تخصيص فضاي انبارش كانتينرها در يك پايانه كانتينري تحت شرايط عدم‌قطعيت

Storage Space Allocation for Containers in a Container Terminal under Uncertainty Condition

امروزه، با جهاني شدن تجارت و گسترش ارتباطات، پايانه‌هاي گمركي نقش مهمي در اقتصاد كشورها ايفا مي‌كنند. بسياري از كشورهاي بزرگ و صنعتي رشد و شكوفايي خود را مديون صنعت ترانزيت هستند. از آنجا كه معيار جهاني ارزيابي كارايي پايانه‌ها زمان ترخيص كالاها در اين پايانه‌ها است و به اين زمان در سنجش عملكرد ساختار سازماني و مديريتي آن‌ها توجه مي‌شود، مديران همواره به‌دنبال راه‌هايي براي كاهش زمان ترخيص هستند. بر اين اساس، در اين مقاله، يك مدل برنامه‌ريزي رياضي غيرخطي فازي و چندهدفه، تحت عدم‌قطعيت پارامترهاي ورودي ارايه شده است كه سعي دارد زمان ترخيص را از طريق تخصيص مناسب فضا به كانتينرها كاهش دهد. پس از حل مدل براساس رويكردسه‌مرحله‌اي پيشنهادي، مثال عددي با استفاده از روش‌هاي دقيق وآزادسازي لاگرانژ بررسيشد. نتايج نشان مي‌دهند كه اگر تصميم‌گيرنده بخواهد با ريسك كمتري با عدم‌قطعيت روبه‌رو شود، با وجود بدتر شدن تابع هدف، بايد مينيمم درجه پذيرش بالايي را انتخاب كند.

By globalization of commerce and extension of communications, container terminals play important roles in countries’ economies. Most of influential and industrial countries owe their prosperity and welfare on transit industry. The time duration of clearance containers is the global criterion of measuring terminal efficiency. In addition, this criterion is considered to assess organizational structures and managerial performances so, managers have been constantly searching for remedies to decline clearance time. In this paper, a multi-objective fuzzy non-linear mathematical model under uncertainty condition of input parameters is presented, which attempts to reduce clearance time through proper allocation space to containers. After solving the model, based on the proposed three-step procedure, a numerical example is examined using exact and Lagrange relaxation methods. Our finding demonstrates that if Decision-makers want to meet uncertainty with lowered risk, they have to choose a high minimum constraint feasibility degree even though the objective function will be worse.