ارائۀ يك الگوريتم ژنتيك براي مسئلۀ يكپارچگي مسيريابي وسايل نقليه و زمان‌بندي توليد در زنجيرۀ تأمين (مطالعۀ موردي: زنجيرۀ تأمين تجهيزات پزشكي)

A Genetic Algorithm for Integration of Vehicle Routing Problem and Production Scheduling in Supply Chain (Case Study: Medical Equipment Supply Chain)

اين پژوهش، به بررسي مدلي براي يكپارچگي مسئلۀ مسيريابي وسايل نقليه (VRP) در يك زنجيرۀ تأمين با مسئلۀ تخصيص سفارش‌ها به تأمين‌كنندگان و تعيين توالي توليد در آن‌ها مي‌پردازد. زنجيرۀ تأمين مورد بررسي شامل تعدادي تأمين‌كننده، چند وسيلة نقليه و يك سازندة محصولات نهايي است. فرض بر آن است كه شركت سازنده، مواد اولية مورد نياز تأمين‌كنندگان را به‌صورت يك­جا خريداري كند. اين امر موجب استفاده از فرصت تخفيف و درنتيجه، كاهش قيمت تمام‌شدة محصولات مي‌شود. به‌علاوه، شركت سازنده از كيفيت مواد اوليه اطمينان مي‌يابد و قدرت مديريت بيشتري بر زنجيرۀ تأمين خواهد داشت. يك ناوگان حمل‌ونقل متشكل از وسايل نقليه با ظرفيت‌ها و سرعت‌هاي متفاوت، حمل مواد اولية خريداري‌شده به تأمين‌كنندگان و جمع‌آوري قطعات تكميل‌شده از آن‌ها را با هدف كاهش ميزان ديركرد در تحويل سفارش‌ها برعهده دارد. پس از ارائة مدل رياضي، براي حل اين مسئله، الگوريتم ژنتيك پويا پيشنهاد شده است. اين الگوريتم، بر زنجيرۀ تأمين يك شركت توليدكنندۀ تجهيزات پزشكي پياده شد و مقايسۀ نتايج الگوريتم با نتايج واقعي صورت گرفت. نتايج نشان داد كه استفاده از الگوريتم ژنتيك پويا، به كاهش ميانگين ديركرد، از ۹/۴۴ روز به ۲/۱۱ روز منجر مي‌شود. مقايسة عملكرد الگوريتم ژنتيك پويا با جواب بهينه در مسائل با مقياس كوچك و الگوريتم پيشنهادي براي نزديك‌ترين مسئله در ادبيات موضوع، نشانگر كارايي بالاي الگوريتم ژنتيك پوياست.

This paper studies a model for integration of vehicle routing problem (VRP) in a supply chain with order assignment to the suppliers and determining their production sequence. The considered supply chain consists of some suppliers, vehicles and a manufacturer. It is assumed that manufacturer purchases identify the raw material demand of suppliers in wholesale all at once. This provides the opportunity of receiving discounts and consequently decreasing final price. A transportation fleet composed of some vehicles, each of which may have a different speed and different transport capacity, is responsible for transporting purchased raw materials to suppliers and gathering completed parts from them aiming at minimizing the total tardiness of all jobs. After presenting the mathematical model of the problem, a dynamic genetic algorithm with two dimensional structures is proposed. The algorithm was applied to the supply chain of a medical equipment manufacturer and the results were compared with real results beforehand. Findings show that applying dynamic genetic algorithm results in improving the average of tardiness from 9.44 days to 2.11 days. Also the comparison of dynamic genetic algorithm with the optimum solution for the small size problems, and the algorithm proposed for the nearest problem in the literature to our problem shows the high efficiency of dynamic genetic algorithm.