Abstract:
این مقاله مساله زمانبندی تولید و تحویل را با هم درنظرمیگیرد و سعی در یکپارچه سـازی ایـن دو مسـاله دارد.
سفارش خرده فروشان شامل انواع مختلف محصولات بوده که در یک مرکز توزیع کننـده پـردازش مـیشـوند.
پس از تکمیل سفارش در این مرکز، محصولات در پنجره زمانی به خرده فروش تحویل داده مـیشـود، در غیـر این صورت مرکز توزیع کننده باید جریمه انحراف از پنجره زمانی را به خرده فروش بپردازد. هدف از حـل ایـن مساله تعیین توالی تولید، نیاز خرده فروش به وسیله نقلیه ناهمگن ، ترتیب ملاقات خرده فروشان با توجه به پنجره زمانی تحویل ، میباشد. در این مقاله ، یک مدل برنامه ریـزی غیرخطـی عـدد صـحیح مخـتلط ارائـه شـده اسـت بطوریکه هزینه ی کل شامل هزینه مسیریابی، هزینه ثابت وسیله نقلیه و هزینـه جریمـه انحـراف از پنجـره زمـانی کمینه گردد. برای حل مدل ارائه شده در این مقاله از دو رویکرد حل کننده CPLEX نرم افزار -٢٤-GAMS 1 و الگوریتم آزادسازی لاگرانژ استفاده شده است . در ابتـدا بـا اسـتفاده از نمونـه مثـال هـای متفـاوت کـارایی الگوریتم آزادسازی لاگرانژ در اندازه های کوچک اثبات شده و جهت به دسـت آوردن یـک حـل بهینـه قابـل قبول در اندازه های بزرگ در یک بازه زمانی قابل قبول از این الگوریتم استفاده می شود.
This paper considers production scheduling and delivery problem together and is trying to integrate both of them. Retailers order includes different types of products that have been processed at a distribution center. After completing the order process at the distribution center، products are delivered to the retailer in window time; otherwise the distribution center is required to pay the penalty cost of window time to the retailer. The aim of solving this problem is to determine the production sequence، retailer need to heterogeneous vehicles and the visiting sequence of retailers with respect to the delivery window time. In this paper، a mixed integer linear programming model is provided in which the total cost، including the cost of vehicle routing، fixed costs and penalty costs have been minimized.in order to solve the proposed mathematical model ، two approaches of CPLEX solver of GAMS software and Relaxation Lagrangian algorithm have been used. At first، by using different samples، the efficiency of Lagrangian Relaxation algorithm had been confirmed in small sizes، and then it is used in order to obtain an acceptable optimal solution in large sizes in a reasonable period.
Machine summary:
"از آنجاییکه قسمتی از این مسأله زمانبندی تولید و تحویل مسـأله مسـیریابی وسـیله نقلیه است و آن یک مسأله NP-hard است ، پس مسأله زمانبندی تولیـد و تحویـل نیـز یـک مسأله NP-hard میباشد و به دست آوردن جواب بهینه برای آن بسیار زمانبر اسـت ، در ایـن پژوهش با استفاده از الگوریتم لاگرانژ پیچیدگی مسأله کاهش داده میشود و جـوابی نزدیـک بهینه در زمان قابل قبولی ارائه داده میشود.
این دسته هـا بـه منظور سهولت در تحویل پس از تکمیل درون یک کانتینر بارگیری میشوند و عملیات ارسال به خرده فروش به صورت مستقیم یا بـا دسـته هـای سـایر خـرده فروشـان بـا رویکـرد مسـیریابی وسیله نقلیه و با در نظر گرفتن حداقل هزینه کـل صـورت مـیگیـرد.
با توجه بـه جـدول (١) و نمودارهـای (٣،١و٥) مشـخص است که زمان حـل نـرم افـزار ١-٢٤-GAMS خیلـی بیشـتر از زمـان حـل بـا الگـوریتم لاگرانژ میباشد، چنانچه تعداد خرده فروشان افزایش یابـد، زمـان حـل بـا اسـتفاده از حـل کننده CPLEX خیلی زیاد خواهد شد به نحوی که این حل کننده دیگر قادر بـه رسـیدن حل بهینه نخواهد بود و لذا میتوان از الگوریتم آزاد سازی لاگرانژ برای به دسـت آوردن جواب استفاده کرد.
مشاهده گردیـد در انـدازه هـای کوچـک مقادیر بهینه توابع هدف در هر دو روش بسیار نزدیک به هم بوده اما با افـزایش تعـداد خـرده - فروشان زمان حل توسط Gams به صورت نمایی افزایش مییابد، لذا در این مسأله برای رفـع مشکل زیاد بودن زمان حل در ابعاد بزرگ ، از روش آزادسازی لاگرانـژ اسـتفاده شـده اسـت ."