طراحی مدلی پویا برای انتخاب سناریوی مناسب سطح ذخیره احتیاطی در سیستم MRP: شرکت تولیدی مشهد پانل بارثاوا

نویسندگان
1 استادیار گروه مدیریت، گروه مدیریت، دانشگاه فردوسی مشهد، مشهد، ایران
2 - استادیار گروه مدیریت، گروه مدیریت، دانشگاه فردوسی مشهد، مشهد، ایران
3 دانشجوی کارشناسی ارشد مدیرت صنعتی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
سیستم‌های تولیدی با نظام‌های کنترلی فشاری در تولید از برنامه‌ریزی احتیاجات مواد برای برنامه‌ریزی خرید و ساخت منابع فیزیکی خود استفاده می‌کنند. بنابراین یک سیستم برنامه‌ریزی مواد، پایه‌ای برای زمان‌بندی تولید و خرید مواد ایجاد می‌کند. با توجه به اینکه عدم اطمینان‌های محیطی از قبیل نوسانات در تقاضا و تأمین مواد اولیه اجتناب‌ناپذیر است،واحدهای تولیدی به دنبال راهی برای مواجهه با این نوسان‌ها و عدم اطمینان‌ها هستند.یکی از راهکارهای پیش رو استفاده از ذخیره احتیاطی است که مقدار مشخصی از اقلام است که به صورت موجودی برای مقابله با عدم اطمینان‌ها نگه داشته می‌شود. با وجود اهمیت ذخیره احتیاطی چارچوبی جامع برای تصمیم‌گیری در خصوص آن وجود ندارد. هدف این مقاله ارائه مدلی داینامیک برای سیستم MRP است که با استفاده از این مدل بتوان به سیاست مناسب ذخیره احتیاطی و در نتیجه مقدار مناسب آن در راستای کاهش هزینه‌های کل موجودی دست پیدا کرد. برای شبیه‌سازی سیستم از رویکرد پویای‌شناسی سیستم استفاده شده است و برای نزدیک شدن به شرایط واقعی، تقاضا و زمان پیشبرد احتمالی در نظر گرفته شده است. پس از طراحی مدل، سناریوهای مختلفی برای ذخیره احتیاطی پیشنهاد شده است. معیار انتخاب سناریوی مناسب، هزینه‌های کل موجودی می‌باشد و در‌نهایت سناریو با کمترین مقدار هزینه کل موجودی به عنوان سناریوی برتر انتخاب می‌شود.
کلیدواژه‌ها

عنوان مقاله English

Designing a Dynamic Model for Selecting Appropriate Scenario of Safety Stock Level in Mrp System Case Study: Mashhad Panel Barsava Manufacturing Company

نویسندگان English

Alireza Pooya 1
Ahmad Tavakoli 2
Nadeyeh Fakhlaei 3
1 Assist Professor, Departement of Management, Ferdowsi University of Mashhad, Mashhad, Iran
2 Assist Professor, Departement of Management, Ferdowsi University of Mashhad, Mashhad, Iran
3 M.A. of Industrial Management, Ferdowsi University Of Mashhad, Mashhad, Iran
چکیده English

A Production system with push control system uses materials requirements planning (MRP) to plan purchasing and manufacturing physical resources. Therefore a material planning system provides a basis for scheduling production and purchasing materials. Firms are looking for a way to deal with fluctuations causes by environmental uncertainty, which include fluctuations in demand and supply of raw materials. Using safety stock which is a certain amount of goods or materials kept as inventory to deal with uncertainty is one way to deal with fluctuation issue. Despite the safety stock importance, there is no comprehensive framework for decision making about this issue. The aim of this paper is to provide a dynamic model for MRP system. By applying this model, a suitable policy of safety stock is achieved. Then, the appropriate amount of safety stock can be obtained and total inventory cost can be reduced. A system dynamics approach is used to simulate the model and demand and lead time are considered probabilistic. After designing the model, different scenarios of safety stock have been proposed. Used criteria for selecting an appropriate scenario is total inventory cost, and finally a scenario in which the total inventory cost is at its lowest amount would be chosen as the best scenario.

کلیدواژه‌ها English

MRP
Safety stock
System Dynamics
Inventory costs
 
[1]   براونج، هارنج، شیونانج؛ سیستم‌های مدیریت تولید (با نگرشی یکپارچه)؛ ترجمه م. غضنفری، س. صغیری، تهران: دانشگاه علم و صنعت ایران، 1387.
[2]      MurthyD.N.P.,Ma.L.;"MRP with uncertainty: A review and some extensions"; International Journal of Production Economics, Vol. 25,1991.
 
[3]   استرمن، جان د.؛ پویایی شناسی کسب‌و‌کار، ترجمه ( ک.برارپور، پ، موسوی، ب. بهزاد، م، امامی، ل. رضایی، ح. فغانی).، ج. اول، صفحه 19، تهران: سمت، مرکز تحقیق و توسعه علوم انسانی، 1388.
[4]      InderfurthK.;"Safety stock optimization in multi-stage inventory systems"; International Journal of Production Eonomics, Vol. 24 ,1991.
[5]      AlyOuldLoulyM., DolguiA.; "Calculating safety stocks for assembly systems with randomcomponent procurement lead times: A branch and bound algorithm";European Journal of Operational Research, Vol. 199,2009.
[6]      Al-RefaieM. Al-Tahat, Jalham. I.; A system dynamics approach to reduce total inventory cost in an airline fueling system;Proceedings of the World Congress on Engineering, London, U.K., Vol. I, WCE, June 30 - July 2, 2010.
[7]      J. MulaR., PolerJ. P. Garcia; MRP with flexible constraints: Afuzzy mathematical programming approach; Fuzzy Sets and Systems 157, 2006.
[8]      PersonaaA., BattiniaD., ManzinibR., Pareschib.A.; "Optimal safety stock levels of subassemblies and manufacturing components"; Int. J. Production Economics, Vol. 110, 2007.
[9]   لطفی، م.، رضائی نصرتی و.، معمائی آ.؛ ارائه مدل برای سیستم کنترل موجودی مواد اولیه ( مطالعه موردی: صنایع چوب و کاغذ مازندران)؛ بازیابی شده از http://www.betsa.ir/post/category/11.
[10] ماکوئی، ا. ، طباطبائی ر.؛ الگوریتم تخصیص مقادیر ذخیره احتیاطی در یک زنجیره تأمین بازیابی شده ازSID.irhttp://www..
[11] ربّانی آ.؛ استفاده از رویکرد فازی در مسئله تعیین اندازه انباشته چند سطحی، چند قلمی با ظرفیت محدود درسیستم‌های مبتنی برMRP؛ فصلنامه مدیریت صنعتی دانشکده علوم انسانی دانشگاه آزاد اسلامی، واحد سنندج، س. پنجم، ش. 15،بهار1390.
[12]  InderfurthK., VogelgesangS.; "Concepts for safety stock determination under stochastic demand and different types of random production yield"; European Journal of Operational Research, No. 224, 2012.
[13]  BeutelA., StefanMinnerN.; "Safety stock planning under causal deman forecasting"; Int. J. Production Economics, No. 140, 2012.
[14] حاج شیر محمدی ع.؛ اصول برنامه‌ریزی و کنترل تولید و موجودی‌ها؛ اصفهان، انتشارات ارکان دانش، 1378.
[15]  OrcunaS., UzsoybR., Karl G. Kemp F.; "An integrated production planning model with load-dependent lead-times and safety stocks"; Computers and Chemical Engineering, No.33, 2009.
[16]  Peter L., KingCSCP;Understanding safety stock and mastering its equations, APICS magazine;July/August 2011.
[17]  Daqin Wang, Ou Tang; "Dynamic inventory rationing with mixed backorders and lost sales"; Original ResearchArticle International Journal of Production Economics,Vol. 149, March 2014.
[18]  RadimŠpicar, System Dynamics Archetypes in Capacity Planning Original Research ArticleProcedia Engineering,Vol. 69, 2014.
[19]  Xun Wang, Stephen M., Disney, Jing Wang; "Exploring the oscillatory dynamics of a forbidden returns inventory system"; OriginalResearch Article International Journal of Production Economics, Vol. 147, Part A., January 2014.
[20]  Martin Albrecht, Determining near optimal base-stock levels in two-stage generalinventory systems; Original Research Article European Journal of OperationalResearch, Vol. 232, Issue 2, 16 January 2014.
 
 
 
[21]  Mustefa MussaY.; A system dynamics model for operations management improvement in multi-plant Enterprise; Faculty of Technology, Policy and Management Energy and Industry Section Delft University of Technology, August 2009.
[22]  A New Framework for Safety Stock Management, Cognizant 20-20 Insights, December 2011.