یک مدل استوار دو هدفه برای مکان یابی- مسیریابی و اشتراک گذاری ظرفیت در مناطق ناحیه بندی شده تحت شرایط عدم قطعیت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی صنایع، دانشگاه آزاد اسلامی، واحد قزوین، دانشکدة مهندسی مکانیک، گروه مهندسی صنایع، قزوین، ایران

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

3 استادیار، دانشگاه آزاد اسلامی، واحد قزوین، دانشکدة مهندسی صنایع و مکانیک، گروه مهندسی صنایع، قزوین، ایران

4 دانشیار، دانشگاه آزاد اسلامی، واحد قزوین، دانشکدة مهندسی صنایع و مکانیک، گروه مهندسی صنایع، قزوین، ایران

چکیده

یکی از مهمترین رویکردها که منجر به ایجاد مزیت های متنوعی برای بنگاه های اقتصادی می باشد، ناحیه بندی مناطق به مکان های سرویس دهی و واحد های متقاضی می باشد که باعث افزایش سطح دسترسی مشتریان جهت دریافت خدمت می باشد. به طوری که می تواند در طراحی مجدد و ناحیه بندی مجدد شرکتها نیز مورد استفاده قرار گیرد. از طرف دیگر مسیریابی وسایل حمل و نقل جهت ارائه محصولات به مشتریان در صورتی که در مناطق ناحیه بندی شده انجام پذیر می تواند منجر به برنامه ریزی هر چه بهتر در سرویس دهی به مشتریان گردد. با این حال در هیچ یک از تحقیقات انجام گرفته شده در حوزه طراحی شبکه زنجیره تامین، مسیریابی وسایل حمل و نقل در نواحی طبقه بندی شده مورد بررسی قرار گرفته نشده است. از اینرو در این تحقیق یک مدل ریاضی دو هدفه ارائه شده است تا بصورت همزمان ناحیه بندی مناطق، مکانیابی-تخصیص تسهیلات، اشتراک گذاری خدمت و انتقال خدمت درون منطقه ای و مسیریابی وسایل حمل و نقل به صورت توامان انجام پذیرد. تابع هدف اول به دنبال کمینه نموده مجموع هزینه های شبکه زنجیره تامین می باشد. تابع هدف دوم به دنبال حداقل نمودن حداکثر حجم تقاضای مازاد سرویس دهنده ها می باشد.همچنین رویکرد بهینه سازی استوار به منظور لحاظ نمودن عدم قطعیت در برخی از پارامترهای مدل ارائه شده بکار گرفته شده است. به علاوه یک مطالعه موردی در صنعت نفت و گاز مورد بررسی قرار گرفته شده است.

کلیدواژه‌ها


عنوان مقاله [English]

A Bi-Objective Robust Model for Location-Routing and Capacity Sharing in Districting Regions under Uncertainty

نویسندگان [English]

  • Ramin Saedinia 1
  • Behnam Vahdani 2
  • Farhad Etebari 3
  • Behroz Afshar Nadjafi 4
1 Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
2 Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
3 Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
4 Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
چکیده [English]

One of the most important approaches that can lead to the creation of various advantages for enterprises is the districting regions into the service offering locations and the demand units, which causes the increase in level of customers’ access to get the service. On the other hand, if vehicle routing is carried out in districting regions in order to deliver products to customers, the planning of customer service can be improved. However, in none of the research conducted in the area of design supply chain, vehicle routing in districting regions has been not investigated. Therefore, in the current study, a bi-objective mathematical model is presented to simultaneously focus on districting regions, facility location–allocation, service sharing, intra-district service transfer and vehicle routing. The first objective function is to minimize the total cost of designing the CLSC network, which includes costs of opening facility and vehicle routing. The second objective function is to minimize the maximum volume of surplus demand from service providers in order to achieve an appropriate balance in demand volume across all regions. Moreover, a robust optimization approach is used to take into account uncertainty in some parameters of the proposed model. In addition, the validity of the proposed mathematical model and the proposed solution on a real case study in the oil and gas industry has been investigated.

کلیدواژه‌ها [English]

  • location-routing
  • districting regions
  • capacity sharing
  • robust optimization