برنامه ريزي خط لوله چند فرآورده اي در شرايط عدم قطعيت تقاضاي روزانه مشتري ها

Scheduling multi-product pipeline under daily customers demand uncertainty

خطوط لوله به عنوان روشي مطمين و اقتصادي، نقش عمده اي در جابه جايي فرآورده هاي مختلف نفتي از پالايشگاه‏ها به مراكز توزيع را بر عهده دارد، در پالايشگاه ها فرآورده هاي مختلف پشت سرهم و بدون هيچ واسط و جداكننده فيزيكي به خط لوله تزريق مي شوند و در طرف ديگر يعني مراكز توزيع، فرآورده ها دريافت و در مخازن مربوطه تخليه مي شوند، با استفاده از برنامه ريزي رياضي، زمان‏بندي عمليات حمل فرآورده هاي نفتي در يك دوره زماني معين (افق زماني) به‏دست مي‌آيد تا فرآورده هاي مختلف پس از رسيدن به مراكز توزيع و گذراندن دوره ته نشيني بنا به نياز روزانه به-دست مشتري برسند. در شرايط واقعي عواملي مختلفي از جمله شرايط آب و هوايي، رخ دادهاي اجتماعي، سياسي از قبيل جنگ و غيره ممكن است نياز روزانه به فرآورده هاي مختلف را در مراكز توزيع تغيير دهند در نتيجه زمان‏بندي اوليه بايد به‏روزرساني شود. لذا به دنبال زمان‏بندي اوليه اي مي گرديم كه با كمترين هزينه و تغيير بتواند عدم قطعيت در نياز روزانه مشتري ها در مركز توزيع را پشتيباني كند. بدين منظور يك مدل مدل تصادفي ارايه كرده و با روش هاي مختلف اين مدل را مورد ارزيابي قرار داديم، كه به اين نتيجه رسيديم مي‌توان از آن به عنوان يك ابزار كارا و موثر در تصميم‌گيري‌ها استفاده كرد.

Pipeline as a safe and economic way, play an important role in the oil transportation. In this system, various type of products are injected into the pipeline sequentially without any physical separation, and on the other side, at the distribution centers, the products are received and depot in the corresponding tanks. Scheduling of oil transportation operations in a given time horizon is an managerial task that aim to optimize the process of transferring products to the distribution centers and deliver to the customers while satisfying daily demand. In the real life, there are various factors such as weather conditions, social and political events that may change the daily demand in the distribution centers and as a result the preliminary schedule must be updated. Thus, a stochastic model presented and the model is evaluated with different methods, we are concluded that it can be used as a tool for efficient and effective decisions.