مسيريابي بهينه در مسئله لجستيك ميلك ران با محدوديت زماني و تقاضاي ناسازگار

OPTIMAL ROUTING IN THE MILK RUN LOGISTICS WITH TIME CONSTRAINT and INCOMPATIBILITIES DEMAND

فرآيند حمل و نقل يكي از فرآيندهاي اصلي لجستيك بوده كه محققان همواره با طراحي سيستمهاي مناسب حمل و نقل سعي در كمينه نمودن هزينه هاي ناشي از آن نموده اند. يكي از اين سيستمها، لجستيك ميلك ران مي باشد و به عنوان گام بعدي توليد ناب كه موجب كاهش زمان سيكل، سطح موجودي و آزاد سازي فضاي انبارش مي شود، شناخته شده است. در اين پژوهش يك مدل پيشنهادي مبتني بر خوشه بندي ارائه شده كه در فاز اول تامين كنندگان را به منظور ايجاد سازگاري در مواد و قطعات مورد حمل، خوشه بندي نموده و سپس در فاز دوم براي تامين كنندگاني كه در يك خوشه قرار گرفته اند، مسيريابي بهينه با هدف كمينه كردن هزينه هاي سفر و زمان سفر با در نظر گرفتن دو محدوديت مهم حداكثر ظرفيت و زمان سفر براي هر وسيله نقليه را انجام مي دهد. الگوريتم پيشنهادي با الگوريتم ژنتيك حل شده و به منظور تنظيم پارامترها از روش تاگوچي بهره گرفته شده است. در نهايت نتايج حاصله از اجراي الگوريتم پيشنهادي با نتايج حاصل از نرم افزار لينگو، كارايي الگوريتم پيشنهادي را تصديق مي كنند.

The process of transportation is one of the fundamental processes of Logistic that researchers ever endeavor to minimize the resulting costs of that via designing appropriate transport systems. One of these systems is Milk Run Logistic as the subsequent step of Lean Production that causes warehouse space release and diminution of cycle time and inventory levels. In this investigation, a new proposed model based on clustering is presented for the sake of Optimal Routing in Milk Run Logistic. At the first phase, this model clusters the suppliers in order to create compatibility in materials and parts which are exposed to transport, then in the second phase for the suppliers that are placed in the same cluster, the model performs Optimal Routing for each vehicle in order to minimizing travel coast and time with considering two significant constraints which are maximum capacity and travel time. To put confidence in this proposed model, the Lingo software is used and in continuation, an offered algorithm is presented and solved which is based on Genetic Algorithm, and the Tagochi method is applied to adjusting parameters. Finally, comparing the obtained results of the offered algorithm implementation with the attained results of Lingo, affirms the efficiency of the algorithm.