Two-echelon Inventory Model with Uncertainty Demand


  • Siraprapa Manomat Faculty of applied science, King Mongkut’s University of Technology North Bangkok


Two-echelon inventory model, Uncertainty demand, Meta heuristic


The objectives of this research are to develop a two-echelon inventory model with uncertain demand and to compare three meta heuristics method such as dragonfly algorithm (DA), particle swarm optimization (PSO) and bat algorithm (BA). Two products with same demand. and unequal demand are studied in various iteration, number of products in each packet,  purchasing price per unit, back-order cost per unit, shortage cost for each unit that is lost sale, constant cost per order, buyer’s constant product cost for each setup,  vendor’s holding cost per unit time per unit and  buyer’s holding cost per unit time per unit parameters. Minimum total inventory costs are investigated. The results show that PSO better than the other method when iteration less than 50, for iteration greater than or equal to 50, DA is superior and stable while PSO is stable when iteration more than 300. BA method is inferior for all cases.


Download data is not yet available.


วราภรณ์ พกนนท์, ปวีณา เชาวลิตวงศ์ และนระเกณฑ์ พุ่มชูศรี, “นโยบายการเติมเต็มร่วมแบบสามารถจัดหาได้ สำหรับระบบแบบสองระดับ ภายใต้การศึกษาระยะเวลานำ”, วารสารวิศวกรรมศาสตร์, ปีที่ 5, ฉบับที่ 2, น. 27-47, 2557.

P. Yang, and L. Zeng, “Model and Method for Two-Echelon Location Routing Problem with Time Constraints in City Logistics”, Mathematical Problem in Engineering, vol. 2018, Article ID 2549713, 9 pages, 2018.

จารุมาศ แสงสว่าง และ วุฒิชัย ศรีโสดาพล, “ตัวแบบสินค้าคงคลังแบบสองระดับที่มีเวลานำและ การคืนสินค้าขึ้นอยู่กับความต้องการสินค้า”, วารสารวิทยาศาสตร์บูรพา, ปีที่ 22, ฉบับที่ 2, น. 145-153, 2560.

H. Sadjady and H. Davoudpour, “Two-echelon, Multi-commodity Supply Chain Network Design with Mode Selection Lead-times and Inventory Costs”, Computers & Operations Research, Vol. 39, pp. 1345-1354, 2012.

M.G. Samani and S.M. Hosseimi-Motlahg, “A Hybrid Algorithm for a Two-Echelon Location-routing Problem with Simultaneous Pickup and Delivery under Fuzzy Demand”, International Journal of Transportation Engineering vol.5, no.1, pp. 59-85, 2017.

A. Mahmoodi, A. Haji and A. Haji, “A two-echelon Inventor Model with Perishable Items and Lost Sales”, Scientia Iranic E Z2016X, vol.23 no.5, pp.2277-2286, 2016.

M. Seifbarghy, M. m. Kalani, M. Hemmati, A discrete Particle Swarm Optimization Algothm with Local Search for a Production-based Two-echelon Single-vendor Multiple-buyer Supply Chain”, Journal of Industrial Engineering Internationalม vol. 12, pp. 29-43, 2016.

ศิริรัตน์ กะการดี และ ศิรประภา มโนมัธย์, “การเปรียบเทียบประสิทธิภาพวิธีการหาค่าเหมาะสุดแบบกลุ่มอนุภาคและวิธีแบทสำหรับตัวแบบสินค้าคงคลัง 3 ระดับขั้น”, วารสารไทยการวิจัยดำเนินงาน, ปีที่ 8 ฉบับที่ 1, น.11-19, 2563.

A. A. Taleizadeh, S.T.A. Niaki, N. Shafii, R.G. Meibodi and A. Jabbarzadeh, “A Particle Swarm Optimization Approach for Constraint Joint Single Buyer-single Vendor Inventory Problem with Changeable Lead Time and (r,Q) Policy in Supply Chain”, International Advanced Manufacturing Technology, vol 51, pp.1209-1223, 2010.

S. Mirjalili “Dragonfly algorithm: a New Meta-heuristic Optimization Techniquefor Solving Single-objective, Discrete, and Multi-objective Problems”, Neural Comput & Applic, vol. 27 pp. 1053-1073, 2016.

Y. Meraihi, A. R.-Cherif, D. Acheli and M. Mahseur, “Dragonfly algorithm: a comprehensive review and applications”, Neural Computing and Applicationsvol. 32, pp.16625-16646, 2020.

E. O. Wilson, Sociobiology: The New Synthesis, Cambridge: Belknap Press, 1975.

J. Kennedy, R. Eberhart, “Particle Swarm Optimization”, Proceedings of the IEEE International Conference on Neural Networks, Perth, Australia, pp. 1942-1945, 1995.

X.S. Yang, “A New Metaheuristic Bat–Inspired Algorithm in J.R. González, D.A. Pelta, C. Cruz, G. Terrazas, and N. Krasnogor (eds.),” Nature Inspired Cooperative Strategies for Optimization Studies in Computational Intelligence., Vol. 284, pp. 65-74, 2010.

L. S. Riza, M. B. A. Prabowo, E. Junaeti, A. G. Abdullah and K. A. Fariza, “Development and Experimentation of R Package “metaheuristicOpt” on Continuous Optimization”, Journal of Engineering Science and Technology, vol. 16, no. 2, pp.1006 – 1018, 2021.