شماره ركورد كنفرانس :
3385
عنوان مقاله :
مكان يابي تسهيلات و تعيين تعداد خدمت دهندگان با استفاده از سيستم هاي صف M/M/C
عنوان به زبان ديگر :
Facility location and the number of providers using queuing systems M/M/C
پديدآورندگان :
صادقي محمد دانشگاه آزاد تهران مركزي
كليدواژه :
سيستم هاي صف , مكان يابي , مكان يابي ماكزيمم (حداكثر) پوشش , مكان يابي مينيمم (حداقل) هزينه , بهينه سازي چند هدفه , متريكLP , M/M/c
عنوان كنفرانس :
دومين كنگره بين المللي مهندسي صنايع و سيستم ها
چكيده فارسي :
در اين مقاله، ابتدا به مدل سازي و فرمول بندي مشكل كه همان مكان يابي تسهيلات و همچنين تعيين تعداد خدمت دهندگان 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 نرم افزار Lingo حل خواهيم كرد. در مرحله دوم تابع هدفي به منظور حداقل سازي هزينه ها تعريف كرده و اين مدل را نيز با نرم افزار 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 جواب هاي 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 ايده آل است، چنانچه همه ي اهداف موجود از يك مسئله ي مفروض را به طور همزمان بهينه كند استفاده كرده و جواب بهينه ي نهايي را با استفاده از نرم افزار Matlab خواهيم يافت. در انتها به تجزيه و تحليل حساسيت خواهيم پرداخت تا با اندازه هاي مختلف، جواب هاي مختلف را بررسي كرده و يك پاسخ ايده آل 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.