ارائه مدل ریاضی چند هدفه برای مسئله مکان یابی - مسیریابی - موجودی مواد خطرناک با در نظر گرفتن مفهوم تقاضای کشسان و سیستم صف

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 309

فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DMOR-6-2_004

تاریخ نمایه سازی: 31 شهریور 1400

چکیده مقاله:

هدف: افزایش جمعیت و به دنبال آن افزایش نیازهای انسانی و مشکلات مربوط به حوزه حمل ونقل، موجب شده است تا مدیران سازمان ها به دنبال راه حل هایی به منظور  افزایش سودآوری اقتصادی و کاهش هزینه ها برآیند. لذا در این مطالعه از مجموعه تصمیمات مکان یابی، مسیریابی وسایل نقلیه و مدیریت موجودی تحت عنوان ابزارهای اصلی مقابله با چنین مشکلاتی استفاده شده است.روش شناسی پژوهش: مدل در سایز کوچک به کمک روش اپسیلون محدودیت با نرم افزار گمز حل و اعتبارسنجی شده است. ازآنجا که این مساله جز مسائل NP-Hard به شمار می رود برای حل مسائل ابعاد بزرگ از الگوریتم های فرا ابتکاری ,MOPSO MOFF ,MOIWO, NSGA- II استفاده شده است.یافته ها: نتایج حاصل از تمامی معیارهای مقایسه ای حاکی از برتری الگوریتم MOIWO نسبت به سایر الگوریتم ها و کارایی مناسب این روش ها در حل مدل ریاضی به خصوص در ابعاد بالا و زمان های کوتاه است می باشد.اصالت/ارزش افزوده علمی: در این مطالعه طراحی شبکه حمل ونقل مواد خطرناک با در نظر گرفتن تصمیمات مربوط به مکان یابی، مسیریابی، موجودی مدنظر می باشد، برای این منظور یک مدل ریاضی جدید چندهدفه با اهداف کمینه نمودن هزینه،کمینه نمودن  زمان سفر و بیشینه سازی مسئولیت اجتماعی ارائه شده است.این مدل ریاضی قابلیت استفاده در حوزه های مختلف و ابعاد متفاوت را به همراه دارد.

نویسندگان

پریسا بوالحسنی

گروه مهندسی صنایع، دانشکده مهندسی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

محمد فلاح

گروه مهندسی صنایع، دانشکده مهندسی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

رضا توکلی مقدم

گروه مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران.

اکبر عالم تبریز

گروه مدیریت صنعتی و فناوری اطلاعات، دانشگاه شهید بهشتی، تهران، ایران.

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 :
  • Adarang, H., Bozorgi-Amiri, A., Khalili-Damghani, K., & Tavakkoli-Moghaddam, R. (۲۰۲۰). ...
  • Alhaj, M. A., Svetinovic, D., & Diabat, A. (۲۰۱۶). Retracted: ...
  • Ashtakala, B., & Eno, L. A. (۱۹۹۶). Minimum risk route ...
  • Baumol, W. J., & Wolfe, P. (۱۹۵۸). A warehouse-location problem. Operations ...
  • Coello, C. A. C., Pulido, G. T., & Lechuga, M. ...
  • Dai, Z., Aqlan, F., Zheng, X., & Gao, K. (۲۰۱۸). ...
  • Darestani, S. A., & Hemmati, M. (۲۰۱۹). Robust optimization of ...
  • Daskin, M. S., Coullard, C. R., & Shen, Z. J. ...
  • Deb, K., Pratap, A., Agarwal, S., Meyarivan, T. (۲۰۰۲). A ...
  • Dehghanian, F., & Mansour, S. (۲۰۰۹). Designing sustainable recovery network ...
  • Deng, S., Li, Y., Zhou, T., & Cao, Y. (۲۰۱۴, ...
  • DOT, U. (۲۰۰۰). Departmentwide program evaluation of the hazardous materials ...
  • Ghasemi, A., Rayatpisheh, M. A., Haddadi, A., & Rayat, A. ...
  • Gzara, F. (۲۰۱۳). A cutting plane approach for bilevel hazardous ...
  • Hassanzadeh, T., Faez, K., & Seyfi, G. (۲۰۱۲, February). A ...
  • Hu, H., Li, X., Zhang, Y., Shang, C., & Zhang, ...
  • Hum, S. H., Parlar, M., & Zhou, Y. (۲۰۱۸). Measurement ...
  • Javid, A. A., & Azad, N. (۲۰۱۰). Incorporating location, routing ...
  • Kalantari, M., Pishvaee, M., Yaghoubi, S. (۲۰۲۴). A multi objective ...
  • Khodemani-Yazdi, M., Tavakkoli-Moghaddam, R., Bashiri, M., & Rahimi, Y. (۲۰۱۹). ...
  • Khosravi, S., & Akbari Jokar, M. R. (۲۰۱۴). Hub location ...
  • Li, Y., Guo, H., & Zhang, Y. (۲۰۱۸). An integrated ...
  • Liu, S. C., & Lee, S. B. (۲۰۰۳). A two-phase ...
  • Liu, Y., Dehghani, E., Jabalameli, M. S., Diabat, A., & ...
  • Mahmood Soltani, F., TavakoliMoghadam, R., Javadian, N., & MahmoodAbadi, A. ...
  • Mohammadi, A., Alem Tabriz, A., Pishvaee, M. (۲۰۱۸). Proposing model ...
  • Nadizadeh, A., & Nasab, H. H. (۲۰۱۴). Solving the dynamic ...
  • Nekooghadirli, N., Tavakkoli-Moghaddam, R., Ghezavati, V. R., & Javanmard, A. ...
  • Noguchi, H., Hienuki, S., & Fuse, M. (۲۰۲۰). Network theory-based ...
  • Pan, S., Ballot, E., & Fontane, F. (۲۰۱۳). The reduction ...
  • Pishvaee, M. S., Razmi, J., & Torabi, S. A. (۲۰۱۲). ...
  • Rabbani, M., Heidari, R., & Yazdanparast, R. (۲۰۱۹). A stochastic ...
  • Rayatpisha, S., Ahmay, R., & Abbasi, M. (۲۰۱۹). Using a ...
  • Srinivas, N., & Deb, K. (۱۹۹۴). Muiltiobjective optimization using nondominated ...
  • Talebzadehhosseini, S. (۲۰۱۵). Measuring sustainability performance of supply chain management practices ...
  • Tsao, Y. C., Thanh, V. V., Lu, J. C., & ...
  • Vafaeenezhad, T., Tavakkoli-Moghaddam, R., & Cheikhrouhou, N. (۲۰۱۹). Multi-objective mathematical ...
  • Validi, S., Bhattacharya, A., & Byrne, P. J. (۲۰۱۵). A ...
  • Varsei, M., & Polyakovskiy, S. (۲۰۱۷). Sustainable supply chain network ...
  • Watson-Gandy, C. D. T., & Dohrn, P. J. (۱۹۷۳). Depot ...
  • Yang, X. S. (۲۰۱۰). Nature-inspired metaheuristic algorithms. Luniver press ...
  • Yousefi Nejad Attari, M., Karbasi, V., & Sharifi, S. (۲۰۲۰). ...
  • Zahiri, B., Tavakkoli-Moghaddam, R., & Pishvaee, M. S. (۲۰۱۴). A ...
  • Zhalechian, M., Tavakkoli-Moghaddam, R., & Rahimi, Y. (۲۰۱۷). A self-adaptive ...
  • Zhalechian, M., Tavakkoli-Moghaddam, R., & Rahimi, Y. (۲۰۱۷). A self-adaptive ...
  • Zhalechian, M., Tavakkoli-Moghaddam, R., Zahiri, B., & Mohammadi, M. (۲۰۱۶). ...
  • Zhalechian, M., Tavakkoli-Moghaddam, R., Zahiri, B., & Mohammadi, M. (۲۰۱۶). ...
  • Zhang, S., Lee, C. K. M., Wu, K., & Choy, ...
  • نمایش کامل مراجع