پارس پروژه پرتال خدمات دانشگاهی
این مقاله ISI به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۲۰ دارای ۱۶ صفحه ی انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.
کد محصول: M885
سال نشر: ۲۰۲۰
نام ناشر (پایگاه داده): الزویر
نام مجله: International Journal of Production Economics
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۶ صفحه PDF
عنوان کامل فارسی:
مقاله انگلیسی ۲۰۲۰ : روش های طبقه بندی برای کاهش میزان مشکلات در تامین ذخایر لوازم یدکی
عنوان کامل انگلیسی:
Classification methods for problem size reduction in spare part provisioning
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه ی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M885)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی:
تامین لوازم یدکی برای شرکت های دارایی بر (شرکت هایی که پشتوانه اصلی آنها دارایی هایشان می باشد مانند ایرلاین ها )، به دلیل تعداد زیاد اقلام، نرخ تقاضای کم و محیط چندسطحی مسئله ی پیچیده ای است. یکی از استراتژی اصلی برای کاهش اندازه و مدیریت تعداد زیاد لوازم یدکی، استفاده از تکنیک های گروه بندی و تجمیع داده ها است. در این مقاله، ما به بررسی نحوه ی کاهش اندازه و پیچیدگی های ابعاد بزرگ و دو سطحی سیستم های تامین ذخایر بخش خدمات، به منظور بهره بردن از سطح خدمات موجودی و فرآیندهای مدیریتی با توجه به عملکرد مبادلات، می پردازیم. این مقاله، یک روش طبقه بندی موجودی مبتنی بر عملکرد را برای یک مدل موجودی دو سطحی با ایجاد یک روش رتبه بندی جدید به کار می گیرد. ابتدا، مفهوم سیاست انبارداری مصنوعی را به عنوان یک معیار طبقه بندی جدید در ادبیات تعریف می کند. سپس، یک روش امتیاز دهی خطی موزون مستقل را برای رتبه بندی اقلام در کل شبکه اتخاذ می کند. در نهایت، یک روش بخش بندی ابتکاری ارائه شده است، که با روش های سرشماری کلی و هشت روش خوشه بندی و طبقه بندی جایگزین، مقایسه و ارزیابی شده است. مدل پیشنهادی در چارچوب مدل موجودی لوازم یدکی قابل تعمیر کلاسیک، که VARI-METRIC نامیده می شود، پیاده سازی و بررسی شده است. نتایج نشان می دهد که روش پیشنهادی به راحتی قابل استفاده است و عملکرد جایگزین ها را به میزان قابل توجهی بهبود می بخشد.
کلیدواژگان: طبقه بندی لوازم یدکی، سیاست انبارداری مصنوعی (ASP)، امتیازدهی خطی موزون، سیستم چند سطحی، شکاف در عملکرد طبقه بندی
۱.مقدمه
بسیاری از صنایع به سرمایه گذاری بالا در لوازم یدکی از جمله صنایع نظامی، هوانوردی تجاری، زیرساخت های فناوری اطلاعات و ارتباطات و دیگر عملیات های دارایی بر ، متکی هستند. سیستم های تامین ذخایر لوازم یدکی از نظر تعداد زیاد انواع اقلام، ساختارهای چند سطحی و ماهیت عملکرد آنها پیچیده هستند. شرکت سیسکو یک زیرساخت بزرگ چندسطحی ایجاد کرده است که به طور متوسط ۷۲۰،۰۰۰ قطعه یدکی را تحویل می دهد و ۵۳۰،۰۰۰ قطعه را هر سال تعمیر می کند (کوهن و همکاران، ۲۰۰۶). شرکت “جت میدوست”، یکی از توزیع کنندگان قطعات یدکی هواپیما، بیان می کند که ۵۰۰،۰۰۰ قطعه قابل تعمیر را برای شش مدل هواپیمای تجاری فقط در یک انبار ،موجود دارد (کیسیون،۲۰۱۸). مدیریت سیستم های لوازم یدکی در مقیاس بزرگ اغلب با رتبه بندی و گروه بندی اقلامی که دارای ویژگی های مشابه هستند، تسهیل می شود. با استفاده از طبقه بندی، اندازه داده های موجودی از صدها هزار قلم تنها به چند گروه کاهش می دهد که مدیریت سیستم موجودی را هنگام انجام فعالیت های کنترل و نظارت تسهیل می کند…..
Abstract
Spare part provisioning for asset-intensive companies is a complicated problem due to the large number of items, low demand rates, and multi-echelon environment. A primary strategy for reducing the size and managing a large number of spare parts is using grouping techniques and data aggregation. In this paper, we address the question of how to reduce the size and complexity of large-scale, two-echelon, service part provisioning systems to benefit both inventory service levels and managerial processes while considering performance trade-offs. This paper contributes a performance-based inventory classification approach for a two-echelon inventory model by developing a novel ranking method. First, it defines the concept of the artificial stocking policy as a new classification criterion in the literature. Then, it adopts a non-subjective weighted linear scoring method for ranking items in the entire network. Finally, it presents a heuristic partitioning method, which is evaluated and compared with complete enumeration and eight alternative clustering and classification methods. The proposed model is implemented and tested in the context of the classic repairable spare part inventory model, called the VARI-METRIC. The results indicate that the proposed method is easy to apply and significantly outperforms the alternatives.
Keywords: Spare-part classification, Artificial stocking policy (ASP) ,Weighted linear scoring ,Multi-echelon systems ,Classification performance penalty
۱.Introduction
Many industries rely on high investment in spare parts including military, commercial aviation, ITC infrastructures, and other asset-intensive operations. Spare part provisioning systems are complex due to a significant number of item types, multi-echelon structure, and their performance-based nature. Cisco has created a large multi-echelon infrastructure, delivering an average of 720,000 spare parts and repairing 530,000 parts every year (Cohen et al., 2006). Jet Midwest, a new aircraft spare-part distributor, has reported 500,000 repairable parts for six models of commercial aircraft in its stock at only one warehouse (Cision, 2018). The management of large-scale spare part systems is often facilitated by ranking and grouping items having similar attributes. The application of classification reduces the inventory data size of hundreds of thousands of items in only a few groups, which greatly simplifies the management of the inventory system when performing control and monitoring activities.
-
Conclusion
In this paper, we address the question of how to classify inventory items for the purpose of reducing the size and complexity of large-scale, multi-echelon, repairable part provisioning systems. This study posits a new rationale for inventory classification based on similarity in inventory policies rather than items’ individual profiles (e.g. demand, unit cost, and leadtime). In this regard, we proposed the artificial stocking policy (ASP) as a new criterion for classification. For ranking items across the multi-echelon system, we applied the weighted linear optimization model for shrinking the network attributes (ASP vector) into a single score. This single dimensional score represents the importance of each item in the entire network, which does not contradict with the situation that one item only has positive demand in some bases and zero in others. For example, if there are two different aircraft models operating in separate locations, and suppose they operate on a comparable workload, then the same reparable item-type (e.g. the highpressure compressor, but different models) will get a close ASP-score. This fact is conformable with the managerial point of view when supply chain managers prefer to group different models of the same repairable item-type in the same group. On the other hand, if the same aircraft model operates in multiple bases, then different repairable item-types of that model might get distinct ASP-score and be assigned into different groups.
| مقالات مرتبط با این موضوع |