طراحی شبکه لجستیک دارو بر اساس مسئله مسیریابی ناوگان حمل ونقل به کمک الگوریتم گرگ خاکستری بهبود یافته

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

دوره 15، شماره 53، آبان 1399، صفحه 96-114   

نوع مقاله: مقاله پژوهشی

نویسندگان

فرزاد محمودی¹؛ فرزاد پویان فر^{* 2}

¹گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران

²گروه مدیریت صنعتی دانشکده مدیریت و حسابداری دانشگاه آزاد اسلامی واحد قزوین

چکیده

حمل‌‌ونقل مواد دارویی به عنوان یکی از پیچیده‌ترین نوع حمل و نقل‌ها همواره مورد بررسی محققان بوده است. این مسئله که زیرمجموعه یک مسئله کلیدی به نام حمل‌‌ونقل مواد خطرناک می‌باشد، یکی از فعالیت‌های جدایی‌ناپذیر و پرخطر در چرخه فعالیت‌های صنعتی محسوب می‌شود. تلاش برای یافتن جواب بهینه این مسئله، یکی از موضوعات بسیار کاربردی در لجستیک می باشد. بر همین مبنا، در این تحقیق به بهینه‌سازی مسئله طراحی شبکه لجستیک دارو پرداخته شد. در این راستا از مسئله مسیریابی وسایل نقلیه الهام گرفته شده است. به همین منظور، ابتدا یک مدل مفهومی برای این مسئله بیان و یک مدل ریاضی جدید در جهت مسیریابی وسایل نقلیه حمل دارو با در نظر گرفتن نقش حساسیت مسیر و عدم قطعیت پنجره زمانی ارائه شده است. به منظور حل مسئله، از الگوریتم فرا ابتکاری گرگ خاکستری به عنوان یک الگوریتم جدید و کارامد استفاده شده است. برای بررسی کارایی الگوریتم ارائه شده، این الگوریتم با روش حل دقیق و الگوریتم های ژنتیک و ازدحام ذرات مقایسه شده و نتایج بررسی کارایی الگوریتم گرگ خاکستری نشان می‌دهد که این الگوریتم با صرف زمان بسیار اندکی، جواب‌هایی با حداقل خطای ممکن را ارائه می‌کند.

کلیدواژه‌ها

حمل‌‌ونقل مواد خطرناک؛ لجستیک دارو؛ مسیریابی ناوگان حمل و نقل؛ الگوریتم گرگ خاکستری

مراجع

1. 1. Androutsopoulos, K. N., & Zografos, K. G. (2012). A bi-objective time-dependent vehicle routing and scheduling problem for hazardous materials distribution. EURO Journal on Transportation and Logistics, 1(1-2), 157-183.
   2. Ardjmand, E., Weckman, G., Park, N., Taherkhani, P., & Singh, M. (2015). Applying genetic algorithm to a new location and routing model of hazardous materials. International Journal of Production Research, 53(3), 916-928.
   3. Bektaş, T., & Laporte, G. (2011). The pollution-routing problem. Transportation Research Part B: Methodological, 45(8), 1232-1250.
   4. Bérubé, J. F., Gendreau, M., & Potvin, J. Y. (2009). An exact e-constraint method for bi-objective combinatorial optimization problems: Application to the Traveling Salesman Problem with Profits. European journal of operational research, 194(1), 39-50.
   5. Bouziyane, B., Dkhissi, B., & Cherkaoui, M. (2020). Multiobjective optimization in delivering pharmaceutical products with disrupted vehicle routing problem. International Journal of Industrial Engineering Computations, 11(2), 299-316.
   6. Chai, H., He, R., Ma, C., Dai, C., & Zhou, K. (2017). Path Planning and Vehicle Scheduling Optimization for Logistic Distribution of Hazardous Materials in Full Container Load. Discrete Dynamics in Nature and Society, 
   7. Dantzig, G. B., & Ramser, J. H. (1959). The truck dispatching problem. Management science, 6(1), 80-91.
   8. Darbari, J. D., Agarwal, V., & Jha, P. C. (2015). Fuzzy optimization approach to supply chain distribution network for product value recovery. In Proceedings of Fourth International Conference on Soft Computing for Problem Solving (pp. 491-504). Springer, New Delhi.
   9. Das, A., Gupta, A. K., & Mazumder, T. N. (2012). A comprehensive risk assessment framework for offsite transportation of inflammable hazardous waste. Journal of hazardous materials, 227, 88-96.
   10. Du, J., Li, X., Yu, L., Dan, R., & Zhou, J. (2017). Multi-depot vehicle routing problem for hazardous materials transportation: a fuzzy bilevel programming. Information Sciences, 399, 201-218.
   11. Jabir, E, Panickera, V. V., & Sridharana, R. (2015). Multi-objective optimization model for a green vehicle routing problem. Procedia-Social and Behavioral Sciences, 189, 33-39.
   12. Govindan, K., Soleimani, H., & Kannan, D. (2015). Reverse logistics and closed-loop supply chain: A comprehensive review to explore the future. European Journal of Operational Research, 240(3), 603-626.
   13. Hu, H., Li, J., & Li, X. (2018). A credibilistic goal programming model for inventory routing problem with hazardous materials. Soft Computing, 22(17), 5803-5816.
       1. Ibarra-Rojas, O. J., Hernandez, L., & Ozuna, L. (2017). Accessibility Vehicle Routing Problem. Journal of cleaner production, 172, 1514-1528.
   14. Juwana, I., Muttil, N., & Perera, B. J. C. (2012). Indicator-based water sustainability assessment—A review. Science of the Total Environment, 438, 357-371.
   15. Kara, B. Y., & Verter, V. (2004). Designing a road network for hazardous materials transportation. Transportation Science, 38(2), 188-196.
   16. Kazantzi, V., Kazantzis, N., & Gerogiannis, V. C. (2011). Risk informed optimization of a hazardous material multi-periodic transportation model. Journal of Loss Prevention in the Process Industries, 24(6), 767-773.
   17. Kazemian, I., & Aref, S. (2017). A green perspective on capacitated time-dependent vehicle routing problem with time windows. International Journal of Supply Chain and Inventory Management, 2(1), 20-38.
   18. Leung, S. C., Zhou, X., Zhang, D., & Zheng, J. (2011). Extended guided tabu search and a new packing algorithm for the two-dimensional loading vehicle routing problem. Computers & Operations Research, 38(1), 205-215.
   19. List, G. F., Mirchandani, P. B., Turnquist, M. A., & Zografos, K. G. (1991). Modeling and analysis for hazardous materials transportation: Risk analysis, routing/scheduling and facility location. Transportation Science, 25(2), 100-114.
   20. Madankumar, S., & Rajendran, C. (2018). Mathematical models for green vehicle routing problems with pickup and delivery: A case of semiconductor supply chain. Computers & Operations Research, 89, 183-192.
   21. Nowruzi Narges, Reza Tavakoli Moghadam, Mohsen Sadegh Amel Nik, Sadegh Khaefi.( 2012). New Mathematical Modeling The Problem of Locating Facilities and Routing the Connection Means and Solving It with Competition Algorithm, Integrated Colonialism, Specialized Journal of Industrial Engineering, No. 1.137 - Spring and Summer, Page 1.
   22. Pokharel, S., & Mutha, A. (2009). Perspectives in reverse logistics: a review. Resources, Conservation and Recycling, 53(4), 175-182.
   23. Sargordan Fard Arani, Vahid; Kia, Reza; Ghaffari, Mahdi 1394. Modeling the problem of vehicle routing by considering multiple warehouses, simultaneous delivery and loading, hard and soft time window, cost and depreciation depending on the amount of load in the vehicle and the type of route, International Conference on New Research in Management and Industrial Engineering, Tehran, Iran. (In Persian).
   24. Sbihi, A., & Eglese, R. W. (2007). The relationship between vehicle routing and scheduling and green logistics-a literature survey.
   25. Sobhani, Ramin; Ali Paydar and Hassan Zoghi.( 2016) Safety Management Model for Drivers and Operators of Dangerous Materials Loading in Road Transport Case Study of Iran Oil Company Refinery Transport System, Third National Conference on Recent Innovations in Civil Engineering, Architecture and Urban Planning, Tehran, Nikan Institute of Higher Education(In Persian).
   26. Soleimani, H., Chaharlang, Y., & Ghaderi, H. (2017). Collection and distribution of returned-remanufactured products in a vehicle routing problem with pickup and delivery considering sustainable and green criteria. Journal of Cleaner Production, 172, 960-970. (In Persian).
   27. Tarantilis, C. D., & Kiranoudis, C. T. (2001). Using the vehicle routing problem for the transportation of hazardous materials. Operational Research, 1(1), 67.
   28. Toro, E. M., Franco, J. F., Echeverri, M. G., & Guimarães, F. G. (2017). A multi-objective model for the green capacitated location-routing problem considering environmental impact. Computers & Industrial Engineering, 110, 114-125.
   29. Turkensteen, M., & Hasle, G. (2017). Combining pickups and deliveries in vehicle routing–An assessment of carbon emission effects. Transportation Research Part C: Emerging Technologies, 80, 117-132.
   30. Wang, Y., Zhang, S., Assogba, K., Fan, J., Xu, M., & Wang, Y. (2018). Economic and environmental evaluations in the two-echelon collaborative multiple centers vehicle routing optimization. Journal of Cleaner Production, 197, 443-461.
   31. Xiao, Y., & Konak, A. (2016). The heterogeneous green vehicle routing and scheduling problem with time-varying traffic congestion. Transportation Research Part E: Logistics and Transportation Review, 88, 146-166.
   32. Xiao, Y., Zhao, Q., Kaku, I., & Xu, Y. (2012). Development of a fuel consumption optimization model for the capacitated vehicle routing problem. Computers & operations research, 39(7), 1419-1431.
   33. Yuan, W., Wang, J., Li, J., Yan, B., & Wu, J. (2017, September). Two-stage heuristic algorithm for a new model of hazardous material multi-depot vehicle routing problem. In UK Workshop on Computational Intelligence (pp. 362-366). Springer, Cham.
   34. Zhang, H., Zhang, Q., Ma, L., Zhang, Z., & Liu, Y. (2019). A hybrid ant colony optimization algorithm for a multi-objective vehicle routing problem with flexible time windows. Information Sciences, 490, 166-190.
   35. Zografos, K. G., & Androutsopoulos, K. N. (2004). A heuristic algorithm for solving hazardous materials distribution problems. European Journal of Operational Research, 152(2), 507-519.