دانلود ترجمه مقاله بررسی سیستم بازیابی ذخیره SPC جهت بهسازی زنجیره تامین

نتیجه گیری:
این مقاله به فرمول بندی و ارزیابی سیستم بازپرسازی موجودی فوری با قابلیت یکنواخت سازی پرداخته است که با SPC نشان داده می شود و بر روش نمودار کنترل قابل استفاده در محیط های پیچیده و دینامیک همچون زنجیره تامین چندسطحی تکیه دارد. SPC سیستم جایگزین یکنواخت سازی بازپرسازی موجودی می باشد که در آن دو نمودار کنترل برای برآورد تقاضای مورد انتظار و کنترل موقعیت موجودی ادغام شده اند. نمودار کنترل تقاضا بعنوان مکانیسم پیش بینی و برای برآورد تقاضای مورد انتظار بکار رفته است و نمودار کنترل موقعیت موجودی برای تنظیم موقعیت موجودی با تامین قابلیت یکنواخت سازی سفارش استفاده شده است. SPC دارای ساختار انعطاف پذیری است چون برای یکنواخت سازی سفارش دو بُعد دارد و می توان به سیاست کلی (R,S) تبدیل کرد. ارزیابی گسترده SPC موید این است که SPC می تواند عملکرد عملیاتی و سطح خدمات مشتری در زنجیره تامین را بهبود بخشد و عملکرد برتری نسبت به (R,S) عمومی نشان دهد. مکانیسم پیش بینی ادغام شده با SPC نسبت به روش میانگین متحرک ادغامی با (R,S) عملکرد برتری نشان داده و می توان آن را با دیگر سیاست های سفارش دهی بکار برد تا واکنش به تغییرات تقاضا را تنظیم کرد. اگرچه هر دو سیاست بازپرسازی حساسیت قابل توجهی به زمان انتظار نشان می دهد، SPC نسبت به (R,S) حساسیت کمی به زمان انتظار نشان می دهد و ثابت می کند که افزایش سطح یکنواخت سازی (با (R,S) یا SPC) حساسیت آنها به زمان انتظار را کاهش می دهد. مشخص گردید که عملکرد هر دو سیاست در زنجیره تامین غنی اطلاعاتی بهبود یافته است و SPC از نظر پیکربندی مشارکتی خود نسبت به (R,S) عملکرد بهتری دارد. نتایج نشان می دهند که اثر شلاقی را می توان از طریق اشتراک اطلاعات کاهش داد ولی برای حذف کامل آن نیاز به اعمال قوانین یکنواخت سازی بازپرسازی می باشد. بنابراین، اشتراک اطلاعات و سیستم های یکنواخت سازی بازپرسازی موجودی مناسب همچون SPC به بهبود عملکرد زنجیره تامین از نظر اثر شلاقی و ثبات موجودی کمک می کند. تحقیقات آینده می تواند کاربرد نمودارهای کنترل پیشرفته همچون ARMA و EWMA برای برآورد تقاضای زمان انتظار هدف را مدنظر قرار دهد. بعلاوه، دیگر ترکیبات سیستم های موجودی SPC و قدیمی را می توان بعنوان راه حل کاهش تغییرات در زنجیره تامین توسعه داده و ارزیابی کرد. از آنجاییکه مکانیسم پیش بینی ادغام شده با SPC عملکرد بهتری نسبت به روش میانگین متحرک نشان می دهد، ارزیابی و مقایسه آن با سیستم های پیش بینی متعارف تحت سیاست (R,S) برحسب اثر شلاقی و ثبات موجودی ارزشمند می باشد. در نهایت، تاثیر سیاست های یکنواخت سازی بازپرسازی در زنجیره تامین فصلی باید بیشتر بررسی شود.

Conclusions:
This paper has formulated and evaluated a real-time inventory replenishment system with smoothing capability, denoted as SPC, that relies on a control chart approach to be used in dynamic and complex environments like multi-echelon supply chains. The SPC is an alternative smoothing inventory replenishment system in which two control charts are integrated for estimating expected demand and controlling the inventory position, respectively. The demand control chart is employed to work as a forecasting mechanism to estimate the expected demand and the inventory position control chart is employed to adjust the inventory position with providing the capability of order smoothing. The SPC has a flexible structure since it has two dimensions for order smoothing and can also be turned into a generalized (R, S) policy. The extensive evaluation of SPC has confirmed that SPC can improve the operational performance and customer service level in the supply chain, showing a superior performance to the generalized (R, S), across a wide range of both the autoregressive demand parameter and the seasonal demand parameters. The forecasting mechanism integrated with SPC has shown a superior performance to the moving average integrated with (R, S) and therefore it can be employed with other ordering policies to regulate the reaction to demand changes. Although both replenishment policies have shown a considerable sensitivity to the lead-time, SPC has shown a lower sensitivity to the lead-time than (R, S), and proving that increasing the smoothing level (with either (R, S) or SPC) reduces their sensitivity to the lead-time. It has also been found that the performance of both policies is improved in information enriched supply chains and that the performance of SPC outperforms (R, S) in this collaborative configuration as well. The results show that the bullwhip effect could be reduced through information sharing but applying smoothing replenishment rules is needed to eliminate it. Therefore, information sharing and appropriate smoothing inventory replenishment systems such as SPC helps improving supply chain performances in terms of bullwhip effect and inventory stability. Future research can consider the application of other advanced control charts such as ARMA and EWMA for the estimation of expected lead-time demand. Furthermore, other combinations of traditional and SPC inventory systems can be developed and evaluated as mitigation solutions for the variability amplification in supply chains. Since the forecasting mechanism integrated with SPC has shown a superior performance to moving average method, it is worth evaluating and comparing it with the common forecasting systems in practice under the (R, S) policy, in terms of bullwhip effect and inventory stability. Finally, the impact of smoothing replenishment policies in seasonal supply chains should be further investigated.