بهینه سازی مسئله زمانبندی کامیون ها در انبار متقاطع چنددربی با در نظر گرفتن اثر یادگیری و زوال پذیری کارها

نویسندگان

1 استادیار، گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران

2 استادیار، گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران.

3 استاد، دانشکده مهندسی صنایع، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران

doi
10.22034/tri.2022.119317
چکیده

به طور کلی هر زنجیره‌ی تامین شامل سه مرحله‌ی اصلی تهیه، تولید و توزیع است. استفاده از سیستم انبار متقاطع یک استراتژی جدید در مرحله توزیع برای بهبود زمان پاسخگویی به مشتریان با انتقال محصولات به طور مستقیم از کامیون های دریافت به کامیون های ارسالی است. به طور کلی برای پردازش یک فعالیت، هر دو منبع ماشین و منابع انسانی مورد نیاز است. بسیاری از محققان تا‌کنون روشهای برنامه ریزی متعددی برای سیستم های انبار متقاطع توسعه داده اند، اما اکثراً محدودیت های مهم منابع انسانی را نادیده گرفته اند. در این مقاله برای اولین بار به بررسی مسئله زمانبندی کامیون‌ها در انبار متقاطع چند دربی با در نظر گرفتن اثرات عوامل انسانی و زوال پذیری کارها برای پر کردن شکاف بین مدل های برنامه‌ریزی نظری و آنچه در دنیای واقعی انجام می گیرد پرداخته‌ایم و برای این منظور یک مدل برنامه‌ریزی عدد صحیح مختلط برای مسئله یاد شده ارائه شده است. با توجه به ادبیات تحقیق زمان حل مدل ارائه شده توسط روش های دقیق با افزایش اندازه مساله به سرعت افزایش می یابد تا حدی که روش‌های دقیق به سختی می‌تواند به جواب بهینه دست پیدا کنند. برای حل مسائل در مقیاس بزرگ از چهار الگوریتم فراابتکاری شامل الگوریتم‌های ژنتیک (GA)، رقابت استعماری (ICA)، کشتل (KA) و بهینه سازی مهندسی اجتماعی (SEO) استفاده شده است. در نهایت نتایج عددی بدست آمده از تمامی الگوریتم‌های فرا‌ابتکاری مورد بررسی و تحلیل حساسیت قرار گرفته‌اند. الگوریتم‌های فراابتکاری را بر اساس معیار های بهترین، میانگین‌ جواب‌ها، Rpd و زمان مورد مقایسه قرار داده‌ایم. در نتیجه الگوریتم‌های SEO و الگوریتم کشتل از نظر کیفیت جواب بهتر از سایر الگوریتم‌ها عمل نمودند.