زمان‌بندي باركش‌ها در يك سيستم فرابارانداز با چندين درب ورودي و خروجي

Truck Scheduling in Cross Docking with Multiple Receiving and Shipping Door

فرابارانداز يك استراتژي لجستيكي و در نقش گره‎‎اي مياني در شبكه توزيع زنجيره تامين است. در قسمت لجستيك، نگهداري موجودي جزو هزينه‌برترين قسمت‎ها مي‎باشد كه فرابارانداز علاوه بر كاهش هزينه نگهداري، موجب كاهش هزينه‎هاي جمع‌آوري سفارش، حمل‌ونقل و مدت زمان ارسال مي‎شود. محصولاتي كه از تامين‌كنندگان مختلف توسط باركش‎هاي ورودي به فرابارانداز مي‎رسند، با كمترين مقدار و ذخيره‎سازي‎ ممكن و با دسته‌بندي‌هاي متناسب با تقاضاي مشتري، در مدت زماني عموماً كمتر از 24 ساعت، بر روي باركش‎هاي خروجي بارگذاري مي‎شوند. در اين مقاله، يك مدل عدد صحيح مختلط براي مدل‌سازي فرابارانداز با چندين درب ورودي و خروجي ارايه شده است كه به‌طور هم زمان تخصيص باركش‎هاي ورودي و خروجي به درب‎ها، توالي خدمت گيري آنها و هم چنين تخصيص محصولات از باركش‎هاي ورودي به باركش‎هاي خروجي مي‎پردازد. مدل پيشنهاد شده در يكي از واحدهاي صنعتي پياده‌سازي شده و نتايج آن‌كه بيانگر كارايي مدل در دنياي واقعي مي باشد، ارايه گرديده است.

Cross docking is a logistic strategy that plays the role of a middle knot in distribution network in the provision process. In logistic part, inventory holding is considered as an important matter in managing costs. Not only cross docking reduces the inventory holding cost, but it also reduces the cost of collecting received orders, transportation and duration of sending. The products, which are unloaded on cross docking by inbound trucks, are classified properly according to customers’ orders and loaded on outbound trucks with minimum possible saving and as soon as possible, usually less than 24 hours. A model is offered in this paper on the basis of a mixed integer programming to model the cross docking with several receiving and shipping doors. It allocates different doors to inbound and outbound trucks, regards the loading sequences, and also allocates products from importing trucks to exporting ones coincidentally. The proposed model has been implemented in the dairy industry, and the results indicate the effectiveness of the model is presented in the real world.