روش تجزيه‌ و تحليل پايدار با استفاده از شبيه‌‌ سازي مونت‌ كارلو براي حل مسئله دوهدفه مكان‌‌ يابي تسهيلات ظرفيت‌‌دار چندمحصولي و چند‌‌منبعي در لجستيك سبز

Robustness Analysis Using Monte Carlo Simulation for Solving Bi-Objective Capacitated Facility Location Problem with Multi-Product and Multi-Resource in Green Logistics

مسئله مكان‌‌يابي تسهيلات يكي از مهم‌ترين و كاربردي‌‌ترين مباحث در حوزه‌‌ مسائل تصميم‌‌گيري است. كاهش هزينه‌‌ها همواره يكي از اصلي‌‌ترين اهداف اين مسائل بوده است. در سال‌‌هاي اخير با افزايش نگراني‌‌هاي زيست‌محيطي، توجه به انتشار گازهاي مضر و آلودگي‌‌هاي ناشي از آن‌ها به‌عنوان يكي ديگر از معيارهاي تأثيرگذار در امر مكان‌‌يابي تسهيلات و نيز تخصيص مشتريان به آن‌ها درآمده است. در اين مقاله، مسئله دو‌‌هدفه مكان‌‌يابي تسهيلات ظرفيت‌‌دار چند‌‌منبعي و چند‌‌محصولي با توجه همزمان به هزينه‌‌هاي مالي و ميزان انتشار گاز موردبررسي قرار گرفته است. ابتدا، مدل رياضي مسئله ارائه و سپس براي حل مسئله از روش تجزيه‌ و تحليل پايدار به كمك شبيه‌سازي مونت‌كارلو استفاده شده است. با به‌كارگيري اين روش مي‌‌توان ميزان پايداري جواب‌‌هاي بهينه‌‌ پارتو به‌منظور تصميم‌‌گيري بهتر براي تأسيس انبارها و تخصيص مشتريان به آن‌ها را تعيين نمود. درنهايت، نتايج محاسباتي ارائه و تحليل شده است.

Facility location problem is one of the most important and useful topics in the field of decision-making. Cost reduction is always one of the main criteria in these problems. Since environmental concerns increment in recent years, harmful gas emissions and environmental pollution is regarded as other affective criteria in locating of facilities and also allocating them to customers. In this paper, a capacitated bi-objective facility location problem with multi-source and multi-product is studied. In this problem, financial costs and gas emissions are considered simultaneously. First the mathematical model is presented, and then a robustness analysis using Mont Carlo simulation method is applied for solving it. Through using this method it is possible to determine stability level of Pareto optimal solutions to make better decisions for establishing facilities and allocating customers to them. Finally, the computational results are presented.