بخشی از مقاله
چکیده:
مسئله برنامه ریزی تولید میان مدت یا تعیین بودجه تولید، برای صنایع تولیدی یکی از مهمترین فعالیتهایی است که قبل از شروع هر دوره می بایست انجام شود. هدف از تعیین بودجه، پیش بینی کردن بازار مصرف در دوره بعدی و تعیین برنامه تولید می باشد تا بتوان به موقع نیازهای بازار را تامین نمود. به منظور بودجه بندی، نیاز به اولویتی از محصولات می باشد که این اولویت به کمک تکنیک های تصمیم گیری قابل ارائه است. استفاده از داده های یک دوره، روند تغییرات معیار ها در دوره های گذشته را نشان نمی دهد. به همین دلیل در این مقاله تکنیک تاپسیس، با استفاده از داده های چند دوره زمانی بجای یک دوره، گسترش یافته است.
به منظور تشریح مساله تحقیق، به اولویت بندی محصولات شرکت داروسازی کیمیدارو با بیش از یک صد و شصت پروانه فعال تولید دارو میپردازیم. اما در این مقاله، روش مورد استفاده در قالب یک مطالعه موردی برای پنج محصول و بر اساس اطلاعات سه سال متوالی قبل از دوره مورد نظر جهت پیش بینی، نمایش داده می شود و در آن معیار های تصمیم گیری شامل حاشیه سود، سهم از بازار، تعداد رقبا و رشد مصرف محصولات در کشور، در نظر گرفته شده است. استفاده از روش پیشنهادی میتواند برای این شرکت و دیگر شرکتهایی که تنوع محصول زیادی دارند، اولویت مناسبی جهت انتخاب محصولات با ارزش بیشتر برای قرار گرفتن در بودجه و برنامه تولید میان مدت ارائه کند.
1. مقدمه
با توجه به رشد سریع صنایع در دهه های اخیر و رقابتهای شدید در بازار، مدلها و تکنیکهای بهینه سازی در تولید بسیار مورد توجه قرار گرفته اند. استفاده از تکنیکهای تصمیم گیری چند معیاره که زیر مجموعه ای از علم پژوهش عملیاتی می باشند، همواره در حال افزایش است. بیشتر پژوهشهایی که اخیرا در زمینه برنامه ریزی میان مدت و در نهایت بودجه بندی تولید انجام شده است، از تکنیکهای تصمیم گیری چند معیاره استفاده کرده اند. ولی در همه آنها داده های جمع آوری شده مربوط به یک دوره زمانی می باشند و تصمیم گیری انجام شده در بهترین حالت بر اساس داده های آخرین دوره زمانی قبل از دوره مورد نظر جهت تصمیم گیری می باشد. ولی از آنجایی که شرایط بازار، شرایط واردات، صادرات، سیاستهای اقتصادی دولت و سایر موارد دائما در حال تغییر هستند، امکان تصمیم گیری و پیش بینی دقیق بازار آینده بر اساس داده های یک دوره مقدور نمی باشد. لذا مدلهای متعارف تصمیم گیری به درستی نمی توانند شرایط دوره بعد را پیش بینی کنند و اولویت مناسبی را ارائه کنند. به همین دلیل دانگ و گود[1] به گسترش تکنیک های تصمیم گیری جهت حصول نتیجه دقیقتر و پیش بینی بهتر بر اساس اطلاعات گذشته پرداختند.
شرکتهایی که دارای تنوع زیاد محصول هستند، همیشه با مشکل انتخاب محصول و اولویت بندی آنها جهت تولید و فروش مواجه می باشند. شرکتهای تولید دارو جزو شرکتهایی هستند که اکثرا دارای تنوع زیاد محصول می باشند. در اکثر شرکتهای داروسازی با توجه به تعداد بسیار زیاد محصولات قابل تولید و همچنین اضافه شدن پیوسته داروهای جدید به سبد محصولات و کوتاه بودن چرخه عمر داروها، اولویت بندی و انتخاب محصولاتی که نیاز بازار را پوشش دهند و از لحاظ اقتصادی به صرفه نیز باشند، بسیار با اهمیت است.
زمانی که تعداد محصولات قابل تولید افزایش پیدا کند، امکان تولید همه آنها در حجم انبوه مقدور نیست و تنها با افزایش خطوط تولید این کار میسر می شود که این امر در بسیاری از موارد مقرون به صرفه نمی باشد. در نتیجه شرکتها سعی به استفاده از حداکثر ظرفیت فعلی خود برای تولید دارند و مجبور به اولویت بندی و انتخاب محصولاتی جهت بودجه بندی و برنامه ریزی میان مدت می شوند که بتوانند از طریق آن به سود مورد نظر دست پیدا کنند.
در صورتی که نتوان انتخاب مناسبی از محصولات قابل تولید برای سبد محصولات جهت ارائه به بازار مصرف داشته باشیم، سرمایه های سازمان به هدر خواهد رفت و سازمان را به سوی نابودی سوق میدهد و نمی توان نیاز بازار را به موقع و به اندازه تامین کرد. به همین دلیل انتخاب روشی پویا، قابل اعتماد و انعطاف پذیر که همیشه با توجه به شرایط بازار و نظر تصمیم گیرندگان قابل استفاده باشد، برای بودجه بندی و برنامه ریزی های میان مدت سازمان بسیار کارآمد و لازم خواهد بود. از آنجایی که بودجه بندی و برنامه ریزی تولید به اطلاعات دوره های گذشته بسیار وابسته است، استفاده از تکنیکهای تصمیم گیری جهت اولویت بندی بر اساس داده های یک دوره، پیش بینی دقیقی برای دوره آتی ارائه نخواهد داد و باید روند تغییرات معیار ها در دوره های قبل در اولویت بندی لحاظ گردد.
در این مقاله بعد از مرور پژوهشهای مرتبط به ارائه روشی به منظور تجمیع داده های دوره های مختلف جهت در نظر گرفتن روند تغییرات معیار ها در دوره های قبل پرداخته می شود که بتوان از داده های تجمیع یافته در تکنیک TOPSIS1 ، استفاده کرد و در واقع این تکنیک را بر اساس معیار های چند دوره ای گسترش داد و جهت توضیح بهتر روش پیشنهادی، در این مقاله به عنوان نمونه به اولویت بندی پنج محصول شرکت داروسازی کیمیدارو از میان یک صد و شصت محصول قابل تولید بر اساس اطلاعات سه سال متوالی قبل از دوره مورد نظر جهت پیش بینی پرداخته می شود که در آن معیار های تصمیم گیری شامل حاشیه سود، سهم از بازار، تعداد رقبا و رشد مصرف محصولات در کشور، در نظر گرفته شده است.
.2 مرور پیشینه پژوهش
در تصمیم گیری چند معیاره به دنبال مشخص کردن بهترین انتخاب از میان دیگر انتخابها می باشیم. در دو دهه اخیر تحقیقات زیادی در خصوص تصمیم گیری چند معیاره انجام شده است. مطالعات بسیار زیادی بر سر مسائلی انجام شده است که اطلاعات آنها مربوط به یک دوره زمانی بوده است. برای مثال توکلی مقدم و صفایی[2] برنامه ریزی تولید ادغامی را با محدودیت منابع و به روش الگوریتم ژنتیک حل کرده اند .
قراگوزلو و برزگری [3] سعی در به کارگیری تکنیک برنامه ریزی آرمانی با استفاده از رویکرد AHP2 جهت بهینه سازی ترکیب تولید کرده اند به طوری که بتوان به نحو مطلوبی عوامل موثر در تصمیم گیری را دخالت داد. عوامل موثر از طریق مشاهده، مطالعه، مصاحبه با کارشناسان و تهیه پرسشنامه شناسایی شدند و سپس اولویت بندی آنها نسبت به یکدیگر و اولویت بندی محصولات نسبت به هر عامل از طریق AHP مشخص شده است. در مرحله بعد با استفاده از محدودیت های جمع آوری شده و نتایج حاصل از AHP مسئله مورد نظر تحت ساختار برنامه ریزی آرمانی موزون مدلسازی و سپس از طریق نرم افزار Lindo حل گردید. در انتها نیز جواب های به دست آمده از مدل با حل مسئله از برنامه ریزی آرمانی بدون استفاده از رویکرد AHP مقایسه شده است.
اوگانومی و همکاران [4] از روشAHP با توجه به 5 معیار برنامه ریزی ,کارایی , ظرفیت , تجربه و آموزش در عملیات ساخت وتولید صنایع دارویی استفاده کردند. وی با استفاده از داده های پنج شرکت داروسازی و با استفاده از تکنیک AHP پنج تابع از توابع تولید را اولویت بندی کرده است که نتیجه آن نشان دهنده اهمیت عملکرد نسبی مدیریت نسبت به بقیه توابع در صنعت داروسازی می باشد.
مقصودی و شیرویه زاد [5] ابتدا با استفاده از نظر خبرگان عوامل موثر بر تولید محصولات لبنی را شناسایی کردند و سپس عوامل مورد نظر برای تولید را به روشAHP امتیاز دهی کرده و وزن هر محصول را با توجه به معیارها مشخص نمودند و در نهایت محصول مناسب که معیارهای مورد نظر را برآورده می کند، انتخاب گردید و نتیجه با رتبه بندی روش تاپسیس مقایسه گردید.
تمام مواردی که در بالا به آنها اشاره شده است تصمیم گیری بر اساس اطلاعات یک دوره زمانی می باشد در حالی که مسائل تصمیم گیری چند معیاره ای که اطلاعات آنها مربوط به چند دوره زمانی باشد در دنیای واقعی نقش مهمی را ایفا میکند، لذا در ادامه به بررسی پژوهشهایی که در زمینه تصمیم گیری چند معیاره چند پریودی می باشد، می پردازیم.
در مسائل تصمیم گیری چند معیاره چند پریودی - MP-MADM3 - بر خلاف مسائل تصمیم گیری پیش گویانه، به تجزیه و تحلیل چندین معیار در دوره های گذشته پرداخته می شود. به عبارت دیگر تمام مقادیر معیارها داده شده اند و تصمیم گیرنده احتیاجی به پیش بینی داده های تصمیم گیری ندارد
لیانگ [6] یک روش حل فازی چند هدفه برای مدل برنامه ریزی تولید ادغامی چند محصوله و چند دوره زمانی را ارائه کرده است که در این مدل برنامه ریزی تولید ادغامی، هزینه تولید، هزینه نگهداری موجودی و نرخ تغییرات نیروی کار حداقل می گردد. وی با استفاده از برنامه ریزی خطی چند هدفه توانست هزینه ها و زمان تحویل نهایی را با توجه به سطوح موجودی، ظرفیت در دسترس ماشین آلات، سطوح کارکرد برای هر منبع، پیش بینی تقاضا و فضای انبار در دسترس و بودجه کل، در سطح بهینه محاسبه کند.
برای حل مسائل MP-MADM ، ژو [7] یک مفهوم از میانگین وزنی پویای عمل کننده - DWA4 - را برای یکپارچه کردن اطلاعات تصمیم گیری که در دوره های مختلف ارائه شده اند را معرفی کرد و روش خود را برای اطلاعات محیطی نامشخص در مواردی که مقادیر به صورت اعداد فاصله ای بیان می شوند، گسترش داده است.
لین و همکاران [8] یک مدل - DMADM 5 - در مسائل چند هدفه ارائه کرده است که از طریق تکنیک TOPSIS به عنوان ساختار اصلی و به همراه تابع فاصله ای مینکوواسکی6 ، برای مقابله با اطلاعات خاکستری و مقایسه میان مقادیر خاکستری برای تمام دوره ها، اتخاذ شده است. در این پژوهش با استفاده از تابع فاصله ای مینکوواسکی بر اثرات وزنی تکنیک تاپسیس غلبه شده است. آنها با استفاده از مفهومی از اعداد فازی تابع فاصله ای، تابع فاصله ای اعداد خاکستری را ایجاد کرده اند. همچنین با یکپارچه کردن توابع فاصله ای مینکوواسکی که اعداد خاکستری وزن داده شده را مشخص میکند، تابع فاصله ای موثر مینکوواسکی با استفاده از اطلاعات نا مشخص را ارائه داده اند.
در نهایت با یکپارچه کردن مفاهیم ذکر شده، تکنیک تاپسیس و رویکرد تجمعی یک مدل تصمیم گیری پویای موثر را ایجاد کرده اند. ژو و یاگر [9] مسائل پویای تصمیم گیری چند معیاره را به همراه اطلاعات فازی بهای کارکرد به صورت اعداد دقیق و اعداد فاصله ای در دوره های مختلف بررسی کرده اند. آنها یک بردار وزنی را معرفی کردند که بر اساس ضریب میانگین وزنی پویای فازی - DIFWA7 - حل مسائل تصمیم گیری چند معیاره فازی را در جاهایی که اطلاعات تصمیم گیری مربوط به چندین دوره ی زمانی است را توسعه داده است. همچنین با استفاده از ضریب میانگین وزنی پویای فازی غیر قطعی - UDIFWA8 - برای گسترش تصمیم گیری چند معیاره پویای فازی شهودی در دوره های مختلف داده شده است، بکار برده اند.
وی [10] در مطالعات خود یک ضریب وزنی هندسی برای بهای کارکرد پویای فازی - DIFWG9 - و یک ضریب غیر قطعی وزنی هندسی - UDIFWG10 - را معرفی کرده است. بر اساس این دو ضریب، او یک روش برای حل مسائل MP-MADM با اطلاعات بهای کارکرد فازی را بهبود بخشیده است.
ژو [11] به بررسی گروهی از مسائل تصمیم گیری چند معیاره در دوره های مختلف پرداخت که تمام اطلاعات تصمیم گیری به صورت داده های زبانی در دوره های مختلف توسط تصمیم گیرندگان ارائه می شود. او یک ضریب جدید زبانی هندسی - DLWG11 - را معرفی کرده است که از مدل تغییر حداقل وزنهای سری زمانی با ضریب DLWG نتیجه گیری شده است . سپس با بهره گیری از ضرایب وزنی هندسی - LWG12 - و ضریب DLWG تمام معیارهای زبانی را یکپارچه میکند و به این وسیله در نهایت میتوان تمام انتخاب ها را رتبه بندی کرد. هو و همکاران [12]به بررسی روشهای ارائه شده و فعالیتهای انجام شده در خصوص استفاده از داده های چندین دوره برای ارزشیابی و انتخاب تامین کنندگان می پردازد.
مریگو و گیل [13] یک روش جدید برای انتخاب فعالیتهای مالی بر اساس میانگین وزنی که در دوره های مختلف ارائه شده است، بدست آورده اند. این ضریب تجمعی برای حل مسائل تصمیم گیری بسیار مفید است. زیرا یک مقایسه بین انتخاب ایده آل و گزینه های قابل دسترس را ایجاد میکند که از این طریق می توان بهترین انتخاب بهینه را پیدا کرد.
وی [14] ترکیبی از مسائل تصمیم گیری چند معیاره را که با اطلاعات تصمیم گیری بر اساس نظر تصمیم گیرنده در دوره های مختلف و با اعداد حقیقی، فاصله ای و یا زبانی برای مسائل فازی و اعداد ترتیبی مورد بررسی قرار داده است. این روش در ابتدا با بهره گیری از سه رابطه تجزیه و تحلیل خاکستری - - GRA13 مختلف، میزان ارتباط هریک از انتخابها را از انتخاب آیده آل که بر پایه ی اعداد حقیقی، فاصله ای، فازی و ترتیبی که توسط تصمیم گیرنده در دوره های مختلف فراهم شده است را محاسبه می کند. سپس مفهومی از درجه عضویت فازی و یا خوشه ای را برای تجمیع درجه ارتباط خاکستری در همه دوره های مورد نظر بدست می آورد. در مسائل دنیای واقعی، مانند ارزیابی عملکرد، ارزیابی توسعه اقتصادی منطقه ای نتنها باید تفاوت میان معیارها را در نظر بگیریم، بلکه می بایست میزان گسترش تمایلات را نیز در نظر بگیریم.
به منظور در نظر گرفتن اطلاعات روند، دانگ [1] یک روش MP-MADM بر اساس ضریب انگیزه روند معرفی کرده است. در این روش وزن معیارها در دوره های مختلف داده می شود. برای این منظور در ابتدا یک متغیر از مقادیر معیارهای انتخاب های مختلف که در یک دوره هستند استفاده می شود که به وسیله آن بتوان یک انگیزه روند که نشان دهنده ی تاثیر مثبت و یا منفی آن بهبود بوده است را بدست آورد. آنها روشی را ارائه کرده اند که بر حداکثر بی نظمی میانگین وزن خواسته شده - MEOWA14 - بنا نهاده شده است.
تصمیم گیری چند معیاره پویا - DMCDM - در دهه های اخیر بسیار حائز اهمیت است و در علم تصمیم گیری بسیار مورد استفاده قرار میگیرد. ولی در مقایسه با دیگر تکنیکهای تصمیم گیری جهت استفاده در صنعت نیازمند تکمیل شدن می باشد.
جاسبی و همکاران [15] جهت تکمیل این تکنیک تصمیم گیری، یک چهارچوب زمانی و مکانی پویا برای مقابله با بازخورد هایی که در طول زمان بدست می آید، طراحی کرده است و به مشکلاتی که بر اساس اتفاقاتی که در آینده به آنها برخورد می کنیم، پرداخته است. در واقع قبل از دریافت بازخورد از تصمیمات اخذ شده، می توان آنها را پیش بینی کرد و راه حلهایی برای مقابله با آنها ارائه کرد. او با غنی سازی و تکمیل دانش تصمیم گیری چند معیاره پویا به وسیله دانش صریح بر اساس بازخورد های موجود و دانش ضمنی مثل پیش بینی کارشناسان در مسائل تکاملی مانند انتخاب تامین کنندگان، می باشد. استفاده از این تکنیک می تواند به انتخاب جایگزین بهتر و با ریسک کمتر به سازمانها کمک کند.
لیانگ و لیو [16] به منظور تطبیق حالات چند دوره زمانی، تئوری تصمیم گیری فازی شهودی سخت - IFDTRSs15 - را گسترش داده است. با استفاده ازنتایج تصمیم گیری یک دوره زمانی، سه عملگر تجمعی از IFDTRSs را برای اطلاعات چندین دوره تجزیه و تحلیل شده است. با مقایسه این سه عامل یک الگوریتم برای استخراج سه مسیر در تصمیم گیری چند پریودی طراحی شده که این نتایج در تصمیم گیری منطقی در محیط فازی شهودی به ما کمک میکند.
از آنجایی که مدلهای معمول تصمیم گیری چند معیاره به طور خاص بر پیش بینی آینده متمرکز نیستند، هاشم خوانی و همکاران [17] یک رویکرد و روش جدیدی از حوزه MADM ارائه کرده است که به عنوان تصمیم گیری چند معیاره آینده نگر - PMADM16 - خوانده می شود. وی در این حوزه دو رویکرد جدید را معرفی میکند. در اولین رویکرد هدف شرح دادن اساس مدل و سپس مقابله با محدوده آینده به عنوان یک نیروی بالقوه و تغییر مسیر در خصوص اقدامات آینده می باشد. مدل دوم بر اساس محدوده آینده تفکیک شده است و به دو قسمت طبقه بندی می شود: یکی بدون توجه بر نرخ احتمالات و دیگری با توجه به نرخ احتمالات. با کمک روش ارائه شده به شکل خوبی مفهوم تصمیم گیری چند معیاره پویا را تحت پوشش قرار می گیرد و بجای انتخاب کردن، بر روی موضوعات آینده تمرکز دارد.
