چکیده:
سازمانهایی که برنامهیکپارچه تولید و مسیریابی دارند، هنگامی که برای توزیع از وسایل نقلیه استفاده میکنند، گاهی با ترافیک مواجهاند. بنابراین ریسکهایی مانند تصادف وجود دارد که منجر به خسارت، از دست دادن کیفیت محصول، تاخیر اجتناب ناپذیر در تحویل و یا حتی اثرات جبران ناپذیر شود که بر هزینهها و زمان خدمت رسانی تاثیر دارد. لذا با در نظر گرفتن ریسک تصادف در مسئله مسیریابی تولید مدل به واقعیت نزدیکتر میشود. در این مطالعه یک مدل مسیریابی تولید با دو هدف کاهش هزینهها و ریسک تصادف در حمل ونقل، با در نظر گرفتن برونسپاری، چند محصولی و چند دورهای پیشنهاد شده است. از آنجاییکه این مسئلهNP-hard میباشد، به منظور حل مسئله از الگوریتم ژنتیک رتبه بندی نامغلوب ۲ (NSGA II) استفاده شده است. برای اعتبارسنجی مدل جوابهای به دست آمده از روش محدودیت اپسیلون در ابعاد کوچک با جوابهای به دست آمده از الگوریتم مقایسه شده است. همچنین برای اعتبارسنجی الگوریتم پیشنهادی و بررسی کارایی آن در ابعاد بزرگ، نتایج حاصل از NSGA II روی مسائل نمونه در مقایسه با الگوریتم ژنتیک چندهدفه (MOGA) با استفاده از چندین شاخص مورد آزمون قرار گرفته است. نتایج حاکی از آن است که با وجود زمان اجرای کمتر در الگوریتم پیشنهادی، در شاخص پراکندگی الگوریتم NSGA II و در شاخص تعداد جوابهای لایه پارتو الگوریتم MOGA دارای کارایی مناسبتری است.
Organizations with integrated production and routing programs sometimes encounter traffic when they use vehicles for distribution. So there are risks such as an accident that could result in damage, loss of product quality, unavoidable delivery delays, or even irreversible impacts on costs and service time. Therefore, by taking account the risk of accident into the production routing problem, the model becomes closer to reality. In this study, a production routing problem with the purpose of reducing costs and the risk of accident in the transportation with outsourcing, multi-product and multi-period, is considered in which the production routing problem combines with the lot sizing and vehicle routing problem according the supplier's inventory management system. Since this is an NP-hard problem, after modeling the problem, to solve it, a Non-dominated Sorting Genetic Algorithm II (NSGA II) has been used. To examine the efficiency of the algorithm, the solutions of ε-constraint method in GAMS obtained in small-size instances have been compared with NSGA II. Finally, to validate the proposed algorithm and evaluate its performance in large-size instances, the results of NSGA II have been compared with multi-objective genetic algorithm using several indices. The obtained results showed that the NSGA II algorithm had better performance.
خلاصه ماشینی:
مدلسازي و حل مسئله مسيريابي توليد چند محصولي مبتني بر برونسپاري و ريسک تصادف در حمل و نقل *2 مرتضي صالحي سربيژن ١ ، جواد بهناميان ١- دانشجو دکتري مهندسي صنايع ، دانشکده مهندسي، دانشگاه بوعلي سينا، همدان ، ايران ٢- دانشيار، گروه مهندسي صنايع ، دانشکده مهندسي، دانشگاه بوعلي سينا، همدان ، ايران تاريخ ارسال : ٢١ / ١١/ ١٣٩٨ تاريخ پذيرش : ٢٥ / ٠١ / ١٣٩٩ چکيده سازمان هايي که برنامه يکپارچه توليد و مسيريابي دارند، هنگامي که براي توزيع از وسايل نقليه استفاده ميکنند، گاهي با ترافيک مواجه اند.
در اين مطالعه يک مدل مسيريابي توليد با دو هدف کاهش هزينه ها و ريسک تصادف در حمل ونقل ، با در نظر گرفتن برونسپاري، چند محصولي و چند دوره اي پيشنهاد شده است .
مطالعات نشان ميدهد مسئله مسيريابي توليد از راه کارهايي است کـه منجـر بـه کـاهش هزينه اين سازمان ها ميشود زيرا تصميم هاي توليد و مسيريابي بر روي يکديگر اثر گـذار مـي- باشند و يکپارچه بررسي کردن اين تصميم ها نقش بسزايي در تصـميم گيـري بهتـر و در نتيجـه کاهش هزينه ها دارد.
MIP با جايگزين کردن متغيرها و هزينه هاي مسيريابي در مدل PRP اصلي با هزينه هاي ثابت ، که هزينه تقريبي بازديد مشتري در يک دوره با يک وسيله مشخص را نشان ميدهد، مدلسازي شده است .
در اين مطالعه يک مدل برنامه ريزي خطي عدد صحيح مختلط فازي ارائه شده است که هزينه هاي غير قطعي و نيز ظرفيت موجودي و توليد غير قطعي را بررسي کردند.