ارائه مدلی برای طبقه بندی اقلام مواد و موجودی ها با استفاده از روش ABC –FUZZY)مطالعه موردی: شرکت پنل سازی هامون)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار، دانشگاه فردوسی مشهد.

2 عضو هیئت علمی دانشگاه ولی عصر رفسنجان.

3 کارشناسی ارشد، دانشگاه فردوسی مشهد.

چکیده

موجودی انبارها به طور معمول شامل حداقل دو دسته اقلام می شوند؛ دسته اول که بخش عمده ارزش موجودی انبار محسوب می شوند و معمولاً تعداد آنها زیاد نیست و دسته دوم که بخش کمتری از ارزش موجودی انبار را تشکیل می دهند و تعداد اقلام آن ها به مراتب بیشتر از دسته اول است. از اینرواستفاده از یک روش واحد کنترل موجودی برای تمامی این اقلام منطقی به نظر نمی رسد. در سیستم کنترل موجودی ABC بیشترین توجه به اقلام طبقه بالا معطوف بوده و طبقات بعدی از اهمیت کمتری برخوردارند. در این پژوهش ابتدا با توجه به روش ABC 77 قلم از مواد اولیه به سه ، گروه تقسیم بندی شده است که 11 قلم از آن ها به عنوان کالای A 16 قلم در طبقه ، B و 50 قلم باقیمانده در طبقه C قرار گرفتند. در ادامه معیارهای مصرف، کمیابی و بحرانی بودن اقلام با استفاده از تلفیق روش ABC و طبقه بندی فازی برای طبقه بندی 77 قلم از کالاها مورد استفاده قرار گرفت و مشخص شد که 14 قلم از کالاها بسیار مهم، 20 قلم مهم و 43 قلم در گروه غیر مهم هستند. از آنجا که کمبود یا در مواردی نبودن مواد اولیه در بازار سبب ایجاد مشکلاتی برای واحدهای تولیدی می شود، تشخیص دقیق کالاها در سه گروه مذکور با در نظر گرفتن معیارهای کیفی می تواند به برنامه ریزی درخرید و سیستم کنترل موجودی شرکت ها کمک شایانی نماید.

کلیدواژه‌ها


1. Ching-Wu, C., Gin-Shuh, L., Chien-Tseng, L., (2008), Controlling inventory by combining ABC analysis and fuzzy classification, Computers & Industrial Engineering, No. 55, pp. 841–851.
2. Gajpal, P. P., Ganesh, L. S., & Rajendran, C. (1994), criticality analysis of spare parts using the analytic hierarchy process. International Journal of Production.
3. Guvenir, H. E. Erel, (1998), Multicriteria inventory classification using a genetic algorithm. Journal of Operational Research, Vol. 105, pp. 29-37.
4. Hu, Y. C. (2005), Determining membership functions and minimum fuzzy support in finding fuzzy association rules for classification problems. Knowledge-Baesd Systems, 19, pp. 57–66.
5. Hu, Y. C., Chen, R. S., & Tzeng, G. H. (2003), Finding fuzzy classification rules using data mining techniques. Pattern Recognition Letters, 24, pp. 509–519.
7. Medasani, S., Kim, J., & Krishnapuram, R. (1998), An overview of membership function generation techniques for pattern recognition. International Journal of Approxmate Reasoning, 19, pp. 391–417.
8. Partovi, F. Y., Anandarajan, M. (2002), Classifying inventory using an artificial neural network approach. Computers and Industrial Engineering, 41, pp. 389–404.
9. Partovi, F. Y., Hopton, W. E. (1994), The analytic hierarchy process as applied to two types of inventory problems. Production and Inventory Management.
10. Partovi, F., J. Burton, (1993), Using the Analytiv Hierrarchy Process for ABC Analysis, International journal of Operation and Production Management, Vol. 13, No, 9.
11. Ramanathan, R. (2006), ABC inventory classification with multiple-criteria using weighted linear optimization. Computers and Operations Research, 33(3), pp.695–700.
12. Zhou, E., Khotanzad, A. (2007), Fuzzy Classifier