مسیریابی-مکان‌یابی دوسطحی در شرایط عدم قطعیت با در نظر گرفتن قابلیت اطمینان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مدیریت عملیات و فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

2 استاد، گروه مدیریت عملیات و فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

3 دانشیار، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران.

10.48308/jimp.2024.236223.1563

چکیده

افزایش میزان حمل‌ونقل‌هامنجربه آن شده است تا هزینه‌های مرتبط با حمل‌ونقل به شدت افزایش یابد، این افزایش هزینه منجربه افزایش قیمت تمام شده محصولات نهایی و در نتیجه افزایش قیمت محصول می‌شود. همچنین تنها بعد اقتصادی مد نظر نبوده و افزایش حمل‌ونقل منجربه افزایش میزان انتشار گاز CO2 می‌شود. در این مقاله با توسعه یک مدل ریاضی از مکان‌یابی-مسیریابی وسیله نقلیه در شرایط عدم قطعیت و در نظر گرفتن قابلیت اطمینان، تلاش شده است تا بهینه‌سازی همزمان در توابع هدف پایداری با حفظ حداقل قابلیت اطمینان صورت پذیرد.

به دلیل غیر قطعی بودن پارامترهای مدل ریاضی از انواع مختلف روش‌های استوار امکانی در فرموله کردن مدل استفاده شده است. همچنین برای حل مدل ریاضی چند هدفه از دو روش دقیق و الگوریتم فرا ابتکاری استفاده شده است. برای تجزیه و تحلیل مدل ریاضی در سایز کوچک و همچنین تحلیل حساسیت مدل از روش اپسیلون محدودیت تقویت شده و برای حل مثال‌های عددی در سایزهای بزرگتر از الگوریتم NSGA II استفاده شده است.

نتایج تحلیل‌ها نشان می‌دهد افزایش نرخ عدم قطعیت اگر چه منجربه افزایش فرصت‌های شغلی شده است، هزینه‌های کل و میزان انتشار گازهای گلخانه را نیز افزایش داده است. همچنین بررسی‌ها نشان می‌دهد روش RPP-III بالاترین هزینه استواری مدل را با کمترین انحراف معیار کسب کرده است. با تجزیه و تحلیل 15 مثال عددی نیز مشاهده گردید که NSGA II از کارایی بالایی در حل مدل ریاضی نسبت به اپسیلون محدودیت تقویت شده برخوردار است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Two-Echelon Location-Routing under Uncertainty Considering Reliability

نویسندگان [English]

  • Ramin Behbamzadeh 1
  • Maghsoud Amiri 2
  • Mohammad Taghi Taghavifard 2
  • Amir Yousefli 3
1 Ph. D. Student, Department of Operation Management and Information Technology, Management and Accounting Faculty, Allameh Tabataba’i University, Tehran, Iran.
2 Professor, Department of Operation Management and Information Technology, Management and Accounting Faculty, Allameh Tabataba’i University, Tehran, Iran.
3 Associate Professor, Department of Industrial Engineering, Faculty of Engineering, University of Zanjan, Zanjan, Iran.
چکیده [English]

Increase in transportation have led to a drastic increase in the costs related to transportation, this increase in cost leads to an increase in the final product price and as a result, an increase in the price of the product. Also, the economic aspect is not the only consideration, and the increase in transportation leads to an increase in CO2 emissions. In this article, by developing a mathematical model of vehicle location-routing under conditions of uncertainty and considering reliability, an attempt has been made to simultaneously optimize sustainable objective functions while maintaining minimum reliability.

Due to the non-determinism of the parameters of the mathematical model, various types of stable possible methods have been used in formulating the model. Also, two exact methods and meta-heuristic algorithm have been used to solve the multi-objective mathematical model. For the analysis of model in small size as well as the sensitivity analysis of the model, the epsilon method of the reinforced limit is used, and for solving the numerical examples in larger sizes, the NSGA II algorithm is used. َAnalysis show that although the increase in the uncertainty rate has led to an increase in job opportunities, it has also increased the total costs and the amount of greenhouse gas emissions. Also, the studies show that the RPP-III method has obtained the highest model stability cost with the lowest standard deviation. By analyzing 10 numerical examples, it was also observed that NSGA II has a high efficiency compared to the enhanced constraint epsilon.

کلیدواژه‌ها [English]

  • Location-Routing
  • Two-Echelon Routing
  • Uncertainty
  • Robust Posibilistic
  • Meta-Heuristic Algorithm