مساله مکانیابی- مسیریابی- موجودی با در نظر گرفتن کالاهای فاسد شدنی

بازارهای رقابتی تولیدکنندگان را به سوی کاهش هزینه های تولید به منظور کاهش قیمت محصولات می کشاند. امروزه تلاش های بسیاری در راستای کاهش هزینه تمام‎شده محصول صورت می گیرد. بخش قابل ملاحظه ای از هزینه ها، ناشی از تصمیماتی است که در سطوح مختلف مدیریتی اخذ می شود. با وجود تفاوت تصمیمات در سطوح مختلف، یکپارچه سازی آن ها می توان موجب کاهش قابل توجهی در هزینه ها شود. تصمیمات مکانیابی، مسیریابی و موجودی سه دسته مهم از تصمیمات مرتبط با زنجیره تامین هستند که با وجود تفاوت سطوح تاثیرگذاری، یکپارچه سازی و هماهنگ نمودن آن ها می تواند در صرفه جویی های مالی زنجیره بسیار موثر باشد. در سال های اخیر محققانی به بررسی مسائل مکانیابی-مسیریابی-موجودی پرداخته اند. با این وجود همچنان نقاط بسیاری وجود دارد که از دید محققان دور مانده است. یکی از این موضوعات در نظر گرفتن قابلیت فسادپذیری برای محصولات است. امروزه بخش بزرگی از محصولات را محصولات فاسد شدنی تشکیل می دهند. این موضوع مدت زمان نگهداری محصولات در مراکز توزیع و خرده فروشی ها را به شدت محدود می سازد. به این منظور در این پایان نامه مساله مکانیابی-مسیریابی-موجودی با در نظر گرفتن محصولات فاسد شدنی مورد بررسی قرار می گیرد. در فصل اول توضیحاتی درباره اهمیت موضوع و اهداف تحقیق ارائه می گردد. ادبیات موضوعی تصمیمات یکپارچه در زنجیره تامین و نیز مقالات ارائه شده در حوزه کالاهای فاسدشدنی در فصل دوم مورد بررسی قرار می گیرد. در ادامه و در فصل سوم ابعاد مساله تشریح می شود و فرمول بندی ریاضی مبتنی بر برنامه ریزی غیر خطی عدد صحیح ترکیبی برای آن ارائه می گردد. با توجه به ماهیت np-hard مساله مورد بررسی، دو روش فرا ابتکاری مبتنی بر بهینه سازی انبوه ذرات و الگوریتم ژنتیک برای حل آن پیشنهاد می گردد. به منظور ارزیابی عملکرد مدل سازی و روش های فرا ابتکاری پیشنهادی 33 مساله نمونه با ساختاری تصادفی طراحی شده است. نتایج محاسباتی نشان داد که حل دقیق به نتایجی با کیفیت پایین و زمان محاسباتی بالا منجر می شود. همچنین مشخص گردید، جواب های حاصل از روش های فرا ابتکاری در مقایسه با روش دقیق از کیفیت بالاتر و زمان محاسباتی کمتری برخوردار است. مقایسه نتایج حاصل از روش های فرا ابتکاری نیز نشان می دهد که کیفیت جواب بهینه سازی انبوه ذرات بهتر از الگوریتم ژنتیک است و در مقابل الگوریتم ژنتیک زمان محاسباتی کمتری را موجب می گردد. در فصل پایانی نتایج حاصل از این تحقیق بیان می گردد و پیشنهاداتی برای تحقیقات آتی ارائه می گردد.