چکیده

در سیستم کنترل موجودی ABC بیشترین توجه به اقلام طبقه بالا معطوف بوده و طبقات بعدی از اهمیت کمتری برخوردارند. معیار معمول برای طبقه بندی ABC مصرف ریالی سالانهی اقلام موجودی بوده است. با این وجود ادبیات موضوع بیانگر گسترش روشهایی برای طبقه بنده چند معیارهی ABC است. در این مطالعه، مدلی چند معیاره برای طبقهبندی ABC ارائه شده است. مدل پیشنهادی بر مبنای روش تاپسیس است که یکی از بهترین روشهای تصمیم گیری چند معیاره بوده و در مسائل با ابعاد بزرگ، کارائی بالایی دارد. در ابتدا شاخصهای مناسب در ارزیابی ۸۸ قلم از مواد اولیهی واحد تولیدی مورد مطالعه، تعیین و با استفاده از روش آنتروپی شانون وزن آنها محاسبه گردید. سپس با استفاده از روش تاپسیس شاخص نزدیکی نسبی به راهحل ایده آل برای هر یک از اقلام محاسبه و نرمالایز گردید و نهایتاً با توجه به این شاخص و اصل تحلیل ABC ، طبقه بندی این اقلام انجام و با طبقه بندی سنتی ABC مقایسه گردید. با استفاده از رویکرد تلفیقی تاپسیس و ABC، ۷ قلم از کالاها در طبقه A، ۲۳ قلم در طبقهی B و ۵۸ قلم در طبقهی C قرار گرفتند. تشخیص دقیق کالاها در سه گروه مذکور با در نظر گرفتن معیارهای کیفی میتواند به برنامهریزی در خرید و سیستم کنترل موجودی شرکتها کمک شایانی نماید.

واژگان کلیدی: طبقهبندی موجودی، روشABC، تاپسیس، آنتروپی شانون، واحد تولیدی محصولات غذایی دلپسند.

۱٫ مقدمه

موجودی انبار در فعالیتهای اقتصادی اهمیت بسزایی دارد. کنترل نکردن صحیح موجودیها میتواند سبب ایجاد مشکلاتی در سیستم تولیدی شود. این موجودی در هر سیستم تولیدی یا خدماتی نقش کلیدی و راهبردی را ایفا میکند و با کنترل و برنامهریزی صحیح آن میتوان در متعادل ساختن جریان عملیات گام برداشت، زیرا کنترل موجودی، مسئله همزمانی تولید و مصرف را از میان میبرد. از سوی دیگر هزینههای انبار شامل هزینههای سفارش کالا، نگهداری و کسری کالا میباشد و مدیریت انبار هر سازمان موظف به کنترل این هزینههاست. برای جلوگیری از بروز مشکلات و زیانهای احتمالی ناشی کمبود اقلام موجودی، باید از تکنیکهایی استفاده کرد که احتمال ایجاد هر نوع مشکلی را در محیط تولیدی از بین برده یا حتیالمقدور وقوع آن را کاهش دهد. تحلیل ABC یکی از کارآمدترین تکنیکهایی است که در سازمانها مورد استفاده قرار میگیرد. این طبقهبندی شامل سه گروه )A,B,C( میشود، که اقلام کلاس A دارای بیشترین ارزش و کلاس C دارای کمترین ارزش هستند. در تحلیل ABC فقط به معیارهای قیمت و تعداد در دوره توجه میشود. در حالی که در نظر گرفتن عوامل دیگری مانند فاصلهی زمانی تحویل، عمومیت داشتن در محصولات، درجهی اطمینان برای تأمین، هزینه موجودی، کمیابی، قابلیت تعمیر، میزان سفارش، قابلیت ذخیرهسازی، اعتبار تامین کننده، نرخ منسوخ شدن و … ( Flores and (Whybark,1987 میتواند برای طبقهبندی اقلام انبار مفید باشد. از اینرو ترکیب طبقه بندی ABC با تکنیکهای دیگر میتواند موجب در نظر گرفتن عوامل کیفی و کمی بیشتری در استفاده از این تکنیک شود.

در این مقاله یک مدل ساده و قابل کاربرد برای طبقه بندی اقلام در سه گروه A،B،وC ارائه شده است و این مدل برای اقلام مواد اولیهی یک واحد تولیدی به اجرا درآمد.

-۱-۱ پیشینه تحقیق

کنترل موجودی همواره به عنوان یکی از مسایل مهم در حوزه پژوهش عملیاتی مطرح بوده است. الگوهای زیادی برای حل مسایل کنترل موجودی توسعه یافتهاند و هر الگویی مجموعه خاصی از فرضیهها را استفاده میکند. در واقع، سازمانها بر حسب نوع فعالیت خود صدها نوع متفاوت از مواد و اقلام را مورد استفاده قرار میدهند. “طبقه بندی” به عنوان یک ابزار تصمیمگیری مهم در کنترل موجودی پدیدار شده است. کاربرد تکنیکهای طبقهبندی میتواند در پیشبینی رفتار موجودی، خرید و فروش، طبقهبندی اقلام موجودی و پیشبینی رویدادهای متنوع، به کار برده شود. سیستمهای طبقهبندی مختلفی طی سالیان مختلف گسترش یافتند.برای مثال فلورس و وای بارک (Flores and Whybark,1987) رویکرد ماتریس دو معیاره را ارائه کردند. مبنای رویکرد آنان استفاده از آنالیز استاندارد ABC برای هریک از دو معیار و سپس ترکیب هر طبقهبندی تک معیاره از طریق ماتریس تلفیقی است. اگرچه این رویکرد گامی در جهت توسعهی ABC چند معیاره بود، اما محدودیتهایی هم داشت. اول آنکه راهی برای در نظر گرفتن بیش از دو معیار وجود ندارد و همچنین وزن معیارهای مختلف یکسان در نظر گرفته شدند. از دیگر روشها میتوان به روش آماری کوهن و ارنست (Cohen and Ernst, 1988) به نام تحلیل خوشهای که نیاز به داده های واقعی ، استفاده از تجزیه و تحلیل عاملی و یک رویه جمع آوری دارد، مدل بهینه سازی خطی موزون راماندان که مشابه ۱(DEA) تحلیل پوششی دادهها میباشد (Ramanathan, 2006)، مدل بهینه سازی خطی توسعه یافته فان و ژوو و مدل بهینه سازی خطی موزون وان لانگ اشاره کرد. “هوش مصنوعی” یک روش دیگر برای طبقهبندی چندگانه موجودی است که به وسیله الگوریتم ژنتیک برای مسائل طبقهبندی به کار گرفته شده است .)Guvenir and Erel, 1998( “شبکههای عصبی مصنوعی” نیز تکنیک دیگری است که بر اساس هوش مصنوعی بنا شده و میتواند برای مسائل طبقهبندی استفاده شود. پارتوی و آناندرجان((۲۰۰۲ یک شبکه عصبی مصنوعی برای طبقهبندی در یک صنعت دارویی پیشنهاد کردند. دو روش

۱ Data Envelopment Analysis

یادگیری الگوریتم ژنتیک و گسترش در این رویکرد مورد استفاده قرار میگیرند، که هر دوی این رویکردها ابتکاری هستند و نتایج خوبی را در همه محیطها فراهم نمیآورند. ژوو و خوتانزاد (۲۰۰۷) روشی را برای طراحی قانون فازی مبتنی بر دستهبندی با استفاده از الگوریتم ژنتیک پیشنهاد کردند. نتایج طبقهبندی با روشهای آماری بیز و دستهبندیهای فازی مقایسه شد و نشان داده شد که این روش پیشنهاد شده از آنها بهتر است. فرایند تحلیل سلسله مراتبی (AHP) از سوی ساعتی (۱۹۸۰) معرفی شد که تعدادی از بنیانگذاران و صاحبنظران طبقهبندی ABC آن را پذیرفتند ) Partovi and .)Burton, 1993 مزیت AHP این است که میتواند بسیاری از معیارها را ترکیب کند. و همچنین سادگی کاربرد آن در یک سیستم اندازهگیری و حسابداری حجیم مزیت دیگر آن است. اما نقطه ضعف آن شامل مقایسههای دوبهدویی ملاک و معیارها می باشد.

در ادامه پس از توضیح مختصری در خصوص روش ABC، روش تاپسیس و آنتروپی شانون، در بخش روش تحقیق روش طبقه بندی ABC با استفاده از تاپسیس به تفصیل بیان می گردد.