مکانیابی هاب مبتنی بر رویکرد های یادگیری ماشین و تصمیم گیری چند معیاره

رشد روزافزون جمعیت شهری تاثیر قابل توجهی بر فرآیند توزیع بار داشته و باعث افزایش تقاضا، سفرهای بیشتر، تراکم ترافیک، آلودگی هوا و هزینههای توزیع باالتر شده است. به همین جهت، صنایع و سازمان ها در صدد بهینهسازی شبکه های توزیع برای کاهش هزینههای لجستیکی و افزایش کارایی هستند. یکی از راهکارهای موثر در این زمینه، مکان یابی هاب است که بهبود زمان تحویل و بهینه سازی ظرفیت حمل و نقل را به همراه دارد. هابها به عنوان گره های میانی، انتقال کالا را کارآمدتر کرده و با کاهش تعداد مسیرهای مستقیم، هزینههای حمل و نقل و آلودگی هوا را کاهش میدهند. در این پژوهش، به مکان یابی هاب در شهر تهران با استفاده از روش های خوشه بندی و تصمیم گیری چند معیاره پرداخته شده است. این مطالعه در دو مرحله انجام می شود. در مرحله اول، مشتریان بر اساس موقعیت مکانی آنها با الگوریتم K-means خوشهبندی می شوند و ۲۲ نقطه کاندید برای هاب بر اساس نتایج خوشهبندی شناسایی می شود. در مرحله دوم، با در نظر گرفتن ۱۵ معیار موثر بر انتخاب مکان هاب تحت ۴ دسته شامل معیارهای جغرافیایی/حمل و نقل، اقتصادی، عملیاتی/لجستیکی و محیطی/قانونی و همچنین وزندهی به این معیارها، مکان های شناسایی شده به کمک روش TOPSIS رتبهبندی می شوند و بهترین مکان برای هاب مشخص می شود. نتایج این تحقیق میتواند به شرکت های لجستیکی کمک کند تا با کاهش هزینههای حمل و نقل و بهینه سازی زمان توزیع، کارایی شبکه توزیع خود را افزایش دهند.

کلیدواژه ها:

مکانیابی هاب ، یادگیری ماشین ، خوشه بندی ، تصمیم گیری چند معیاره