The optmization tool supporting supply chain management in the multi-criteria approach

• Autorzy: Izdebski M. , Jacyna-Gołda I. , Gołębiowski P. , Plandor J.

Identyfikatory

DOI

10.24425/ace.2020.134410

Warianty tytułu

PL

Optymalizacyjne narzędzie wspomagające zarządzanie łańcuchem dostaw w ujęciu wielokryterialnym

• Języki publikacji: EN

Abstrakty

EN

The article presents a new optimization tool supporting supply chain management in the multi-criteria aspect. This tool was implemented in the EPLOS system (European Logistics Services Portal system). The EPLOS system is an integrated IT system supporting the process of creating a supply and distribution network in supply chains. This system consists of many modules e.g. optimization module which are responsible for data processing, generating results. The main objective of the research was to develop a system to determine the parameters of the supply chain, which affect its efficiency in the process of managing the goods flow between individual links in the chain. These parameters were taken into account in the mathematical model as decision variables in order to determine them in the optimization process. The assessment of supply chain management effectiveness was carried out on the basis of the global function of the criterion consisting of partial functions of the criteria described in the mathematical model. The starting point for the study was the assumption that the effectiveness of chain management is determined by two important decision-making problems that are important for managers in the supply chain management process, i.e. the problem of assigning vehicles to tasks and the problem of locating logistics facilities in the supply chain. In order to solve the problem, an innovative approach to the genetic algorithm was proposed, which was adapted to the developed mathematical model. The correctness of the genetic algorithm has been confirmed in the process of its verification.

PL

W artykule przedstawiono nowe narzędzie optymalizacyjne wspierające zarządzanie łańcuchem dostaw w aspekcie wielokryterialnym. To narzędzie zostało wdrożone w systemie EPLOS (Europejski Portal Usług Logistycznych). System EPLOS to zintegrowany system informatyczny wspierający proces tworzenia sieci dostaw i dystrybucji w łańcuchach dostaw. Ten system składa się z wielu modułów, np. moduł optymalizacji odpowiedzialny za przetwarzanie danych, generowanie wyników, moduł danych wejściowych, moduł kalibracji parametrów algorytmu optymalizacyjnego. Głównym celem badań było opracowanie systemu do określania parametrów łańcucha dostaw, które wpływają na jego efektywność w procesie zarządzania przepływem towarów między poszczególnymi ogniwami łańcucha. Parametry te zostały uwzględnione w modelu matematycznym jako zmienne decyzyjne w celu ustalenia ich w procesie optymalizacji. W modelu matematycznym zdefiniowano dane wejściowe adekwatne do analizowanego problemu, przedstawiono główne ograniczenia związane z wyznaczaniem efektywnego sposobu zarządzania łańcuchem dostaw oraz opisano funkcje kryterium. Problem zarządzania przepływem towarów w łańcuchu dostaw został przedstawiony w ujęciu wielokryterialnym. Ocenę efektywności zarządzania łańcuchem dostaw przeprowadzono na podstawie globalnej funkcji kryterium składającej się z częściowych funkcji kryteriów opisanych w modelu matematycznym. Główne funkcje kryteriów na podstawie których wyznaczane jest końcowe rozwiązane to współczynnik wykorzystania wewnętrznych środków transportu, współczynnik wykorzystania zewnętrznych środków transportu, koszty pracy środków transportu wewnętrznego i personelu, całkowity koszt realizacji zadań transportowych, współczynnik wykorzystania czasu zaangażowania pojazdów, całkowity czas poświęcony na wykonanie zadań, czy liczba pojazdów. Punktem wyjścia do badania było założenie, że o skuteczności zarządzania łańcuchem decydują dwa problemy decyzyjne ważne dla menedżerów w procesie zarządzania łańcuchem dostaw, tj. problem przydziału pojazdów do zadań i problem lokalizacji obiektów logistycznych w łańcuchu dostaw. Aby rozwiązać badany problem, zaproponowano innowacyjne podejście w postaci opracowania algorytmu genetycznego, który został dostosowane do przedstawionego modelu matematycznego. W pracy szczegółowo opisano poszczególne kroki konstruowania algorytmu. Zaproponowana struktura przetwarzana przez algorytm jest strukturą macierzową, dzięki której wyznaczane są optymalne parametry łańcucha dostaw. Procesy krzyżowania i mutacji zostały opracowane adekwatnie do przyjętej struktury macierzowej. W procesie kalibracji algorytmu wyznaczono takie wartości parametrów algorytmu tj. prawdopodobieństwo krzyżowania czy mutacji, które generują optymalne rozwiązanie. Poprawność algorytmu genetycznego oraz efektywność zaproponowanego narzędzia wspomagającego proces zarządzania łańcuchem dostaw została potwierdzona w procesie jego weryfikacji.

Słowa kluczowe

EN

multi-criteria optimization; genetic algorithm; transport infrastructure; supply chain management

PL

optymalizacja wielokryterialna; algorytm genetyczny; infrastruktura transportowa; zarządzanie łańcuchem dostaw

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2020
• Tom: Vol. 66, nr 3
• Strony: 505--524
• Opis fizyczny: Bibliogr. 43 poz., il., tab.

Twórcy

autor

Izdebski M.

• Warsaw University of Technology, Faculty of Transport, Warsaw, Poland

autor

Jacyna-Gołda I.

• Warsaw University of Technology, Faculty of Production Engineering, Warsaw, Poland

autor

Gołębiowski P.

• Warsaw University of Technology, Faculty of Transport, Warsaw, Poland

autor

Plandor J.

• CID International, Ostrava, Czech Republic

Bibliografia

• [1] F. Reimann, J., K. David, Power in Supply Chain Management, Journal of Supply Chain Management, vol. 53, issue 2, 3-9, 2017.
• [2] W. Wang, S. Yang, L. Xu, X. Yang, Carrot/stick mechanisms for collection responsibility sharing in multi-tier closed-loop supply chain management, Transportation Research Part E: Logistics and Transportation Review, vol. 125, issue C, 366-387, 2019.
• [3] I. Jacyna-Gołda, M. Izdebski, A. Podviezko, Assessment of efficiency of assignment of vehicles to tasks in supply chains: A case-study of a municipal company, Transport, 32:3, ISSN 1648-4142, pp. 243-251, 2016.
• [4] M. Kowalski, P. Waślicki, J. Żak, Selected aspects of the maintenance system optimisation of the Polish Armed Forces helicopters, Journal of KONES 25, No. 03, pp. 289-297, 2018.
• [5] H.Q. Truong, M. Sameiro, A. C. Fernandes, P. Sampaio, B. A. T., Duong, H. H. Duong, E. Vilhenac, Supply chain management practices and firms’ operational performance. International Journal of Quality & Reliability Management, vol. 34, 176–193, 2017.
• [6] D. Ćwik, E. Olkowska, M. Kowalski, Organization of the highway strip repair process, Journal of KONES 25, No. 03, pp. 99-109, 2018.
• [7] L. Wu, X. Yue, A. Jin, D. Yen, Smart supply chain management: a review and implications for future research, International Journal of Logistics Management, The, Vol. 27 No. 2, pp. 395-417, 2016.
• [8] P. Golda, Selected decision problems in the implementation of airport operations. Scientific Journal of Silesian University of Technology. Series Transport. (2018), 101, 79-88, 2018.
• [9] L., F. Terry, Supply chain disruption and risk management, Transportation Research Part B: Methodological, vol. 45, issue 8, 1125-1127, 2011.
• [10] M. Jacyna, M. Wasiak, K. Lewczuk, M. Kłodawski, Simulation model of transport system of Poland as a tool for developing sustainable transport. Archives of Transport, 31:3, 23-35, 2014.
• [11] T. Rudyk, E. Szczepański, M. Jacyna, Safety factor in the sustainable fleet management model, w: Archives of Transport, vol. 49, nr 1, 2019, ss. 103-114, 2019.
• [12] J. Kukulski, M. Jacyna, P. Gołębiowski Finite Element Method in Assessing Strength Properties of a Railway Surface and Its Elements, w: Symmetry-Basel, vol. 8, nr 11, ss. 1-29, 2019.
• [13] M. Urbaniak, E. Kardas-Cinal, M. Jacyna, Optimization of Energetic Train Cooperation, w: Symmetry-Basel, vol. 11, nr 9, ss. 1175-1194., 2019.
• [14] M. Izdebski, I. Jacyna-Gołda, M. Wasiak [et. al], The application of the genetic algorithm to multi-criteria warehouses location problems on the logistics network, in: Transport, vol. 33, no. 3, 2018.
• [15] T. Demirel, N. Demirel, C. Kahraman, Multi-criteria warehouse warehouse location selection using Choquet integral, Expert Systems with Applications 37: 3943–3952, 2010.
• [16] B. Dey, B. Bairagi. D. Sarkar, S. K. Sanyal, Warehouse location selection by fuzzy multi-criteria decision making methodologies based on subjective and objective criteria, International Journal of Management Science and Engineering Management, Vol. 1-17, 2015.
• [17] T Özcan, N. Çelebi, Ş. Esnaf, Comparative analysis of multi-criteria decision making methodologies and implementation of a warehouse location selection problem, Expert Systems with Applications , Volume 38, Issue 8, :9773–9779, 2011.
• [18] R.R.K.K Sharma, V. Berry, Developing new formulations and relaxations of single stage capacitated warehouse location problem (SSCWLP): Empirical investigation for assessing relative strengths and computational effort. European Journal of Operational Research, 177(2):803–812, 2007.
• [19] E. Szczepański, I. Jacyna-Gołda, J. Murawski, Genetic algorithms based approach for transhipment HUB location in urban areas. Archives of Transport, ISSN 0866-9546, vol. 31, is. 3, p. 73-82, 2014.
• [20] M. Jacyna, M. Izdebski, E. Szczepański, P. Gołda, The task assignment of vehicles for a production company. Symmetry, 10(11), 551, 2018.
• [21] D., W. Pentico, Assignment problems: A golden anniversary survey, European Journal of Operational Research, Volume 176, Issue 2, 774-793, 2007.
• [22] I. Jacyna-Gołda, K. Lewczuk, The method of estimating dependability of supply chain elements on the base of technical and organizational redundancy of process. Exploitation and reliability - MINTENANCE AND RELIABILITY, 19(3), pp. 382-392, 2017.
• [23] P. Gołda, M. Izdebski, E. Szczepański, The Application of Ant Algorithm in the Assignment Problem of Aircrafts to Stops Points on the Apron, w: Journal of KONES, vol. 25, ss. 479-488, 2018.
• [24] Ehrgott M. Multicriteria Optimization; Springer: Berlin/Heidelberg, Germany, 2005.
• [25] O. Michelsen, A.M., Dahlsrud, Eco-efficiency in extended supply chains: A case study of furniture production, Journal of environmental management, Volume: 79 Issue: 3 Pages: 290-297, 2006.
• [26] H. Nikfarjam, M. Rostamy-Malkhalifeh, S. Mamizadeh-Chatghayeh, Measuring supply chain efficiency based on a hybrid approach, Transportation Research Part D-Transport And Environment. Volume: 39 Pages: 141-150, 2015.
• [27] A. Ghobrial, C. F. Daganzo, T. Kazimi, Baggage claim area congestion at airports:an empirical model of mechanized claim device performance. Transportation Science, Vol. 16, No. 2, pp. 246-260, 1982.
• [28] M. Felea, The role of inventory in the supply chain. Economic Amphitheatre. Volume: Ten Issue: 24 Pages: 109-121, 2008.
• [29] G. Vanteddu, R. B. Chinnam, O. Gushikin, Supply chain focus dependent supplier selection problem, International Journal of Production Economics, 204-216, 2010.
• [30] W.P. Wong, K. Y. Wong, Supply chain performance measurement system using DEA modeling, Industrial Management & Data Systems. Volume: 107 Issue: 3-4 Pages: 361-381, 2007.
• [31] D. D. Wu, C. C. Luo, D. L. Olson, Efficiency Evaluation for Supply Chains Using Maximin Decision Support, IEEE Transactions On Systems Man Cybernetics-Systems. Volume: 44 Issue: 8 Pages: 1088-1097, 2014.
• [32] M. Yu, R. De Koster, The impact of order batching and picking area zoning on order picking system performance, European Journal of Operational Research, Volume 198, Issue 2 , pages 480-490, 2009.
• [33] J.M Spitter, C.A.J Hurkens, A.G de Kok, J. K. Lenstra, E.G. Negenman, Linear programming models with planned lead times for Supply Chain Operations Planning, European Journal Of Operational Research. Volume: 163 Issue: 3 Pages: 706-720, 2005.
• [34] S. Y. Sohn, I. S. Choi, Fuzzy QFD for supply chain management with reliability consideration, Reliability Engineering & System Safety. Volume: 72 Issue: 3 Pages: 327-334, 2001.
• [35] V.S. Rodrigues, D. Stantchev, A. Potter., M. Naim, A. Whiteing, Establishing a transport operation focused uncertainty model for the supply chain, International Journal of Physical Distribution & Logistics Management. Volume: 38 Issue: 5-6 Pages: 388-411, 2008.
• [36] A. Rizzi, R. Zamboni R., Efficiency improvement in manual warehouses through ERP systems implementation and redesign of the logistics processes. Logistics Information Management, Vol. 12 Iss: 5, pp. 367 – 377, 1999.
• [37] P. Peng, L.V. Snyder, A. Lim, Z. L. Liu, Reliable logistics networks design with facility disruptions. Transportation Research Part B-Methodological, Vol. 45, Iss. 8 Pages: 1190-1211, Special Issue, 2011.
• [38] T. Santoso, S. Ahmed, M. Goetschalck, A. Shapiro, A stochastic programming approach for supply chain network design under uncertainty, European Journal Of Operational Research, Vol. 167, Iss. 1 Pages: 96-115, 2005.
• [39] J. Olhager, Supply chain management: a just-in-time perspective. Production Planning & Control. Volume: 13, Issue: Eight, pages: 681-687, 2002.
• [40] S. Stephens, Supply Chain Council & Supply Chain Operations Reference (SCOR). Model Overview, Supply Chain Management An International Journal, No. 1. 9-13, 2001.
• [41] L. Li, Q. Su, X. Chen, Ensuring supply chain quality performance through applying the SCOR model, International Journal Of Production Research. Volume: 49 Issue: 1, Pages: 33-57, 2004.
• [42] D. E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Longman Publishing Co., Inc. Boston, MA, USA ©1989
• [43] Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer; 3rd, rev. and extended ed. 1996. Corr. 2nd printing 1998 edition (1996).