فایل ورد کامل مدیریت فهرست بندی قطعات یدکی در شرکت انرژی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدیریت فهرست بندی قطعات یدکی در شرکت انرژی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

۸- نتیجه گیری
ما به مطالعه بررسی مسئله فهرست بندی قطعات یدکی در استاتویل ای اس ای یک شرکت انرژی بزرگ پرداختیم. توجه ما به نحوه تعیین پارامترهای کنترل برای سیسم مرور مستمر می باشد که در ازای محدوده سطح خدمات میزان پر سازی می باشد. انتخاب مدل تقاضای مناسب نقش مرتبطی ایفا می کند هنگامی که این مسئله را حل می کنیم. ما به مطالعه تناسب هفت مدل تقاضا برای داده های حدود ۲۱۰۰۰ قلم کالا پرداختیم. طبق این تناسب قانون تصمیم گیری برای انتخاب مدل تقاضا برای هر آیتم مطرح نمودیم. مدله ای تقاضای انتخاب شده برای مدل سازی مقدار زیادی آیتم ها مفید اند در حالی که در عین حال محاسبات را منطقی، ساده و پرسرعت می سازد. رویکرد ما به ما این اجازه را داد تا پارامترهای کنترل را برای ۹۷۹% آیتم های آزموده شده پیشنهاد کنیم.

عنوان انگلیسی:Inventory management of spare parts in an energy company~~en~~

۸ Concluding remarks

We have studied a problem of spare parts inventory in Statoil ASA, a large energy company. Our attention focused on how to set control parameters for the (s, S) continuous review system, subject to the fill rate service-level constraint. Selecting an appropriate demand model plays a relevant role when solving this problem. We have studied the fitness of seven demand models to the data of about 21 000 items. Based on this fitness, we have proposed a decision rule to select a demand model for each item. The demand models selected have proved to be useful for modelling a vast amount of items, while at the same time keeping the computations reasonably simple and quick. Our approach allowed us to recommend control parameters for 97.9% of all tested items.

$$en!!