شماره ركورد كنفرانس :
3798
عنوان مقاله :
مكانيابي تسهيلات و تعيين تعداد خدمت دهندگان با استفاده از سيستمهاي صف M/M/C
عنوان به زبان ديگر :
Facility location and the number of providers using queuing systems M/M/C
پديدآورندگان :
صادقي محمد M.sadeghi.sts@gmail.com كارشناس ارشد مديريت صنعتي دانشگاه آزاد تهران مركزي
كليدواژه :
سيستم هاي صف , مكان يابي , مكان يابي ماكزيمم(حداكثر) پوشش , مكان يابي مينيمم (حداقل) هزينه , M , M , C , بهينه سازي چند هدفه , LPمتريك
عنوان كنفرانس :
دومين دوره كنفرانس بين المللي مهندسي صنايع و سيستمها
چكيده فارسي :
در اين مقاله، ابتدا به مدلسازي و فرمولبندي مشكل كه همان مكانيابي تسهيلات و همچنين تعيين تعداد خدمتدهندگان در هر مركز خواهيم پرداخت. ابتدا متغيرها و سپس مواردي كه براي مدل خط قرمز محسوب ميشوند را به عنوان محدوديت ايجاد ميكنيم. تابع هدفي را به منظور حداكثرسازي پوشش تعريف كرده و سپس با نرمافزار Lingo حل خواهيم كرد. در مرحله دوم تابع هدفي به منظور حداقلسازي هزينهها تعريف كرده و اين مدل را نيز با نرمافزار Lingo بهينه خواهيم ساخت. از آنجا كه تمامي متغيرها و محدوديتها يكسان درنظر گرفته شده و فقط تابع هدف تغيير كرده است، لذا بديهي است كه جوابهاي نهايي بدست آمده نيز متفاوت باشند. از اين رو با كمك روش LP متريك كه يك روش حداقل كردن انحراف توابع هدف موجود از يك مدل چند هدفه نسبت به يك راه حل ايدهآل است، چنانچه همهي اهداف موجود از يك مسئلهي مفروض را به طور همزمان بهينه كند استفاده كرده و جواب بهينهي نهايي را با استفاده از نرمافزار Matlab خواهيم يافت. در انتها به تجزيه و تحليل حساسيت خواهيم پرداخت تا با اندازههاي مختلف، جوابهاي مختلف را بررسي كرده و يك پاسخ ايدهآل را بيابيم.
چكيده لاتين :
In the first step, we discuss the facility location modeling and formulation of the problem and determine the number of providers in the each center. First, we create model variables and constraints. We create the objective function to maximum coverage and then solve by Lingo software. Then we create the objective function to minimum cost and then solve by Lingo software. Because variables and constraints are identical and differ only target function, so the answers will be different. We review a function to minimize diversion targets and then solve by the Matlab software. In the end, we will do the sensitivity analyzes and then we will examine different responses, we will continue until we find an ideal response