بهینه‌سازی چندهدفه مسیریابی حرکت خودرو تحت شرایط عدم قطعیت با تاکید بر اقدامات سبز-ناب و رضایت مشتری (موردمطالعه: شرکت شهد پاک)

با توجه به اهمیت برنامه‌ریزی توزیع در میان حلقه‌های زنجیره توزیع یک بنگاه اقتصادی، در این پژوهش مسئله مسیریابی ناوگان حمل‌ونقل کالا تحت عنوان مسئله مسیریابی حمل‌ونقل (vrp) موردتوجه قرارگرفته است. از طرفی در محیط رقابتی امروزی، سرعت‌بالای تغییر و تحولات بر عدم اطمینان و ابهام حاکم بر تصمیم‌گیری‌ها تا حدی افزوده است که سطح بالای عدم اطمینان در زنجیره تامین، توانایی آن را در پیش‌بینی شرایط آینده با مشکل مواجه می‌کند. لذا به‌منظور برنامه‌ریزی بهتر و صحیح‌تر باید به برنامه‌ریزی قابل‌اتکا در فضای عدم اطمینان و ابهام پرداخته شود. در این مقاله به‌منظور حل مسئله مذکور یک مدل پنج هدفه سبز-ناب تحت عدم قطعیت با تاکید بر رضایت مشتری در نظر گرفته‌شده است. در این پژوهش با در نظر گرفتن شرکت شهد پاک به‌عنوان مطالعه موردی، عملیات توزیع محصول از انبار به مصرف‌کننده به‌صورت یک زنجیره تامین مدل‌سازی می‌گردد.با توجه به nphard بودن این مسئله به‌منظور پیدا کردن جواب‌های نزدیک بهینه، پس از تنظیم پارامتر به روش جستجوی فراگیر ، مدل در حالت تک هدفه و چند هدفه با استفاده از نرم‌افزار پایتون توسط الگوریتم‌های فرا ابتکاری چندهدفه ژنتیک با رتبه‌بندی نامغلوب نسخه2 (nsgaii) و بهینه‌سازی ازدحام ذرات (mopso) حل گردید. در پایان این الگوریتم‌ها با معیارهای ارزیابی عملکرد همچون زمان اجرا و کیفیت جواب‌ها با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید نتایج حاصل حاکی از کارایی مدل پیشنهادی و برتری استفاده از روش تحلیل استوار نسبت به قطعی می‌باشد که منجر به بهینه‌سازی مسیر حمل‌ونقل، کاهش هزینه‌ها و درنهایت رضایت مشتری است و همچنین با مقایسه‌ی معیارهای ارزیابی عملکرد و مدت‌زمان اجرای مدل، مشخص گردید که الگوریتم mopso نسبت به nsgaii کاراتر می‌باشد. با توجه به اهمیت برنامه‌ریزی توزیع در میان حلقه‌های زنجیره توزیع یک بنگاه اقتصادی، در این پژوهش مسئله مسیریابی ناوگان حمل‌ونقل کالا تحت عنوان مسئله مسیریابی حمل‌ونقل[i](vrp) موردتوجه قرارگرفته است. از نوآوری‌های این مدل می‌توان به تعریف جریمه‌ی نقض محدودیت پنجره زمانی (دیرکرد و زود کرد تحویل محصول) در جهت تامین رضایت مشتری، در نظر گرفتن رابطه‌ی مستقیم وزن و مصرف سوخت که کاهش وزن علاوه بر کاهش هزینه‌ها، باعث کاهش اثرات مخرب گازهای گلخانه‌ای، آلودگی هوا و کربن‌دی‌اکسید می‌گردد، کاهش هزینه‌های رانندگان که درنهایت موجب کاهش هزینه‌های کل می‌گردد و علاوه بر ناب‌سازی موجب افزایش رضایت مشتری می‌شود، استفاده از مفهوم استوار برای زمان سرویس‌دهی در شرایط متفاوت در حالت چندمحصولی و تغییر در نظر گرفتن هزینه‌های توزیع اشاره کرد. در این پژوهش با در نظر گرفتن شرکت شهد پاک به‌عنوان مطالعه موردی، عملیات توزیع محصول از انبار به مصرف‌کننده به‌صورت یک زنجیره تامین مدل‌سازی می‌گردد. با توجه بهnphard بودن این مسئله به‌منظور پیدا کردن جواب‌های نزدیک بهینه، پس از تنظیم پارامتر به روش جستجوی فراگیر[ii]، مدل در حالت تک هدفه و چند هدفه با استفاده از نرم‌افزار پایتون توسط الگوریتم‌های فرا ابتکاری چندهدفهژنتیک با رتبه‌بندی نامغلوب نسخه2 (nsgaii) و بهینه‌سازی ازدحام ذرات (mopso) حل گردید. در پایان این الگوریتم‌ها با معیارهای ارزیابی عملکرد همچون زمان اجرا و کیفیت جواب‌ها با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید نتایج حاصل حاکی از کارایی مدل پیشنهادی و برتری استفاده از روش تحلیل استوار نسبت به قطعی هست که منجر به بهینه‌سازی مسیر حمل‌ونقل، کاهش هزینه‌ها و درنهایت رضایت مشتری است و همچنین با مقایسه‌ی معیارهای ارزیابی عملکرد و مدت‌زمان اجرای مدل، مشخص گردید که الگوریتم mopso نسبت به nsgaii کاراتر هست.

Optimization of Vehicle Routing Problem under Uncertainty with emphasis on Green Lean Practices and Customer Satisfaction

Given the importance of distribution planning among the chain loops of a firm, in this research, the routing problem of cargo transport fleet is considered as the issue of transportation routing ( VRP ). Among the innovations of this model one can point, it is possible to define the penalty for violating the time window (delay and rush to delivery of the product) to ensure customer satisfaction, considering the direct relationship between weight and fuel consumption, which reducing weight, in addition to reducing costs, reduces the destructive effects of Greenhouse gas, air pollution and carbon dioxide. Reducing drivers costs, which eventually leads to lower total costs, in addition to make lean leads to Increase customer satisfaction, makes use of the concept of service time in a variety of multi product and variable conditions, taking into account the cost of product distribution .In this research, considering the ShahdePak as a case study, the distribution of product from warehouse to the consumer is modeled as a supply chain. Considering the NPHARD problem in order to find the near optimal solutions, after setting the parameter in a comprehensive search method, the model is modeled in singleobjective and multiobjective mode using Python software using heterogeneous genetic multiobjective algorithms, 2 (NSGAII) and Particle Swarm Optimization (MOPSO). At the end, these algorithms were compared with performance evaluation criteria such as runtime and the quality of the answers, and the highest algorithm was determined for each criterion. The results indicate the effectiveness of the proposed model and the superiority of using a steadytodefinitive analysis method that leads to optimization Transportation path, cost reduction and ultimately customer satisfaction. Also, by comparing the performance evaluation criteria and the duration of the implementation of the model, it was found that the MOPSO algorithm is more efficient than NSGAII.