İki Aşamalı Tedarik Zincirinde Eş Zamanlı Stok Kontrolünün ve Tedarikçi Seçiminin Simülasyon Optimizasyonu Yaklaşımı ile Analizi

Günümüzde çok karmaşık problemlerin çözümünde matematiksel modelleme beklentileri tam anlamıyla karşılamamakta ve sadece küçük ölçekli sistemler için sonuç vermektedir. Optimizasyon tabanlı yaklaşımların da uygulanabilir ve etkin olabilmesi için genellikle pek çok varsayım ve sadeleştirme gerekmektedir. Çalışmamızda kullanılan simülasyon optimizasyonu (SO) ise tüm bu kısıtları ortadan kaldırmakta ve büyük ölçekli problemlerin çözümünü kolaylaştırmaktadır. SO problemin karmaşıklık derecesi ne olursa olsun daha gerçekçi ve anlamlı bir çözüm metodolojisi sağlamaktadır. SO’da talepler ve teslim süresi stokastik olarak ele alınarak stok kontrol sistemleri oluşturulmuştur. Ayrıca elde bulundurma maliyeti, sipariş maliyeti gibi tedarik zincirinin diğer parametreleri de stokastik olarak düşünülmektedir. Çalışmada her bir dağıtım merkezi ve her bir tedarikçi için yeniden sipariş noktası, maksimum sipariş miktarı seviyesi ve başlangıç stoğu anahtar stok kontrol parametresi olarak seçilmiştir. Ayrıca, her bir dağıtım merkezi için en uygun tedarikçi seçilmektedir. Oluşturulan model müşteri hizmetinin iyi bir şekilde devam ettirilebilmesi için uygun stok kontrolünü sağlamaktadır. Ayrıca, bu model tedarik zincirlerinin stok kontrolüne kolayca uygulanabilmekle beraber şirketlerin rekabet gücünü arttırarak kayda değer bir tasarruf da sağlamaktadır.

Analyzing Inventory Control and Supplier Selection Simultaneously in Two Echelon Supply Chain by Using Optimization via Simulation Approach

Nowadays, mathematical modeling is not meeting the expectations for the high complexity of the problems and only small scale systems are amenable to this model. Also, optimization-based approaches generally require too many assumptions and simplifications to be applicable and effective. On the other hand, Simulation Optimization (SO) that is used in our study gives reasonable solutions without analytical assumptions and facilitates the solution of large-scale problems. SO provides a much more realistic and significant solution methodology regardless of the complexity of the problem. In SO, inventory control systems are created considering stochastic demand and stochastic lead time. Also, other parameters of the supply chain such as holding cost, ordering cost are considered to be stochastic. In this paper, reorder point, order-up-to level, and initial inventory are selected as key inventory control parameters for each distribution center and each supplier. In addition, the most proper supplier is selected for each distribution center simultaneously. Proposed model helps properly control echelon inventory so that good customer service is maintained. Also, it can be easily applied for the actual situation of the supply chain inventory system and companies may obtain a remarkable amount of saving while increasing the competitive edge.

___

Ada, E. 2010. Tedarik zincirinde toplam kalite yönetimi. Yüksek Lisans Tezi, Kadir Has Üniversitesi, 71 s.

Akcan, S. 2010. Hastane sistemlerinde çoklu malzeme durumu için simülasyon meta-modellemeye dayalı stok optimizasyonu. Doktora Tezi, Çukurova Üniversitesi, 174 s.

Akyurt, İZ. 2009. Ürün stok politikalarının olasılıklı talep yapısı altında markov karar süreci ile analizi, Doktora tezi, İstanbul Üniversitesi, 151 s.

Guo, C., Li, X. 2014. A multi-echelon inventory system with supplier selection and order allocation under stochastic demand. Int. J. Prod. Econ., 151: 37-47.

Haq, AN., Kannan, G. 2006. Design of an integrated supplier selection and multi-echelon distribution inventory model in a built-to-order supply chain environment. Int. J. Prod. Res., 44(10): 1963-1985.

Hill, RM., Seifbarghy, M., Smith, DK. 2007. A two-echelon inventory model with lost sales. Eur. J. Oper. Res., 181: 753- 766.

Kabadayı, N. 2007. Seri tedarik zincirinde temel-stok seviyelerinin simülasyon temelli genetik algoritma ile çözülmesi. Yüksek Lisans Tezi, İstanbul Üniversitesi, 119 s.

Kelton, WD., Smith, JS., Sturrock, DT., Göçken, M., Dosdoğru, AT. 2015. Simio & Simulation: Modeling, Analysis, Applications: Turkish Translation. 3th edition. Simio LLC, 438 pp.

Keskin, BB., Melouk, SH., Meyer, IL. 2010. A simulationoptimization approach for integrated sourcing and inventory decisions. Comp. & Oper. Res., 37(9): 1648-1661.

Kiesmüller, GP., Kok, AG., Dabia, S. 2011. Single item inventory control under periodic review and a minimum order quantity. Int. J. Prod. Econ., 133(1): 280-285.

Kleijnen, JPC., Wan, J. 2007. Optimization of simulated systems: OptQuest and alternatives. Simul. Model. Pract. Th., 15(3): 354-362.

Mendoza, A., Ventura, JA. 2010. A serial inventory system with supplier selection and order quantity allocation. Eur. J. Oper. Res., 207(3): 1304-1315.

Özçakar, N., Akyurt, İZ. 2007. Stokastik (R, s, S) ve stokastik (R, S) Stok kontrol politikalarının poliüretan sektöründe Markov karar süreci yardımıyla karşılaştırılması. İşletme İktisadı Enstitüsü Yönetim Dergisi, 18: 10-23.

Salameh, MK., Abboud, NE., El-Kassar, AN., Ghattas, RE. 2003. Continuous review inventory model with delay in payments. Int. J. Prod. Econ., 85 (1): 91–95.

Saracoglu, I., Topaloglu, S., Keskinturk, T. 2014. A genetic algorithm approach for multi-product multi-period continuous review inventory models. Expert Syst. Appl., 41(18): 8189- 8202.

Sulak, H. 2008. Stok kontrolü ve ekonomik sipariş miktarı modellerinde yeni açılımlar: ödemelerde gecikmeye izin verilmesi durumu ve bir model önerisi. Doktora tezi, Süleyman Demirel Üniversitesi, 160 s.

Tiwari, A., Chang, PC., Tiwari, MK. 2012. A highly optimised tolerance-based approach for multi-stage, multi-product supply chain network design. Int. J. Prod. Res., 50(19): 5430- 5444.

Wang, LF., Shi, LY. 2013. Simulation optimization: a review on theory and applications. Acta Auto. Sinica, 39(11): 1957-1968.

Yang, PC., Wee, HM., Pai, S., Tseng, YF. 2011. Solving a stochastic demand multi-product supplier selection model with service level and budget constraints using genetic algorithm. Expert Syst. Appl., 38(12): 14773-14777.

___