تأثیر برنامه ریزی فروش و عملیات بر عملکرد کلی زنجیرۀ تأمین: مطالعه موردی در صنعت فرمینگ

نوع مقاله: علمی پژوهشی

نویسندگان

1 استاد،دپارتمان مدیریت صنعتی،دانشکده علوم اقتصادی ومدیریت،دانشگاه مازندران،بابلسر،ایران

2 دانشیار،دپارتمان مدیریت صنعتی،دانشکده علوم اقتصادی و مدیریت،دانشگاه مازندران،بابلسر،ایران

3 دانشجوی دکتری مدیریت تولید و عملیات، دپارتمان مدیریت صنعتی، دانشکده علوم اقتصادی و مدیریت،دانشگاه مازندران،بابلسر،ایران

چکیده

برنامه­ریزی فروش و عملیات[1] امروزه به یک فرایند شناخته شده و پرکاربرد در زنجیرۀ تأمین تبدیل شده است. با این حال تا به امروز، ارزیابی و محاسبه منافع بکارگیری این فرایند مورد غفلت قرارگرفته است. این مقاله، عملکرد فرایند برنامه­ریزی فروش و عملیات را از طریق مدل­سازی ریاضی مورد ارزیابی قرار می­دهد. در این مطالعه، سه مدل برنامه­ریزی مختلط اعداد صحیح[2] ارائه شدند که به ترتیب نشان­ می دهنده: "برنامه­ریزی فروش و عملیات کاملاً یکپارچه[3]" که در آن برنامه­ریزی فروش، تولید، توزیع و تأمین بصورت متمرکز و یکپارچه انجام می­پذیرد؛ "برنامه­ریزی فروش و عملیات نسبتاً یکپارچه[4]" که درآن برنامه­ریزی فروش و تولید بصورت متمرکز انجام گرفته، درحالی که برنامه­ریزی توزیع و تأمین بصورت مجزا در هر سایت انجام می­گیرد؛ یک مدل "برنامه­ریزی گسسته[5]" که در آن برنامه­ریزی فروش به صورت متمرکز انجام شده، در حالی که برنامه­ریزی تولید، توزیع و تأمین به صورت مجزا و محلی انجام می­گیرد. هرسه مدل مذکور برای یک سیستم تولیدی چندسایتی توسعه داده شده­اند که دارای تأمین­کنندگان متعدد بوده، محصولات متفاوتی را تولید می کنند و به مشتریان بسیاری سرویس می­دهند. در انتها، عملکرد برنامه­ریزی فروش و عملیات کاملاً یکپارچه نسبت به دو مدل دیگر، از طریق مقایسه تأثیرات مالی این رویکردها تحت تقاضای ماهانه و قیمت بازار واقعی دریک شرکت تولید صنایع فرمینگ[6] در ایران مورد ارزیابی قرار گرفته است. نتایج، بیانگر برتری مدل برنامه­ریزی کاملا یکپارچه نسبت به دو مدل دیگر است.



[1].Sales and Operations Planning (S&OP)


[2].Mixed Integer Programming (MIP)


[3].Fully Integrated S&OP (FI-S&OP)


[4].Partially Integrated S&OP (PI-S&OP)


[5].Decoupled Planning (DP)


[6].Forming Industry

کلیدواژه‌ها


عنوان مقاله [English]

The effect of Sale and Operation planning on total supply chain performance (a case study in forming industry)

نویسندگان [English]

  • Mehrdad Madhoshi 1
  • Abdolhamid Safaei Ghadikolaei 2
  • Yaser Nemati 3
1 Professor, Industrial Management Department, Faculty of Economics and administrative science, University of Mazandaran, Babolsar, Iran
2 Associate Professor, Industrial Management Department, Faculty of Economics and administrative science, University of Mazandaran, Babolsar, Iran
3 Ph.D. student in Production and Operations Management, Industrial Management Department, Faculty of Economics and administrative science, University of Mazandaran, Babolsar, Iran
چکیده [English]

Nowadays, Sales and Operations Planning has become a well-known
and widely used process, yet, up to now, its usefulness has been
neglected. This paper intended to assess the performance process of sale
and operation planning through mathematical modelling procedure.
Three Mixed Integer Programming (MIP) models have been developed
in this study, namely fully integrated (with centralized sales, production,
distribution and procurement planning), partially integrated (with
centralized sales and production, but separated procurement and
distribution planning), and decoupled (with centralized sales, but
decentralized production, distribution and procurement planning). All
three models have been developed for a multi-site manufacturing
company. The results demonstrated the superiority of fully integrated
model over the others.

کلیدواژه‌ها [English]

  • Sales and Operations Planning (S&OP)
  • Mixed Integer Programming (MIP)
  • Make to Stock (MTS)
  • forming industry
Alavidoost, M., & Nayeri, M. A. (2014), Proposition of a hybrid NSGA-II algorithm with fuzzy objectives for bi-objective assembly line balancing problem. Tenth International Industrial Engineering Conference.

Cecere, L., Hillman, M,.Masson, C. (2006), The handbook of sales and operations planning technologies. AMR Research Report, AMRR-19187, 1–48.

Chandra, P., & Fisher, M. L. (1994), Coordination of production and distribution planning. European Journal of Operational Research, 7, 505-517.

Clark, A. J., Scarf, H. (1960), Optimal policies for a multi-echelon inventory problem. Management Science, 6, 475–490

Cohen, M. A., & Lee, H. L. (1988), Strategic analysis of integrated production-distribution systems: Models and methods. Operations Research, 36(2), 216-228.

Croxton, K. L., Lambert, D. M., García-Dastugue, S. J., & Rogers, D. S. (2002), The demand management process. International Journal of Logistics Management, 13(2), 51-66.

Dhaenens-Flipo, C. (2000), Spatial decomposition for a multi-facility production and distribution problem. International Journal of Production Economics, 64(1), 177-186.

Feng, Y., Martel, A., D'Amours, S., & Beauregard, R. (2013), Coordinated Contract Decisions in a Make-to-Order Manufacturing Supply Chain: A Stochastic Programming Approach. Production and Operations Management, 22(3), 642-660.

Fleischmann, B., Meyr, H., & Wagner, M. (2015), Advanced planning Supply chain management and advanced planning, Berlin Heidelberg.

Fumero, F., & Vercellis, C. (1999), Synchronized development of production, inventory, and distribution schedules. Transportation science, 33(3), 330-340.

Haq, A. N., Vrat, P., & Kanda, A. (1991), An integratedproduction-inventory-distribution model for manufacture of urea: a case. International Journal of Production Economics, 25(1), 39-49.

Klingman, D., Mote, J., & Phillips, N. V. (1988), OR Practice—A Logistics Planning System at WR Grace. Operations Research, 36(6), 811-822.

Maness, T. C., & Norton, S. E. (2002), Multiple period combined optimization approach to forest production planning. Scandinavian Journal of Forest Research, 17(5), 460-471.

Martin, C. H., Dent, D. C., & Eckhart, J. C. (1993), Integrated production, distribution, and inventory planning at Libbey-Owens-Ford. Interfaces, 23(3), 68-78.

Olhager, J., Rudberg, M., & Wikner, J. (2001), Long-term capacity management: Linking the perspectives from manufacturing strategy and sales and operations planning. International Journal of Production Economics, 69(2), 215-225.

Ouhimmou, M., D’Amours, S., Beauregard, R., Ait-Kadi, D., & Chauhan, S. S. (2008), Furniture supply chain tactical planning optimization using a time decomposition approach. European Journal of Operational Research, 189(3), 952-970.

Park, Y. (2005), An integrated approach for production and distribution planning in supply chain management. International Journal of Production Research, 43(6), 1205-1224.

Rizk, N., Martel, A&,.D’Amours, S. (2006), Multi-item dynamic production-distribution planning in process industries with divergent finishing stages. Computers & operations research, 33(12), 3600-3623.

Wahlers, J. L., & Cox III, J. F. (1994), Competitive factors and performance measurement: applying the theory of constraints to meet customer needs. International Journal of Production Economics, 37(2), 229-240.

Wallace, T. F. (2004), Sales & operations planning: the" how-to" handbook: T.F. Wallace & Company.

Wang, J.-Z., Hsieh, S.T., & Hsu, P.Y. (2012), Advanced sales and operations planning framework in a company supply chain. International Journal of Computer Integrated Manufacturing, 25(3), 248-262.

Williams, J. F. (1983), A hybrid algorithm for simultaneous schedulingof production and distribution in multi-echelon structures. Management Science, 29(1), 77-92.

Youssef, M. A., & Mahmoud, M. M. (1996), An iterative procedure for solving the uncapacitated production-distribution problem under concave cost function. International Journal of Operations & Production Management, 16(3), 18-27.