منظور در این پژوهش به مدل‌سازی زنجیره تأمین در شرایط عدم قطعیت با نگاه مدیریت جهادی پرداخته شده است، در این تحقیق به مدل‌سازی پارامتر بعد از بروز بحران پرداخته شده است. اهمیت و جایگاه نگاه مدیریت جهادی با توجه به شرایط بحرانی از جمله مواردی است که در این پژوهش مورد نظر بوده است. برای شناسایی ضعف‌ها و باگ‌های وجود از دیدگاه گروه نخبگانی با مدیریت جهادی در حوزه صنایع سیمان به تعداد ۷ نفر و با ابزار مصاحبه و تکنیک تحلیل محتوی استفاده شده است. برای اجرای مدل در ابعاد بزرگ‌تر از الگوریتم‌های فرا ابتکاری ژنتیک، بهینه‌سازی ازدحام ذرات و تبرید شبیه‌سازی استفاده شده که بنا بر نتایج حاصله از اجرای الگوریتم‌ها برای ابعاد مختلف، الگوریتم ژنتیک از کیفیت بیشتری برخوردار است. دلیل بررسی نقش مدیریت جهادی در این فرایند این است که در شرایط عدم قطعیت وجود یک تفکر جهادی سبب اتخاذ تصمیمات مؤثر می‌شود. از آنجایی که در این پژوهش از نگاه مدیریت جهادی استفاده شده است می‌توان این مدل را در صنایع مختلف که عامل زمان در آن حائز اهمیت است به کاربرد و زنجیره تأمین مناسب در شرایط بحرانی را طراحی و اجرا کرد. پرونده مقاله

در این تحقیق به مدل‌سازی جهت طراحی شبکه پویای زنجیره تأمین کالای سیمانی برای کاهش کمبود بعد از بحران پرداخته‌شده است.پارامتر زمان یکی از مهمترین پارامترها بدلیل فسادپذیری محصولات سیمانی و همچنین نیاز به تأمین تقاضا در زمان مشخص است که در این تحقیق به مدل‌سازی این پارامتر در شرایط عادی و بعد از بروز بحران پرداخته شده است. حادثه دیدگان بلایا از اولویت متفاوتی نسبت به هم برای تأمین تقاضا برخوردار هستند که در این مدل علاوه بر مدل‌سازی این موضوع استفاده از اقلام جایگزین یا مشابه نیز در نظر گرفته شده است. از برنامه‌ریزی استوار جهت ایجاد تصمیمات استوار به دلیل حساس بودن تأمین تقاضا استفاده گردیده است. برای حل مدل در ابعاد بزرگ‌تر از الگوریتم‌های فرا ابتکاری ژنتیک، بهینه سازی ازدحام ذرات و تبرید شبیه سازی استفاده شده که بنا بر نتایج حاصله از اجرای الگوریتم‌ها برای ابعاد مختلف، الگوریتم ژنتیک از کیفیت بیشتری برخوردار است. با توجه به اهمیت پیش بینی تقاضا در دوره برنامه ریزی در این تحقیق از روش شبکه عصبی فازی تطبیقی برای پیش بینی تقاضا استفاده شده است که FCM بهترین الگوریتم شناسایی الگو و تطبیق پذیری شناخته شده است. پرونده مقاله

به حداقل رسیدن هزینه های زنجیره تأمین به عنوان یکی از مسائل ضروری در فعالیت های مرتبط با پشتیبانی از جمله سیستم های برنامه ریزی مالی،فعالیت های مربوط به بازاریابی و فروش،قیمت تمام شده محصولات به چگونگی مدیریت زنجیره تأمین مجموعه‌ای از روش‌هایی که برای یکپارچه‌سازی مؤثر تأمین‌کنندگان، تولیدکنندگان، انبارها و فروشگاه‌ها به کار می‌رود،بستگی دارد تا هزینه‌های کل زنجیره تأمین به حداقل برسد و همچنین نیاز مشتریان با سطح خدمت‌رسانی بالایی برآورده شود.در این مقاله به منظور برنامه ریزی و طراحی شبکه زنجیره تامین پویا در شرایط عدم قطعیت از ابزار پیش بینی با استفاده از شبکه عصبی مصنوعی پرداخته شده است.هدف پژوهش یکی از مهمترین موارد رعایت شده در این تحقیق استفاده از متدولوژی های هوش مصنوعی مانند Grid Clustering, Subtractive Partitioning, FCM به منظور کشف الگوها و روابط بنیادی و تکنیکال موجود در داده های تاریخی استفاده شده است. برای این کار به ارائه یک شبکه عصبی مصنوعی چند لایه فازی استنتاجی مبتنی برزنتیک جهت جلوگیری از غیرتوجیه پذیری فنی و اقتصادی حل و اجرا پرداخته شده است. مدل پایه این مقاله که توسط محقق ارائه شده است به برنامه ریزی استوار و چند دوره ای برای حالت چند محصولی در شرایط عدم قطعیت می باشد. پرونده مقاله