1403/09/01
فردین احمدی زر

فردین احمدی زر

مرتبه علمی: استاد
ارکید: 0000-0002-8615-9893
تحصیلات: دکترای تخصصی
اسکاپوس: 23974269900
دانشکده: دانشکده مهندسی
نشانی: سنندج، دانشگاه کردستان، دانشکده مهندسی، گروه مهندسی صنایع
تلفن: 08733669162

مشخصات پژوهش

عنوان
مسئله مکان یابی-مسیریابی-موجودی دومرحله ای با پنجره های زمانی و تقاضاهای غیر قطعی در توزیع مواد
نوع پژوهش
پایان نامه
کلیدواژه‌ها
مکان یابی-مسیریابی- موجودی، پنجره های زمانی، تقاضاهای غیر قطعی، الگوریتم ژنتیک
سال 1398
پژوهشگران محمد محمدی فر(دانشجو)، فردین احمدی زر(استاد راهنما)

چکیده

مسئله مورد نظر به بررسی مسئله مکان یابی-مسیریابی- موجودی با در نظر گرفتن پنجره های زمانی و نقاضاهای غیر قطعی می پردازد. یکی از مشخصه های مسئله کاهش هزینه ی توزیع می باشد. در این تحقیق یک شبکه ی توزیع سه سطحی، شامل تولید کننده، مراکز توزیع و مشتری ها مورد بررسی قرار گرفته اند، و به منظور یکپارچه سازی شبکه ی مذکور، مسائل مکان یابی مراکز توزیع، تخصیص مشتریان به مراکز توزیع فعال شده، مسیریابی وسایل نقلیه با در نظر گرفتن محدودیت پنجره های زمانی و کنترل موجودی مراکز توزیع به صورت همزمان در نظر گرفته می شوند. مسئله مورد بررسی یک مسئله ی دومرحله ای برای محصولات غذایی است که مرحله ی اول مسئله ی مکان یابی- مسیریابی- موجودی با در نظر گرفتن پنجره های زمانی مورد بررسی و مرحله ی دوم هزینه های حمل و نقل با در نظر گرفتن محدودیت ظرفیت وسائل نقلیه مورد بررسی قرار می گیرد. با توجه به این که ارزش و کیفیت محصولات غذایی به مرور زمان کاهش می یابد تحویل محصولات در بازه ی مشخصی از زمان می تواند در مدیریت کردن هزینه ها و افزایش سطح رضایت مشتریان کمک کند. در بیشتر تحقیقات صورت گرفته تقاضای مشتریان به صورت قطعی در نظر گرفته می شود اما در دنیای واقعی این گونه نمی باشد ازین رو در تحقیق مورد بررسی تقاضای مشتریان را به صورت غیر قطعی در نظر گرفته و با در نظر گرفن منطق فازی مسئله مورد نظر را بررسی کرده ایم. برای تبدیل اعداد فازی به قطعی از روش جیمز استفاده شده است تا بتوان تقاضای مشتریان را برآورده ساخت. بدین منظور ابتدا برای مسئله ی مورد بررسی یک مدل برنامه ریزی غیر خطی عدد صحیح آمیخته با هدف کمینه کردن مجموع هزینه های مکان یابی- تخصیص، مسیریابی و کنترل موجودی توسعه داده می شود. سپس به منظور اعتبارسنجی مدل ارائه شده چند مسأله در ابعاد کوچک توسط نرم افزار بهینه سازی GAMS حل و تحلیل می شوند. با توجه بهNP-Hard بودن مسئله مورد بررسی و این که مدل تنها قادر به حل مسئله در ابعاد کوچک و متوسط می باشد، برای حل آن در ابعاد بزرگ الگوریتم ژنتیک ارائه شده و برای بررسی الگوریتم ژنتیک پیشنهاد شده تعدادی مسئله نمونه طراحی و حل شده است و با جواب به دست آمده از GAMS مقایسه شده است، نتایج محاسباتی کارایی الگوریتم ارائه شده را نشان می دهند.