استفاده از برنامه‌ريزي خطي جهت توزيع بهينه آسفالت از كارخانه‌ها به پروژه‌هاي متعدد (مطالعه موردي‌: استان خوزستان)

Optimal Asphalt Production and Distribution Planning Using Linear Programming Technique (Case Study: Khuzestan Projects)

روسازي راه‌ها همواره تحت تاثير عواملي متعددي دچار خرابي‌ مي­ شوند، از اين رو سازمان‌هاي بهره­ بردار راه به طور سالانه، پروژه‌هايي را جهت مرمت و اصلاح اين خرابي‌ها تعريف مي‌كنند كه اجراي آن‌ها نيازمند تامين آسفالت از كارخانه آسفالت‌هاي در دسترس مي‌باشد. كارخانه آسفالت مطلوب جهت تامين آسفالت مورد نياز هر پروژه علاوه بر نزديكي به محل پروژه مي‌بايست ظرفيت توليد خالي متناسب با ميزان تقاضا آن پروژه را داشته باشد‌، دوري كارخانه از محل پروژه موجب افزايش هزينه حمل و به تبع آن افزايش هزينه اجرا و عدم ظرفيت توليد خالي موجب تأخير در تحويل آسفالت و افزايش زمان پروژه مي‌گردد. يك سيستم متمركز و يكپارچه برنامه‌ريزي توليد و توزيع براي كارخانه‌هاي مختلف مي‌تواند بهينه‌ترين توازن را بين تقاضا و ظرفيت توليد كارخانه‌هاي مختلف تامين كننده، ايجاد نمايد. اين مقاله يك مدل برنامه‌ريزي يكپارچه توليد و توزيع آسفالت (بيتا) براي كارخانه‌هاي مختلف آسفالت ارائه كرده است كه به اختصار مدل بهينه‌سازي بيتا ناميده مي‌شود، در اين مدل پارامتر‌هاي‌، ميزان آسفالت مورد نياز هر پروژه (Dai)، ظرفيت توليد هر يك از كارخانه‌هاي آسفالت (Capj)، فواصل حمل بين كارخانه و محل پروژه (dtij)، هزينه‌هاي حمل در مسير‌هاي مختلف (Ctij) و هزينه فروش آسفالت هر كارخانه به هر پروژه (Cpij) به عنوان ورودي به مدل ارائه شده،‌ سپس مدل در نرم افزار بهينه‌سازي GAMS كد نويسي شده و متغير ميزان آسفالت تخصيص يافته از هر كارخانه به هريك از پروژه‌ها در هر دوره زماني (Xijt)، به عنوان خروجي مدل با استفاده از Solver CPLEX محاسبه مي‌شود. در انتهاي مقاله نيز جهت بيان نحوه استفاده از اين مدل، يك مثال كاربردي در خصوص يكپارچه سازي برنامه‌ريزي توليد و توزيع بين20 كارخانه آسفالت و 15 محل نيازمند آسفالت در استان خوزستان در طول يك سال اريه شده است.

This paper presents an "integrated asphalt production and distribution planning model” for asphalt plants. The General Algebraic Modeling System (GAMS) used to code this model, different types of input data, such as (Dai) amount of required asphalt for a project, (Capj) plants production capacity, (dtij) distance between plants and projects, (Ctij) transportation costs and (Cpij) asphalt price are used as input model data and most important output result of this model is (Xijt) " amount of asphalt planned to produce and distribute form each plants to each projects in each period of time" that computed using CPLEX Solver. At the end of this paper, a numerical example about asphalt production planning during one year for 20 plants and distribution between 15 construction sites in Khuzestan is given to illustrate how the proposed model can be used.