Διοίκηση επιχειρησιακών λειτουργιών και εφοδιαστικής αλυσίδας: μοντελοποίηση εφοδιαστικών δικτύων και βελτιστοποίηση διαχείρισης αποθεμάτων

Abstract

Κεντρικός στόχος της διατριβής είναι η μελέτη των ροών σε δυναμικά στοχαστικά εφοδιαστικά δίκτυα που επηρεάζονται από ένα πλήθος τυχαίων γεγονότων όπως αβεβαιότητα ζήτησης (εσωτερικής κι εξωτερικής) αβεβαιότητα προσφοράς (ως προς τον χρόνο και την ποσότητα), και αβεβαιότητα παραγωγής (βλάβες). Επιδίωξη η κατανόηση της δυναμικής λειτουργίας αυτών των συστημάτων και η δημιουργία εργαλείων (μοντέλων) που περιγράφουν την δυναμική αλληλεπίδρασης των πολλών παραγόντων που επηρεάζουν την συνολική απόδοσή τους. Μέσω των μοντέλων στοχεύουμε στην ανάδειξη των πλέον σημαντικών παραμέτρων στην απόδοση των υπό μελέτη συστημάτων και ο προσδιορισμός των βέλτιστων τιμών που μεγιστοποιούν ή ελαχιστοποιούν συγκεκριμένα μέτρα απόδοσης του συστήματος.Ως προς την δομή μελετήθηκαν σειριακά και συγκλίνοντα εφοδιαστικά δίκτυα. Ως προς την τυχαιότητα εμφάνισης των τυχαίων γεγονότων (ζήτηση, αναπλήρωση, βλάβες) υιοθετήθηκε η εκθετική κατανομή. Ως προς την πολιτική ανάδρασης των μελών των εφοδιαστικών δικτύων στη ζήτηση υιοθετήθηκε η ανεξάρτητη ανά μέλος πολιτική συνεχούς παρακολούθησης των αποθεμάτων με χαμένες πωλήσεις σε περίπτωση μη επαρκούς αποθέματος (installation logic, inventory policy).Η μεθοδολογία μοντελοποίησης συνίσταται στην απεικόνιση του συστήματος ως μαρκοβιανής στοχαστικής διαδικασίας διακριτών καταστάσεων, συνεχούς χρόνου, στην κατανόηση της δομής του πίνακα μεταπήδησης συναρτήσει των τιμών των παραμέτρων, στην επίλυση του γραμμικού συστήματος των στασίμων εξισώσεων, στον προσδιορισμό των στασίμων πιθανοτήτων και τέλος στον υπολογισμό των μέτρων απόδοσης του συστήματος.

Τhe current PhD thesis deals with the exploration of dynamic supply chain networks that are influenced by random events, such as uncertainty in demand and supply, production break-downs etc. Our goal is to understand the dynamic functions of these networks and create new tools (models) that describe all the interactions between the factors and the variables that influence each system’s performance. We use these models as an optimization tool to determine the optimal values of the system’s parameters which maximize or minimize specific performance measures. To calculate these measures the supply chain is modeled as a continuous time Markov process with discrete states. A computational algorithm is developed to generate the transition matrices influenced by different values of system characteristics.The algorithm then uses them to calculate the stationary probability distribution.After determining the performance measures, we compare the numerical results in order to reveal the optimal ordering policy