دانلود ترجمه مقاله برنامه ریزی زنجیره تامین منعطف به واسطه حالات حمل و نقل متغیر

مقدمه:
برای مدت زیادی ریسک SC نوعا توسط مدیران در عمل نادیده گرفته شده از آنجا که پیش بینی بیشتر ریسک های SC مشکل می باشد. هنوز هم استراتژی عمومی وجود ندارد که ارزان و در کنترل SCها در محیط های فاجعه بار تصادفی موثر باشد. بدون پاسخ سریع و تصمیم های درست، SC های کامل ممکن است شکست بخورند اگر نودهای خاص SC یا لینک های انتقال متحمل فاجعه شوند. موفقیت بزرگ نوکیا در مقایسه با افت بزرگ اریکسون بعد از یک اتش سوزی در خط تولید فیلیپس در 17 مارس 2000 یک مثال معروف می باشد. از ان به بعد، محققان توجه زیادی را به ریسک های مدیریتی و ریسک های SC معطوف داشته اند. برخی مدل های کیفیتی و کیمیتی در مورد مدیریت ریسک SC ، مانند گوریک و همکاران (2012)، وجود دارد . انها کاربرد استراتژی های تاخیری را ارائه دادند، که به انتقال مراحل ساخت محصول به انتهای یک SC به عنوان یک استراتژی موثر برای تعامل با عدم قطعیت تقاضا اشاره می کند. به هرحال، مدل های بسیار کمی برای مدیریت ریسک های SC روی ریسک های عملیاتی تمرکز می کند. در مقابل، ریسک های مخرب مانند زلزله، سونامی، سیل ها، طوفان، و غیره با بی اعتنایی نادیده گرفته شده اند. برای بستن این شکاف تحقیقی، انگیزه ما فراهم نمودن پشتیبانی تصمیم مدیریت SC با مشخص نمودن ریسک های مخرب SC و مدلسازی SC در محیط های تصادفی می باشد. انتقال انعطاف پذیر به عنوان یک استراتژی مخرب SC توسط تانگ (2006b) معرفی شده است. اما این استراتژی با جزئیات مطالعه نشده است. نوعی از حالتهای انتقال فرصتی برای تولید حائل های زمانی نهفته فراهم می کند که می تواند در حالت رخدادهای مخرب فعال شود. حائل های زمانی با حالت انتقالی تولید شده اند که با یک انتقال کم سرعت مشخص شده است. در این حالت، حائل ها با تغییر از یک حالت انتقال کم سرعت به حالت انتقال پرسرعت وارد عمل می شوند. اگر زمان حائل به حد کافی طولانی باشد، این روش SCها را برای دوری از ضررهای بزرگ بعد از رخدادهای فاجعه بار بسیار انعطاف پذیر می سازد. در واقع، روش می تواند در مفهوم بخار آهسته (low steaming) نرز مشاهده شود، که در حالت نرمال سرعت انتقال کمتر از سرعتهای عملیاتی اصلی می باشد.

Introduction:
For a long time, SC risk typically has been ignored by managers in practice since most SC risks are hard to forecast. There still exists no general strategy which is inexpensive and effective to handle SCs in stochastic catastrophic environments. Without rapid responses and right decisions, complete SCs may break down if particular SC nodes or transportation links suffer a catastrophe. Nokia's huge success compared with Ericsson's great loss after a fire in a fabrication line of Philips on 17 March 2000 is a typical example (Chopra and Sodhi, 2004). From then on, researchers pay more attention on both risk management and SC risks. There are some qualitative and quantitative models about SC risk management such as Guericke et al. (2012). They present the application of postponement strategies, which refers to transferring manufacturing steps of a product towards the end of a SC as an effective strategy for dealing with demand uncertainty. However, most quantitative models for managing SC risks focus on operational risks. In contrast, disruption risks such as earthquakes, tsunamis, floods, storms etc. are normally disregarded (Tang, 2006a; Wilding et al., 2012; Heckmann et al., 2015; Ho et al., 2015). In order to close this research gap, our motivation is to provide SC executives decision support by quantifying SC disruption risks and modeling SCs in stochastic environments. Flexible transportation is introduced as a SC disruption mitigation strategy by Tang (2006b). But this strategy has not been investigated in detail. A diversification of transportation modes provides an opportunity to generate latent time buffers which can be activated in case of disruption events. The time buffers are generated by a transport mode which is characterized by a low-speed transportation. In this case, the buffers come into operation by switching from a low-speed transport mode to a high-speed transport mode. If the buffer time is sufficiently long, this approach makes SCs more flexible to avoid huge losses after catastrophic events. In reality, the approach can be found in the concept of slow steaming, too, where in the normal case the speed of transport is less than the original operating speed.