موازنه هزینه-سطح سرویس با رویکرد شبیه‏ سازی مونت‏ کارلو و الگوریتم ژنتیک: مطالعه موردی یک شرکت تامین تجهیزات پزشکی

نوع مقاله : پژوهشی

نویسندگان

گروه صنایع، دانشکده فنی و مهندسی، دانشگاه خاتم، تهران، ایران

10.24200/j65.2023.61050.2318

چکیده

امروزه برای موفقیت در بازار رقابتی، کنترل زمان تدارک در شرایطی که تقاضا تصادفی باشد، اهمیت زیادی دارد و می‏تواند منجر به افزایش رضایت مشتریان و بهبود سطح سرویس شود. از لحظه ثبت سفارش تا لحظه تحویل آن به مشتری، مجموعه‏ای از فعالیت‏ها انجام می‏گیرند که با ویژگی‏هایی مانند روابط پیشنیازی، روش‏های انجام، زمان و هزینه تعریف می‏شوند. در این مقاله، با تحلیل هزینه‏ای و زمانی چنین فعالیت‏هایی با وجود تصادفی بودن ورود مشتریان، مقدار تقاضای آنها و زمان انجام فعالیت‏ها، موازنه‏ سطح سرویس و هزینه انجام می‏شود. برای شناسایی جواب‏های پارتو، رویکرد ترکیبی شبیه‏سازی مونت کارلو و الگوریتم ژنتیک مرتب‏سازی نامغلوب پیشنهاد گردید. کارایی الگوریتم پیشنهادی با اجرای آن روی داده‏های شرکت تامین‏کننده تجهیزات پزشکی بعنوان مطالعه موردی نشان داده شد. همچنین نتایج تحلیل حساسیت مشخص کرد که سطح سرویس نسبت به فشرده‏سازی زمان سفارشات کدام بازه حساسیت بیشتری دارد تا تصمیم‏گیرنده روی کاهش زمان آن بازه متمرکز شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Service level-cost trade-off using Monte Carlo simulation and genetic algorithm approach: a case study of a medical equipment supply company

نویسندگان [English]

  • Hosein Khalili
  • Saeed Alaei
Department of Industrial Engineering, Faculty of Engineering, Khatam University,Tehran, Iran
چکیده [English]

Today, for success in the competitive market, lead time is an important issue, and its control increases customer satisfaction and improves service levels. In the latency between the initiation and completion of orders, a series of activities are performed, such as order preparation, waiting time, combining orders, purchasing raw materials, setup time, assembling, packing, sending, etc. These activities are defined by characteristics such as precedence relationships, execution modes, and their corresponding time and cost. Each activity can be controlled at the expense of extra cost, which can lead to shortened lead time and increased service levels.

In this paper, we investigate the service level-cost trade-off where orders' entry, demand and execution times are assumed to be stochastic. The main goal is to determine activities’ execution modes to simultaneously optimize the service level and costs. In this regard, the decision-maker’s main questions are (a) what is the maximum reachable service level with a maximum of 10% increase in product cost? (b) to increase the service level to 70%, how much will the product cost increase?

We propose a hybrid approach of Monte Carlo simulation and Non-dominant Sorting Genetic Algorithm (NSGA II) to identify the Pareto solutions. The effectiveness of the proposed algorithm was shown by applying it to a medical equipment supplier company as a case study. After implementing the proposed algorithm, 9 Pareto solutions were identified for the problem. It was found that the maximum reachable service level is 66.7% with a 7.7% increase in product cost; and, to increase the service level to 70%, the product cost increases by 20.7%. The sensitivity analysis results showed that the service level is very sensitive to reducing the execution time of orders in the range 71 to 100, and the answers to research questions may undergo changes; therefore, the decision-maker can focus on reducing the execution time of this interval.

کلیدواژه‌ها [English]

  • Lead time
  • Service level
  • Monte Carlo simulation
  • Multi mode activities