نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار گروه مهندسی صنایع،واحد سنندج، دانشگاه آزاد اسلامی ، سندج، ایران
2 مربی دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل،ایران
3 دانشیار گروه مدیریت صنعتی ، دانشگاه علامه طباطبائی،تهران،ایران
4 استادیار گروه مهندسی صنایع،واحد سنندج، دانشگاه آزاد اسلامی، واحد سنندج،ایران
چکیده
هرچندکه صنعت ساختوساز، به ویژه به دلیل رابطه آن با سایر بخشهای اقتصادی یکی از مهمترین شاخههایی است که نقش کلیدی در رشد اقتصادی کشورها ایفا میکند، زنجیره تأمین ساخت و ساز کمتر مورد توجه محقیق قرار گرفته است. از این رو طراحی زنجیره تأمین ساخت و ساز نه تنها برای شرکتهای عمرانی، بلکه برای دولتها نیز از اهمیت زیادی برخوردار است. لذا، با ارائه یک مدل جدید برنامه-ریزی خطی مختلط عدد صحیح، این مقاله به معرفی یک چارچوب بهینه برای ساختاربندی شبکه زنجیره تأمین ساخت و ساز چند پروژهای چند منبعی و دارای چند تأمینکننده برای شرکتهای ساختمانی بزرگ دارای استراتژی تدارکات غیرمتمرکز میپردازد. هدف نهایی، طراحی یک مدل زنجیره تأمین با توجه به کیفیت و قابلیت اطمینان در بودجه پیشبینی شده، با در نظر داشتن کل زنجیره تأمین به عنوان یک موجودیت واحد است. فرمولبندی مسأله در یک چارچوب دو هدفه بوده و با استفاده از رویکرد "ال-پی متریک"سبب ایجاد یک چارچوب تک هدفه ساختارمند برای تبادل کیفیت-قابلیت اطمینان میشود. برای حل مسأله در ابعاد کوچک و متوسط از نرمافزار GAMS و در ابعاد بزرگ از یک الگوریتم ترکیبی شامل الگوریتمهای ژنتیک و شبیهسازی تبرید استفاده میشود. نتایج حاصل از حل مدل نشان از این دارد که مدل امکان انتخاب اندازه مناسب برای زنجیره تأمین ساخت و ساز را به همراه تبادل کیفیت-قابلیت اطمینان به صورت توأمان فراهم میآورد و از این نظر با توجه به پیشینه تحقیق، نخستین پژوهش به شمار میرود. همچنین، نتایج مقایسه روشهای حل پیشنهادی نشان دهنده کارایی بالای الگوریتم حل پیشنهادی است.
کلیدواژهها
عنوان مقاله [English]
Multi-project Optimal Scheduling Considering Reliability and Quality Within the Construction Supply Chain: A Hybrid Genetic Algorithm
نویسندگان [English]
- Hêriş Golpîra 1
- Erfan Babaee Tirkolaee 2
- Mohammad Taghi Taghavifard 3
- Fayegh Zaheri 4
1 Assistant Professor, Department of Industrial Engineering, Sanandaj Branch, Islamic Azad University, Sanandaj, Iran
2 Instructor, Department of Industrial Engineering Mazandaran University of Science and Technology, Babol, Iran
3 Associate Professor, Department of Industrial Management, Allameh Tabataba'i University, Tehran
4 Assistant Professor, Department of Industrial Engineering, Sanandaj Branch, Islamic Azad University, Sanandaj, Ira
چکیده [English]
Although the construction industry, especially because of its relationship with other economic sectors, is one of the most important sectors that plays a key role in a country's economic growth, the construction supply chain has been considered less attention. Therefore, construction supply chain network design is of great importance for not only the companies but also governments. Thus, presenting an original mixed integer linear programming model, this paper introduces an optimal framework for a multi-project multi-resource multi-supplier construction supply chain network design for large construction companies with a decentralized procurement strategy. The main objective is to design a reliable supply chain model based on the quality of projects under the certain predefined budget, considering the entire supply chain as a single entity. Using a bi-objective approach to formulate the chain and the Lp-metric approach to solve the problem, make it possible to obtain a single-objective structural framework to reliability-quality trade-off consideration. To solve the problem in small and medium scales, GAMS software is employed, and a hybrid algorithm based on Genetic Algorithm (GA) and Simulated Annealing (SA) algorithm is developed to solve the large-scaled problem. The results show the capability of the model to attain optimal size of the chain as well as the quality-reliability trade-off considering a pre-specified budget. And, to the best of authors knowledge this is the first to obtain such a structured integrated framework in the construction supply chain.
کلیدواژهها [English]
- Mixed integer linear programming
- construction supply chain
- multi-objective optimization
- quantitative mathematical models
- hybrid genetic algorithm