مکان‌یابی انبارهای محلی و کنترل موجودی و تخصیص اقلام عادی و فاسدشدنی در شرایط پس از بحران با تقاضا و بودجه غیرقطعی

صحرایی, زهره; سموئی, پروانه

مکان‌یابی انبارهای محلی و کنترل موجودی و تخصیص اقلام عادی و فاسدشدنی در شرایط پس از بحران با تقاضا و بودجه غیرقطعی

نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

زهره صحرایی ¹

پروانه سموئی ²

¹ کارشناس ارشد مهندسی صنایع، گرایش بهینه‌سازی سیستم‌ها،گروه آموزشی صنایع، دانشگاه بوعلی سینا همدان

² استادیار، دپارتمان مهندسی صنایع ، دانشکده فنی مهندسی، دانشگاه بوعلی سینا، همدان، ایران

چکیده

حوادثی که در اثر عملکردهای طبیعی و انسانی به‌طور ناگهانی به وجود می‌آیند و مشقت و سختی را به یک جامعه تحمیل می‌کنند اصطلاحاً بحران نامیده می‌شوند. ازآنجاکه در سال‌های اخیر به دلیل تغییرات پیش‌آمده در شرایط جوی زمین، تعداد بحران‌های طبیعی اعم از زلزله، سیل، طوفان و ... رو به افزایش است، لزوم مدیریت بحران و برنامه‌ریزی‌های لازم در شرایط بحرانی بیش‌ازپیش احساس می‌شود. در این پژوهش هدف مدل‌سازی و حل مسئله مکان‌یابی انبارهای محلی و تخصیص و کنترل موجودی اقلام عادی و فاسدشدنی در شرایط پس از بحران است. از آنجا که در دنیای واقعی تقاضای نقاط آسیب دیده به هر دلیلی نظیر شدت آسیب مناطق و افراد، امکان وجود پس لرزه هایی با شدت بالاتر و در فاصله زمانی کم از زلزله یا سانحه اولیه داشته باشند و همچنین میزان فوت و مرگ و میر قطعی نیست، در این تحقیق مقدار تقاضا غیرقطعی لحاظ شده است. علاوه براین، از آنجا که میزان بودجه نیز از قبل برای برنامه ریزیان قطعی و مشخص نیست و بسته به شدت بحران و همچنین امکان وجود حمایت های سازمان های بشردوستانه و کمک‌های نقدی مردمی مقدور است، میزان بودجه نیز غیرقطعی لحاظ شده است. برای این مسئله، یک برنامه ریزی خطی عدد صحیح مختلط، توسعه داده شده است و برای حل آن از نرم‌افزار گمز برای مسائل سایز کوچک و با توجه به NP-hard بودن مسئله از الگوریتم الکترومغناطیس برای مسائل با سایز بزرگ بهره گرفته‌ شده است تا در شرایط بحران که واکنش سریع و یافتن پاسخ‌های به موقع برای جلوگیری از هدر رفتن زمان ضروری است، بتوان از این الگوریتم کمک گرفت. نتایج عددی روی مثال‌های مختلف نشان دهنده کارایی الگوریتم ارائه شده از منظر زمان حل و کیفیت پاسخ‌های به دست آمده است.

کلیدواژه‌ها

مکان‌یابی

تخصیص

موجودی

برنامه‌ریزی خطی عددصحیح مختلط

الگوریتم‌ فراابتکاری الکترومغناطیس

عنوان مقاله English

Locating local warehouses and controlling inventory and allocating normal and perishable items in post-crisis with uncertain demand and budget

نویسندگان English

Zohreh Sahraei ¹

Parvaneh Samouei ²

¹ Bu-Ali Sina University

² assistant professor, department of industrial engineering, Bu-Ali Sina University, Hamedan, Iran

چکیده English

The events that occur suddenly as a result of natural and human actions and impose hardship on society are called Disasters. In recent years, due to changes in the Earth's climate, the number of natural crises, including earthquakes, floods, storms, etc been increasing. Thus, the need for disaster management and planning is felt more than ever. In this research, the aim is to model and solve the problem of locating local warehouses and allocating and controlling the inventory of normal and perishable items in post-crisis conditions. Because in the real world, the demand for affected areas for any reason, such as the severity of damage to areas and people, the possibility of aftershocks with higher intensity and in a short time after the initial earthquake, and the rate of death is not certain. In addition, in most of the conditions, the budget is not clear for the managers and it depends on the severity of the crisis, the support of humanitarian organizations, and public donations. S the budget is uncertain. Therefore, we considered uncertain demand and budget in this research. For this problem, a mixed-integer linear mathematical model has been developed. To solve the problem, GAMS software and the electromagnetic algorithm have been used for small-sized and large-sized problems, respectively. Numerical results on different examples show the efficiency of the proposed algorithm in terms of time and the quality of results.

کلیدواژه‌ها English

Location

Allocation

Inventory

Mixed Integer Linear Programming

Electromagnetic Meta-Huristic Algorithm

[1] Naji-Azimi, Z., Renaud, J., Ruiz, A., & Salari, M. (2012). A covering tour approach to the location of satellite distribution centers to supply humanitarian aid. European Journal of Operational Research, 222(3), 596-605.

[2] صحراییان، کیانا؛ شیرویه‌زاد، هادی و کشاورز، سیروس، (2018)، طراحی مدل ریاضی برای مکان‌یابی و مسیریابی توزیع کالا در پایگاه زنجیره امدادی سوانح استان فارس، پنجمین کنفرانس ملی پژوهش‌های مدیریت و مهندسی صنایع، صفحات 1-10.

[3] Fetter, G., & Rakes, T. (2012). Incorporating recycling into post-disaster debris disposal. Socio-Economic Planning Sciences, 46(1): 14-22.

[4] Hu, Z. H., & Sheu, J. B. (2013). Post-disaster debris reverse logistics management under psychological cost minimization. Transportation Research Part B: Methodological, 55: 118-141.

[5] بزرگی امیری، علی؛ کبیری، مریم و نوروزی، حامد، (2012)، بهبود فاز آمادگی زنجیره امداد در برابر بلایا: ارائه مدل تصمیم‌گیری جهت مکان‌یابی تسهیلات، مطالعه موردی: کلان‌شهر تهران، نهمین کنفرانس بین‌المللی مهندسی صنایع، 1-6.

[6] Bozorgi-Amiri, A., Jabalameli, M. S., Alinaghian, M., & Heydari, M. (2012). A modified particle swarm optimization for disaster relief logistics under uncertain environment. The International Journal of Advanced Manufacturing Technology, 60(1-4): 357-371.

[7] Bozorgi-Amiri, A., Jabalameli, M. S., & Al-e-Hashem, S. M. (2013). A multi-objective robust stochastic programming model for disaster relief logistics under uncertainty. OR spectrum, 35(4): 905-933.

[8] Habib, M. S., & Sarkar, B. (2017). An integrated location-allocation model for temporary disaster debris management under an uncertain environment. Sustainability, 9(5): 716.

[9] Onan, K., Ülengin, F., & Sennaroğlu, B. (2015). An evolutionary multi-objective optimization approach to disaster waste management: A case study of Istanbul, Turkey. Expert Systems with Applications, 42(22): 8850-8857.

[10] Paul, J. A., & MacDonald, L. (2016). Location and capacity allocations decisions to mitigate the impacts of unexpected disasters. European Journal of Operational Research, 251(1): 252-263.

[11] Boonmee, C., Naotaka, I., Takumi, A., & Mikiharu, A. (2016). Multi-model optimization for shelter-site selection: A case study in Banta municipality, Thailand. Proc. of Infrastructure Planning in Japan Society of Civil Engineers, 53: 2175-2181.

[12] Boonmee, C., Arimura, M., & Asada, T. (2018). Location and allocation optimization for integrated decisions on post-disaster waste supply chain management: On-site and off-site separation for recyclable materials. International Journal of Disaster Risk Reduction, 31: 902-917.

[13] Lorca Gálvez, Á. H., Çelik, M., Ergun, Ö., & Keskinocak, P. (2017). An Optimization-Based Decision-Support Tool for Post-Disaster Debris Operations.

[14] Yu, W. (2020). Reachability guarantee-based model for pre-positioning of emergency facilities under uncertain disaster damages. International journal of disaster risk reduction, 42: 101335.

[15] Oksuz, M. K., & Satoglu, S. I. (2020). A two-stage stochastic model for location planning of temporary medical centers for disaster response. International Journal of Disaster Risk Reduction, 44:101426.

[16] Rabbani, M., Manavizadeh, N., Samavati, M., & Jalali, M. (2015). Proactive and reactive inventory policies in humanitarian operations. Uncertain Supply Chain Management, 3(3): 253-272.

[17] Tofighi, S., Torabi, S. A., & Mansouri, S. A. (2016). Humanitarian logistics network design under mixed uncertainty. European Journal of Operational Research, 250(1): 239-250.

[18] گل محمدی، سجاد و ماهوتچی، مسعود، (2017)، توسعه یک مدل تصادفی برای ایجاد یک شبکه امدادرسانی پس از بلایای طبیعی: مطالعه موردی: زلزله احتمالی در شهر تهران، نشریه مهندسی صنایع، سال 51، شماره 4، صفحات 417-433.

[19] Hu, S. L., Han, C. F., & Meng, L. P. (2017). Stochastic optimization for joint decision making of inventory and procurement in humanitarian relief. Computers & Industrial Engineering, 111: 39-49.

[20] Tavana, M., Abtahi, A. R., Di Caprio, D., Hashemi, R., & Yousefi-Zenouz, R. (2018). An integrated location-inventory-routing humanitarian supply chain network with pre-and post-disaster management considerations. Socio-Economic Planning Sciences, 64, 21-37.

[21] Baharmand, H., Comes, T., & Lauras, M. (2019). Bi-objective multi-layer location–allocation model for the immediate aftermath of sudden-onset disasters. Transportation Research Part E: Logistics and Transportation Review, 127: 86-110.

[22] Celik, E., Aydin, N., & Gumus, A. T. (2016). A stochastic location and allocation model for critical items to response large-scale emergencies: A case of Turkey. An international journal of optimization and control: theories & applications (IJOCTA), 7(1): 1-15.

[23] Loree, N., & Aros-Vera, F. (2018). Points of distribution location and inventory management model for Post-Disaster Humanitarian Logistics. Transportation Research Part E: Logistics and Transportation Review, 116: 1-24.

[24] جعفر نژاد، احمد؛ هاشمی پطرودی، حمید و طلایی، حمیدرضا، (1396)، رویکردهای نوین در مدیرت زنجیره تأمین، نشر نگاه دانش، تهران،

[25] Rezaei-Malek, M., Tavakkoli-Moghaddam, R., Zahiri, B., & Bozorgi-Amiri, A. (2016). An interactive approach for designing a robust disaster relief logistics network with perishable commodities. Computers & Industrial Engineering, 94: 201-215.

[26] بهنامیان، جواد، (1395)، حل مسائل بهینه‌سازی پیچیده: روش‌ها و الگوریتم‌ها، مرکز نشر دانشگاه بوعلی‌سینا، همدان.