It is almost impossible to develop

It is almost impossible to develop a general,
single model that integrates all these aspects. From
Tables 1 and 2, it is easy to note that factors
considered is some models are ignored by other
models, and vice versa. This leads to the conclusion
that we need sets of inter-related submodels as a part
of general DSS for the design of GLS. These submodels
must be consistent while managing and interchanging
consistent data. Each submodel should focus
on the representation of several factors, but it
must be flexible enough to inter-relate with other
submodels. This idea is basically stated in Slats et al.
(1995) under the term of a 'logistics laboratory',
which may include optimization tools, heuristic procedures,
and simulation capabilities. From this viewpoint,
the model framework by Cohen and Kleindorfer
(1993) appears to represent the typical direction
of research to obtain effective strategic models for
GLS design in the future. Clearly, in this context, the
role of optimization models is critical to provide
effective support tools for management decision
making. However, we have found conflicting points
of view in the literature.
As a case in point, Cleaves and Masch (1996)
discuss the usefulness of traditional optimization
techniques for the strategic design of global supply
chains under uncertainty and multiple goals. They
highlight three potential flaws of LP for doing this:
limited resulting information, solution instability, and
dilution of the decision-maker role. As a consequence,
they claim that OR plays a very important
but 'subordinate' role in decision making in this
case. As another example, Silver (1993) examines the importance of mathematical modeling in world
class companies. He claims that quantitative models
must be more accurate when representing real systems,
and should handle the common 'givens' as part
of the decision variables. A summary of the literature
that discusses the impact of incorporating those
'givens' in decision making is presented. Silver
claims that the current role of mathematical modeling
for supporting the firm's continuing improvement
is very limited.

ผลลัพธ์ (ไทย) 2:

มันเกือบจะเป็นไปไม่ได้ที่จะพัฒนาโดยทั่วไปรูปแบบเดียวที่รวมทุกด้านเหล่านี้
จากตารางที่ 1 และ 2 จึงเป็นเรื่องง่ายที่จะทราบว่าปัจจัยการพิจารณาเป็นบางรุ่นจะถูกละเลยโดยอื่นๆรุ่นและในทางกลับกัน นี้นำไปสู่ข้อสรุปที่ว่าเราต้องชุดโมเดลย่อยระหว่างที่เกี่ยวข้องเป็นส่วนหนึ่งของDSS ทั่วไปสำหรับการออกแบบของ GLS โมเดลย่อยเหล่านี้จะต้องสอดคล้องขณะที่การจัดการและการสับเปลี่ยนข้อมูลที่สอดคล้องกัน รุ่นย่อยแต่ละคนควรมุ่งเน้นในการเป็นตัวแทนของปัจจัยหลายประการแต่ก็ต้องมีความยืดหยุ่นพอที่จะสร้างความสัมพันธ์ระหว่างกันกับคนอื่น ๆ โมเดลย่อย ความคิดที่นี่คือที่ระบุโดยทั่วไปในแผ่น et al. (1995) ภายใต้เงื่อนไขของการเป็น "โลจิสติกในห้องปฏิบัติการ 'ซึ่งอาจรวมถึงเครื่องมือเพิ่มประสิทธิภาพของขั้นตอนการแก้ปัญหา, และความสามารถในการจำลอง จากมุมมองนี้กรอบรูปแบบโดยโคเฮนและ Kleindorfer (1993) จะปรากฏขึ้นเพื่อเป็นตัวแทนของทิศทางทั่วไปของการวิจัยเพื่อให้ได้รูปแบบเชิงกลยุทธ์ที่มีประสิทธิภาพสำหรับการออกแบบGLS ในอนาคต เห็นได้ชัดว่าในบริบทนี้บทบาทของแบบจำลองการเพิ่มประสิทธิภาพเป็นสิ่งสำคัญที่จะให้เครื่องมือสนับสนุนการตัดสินใจที่มีประสิทธิภาพสำหรับการจัดการการ แต่เราได้พบจุดที่ขัดแย้งกันของมุมมองในวรรณคดี. ในฐานะที่เป็นกรณีในจุดที่แข็งกระด้างและ Masch (1996) หารือเกี่ยวกับประโยชน์ของการเพิ่มประสิทธิภาพแบบดั้งเดิมเทคนิคสำหรับการออกแบบเชิงกลยุทธ์ของอุปทานทั่วโลกเครือข่ายภายใต้ความไม่แน่นอนและเป้าหมายหลาย พวกเขาเน้นสามข้อบกพร่องที่อาจเกิดขึ้นจากแผ่นเสียงการทำเช่นนี้: จำกัด ข้อมูลที่เกิดความไม่แน่นอนการแก้ปัญหาและการลดสัดส่วนของบทบาทการตัดสินใจผลิต เป็นผลให้พวกเขาอ้างว่าหรือเล่นเป็นสิ่งที่สำคัญมากแต่ 'ผู้ใต้บังคับบัญชาบทบาทในการตัดสินใจในกรณีที่ เป็นอีกหนึ่งตัวอย่างสีเงิน (1993) ความสำคัญของการตรวจสอบแบบจำลองทางคณิตศาสตร์ในโลกบริษัท ชั้น เขาอ้างว่าแบบจำลองเชิงปริมาณจะต้องมีความถูกต้องมากขึ้นเมื่อเป็นตัวแทนของระบบจริงและควรจัดการทั่วไป'Givens' เป็นส่วนหนึ่งของตัวแปรการตัดสินใจ ผลรวมจากวรรณกรรมที่กล่าวถึงผลกระทบของการใช้มาตรการเหล่านั้น'Givens' ในการตัดสินใจที่จะนำเสนอ เงินอ้างว่าบทบาทปัจจุบันของแบบจำลองทางคณิตศาสตร์สำหรับการสนับสนุนการปรับปรุงอย่างต่อเนื่องของบริษัท ที่จะถูกจำกัด มาก

ผลลัพธ์ (ไทย) 3:

มันเป็นไปไม่ได้เกือบที่จะพัฒนาทั่วไป
เดียวแบบรวมทุกด้านเหล่านี้ จากตารางที่ 1 และ 2
, มันเป็นเรื่องง่ายที่จะทราบว่าปัจจัย
ถือว่าเป็นบางรุ่นจะถูกละเว้นโดยรุ่นอื่น ๆ
, และในทางกลับกัน นี้นำไปสู่ข้อสรุป
ที่เราต้องการชุดอินเตอร์ ที่เกี่ยวข้อง submodels เป็นส่วนหนึ่ง
ของ DSS ทั่วไปสำหรับการออกแบบของ GLS . เหล่านี้ submodels
ต้องมีความสอดคล้องกัน ในขณะที่การจัดการและ interchanging
ข้อมูลที่สอดคล้องกัน แต่ละหมัดที่ลำตัวควรมุ่งเน้นในการเป็นตัวแทนของปัจจัยหลายๆอย่าง

แต่มันต้องยืดหยุ่นพอที่จะอินเตอร์ เกี่ยวข้องกับ submodels อื่น

ความคิดนี้จะระบุไว้ในแผ่น et al .
( 1995 ) ภายใต้เงื่อนไขของโลจิสติกส์ของห้องปฏิบัติการ '
ซึ่งอาจรวมถึงเครื่องมือเพิ่มประสิทธิภาพขั้นตอนการแก้ปัญหา ความสามารถ
และการจำลองสถานการณ์จากมุมมองนี้ ,
กรอบแบบโดย Cohen และ kleindorfer
( 1993 ) ดูเหมือนจะเป็นตัวแทนโดยทั่วไปของการวิจัยเพื่อให้ได้รูปแบบทิศทาง

GLS เชิงกลยุทธ์ที่มีประสิทธิภาพสำหรับการออกแบบในอนาคต อย่างชัดเจน ในบริบทนี้ บทบาทของรูปแบบการเพิ่มประสิทธิภาพเป็นสิ่งสำคัญเพื่อให้เครื่องมือที่มีประสิทธิภาพสำหรับการจัดการการตัดสินใจสนับสนุน

ทำ อย่างไรก็ตาม เราได้พบ
จุดที่ขัดแย้งกันดูในวรรณคดี .
เป็นกรณีในจุด คลีฟส์ และ masch ( 1996 )
กล่าวถึงประโยชน์ของเทคนิคการเพิ่มประสิทธิภาพ
ดั้งเดิมสำหรับการออกแบบเชิงกลยุทธ์ของอุปทานทั่วโลก
โซ่ภายใต้ความไม่แน่นอนและเป้าหมายหลาย พวกเขา
เน้นสามศักยภาพข้อบกพร่องของ LP มา :
ที่เกิดข้อมูลโซลูชั่นจำกัด , ความไม่แน่นอน , และ
2 คน มีบทบาท ผลที่ตามมา ,
พวกเขาอ้างว่า หรือเล่นที่สำคัญบทบาทของผู้ใต้บังคับบัญชา
แต่ในการตัดสินใจในกรณีนี้

อีกตัวอย่างหนึ่ง เงิน ( 1993 ) ตรวจสอบความสำคัญของแบบจำลองทางคณิตศาสตร์ ใน บริษัท ชั้นนำของโลก

เขาอ้างว่าแบบจำลองเชิงปริมาณ
ต้องแม่นยำมากขึ้นเมื่อแสดงจริง ระบบ และควรจัดการทั่วไป

' ' เว่นเป็นส่วนหนึ่งของการตัดสินใจ ตัวแปร บทสรุปของวรรณกรรม
ที่กล่าวถึงผลกระทบของการผสมผสานนั้น
'givens ' ในการตัดสินใจคือการเสนอ เงิน

อ้างว่า ปัจจุบันบทบาทของแบบจำลองทางคณิตศาสตร์สำหรับการสนับสนุนของ บริษัท อย่างต่อเนื่องในการปรับปรุง
ถูก จำกัด มาก