محمد مختاری - گروه مدیریت صنعتی،دانشکده مدیریت،واحد تهران جنوب،دانشگاه آزاد اسلامی، تهران،ایران.
ابوتراب علیرضایی - گروه مدیریت صنعتی،دانشکده مدیریت، واحد تهران جنوب،دانشگاه آزاد اسلامی تهران،ایران.
حسن جوانشیر - گروه صنایع،دانشکده صنایع، واحد تهران جنوب،دانشگاه آزاد اسلامی، تهران،ایران.
محمود مدیری - گروه مدیریت صنعتی،دانشکده مدیریت،واحد تهران جنوب، دانشگاه آزاد اسلامی ،تهران،ایران.

به حداقل رسیدن هزینه های زنجیره تامین به عنوان یکی از مسائل ضروری در فعالیت های مرتبط با پشتیبانی از جمله سیستم های برنامه ریزی مالی،فعالیت های مربوط به بازاریابی و فروش،قیمت تمام شده محصولات به چگونگی مدیریت زنجیره تامین مجموعه ای از روش هایی که برای یکپارچه سازی موثر تامین کنندگان، تولیدکنندگان، انبارها و فروشگاه ها به کار می رود،بستگی دارد تا هزینه های کل زنجیره تامین به حداقل برسد و همچنین نیاز مشتریان با سطح خدمت رسانی بالایی برآورده شود.در این مقاله به منظور برنامه ریزی و طراحی شبکه زنجیره تامین پویا در شرایط عدم قطعیت از ابزار پیش بینی با استفاده از شبکه عصبی مصنوعی پرداخته شده است.هدف پژوهش یکی از مهمترین موارد رعایت شده در این تحقیق استفاده از متدولوژی های هوش مصنوعی مانند Grid Clustering, Subtractive Partitioning, FCM به منظور کشف الگوها و روابط بنیادی و تکنیکال موجود در داده های تاریخی استفاده شده است. برای این کار به ارائه یک شبکه عصبی مصنوعی چند لایه فازی استنتاجی مبتنی برزنتیک جهت جلوگیری از غیرتوجیه پذیری فنی و اقتصادی حل و اجرا پرداخته شده است. مدل پایه این مقاله که توسط محقق ارائه شده است به برنامه ریزی استوار و چند دوره ای برای حالت چند محصولی در شرایط عدم قطعیت می باشد.

سیستم پشتیبان تصمیم, پیش بینی, طراحی شبکه, استوار, عدم قطعیت