مطالعات مدیریت صنعتی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

تفاهم نامه با انجمن علوم مدیریت ایران

راهنمای نگارش

فایل ها

داوران 1402

داوران 1401

داوران 1400

داوران 1399

راهنمای ثبت نام درPublons

ارائه یک مدل ریاضی برای مسئله ی مکانیابی- مسیریابی مواد غذایی فاسد شدنی با در نظر گفتن وابستگی مصرف سوخت به میزان بار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران

2 استادیار گروه مهندسی صنایع ،دانشگاه آزاد اسلامی واحد قزوین، قزوین ، ایران

چکیده

در این تحقیق یک مدل مکان‌یابی- مسیریابی برای شبکه توزیع محصولات غذایی فاسد شونده چند محصولی در زنجیره تأمین سرد با قابلیت سوخت‌گیری خودروها در جایگاه‌های سوخت‌گیری، موردمطالعه قرار گرفته است. به‌نحوی که مسئله با تکیه بر یک مدل تعیین میزان مصارف سوخت به‌صورت متغیر و وابسته به میزان بار حمل‌شده بین رئوس و لحاظ فسادپذیری محصولات در پروسه توزیع با بهره‌گیری از ناوگان با سوخت‌های مصرفی نامتعارف در جهت کاهش تولید دی‌اکسید کربن، به‌صورت یک مدل برنامه‌ریزی خطی عدد صحیح فرمول‌بندی گردیده است. مدل با حل مثال‌های عددی در نرم‌افزار گمز اعتبارسنجی و نتایج نشانگر کاهش متوسط 14 درصدی مصرف سوخت در کنار قابلیت سوخت‌گیری خودروها در طول تورها می‌باشد. به دلیل پیچیدگی مسئله، الگوریتم‌های ژنتیک و شبیه‌سازی تبرید برای حل مسائل در اندازه‌های واقعی توسعه و کارایی آن‌ها آزمایش گردیده است.

کلیدواژه‌ها

عنوان مقاله [English]

Presenting a mathematical location-routing model for the perishable products considering dependency of fuel consumption to the vehicle' loading

نویسندگان [English]

  • Hasan Rabiee 1
  • Farhad Etebari 2

1 Master's student of Industrial Engineering, Islamic Azad University, Qazvin branch, Qazvin, Iran

2 Assistant Professor, Department of Industrial Engineering, Islamic Azad University, Qazvin Branch, Qazvin, Iran

چکیده [English]

In this study, a location routing model has been considered for the distribution network of multiple perishable food products in a cold supply chain in which the vehicles can fuel at filling stations. Here, the fuel consumption is supposed to vary depending on the loading amount transported between the nodes using a fleet that uses unusual fuels. The problem has been formulated as an integer linear programming model to reduce the production of Carbon Dioxide. The model was validated using several numerical examples solved in GAMS software. Results show that in this case the fuel consumption in average decreases 14 percent. Due to the problem complexity, genetic simulated annealing algorithms were developed for solving the problems in real size and their performance has been also evaluated.

کلیدواژه‌ها [English]

  • perishable
  • cold supply chain
  • alternative fuels
  • location-routing
  • loading
مراجع
 
عالم تبریز، اکبر.، زندیه، مصطفی و رحیمی، محمد. (1387). الگوریتم‌های فراابتکاری در بهینه‌سازی ترکیبی، چاپ سوم، تهران، انتشارات صفار.
References
Bae, H., & Moo, I. (2016). Multi-depot vehicle routing problem with time windows considering delivery and installation vehicles. Applied Mathematical Modelling, NO. 56, pp. 1-14.
Bektas, T., & Laporte, G. (2011). The pollution-routing problem. Transportation Research Part B, NO. 45, pp. 1232–1250.
Cerny, V. (1985). A thermodynamical approach to the traveling salesman problem: an efficient simulation algorithm. Journal of Optimization Theory and Applications, NO. 45, pp. 41–51.
Erdogan, S., & Hooks, E.M. (2012). A green vehicle routing problem. Transportation Research Part E: Logistics and Transportation, NO. 48, pp. 100-114.
Garey, M.R., &Johnson, D.S. (1979). Computers and intractability, a guide to the theory of np-completeness. San Fransisco, Freeman Publisher.
Goeke, D., & Schneider, M. (2015). Routing a mixed fleet of electric and conventional vehicles. European Journal of Operational Research, NO. 245, pp. 1–19.
Hsiao,Y.H., Chen, M.C., & Chin, C.L. (2017). Distribution planning for perishable foods in cold chains with quality concerns: formulation and solution procedure. Trends in Food Science & Technology, NO. 61, pp. 80-93.
International Energy Agency (2011). Edition CO2 emission from fuel combustion. highlight,www.IEA.org / co2highlights.pdf
IPCC (2007). Climate Change 2007: Synthesis report. core writing team, In Pachauri, R. K., & Reisinger, A. (Eds.), IPCC (p. 104). Geneva: Switzerland
Keskin, M., & Catay, B. (2016). Partial recharge strategies for the electric vehicle routing problem with time windows. Transportation Research Part C, NO.65, pp. 111-127.
Kirkpatrick, S., Gelatt, C. D., & Vecchi, M.P. (1983). Optimization by simulated annealing. Science, NO.220, pp. 671–680.
Koc, C., Bekta, T., Jabali, O., & Laporte, G. (2016). The fleet size and mix location-routing problem with time windows: formulations and a heuristic algorithm. European Journal of Operational Research, NO. 248, pp. 33- 51.
Lin, J., Zhou, W., & Wolfson, O. (2016). Electric vehicle routing problem. Transportation Research Procedia, NO.12, pp. 508-521.
Liu, C. Y., & Yu J. J. (2012). Multiple depots vehicle routing based on the ant colony with the genetic algorithm. Journal of Industrial Engineering and Management, NO. 6, pp. 1013-1026.
Montoya, J.A., Gueret, C., Mendoza, J.E., & Villegas, J.G. (2017). The electric vehicle routing problem with non-linear charging functions. Transportation Research part B, https: // doi.org/10.1016/j.trb.2017.02.004.
Rushton, A., Croucher, P., & Baker, P. (2010). The handbook of and logistics distribution management (  ed.). London., Kogan Page Publishing, 608p.
Schiffer, M., & Walther, G. (2017). The electric location routing problem with time windows and partial recharging. European Journal of Operational Research, NO. 0, pp. 1- 19.
Song, D.B., & Ko, D.Y. (2016). A vehicle routing problem of both refrigerated- and general-type vehicles for perishable food products delivery. Journal of Food Engineering, NO. 169, pp. 61-71.
Wang, X., Wang, M., Ruan, J., & Zhan, H. (2016). The multi-objective optimization for perishable food distribution route considering temporal-spatial distance. Procedia Computer Science, NO. 96, pp.1211 – 1220.
Wang, S., Tao, F., & Shi,Y. (2018). Optimization of location–routing problem for cold chain logistics considering carbon footprint. International Journal of Environmental Research and Public Health, NO.15, pp. 1-17.
Wu, X., Nie, L., & Xu, M. (2017). Designing an integrated distribution system for catering services for high-speed railways: A three-echelon location routing model with tight time windows and time deadlines. Transportation Research Part C, NO.74, pp. 212- 244.
Xiangguo, M., & Manying, W. (2015). Optimization model of the vehicle routing of cold chain logistics based on stochastic demands. Journal of Applied and Engineering Innovation, NO. 2, pp. 356-362.
Xiao, Y., Zhao, Q., Kaku, I., & Xu, Y. (2012). Development of a fuel consumption optimization model for the capacitated vehicle routing problem. Computers and Operations Research, NO. 39, pp. 1419–1431.
Zheng, Y., & Chen, X.D. (2014). An optimization model for the vehicle routing problem in multi-product frozen food delivery. Journal of Applied Research and Technology, NO. 12, pp. 239-250.
References [In Persian]
.Alemtabriz, A., zandieh, M., & Rahimi, M. (2008). Meta-heuristic algorithms in hybrid optimization (3th ed.). Tehran, Saffar Publisher. [In Persian]
‌
 
 
مطالعات مدیریت صنعتی
دوره 20، شماره 67
دی 1401
صفحه 159-201
فایل ها
هم رسانی
ارجاع به این مقاله
آمار