ترجمه کامپیوتر-15 صفحه
سال 2010
Genetic algorithm dynamic performance evaluation for RFID reverse logistic management
ارزیابی دینامیکی کارائی الگوریتم ژنتیک برای مدیریت لجستیک معکوس RFID
Amy J.C. Trappeya, b, Charles V. Trappeyc, Chang-Ru Wub
http://www.sciencedirect.com/science/article/pii/S0957417410002976
دانلود رایگان مقاله انگلیسی- الگوریتم ژنتیک برای مدیریت لجستیک معکوس RFID
چکیده:
آگاهی های زیست محیطی، رهنمودهای طبیعت، سیاست های برگشت آزادی و بازیافت مواد عموماً توسط صنعت و جامعه به عنوان بخشی از زندگی تولیدی پذیرفته شده است. لجستیک های معکوس بازتاب پذیرش سیاست های جدید بواسطه تجزیه و تحلیل فرآیندهای مرتبط با جریان محصولات، قطعات و مواد از مصرف کننده نهایی به مصرف کنندگان مجدد که شامل بازارها و تولید کنندگان دست دوم می باشد، است. ممکن است در حین لجستیک های معکوس قطعات به صورت گسترده ای پراکنده شوند. شناسایی فرکانس رادیویی (RFID) مطابق با معماری شبکه EP global (2004) همچون نرم افزار و سخت افزار و چارچوب جایگاه IT، مطابق با جمع آوری و انتقال بهتر داده ها در مدیریت لجستیک طراحی شده است. این تحقیق یک رویکرد کمی و کیفی هیبریدی را با استفاده از نقشه های شناخت و انتقال فازی و الگوریتم های ژنتیک به منظور مدل کردن و ارزیابی کارایی فعالیت های لجستیک معکوس RFID، معرفی کرده است. (چارچوب بازبینی شده اینجا تحت عنوان «استفاده از نقشه شناخت فازی برای ارزیابی خدمات لجستیک معکوس RFID» در کنفرانس 2009 آمریکا با تگزاس، 11-14 اکتبر) منتشر شده است. نقشه های شناخت فازی یک روش سودمند برای بیان روابط میان پارامترهای لجستیک معکوس است. آنالیزهای استنباطی با استفاده از الگوریتم های ژنتیک برای پیش بینی کارایی و پشتیبانی از تصمیم گیری یا راندمان لجستیک معکوس را بهبود می بخشند.
کلمات کلیدی: لجستیک های معکوس، شناسایی فرکانس رادیویی (RFID)، نقشه شناخت فازی، الگوریتم ژنتیک
Abstract
Environmental awareness, green directives, liberal return policies, and recycling of materials are globally accepted by industry and the general public as an integral part of the product life cycle. Reverse logistics reflects the acceptance of new policies by analyzing the processes associated with the flow of products, components and materials from end users to re-users consisting of second markets and remanufacturing. The components may be widely dispersed during reverse logistics. Radio frequency identification (RFID) complying with the EPCglobal (2004) Network architecture, i.e., a hardware- and software-integrated cross-platform IT framework, is adopted to better enable data collection and transmission in reverse logistic management. This research develops a hybrid qualitative and quantitative approach, using fuzzy cognitive maps and genetic algorithms, to model and evaluate the performance of RFID-enabled reverse logistic operations (The framework revisited here was published as “Using fuzzy cognitive map for evaluation of RFID-based reverse logistics services”, Proceedings of the 2009 international conference on systems, man, and cybernetics (Paper No. 741), October 11–14, 2009, San Antonio, Texas, USA.). Fuzzy cognitive maps provide an advantage to linguistically express the causal relationships between reverse logistic parameters. Inference analysis using genetic algorithms contributes to the performance forecasting and decision support for improving reverse logistic efficiency.
Keywords
Reverse logistics; Radio frequency identification (RFID); Fuzzy cognitive maps; Genetic algorithm
