مكان‌يابي و تخصيص سيستم توزيع با درنظرگرفتن اختلال در انبارهاي سيار و تسهيلات پشتيبان

Location and Allocation of a Distribution System Considering Disruption in Mobile Warehouses and Backup Facilities

در اين پژوهش، مسئله مكان‌يابي تسهيلات سيستم‌هاي توزيع به‌عنوان يكي از مسائل مهم و راهبردي در مديريت زنجيرۀ تأمين در حالت تصادفي در يك زنجيره تأمين سه سطحي بررسي شده است. بدين‌منظور، يك مدل رياضي دومرحله‌اي براي مسئله مكان‌يابي تخصيص سيستم‌هاي توزيع با درنظرگرفتن اختلال در انبارهاي سيار توزيع‌كننده و پشتيباني از ساير انبارهاي مختل‌نشده در يك زنجيره تأمين سه‌سطحي ارائه شده است. در مرحله اول، تصميمات مربوط به مكان‌يابي انبارهاي سيار سيستم توزيع و انتقال محصولات بين كارخانه‌هاي توليدي و انبارهاي سيار اتخاذ شده است. در مرحله دوم نيز تصميمات مربوط به برآورده‌كردن نياز مشتري، با توجه به اختلال انبارهاي توزيع و پشتيباني از ساير انبارهاي سيار مختل‌نشده گرفته مي‌شود. شايان ذكر است اختلال در انبارها، به‌صورت سناريوهاي مختلف درنظرگرفته ‌شده است كه براي رفع مشكل زمان محاسبات بالا در ابعاد بزرگ، از روش آزادسازي لاگرانژ براي حل اين مسئله استفاده شده است. درنهايت، مثال‌هاي عددي با نرم‌افزار GAMS حل شده و سپس براي اعتبارسنجي مدل، تابع هدف مسئله با تابع هدف روش آزادسازي لاگرانژ مقايسه شده است.

In this paper, a facility location problem of distribution systems, as one of the important and strategic issues in supply chain management, has been studied in a threelevel supply chain under a stochastic condition. For this purpose, a twostage mathematic model has been proposed for the locationallocation problem of distribution systems with regard to backup facilities for disrupting warehouse storage facilities in the threelevel supply chain that minimizes the sum of the costs. In the first stage, locating the mobile warehouse of distribution systems and transferring the products between manufactures and mobile warehouses have been decided and in the second stage, meeting customer demands with regard to disrupting mobile warehouses and backup facilities have been also decided. In addition, disruption in warehouses is considered as different scenarios for overcoming computational time in large dimensions. Moreover, a Lagrangian relaxation solution framework to reduce solution time is used. Finally, numerical examples are solved with GAMS software and then the objective function of the problem is compared with the objective function of a Lagrangian relaxation solution to show the effectiveness of the proposed model.