررسی، ابتدا مدل مسئله را توسط نرم افزار GAMS برای ابعاد کوچک حل نموده سپس الگوریتم فراابتکاری ازدحام ذرات (PSO) برای مسائل با ابعاد بزرگ پیشنهاد شده است. برای بررسی کارایی الگوریتم فراابتکاری ازدحام ذرات، نتایج حل الگوریتم فراابتکاری با نتایج به دست آمده از حل مدل توسط نرم افزار GAMS مقایسه شده اند. نتایج حاکی از قابل قبول بودن راه حل های الگوریتم فراابتکاری در زمان محاسباتی معقول است.

موفقیت کلیدی در هر سیستم تولیدی، حفظ سطح بالایی از رضایت مشتری است. به بیان دیگر، هرگونه اختلال در ارائه خدمات ممکن است منجر به از دست دادن سهم بازار شود. در نتیجه مدیریت موجودی، برنامه ریزی تولید و زمان بندی، نقش مهمی را بویژه برای تولیدکنندگان کلاس جهانی ایفا می کند. در شرکت های تولیدی، زمانی که محصولات به جای خرید از فروشنده خارجی، به صورت داخلی تولید می شوند، مدل مقدارتولید اقتصادی (EPQ) اغلب به منظور محاسبه اندازه تولید بهینه که کل هزینه های تولید-موجودی را به حداقل می رساند، بکار گرفته می شود. فرض اولیه در هر مدل موجودی EPQ این است که محصولات بطور سالم تولید می شوند و هیچ نیازی به فرآیند دوباره کاری وجود ندارد. با این حال، به علت ضعف روند، داشتن اقلام با کیفیت ناقص اجتناب ناپذیر است. بنابراین، می توان با صرف هزینه اضافی و تعمیر کردن اقلام معیوب، اقلامی که کیفیت کم تری دارند را دوباره کاری کرد و به اقلام باکیفیت تبدیل نمود. یکی از مهمترین عوامل ایجاد کالای معیوب، خرابی تجهیزات تولیدی است. در مدل های کلاسیک کنترل موجودی فرض بر این است که محصولات با قابلیت اطمینان کامل تولید می شوند و کمتر به مسئله خرابی ماشین آلات پرداخته شده است. بدیهی است که ماشین تولیدکننده ممکن است در زمان انجام کار با خرابی های تصادفی مواجه شود. در این پژوهش یک مدل تولید اقتصادی چند محصولی و تک ماشینی با نرخ تولیدی ثابت و با در نظرگرفتن قابلیت اطمینان ماشین آلات مورد بررسی قرار گرفته است. نرخ تقاضا برای محصولات تولیدی گسسته و به صورت دوره ای است و همچنین فرض شده است که ماشین تولیدی در حین انجام کار دچار خرابی گردد و نیز درصدی از محصولات تولیدی معیوب بوده، و امکان دوباره کاری آن ها وجود دارد. وجود تنها یک ماشین منجر به ظرفیت تولید محدود و کمبود بصورت پس اُفت شده است. هدف این مدل، به حداقل رساندن هزینه های کل سیستم است که شامل هزینه ی تولید، هزینه ی آماده سازی، هزینه ی نگهداری، هزینه ی کمبود، هزینه ی دوباره کاری و هزینه ی دفع دورریز می باشد. سپس مثال عددی برای اعتبارسنجی مدل توسعه یافته و روش حل بیان شده ارائه شده است و در نهایت تجزیه و تحلیل حساسیت راه حل بهینه با توجه به پارامترهای اصلی انجام شده است.

In recent decade, new marketing paradigms have been evolved in the competitive environments. Among others, group discounting, known as group buying deals, has been introduced as a new approach to attract customers. Group buying is proposed to create groups of buyers for purchasing together in a lower price by which the profit margin of the seller is reduced, while the quantity of sold products is increased resulting in a more overall profit for the seller and a more consumer surplus for the customers. Although group buying is a new popular business mechanism whereby customers are encouraged to cooperate, but not all customers in a market tend to joint groups since the time or costs needed to communicate may be large for them. In addition, if the group purchasing is not profitable, the seller could not sell his product in this style. Therefore, many sellers sell their products introducing both group price and individual price. In this study, using a game theoretic approach, the competition between two sellers in selling two substitutable products is examined. The customers are classified into two classes, collectivists and individualist depending on consumer preferences. The collectivist customers are those whose cost of finding or creating a group is low, while the individualists are those who should pay more cost to find, or put more time and efforts to make or joint a group. Considering the competition between the sellers, two individualistic dominant and collective dominant markets will be examined. Each seller must declare the size of the group in order to sell their product in a group way and the group price must be lower than the individual price. Given the pricing under various factors such as inventory and market symmetry, the profits of both sellers will also be analyzed. All the steps are presented in two scenarios so that in Scenario 1, the market potential and price sensitivity of the customers are considered equal for both sellers but in Scenario 2, potential demand and price sensitivity of the customers demand for the sellers are different. The aim of this research is to examine the behavior of the duopoly sellers in different market conditions. That is, assuming different market conditions and inventory levels, individual and group equilibrium prices and their corresponding profits will be analyzed for two scenarios. In spite of presenting the analytical results, numerical experiment is carried out to show some managerial insights. Analytical results show that in markets with a dominant collectivist customer base, which joint a group is easy for most customers, group pricing is not efficient for sellers, and they only will provide the posted retail price. Whereas in individualistic dominant market where group formation is difficult for most costumers, individual and group prices are offered simultaneously. Numerical results demonstrate that when the sensitivity parameter to the competitor price increases, the seller's profits increases.

برنامه ریزی احتیاجات مواد (MRP) یک سیستم نظام نگر برای برنامه ریزی تولید در سیستم های پیچیده تولیدی چند مرحله ای است. در دنیای واقعی حالات مختلفی از عدم قطعیت بر فرآیندهای تولیدی اثر گذار است که این موضوع ما را به سمت توسعهMRP احتمالی هدایت می کند. هدف MRP مشخص نمودن زمان تدارک برنامه ریزی شده هر کدام از اقلام مورد نیاز برای تولید محصول نهایی با در نظر گرفتن حالت های ممکن عدم قطعیت و تاثیر گذار بر سیستم تولید به صورتی که مجموع کل هزینه های تولیدی به حداقل مقدار خود برسد. در پژوهش حاضر سیستم تولید در دو حالت تک سطحی (سیستم مونتاژ) و دو سطحی (چند قطعه در سطح دوم) با لحاظ نمودن، هزینه نگهداری و تعمیرات ماشین آلات مورد بررسی قرار گرفته است. به منظور نزدیک شدن به شرایط واقعی، زمان تدارک محصول نهایی و قطعات احتمالی فرض شده است. هدف، مشخص نمودن زمان تدارک برنامه ریزی شده با حداقل مجموع هزینه تولید که شامل هزینه ثابت راه اندازی سیستم، هزینه نگهداری محصول نهایی، هزینه کمبود و تعمیرات ماشین آلات است. خرابی ماشین آلات ممکن است دو صورت رخ دهد، حالت اول به صورتی است که، خرابی ماشین آلات در زمان تولید رخ دهد و حالت دوم، خرابی ماشین آلات در زمان تولید وجود ندارد و ماشین آلات در پایان تولید سرویس کلی می شوند. مدل تک سطحی و چند مرحله ای با استفاده از اثبات خاصیت محدب بودن مدل، حل شده و مورد آنالیز قرار گرفته است. مدل دو سطحی در نرم افزار گمز اعتبار سنجی شده و برای مسائل با سایز کوچک مورد استفاده قرار گرفته است و برای مسائل با سایز بزرگتر از الگوریتم ژنتیک استفاده شده است. با بهره گیری از آزمون تاگوچی پارامترهای مهم الگوریتم ژنتیک مشخص شده است و تحلیل حساسیت مدل دو سطحی انجام شده و نتایج ارائه شده است.

انبار عبوری یک استراتژی لجستیکی است که هدف آن کاهش موجودی و افزایش رضایت مشتریان می باشد. اقلام باید قبل از فرستادن به مشتری در انبار عبوری گردآوری شوند. کالاها از تامین کننده بواسطه انبار عبوری بدون ذخیره موجودی یا با ذخیره خیلی کم به دست مشتری میرسند. در این تحقیق، مساله زمانبندی مسیریابی وسایل نقلیه در انبارهای عبوری بادرنظر گرفتن همزمان کالاهای فاسدشدنی و فاسدنشدنی بررسی می شود. هدف مساله کمینه کردن هزینه ها از جمله هزینه زودکرد و دیرکرد وسایل نقلیه، هزینه مربوط به نگهداری کالا در انبار عبوری و هزینه حمل و نقل کالا می باشد. همچنین با توجه به در نظر گرفتن سیستم پس توزیع، هزینه مربوط به ضایعات کالا نیز در نظر گرفته شده است. بدین منظور برای مساله تحت مطالعه یک مدل ریاضی برنامه ریزی مرکب عدد صحیح پیشنهاد شده است. بعلاوه به دلیل ناتوان بودن نرم افزار گمز در حل مسایل با ابعاد بزرگ، دو الگوریتم فراابتکاری رقابت استعماری و گرگ خاکستری برای حل مسایل با ابعاد بزرگ ارائه شده است. سپس جهت ارزیابی عملکرد الگوریتمهای پیشنهادی، چندین مثال عددی بررسی می گردند. ارزیابی عملکرد الگوریتمها نشان می دهد که الگوریتم گرگ خاکستری نتایج بهتری نسبت به الگوریتم رقابت استعماری دارد.

در دنیای امروز که بازار رقابت حساس شده است و هر شرکتی برای بقا در بازار می جنگد، باید توجه ویژه ای به طراحی شبکه زنجیره تأمین خود داشته باشد. به منظور رسیدن هر چه بهتر به هدف مذکور، در نظر گرفتن تصمیمات طراحی به موازات هم اصل مهمی می باشد. همچنین امروزه به دلایل اقتصادی و محیط زیستی توجه به برگشت محصولات از سوی مشتری به هر دلیلی، اهیمت شایانی یافته است. در چرخه زنجیره تأمین حلقه بسته این مسأله، محصولات ابتدا در چرخه مستقیم وارد بازار مصرف می شوند، سپس با نزدیک شدن به تاریخ انقضایشان، به مراکز جمع آوری برگردانده می شوند. در آن مرکز محصولات بررسی می شوند که آیا قابل استفاده مجدد و بازگشت به چرخه مصرف هستند یا خیر. از مفروضات این مسأله می توان به مکان یابی مراکز توزیع و جمع آوری از بین چند مرکز کاندیدا مشخص اشاره داشت. همچنین تصمیمات مربوط به کنترل موجودی زنجیره با در نظر گرفتن سیاست مدیریت موجودی توسط فروشنده گرفته می شوند. مسأله مورد نظر به صورت مسأله غیر خطی عدد صحیح مختلط فرموله شده است. مدل پیشنهادی پس از خطی سازی برای اعتبارسنجی در GAMS حل شده است. با توجه به NP-hard بودن مسأله، الگوریتم فرا ابتکاری شیرمورچه جهت حل مدل ارائه شده است. جهت بررسی عملکرد الگوریتم پیشنهادی، چندین مسأله طراحی شده که در اندازه های کوچک جواب الگوریتم و GAMS را مقایسه می کند. در نهایت جمع بندی نتایج و پیشنهادات آتی ارائه گردیده است.