مدلسازی و حل مسئله مسیریابی تولید چند محصولی مبتنی بر برونسپاری و ریسک تصادف در حمل و نقل

سازمان هایی که برنامه‌یکپارچه تولید و مسیریابی دارند، هنگامی که برای توزیع از وسایل نقلیه استفاده می‌کنند، گاهی با ترافیک مواجه‌ا‌ند. بنابراین ریسک‌هایی مانند تصادف وجود دارد که منجر به خسارت، از دست دادن کیفیت محصول، تاخیر اجتناب ناپذیر در تحویل و یا حتی اثرات جبران ناپذیر شود که بر هزینه‌ها و زمان خدمت رسانی تاثیر دارد. لذا با در نظر گرفتن ریسک تصادف در مسئله مسیریابی تولید مدل به واقعیت نزدیکتر می‌شود. در این مطالعه یک مدل مسیریابی تولید با دو هدف کاهش هزینه‌ها و ریسک تصادف در حمل ونقل، با در نظر گرفتن برونسپاری، چند محصولی و چند دوره ای پیشنهاد شده است. از آنجاییکه این مسئلهnphard می‌باشد، به منظور حل مسئله از الگوریتم ژنتیک رتبه بندی نامغلوب 2 (nsga ii) استفاده شده است. برای اعتبارسنجی مدل جواب‌های به دست آمده از روش محدودیت اپسیلون در ابعاد کوچک با جواب‌های به دست آمده از الگوریتم مقایسه شده است. همچنین برای اعتبارسنجی الگوریتم پیشنهادی و بررسی کارایی آن در ابعاد بزرگ، نتایج حاصل از nsga ii روی مسائل نمونه در مقایسه با الگوریتم ژنتیک چندهدفه (moga) با استفاده از چندین شاخص مورد آزمون قرار گرفته است. نتایج حاکی از آن است که با وجود زمان اجرای کمتر در الگوریتم پیشنهادی، در شاخص پراکندگی الگوریتم nsga ii و در شاخص تعداد جواب‌های لایه پارتو الگوریتم moga دارای کارایی مناسب‌تری است.

Modeling and solving of biobjective multiproduct production routing problem with outsourcing and accident risk in transportation

Organizations with integrated production and routing programs sometimes encounter traffic when they use vehicles for distribution. So there are risks such as an accident that could result in damage, loss of product quality, unavoidable delivery delays, or even irreversible impacts on costs and service time. Therefore, by taking account the risk of accident into the production routing problem, the model becomes closer to reality. In this study, a production routing problem with the purpose of reducing costs and the risk of accident in the transportation with outsourcing, multiproduct and multiperiod, is considered in which the production routing problem combines with the lot sizing and vehicle routing problem according the supplier’s inventory management system. Since this is an NPhard problem, after modeling the problem, to solve it, a Nondominated Sorting Genetic Algorithm II (NSGA II) has been used. To examine the efficiency of the algorithm, the solutions of εconstraint method in GAMS obtained in smallsize instances have been compared with NSGA II. Finally, to validate the proposed algorithm and evaluate its performance in largesize instances, the results of NSGA II have been compared with multiobjective genetic algorithm using several indices. The obtained results showed that the NSGA II algorithm had better performance.