تحلیل نقطه سر به سر برای تکنولوژی RFID در سیستم های کنترل موجودی حساس به کمبود
بابک یوسفی یگانه[1] ، علی رحیمی فرد[2]
چکیده
با استفاده از RFID در محصولات ، تولید کننده و خرده فروش سعی در کنترل موجودی و مقابله با کمبود کالا می نمایند . سیستم های فعلی کنترل موجودی تاثیر خطای ناشی از مفقود شدن کالا را در محاسبات مربوط به کمبود در نظر نمی گیرند . بعنوان یک واکنش در این خصوص پاره ای عملیات اصلاحی با استفاده از راهکارهای مالی بکارگرفته شده است که منجر به محاسبه موجودی واقعی می شود . در این یک سیاست موجودی بر مبنای کمبود و تاثیر RFID ارائه می شود و وضعیت سیستم قبل از و بعد از بکارگیری RFID به لحاظ هزینه مورد مقایسه قرار می گیرد و تحلیلی دقیق در خصوص قیمت بر چسب های RFID با استفاده از تجزیه و تحلیل نقطه سر به سر ارائه می شود. به نظر می رسد که قیمت در نقطه سر به سر به شدت به ارزش کالاهای مفقود شده ، سهم کمبود و همچنین میزان کمبود پس از بکارگیری RFID وابسته است . در پایان تقریبی از حداکثر سرمایه ای که سیستم می تواند برای بر چسب های RFID هزینه کند ارائه می شود .
کلمات کلیدی
کنترل موجودی، کمبود، تکنولوژیRFID، تحلیل نقطه سر به سر
1- مقدمه
با جایگزینی تکنولوژی RFID بجای بارکد در زنجیره تامین ، فروشنده و تامین کننده قادر خواهند بود محل و تعداد دقیق موجودی خود را بدون اتلاف وقت در هر مرحله از زنجیره تامین مشخص نمایند . با فرض اینکه تجهیزات شناسایی قابل اطمینان هستند ، RFID می تواند اطلاعات دقیقی از وضع فعلی موجودی و محل آن را در زنجیره تامین مشخص نماید . مک فارلن و شفی [1]( 2003) برخی از چالش های اصلی RFID در زنجیره تامین را بررسی کرده اند . مشکل اصلی در بحث RFID قیمت بالای برچسب های RFID است . در این تحقیق سعی داریم با تحلیل هزینه – سود قیمت در نقطه سر به سر را برای RFID محاسبه نماییم .
آتالی[2] و همکاران ( 2005) به سه عامل اصلی کمبود اشاره نموده اند که در مدل های کلاسیک کنترل موجودی به حساب نمی آیند . این سه عامل به شرح زیر می باشند :
الف ) نقصان[3] محصول : این عامل در محاسبات مدل های موجودی وارد نمی شود لذا با عدم در نظر گرفتن این عامل کمبود ، موجودی سیستم نسبت به حالت واقعی بیشتر به نظر می رسد .
ب) چیدمان نادرست محصولات : این عامل به حالتی اشاره می کند که محصول در مکان صحیح مربوط به خود قرار نگرفته است و لذا در دسترس مشتری نمی باشد ، در نتیجه مقدار موجودی واقعی و موجودی محاسبه شده دارای تفاوتی هستند که که اغلب به انحراف موجودی[4] از آن یاد می شود .
ج) جابجایی محصول : این عامل نیز یکی دیگر از دلایل ایجاد خطا در محاسبات موجودی است که به علت قرائت نادرست محصول در انبار و یا در قفسه های محصولات بوجود می آید .
راهکار مناسب و استاندارد جهت شناسایی و حذف انحراف موجودی که در بالا به آن ها اشاره گردید بکار گیری ابزار آلاتی است که خود هزینه ای را به سیستم وارد می کنند . در این مطالعه عمدتا بر سیستم های موجودی که دچار نقصان می شوند متمرکز می شویم .فرض می کنیم RFID سبب بالا بردن دقت در اطلاعات بدست آمده می شود . در نتیجه فرض می کنیم که RFID سبب کنترل بهتر کمبود می شود و ممکن است کمبود به کلی حذف شود و یا درصدی از کمبود که قبل از بکار گیری RFID مشاهده می گردید بهبود یابد . لی و اوزر [5]( 2005) در مطالعه ای عنوان کرده اند که پس ازبکارگیری RFID بین 10 تا 66 درصد از کمبود مشاهده شده پس از بکارگیری RFID بهبود می یابد .
تا به امروز مطالعات گسترده ای در خصوص انحراف موجودی صورت گرفته است که ازجمله آنها می توان به موارد ذیل اشاره نمود :
دیهراتیوس و رامان [6] ( 2004) دریافته اند که 65 درصد از ثبت های صورت گرفته در سیستم های موجودی نادرست هستند . همچنین کانگ و گرشوین[7] ( 2005) دریافته اند که در بهترین حالت عملکرد سیستم های موجودی 70 تا 75 درصد از ثبت های صورت گرفته با موجودی واقعی طی یک سال مطابقت می نماید و دربین تمام سیستم های موجودی به طور میانگین 51 درصد از ثبت موجودی ها با موجودی واقعی مطابقت دارد .
رامان و همکاران (2001) نشان داده اند که در فروشگاه های خرده فروشی
نگهداری شده ( SKU[8]) با موجودی واقعی تطابق ندارد . برخی از این اشتباهات صورت گرفته در ثبت موجودی منجر به کاهش سود به میزان 10 درصد می شود .
سایر مطالعات انجام شده در این خصوص نشان داده اند که عامل دیگر در ایجاد انحراف موجودی بعلت نقصان در کالا می باشد . بعنوان نمونه می توان به فلیش و تلکمپ [9]( 2005) و الکساندر[10] و همکاران ( 2002) اشاره نمود .
2- مدل سازی مسئله
ابتدا بایستی پارامتر های مسئله را تعریف کنیم . در هر R پریود وضعیت موجودی بررسی شده و در صورت لزوم به سطح S می رسد . تقاضا در پریودهای مختلف مشخص است ، فرض کنید E[D] نشان دهنده امید ریاضی تقاضا در هر پریود و
مفقود می گردد) . فرض می کنیم که فرآیند ناپدید شدن کالاها فرآیند پواسون با نرخ
|
متغیر |
شرح |
|
C |
طول سیکل مشاهده شده |
|
|
طول مورد انتظار سیکل مشاهده شده |
|
|
طول سیکل مورد انتظار مشاهده شده با RFID |
|
|
طول سیکل مشاهده شده بدون RFID |
|
E[D] |
تقاضای مورد انتظار در هر پریود |
|
|
سهم مفقود شدن کالا |
|
|
نرخ مفقود شدن کالا |
|
|
موجودی فیزیکی در پایان jامین بازپرسازی در سیکلی به طول k پیش از تحویل تقضای بعدی |
|
|
میزان تقاضای انباشته شده در طول jامین بازپرسازی سیکلی با طول k |
|
X |
ارزش موجودی فیزیکی در انتهای یک سیکل دلخواه قبل از تحویل تقاضا |
|
B |
ارزش میزان تقاضای انباشته شده در طول یک سیکل دلخواه |
|
D1 (s,t] |
تقاضا در فاصله ] t ،s ) |
|
D2 (s,t] |
میزان مفقود شدن در فاصله ] t ،s ) |
|
R |
طول سیکل بازنگری شده |
|
Lj |
لیدتایم برای jامین سفارش در یک سیکل مشاهده شده |
|
S |
سطح موجودی |
|
Nr |
تعداد پریود ها در طول یک سال |
|
|
قیمت فروش هر واحد از محصول |
|
|
هزینه بازنگری |
|
r |
نرخ بهره سالانه |
|
|
نسبتی از کالاهای مفقود شده که نمی توان از آن جلوگیری نمود |
|
|
هزینه برچسب های RFID |
جدول 1. تعریف پارامتر های مدل
در هر عملیات بازنگری ، وضعیت موجودی بررسی می شود . احتمال اینکه تعداد واحد های بررسی شده موجودی با مقدار مورد نظر مطابقت داشته باشد را برابر p در نظر می گیریم . بنابراین با این احتمال ( p ) ، تعداد آیتم های مفقود شده قابل شناسایی بوده و با احتمال ( 1-p ) موجودی برابر است با آخرین موجودی مشاهده شده منهای تقاضا بعلاوه میزان بازپرسازی که بین آخرین پریود بازنگری و پریود فعلی دریافت شده است .
بر اساس متغیر های تعریف شده در جدول 1 روابط زیر تعریف می شوند :
P(C=k) = p(1-p)k-1 k=1,2,… (1)
به همین ترتیب طول مورد انتظار سیکل ، E[C] برابر است با :
E[C]=
با توجه به تئوری renewal reward theory ، روابط زیر بدست می آید :
فرض کنید در لحظه t=0 سطح موجودی کاملا مشخص بوده و همچنین فرض کنید طول سیکل در این لحظه k باشد ، jامین بازنگری (
بلافاصله پس از این بازنگری موقعیت موجودی برابر است با S-D2 (0,(j-1)R] ، در حالیکه در توابع موجودی فرض بر این است که موقعیت موجودی برابر با S است . سفارش در لحظه (j-1)R در زمان (j-1)R+Lj دریافت می شود . بنابر این موجودی خالص در لحظه (j-1)R+Lj بلافاصله پس از دریافت این سفارش که با
به همین ترتیب موجودی خالص درست قبل از دریافت یک سفارش ( که در لحظه jR ایجاد شده و در زمان+Lj+1 jR دریافت می شود ) که با
با استفاده از عبارات فوق برای موجودی و با در نظر داشتن این واقعیت که ,0)
به رابطه زیر می رسیم :
برای سهولت در روابط از عبارات کمکی زیر استفاده می کنیم :
در نتیجه خواهیم داشت :
به همین ترتیب برای E[B] نیز رابطه زیر بدست می آید :
(6)
فرض کنیم P2 بخشی از سهمی از تقاضا است که به طور مستقیم از طریق موجودی در دست برآورده می شود بنابر این P2 به صورت زیر خواهد بود :
با توجه به تعریف پارامترها در جدول 1 هزینه سیستم قبل از بکارگیری RFID به صورت زیر خواهد بود :
این هزینه جمع کل هزینه های مربوط به سیستم کنترل موجودی مورد نظر است :
الف) هزینه موجودی ، که شامل هزینه متوسط موجودی در دست (
ب) هزینه کمبود :
ج) هزینه مرور و بازنگری سیستم :
به طور مشابه می توانیم تابع هزینه سالانه را برای سیستم در حالتی که RFID مورد استفاده قرار می گیرد را تعریف نماییم (
در صورتیکه
با مقایسه روابط (8) و (9) متوجه می شویم که وقتی RFID در سیستم مورد استفاده قرار نگرفته باشد هزینه بیشتری نسبت به حالتیکه RFID مورد استفاده قرار گیرد به سیستم اعمال می گردد( البته بایستی طول سیکل در هر دو حالت برابر باشد ) ، در واقع :
در صورتیکه
و در صورتیکه
3-تحلیل نقطه سر به سر برای قیمت RFID
برای تحلیل تاثیر پارامتر های مختلف بر قیمت در نقطه سر به سر برای پارامترهای مسئله مقادیر مختلفی در نظر می گیریم . قاضا در این آزمایش از تابع ارلنگ پیروی می کند ، تعداد دوره ها در یک سال 250 پریود می باشد . طول سیکل مشاهده شده هفتگی ، 4 هفته یکبار ، 12 هفته یکبار و سالی یکبار در نظر گرفته می شود . قیمت فروش 1 یورو است . سایر پارامتر ها در جدول 2 آمده است :
|
متغیر |
مقدار |
|
|
WEEK,4WEEKS,12WEEKS,YEAR |
|
E[D] |
0.2,1,0.5 |
|
|
0.01,0.02,0.05,0.2 |
|
CV(D) |
0.1,0.5,1 ( ضریب تغییرات تقاضا ) |
|
Lj |
1, 5 , 20 |
|
P2 |
0.9,0.95,0.99 |
|
|
1, 20 |
|
|
0.25,0.75,1.5 |
|
r |
0.1, 0.2 |
|
|
0,0.25,0.5,0.75 |
جدول 2. مقادیر تعریف شده پارمتر های مسئله
تحلیل مورد نظر در چند گام به شرح زیر انجام می شود :
1) مجموعه کلیه داده ها مورد بررسی قرار می گیرد و تاثیر گذارترین متغیر در نقطه سر به سر مشخص می گردد؛
2) با بهینه سازی سیکل مورد نظر مجموعه داده ها را کم می کنیم ( بهترین مقدار هر مجموعه از داده ها را جهت کمینه کردن طول سیکل در تابع سود نهایی انتخاب می کنیم ) ؛
3) نهایتا به تقریبی از قیمت در نقطه سر به سر خواهیم رسید .
3-1- بررسی داده ها
جدول 3 قیمت در نقطه سر به سر برای هر یک از پارامتر ها را نشان می دهد . هر ستون نشان دهنده مقداری متفاوت برای
بررسی دامنه تمام پارامتر ها نشان می دهد که قیمت در نقطه سر به سر به طور ملموسی به
|
پارامتر |
ارزش |
قیمت در نقطه سر به سر | |||
|
|
|
|
| ||
|
|
0.01 |
0.2335 |
0.0877 |
0.0586 |
0.0293 |
|
0.02 |
0.3511 |
0.1762 |
0.1176 |
0.0588 | |
|
0.05 |
0.74045 |
0.4416 |
0.2946 |
0.1473 | |
|
0.2 |
2.4731 |
1.7685 |
1.1791 |
0.5895 | |
|
|
1.00 |
0.1950 |
0.0589 |
0.0393 |
0.1964 |
|
20 |
1.6861 |
1.1781 |
0.7856 |
0.3929 | |
|
r |
0.1 |
0.9109 |
0.0084 |
0.0056 |
0.0028 |
|
0.2 |
0.9702 |
0.6409 |
0.4274 |
0.2137 | |
|
E[D] |
0.2 |
1.1173 |
0.6234 |
0.4151 |
0.2074 |
|
1.00 |
0.8768 |
0.6169 |
0.4116 |
0.2059 | |
|
5.00 |
0.8275 |
0.6152 |
0.4107 |
0.2055 | |
|
CV[D] |
0.1 |
0.9481 |
0.6215 |
0.4139 |
0.2068 |
|
0.5 |
0.9408 |
0.6189 |
0.4127 |
0.02064 | |
|
1.00 |
0.9328 |
0.6151 |
0.4107 |
0.2055 | |
|
E[L] |
1 |
0.9393 |
0.6170 |
0.4113 |
0.2056 |
|
5 |
0.9395 |
0.6175 |
0.4117 |
0.2059 | |
|
20 |
0.9428 |
0.6210 |
0.4143 |
0.2072 | |
|
P2 |
0.9 |
0.9056 |
0.5922 |
0.3949 |
0.1975 |
|
0.95 |
0.9291 |
0.6099 |
0.4067 |
0.2034 | |
|
0.99 |
0.9871 |
0.6534 |
0.4357 |
0.2178 | |
|
|
0.25 |
0.8589 |
0.6185 |
0.4124 |
0.2062 |
|
0.75 |
0.9289 |
0.6185 |
0.4124 |
0.2062 | |
|
1.5 |
1.0338 |
0.6185 |
0.4124 |
0.2062 | |
|
|
WEEK |
1.0898 |
0.5586 |
0.3723 |
0.1861 |
|
4WEEKS |
0.8446 |
0.5688 |
0.3793 |
0.1896 | |
|
12WEEKS |
0.8268 |
0.5992 |
0.3997 |
0.1999 | |
|
YEAR |
1.0009 |
0.7475 |
0.4986 |
0.2494 | |
جدول 3.قیمت در نقطه سر به سر برای تمام پارامتر ها
مشاهده می شود . این حالت بعلت بر همکنش هزینه های موجودی و بازنگری است . برای سایر مقادیر
تغییر می کند . طول سیکل مشاهده شده تاثیر زیادی بر نتیجه بدست آمده دارد ، جدول 4 تاثیر هزینه های نهایی که با طول سیکل در ارتباط هستند و همچنین ارزش آیتم های مفقود شده را نشان می دهد(
|
|
هزینه ها |
طول سیکل مشاهده شده | |||
|
WEEK |
4WEEKS |
12WEEKS |
YEAR | ||
|
0.01 |
هزینه های موجودی |
4.86 |
3.77 |
3.62 |
3.56 |
|
هزینه بازنگری |
0.83 |
3.48 |
10.41 |
41.67 | |
|
تمامی هزینه های مرتبط |
5.6 |
7.25 |
14.04 |
45.25 | |
|
4.00 |
هزینه های موجودی |
794.92 |
240.80 |
126.83 |
89.93 |
|
هزینه بازنگری |
0.83 |
3.48 |
10.42 |
41.67 | |
|
تمامی هزینه های مرتبط |
795.75 |
244.28 |
137.25 |
131.60 | |
جدول 4. تاثیر طول سیکل بر متوسط موجودی و متوسط هزینه بازنگری سیستم
3-2- تجزیه و تحلیل با در نظر داشتن طول سیکل بهینه
در مجموعه داده ها 62208 مشاهده صورت گرفته است ، برای هر پارامتر 4 حالت در نظر گرفتیم و برای هر مقدار نیز طول سیکل متفاوتی انتخاب نمودیم . در مجموعه تعریف شده برای داده ها ابتدا کمترین هزینه کل را محاسبه نمودیم که در نتیجه سبب کاهش مجموعه داده ها به 15552 می گردد که که از نظر طول سیکل بهینه می باشند . شکل 1 میانگین تمام سیکل های بهینه مشاهده شده (
شکل 1. سیکل بهینه مشاهده شده برای تمام ترکیبات
این شکل نشان می دهد که برای کالاهایی با ارزش بالا و مقدار نرخ کمبود زیاد احتمالا نیاز به بازنگری بیشتری نسبت کالاهای ارزان با نرخ کمبود پایین دارند . بعلاوه در صورتی که نرخ
برای دیدن تاثیر این مرحله حساسیت هر یک از پارامترها را با در نظر گرفتن میانگین قیمت در نقطه سر به سر در جدول 5 نشان می دهیم . قیمت در نقطه سر به سر از رابطه زیر حاصل می شود :
(16)
|
پارامتر |
ارزش |
قیمت در نقطه سر به سر | |||
|
|
|
|
| ||
|
|
0.01 |
0.1291 |
0.0895 |
0.0589 |
0.0292 |
|
0.02 |
0.2434 |
0.1732 |
0.1143 |
0.0567 | |
|
0.05 |
0.5774 |
0.4195 |
0.2779 |
0.1384 | |
|
0.2 |
2.2118 |
1.6344 |
1.0858 |
0.5417 | |
|
|
1.00 |
0.0897 |
0.0609 |
0.0402 |
0.0199 |
|
20 |
1.4911 |
1.0973 |
0.7282 |
0.3631 | |
|
r |
0.1 |
0.7803 |
0.5736 |
0.3809 |
0.1900 |
|
0.2 |
0.8006 |
0.5847 |
0.3875 |
0.1929 | |
|
E[D] |
0.2 |
0.8432 |
0.6025 |
0.3979 |
0.1978 |
|
1.00 |
0.7762 |
0.5734 |
0.3809 |
0.1901 | |
|
5.00 |
0.7519 |
0.5615 |
0.3737 |
0.1867 | |
|
CV[D] |
0.1 |
0.7969 |
0.5810 |
0.3852 |
0.1919 |
|
0.5 |
0.7903 |
0.5793 |
0.3842 |
0.1915 | |
|
1.00 |
0.7840 |
0.5771 |
0.3831 |
0.1910 | |
|
E[L] |
1 |
0.7882 |
0.5768 |
0.3826 |
0.1906 |
|
5 |
0.7893 |
0.5778 |
0.3833 |
0.1911 | |
|
20 |
0.7937 |
0.5827 |
0.3867 |
0.1928 | |
|
P2 |
0.9 |
0.7789 |
0.5732 |
0.3808 |
0.1900 |
|
0.95 |
0.7876 |
0.5778 |
0.3835 |
0.1912 | |
|
0.99 |
0.8046 |
0.5864 |
0.3883 |
0.1933 | |
|
|
0.25 |
0.7691 |
0.5692 |
0.3783 |
0.1888 |
|
0.75 |
0.7902 |
0.5791 |
0.3840 |
0.1913 | |
|
1.5 |
0.8119 |
0.5891 |
0.3902 |
0.1943 | |
جدول 5. قیمت در نقطه سر به سر در حالت بهینه برای کلیه پارامتر ها
در این رابطه
شکل 2. قیمت بهینه در نقطه سر به سر برای تمام ترکیبات
در جدول 6 به ازای نرخ های مختلف تقاضا قیمت در نقطه سر به سر محاسبه شده است . در تجزیه و تحلیل نهایی سود ناشی از بکارگیری RFID را بعنوان تابعی از
ا) سرمایه گذاری در موجودی ؛
2) هزینه بازنگری ؛
3) هزینه کمبود ؛
تاثیر بکارگیری RFID بر هر یک از این هزینه ها در جدول ( 7) نشان داده شده است .
|
|
|
|
|
|
|
E[D] |
|
|
|
|
|
0.2 |
0.0311 |
0.0106 |
0.0070 |
0.0035 |
|
1 |
0.0161 |
0.0097 |
0.0065 |
0.0032 |
|
5 |
0.0124 |
0.0089 |
0.0059 |
0.0029 |
|
|
|
|
|
|
|
E[D] |
|
|
|
|
|
0.2 |
4.3473 |
3.1761 |
2.1052 |
1.0496 |
|
1 |
4.1443 |
3.0811 |
2.0500 |
1.0237 |
|
5 |
4.0653 |
3.0408 |
2.0244 |
1.0112 |
|
|
|
|
|
|
جدول 6. قیمت در نقطه سر به سر برای مقادیر بهینه
|
|
|
|
|
|
|
|
0.01 |
موجودی |
36.73 |
25.60 |
15.29 |
7.60 |
|
بازنگری |
100.00 |
12.83 |
9.39 |
3.59 | |
|
کمبود |
100.00 |
75.00 |
50.00 |
25.00 | |
|
4.00 |
موجودی |
47.04 |
24.56 |
13.44 |
5.84 |
|
بازنگری |
100.00 |
41.27 |
20.19 |
7.58 | |
|
کمبود |
100.00 |
75.00 |
50.00 |
25.00 |
جدول 7 . تاثیر بکار گیری RFID بر هر یک از اجزای تابع هزینه
3-3- تخمین قیمت ها در نقطه سر به سر
نتایج فوق این سوال را ایجاد می کند که آیا
می یابد و از اینرو عبارت
|
|
|
|
|
|
|
|
|
0.01 |
مطلق |
میانگین |
0.0098 |
0.0022 |
0.0015 |
0.0007 |
|
حداکثر |
0.0416 |
0.0073 |
0.0049 |
0.0025 | ||
|
همبستگی |
میانگین |
39.37% |
21.10% |
20.99% |
20.63% | |
|
حداکثر |
80.62% |
49.49% |
49.78% |
49.80% | ||
|
0.04 |
مطلق |
میانگین |
0.1856 |
0.0993 |
0.0599 |
0.0282 |
|
حداکثر |
0.7902 |
0.3822 |
0.2326 |
0.1147 | ||
|
همبستگی |
میانگین |
4.31% |
3.14% |
2.86% |
2.69% | |
|
حداکثر |
16.49% |
11.29% |
10.42% |
10.29% |
جدول 8 . تفاوت و همبستگی مقدار تخمین زده شده و واقعی قیمت RFID
نتیجه گیری
تکنولوژی RFID اطلاعات مناسبتری را برای سیستم های موجودی در مقایسه با سایر روش ها فراهم می آورد . نکته قابل تامل در بکار گیری RFID قیمت این بر چسب هاست که بایستی با توجه به میزان سود آوری سیستم و مقایسه با هزینه هایی نظیر هزینه بازنگری سیستم ، هزینه نگهداری موجودی ها و نظایر اینها در خصوص بکار گیری RFID تصمیم گیری نمود . در این مطالعه سعی بر آن بوده است تا با تجزیه و تحلیل و بررسی میزان حساسیت پارامتر های مختلف تابع هزینه ، در نقطه سر به سر به بررسی قیمت RFID بپردازیم . یکی از عوامل موثر در میزان سرمایه گذاری سیستم طول سیکل می باشد که در این مقاله به آن اشاره گردید . همچنین با در نظر گرفتن مقادیر مختلف برای پارامتر های مسئله دریافتیم که ارزش کالا ، درصدی از محصولات که مفقود می شوند و همچنین سهم کالاهای مفقود شده پس از بکار گیری RFID عوامل موثر در مسئله مورد بررسی می باشند .
با در نظر داشتن این پارامتر ها عبارتی تقریبی برای قیمت در نقطه سر به سر برای برچسب های RFID ارائه گردید و نشان داده شد که این تقریب یک تبرآورد نسبتا مناسب می باشد .
منابع فارسی
1- یوسفی یگانه ،بابک؛ فاروقی ، هیوا ؛ رحیمی فرد ، علی ، تحلیل خطای چیدمان محصولات در فروشگاه های زنجیره ای با استفاده از تکنولوژی RFID ، نخستین کنفرانس بین المللی مدیریت زنجیره تامین و سیستم های اطلاعات .1386.
منابع انگلیسی
1-Alexander, K., Gilliam, T., Gramling, K., Grubelic, C., Kleinberger, H., Leng, S., Moogimane, D., Sheedy, C., 2002. Applying Auto-ID to Reduce Losses Associated with Shrink. IBM Consulting Services, MIT Auto-ID Cente White Paper, November 1.
2-Atali, A., Lee, H., Ozer, O., 2005. If the inventory manager knew: value of RFID under imperfect inventory information.Working Paper,
3-DeHoratius, N., Raman, A., 2004. Inventory record inaccuracy: an empirical analysis. Working Paper,
4-DeKok,A.G.,et al., A break-even analysis of RFID technology for inventory sensitive to shirinkage .International Journal of Production Economocs (2007),5,pp5.
5-van Donselaar, K., Van Woensel, T., Broekmeulen, R., Fransoo,J., 2004. Improvement opportunities in retail logistics. In: Doukidis, G.J., Vrecholopoulos, A.P. (Eds.), Consumer Driven Electronic Transformation: Apply New Technologies to Enthuse Consumers. Springer, Berlin.ECR Europe, 2003. Shrinkage: a collaborative approach to reducing stock loss in the supply chain.
6-Fleisch, E., Tellkamp, C., 2005. Inventory accuracy and supply chain performance: simulation study of a retail supply chain. International Journal of Production Economics 95 (3), 373–385.
7-Kang, Y., Gershwin, S.B., 2005. Information inaccuracy in inventory systems: stock loss and stockout. IIE Transactions 37 (9), 843–859.
8-Kok, A.G., Shang, K.H., 2005. Inspection and Replenishment policies for systems with inventory record inaccuracy. Working Paper,
9-Lee, H., Ozer, O., 2005. Unclocking the value of RFID. Working Paper,
McFarlane, D., Sheffi, Y., 2003. The impact of automatic identification on supply chain operations. International Journal of Logistics Management 14 (1), 1–17.
10-Raman, A., DeHoratius, N., Ton, Z., 2001a. Execution: the missing link in retail operations.
11-Raman, A., DeHoratius, N., Ton, Z., 2001b. The Achilles heel of supply chain management. Harvard Business Review 43 (3),136–152.
12-Rekik, Y., Sahin, E., Dallery, Y., 2005. Analysis of the benefits ofauto-ID technology in improving retail shelf availability.Working Paper, Ecole Centrale, Paris.
13-Reyes, P.M., Gimenez Thomsen, C., Frazier, G.V., 2006. RFIDattractiveness in the
14-Silver, E.A., Pyke, D.F., Peterson, R., 1998. Inventory Management and Production Planning and Scheduling, third ed. Wiley,
15-Tijms, H.C., 2003. A First Course in Stochastic Models. Wiley
[1] - MaFarlane & Sheffi
[2] -Atali
[3] - Shrinkage
[4]-Inventory deviation
[5] -Lee & Ozer
[6] Dehoratius & Raman
[7] -Kang & Gershwin
[8] -Stock keeping units
[9] Fleisch & Tellkamp
[10] Alexander et al
سلام
میشه اصل این مقاله رو برای من بفرستید
اگه در مورد مدل سازی هم چیزی میدونید ممنون میشم