مدل سازی ریاضی برای مسئله مکا نیابی-مسیریابی دو سطحی در زنجیره تأمین مواد غذایی فسادپذیر با ریسک اختلال

نویسندگان

1 دانشجو

2 استاد دانشکده مهندسی صنایع، دانشگاه تهران

چکیده

مدیریت زنجیره تأمین غذایی به دلیل مقیاس بالایی آن در صنعت، مقدار اتلاف مواد غذایی در جهان و رابطه بین اتلاف مواد غذایی و سوء تغذیه جهانی از اهمیت بالایی برخوردار است. زنجیره تأمین مواد غذایی شامل تهیه و تولید غذا و شرکت‌های تولیدکننده، عمده ‌فروشی و کارخانه‌های توزیع، دلالان، مکان‌های سرویس غذا و رستوران‌هاست. بررسی اقلام فسادپذیر در قالب زنجیره تأمین می‌تواند نیازهای بخشی از صنایع که با این اقلام در ارتباط هستند را برطرف کند. این مقاله مسئله طراحی شبکه زنجیره تأمین مواد غذایی فاسدشدنی با ریسک اختلال را مطالعه می‌کند که شامل مکان‌یابی تسهیلات، تخصیص جریان بین تسهیلات و تصمیمات مسیریابی است و به ارائه مدل سه‌هدفه جهت کمینه‌سازی هزینه‌های عملیاتی شامل هزینه بازگشایی مراکز خدمات‌رسانی، هزینه تعمیر مسیرها در جریان اختلال و هزینه تقاضاهای برآورده نشده، کمینه‌سازی زمان پاسخ و بیشینه‌سازی قابلیت اطمینان مسیرها می­پردازد. درستی مدل پیشنهادی از طریق حل با روش محدودیت اپسیلون در نرم‌افزار گمز بررسی می­شود. از آنجا که این مسئله جز و آن دسته مسائلNP-hard  به شمار می­آید، برای حل آن در ابعاد بزرگ از الگوریتم ژنتیک مرتب‌سازی نامغلوب استفاده می­شود. در خاتمه، جهت نشان دادن کارایی مدل پیشنهادی ارائه‌شده، نمونه  مطالعات واقعی شامل نواحی ده‌گانه منطقه یک شهر تهران مورد آزمون قرار می‌گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

Mathematical modeling of a two-echelon location–routing problem in a perishable food supply chain with disruption risk

نویسندگان [English]

  • neda mashhadi 1
  • Reza Tavakkoli-Moghaddam 2
1 .
2 University of Tehran
چکیده [English]

Food supply chain management is very vital due to its high scale in industry, amount of wastage of food in the
world and relationship between wastage of food and under-nourishment. It consists of producing the food and
manufacturing companies, whole sale and distributors, brokers, food service places, restaurants and retail grocery
firms. Studying perishable goods in a supply chain can be helpful for industries that are related to these kinds of
goods. Because of the important role of location and routing in a supply chain, unity of these elements leading to
an efficient supply chain. Recently, multi-layer and multi-facility problems in a supply chain have been studied
in large scale. Connection between facilities (i.e., the best flow allocating between facilities and vehicle routing
for supplying the perishable foods) is one of the key subjects for this problem. This paper studies a perishable food
supply chain network with disruption risk including the location of facilities, allocating flow between facilities
and routing decisions. It also presents a multi-objective model to minimize the operational costs (e.g., opening
cost, route repairing cost during the disruption and unsatisfied demands cost), minimize the response time, and
maximize the reliability of minimum routes. Validity of the model is investigated by the ε-constraint method in
Gams. Since this problem is an NP-hard one, the NSGA-II is used for solving this problem in large sizes. Finally,
to show the efficiency of the proposed model, a real case study including 10 zone of district 1 of Tehran is applied.

کلیدواژه‌ها [English]

  • food supply chain
  • perishable
  • disruption risk
  • NSGA-II algorithm

مراجع

  1. تبریزی، سیف‌اله؛ قدسی‌پور، سیدحسن؛ احمدی، عباس. (1396). ارائه یک مدل بهینه‌سازی دوسطحی از زنجیره تأمین مواد غذایی فاسد‌شدنی: مطالعه موردی بر روی زنجیره عرضه ماهیان پرورشی گرم آبی درایران. پژوهش‌نامه بازرگانی، دوره 21 (شماره 84)، 204-169.
  2. کلانتر نیستانکی، حوریه؛ مظفری، مرضیه. (1396). توسعه شبکه لجستیک پیشرو و معکوس در خدمات درمانی در شرایط عدم قطعیت و بحران. دوفصلنامه علمی و پژوهشی مدیریت بحران، دوره 6 (شماره 1)، 17-5.
  3. صادقی‌مقدم، محمدرضا؛ قاسمیان صاحبی، ایمن؛ حیدری دهویی، جلیل. (1396). ارزیابی نیازهای آسیب دیدگان در چرخه عمر چهارروزه‌ حادثه در زنجیره تأمین بشردوستانه. دوفصلنامه علمی و پژوهشی مدیریت بحران، دوره 6 (شماره 2)، 56-45.
    1. Nahmias, S. (1982). Perishable inventory theory: A review. Operations Research. 30(3), 680–708.
    2. Goyal, S., Giri, B. (2001). Recent trends in modeling of deteriorating inventory. European Journal of Operational Research. 134(1), 1–16.
    3. Hwang, H.S. (1999). A food distribution model for famine relief. Computers & Industrial Engineering. 37(1), 335–338.
    4. Chen, H. K., Hsueh, C. F., Chang, M. S. (2009). Production scheduling and vehicle routing with time windows for perishable food products. Computers & Operations Research.36, 2311–2319.
    5. Rong, A., Akkerman, R., Grunow, M. (2011). An optimization approach for managing fresh food quality throughout the supply chain. International Journal of Production Economics.131, 421–429.
    6. Govindan, K., Jafarian, A., Khodaverdi, R., Devika, K. (2014). Two-echelon multiple- vehicle location–routing problem with time windows for optimization of sustainable supply chain network of perishable food. Production Economics. 152, 9–28.
    7. Khalili-Damghani, K., Abtahi, A.R., Ghasemi, A. (2015). A new bi-objective location-routing problem for distribution of perishable products: Evolutionary computation approach. Journal of Mathematical Modelling and Algorithms in Operations Research.14, 287-312.
    8. Tavakkoli-Moghaddam, R., Otrodi, F. (2014).Vehicle routing problem with time-windows andweighted nodes for perishable food delivery. Proceeding of the 2nd National Conference on Industrial Engineering & Systems. 25-26.
  4. کلانتری، محدثه؛ پیشوایی، میرسامان. (1395). یک مدل برنامه‌ریزی استوار امکانی برای برنامه‌ریزی اصلی زنجیره تأمین دارو. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید ، دوره 4(شماره 7)، 67-49.
  5. کاظمی، سید محمود؛ ربانی، مسعود. (1395). روش شاخه وبرش برای‌ مسئله موجودی-مسیریابی واحدهای خون: یک مطالعه موردی. نشریه علمی مدیریت زنجیره تأمین، دوره 18(شماره 51)، 70-62.
    1. Qiu, Y., Qiao, J., Pardalos, P.M. (2019). Optimal production, replenishment, delivery, routing and inventory management policies for products with perishable inventory. Omega. 82, 193-204.
    2. de Keizer, M., Akkerman, R., Grunow, M., Bloemhof, J.M., Haijema, R., van der Vorst, J.G.A.J., (2019). Logistics network design for perishable products with heterogeneous quality decay. European Journal of Operational Research. 262(2), 535-549.
    3. Janssen, L., Diabat, A., Sauer, J., Herrmann, F. (2018). A stochastic micro-periodic age-based inventory replenishment policy for perishable goods. Transportation Research Part E: Logistics and Transportation Review. 118, 445-465.
    4. Janssen, L., Sauer, J., Claus, T.U. (2018). Nehls Development and simulation analysis of a new perishable inventory model with a closing days constraint under non-stationary stochastic demand. Computers & Industrial Engineering. 118, 9-22.
    5. Zhang, Y., Zhao, L., Qian, C. (2017). Modeling of an IoT-enabled supply chain for perishable food with two-echelon supply hubs. Industrial Management & Data Systems. 117(9), 1890-1905.
    6. Aliyu, I., Sani, B. (2018). An inventory model for deteriorating items with generalised exponential decreasing demand, constant holding cost and time-varying deterioration rate. American Journal of Operations Research. 08(1), 1–16.
    7. Lin, L., Gen, M., Wang, X., 2009. Integrated multistage logistics network design by using hybrid evolutionary algorithm. Computers and Industrial Engineering. 56, 854–873.
    8. Crainic, T.G., Mancini, S., Perboli, G., Tadei, R. (2012). Impact of generalized travel costs on satellite location in the two-echelon vehicle routing problem. Procedia Social and Behavioral Sciences. 39, 195–204
    9. Crainic, T.G., Perboli, G., Mancini, S., Tadei, R. (2010). Two-echelon vehicle routing problem: A satellite location analysis. Procedia – Social and Behavioral Sciences, 2(3), 5944–5955.
    10. Shankar, B.I., Shankar, L. Basavarajappa, S., Chen, J.C.H., Kadadevaramath R.S. (2013). Location and allocation decisions for multi-echelon supply chain network – A multi-objective evolutionary approach. Expert Systems with Applications. 40, 551–562.
    11. Ahmadi-Javid, A., Azad, N. (2010). Incorporating location, routing and inventory decisions in supply chain network design. Transportation Research - Part E: Logistics and Transportation. 46, 582–597.
    12. Nekooghadirli, N., Tavakkoli-Moghaddam, R., Ghezavati, V.R., Javanmard, S. (2014). Solving a new bi-objective location-routing-inventory problem in a distribution network by meta-heuristics. Computers & Industrial Engineering. 76, 204–221.
    13. Drezner, Z. (1987). Heuristic solution methods for two location problems with unreliable facilities. Journal of the Operational Research Society, 38(6), 509–514.
    14. Snyder, L.V., Daskin, M.S., 2006. Stochastic p-robust location problems. IIE Trans. 38(11), 971–985.
    15. Ahmadi-Javid, A., Seddighi, A.H. (2013). A location–routing problem with disruption risk. TransportationResearch Part E. 53, 63–82.
    16. Zhang, Z., Mingyao, Q., Lin, W.H., Miao, L. (2015).A metaheuristic approach to the reliable location routing problem under disruptions. Transportation Research - Part E: Logistics and Transportation. 83, 90–110. 
    17. Hatefi, S.M., Jolai, F., Torabi, S.A., Tavakkoli-Moghaddam, R. (2015). A credibility-constrained programming for reliable forward–reverse logistics network design under uncertainty and facility disruptions. International Journal of Computer Integrated Manufacturing. 28, 664–678.
    18. Shishebori, D., (2016). Reliable multi-product multi-vehicle multi-type link logistics network design: A hybrid heuristic algorithm: A hybrid heuristic algorithm. Journal of Industrial and Systems Engineering. 9, 92–108.
  6. کلانترنیستانکی، حوریه؛ مظفری، مرضیه. (1396). طراحی شبکه زنجیره تأمین پایدار برای خدمات پزشکی در شرایط عدم قطعیت. نشریه علمی مدیریت زنجیره تأمین، دوره 20 (شماره 59)، 28-18.

 

  1. Azad, N., G. K. D. Saharidis, H. Davoudpour, H. Malekly, andS. A. Yektamaram. (2013). Strategies for Protecting supply chain networks against facility and transportation disruptions: An improved benders decompositionapproach. Annals of Operations Research. 210, 125–163.
  2. Zhalechian, M., Tavakkoli-Moghaddam, R., Rahimi, Y., Jolai, F. (2016) .An interactive possibilistic programming approach for a multi-objective hub location problem: Economic and environmental design. Applied Soft Computing. 699–713
  3. Tavakkoli-Moghaddam, R., Raziei, Z. (2016). A new bi-objective location-routing-inventory problem with fuzzy demands. IFAC-PapersOnLine. 49(12), 1116–1121.
  4.  ارکات، جمال؛ زمانی، شکوفه؛ قدس، پرک. (1394). مکان‌یابی و مسیریابی تسهیلات اورژانسی با فرض احتمال خرابی مسیرهای ارتباطی در زمان بحران. دوفصلنامه علمی و پژوهشی مدیریت بحران، دوره 4 (شماره 2)، 106-95.
  5. جمالی، حسین؛ بشیری، مهدی؛ توکلی‌مقدم، رضا. (1394). بررسی و حل مسئله‌ امدادرسانی دوسطحی نقاط آسیب دیده از بحران. دوفصلنامه علمی و پژوهشی مدیریت بحران، دوره 4 (شماره 2)، 22-5.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 19 بهمن 1395
  • تاریخ بازنگری: 15 مرداد 1397
  • تاریخ پذیرش: 29 آذر 1398

هم رسانی

ارجاع به این مقاله

آمار