مکان یابی-مسیریابی

یکی از مهمترین رویکردها که منجر به ایجاد مزیت های متنوعی برای بنگاه های اقتصادی می باشد، ناحیه بندی مناطق به مکان های سرویس دهی و واحد های متقاضی می باشد که باعث افزایش سطح دسترسی مشتریان جهت دریافت خدمت می باشد. به طوری که می تواند در طراحی مجدد و ناحیه بندی مجدد شرکتها نیز مورد استفاده قرار گیرد. از طرف دیگر مسیریابی وسایل حمل و نقل جهت ارائه محصولات به مشتریان در صورتی که در مناطق ناحیه بندی شده انجام پذیر می تواند منجر به برنامه ریزی هر چه بهتر در سرویس دهی به مشتریان گردد. با این حال در هیچ یک از تحقیقات انجام گرفته شده در حوزه طراحی شبکه زنجیره تامین، مسیریابی وسایل حمل و نقل در نواحی طبقه بندی شده مورد بررسی قرار گرفته نشده است. از اینرو در این تحقیق یک مدل ریاضی دو هدفه ارائه شده است تا بصورت همزمان ناحیه بندی مناطق، مکانیابی-تخصیص تسهیلات، اشتراک گذاری خدمت و انتقال خدمت درون منطقه ای و مسیریابی وسایل حمل و نقل به صورت توامان انجام پذیرد. تابع هدف اول به دنبال کمینه نموده مجموع هزینه های شبکه زنجیره تامین می باشد. تابع هدف دوم به دنبال حداقل نمودن حداکثر حجم تقاضای مازاد سرویس دهنده ها می باشد.همچنین رویکرد بهینه سازی استوار به منظور لحاظ نمودن عدم قطعیت در برخی از پارامترهای مدل ارائه شده بکار گرفته شده است. به علاوه یک مطالعه موردی در صنعت نفت و گاز مورد بررسی قرار گرفته شده است.

مقدمه و اهداف: توسعه شهری و افزایش میزان حمل ونقل های برون شهری و درون شهری منجربه آن شده است تا هزینه های مرتبط با حمل ونقل به شدت افزایش یابد، این افزایش هزینه منجر به افزایش قیمت تمام شده محصولات نهایی و در نتیجه افزایش قیمت محصول می شود. همچنین تنها بعد اقتصادی مد نظر نبوده و افزایش حمل ونقل منجر به افزایش میزان انتشار گاز CO2 می شود. این موضوع منجر به طراحی مدل های مختلف حمل ونقل و مسیریابی وسیله نقلیه شده است که می توان به مسئله مکان یابی-مسیریابی وسیله نقلیه اشاره کرد. مسئله مکان یابی تسهیلات یک تصمیم استراتژیکی است، زیرا هزینه احداث و مکان یابی تسهیلات بسیار بالا می باشد. از سوی دیگر، تصمیمات مسیریابی مبتنی بر تصمیمات مکان یابی صورت می پذیرد و یک تصمیم میان مدت و کوتاه مدت به شمار می آید. در این مقاله، با توسعه یک مدل ریاضی از مکان یابی-مسیریابی وسیله نقلیه در شرایط عدم قطعیت و در نظر گرفتن قابلیت اطمینان، تلاش شده است تا بهینه سازی همزمان در توابع هدف پایداری با حفظ حداقل قابلیت اطمینان صورت پذیرد. اهداف پایداری در این مقاله شامل کمینه سازی هزینه های کل مسئله، کمینه سازی میزان انتشار CO2 و بیشینه سازی فرصت های شغلی بر اساس تصمیمات یکپارچه استراتژیکی و تاکتیکی است. مهم ترین موضوع پرداخته شده در این مقاله، تصمیم گیری در خصوص مسیریابی بهینه حمل ونقل با در نظر گرفتن پنجره زمانی و قابلیت اطمینان در مکان یابی تسهیلات بر اساس نرخ خرابی آن ها می باشد.روش ها: به دلیل غیر قطعی بودن پارامترهای مدل ریاضی، از انواع مختلف روش های برنامه ریزی فازی و استوار امکانی در فرموله کردن مدل استفاده شده است. از این رو 4 مدل مختلف برای کنترل عدم قطعیت پارامترهای تقاضا و هزینه های حمل ونقل استفاده و نتایج مدل با یکدیگر مقایسه شده است. همچنین برای حل مدل ریاضی چند هدفه از دو روش دقیق و الگوریتم فراابتکاری استفاده شده است. برای تجزیه و تحلیل مدل ریاضی در سایز کوچک و همچنین تحلیل حساسیت مدل از روش اپسیلون محدودیت تقویت شده و برای حل مثال های عددی در سایزهای بزرگتر از الگوریتم NSGA-II استفاده شده است. همچنین در این مقاله یک راه حل اولیه  مبتنی بر اولویت بندی برای الگوریتم فرا ابتکاری استفاده شده است.یافته ها: نتایج تحلیل ها نشان می دهد افزایش نرخ عدم قطعیت، اگرچه منجربه افزایش فرصت های شغلی شده است، هزینه های کل و میزان انتشار گازهای گلخانه را نیز افزایش داده است. همچنین، بررسی ها نشان می دهد روش RPP-III بالاترین هزینه استواری مدل را با کمترین انحراف معیار کسب کرده است. در تحلیل قابلیت اطمینان، این موضوع مشاهده گردید که هر چه نرخ خرابی تسهیلات بالاتر باشد، تعداد مراکز تولید و مراکز توزیع مکان یابی شده افزایش می یابد. این موضوع منجر به افزایش هزینه های کل، افزایش میزان انتشار CO2 و همچنین افزایش تعداد فرصت های شغلی شده است. با تجزیه و تحلیل 15 مثال عددی نیز مشاهده گردید که NSGA-II از کارایی بالایی در حل مدل ریاضی نسبت به اپسیلون محدودیت تقویت شده برخوردار است.نتیجه گیری: نتایج بدست آمده در این تحقیق، به مدیران در راستای اتخاذ تصمیمات استراتژیکی نظیر مکان یابی تسهیلات و تاکتیکی نظیر مسیریابی وسیله نقلیه کمک شایانی می نماید تا بتوانند در شرایط عدم قطعیت بازار تصمیمات مناسبی را اخذ کنند. با توجه به اینکه در این مدل، تصمیمات و مفروضات مختلف و نزدیک به دنیای واقعی لحاظ شده است، مدل ریاضی می تواند در صنایع پخش، مخصوصا کالاهای دارویی و الکترونیکی مورد استفاده قرار گیرد.