حل مسأله مكان يابي-مسيريابي-موجودي شبكه ي جمع آوري زباله هاي خطرناك با در نظر گرفتن ناوگان حمل و نقل داخلي و خارجي

Solving a location-routing-inventory problem of hazardeous waste collection network considering domestic and foreign transportation fleets

اين پزوهش به طراحي شبكه‌ي جمع آوري زباله هاي خطرناك پرداخته و براي انجام اين كار از مفاهيم مكانيابي، مسيريابي، موجودي و زنجيره‌ي لجستيك معكوس استفاده شده است. موارد مربوط به ريسك احداث مراكز و حمل مواد به عنوان پارامترهاي اجتماعي در اين پژوهش به عنوان يك تابع هدف جداگانه در كنار تابع هدف اقتصادي، در نظر گرفته شده است. مسأله مورد نظر در قالب مدل برنامه‌ريزي خطي عدد صحيح مختلط با دو تابع هدف فرموله شده است. در نظر گرفتن سياست موجودي با استفاده از تسهيلات موجود، و محدوديتهاي زماني ارسال و ظرفيت وسايل سيستم حمل نقل از جمله ويژگي هاي ديگر مدل ميباشد. با توجه به پيچيدگي محاسباتي مدل ارائه شده، براي حل اين مدل از دو الگوريتم فراابتكاري NSGA-II و MOPSO استفاده شده است و نتايج آنها با يكديگر مقايسه شده‌اند. طبق نتايج، روش NSGA-II عملكرد بهتري را در هر چهار شاخص فاصله گذاري، فاصله از آرمان و بيشترين گسترش نشان ميدهد. همچنين نتايج نشان ميدهد كه زمان حل اين روش به طور متوسط 6% كمتر از روش حل رقيب مي باشد. طبق نتايج حاصل از تحليل حساسيت، هزينههاي سيستم به ازاي در نظر گرفتن ناوگان خارجي تغييرات بيشتري را نسبت به استفاده از ناوگان داخلي، از خود نشان مي دهد.

This paper proposes a bi-objective model for the waste collection problem and considers the location, routing and inventory of the system simultaneously. Considering the reverse flow of the system is another feature of the current study. In the proposed model, the total costs of the system are minimized. In addition, the related risks of opening new centers and transportaion are included as the second objective function of the problem. Considering the delivery time and cpacity of vehicels constraints, are the other features of the model. Due to the NP-hardness of the model, two metaheuristic algorithms namely a non dominated sort ordering genetic algorithm (NSGA-II) and a multi objective particle swarm optimization algorithm (MOPSO) are applied to solve the problem. According to the results, NSGA-II is able to reach better answers in all the propsed metrics. According to sesitivity analysis, foreign transportation fleets make a great impact on the costs of the system.