يكپارچهسازي مسايل زمانبندي توليد و تحويل با رويكرد مسيريابي وسيله نقليه با ناوگان ناهمگن

Integrating the production scheduling and delivery problems by vehicle routing approach with heterogeneous fleet

اين مقاله مساله زمانبندي توليد و تحويل را با هم درنظرميگيرد و سعي در يكپارچهساازي ايان دو مسااله دارد سفارش خردهفروشان شامل انواع مختلف محصولات بوده كه در يك مركز توزيع كنناده پاردازش ماي شاوند پس از تكميل سفارش در اين مركز، محصولات در پنجره زماني به خردهفروش تحويل داده ماي شاود، در غيار اين صورت مركز توزيعكننده بايد جريمه انحراف از پنجره زماني را به خردهفروش بپردازد هدف از حال ايان مساله تعيين توالي توليد، نياز خردهفروش به وسيله نقليه ناهمگن، ترتيب ملاقات خرده فروشان با توجه به پنجره زماني تحويل، ميباشد در اين مقاله، يك مدل برنامه ريازي غيرخطاي عادد صاحيت مخاتلي اراهاه شاده اسات بطوريكه هزينه ي كل شامل هزينه مسيريابي، هزينه ثابت وسيله نقليه و هزيناه جريماه انحاراف از پنجاره زمااني كمينه گردد براي حل مدل اراهه شده در اين مقاله از دو رويكرد حلكننده CPLEX نرم افزار GAMS-24-1 و الگوريتم آزادسازي لاگرانژ استفاده شده است در ابتادا باا اساتفاده از نموناه م اال هااي متفااوت كاارايي الگوريتم آزادسازي لاگرانژ در اندازههاي كوچك اثبات شده و جهت به دسات آوردن ياك حال بهيناه قابال قبول در اندازههاي بزرگ در يك بازه زماني قابل قبول از اين الگوريتم استفاده ميشود

This paper considers production scheduling and delivery problem together and is trying to integrate both of them. Retailers order includes different types of products that have been processed at a distribution center. After completing the order process at the distribution center, products are delivered to the retailer in window time; otherwise the distribution center is required to pay the penalty cost of window time to the retailer. The aim of solving this problem is to determine the production sequence, retailer need to heterogeneous vehicles and the visiting sequence of retailers with respect to the delivery window time. In this paper, a mixed integer linear programming model is provided in which the total cost, including the cost of vehicle routing, fixed costs and penalty costs have been minimized.in order to solve the proposed mathematical model , two approaches of CPLEX solver of GAMS software and Relaxation Lagrangian algorithm have been used. At first, by using different samples, the efficiency of Lagrangian Relaxation algorithm had been confirmed in small sizes, and then it is used in order to obtain an acceptable optimal solution in large sizes in a reasonable period