توسعه مدل مكان يابي-تخصيص حداكثر پوشش با امكان ايجاد ازدحام در محيط رقابتي مبتني بر انتخاب مشتري

Extension of the Maximal Covering Location-Allocation Model for Congested System in the Competitive and User-Choice Environment

هدف اصلي استقرار تجهيزات و طراحي سيستم هاي خدماتي، پوشش تقاضاي مشتريان بالقوه است. بسياري از مدل هاي مكان يابي با هدف پوشش توسعه پيدا كردند و محدوديت ها، جزييات مسيله و جنبه هاي مختلفي از آن را مورد بررسي قرار دادند. در اين مقاله مدل مكان يابي-تخصيص حداكثر پوشش با امكان ايجاد ازدحام در يك محيط رقابتي توسعه يافته است. در مدل پيشنهادي چندين ويژگي مهم يعني مدل هاي تعامل فضايي، ازدحام، محيط رقابتي مبتني بر انتخاب مشتري و تقاضاي احتمالي مورد بررسي قرار گرفته است. هدف مدل حداكثر نمودن درصد تقاضاي جذب شده توسط تجهيزات خدمتدهي در محيط رقابتي است. براي حل مدل با ابعاد كوچك از نرم افزار بهينه سازي لينگو 8 و الگوريتم فرا ابتكاري ژنتيك استفاده شده است. اما با توجه به پيچيدگي مسيله و ماهيت غيرخطي آن، نرم افزار لينگو 8 توانايي حل مسايل با ابعاد بزرگ را ندارد و مسايل با ابعاد بزرگتر با استفاده از الگوريتم ژنتيك پياده سازي شده است. نتايج عددي، اثربخشي الگوريتم پيشنهادي را براي حل مدل تاييد مي كند و نشان مي دهد كه به كار گيري نظريه صف در طراحي سيستم هاي خدماتي، بهبود استراتژي هاي مختلف خدمتدهي، افزايش رضايت مشتريان و ارتقاي فرآيندهاي كسب و كار سازمان را در بر خواهد داشت.

The main objective of facilities location and service system design is covering of potential customers’ demand. Many location models are extended with the covering objective and considered constraints, details of problem and its different aspects. In this paper the maximal covering location-allocation model for congested system is extended in the competitive environment. In the proposed model, several important characteristics such as spatial interaction model, congestion, the competitive user-choice environment and probabilistic demand are considered. The objective of the model is maximization of the demand captured by each facility in the competitive environment. The optimization software of lingo 8 and the genetic algorithm are used for solving the small-size problems. Due to the complexity of problem and its nonlinear nature, the software of lingo 8 cant solved the large-size problems and the genetic algorithm is applied to solve the larger size problems. Numerical results verify the effectiveness of proposed algorithm for solving the model and show that the use of queuing theory in service system design can improve different service strategies, promote organization’s business process and increase customer’s satisfaction.