یکی از مباحث مهم که در چند دهه اخیر کاربرد زیادی برای افزایش کارایی و بهره وری در سیستم های حمل و نقل داشته است، مسأله مسیریابی وسایل نقلیه (vrp) می باشد. از آن جا که vrp، جزء مسائل np-hard است روش های دقیق تنها پاسخگوی مسائلی با مقیاس کوچک می باشند، ولیکن برای مسائل با مقیاس بزرگ زمان حل روش های دقیق ارائه شده خیلی طولانی است. بنابراین از الگوریتم های فراابتکاری جهت یافتن جواب بهینه در زمان محاسباتی مناسب استفاده می شود. مسأله مسیریابی وسایل نقلیه با جمع آوری و تحویل همزمان کالا (vrpspd) نسخه ای ازvrp است که در آن برای هر مشتری دو تقاضا، یکی برای جمع آوری و دیگری برای تحویل کالا، در نظر گرفته می شود و این تقاضاها باید در هر موقعیت مشتری به صورت هم زمان برآورده شوند. در این مسأله نوع و ظرفیت وسایل نقلیه همسان می باشد. کالای تحویلی برای مشتریان از پایانه تأمین شده و کالای جمع آوری شده از مشتریان به پایانه باز گردانده می شوند. نسخه دیگر این مسأله، مسیریابی وسایل نقلیه ناهمگن با جمع آوری و تحویل همزمان کالا (hvrpspd) است که از نظر نوع و ظرفیت وسایل نقلیه متفاوت می باشد. هدف، طراحی مسیرهایی برای وسایل نقلیه با حداقل هزینه است. در این تحقیق از الگوریتم مورچگان که یکی از الگوریتم های فراابتکاری می باشد جهت حل چنین مسائلی استفاده شده است. استراتژی حل پیشنهادی مبتنی بر ترکیب الگوریتم کلونی مورچه (acs ) و سیستم مورچه های رتبه بندی شده (asrank) می باشد که سیستم کلونی مورچه های رتبه بندی شده (rbacs) نامیده شده است. در پیاده سازی و اجرای الگوریتم پیشنهادی برای vrpspd از مسائل استاندارد استفاده و نتایج به دست آمده با دو روش ارائه شده توسط دثلوف و ژانگ مقایسه گردید و با ارائه کیفیت جواب مناسب، برتری این روش بر دو روش دیگر نشان داده شده است. در نسخه دوم مسأله(hvrpspd) با توجه به جنبه جدید بودن نوع مسأله، نمونه مسائل تصادفی ایجاد گردید و دو شیوه به کارگیری ناوگان از نظر نوع و ظرفیت وسایل نقلیه مورد بررسی و تجزیه وتحلیل قرار گرفت. دو روش rbacs که روش اول بدون استفاده از جستجوی محلی 2-opt و روش دوم شامل 2-opt می باشد برای این مسائل، پیاده سازی گردید. نتایج محاسباتی نشان داد که استفاده از جستجوی محلی می تواند ارزش جواب های به دست آمده را بهبود دهد.

تدوین استراتژی مرحله نخست از مدیریت استراتژیک بوده، که در آن با درنظرگیری عوامل داخلی و خارجی تاثیرگذار به استنباط و استخراج استراتژی های ممکن و در نهایت گزینش استراتژی برتر برای بنگاه می پردازند. تاکنون برای گام پایانی تدوین استراتژی که شامل ارزیابی و گزینش استراتژی یا استراتژی های برتر است، از روش های گوناگونی استفاده شده است. از آنجاکه این فرآیند تصمیم گیری عمدتا بر مبنای معیارهای کیفی و قضاوت های شهودی است، هر روش مورد استفاده میبایستی توانایی مواجه با چنین شرایطی را دارا باشد. روش منطق شهودی در دهه اخیر برای بکارگیری در حالات عدم اطمینان و مسائل مرتبط با هوش مصنوعی ارائه و مورد استفاده قرار گرفته است. در این پایان نامه تلاش شده است از این روش، که بر پایه تئوری شواهد دمپستر-شافر بنا نهاده شده است، برای ارزیابی استراتژی ها بهره جسته و مزایای استفاده از آن را در قیاس با سایر روشهای بکار رفته تشریح شود. در واقع روش منطق شهودی که روشی مناسب و کارا برای تصمیمگیری در فضای نامطمئن است، این امکان را به تصمیم گیرندگان می دهد که قضاوت های شهودی خود را در قالبی مناسب و درخور ارائه کرده و در فرایندی معین به تجمیع آنها بپردازند و در نهایت تصمیم نهایی خود را که همان استراتژی یا استراتژی های برتر است، ارائه دهند. در فرآیند این پایان نامه، مراحل مختلف تدوین استراتژی به صورت گام به گام برای شرکت مارپیچ باختر، به عنوان یک مطالعه موردی، اعمال گشته و در نهایت پس از بررسی و تشریح کامل روش منطق شهودی، از آن به عنوان ابزاری در گزینش یک مجموعه استراتژی برتر برای شرکت مزبور استفاده خواهد شد.

یکی از استراتژی های نو که طی دهه اخیر پتانسیل بسیار خوبی برای کنترل هزینه های شبکه توزیع محصولات در زنجیره تامین از خود نشان داده است رویکرد استفاده از باراندازهای متقاطع به عنوان حلقه واسط میان تولید کنندگان نهایی محصولات و خرده فروشان می باشد. این مراکز قادراند ضمن افزایش گردش موجودی در زنجیره، از طریق تسهیل حمل و نقل در مقیاس اقتصادی کاهش هزینه های لجستیکی را سبب شوند. در این پایان نامه ایده ایجاد تقاضای ارائه خدمات برای باراندازهای متقاطع با بهره گیری از مکانیزم حراج ترکیبی اینترنتی با شرکت تولیدکنندگان و خرده فروشان ارائه و توسعه داده شده است. بر این اساس پس از بررسی و انتخاب مناسب ترین سناریوی عملیاتی این مراکز و همچنین مناسبترین مکانیزم پایه برگزاری حراج، یک مدل چهار فازی جهت اداره فرآیند چنین حراجی طراحی و جزئیات کامل آن شامل نحوه دریافت پیشنهادات در قالب کانتینرهای پیشنهادی از طرف تولید کنندگان و خرده فروشان، نحوه تعاملات آنها با مرکز، محتوای پیشنهادات و زبان و الگوی ارائه آن ها و نوع مکانیزم دریافت پیشنهادات ارائه شده است. در این راستا مدل ریاضی تعیین برندگان حراج از میان پیشنهاد دهندگان طرف عرضه(تولید کنندگان) و طرف تقاضا(خرده فروشان) در قالب یک مدل ریاضیmip با تحلیل و بررسی پارامترهای قیمتی پیشنهادات و هزینه-های عملیاتی بارانداز طراحی شده است. مدلی دارای ویژگی هایی همچون زمانبندی کانتینرهای طرف عرضه و تقاضا و اعلام آن به برندگان همزمان با تعیین کانتینرهای پیشنهادی برنده، امکان در نظر گرفتن هزینه ها و زمان های عملیاتی متفاوت برای انواع کالاها، تخصیص کالاهای کانتینرهای برنده ورودی به خروجی و انعطاف پذیری فواصل برگزاری حراج بر اساس زمان سیکل خدمت دهی بدست آمده از مدل. با توجه به ضرورت اعلام برندگان در اسرع وقت و پیچیدگی زمانی بالای مدل تعیین برنده در نهایت روشی ابتکاری مبتنی بر الگوریتم فرا ابتکاری جستجوی ممنوع برای حل مساله تعیین برنده در ابعاد متوسط و بزرگ با کارایی زمانی مناسب طراحی و کارایی آن از طریق انجام آزمایشات محاسباتی نشان داده شده است.

بهره گیری از توان متخصصین در زمینه های گوناگون در راستای تخصصی شدن فعالیتها و دستیابی به نتایج مطلوب، یکی از راهکارهای دستیابی به اهداف سازمانی محسوب می گردد. در دهه اخیر فضای کسب و کار تحت تاثیر جهانی شدن، تغییرات گسترده ای نموده است. تلاش در جهت کاهش مستمر هزینه ها و تمرکز بر شایستگی های محوری، بسیاری از شرکت ها را به سمت برون سپاری قسمتی یا تمامی محصولاتشان هدایت نموده است. بر خلاف گذشته، شرکت ها نمیتوانند بر فرایند های کسب و کار داخلی تمرکز نمایند. بلکه بایستی با مشتریان و تامین کنندگان به صورت کارا و موثر همکاری نمایند. در چنین فضایی، طراحی محصول جدید را نمی توان تنها بر پایه شاخص هایی مانند شهرت، سابقه، هزینه و کیفیت به یک تامین کننده واگذار نمود. چرا که در این شرایط، سطح دانش تامین کننده به عنوان یک شاخص بسیار مهم در انتخاب تامین کننده محسوب می گردد و نیاز است که دانش تامین کننده با روش های مناسب ارزیابی گردد. در این تحقیق یک مدل کاربردی جهت ارزیابی و انتخاب تامین کنندگان بر مبنای دانش ارائه گردیده است. در این مدل ابتدا به شناخت اهداف و زمینه های دانشی مرتبط با تامین کنندگان پرداخته شده و سپس بر اساس شاخص های گوناگون، اهمیت هر یک از حوزه های دانشی شناسایی می گردد. سپس بر مبنای الگوی طراحی شده به اندازه گیری میزان دانش تامین کننده در حوزه های با اهمیت بالا پرداخته شده و تامین کنندگان بر مبنای این شاخص رتبه بندی می شوند. همچنین این مدل در قالب یک موردکاوی در مرکز کنترل آلاینده های هوای جهاد دانشگاهی جهت محصول فیلتر الکترواستاتیک انجام پذیرفته است و نتایج قابل آن در این تحقیق قابل مشاهده است.

امروزه با گسترش صنایع تولیدی و خدماتی و توسعه بازار های هدف در ابعاد بین المللی، پیشرفت های روزافزون در حوزه فناوری های اطلاعاتی و ارتباطی، فراهم آمدن امکان حمل نقل سریع کالا ها و در نهایت افزایش روزافزون رقابت در کلیه بخش های ارائه محصولات و خدمات، مدیریت زنجیره های تامین نقش بسیار حیاتی در عرضه مناسب محصولات و خدمات به مشتری نهایی ایفا می نمایند. با توجه به وابستگی منافع اعضای زنجیره تامین به عملکرد یکدیگر، امروزه تحقیقات بسیاری بر روی یافتن مکانیزم های همکاری در زنجیره های تامین و با هدف ارتقای منافع کلیه ذی نفعان زنجیره در حال انجام می باشد. در تحقیق حاضر ابتدا به بررسی ابعاد مختلف همکاری در زنجیره های تامین پرداخته شد. سپس ساختار زنجیره های تامین و مدل ادغام مورد بررسی تشریح گردید و در ادامه ضمن تبیین مفهوم پویایی های سیستم و کاربرد های آن در مدیریت زنجیره تامین، متدولوژی پویایی های سیستم مورد استفاده در این تحقیق معرفی شد. پس از آن مدل پویایی های سیستم برای مشاهده و ارزیابی نتایج پیاده سازی سیاست های همکاری در زنجیره های تامین با ساختار کششی-فشاری با استفاده از متدولوژی انتخابی و نیز فرضیات تحقیق توسعه یافت. در نهایت مدل توسعه یافته در یکی از شرکت های ایرانی به کار گرفته شده و نتایج پیاده سازی یک سیاست همکاری در آن شبیه سازی و تجزیه و تحلیل گردید.

جهت دستیابی به سود و سهم بازار، بسیاری از شرکت ها روش های جدید گوناگونی از قبیل برون سپاری ساخت و ایجاد تنوع در تولید را به کار گرفته اند. این ابداعات در یک محیط پایدار موثر می باشند، ولی می توانند موجب آسیب پذیرتر شدن یک زنجیره تامین نسبت به انواع گوناگونی از اختلالات شوند که از طریق چرخه های اقتصادی غیر قطعی، تقاضا های مصرف کننده و حوادث طبیعی و غیر طبیعی ایجاد می شوند. از این رو مدیریت ریسک تبدیل به یک عنصر اساسی از مدیریت زنجیره تامین شده است. پیامدهای شکست های زنجیره تامین می توانند پرخرج باشند و موجب تاخیرات قابل توجهی در عرضه ی به مشتری گردند. اگر چه انواع گوناگونی از روش های مدیریت آسیب پذیری زنجیره تامین برای مدیریت ریسک زنجیره تامین پیشنهاد شده اند، ولی بیشتر آن ها تنها راه حل های نقطه یی ارائه می دهند که به مجموعه ی محدودی از ریسک ها مربوط می شوند. هدف این پژوهش بهبود مدیریت ریسک زنجیره تامین از طریق ارائه یک رویکرد یکپارچه جهت دسته بندی، ارزیابی و مدیریت ریسکهای زنجیره تامین می باشد. عوامل ریسک زنجیره تامین از طریق یک مرور ادبیات گسترده در زمینه ی ریسک زنجیره تامین و همچنین با استفاده از نظرات افراد خبره در این زمینه شناسایی شده اند؛ با استفاده از این عوامل، یک ساختار دسته بندی عوامل ریسک ایجاد شده است. سپس یک رویکرد ارزیابی ریسک زنجیره تامین را بر اساس روش فرآیند تحلیل شبکه یی (anp) تحت محیط فازی توسعه داده ایم که در آن ابهام و عدم قطعیت موجود با استفاده از عبارت های زبانی که از طریق اعداد فازی مثلثی مشخص شده اند، کنترل گردیده است. بر خلاف روش anp فازی (fanp) مرسوم در ادبیات، ما در تمام ماتریس های مقایسه زوجی موجود در fanp از اعداد فازی مثلثی استفاده می نماییم. از این رو، اوزان ریسک ها به صورت اعداد فازی مثلثی محاسبه شده اند و سپس روش vikor فازی با استفاده از این اوزان، اعضای زنجیره تامین را با توجه به ریسکهای شناسایی شده رتبه بندی نموده است تا اعضای پرخطر زنجیره مشخص گردند. پس از ارزیابی ریسکهای زنجیره تامین و شناسایی اعضای پرخطر، با بهره گیری از روش تصمیم گیری گروهی فازی ارائه شده و ماتریس تصمیم ریسک طراحی شده، پاسخ مناسب برای هر یک از ریسک های زنجیره تامین تعیین می گردد. در نهایت با استفاده از نرم افزار bowtie pro به ساخت نمودارهای bowtie می پردازیم تا به کمک آن ها، کنترل و نظارت بر ریسک های شناسایی شده انجام گیرد و چرخه ی مدیریت ریسک زنجیره تامین تکمیل گردد.

خوشه بندی، قرار دادن داده ها در کنار یکدیگر، بر اساس ماهیت درونی آن هاست. محققان طبقه بندی های مختلفی برای الگوریتم های خوشه بندی ارائه داده اند. یک طبقه بندی سه تایی شامل مدل های خوشه بندی افرازی مدل های خوشه بندی سلسله مراتبی و خوشه بندی فازی، از کلی ترین تقسیم بندی ها محسوب می شود. به طوری که مدل های افرازی، سلسله مراتبی و فازی اشتراکی با یکدیگر ندارند. با این حال، استفاده از الگوریتم های سلسله مراتبی به عنوان جواب اولیه برای خوشه بندی افرازی، اولین پل ارتباطی بین حوزه ی خوشه بندی افرازی و خوشه بندی سلسله مراتبی محسوب می شود.در این پژوهش یک مدل خوشه بندی تودرتو، از ترکیب حوزه ی خوشه بندی افرازی و حوزه ی سلسله مراتبی ارائه می شود. این مدل توسط ابزار بهینه سازی، می تواند داده ها را در چند سطح متداخل، پیوسته و همزمان، خوشه بندی نماید. کاربرد مدل خوشه بندی تودرتو، در تعیین خوشه های شبیه به هم و تشخیص میزان نزدیکی آن ها به یکدیگر است و می توان آن را دومین پل ارتباطی بین حوزه ی خوشه بندی افرازی و سلسله مراتبی دانست. مدل خوشه بندی تودرتو، بر مبنای خوشه بندی افرازی ساخته شده است. به همین دلیل سعی بر آن شد از تابع هدفی استفاده شود که داده ها را با درصد خلوص بالاتری خوشه بندی نماید. تابع هدف مورد استفاده در این ساختار، با رویکرد خارج از خوشه و حداکثر کردن مجموع فواصل بین خوشه ها شکل گرفت که این تابع هدف برای اولین بار در این پژوهش ارائه می شود. مدل خوشه بندی تودرتوی ارائه شده را k-nclus نامیده ایم و دارای دو ویژگی اساسی است. اول آن که سطوح پایین خوشه بندی در سطوح بالا تر شکسته نمی شود و دوم آن که کلیه ی سطوح خوشه بندی به صورت همزمان خوشه بندی می شود. مدل k-nclus بر اساس اصل استقرا، راه حلی برای حالت های اولیه ی یک سطحی، دو سطحی، سه سطحی ارائه و سپس بر پایه ی دو اصل اساسی تا سطح k ام تعمیم داده می شود و یک ساختار کلی برای مسئله ایجاد می نماید. برای اثبات درستی مدل ارائه شده نیز چند پایگاه داده ی مجازی مورد استفاده قرار می گیرد. کلیه ی سطوح مدل خوشه بندی تودرتو دارای عملکرد یکسانی است که با ماهیت سلسله مراتبی به یکدیگر مربوط شده اند. مدل تک سطحی خوشه بندی تودرتو، یک مدل خوشه بندی افرازی است که با رویکرد جداسازی خوشه ها از یکدیگر و با تابع هدف حداکثر کردن مجموع فواصل بین خوشه ها ساخته می شود و سطوح بالا تر خوشه بندی تودرتو، روی آن مدل تک سطحی قرار می گیرد. علاوه بر آن، یک مدل خوشه بندی افرازی دیگری با رویکرد فشردگی درون خوشه و تابع هدف حداقل کردن مجموع فواصل درون خوشه ارائه می شود. به ترتیب، مدل اول را مدل bgsd و مدل دوم را مدل wgsd نامیده ایم. به منظور اعتبار سنجی درونی و بیرونی مدل های ارائه شده از سه پایگاه داده ی واقعی و سه مجموعه داده ی مجازی استفاده شده است. برای مقایسه ی مدل های پیشنهادی با مدل های ارائه شده در منابع تحقیق نیز معیار مجموع مربعات درون خوشه در نظر گرفته شده است. نتایج بدست آمده نشان می دهد مدل bgsd داده ها را با خلوص بیشتر و مجموع مربعات فاصله ی کمتری خوشه بندی می کند.