توسعه مدل مکان‌یابی- مسیریابی با در نظر گرفتن رضایت مشتری و دریافت و تحویل همزمان

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 416

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JTE-12-1_006

تاریخ نمایه سازی: 1 اردیبهشت 1400

چکیده مقاله:

در این مطالعه، مسأله مکان یابی- مسیریابی با در نظر گرفتن چندین انبار و پنجره زمانی سخت برای مشتریان مورد بررسی قرار می‌گیرد. هدف اصلی این مقاله، انتخاب بهترین مکان­ احداث انبارها با در نظر گرفتن زمانبندی و مسیریابی وسایل نقلیه ناهمگن است. این امر موجب کاهش هزینه احداث انبار در مکان نامطلوب می‌شود و به صورت همزمان مسیر بهینه مسائل نقلیه را پیدا می‌کند. رضایت مشتری از فرایند خدمت رسانی از مهم‌ترین مسائل هر سازمان است. بدین منظور پنجره زمانی سخت برای پاسخ به مشتریان در نظر گرفته شده است. در واقع نوع آوری اصلی این مطالعه را این گونه می توان بیان نمود که در دومساله مسیریابی و مکانیابی به طور همزمان مورد بررسی قرار می گیرند تا هزینه های متقابل بین مسیریابی و مکان یابی لحاظ شده و از این نظر می توان تاثیر بین هزینه های مکان یابی و مسیریابی را در نظر گرفت ، بدین جهت می تواند تاثیر فراوانی از  نقطه نظر کاهش هزینه ها ایفا نماید. به منظور بررسی صحت و دقت مدل، در ابعاد کوچک با روش محدودیت اپسیلون توسعه یافته مورد مقایسه قرار گرفته می‌شود. با توجه به NP-Hard بودن مسأله در ابعاد بزرگ، از الگوریتم تکاملی چند هدفه، به نام الگوریتم ژنتیک مرتب شده نامغلوب استفاده شده است. در پایان نتایج به دست آمده، به منظور نمایش کارآیی و اثربخشی مناسب در حل مسائل مختلف با ابعاد بزرگ و در زمان کوتاه مورد تجزیه و تحلیل قرار گرفته اند.

کلیدواژه ها:

الگوریتم فراابتکاری ، برداشت و تحویل همزمان ، رضایت مشتری ، مکان یابی مسیریابی چند هدفه

نویسندگان

پدرام معماری

دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران

محمد پرتوی

دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران

فریبرز جولای

دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران

رضا توکلی مقدم

دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • -   BañOs, R., Ortega, J., Gil, C., MáRquez, A. ...
  • -   Beheshtinia, M. A.and Ghasemi, A. (2017) “A multi ...
  • -   Bui, L. T. and Alam, S. (2008) “An ...
  • -   Coello, C. A. C., Lamont, G. B. and ...
  • -   Euchi, J. and Euchi, J. (2017) “Genetic scatter ...
  • -   Gang, H., Zhijing, G., Peng, Y. and Junqing, ...
  • -   Hernandez, F., Gendreau, M. and Potvin, J. Y. (2017) ...
  • -   Javad, M. O. M. and Karimi, B. (2017) ...
  • -   Ma, Y., Han, J., Kang, K. and Yan, F. ...
  • -   Majidi, S., Hosseini-Motlagh, S.-M. and Ignatius, J. (2017) “Adaptive ...
  • -   Mavrotas, G. and Florios, K. (2013) “An improved ...
  • -   Meng, Q., Lee, D.-H. and Cheu, R. L. (2005) ...
  • -   Mingyong, L.and Erbao, C. (2010) “An improved differential evolution ...
  • -   Monirian, M. A., Vaziri, S. M.and Vaziri, A. M. ...
  • -   Saeedi Mehrabad, M., Aazami, A.and Goli, A. (2017) “A ...
  • -   Shi, J., Zhang, G.and Sha, J. (2011) “Optimal production ...
  • -   Shi, Y., Boudouh, T. and Grunder, O. (2017) “A ...
  • -   Srinivas, N. and Deb, K. (1994) “Muiltiobjective optimization using ...
  • -   Sze, J. F., Salhi, S. and Wassan, N. (2017) ...
  • -              Beheshtinia, M. and Aarabi, A. (2017) “A genetic algorithm ...
  • نمایش کامل مراجع