بخشی از مقاله

چکیده:

برای کنترل موجودی کاراتر و تعیین سیاست سفارش موجودی مناسب برای اقلام، طبقه بندی چند معیاره ABC یکی از رایج ترین روش ها می باشد. در این روش، معیارهای دیگری علاوه بر ارزش پولی درنظر گرفته می شوند، سپس اقلام در سه گروه طبقه بندی می شوند و در نهایت سیاست موجودی با توجه به اولویت گروه ها تعیین می شود. در این مقاله از ترکیب فرآیند تحلیل سلسله مراتبی هزیتنت - - 1HAHP و تحلیل پوششی داده ها - - 2DEA برای طبقه بندی چند معیارهABC موجودی استفاده شده است. دراین روش از HAHP برای تعیین وزن معیارها، متغیر های زبانی ازجمله زیاد، متوسط وکم برای ارزیابی اقلام با توجه به معیارها، DEA برای تعیین ارزش متغیرهای زبانی و روش مجموع وزنی ساده - - 3SAW برای تبدیل امتیاز اقلام با توجه به معیارهای مختلف به امتیاز کل هر قلم، استفاده می شود. در نهایت برای نشان دادن کارایی روش، مطالعه موردی مجتمع مس شهید باهنر کرمان انجام شده است.

- 1 مقدمه:

در سازمان ها، حتی سازمان های کوچک، ممکن است صدها قلم موجودی در انبار نگهداری شود. کنترل تمام این اقلام با یک سیاست موجودی کنترل شده از لحاظ اقتصادی و محدودیت زمان عاقلانه نیست و نتیجه ای جز پیچیده شدن کار کنترل موجودی و صرف هزینه بالا نخواهد داشت. به علاوه داشتن سیاست موجودی غیر دقیق برای اقلام با اولویت بالا نیز ممکن است منجر به کمبود موجودی در این اقلام گردد که نتیجه آن از دست دادن مشتری و بازار است. از طرف دیگر داشتن سیاست دقیق برای اقلام با اولویت پایین باعث صرف هزینه بالای بازرسی می شود که این خود منجر به تحمیل هزینه های اضافی به سیستم کنترل موجودی سازمان می گردد. بنابراین یک سیاست سفارش دهی مناسب، از دیدگاه اولویت اقلام، سیاستی می باشد که از یک طرف هزینه نگهداری و بازرسی موجودی را کمینه کند و از طرف دیگر از کمبود موجودی جلوگیری کند.

برای رسیدن به این مهم راه کار اول طبقه بندی اقلام با اولویت های مختلف و تعیین سیاست موجودی مناسب برای هر گروه می باشد. روش طبقه بندی ABC یکی از رایج ترین روش های طبقه بندی است، در این روش اقلام به سه گروه مهم ترین اقلام - A - ، اقلام با اهمیت متوسط - - B واقلام با کمترین اهمیت - - C تقسیم می شوند که مبتنی بر اصل پارتو می باشد. روش سنتی ABC فقط یک معیار ارزش پولی را در نظر می گرفته ولی بعداً در بسیاری از مطالعات معیارهای دیگری از جمله :هزینه سفارش دهی، اساسی بودن قلم موجودی، زمان تحویل، رایج بودن، منسوخ شدن، تعمیرپذیری، تعداد درخواست ها، کمیاب بودن، ارزش داشتن، فساد پذیری، توزیع تقاضا برای طبقه بندی کارا مطرح گردید.

بسته به ماهیت اقلام و صنایع، این معیارها دارای وزن متفاوت می باشند. در دنیای واقعی وزن دهی به معیارها به صورت ذهنی انجام می شود. به عبارت دیگر بسته به صنعت و بازار وزن اختصاص داده شده به معیارها توسط تصمیم گیرندگان متفاوت خواهد بود . برای مثال اگر تامین کنندگان از تامین به موقع اقلام خود اطمینان داشته باشد، وزن معیار زمان تحویل درآن سازمان کمتر از وزن سایر معیارها می باشد. بنابراین نیازمند مدلی می باشیم که از یک طرف این تفاوت را بتوان در آن وارد کرد و از طرف دیگر امکان اضافه کردن هر تعداد معیارکیفی را نیز داشته باشیم.

فلورس و وایبارک [3], [2] یک رویکرد ماتریس دو معیاره ارائه دادند که درآن قیمت توسط ماتریس معیار زوجی با یک معیار دیگر ترکیب شده است. ولی این رویکرد دارای محدودیت هایی می باشد برای مثال این رویکرد برای سه معیار و یا بیشتر قابل استفاده نبوده و همچنین وزن هر دو معیار را مساوی در نظر می گیرد. چن وهمکاران [1] یک روش طبقه بندی چند معیاره ABC ارائه نمودند که روش آنها از روش فلورس و وایبارک نشأت[3], [2] گرفته بود. مزیت روش آنها سهولت در نظر گرفتن هر تعداد متناهی از معیارها برای طبقه بندی می باشد.

در این مدل وزن معیارها و تعیین مرزهای هر طبقه از طریق روش های ریاضی و براساس نظرات تصمیم گیرندگان انجام می شود. آنچه مهم است درستی اطلاعات استفاده شده می باشد که در اعتبار طبقه بندی اثر گذار می باشد. پرتوی و آنانداراجان [10] یک روش براساس شبکه های عصبی برای طبقه بندی موجودی پیشنهاد دادند. در رویکرد آنها از دو نوع روش آموزش، به نام های پس انتشارو الگوریتم عمومی برای آزموندن قدرت طبقه بندی شبکه های عصبی استفاده شده است و سپس نتایج آنها با یکدیگر مقایسه شده است. رویکرد آنها رابطه غیرخطی بین معیارها را مشخص ساخت. هرچند، همان طور که محققان این مقاله اذعان کرده اند، تعداد معیارها محدود بوده، همچنین وارد کردن تعداد زیادی معیار کیفی به مدل می تواند مساله را بسیار پیچیده نماید و علاوه برآن یادگرفتن روش فراابتکاری آنها توسط مدیران سازمانها اغلب سخت می باشد.

راماناتان [12] یک مدل بهینه سازی خطی وزن دار برای طبقه بندی چندمعیاره ABC پیشنهاد داد، که امتیاز عملکرد هر یک از اقلام از طریق مدلی شبیه DEA به دست می آمد. مدل آنها ممکن بود یک قلم با اولویت پایین را به اشتباه در گروه A قرار دهد. این کاستی در پژوهش زو و فان [18] با تعیین مطلوب ترین و نامطلوب ترین امتیاز برطرف شد.

نگ [8] یک مدل خطی وزن دار برای طبقه بندی چند معیاره ABC ارائه داد. با انجام یک تغییر، مدل وی می تواند بدون بهینه سازی خطی امتیاز اقلام را محاسبه نماید.روش نگ بسیار ساده بوده و فهم آن بسیار راحت است. با وجود تمامی این مزایا، مدل وی ممکن است منجر به نادیده گرفتن وزن برخی از اقلام گردد. برای برطرف کردن این کاستی هادی [4] یک مدل برنامه ریزی غیرخطی ساده را پیشنهاد داد که در آن برای تمامی اقلام یکسری وزن تعیین می شد.

طبقه بندی موجودی یک مساله تصمیم گیری چندمعیاره بوده که با معیارهای متعددی از جمله قیمت، متوسط مصرف و زمان تحویل و غیرو روبه روست. بنابراین روش های تصمیم گیری چند معیاره می تواند در طبقه بندی چندمعیاره موجودی مورد استفاده قرار گیرد. در بین این روش ها فرآیند تحلیل سلسله مراتبی - 4AHP - که برای اولین بار توسط ساعتی [13] مطرح شد، یک روش مناسب برای مدل کردن معیارهای کیفی بوده و کاربردهای وسیعی در حوزه های مختلف از جمله انتخاب، ارزیابی و برنامه ریزی پیدا کرده است.

در مسائل واقعی صدها قلم موجودی بایستی ارزیابی وگروه بندی شوند، اما AHP فقط توانایی مقایسه تعداد محدودی از گزینه های تصمیم گیری را دارد و رویه ی مقایسات زوجی امکان مقایسه تعداد زیاد اقلام را ندارد. برای برطرف کردن این کاستی هادی و محمدقاسمی [5] فرآیند تحلیل سلسله مراتبی فازی را با تحلیل پوششی داده ها ترکیب کردند و روش 5 FAHP-DEAیکپارچه سازی شده را پیشنهاد کردند. اما از آن جا یی که در روش AHP گروهی - راماناتان و گانش، - [11] تصمیم گیرندگان بایستی نظرات انفرادی خود را به یک نظر اجماع نمایند؛ در صورت عدم موافقت تصمیم گیرندگان با نظر اجماع شده، اطمینان آنها نسبت به تصم یم نهایی کاهش خواهدیافت. مشابه این مساله توسط هاشر و تاد یکامالا [6] نیز مطرح شده است . آنها اعتقاد داشتند که پارامترهای متعددی فرآیند اجماع کردن نظرات را پیچیده خواهد نمود.

برای مثال ممکن است حتی با وجود یک نظر اجماع شده باز هم تصمیم گیرندگان آن نظر جمعی را قبول نداشته با شند و نظر اولیه خود را ترجیح دهند. برای رفع این کاستی زو و چو [17] وضعیتی را در نظر گرفتند که درآن امکان اصلاح و اجماع نظرات تصم یم گیرندگان وجود ندارد و برای بیان درست نظرات دارایشکِ تصمیم گیرندگان، مبحث قضاوت های هزیتنت - - hesitant را مطرح نمودند. اگر در روش AHP ، قضاوت های هزیتنت مورد استفاده قرار گیرند آن را فرآیند تحلیل سلسله مراتبی هزیتنت - HAHP - می نامند.

قضاوت های هزیتنت براساس مقایسات زوجی هزیتنت - HMPRs - جمع آوری می شوند، زو و چو [17] روش برنامه ریزی هزیتنت زوجی - - HMPM را به عنوان یک روش جدید اولویت بندی ارائه نمودند، با استفاده از ا ین روش برنامه ریزی می توان اولویت ها را از ماتریس مقایسات زوجی هزیتنت استخراج نمود. در این پژوهش ما برای رفع کاستی روش FAHP-DEA ارائه شده توسط هادی و محمدقاسمی [5]، روش HAHP-DEA برای طبقه بندی اقلام موجودی مطرح نمودیم. عناوین مطرح شده در ادامه مقاله به این صورت خواهند بود که در بخش ٍ روش HAHP-DEA برای مسائل تصمیم گیری بیان خواهد شد، در بخش َ کاربرد روش HAHP-DEA را در یک مساله واقعی خواهیم دید و در نهایت نتیجه گیری در بخش  مطرح می شود.

- 2 روش تحقیق:

محاسبه وزن معیارها با استفاده از :HAHP

یکی از مباحث مهم در تصمیم گیری تعیین وزن و اولویت معیارهاست . تعیین اهم یت اوزان توسط مدیران، به ویژه در حوزه طبقه بندی چندمعیاره موجودی، اغلب با قضاوت ذهنی مدیران همراه بوده و در گام اول مهم ترین معیارها در هر سازمان مشخص و سپس وزن آن معیارها تعیین می گردد . روش های متعددی برای تعیین وزن معیارها وجود دارد ، این روش ها شامل AHP، آنتروپی، بردار ویژه وغیرو می باشند. در این مقاله ازHAHP استفاده شده است . روش AHP - ساعتی، - [13] یک مساله تصمیم گیری چندمعیاره به صورت سلسله مراتبی تعریف شد . شکل - ٌ - سلسله مراتب مساله طبقه بندی چند معیاره ABC موجودی را در حالت کلی نشان می دهد.

طبقه بندی اقلام

شکل - 1 - : نمودار سلسله مراتبی مساله طبقه بندی چندمعیارهABC موجودی

در حالت کلی، بیان ترجیحات غیرقطعی تصمیم گیرندگان به وسیله مقادیر قطعی ناممکن خواهد بود . ایده ی استفاده از قضاوت های هزیتنت می تواند به تعریف مجموعه های هزیتنت فازی توسط تورا [14] برگردد، این مبحث یکی از مباحث مورد توجه در سال های اخیر می باشد که توسط پژوهشگران زیادی از جمله زیا و زو [16] مورد استفاده قرار گرفته است.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید