طراحی مدل ریاضی مسیریابی سبز در سیستم‌های بارانداز متقاطع چندگانه با رویکرد کاهش گاز دی‌اکسیدکربن

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مدیریت صنعتی،واحد قزوین ، دانشگاه آزاد اسلامی، قزوین، ایران

2 گروه مدیریت صنعتی ،واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

3 گروه مدیریت صنعتی ، دانشگاه علامه طباطبایی ، تهران ، ایران

4 گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

10.22084/ier.2019.17125.1787

چکیده

کاهش در مصرف سوخت منجر به کاهش انتشار گازهای گلخانه‌ای و هزینه‌های ارائه خدمات به مشتریان شده و در نتیجه رضایت مشتریان و کاهش اثرات مخرب زیست‌محیطی را به‌دنبال دارد. بدین منظور در این مقاله تمرکز بر بهینه‌سازی و برنامه‌ریزی حرکت کامیون‌های ورودی و خروجی و زنجیره تأمین سبز با وجود چند بارانداز متقاطع و با دو هدف کمینه‌سازی توالی حمل‌ونقل کامیون‌ها و انتشار گاز دی اکسید کربن در داخل زنجیره تأمین است ازآنجاکه مدل مقاله از نوع برنامه‌ریزی خطی عدد صحیح صفر و یک بوده و متعلق به مسائل NP-hard است زمان حل آن‌ها با افزایش ابعاد . به‌شدت افزایش می‌یابد. لذا برای پیدا کردن جواب‌های نزدیک بهینه . از الگوریتم ژنتیک مرتب‌سازی نامغلوب NSGA–II لگوریتم چند هدفه کلونی مورچگانMOACO استفاده شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Designing a Green Routing Mathematical Model in Multi Cross Docking Systems with a Carbon Dioxide Reduction Approach

نویسندگان [English]

  • Ali Mohtashami 1
  • Ali Najafi 2
  • Maghsoud Amiri 3
  • Ali Reza Airajpour 4
1 Department of industrial management, Qazvin Branch, Islamic Azad University, Qazvin, Iran
2 Department of Industrial management, Qazvin Branch, Islamic Azad University, Qazvin, Iran
3 Department of Industrial management of Allameh Tabataba’I University,Tehran,Iran
4 . Department of Industrial management, Qazvin Branch, Islamic Azad University, Qazvin, Iran
چکیده [English]

Reducing fuel consumption leads to reduced greenhouse gas emissions and customer service costs, resulting in customer satisfaction and reduced environmental degradation.. For this purpose, this paper focuses on the optimization and planning of the movement of inbound and outbound trucks and the green supply chain, with multi cross-docking and two different types of objective functions of minimizing the sequence of truck transportation and carbon dioxide emissions into the supply chain. Since the paper model is a linear programming integer of zero and since these models belong to the NP-hard class, their solving time severely increases with increasing the problem dimensions. In this paper, to solve the model meta-heuristic algorithms have been used. The algorithms used in solving thae model areNon-dominated Sorting Genetic Algorithm-II (NSGA-II) and Multiple Objective Ant Colony (MOACO) Algorithm. Finally, the model has been solved using two algorithms and computational experiments reported carefully to illustrate and compare designing and computational.

کلیدواژه‌ها [English]

  • Cross docking
  • Green supply chain
  • Non-dominated Sorting Genetic Algorithm-II
  • Multiple Objective Ant Colony
[1] Tognetti, A., Grosse-Ruykenn. P., Wagner, S., (2015). Green supply chain network optimization and the trade-off between environmental and economic objectives, INT.J. Production Economics, 170:385-392.

[2] Bruglieri, M., Mancini, S., Pezzella, F., Pisacane, O. (2019). A Path-based solution approach for the Green Vehicle Routing Problem ,Computers & Operations Research, 103: 109-122

[3] Mohtashami, A., Tavana, M., Santos-Arteaga,F., Fallahian-Najafabadi,A.(2015). A novel multiobjective meta-heuristic model for solving cross-docking scheduling problems, Applied Soft Computing, 31: 30–47

[4] Baniamerian, A., Bashiri, M., Tavakkoli-Moghaddam, R. (2019). Modified variable neighborhood search and genetic algorithm for profitable heterogeneous vehicle routing problem with cross-docking, 75: 441-460

[5] Mohtashami, A. (2015). A Novel Dynamic Genetic Algorithm-Based Method for Vehicle Schadulingin Cross Docking Systems with Frequent Unloading Operation, Computers & Industrial Engineering, 90: 221-240.

[6] Puji Nurjanni, K., Carvalho, M., Costa, L. (2016). Green supply chain design: a mathematical modelling approach based on a multiobjective optimization model, Intern. Production Economics182: 421-432

[7] Yeng, P., Chuang, Y. (2016). Adaptive Memory ArtiÞcial Bee Colony Algorithm for Green Vehicle Routing with Cross-Docking, Applied Mathematical Modelling, 40: 9302-9315.

[8] Madani, S.R., Rasti-Barzoki, M. (2017). Sustainable supply chain management with pricing, greening and governmental tariffs determining strategies: A game-theoretic approach, Computers & Industrial Engineering, 105: 287-298.

[9] Wisittipanich, W., Hengmeechai, P. (2017). Truck Scheduling in Multi-Door Cross Docking Terminal by Modified ParticleSwarm Optimization, Computers & Industrial Engineering, 113: 793-802

[10] Zuluaga, J., Thiell, M., Perales, R. (2017). Reverse cross-docking, Omega, 66: 48-57

[12] Xioa,Y., Konan, A. (2016). The heterogeneous green vehicle routing and scheduling problem with time-varying traffic congestion,Transportation Research Part E, 88: 146–166

 [13] Dorigo, M., Maniezzo, V., Colorni, A. (1996). The Ant System: Optimization by a Colony of Cooperating Agent, IEEE Transactions on Systems, Man and Cybernetics, Part B, 26 (1): 29-41.

[14] Taguchi, G. (1986). Introduction to quality engineering: designing quality into products and processes.

]11[ محتشمی، علی. فلاحیان نجف‌آبادی، علی (1392). "زمان‌بندی حمل‌ونقل کامیون‌ها در زنجیره تأمین با در نظر گرفتن بارانداز تقاطعی و با استفاده از الگوریتم‌های فرا ابتکاری"، فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی، 11 (31)، 84-55.