فهرست مطالب مهسا اخوان راد
-
امروزه دستیابی به منافع رقابتی بازار، امری ضروری است و ازآنجاکه توجه به مسائل زیست محیطی و انرژی افزایش یافته است، طراحی شبکه ی زنجیره تامین مناسب می تواند کمک بزرگی به این مهم کند. به همین منظور در این پژوهش یک مدل برنامه ریزی برای زنجیره تامین حلقه بسته ی سبز چندمحصولی، چند دوره ای طراحی شده است. جنبه ی نوآوری تحقیق برقراری توابع هدف چندگانه اختصاصی در حوزه ی مدیریت انرژی مبتنی بر حمل و نقل می باشد که یک مدل بهینه سازی برای زنجیره تامین حلقه بسته سبز با چهار هدف بهینه سازی کربن دی اکسید، هزینه حمل ونقل، انرژی و ضایعات طراحی شده است و مدل مربوطه توسط الگوریتم های فرا ابتکاری ژنتیک و شبیه سازی تبرید حل گردیده است. در راستای یکپارچه سازی توابع هدف از روش وزن دهی به اهداف استفاده شده است، وزن اهداف با توجه به نظر خبرگان انتخاب شده است. نتایج حاصل از بررسی کارایی الگوریتم ها نشان می دهد زمانی که چهار تابع هدف را به صورت هم زمان در نظر می گیریم، الگوریتم ژنتیک بهتر عمل می کند همچنین با مقایسه ی نتایج حاصل از این دو الگوریتم کارایی الگوریتم ژنتیک برای دو تابع هدف انرژی و هزینه ثابت شد و کارایی الگوریتم شبیه سازی تبرید برای دو تابع هدف کربن دی اکسید و ضایعات مشخص گردید. این مقاله کمک می کند تا مدیران از حمل ونقل سبز و بهبود عملکرد زیست محیطی و کاهش هزینه ها در کل زنجیره تامین به عنوان یک استراتژی مکمل، به منظور کسب مزیت رقابتی پایدار سود ببرند.
کلید واژگان: الگوریتم شبیه سازی تبرید, الگوریتم ژنتیک, بهینه سازی حمل و نقل, زنجیره تامین حلقه بسته سبز, مدل برنامه ریزی ریاضی}Today, it is essential to achieve competitive market interests and since attention to environmental issues and reduced raw resources and energy has increased, design of a suitable supply chain network can be a great help in this regard. To this end, in this study, a multi-product closed-loop green supply chain has been designed. The innovative aspect of the research is the establishment of specific multiple objective functions in the field of transportation-based energy management, which is an optimization model for the green closed loop supply chain with four optimization objectives of carbon dioxide, transportation cost, energy, and waste, and the relevant model is designed by innovative genetic algorithms. And the refrigeration simulation is solved. In order to integrate the target functions, the weighting method of the targets has been used, the weight of the targets has been chosen according to the experts' opinion. The results of the algorithms' efficiency show that when we consider the four objective functions at the same time, the genetic algorithm performs better. Also, by comparing the results of these two algorithms, the efficiency of the genetic algorithm for the two objective functions of energy and cost was proven, and the efficiency of the refrigeration simulation algorithm was determined for the two objective functions of carbon dioxide and waste. This paper helps managers to benefit from green transportation and improving environmental performance and reducing costs in the entire supply chain as a complementary strategy in order to gain a sustainable competitive advantage.
Keywords: Refrigeration Simulation Algorithm, Genetic Algorithm, Transportation Optimization, Green Closed-Loop Supply Chain, Mathematical Programming Model} -
با توجه به اهمیت برنامه ریزی توزیع در میان حلقه های زنجیره توزیع یک بنگاه اقتصادی، در این پژوهش مسئله مسیریابی ناوگان حمل ونقل کالا تحت عنوان مسئله مسیریابی حمل ونقل (VRP) موردتوجه قرارگرفته است. از طرفی در محیط رقابتی امروزی، سرعت بالای تغییر و تحولات بر عدم اطمینان و ابهام حاکم بر تصمیم گیری ها تا حدی افزوده است که سطح بالای عدم اطمینان در زنجیره تامین، توانایی آن را در پیش بینی شرایط آینده با مشکل مواجه می کند. لذا به منظور برنامه ریزی بهتر و صحیح تر باید به برنامه ریزی قابل اتکا در فضای عدم اطمینان و ابهام پرداخته شود. در این مقاله به منظور حل مسئله مذکور یک مدل پنج هدفه سبز-ناب تحت عدم قطعیت با تاکید بر رضایت مشتری در نظر گرفته شده است. در این پژوهش با در نظر گرفتن شرکت شهد پاک به عنوان مطالعه موردی، عملیات توزیع محصول از انبار به مصرف کننده به صورت یک زنجیره تامین مدل سازی می گردد.با توجه به NP-HARD بودن این مسئله به منظور پیدا کردن جواب های نزدیک بهینه، پس از تنظیم پارامتر به روش جستجوی فراگیر ، مدل در حالت تک هدفه و چند هدفه با استفاده از نرم افزار پایتون توسط الگوریتم های فرا ابتکاری چندهدفه ژنتیک با رتبه بندی نامغلوب نسخه-2 (NSGAII) و بهینه سازی ازدحام ذرات (MOPSO) حل گردید. در پایان این الگوریتم ها با معیارهای ارزیابی عملکرد همچون زمان اجرا و کیفیت جواب ها با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید نتایج حاصل حاکی از کارایی مدل پیشنهادی و برتری استفاده از روش تحلیل استوار نسبت به قطعی می باشد که منجر به بهینه سازی مسیر حمل ونقل، کاهش هزینه ها و درنهایت رضایت مشتری است و همچنین با مقایسه ی معیارهای ارزیابی عملکرد و مدت زمان اجرای مدل، مشخص گردید که الگوریتم MOPSO نسبت به NSGAII کاراتر می باشد. با توجه به اهمیت برنامه ریزی توزیع در میان حلقه های زنجیره توزیع یک بنگاه اقتصادی، در این پژوهش مسئله مسیریابی ناوگان حمل ونقل کالا تحت عنوان مسئله مسیریابی حمل ونقل[i](VRP) موردتوجه قرارگرفته است. از نوآوری های این مدل می توان به تعریف جریمه ی نقض محدودیت پنجره زمانی (دیرکرد و زود کرد تحویل محصول) در جهت تامین رضایت مشتری، در نظر گرفتن رابطه ی مستقیم وزن و مصرف سوخت که کاهش وزن علاوه بر کاهش هزینه ها، باعث کاهش اثرات مخرب گازهای گلخانه ای، آلودگی هوا و کربن دی اکسید می گردد، کاهش هزینه های رانندگان که درنهایت موجب کاهش هزینه های کل می گردد و علاوه بر ناب سازی موجب افزایش رضایت مشتری می شود، استفاده از مفهوم استوار برای زمان سرویس دهی در شرایط متفاوت در حالت چندمحصولی و تغییر در نظر گرفتن هزینه های توزیع اشاره کرد. در این پژوهش با در نظر گرفتن شرکت شهد پاک به عنوان مطالعه موردی، عملیات توزیع محصول از انبار به مصرف کننده به صورت یک زنجیره تامین مدل سازی می گردد. با توجه بهNP-HARD بودن این مسئله به منظور پیدا کردن جواب های نزدیک بهینه، پس از تنظیم پارامتر به روش جستجوی فراگیر[ii]، مدل در حالت تک هدفه و چند هدفه با استفاده از نرم افزار پایتون توسط الگوریتم های فرا ابتکاری چندهدفهژنتیک با رتبه بندی نامغلوب نسخه-2 (NSGAII) و بهینه سازی ازدحام ذرات (MOPSO) حل گردید. در پایان این الگوریتم ها با معیارهای ارزیابی عملکرد همچون زمان اجرا و کیفیت جواب ها با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید نتایج حاصل حاکی از کارایی مدل پیشنهادی و برتری استفاده از روش تحلیل استوار نسبت به قطعی هست که منجر به بهینه سازی مسیر حمل ونقل، کاهش هزینه ها و درنهایت رضایت مشتری است و همچنین با مقایسه ی معیارهای ارزیابی عملکرد و مدت زمان اجرای مدل، مشخص گردید که الگوریتم MOPSO نسبت به NSGAII کاراتر هست.
کلید واژگان: بهینه سازی چندهدفه, مسیریابی وسایل نقلیه, رضایت مندی مشتریان, رویکرد سبز-ناب, تحلیل استوار}Given the importance of distribution planning among the chain loops of a firm, in this research, the routing problem of cargo transport fleet is considered as the issue of transportation routing ( VRP ). Among the innovations of this model one can point, it is possible to define the penalty for violating the time window (delay and rush to delivery of the product) to ensure customer satisfaction, considering the direct relationship between weight and fuel consumption, which reducing weight, in addition to reducing costs, reduces the destructive effects of Greenhouse gas, air pollution and carbon dioxide. Reducing drivers costs, which eventually leads to lower total costs, in addition to make lean leads to Increase customer satisfaction, makes use of the concept of service time in a variety of multi product and variable conditions, taking into account the cost of product distribution .In this research, considering the Shahd-e-Pak as a case study, the distribution of product from warehouse to the consumer is modeled as a supply chain. Considering the NP-HARD problem in order to find the near optimal solutions, after setting the parameter in a comprehensive search method, the model is modeled in single-objective and multi-objective mode using Python software using heterogeneous genetic multi-objective algorithms, 2 (NSGAII) and Particle Swarm Optimization (MOPSO). At the end, these algorithms were compared with performance evaluation criteria such as runtime and the quality of the answers, and the highest algorithm was determined for each criterion. The results indicate the effectiveness of the proposed model and the superiority of using a steady-to-definitive analysis method that leads to optimization Transportation path, cost reduction and ultimately customer satisfaction. Also, by comparing the performance evaluation criteria and the duration of the implementation of the model, it was found that the MOPSO algorithm is more efficient than NSGAII.
Keywords: Optimizing Multi-Threading, Vehicle routing, Customer Satisfaction, Green-Lean Approach, Strong Analysis}
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.