حل مسأله مکانیابی دستگاههای خودپرداز با استفاده از برنامه ریزی چند هدفه فازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، گروه مدیریت صنعتی،دانشکده ادبیات و علوم انسانی، دانشگاه خلیج فارس، بوشهر)

2 مربی، گروه مدیریت صنعتی،دانشکده ادبیات و علوم انسانی، دانشگاه خلیج فارس، بوشهر،

چکیده

پژوهش حاضر در ارتباط با مکانیابی دستگاههای خودپرداز میباشد. هدف آغازین این پژوهش، شناسایی
عوامل موثر برای انتخاب مکان مناسب برای دستگاههای خودپرداز میباشد. سپس با تعیین نقاط بالقوه جهت
استقرار این دستگاهها با استفاده از مدلسازی ریاضی، مکان بهینه این دستگاه تعیین میگردد. همچنین در
رویکرد پیشنهاد شده این پژوهش، بمنظور تعیین مهمترین عوامل موثر برای تعیین مکان دستگاههای خودپرداز
استفاده از فرایند تحلیل سلسله مراتبی گروهی فازی اقدام به وزندهی این عوامل میشود. نهایتا با بکارگیری
فن تخصیص خطی با رویکرد چند هدفه اقدام به تعیین مکان این دستگاهها در سطح شهر بوشهر میگردد. در
این پژوهش 49 عامل برای تعیین مکان برای دستگاههای خودپرداز بر اساس پیشینه پژوهش و در نهایت بر
اساس نظر کارشناسان به شش گروه عوامل جمعیتی، عوامل اقتصادی اجتماعی، عوامل رقابتی تجاری، – –
عوامل مطلوبیت عمومی )زیرساخت و مجاورت(، عوامل سرمایه گذاری و عوامل سیاسی قانونی دستهبندی –
شد. همچنین بر اساس وزنهای بدست آمده از تحلیل سلسله مراتبی فازی، عوامل جمعیتی به عنوان مهمترین
عامل شناسایی گردید. نتایج حاصل از این پژوهش نشان میدهد که هرکدام از عوامل ششگانه تعیین شده،
میتواند اثرات متفاوتی بر روی تصمیم گیرندگان داشته باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Solving ATM Locating Problem Using Fuzzy Multi-Objective programming

نویسندگان [English]

  • Hamid Shahbandarzadeh 1
  • Mohammad Hossein Kabgani 2
چکیده [English]

This paper focused on locating ATMs problem. At first, this paper aims to identify effective factors in selecting ATMs appropriate locations. After selecting potential locations, optimal locations are determined through mathematical modeling. In this paper, effective factors to determine potential locations are weighted through Fuzzy AHP. Finally, linear allocation technique with multi-objective approach is used to determine ATMs locations at Bushehr city. After literature review, 46 effective factors are identified and then, based on experts' opinion are categorized in 6 groups of demographic, economic - social factors, competitive – commercial factors, public utility (infrastructure and proximity) factors, investment factors and political - legal factors. Results from Fuzzy AHP show that demographic factors are the most important factors among others. Final results show that each of these six categories, can have different effects on decision makers.

کلیدواژه‌ها [English]

  • Locating
  • ATM
  • Mathematical Modeling
  • Linear Allocation
  • analytic hierarchy process
الفت, ل., گلی, ع., & فوکردی, ر. ) 9181 (. مکان یابی دستگاه های خودپرداز با استفاده از
روش تحلیل سلسله مراتبی ) AHP ( مطالعه موردی: شعب بانک کشاورزی منطقه 91 شهردازی
- تهران. جغرافیا و توسعه شماره 9. 8
ŻAK, j., & WĘGLIŃSKIb, S. (2014). The selection of the logistics center location based on MCDM/A methodology. Transportation Research Procedia 3 ( 2014 ) 555 – 564.
A. Rodríguez, D., Levine, J., Weinstein Agrawal, A., & Song, J. (2011). Can information promote transportation-friendly location decisions?A simulation experiment. Journal of Transport Geography 19 (2011) 304–312.
Boloori Arabani, A., & Zanjirani Farahani, R. (2012). Facility location dynamics: An overview of classifications and applications. Computers & Industrial Engineering 62 (2012) 408–420.
Brickley, J. A., Linck, J., & Smith, C. (2011). Vertical integration to avoid contractin gwith potential competitors:Evidence from bankers’banks. Journal of Financial Economics.
Demirel, T., Çetin Demirel, N., & Kahraman, C. (2010). Multi-criteria warehouse location selection using Choquet integral. Expert Systems with Applications 37 (2010) 3943–3952.
Dinler, D., Kemal Tural, M., & Iyigun, C. (2015). Heuristics for a continuous multi-facility location problem with demand regions. Computers & Operations Research.
Donze, J., & Dubec, I. (2006). The role of interchange fees in ATM networks. International Journal of Industrial Organization 24 (2006) 29– 43.
Kyu Suhr, J., Eum, S., Gi Jung, H., Li, G., Kim, G., & Kim, J. (2012). Recognizability assessment of facial images for automated teller machine applications. Pattern Recognition45(2012)1899–1914.
Mahmood, T., & Mujtaba Shaikh, G. (2012). Adaptive Automated Teller Machines. Expert Systems with Applications xxx (2012).
Mauricio G.C. , R., & Werneck, R. (2006). A hybrid multistart heuristic for the uncapacitated facility location problem. European Journal of Operational Research 174 54–68.
P. Arena, M., & Dewally, M. (2012). Firm location and corporate debt. Journal of Banking & Finance 36 (2012) 1079–1092.
حل مسأله مکانیابی دستگاههای خودپرداز با استفاده از برنامهریزی... 981
Pelegrn, B., Fernandez, P., Dolores Garcıa Perez, M., & Cano Hernandez, S. l. (2012). On the location of new facilities for chain expansion under delivered pricing. Omega 40(2012)149–158.
Puerto, J., Ramos, A., & Rodrıguez-Chıa, A. (2011). Single-allocation ordered median hub location problems. Computers &Operations Research 38(2011)559–570.
Seetharam , S., & Guanghua, k. (2010). Firm location choice in cities: Evidence from China, India, and Brazil. China Economic Review 21 (2010) 113–122, 2010.
Torfi, F., Zanjirani Farahani, R., & Mahdavi, I. (2015). Fuzzy MCDM for weight of object’s phrase in location routing problem. Applied Mathematical Modelling.
Tóth, B., Fernández, J., Pelegrín, B., & Plastria, F. (2009). Sequential versus simultaneous approach in the location and design of two new facilities using planar Huff-like models. Computers & Operations Research 36 (2009) 1393 – 1405.
Tsolas, I. E. (2011). Bank branch-level DEA to assess overall efficiency. EuroMed Journal of Business Vol. 6 No. 3, 2011 pp. 359-377.
Zanjirani Farahani, R., SteadieSeifi, M., & Asgari, N. (2010). Multiple criteria facility location problems: A survey. Applied Mathematical Modelling 34 (2010) 1689–1709.
Zhu, H., Eden, L., R. Miller, S., E. Thomas, D., & Fields, P. (2012). Host-country location decisions of early movers and latecomers:The role of local density and experiential learning. International Business Review 21 (2012) 145–155.