ارائه یک مدل ریاضی چند هدفه برای بهینه‌سازی مدیریت انبار متقاطع در زنجیره تأمین با استفاده از الگوریتم فراابتکاری

نویسندگان

    محمدرضا آقاجعفر محلاتی گروه مدیریت صنعتی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران
    محمدحسین درویش متولی * گروه مدیریت صنعتی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران Mhd.Darvish@iau.ac.ir
    سید مصطفی موسوی گروه مهندسی صنایع، واحد نوشهر، دانشگاه آزاد اسلامی، نوشهر، ایران
    مجید معتمدی گروه مدیریت صنعتی، واحد نوشهر، دانشگاه آزاد اسلامی، نوشهر، ایران

کلمات کلیدی:

انبار متقاطع, زنجیره تأمین, مدلسازی ریاضی, فولاد مبارکه

چکیده

یکی از استراتژی­های نوین در مدیریت موجودی محصولات در طول زنجیره تامین رویکرد انبارداری متقاطع است. هدف این پژوهش بهینه‌سازی زنجیره تامین در انبار متقاطع در صنعت فولاد می­باشد. برای این منظور، طراحی و توسعه یک مدل ریاضی برای بهینه‌سازی حمل و نقل محصولات در زنجیره تأمین انبار متقاطع در صنایع فولاد مبارکه اصفهان ارائه شده است. مدل توسعه یافته یک مدل چندهدفه و چنددوره ای است که قادر است اهداف متضاد را در دوره های مختلف مورد بررسی قرار دهد. علاوه بر این، الزامات زیست محیطی ناشی از انتشار گاز کربن در تصمیم گیری برای توزیع کالای ارسالی و دریافتی در انبار متقاطع را نیز در نظر گرفته است. طبق مدل پیشنهادی با استفاده از تکنیک‌های بهینه‌سازی، به شناسایی بهترین تخصیص منابع بهینه پرداخته شده است. برای حل مدل پیشنهادی، از روش فراابتکاری شبیه سازی بازپخت استفاده شده است. بر طبق نتایج حاصل شده نشان داده شده است که با پیاده‌سازی مدل طراحی شده، استفاده از انبارهای متقاطع به عنوان نقاط کلیدی در زنجیره تأمین، به بهبود جریان مواد و کاهش زمان تحویل محصولات کمک می‌کند. علاوه بر این، نقاط نامغلوب به دست آمده از روش شبیه سازی بازپخت برای مسئله چند هدفه در نظر گرفته شده به ازای افزایش افزایش 10، 20 و 30 درصدی در مقدار کالاهای ورودی و خروجی به اسکله ها بررسی شده است. با توجه به مرز ایجاد شده، همگرایی پاسخ ها به ازای هر تغییر مشهود است. جواب ها با افزایش 10 درصدی، 15 راه حل نامغلوب برای مسأله ایجاد شده است. با افزایش 20 درصدی، 19 راه حل نامغلوب برای مسأله ایجاد شده است. با افزایش 30 درصدی، 86 راه حل نامغلوب برای مسأله ایجاد شده است. علاوه بر این، کیفیت راه حل های ارائه شده در حالت افزایش تقاضا 30 درصد مناسب تر از دو حالت دیگر تشخیص داده شده است. سرانجام، این تحقیق می‌تواند به عنوان یک ابزار کاربردی برای مدیران و تصمیم‌گیرندگان در صنعت فولاد مبارکه اصفهان عمل کند و ضمن کمک به بهینه‌سازی فرآیندهای حمل و نقل و زنجیره تأمین به توسعه مدل‌های پیشرفته‌تر و کارآمدتر در سایر صنایع مشابه منجر شود.

مراجع

Algam, T., Chowdhury, A., & Kundu, P. (2024, June). Optimal PMU Placement Using BAOA by Considering Variable Cost. In 2024 IEEE 3rd International Conference on Electrical Power and Energy Systems (ICEPES) (pp. 1-6). IEEE.

Amani, M. A., & Nasiri, M. M. (2023). A novel cross docking system for distributing the perishable products considering preemption: a machine learning approach. Journal of Combinatorial Optimization, 45(5), 130.

Babazadeh Rafiei, A., Sohrabi, T., Motamedi, M. and Darvish Motevalli, M. H. (2024). A Robust Risk Management Model for the Blood Supply Chain in Corona Pandemic Condition. Journal of Industrial Management Perspective, 14(3), 56-78.

Chen, H. Y., & Xu, L. (2021, October). Research on Price Stickiness of Consumer Goods Based on Real-Time Social Information Flow. In International Conference on Advanced Hybrid Information Processing (pp. 242-253). Cham: Springer International Publishing.

Chen, J. C., Anggrahini, D., & Chen, T. L. (2024). Current research and future challenges in parcel hub towards logistics 4.0: a systematic literature review from a decision-making perspective. International Journal of Production Research, 1-32.

Darvish Motevali, M. H. and Motamedi, M. (2020). Dynamic modeling to evaluate the efficiency of a sequential multilevel supply network. Journal of Decisions and Operations Research, 5(3), 272-289.

Essghaier, F., Chargui, T., Hsu, T., Bekrar, A., Allaoui, H., Trentesaux, D., & Goncalves, G. (2023). Fuzzy multi-objective truck scheduling in multi-modal rail–road Physical Internet hubs. Computers & Industrial Engineering, 182, 109404.

Faghih-Mohammadi, F., Nasiri, M. M., & Konur, D. (2023). Cross-dock facility for disaster relief operations. Annals of Operations Research, 322(1), 497-538.

Haghgoei, A., Irajpour, A., & Hamidi, N. (2024). A multi-objective optimization model of truck scheduling problem using cross-dock in supply chain management: NSGA-II and NRGA. Journal of Modelling in Management, 19(4), 1155-1179.

Hemmati, A., Kaveh, F., Abolghasemian, M., & Pourghader Chobar, A. (2024). Simulating the line balance to provide an improvement plan for optimal production and costing in petrochemical industries. Engineering Management and Soft Computing, 10(1), 190-212.

Modica, T., Tappia, E., Colicchia, C., & Melacini, M. (2024). Integrating arrival time estimation in truck scheduling: an explorative study in grocery retailing. Production & Manufacturing Research, 12(1), 2425678.

Mousavi, S. M., Motamedi, M. and Karimi, R. (2024). A mathematical model of the location problem for central and secondary warehouses in the multi-level supply chain network of perishable products. International Journal of Research in Industrial Engineering, 13(1), 11-24.

Nogueira, T. H., Coutinho, F. P., Peixoto, M. G. M., Carrano, E. G., & Ravetti, M. G. (2024). AI-Powered Evolutionary Algorithm for Optimizing Truck Scheduling in Multi-Dock Truck Cross-Docking Centers.

Poornaser M, Amoozadkhalili H, momeni E, Movahedi M M, Motamedi M. (2022). Routing disaster relief vehicles in a humanitarian supply chain. Disaster Prev. Manag. Know. 12 (2) , 205-216.

Rajabzadeh, M., & Mousavi, S. M. (2023). A new interval-valued fuzzy optimization model for truck scheduling in a multi-door cross-docking system by considering transshipment and flexible dock doors extra cost. Iranian Journal of Fuzzy Systems, 20(6), 63-84.

Rajabzadeh, M., Mousavi, S. M., & Azimi, F. (2024). A new gray optimization model for disposing or re-commercializing unsold goods in reverse logistics networks with a cross-docking center. Kybernetes.

Sutikno, T. (2021). Published Articles by Master Program Lecturers in Electrical Engineering at Ahmad Dahlan University in the Academic Year. Framework, 183 (40), 14-21.

Torbali, B., & Alpan, G. (2023). A literature review on robust and real-time models for cross-docking. International Journal of Production Research, 61(7), 2372-2401.

Widiyanto, W. W. (2024). MAN Network Optimization through EIGRP Dynamic Routing and DUAL Algorithm: A Study Using Cisco Packet Tracer. Jurnal Inovasi Teknologi dan Rekayasa ISSN, 9(2), 336-344.

Zadehbagheri, M., Abbasi, A., & Sutikno, T. (2023). Optimal placement of the phasor measurement units using differential evolution algorithm. Indonesian Journal of Electrical Engineering and Computer Science, 31(2), 1211-1222.

Niavand, M., Adibi, M. A., & Pourghader Chobar, A. (2024). Selection of green supplier by multi-moora combination method and two-stage clustering. Engineering Management and Soft Computing, 10(1), 14-49. doi: 10.22091/jemsc.2024.10977.1181

Fathi Hafshejani, K., Bagheri Sorkhi, M., & Modiri, M. (2023). Integrated hybrid model of sustainable supply chain in cement industry. Engineering Management and Soft Computing, 9(1), 1-18. doi: 10.22091/JEMSC.2021.6422.1144

sazegari, S., davoodi, S. M., & goli, A. (2024). Designing a green supply chain pricing model with a multi-criteria decision-making approach and game theory (case study: home appliance industry). Engineering Management and Soft Computing, 10(1), 92-122. doi: 10.22091/jemsc.2024.11144.1191

Asgharyar, M., Farmand, N., & Shetab-Boushehri, S. N. (2025). A novel mathematical modeling approach for integrating a periodic vehicle routing problem and cross-docking system. Computers & Operations Research, 180, 107048.

Kurt, A., & Gumus, M. (2025). Dynamic Freight Planning with Hybrid Cross-Docking under Carbon Tax and Bounded Storage Age. Transportation Research Record, 03611981251318338.

دانلودها

چاپ شده

1404-10-01

ارسال

1404-03-12

بازنگری

1404-06-09

پذیرش

1404-06-20

شماره

نوع مقاله

Articles

نحوه استناد به مقاله

آقاجعفر محلاتی م. .، درویش متولی م.، موسوی س. م. .، و معتمدی م. . (1404). ارائه یک مدل ریاضی چند هدفه برای بهینه‌سازی مدیریت انبار متقاطع در زنجیره تأمین با استفاده از الگوریتم فراابتکاری. علم تصمیم گیری و سیستم های هوشمند، 2(4)، 1-24. https://dsisj.com/index.php/dsisj/article/view/31

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.