مکان‌یابی مسیریابی وسائل نقلیه با در نظرگرفتن کالاهای فسادپذیر و به‌کارگیری فناوری RFID تحت شرایط وجود انبار متقاطع و عدم قطعیت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی‌ارشد مهندسی صنایع، گروه مهندسی صنایع، دانشکدۀ مهندسی، دانشگاه کردستان، سنندج، ایران

2 استاد گروه مهندسی صنایع، دانشکدۀ مهندسی، دانشگاه کردستان، سنندج، ایران

3 دانشیار گروه مهندسی صنایع، دانشکدۀ فنی‌و‌مهندسی، دانشگاه اراک، اراک، ایران

10.22084/ier.2025.30650.2204

چکیده

فساد، به‌عنوان یکی از چالش‌های مهم در بسیاری از محصولات دنیای واقعی باگذشت زمان رخ می‌دهد و نادیده‌گرفتن آن موجب افزایش هزینه‌ها و اختلال در تصمیم‌گیری‌های موجودی می‌شود. برای مقابله بااین چالش، دراین پژوهش یک مدل برنامه‌ریزی خطی عدد صحیح مختلط برای یک زنجیره‌تأمین سه‌سطحی شامل تأمین‌کنندگان، انبارهای متقاطع و مشتریان، با درنظر گرفتن شرایط عدم قطعیت ارائه شده است. مدل پیشنهادی چندمحصولی بوده و دارای دو تابع هدف است: اول، کمینه‌سازی هزینه‌های حمل‌ونقل، مکان‌یابی و مسیریابی، و دوم، حداقل‌سازی مجموع زمان تحویل. باتوجه‌به نقش فزاینده اینترنت اشیاء در لجستیک، فرض شده است که محصولات و وسایل نقلیه مجهزبه سیستم‌های RFID هستند تا دما و زمان ماندگاری اقلام فسادپذیر درهر مرحله کنترل شده و اطمینان لازم از ایمنی نگهداری و ارسال برای تولیدکنندگان و مشتریان فراهم گردد. به‌منظور حل مدل، از روش ترابی-هسینی جهت تک‌هدفه‌سازی و از رویکرد بهینه‌سازی استوار مولوی جهت مواجهه با عدم قطعیت استفاده شده است. درنهایت، تحلیل حساسیت روی پارامترها انجام و نتایج مدل قطعی و استوار مقایسه شده‌اند. نتایج نشان می‌دهد که اگرچه استفاده از RFID در مدل قطعی زمان تحویل را کاهش می‌دهد، اما در مدل استوار با افزایش هزینه و زمان همراه است. بااین‌حال، مدل استوار دارای انعطاف‌پذیری بالاتری در شرایط عدم قطعیت بوده و به‌ویژه برای زنجیره‌های تأمین محصولات حساس به زمان، باوجود هزینه بالاتر، توصیه می‌شود. علاوه‌براین، این مدل می‌تواند در شرایط واقعی به‌عنوان ابزاری کارآمد به‌کار رود چراکه مشکلات معمول مدل‌های غیرقطعی، نظیر غیرقابل قبول بودن یا عدم بهینگی را ندارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Vehicle Routing Location Problem with Consideration of Perishable Goods and Use of RFID Technology Subject to Cross-Docking

نویسندگان [English]

  • Mona Pakzad 1
  • Hiwa Farughi 2
  • Amir-Mohammad Golmohammadi 3
1 . MA., Department of Industrial Engineering, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran
2 Professor, Department of Industrial Engineering, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran
3 Associate Professor, Department of Industrial Engineering, Faculty of Engineering, Arak University, Arak, Iran
چکیده [English]

Spoilage is a common phenomenon affecting many real-world products over time, if ignored, it imposes additional costs on inventory systems and can disrupt the decision-making process. Therefore, improving the supply chain system can significantly reduce costs and increase efficiency. This study develops a multi-product, three-echelon mixed-integer linear programming model under uncertainty, involving suppliers, cross-docks, and customers. A bi-objective model is considered: the first objective minimizes transportation, location, and routing costs, while the second aims to minimize total delivery time. Given the growing importance of the Internet of Things in logistics systems, both products and vehicles are assumed to be equipped with RFID technology. This allows the monitoring of temperature and shelf-life of perishable items at each stage of the supply chain, ensuring safe storage and delivery conditions for producers and consumers. To solve the model, the Torabi- Hassini method is employed to convert the bi-objective model into a single-objective one, and the Molaei robust optimization approach is applied to handle uncertainty. A sensitivity analysis is conducted, and the results of the deterministic and robust models are compared. Findings reveal that while RFID reduces delivery time in the deterministic model, it leads to increased cost and time in the robust model. However, the robust model with RFID offers greater flexibility under uncertainty and is recommended for time-sensitive supply chains despite its higher cost. Moreover, the robust model avoids feasibility and optimality issues commonly encountered in non-robust models, making it a practical tool for real-world applications.

کلیدواژه‌ها [English]

  • Supply Chain
  • Perishable Products
  • Location-Routing Problem
  • Uncertainty
  • Robust Optimization

مراجع

  • یحیی‌زاده اندواری، یلدا، الفت، لعیا، امیری، مقصود (1395). رویکرد بهینه‌سازی استوار در انتخاب تأمین‌کننده و تخصیص سفارش، مطالعات مدیریت صنعتی، 14(40)، 25-52. ‎  https://doi.org/10.22054/jims.2016.3909
  • خیری، بهرام، ذوالفقاری، ثمینه (1389). بررسی تاثیر تکنولوژی سیستم شناسایی از طریق امواج رادیویی بر کارآیی زنجیره‌تأمین با تاکید بر صنایع غذایی، مدیریت بازاریابی، 5(8)، 115-140.‎ https://www.magiran.com/p930010
  • افشارپور، بهنام، ربانی، مسعود (1400). مسأله‌ی مسیریابی خودرو باز با انبار متقاطع و تحویل‌های دوگانه. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 8(17)، 311-319.‎  https://doi.org/10.22084/IER.2021.3928
  • نیکجو، نوید، جوادیان، نیکبخش (1398). ارائه یک مدل لجستیک چند‌هدفه استوار برای مسأله مکان‌یابی-مسیریابی، چندسطحی ـ چندمحصولی در زمان بحران در شرایط عدم‌قطعیت، چشم‌انداز مدیریت صنعتی، 8(4)، 121-147.‎ https://jimp.sbu.ac.ir/article_87161.html
  • کهفی اردکانی، عاطفه، سید حسینی، سید محمد، توکلی مقدم، رضا (1396). مسائل مکان‌یابی-مسیریابی: مروری بر مفاهیم، مدل‌ها، روش‌های حل، کاربردها و شکاف‌های تحقیقاتی، نشریه تخصصی مهندسی صنایع، دوره 51، شماره 2، 223-250. https://sid.ir/paper/166479/fa
  • قهرمانی نهر، جاوید، نوری، فرامرز (1397). راهنمای نرم‌افزار GAMS مدل‌سازی شبکه‌های زنجیره‌تأمین. https://db.ketab.ir/bookview.aspx?bookid=2250031
  • Prins, C., Prodhon, C., Calvo, R. W. (2006). Solving the capacitated location-routing problem by a GRASP complemented by a learning process and a path relinking, 4or, 4, 221-238. https://link.springer.com/article/10.1007/s10288-006-0001-9
  • Lin, C. K. Y., Kwok, R. C. W. (2006). Multi-objective metaheuristics for a location-routing problem with multiple use of vehicles on real data and simulated data. European journal of operational research, 175(3), 1833-1849.  https://doi.org/10.1016/j.ejor.2004.10.032
  • Berger, R. T., Coullard, C. R., & Daskin, M. S. (2007). Location-routing problems with distance constraints, Transportation Science, 41(1), 29-43. https://doi.org/10.1287/trsc.1060.0156
  • Guerra, L., Murino, T., Romano, E. (2007). A heuristic algorithm for the constrained location-routing problem. International Journal of Systems Applications, Engineering & Development, 1(4), 146-154. https://www.naun.org/main/UPress/saed/saed-20.pdf
  • Ukkusuri, S. V., Yushimito, W. F. (2008). Location routing approach for the humanitarian prepositioning problem, Transportation research record, 2089(1), 18-25.  https://doi.org/10.3141/2089-03
  • Zegordi, S. H., Nikbakhsh, E. (2010). A heuristic algorithm and a lower bound for the two-echelon location-routing problem with soft time window constraints, Scientia Iranica, 17(1). https://scientiairanica.sharif.edu/article_3323.html
  • Karaoglan, I., Altiparmak, F., Kara, I., & Dengiz, B. (2011). A branch and cut algorithm for the location-routing problem with simultaneous pickup and delivery. European Journal of Operational Research, 211(2), 318-332.  https://doi.org/10.1016/j.ejor.2011.01.003
  • Belenguer, J. M., Benavent, E., Prins, C., Prodhon, C., Calvo, R. W. (2011). A branch-and-cut method for the capacitated location-routing problem, Computers & Operations Research, 38(6), 931-941. https://doi.org/10.1016/j.cor.2010.09.019
  • Hamidi, M., Farahmand, K., Reza Sajjadi, S., Nygard, K. E. (2012). A hybrid GRASP-tabu search metaheuristic for a four-layer location-routing problem, International Journal of Logistics Systems and Management, 12(3), 267-287.  https://doi.org/10.1504/IJLSM.2012.047602
  • Escobar, J. W., Linfati, R., Toth, P. (2013). A two-phase hybrid heuristic algorithm for the capacitated location-routing problem, Computers & operations research, 40(1), 70-79.  https://doi.org/10.1016/j.cor.2012.05.008
  • Govindan, K., Jafarian, A., Khodaverdi, R., Devika, K. (2013). Two-echelon multiple-vehicle location–routing problem with time windows for optimization of sustainable supply chain network of perishable food, International journal of production economics, 152, 9-28.  https://doi.org/10.1016/j.ijpe.2013.12.028
  • Khalili-Damghani, K., Abtahi, A. R., Ghasemi, A. (2015). A new bi-objective location-routing problem for distribution of perishable products: evolutionary computation approach. Journal of Mathematical Modelling and Algorithms in Operations Research, 14, 287-312. https://link.springer.com/article/10.1007/s10852-015-9274-3
  • Li-ying, W., Yuan-bin, S. (2015). Multiple charging station location-routing problem with time window of electric vehicle, Journal of Engineering Science & Technology Review, 8(5). https://www.jestr.org/downloads/Volume8Issue5/fulltext85242015.pdf
  • Rabbani, M., Farshbaf-Geranmayeh, A., Haghjoo, N. (2016). Vehicle routing problem with considering multi-middle depots for perishable food delivery, Uncertain Supply Chain Management, 4(3), 171-182. https://doi.org/10.5267/j.uscm.2016.3.001
  • Hiassat, A., Diabat, A., Rahwan, I. (2017). A genetic algorithm approach for location-inventory-routing problem with perishable products, Journal of manufacturing systems, 42, 93-103.  https://doi.org/10.1016/j.jmsy.2016.10.004
  • Rafie-Majd, Z., Pasandideh, S. H. R., Naderi, B. (2018). Modelling and solving the integrated inventory-location-routing problem in a multi-period and multi-perishable product supply chain with uncertainty: Lagrangian relaxation algorithm, Computers & chemical engineering, 109, 9-22.  ttps://doi.org/10.1016/j.compchemeng.2017.10.013
  • Yaghoubi, A., Akrami, F. (2019). Proposing a new model for location-routing problem of perishable raw material suppliers with using meta-heuristic algorithms, Heliyon, 5(12). http://doi.org/10.22084/ier.2020.21281.1953
  • Li, P., Lan, H., Saldanha-Da-Gama, F. (2019). A bi-objective capacitated location-routing problem for multiple perishable commodities. IEEE access, 7, 136729-136742. http://doi.org/10.1109/ACCESS.2019.2941363
  • Rahbari, A., Nasiri, M. M., Werner, F., Musavi, M., & Jolai, F. (2019). The vehicle routing and scheduling problem with cross-docking for perishable products under uncertainty: Two robust bi-objective models, Applied Mathematical Modelling, 70, 605-625. https://doi.org/10.1016/j.apm.2019.01.047
  • Ji, Y., Du, J., Han, X., Wu, X., Huang, R., Wang, S., Liu, Z. (2020). A mixed integer robust programming model for two-echelon inventory routing problem of perishable products, Physica a: statistical mechanics and its applications, 548, 124481. https://doi.org/10.1016/j.physa.2020.124481
  • Zhao, Z., Li, X., Zhou, X. (2020). Optimization of transportation routing problem for fresh food in time-varying road network: Considering both food safety reliability and temperature control, PloS one, 15(7), e0235950. https://doi.org/10.1371/journal.pone.0235950
  • Tsang, Y. P., Wu, C. H., Lam, H. Y., Choy, K. L., Ho, G. T. (2020). Integrating Internet of Things and multi-temperature delivery planning for perishable food E-commerce logistics: a model and application, International Journal of Production Research, 59(5), 1534-1556. https://doi.org/10.1080/00207543.2020.1841315
  • رفیعی مجد، زهرا، پسندیده، حمیدرضا (1399). بررسی مسأله موجودی-مکان‌یابی-مسیریابی چندهدفه برای کالاهای فاسدشدنی و در شرایط وجود چند تأمین‌کننده، بااستفاده‌از رویکرد سناریو محور، مطالعات مدیریت صنعتی، 18(56)، 171-207.‎ https://doi.org/10.22054/jims.2017.24916.1859
  • Shui, W., Zhao, H., Li, M. (2021). Integrated thermal insulation packing and vehicle routing for perishable products in community group purchase, Discrete Dynamics in Nature and Society, 2021(1), 6673555. https://doi.org/10.1155/2021/6673555
  • Daroudi, S., Kazemipoor, H., Najafi, E., Fallah, M. (2021). The minimum latency in location routing fuzzy inventory problem for perishable multi-product materials, Applied Soft Computing, 110, 107543. https://doi.org/10.1016/j.asoc.2021.107543
  • Abbasi-Tavallali, P., Feylizadeh, M. R., Amindoust, A. (2021). A system dynamics model for routing and scheduling of cross-dock and transportation in reverse logistics network of perishable goods, Journal of Intelligent & Fuzzy Systems, 40(6), 10417-10433. https://doi.org/10.3233/JIFS-200610
  • Dose, V., Wallenhorst, A., Tijan, E., Jović, M. (2021, September). Implementation of RFID technology in perishable goods transport. In 2021 44th International Convention on Information, Communication and Electronic Technology (MIPRO) (pp. 1454-1459), IEEE. https://doi.org/10.23919/MIPRO52101.2021.9597038
  • Liu, A., Zhu, Q., Xu, L., Lu, Q., Fan, Y. (2021). Sustainable supply chain management for perishable products in emerging markets: An integrated location-inventory-routing model, Transportation Research Part E: Logistics and Transportation Review, 150, 102319. https://doi.org/10.1016/j.tre.2021.102319
  • Zabihian-Bisheh, A., Pourrezaie-Khaligh, P., Farrokhi-Asl, H., Lim, S. F. W., Rabbani, M., Khamechian, M. (2022). Multi-depot green capacitated location routing problem considering uncertainty and in-facility queuing, Cleaner Waste Systems, 2, 100011.  https://doi.org/10.1016/j.clwas.2022.100011
  • Sedaghat, A., Rabbani, M., Farrokhi-Asl, H. (2022). A sustainable transportation location inventory routing problem, Computational Research Progress in Applied Science & Engineering (CRPASE), 8(3).  ttps://doi.org/10.52547/crpase.8.3.2813
  • Yu, V. F., Aloina, G., Susanto, H., Effendi, M. K., Lin, S. W. (2022). Regional Location Routing Problem for Waste Collection Using Hybrid Genetic Algorithm-Simulated Annealing, Mathematics, 10(12), 2131.  https://doi.org/10.3390/math10122131
  • Ji, T., Ji, S., Ji, Y., Liu, H. (2022). Study on Sustainable Combined Location-Inventory-Routing Problem Based on Demand Forecasting, Sustainability, 14(23), 16279.  https://doi.org/10.3390/su142316279
  • Eshghi, A. A., Tavakkoli-Moghaddam, R., Ebrahimnejad, S., Ghezavati, V. R. (2022). Multi-objective robust mathematical modeling of emergency relief in disaster under uncertainty, Scientia Iranica, 29(5), 2670-2695.  https://doi.org/10.24200/SCI.2020.54485.3770
  • Pan, L., Shan, M., Li, L. (2023). Optimizing Perishable Product Supply Chain Network Using Hybrid Metaheuristic Algorithms, Sustainability, 15(13), 10711.  https://doi.org/10.3390/su151310711
  • Liang, X., Wang, N., Zhang, M., Jiang, B. (2023). Bi-objective multi-period vehicle routing for perishable goods delivery considering customer satisfaction, Expert Systems with Applications, 220, 119712. https://doi.org/10.1016/j.eswa.2023.119712
  • Abbasi, S., Moosivand, M., Vlachos, I., Talooni, M. (2023). Designing the Location–Routing Problem for a Cold Supply Chain Considering the COVID-19 Disaster, Sustainability, 15(21), 15490. https://doi.org/10.3390/su152115490
  • De Maio, A., Musmanno, R., Vocaturo, F. (2023). Unbiased decision making in location-routing problems with uncertain customer demands, Soft Computing, 27(18), 12883-12893. https://doi.org/10.1007/s00500-022-06785-7
  • Ghasemi, P., Hemmaty, H., Pourghader Chobar, A., Heidari, M. R., Keramati, M. (2023). A multi-objective and multi-level model for location-routing problem in the supply chain based on the customer’s time window, Journal of Applied Research on Industrial Engineering, 10(3), 412-426. https://doi.org/10.22105/jarie.2022.321454.1414
  • Ding, S., Cucurachi, S., Tukker, A., Ward, H. (2024). The environmental benefits and burdens of RFID systems in Li-ion battery supply chains–An ex-ante LCA approach, Resources, Conservation and Recycling, 209, 107829. https://doi.org/10.1016/j.resconrec.2024.107829
  • Khan, S. I., Ray, B. R., Karmakar, N. C. (2024). Rfid localization in construction with iot and security integration, Automation in Construction, 159, 105249. https://doi.org/10.1016/j.autcon.2023.105249
  • Komijani, M., Sajadieh, M. S. (2024). An integrated planning approach for perishable goods with stochastic lifespan: Production, inventory, and routing, Cleaner Logistics and Supply Chain, 12, 100163.  ttps://doi.org/10.1016/j.clscn.2024.100163
  • Zijoodi, A., Sadjadi, S., Tayefeh, M. (2025). The strategies of hub facility location and its utilization in managing the supply chain of perishable products for sustainability and uncertainty mitigation: A literature review, Journal of Future Sustainability, 5(2), 127-140. https://doi.org/10.5267/j.jfs.2025.4.003
  • Govindan, K., Jafarian, A., Khodaverdi, R., Devika, K. (2014). Two-echelon multiple-vehicle location–routing problem with time windows for optimization of sustainable supply chain network of perishable food, International journal of production economics, 152, 9-28. https://doi.org/10.1016/j.ijpe.2013.12.028
  • Liu, Y., Yuan, Y., Chen, Y. (2014). Model and Algorithm of Reliable Location-Routing Problem for Perishable Goods, Journal of Logistics, Informatics and Service Science, 1(1), 59-69. https://www.aasmr.org/liss/Vol.1%20No.1/JLISS-VOL1_NO1_6.pdf
  • Shahabi-Shahmiri, R., Asian, S., Tavakkoli-Moghaddam, R., Mousavi, S. M., Rajabzadeh, M. (2021). A routing and scheduling problem for cross-docking networks with perishable products, heterogeneous vehicles and split delivery, Computers & industrial engineering, 157, 107299. https://doi.org/10.1016/j.cie.2021.107299
  • غایب لو، سیما، فتحی‌پور، فریبا، ترکمانی، نگار (1400). ارائه یک مدل ریاضی استوار امکانی به‌منظور مسیریابی، زمان‌بندی و توزیع منابع در عملیات کمک‌رسانی پس‌از زلزله با درنظر گرفتن اختلال در توزیع در شرایط عدم قطعیت، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 8(17)، 275-293.‎  https://doi.org/10.22084/IER.2021.22420.1985
  • Song, L., Wu, Z. (2023). An integrated approach for optimizing location-inventory and location-inventory-routing problem for perishable products, International Journal of Transportation Science and Technology, 12(1), 148-172.  https://doi.org/10.1016/j.ijtst.2022.02.002
  • Khalilzadeh, M., Hajghani, M., Forghani, M. A., Heidari, A., & Kebriyaii, O. (2022). The sustainable two-echelon location-routing problem considering combined open and closed routes under uncertainty. https://doi.org/10.21203/rs.3.rs-1438220/v1
  • Baghalian, A., Rezapour, S., Farahani, R. Z. (2013). Robust supply chain network design with service level against disruptions and demand uncertainties: A real-life case, European journal of operational research, 227(1), 199-215. https://doi.org/10.1016/j.ejor.2012.12.017
  • Tirkolaee, E. B., Goli, A., Weber, G. W. (2020). A robust two-echelon periodic multi-commodity RFID-Based location routing problem to design petroleum logistics networks: A case study, In International Conference on Logistics and Supply Chain Management (pp. 3-23), Cham: Springer International Publishing. https://link.springer.com/chapter/10.1007/978-3-030-89743-7_1
  • صالحی سربیژن، مرتضی، بهنامیان، جواد (1402). الگوریتم آزادسازی لاگرانژ برای حل مسأله مسیریابی وسیلۀ نقلیه تغدیه‌کننده چندناوگانی، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 10(21)، 19-33.‎  https://doi.org/10.22084/IER.2023.27033.2097
  • قربانی، علی، موسوی، سید میثم (1404). تصمیم‌گیری انتخاب انبار متقاطع پایدار با توسعه یک چارچوب جدید مبتنی‌بر یادگیری ماشین و مجموعه نوتروسوفیک تک‌ارزشی، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 12(25)، 47-61.‎ https://doi.org/10.22084/IER.2025.30115.2185

 

نشریه پژوهش های مهندسی صنایع در سیستم های تولید
دوره 13، شماره 26
شهریور 1404
صفحه 71-93

فایل ها

هم رسانی

ارجاع به این مقاله

آمار