دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
DEVELOPING AN INTEGRATED TWO-LAYERED SUPPLY CHAIN MODEL WITH DEFECTS IN PRODUCTION SYSTEM
توسعهی مدلی یکپارچه در زنجیرهی تأمین دوسطحی با فرض تولید اقلام معیوب
3
10
22552
10.24200/j65.2021.52427.1951
FA
علیرضا
حجی
دانشکدهی مهندسی صنایع، دانشگاه صنعتی شریف
فردین
رضایی زینالی
دانشکدهی مهندسی صنایع، دانشگاه صنعتی شریف
Journal Article
2019
08
13
In real production systems, the process is always bound to the production of faulty items and different approaches may be used for handling these low quality items according to the nature of the industry and product. Repairing, discarding, or selling items in a secondary market are some of the possible actions. We investigated the essentiality of coordinated decision-making between a supplier and a buyer in this environment, hence developing a model to minimize total costs of two parties with an attitude for improving quality of production system. In common two-layered supply chains, the buyer defines the Economic Order Quantity (EOQ) according to its own decision criteria. These order quantities may not favor the supplier and most probably cause an increase in its inventory costs. Joint economic lot sizing strategy has been practiced in the literature to minimize the total cost of the system and an attempt was made to add more real-world variables and coordinated strategies regarding quality to our model. The examination level is assumed to be 100 percent with two types of examination errors. Type I error (defective recognition of good products) and Type II error (good recognition of defective products). All the imperfect items are returned to the supplier at the end of the examination cycle and are replaced by new items by supplier. These imperfect items are then sold in a secondary market with a lower price. Various costs are taken into account regarding the production of faulty items such as excess production costs, returning cost, the loss of credit cost, and the cost of storing faulty items at buyer's warehouse. We also considered an amount of joint investment to be made on enhancing the quality of the production which can definitely favor both parties in the long term. Amount of this investment is a variable in the model.
اقلام معیوب در چرخهی تولید محصولات یکی از ویژگیهای جداییناپذیر اینگونه سیستمهاست که بنا بر ویژگی این محصولات و سیستمهای مرتبط اقدامات مختلفی مانند بازفرآوری، تعمیر، فروش با قیمت پایینتر و یا اسقاط در قبال اقلام معیوب صورت میپذیرد. در این تحقیق ما به بررسی زنجیرهی تأمینی یکپارچه میان خریدار و فروشنده و اهمیت هماهنگی تصمیمات مربوط به مدیریت موجودی در زنجیرهی تأمین پرداختهایم بهنحوی که اقلام معیوب پس از بازرسی ۱۰۰ درصدی توسط خریدار به فروشنده عودت داده شده و فروشنده این محصولات را به قیمتی پایینتر به فروش میرساند. در مدل پیشنهادی، نرخ محصولات معیوب بهصورت احتمالی لحاظ شده و خطاهای نوع اول و نوع دوم نیز در بازرسی خریدار منظور شده است. همچنین جهت تأکید بر اهمیت همکاری در این زنجیرهی تأمین، سرمایهگذاری بر روی کیفیت را در مدل پیشنهادی منظور کردهایم.
https://sjie.journals.sharif.edu/article_22552_05fb8a0a1594230278c2364fae721fe1.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
MULTI PRODUCT MEDIA ADVERTISING PLANNING CONSIDERING LIFE CYCLE STAGE, BCG MATRIX CLASS, COMPETITORS' REACTION AND BUDGET CONSTRAINT USING APPROXIMATE
برنامهریزی تبلیغات رسانهیی چندمحصولی با در نظر گرفتن منحنی چرخهی عمر، ماتریس {\boldmath$BCG$}، رفتار رقبا و محدودیت بودجه با استفاده از برنامهریزی پویای تقریبی
11
22
22223
10.24200/j65.2020.54496.2054
FA
مجید
خلیل زاده
گروه مهندسی صنایع، دانشکدهی مهندسی، دانشگاه فردوسی مشهد
حسین
نقابی
گروه مهندسی صنایع، دانشکدهی مهندسی، دانشگاه فردوسی مشهد
Journal Article
2020
11
30
In the new competitive world, companies use several types of tools and strategies to differentiate their products from competitors' products, one of which is promotional. Companies spend a large amount of their promotional budget on advertising. To increase the effectiveness of advertising budgeting, media planning must be properly developed and the manner allocation advertising be determined over a company's programming horizon. This paper investigates advertising media planning and budgeting for several products. Important aspects including life cycle stage, BCG matrix class, price, competitors' reaction, and budget constraint are considered in our model given uncertainty and with the aim of maximizing profits at the end of the time horizon. This problem is formulated as a stochastic dynamic program and Approximate Dynamic Programming (ADP) algorithm is utilized to overcome the huge dimensionality. The mentioned problem is subject to considerable uncertainties. Approximate Dynamic Planning (ADP) is a powerful technique for solving discrete time problems under multistage stochastic control processes. A numerical example was carried out on two products over the course of one year (12 monthly periods) with five different advertising packages. The results showed that 5 million iterations would be suitable for converging. Remaining budget analysis shows the percentage of selecting offensive packages in higher budgets for Product 2 and selection of such packages in the medium term for Product 1.The process of the life cycle shows that Product 1 does not most likely complete its life stages, while Product 2 completes its life cycle stages. Moreover, the BCG matrix confirms the results and Product 2 is in the final stages of dogs, while Product 1 is more likely in Cash Cows. Also, the total budget was examined in different quantities, which showed that as the amount of the budget increased, the target amount increased slowly. The presented model offers the opportunity to managers by which they are able to compare different media for making advertising decisions on various products in an uncertain environment with different budgets.
در دنیای رقابتی موجود، شرکتها از انواع ابزارها و راهکارها برای تمایز محصولات خود با محصولات رقبا استفاده میکنند. این مقاله به بررسی برنامهریزی رسانههای تبلیغاتی و بودجهبندی آن برای چند محصول میپردازد. جنبههای مهمی شامل مرحلهی چرخهی عمر محصول، طبقهی ماتریس $BCG$ واکنش رقبا و محدودیت بودجه در مدل پیشنهادی با هدف به حداکثر رساندن سود در پایان افق زمانی در نظر گرفته شد. مسئلهی تعریف شده با رویکرد برنامه پویای تصادفی فرموله شده و از الگوریتم برنامهریزی پویای تقریبی برای غلبه بر بزرگی ابعاد مسئله و عدم قطعیت قابل توجه موجود در مسئله استفاده شد. در ادامه یک مطالعه موردی با استفاده از تکرار ارزش تقریبی ارائه و حل شد و نتایج مورد بحث قرار گرفت. همچنین، بودجه کل در مقادیر متفاوت مورد بررسی قرار گرفت که نشان میداد با افزایش مقدار بودجه مقدار هدف با سرعت )رشد( کمتری افزایش پیدا میکند.
https://sjie.journals.sharif.edu/article_22223_c6831e58b5c5d50da8f0a93dbd8b9ffa.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
DESIGNING A SECOND GENERATION OF BIOFUEL SUPPLY CHAIN NETWORK BASED ON CARBON EMISSION REGULATIONS UNDER UNCERTAINTY
طراحی یک شبکهی زنجیرهی تأمین نسل دوم سوخت سبز مبتنی بر سیاستهای انتشار کربن در شرایط عدمقطعیت
23
38
22221
10.24200/j65.2020.54886.2076
FA
ناعمه
زرین پور
دانشکدهی مهندسی صنایع، دانشگاه صنعتی شیراز
آیدا
خانی
دانشکدهی مهندسی صنایع، دانشگاه صنعتی شیراز
Journal Article
2019
12
24
Global warming and the detrimental impacts of fossil fuels on the environment and human life have led to greater concern and focus on producing sustainable energy resources for future. One of the renewable and sustainable energy resources is biofuel. Today, most of developed countries are focused on producing biofuels to improve economic and environmental opportunities. Because of carbon dioxide and other greenhouse gases emissions during supply chain activities, a mathematical model has been presented for designing a second generation of sustainable multi-stage biofuel supply chain network, which contains agricultural zones, bio-refineries, and markets with the objective of maximizing the profit. Supply chain costs like growing, harvesting, collecting, and agricultural residual storage, transportation of agricultural residual from farms to bio-refineries, producing biofuel in bio-refineries, and transportation cost from bio-refineries to markets are also considered. Since a considerable amount of carbon dioxide is emitted during transporting agricultural residual from farms to bio-refineries and transporting biofuel from bio-refineries to markets, four different carbon emission regulations are considered in order to examine the environmental impacts including carbon cap, carbon tax, carbon cap-and-trade, and carbon offset. Based on the carbon-cap mechanism, the maximum amount of carbon emissions is limited. Under the carbon tax mechanism, for each unit of carbon emission, a tax must be given to the regulations. Regarding a carbon cap-and-trade policy, a carbon cap is imposed on supply chain operations and companies can trade their carbon allowances in the market. Considering a carbon offset mechanism, a company can purchase additional carbon allowances. According to uncertainties in real-world problems, the uncertain nature of parameters like selling revenue of biofuel, costs of growing, harvesting, collecting agricultural residual, transportation of agricultural residual and biofuel, biofuel production, carbon tax rate, and amount of carbon emissions are reflected. A chance-constrained fuzzy programming approach is used to deal with uncertain parameters. It is apparent through numerical results that the proposed model is so efficient and it can be used in the future to produce and develop second-generation biofuel a supply chain from agricultural residual by considering the carbon emission regulations.
گرمایش جهانی و اثرات مخرب زیستمحیطی سوختهای فسیلی، موجب تمرکز بر تولید منابع انرژی پایدار برای آینده شده است. یکی از منابع انرژیهای تجدیدپذیر و پایدار، سوخت سبز است. در این مقاله، یک مدل ریاضی برای طراحی زنجیرهی تأمین پایدار چندسطحی با هدف بیشینهسازی سود حاصل از فروش سوخت سبز ارائه میشود. به منظور بررسی تأثیرات زیستمحیطی، چهار سیاست مختلف کربن شامل بیشترین میزان مجاز انتشار کربن، مالیات کربن، طرح ترکیبی تجارت کربن و بیشترین مقدار مجاز و طرح جبران کربن بررسی میشود. با توجه به غیرقطعی بودن بسیاری از پارامترهای مدل در دنیای واقعی، عدم قطعیت پارامترها نیز بررسی و برای برخورد با آن از رویکرد برنامهریزی فازی محدودیت شانس استفاده میشود. نتایج عددی کارایی مدل پیشنهادی را تأیید میکند و نشان میدهد که مدل زنجیرهی تأمین ارائه شده، میتواند در آینده برای تولید و توسعهی نسل دوم سوخت سبز از پسماندهای کشاورزی به کار گرفته شود.
https://sjie.journals.sharif.edu/article_22221_8f3c2f567c001fb22ca680b6122e17fe.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
THE EFFECTS OF ACCIDENTS AND WEATHER CONDITIONS ON TRAFFIC USING DECISION TREE (CASE STUDY: TEHRAN)
تأثیر دو عامل تصادفات و شرایط جوی بر ترافیک با استفاده از درخت تصمیم(مطالعهی موردی: شهر تهران)
39
53
22222
10.24200/j65.2020.54632.2066
FA
مینا
کریمی
دانشکدهی مهندسی نقشهبرداری، دانشگاه صنعتی خواجهنصیرالدین طوسی
محمد سعدی
مسگری
گروه سیستم اطلاعات مکانی قطب
علمی فناوری اطلاعات مکانی، دانشکدهی مهندسی نقشهبرداری، دانشگاه صنعتی خواجهنصیرالدین طوسی
Journal Article
2020
01
12
These days, traffic is one of the biggest problems in metropolitan life. The heavy traffic, besides many problems for citizens, causes waste of resources such as energy and fuel. Many factors affect traffic in Tehran. Identification of these factors and their impact on traffic flow can help urban managers to prioritize and allocate resources to address their effects. The purpose of this study is to investigate the effect of two factors of driving accidents and atmospheric conditions on traffic congestion in the metropolitan Tehran and to model and predict the traffic length caused by these factors in different situations. The data of this research has been collected through the investigation of the database of the traffic control center of Tehran. For this purpose, firstly, statistical analysis and pre-processing operations have been performed on the data. Then, by using data mining methods such as clustering, classification, and categorization through the decision tree, two models for the effect of accidents and atmospheric conditions in different regions of Tehran have been obtained. Finally, the rules for each model are extracted. The results show that about 4% of traffic was caused by accidents and 1% due to atmospheric conditions. According to statistical analysis of linear regression, it is determined that the traffic length due to accident is a function of the accident severity, the area of the municipality of the accident site, and the number of involved equipment, while it doesn't have the effect of a typical day or holiday. Also, the traffic length caused by atmospheric conditions depends on the area of the municipality, the atmospheric conditions, and the day type of typical day or the holiday. The results show that the maximum length of traffic is related to the crashes with two vehicles involved in the accident or in rainy weather. It is also found that according to the results and extracted rules, the maximum traffic length in both models is 200-500 meters.
عوامل زیادی بر ترافیک شهر تهران تأثیرگذارند. هدف این تحقیق بررسی تأثیر دو عامل تصادفات رانندگی و شرایط جوی در ایجاد ترافیک در شهر تهران و مدلسازی و پیشبینی طول ترافیک ایجاد شده است. بدین منظور ابتدا تحلیلهای آماری و عملیات پیشپردازش روی دادهها انجام شده است. سپس با استفاده از روش دادهکاوی درخت تصمیم، دو مدل برای پیشبینی در مناطق مختلف تهران به دست آمده و در نهایت قوانین مربوط به هر مدل استخراج شده است. مطابق تحلیل آماری رگرسیون خطی، طول ترافیک ناشی از تصادف تابع شدت تصادف، منطقهی شهرداری محل تصادف و تعداد وسیلهی نقلیهی درگیر است و نوع روز عادی یا تعطیلی روی آن تأثیری ندارد. طول ترافیک ناشی از شرایط جوی نیز تابع منطقه شهرداری، نوع شرایط جوی و روز عادی یا تعطیلی است. بیشترین طول ترافیک ایجاد شده که برابر ۲۰۰−۵۰۰ متر است، مربوط به تصادفات با دو وسیلهی نقلیهی درگیر یا در شرایط بارانی است.
https://sjie.journals.sharif.edu/article_22222_e2e7860064d43cfe2eb372b4e041f12e.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
MODELING THE VARIABLE SIZE AND COST BIN PACKING PROBLEM IN AN ORDERING PROBLEM
الگوگیری از مسئلهی بستهبندی ظرف توسعه یافته با اندازه و هزینهی متفاوت در یک مسئلهی سفارشدهی
55
65
22557
10.24200/j65.2021.55146.2085
FA
سید مسعود
طحانیان قمی
گروه مهندسی صنایع، دانشگاه پیام نور
مریم
حامدی
گروه مهندسی صنایع، دانشگاه پیام نور،تهران، ایران
رضا
توکلیمقدم
دانشکدهی مهندسی صنایع، دانشگاه تهران
Journal Article
2020
05
12
In recent years, many studies have been presented on the interpretation and modeling of new problems by basic models. One of the most widely used of these basic models is the Bin packing problem. Over time, the importance and power of this issue in modeling new problems becomes clearer. This paper also attempts to interpret and model ``An Ordering and assigning orders to supplier's problem'' by using one of the generalizations of the bin packing problem. There are many generalizations about the bin packing problem. In this paper, for the first time, generalization of the bin packaging problem called "developed Variable size and cost bin packing problem" is modeled, which increases the flexibility of the model in solving current problems. Because the presented model is a bi-objective nonlinear programming type and NP-hard one to be solved in a reasonable time, a well-known multi-objective evolutionary algorithm, namely a Non-dominated Sorting Genetic Algorithm (NSGA-II), is proposed. To verify the obtained solution and evaluate the performance of the NSGA-II, the $\rm \varepsilon$-constraint method is developed in solving small-sized problems. In large-sized problems, the test problems are solved by the proposed NSGA-II. Then, the Pareto-optimal solutions are evaluated by mean ideal distance, diversification, and time metrics.
در سالیان گذشته مقالات بسیاری در زمینهی تفسیر و مدلسازی مسائل جدید توسط مدلهای پایه ارائه شده است. یکی از پرکاربردترین این مدلهای پایه، مسئلهی بستهبندی ظرف است. در این مقاله نیز سعی شده است تا برای اولین بار یک مسئله در حوزه «سفارشدهی و تخصیص سفارش به تأمینکنندگان» توسط یکی از تعمیمهای مسئلهی بستهبندی ظرف تفسیر و مدلسازی شود. در این نوشتار نیز برای اولین بار یک تعمیم از مسئلهی بستهبندی ظرف به نام «مسئلهی بستهبندی ظرف با اندازه و هزینهی متفاوتِ توسعه یافته» معرفی ومدلسازی میشود. برای حل مسئلهی پیشنهادی، از الگوریتم ژنتیک مرتب شده نامغلوب (NSGA-II) استفاده میشود. همچنین از روش محدودیت اپسیلون برای کارایی الگوریتم پیشنهادی در ابعاد کوچک استفاده میشود. نتایج این الگوریتم برای تعدادی از مسائل با ابعاد بزرگ نیز ارائه و توسط شاخصهای «میانگین فاصله از آرمان»، «پراکندگی» و «زمان حل» مورد ارزیابی قرار میگیرد.
https://sjie.journals.sharif.edu/article_22557_547ee43886bef44df3ce02fedc1196f5.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
AGENT-BASED SIMULATION OF IRANIAN ELECTRICITY MARKET BASED ON RISK AVERSE LEARNING AGENTS USING REINFORCEMENT LEARNING AND CONDITIONAL VALUE AT
شبیهسازی مبتنی بر عامل بازار برق ایران بر اساس عاملهای یادگیرندهی ریسکگریز با استفاده از یادگیری تقویتی و سنجهی ارزش در معرض خطر شرطی (مطالعهی کاربردی: بازار برق استان یزد)
67
78
22556
10.24200/j65.2021.56143.2137
FA
یحیی
زارع مهرجردی
دانشکده مهندسی صنایع، دانشگاه یزد
محمد حسین
رضایی صدرآبادی
دانشکده مهندسی صنایع، دانشگاه یزد
محمد صالح
اولیاء
دانشکده مهندسی صنایع، دانشگاه یزد
محمد علی
وحدت زاد
دانشکده مهندسی صنایع، دانشگاه یزد
Journal Article
2020
07
27
Restructuring and deregulation are one of the most significant developments in the world electricity market. In this market, Generation Companies (GenCos) in an oligopolistic game with incomplete information participate in a sealed auction and offer their bids in a certain period according to the market demand. Choosing the best bid to maximize profits and minimize risks in dynamic competition with other players is one of the most important issues for GenCos. The dynamic nature of this problem can help GenCos make the best decision based on learning from the past. Using reinforcement learning and considering risk aversity of the GenCos, this paper provides an agent-based simulation of the bidding behavior of Iran's electricity market. In this simulation, the GenCos optimize their bids using a learning process based on previous bids. Although a few studies have been conducted on the modeling of risk-averse behavior of GenCos under learning conditions, risk-averse analysis based on a history of profits and losses, or sever losses, has not been focused. Thus, in this paper, the learning behavior of the GenCos is modeled by the Q-learning reinforcement learning algorithm and their risk aversion behavior is modeled by the conditional value at risk measure and risk of missed opportunities in terms of the number of auction failures (missed auction opportunities). To validate the functionality of the proposed approach, it was applied to the real data of the electricity market of Yazd province, including five GenCos with the total nominal power of 2550 MW. The results were compared for different learning conditions, risk behaviors of companies, and pay as bid and uniform pricing. The results demonstrate that learning all GenCos leads to increased competition and promoted social welfare. Also, the level of risk aversion of GenCos and the type of clearing mechanism have a direct effect on the GenCos profitability and social welfare. The results can help power plants determine the bidding strategy in competitive conditions by considering their risk level. Likewise, these results assist regulators in designing market rules in line with the actual behavior of GenCos.
در این پژوهش فرایند حراج بازار برق ایران با استفاده از یک مدل مبتنی بر عامل بر اساس روش یادگیری تقویتی کیو، با در نظر گرفتن رفتار ریسکگریزی نیروگاهها شبیهسازی شده است. در این شبیهسازی شرکتهای تولیدکنندهی برق مبتنی بر یک فرایند یادگیری از نتایج ماحصل از قیمت دهیهای پیشین، قیمتهای پیشنهادی خود را بهینه کردهاند. رفتار ریسکگریزی شرکتهای تولیدکنندهی برق بر اساس سنجهی ارزش در معرض خطر شرطی و ریسک فرصت از دست رفته بر اساس تعداد شکستها در حراج مدلسازی شده است. برای ارزیابی رویکرد پیشنهادی، از دادههای واقعی بازار برق استان یزد شامل پنج نیروگاه استفاده شده و نتایج به دست آمده در شرایط مختلف یادگیری، رفتارهای ریسکی شرکتها و سیستمهای تسویهی پرداخت بر اساس پیشنهاد و پرداخت یکنواخت مقایسه شده است. نتایج این تحقیق نشان داده است که یادگیری همهی نیروگاهها میتواند منجر به افزایش رقابت میان آنها و در نتیجه افزایش رفاه اجتماعی شود.
https://sjie.journals.sharif.edu/article_22556_f62536fe1b2ae833a9e9202e3b455f8d.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
PERFORMANCE COMPARISON OF THE LONGEST COMMON SUBSEQUENCE AND DYNAMIC TIME WARPING IN TIME SERIES DATA MINING
مقایسهی عملکرد روشهای اندازهگیری شباهت طولانیترین زیردنبالهی مشترک و چرخش زمانی پویا در دادهکاوی سریهای زمانی
79
90
22555
10.24200/j65.2021.55318.2100
FA
غلامرضا
سلیمانی
گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه یزد
مسعود
عابسی
گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه یزد
Journal Article
2020
09
30
Today, the use of data mining techniques such as classification, clustering, discover repetitive pattern and discover outliers in different domains including production, medicine, social, meteorology, stock exchange, sales, customer service and other areas are increasing. Data mining techniques are specifically designed for static data. Therefore, their use for time series data requires some modifications to their respective algorithms. One of these changes is the selection of the appropriate similarity measurement method, because similarity measurement methods are used in all data mining techniques. Therefore, in this research, we will evaluate and compare the effect of two commonly used and efficient methods of time series similarity measurement in data mining. This evaluation is done in relation to the effectiveness of these methods in achieving better results. These methods are the Longest Common Sub Sequence (LCSS) method and the Dynamic time Warping (DTW) method. The main purpose of this research is to compare the performance of these methods in time series data mining. The data mining techniques that used in this research are the nearest-neighbor technique and k-medoids clustering algorithm. The performance evaluation process is described in the text. This process uses the nearest-neighbor technique to calculate the accuracy of detection of right time series class, and uses the k-medoids clustering technique to calculate the clustering accuracy, the ability to correctly determine the number of clusters, and the ability to determine the better cluster representative. For this purpose, we use 63 time series data sets by random from a world-renowned database that named UCR collection. The results show that the effect of LCSS method is significantly better than the effect of DTW method on the correct detection accuracy of time series class and clustering accuracy by 99% and 92.5% confidence, respectively, but there is no significant difference between them in terms of their effect in determining the number of clusters and cluster representatives. The results of this research help to use these methods in appropriate data mining techniques in issues such as customer segmentation, workshop scheduling and the like more accurately.
تکنیکهای دادهکاوی بهطور خاص برای دادههای ثابت طراحی شدهاند. لذا بهکارگیری آنها برای دادههای سری زمانی نیازمند اعمال تغییراتی(روش اندازهگیری شباهت) است. براساس تحقیقات اخیر، روشهای طولانیترین زیردنبالهی مشترک و چرخش زمانی پویا، از پرکاربردترین و کاراترین این روشها محسوب میشود. در این تحقیق، قصد داریم تا عملکرد این روشها را در تکنیکهای نزدیکترین همسایگی و خوشهبندی کامدوید مورد ارزیابی و مقایسه قرار داده تا بتوان از آنها با دقت بهتری در این تکنیکها و در مسائلی نظیر قسمتبندی مشتریان، زمانبندی کارگاه و ... استفاده کرد. به همین منظور از ۶۳ مجموعه داده سری زمانی از بانک اطلاعاتی UCR، استفاده میشود. نتایج نشان میدهد که تأثیرآنها در دقت تشخیص درست دستهی سری زمانی و دقت خوشهبندی، بهطور معناداری تفاوت دارد، ولی تأثیر آنها در تعیین تعداد خوشه و نمایندهی خوشه، تفاوت معناداری ندارد.
https://sjie.journals.sharif.edu/article_22555_bdc1e2afc2470574fb73211a19e53d0b.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
LOADING WITH SHAPE CHANGEABLE ITEMS AND ITS APPLICATION IN OPTIMIZING MILK-RUN LOGISTICS IN SAIPA GROUP AUTOMOTIVE COMPANY
معرفی و مدلسازی منطق بارگیری سفارشات با شکل چیدمان قابل تغییر درون خودروها و کاربرد آن در بهینهسازی سیستم لجستیک میلکران در گروه خودروسازی سایپا
91
111
22611
10.24200/j65.2021.57401.2196
FA
معصوم
نجفیان
دانشکدهی مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب
علی
حسین زاده کاشان
دانشکدهی مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران
علی اکبر
اکبری
دانشکدهی مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب
داوود
محمدی تبار
دانشکدهی مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب
Journal Article
2021
03
14
Milk-run logistics is a consolidation method in which vehicles are dispatched in specified time periods to collect orders from various suppliers and deliver them to assembly lines following predefined routes. Pallets of an order can sit in different arrangements in the vehicle and hence, their loading shape can be changeable. Choosing one of these shapes for the order and arranging its pallets in the vehicle as a unified cube can be handled by decision variables. The set of possible shapes for an order varies as the vehicle type changes and this imposes complexities for the case of heterogeneous fleet. Following such an observation, we introduce the idea of shape changeable loading/packing and the required set of constraints to attain a mixed integer linear formulation with the objective of minimizing total transportation costs. Besides loading issues, other considerations such as extra half cost for reverse distribution of empty pallets, order time windows, and heterogeneous fleet are considered. Given the grouping nature of the problem, a Grouping Evolution Strategy (GES) algorithm is proposed that utilizes an efficient constructive best-fit heuristic to ensure feasibility of routing and shape changeable 2D loading of orders into vehicles. Effectiveness of our approach is tested using real-world data obtained from SAIPA Group automotive company. Extensive computations signified the worth of milk-run logistics in comparison with direct shipping strategy followed by the SAIPA's logistics division. Our simulations approve that there exists a capacity for reducing the cost of direct shipment by average amount of 25\% via employing milk-run strategy. Moreover, using the more complex shape changeable loading rationale can reduce the costs by 10\% compared to a more straight loading method followed by SAIPA. The joint employment of milk-run logistics and shape changeable loading can result in a 32% reduction in costs on average, compared to the current shipment strategy followed by SAIPA.
در لجستیک میلکران پالتهای سفارشات مختلف را میتوان با آرایشبندی متفاوت درون خودرو چید و بنابراین شکل چیدمان پالتها درون خودروی حامل میتواند متغیر باشد. در نوشتار حاضر ایدهی بارگیری اقلام با شکل چیدمان قابل تغییر درون خودرو برای نخستین بار معرفی شده و یک مدل برنامهریزی ریاضی برای کمینهسازی هزینهها در سیستم لجستیک میلکران ارائه میشود. ملاحظاتی نظیر اعمال هزینهی برگشت پالتهای خالی، پنجرههای زمانی و ناوگان نامتجانس نیز در نظر گرفته میشود. یک الگوریتم استراتژی تکاملی گروهبندی برای حل مسئله معرفی میشود که از روشهای کارا برای تولید جواب و تضمین شدنی بودن بارگیری و مسیریابی خودروها استفاده میکند. کارایی مدل و الگوریتم معرفی شده و اثربخشی لجستیک میلکران، با استفاده از دادههای جمعآوری شده از گروه خودروسازی سایپا مورد سنجش قرار میگیرد. استفادهی توامان از لجستیک میلکران و منطق بارگیری با شکل چیدمان متغیر میتواند منجر به کاهش ۳۲ درصدی هزینهها نسبت به استراتژی ارسال مستقیم شود.
https://sjie.journals.sharif.edu/article_22611_4dd1fc3a829fe9c41063c6290b1da27d.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
LAGRANGE RELAXATION FOR FLEXIBLE FLOWSHOP SCHEDULING IN HETEROGENEOUS MULTI-FACTORY NETWORKS
آزادسازی لاگرانژ برای زمانبندی جریان کارگاهی منعطف در شبکههای چند کارخانهیی ناهمسان
113
121
22553
10.24200/j65.2021.56538.2157
FA
الهه
کلوندی
گروه مهندسی صنایع، دانشکدهی مهندسی، دانشگاه بوعلی سینا، همدان
جواد
بهنامیان
گروه مهندسی صنایع، دانشکدهی مهندسی، دانشگاه بوعلی سینا، همدان
Journal Article
2020
11
01
This paper deals with production scheduling in a flexible flowshop with several factories trying to satisfy market demand by creating a network through a distributed network. Although these factories have their own flowshop system consisting of stages with a number of parallel machines, each job must pass through these stages to be completed; in some cases, due to the long queues in one factory, some jobs are sent to other factories to reduce the overall completion time. In other words, in this system, it is assumed that each factory, after satisfying the demand of its region, can cooperate with other factories in order to provide economic benefits and increase sales as a result of greater profitability of the production network, which means that if for any reason in the process, the production of products is disrupted or the amount of load of factories is too much, in order to improve the overall objective function, it is possible that some jobs be sent to other factories for processing. Multi-factory production takes place in several factories, which may be geographically distributed in different locations, in order to comply with and to take advantage from the trend of globalization. This allows them to be closer to their customers, to employ professionals, to comply with local laws, to focus on a few product types, to produce and market their products more effectively, and respond to market changes more quickly. Here, after introducing a flexible flowshop in the distributed network structure, a model is proposed for the problem considering the holding costs in the buffers and heterogeneity of factories in the production network. Finally, after solving the model using GAMS software, the Lagrange relaxationalgorithm has been developed for it. By comparing the GAMS and output results of the Lagrange relaxation algorithm, it is concluded that the proposed algorithm is of very high efficiency.
در این مقاله به زمانبندی کارگاه جریان کارگاهی منعطف در شرایط چندکارخانهیی پرداختهایم که در آن کارخانهها با ایجاد یک شبکهی تولیدی سعی بر ارضای تقاضای بازار دارند. در این تحقیق علیرغم آن که فرض شده است کارخانهها بهصورت مجزا فعالیت میکنند، در برخی مواقع نیز به دلیل وجود صفهایی طولانی در یک کارخانه، برخی از کارها به کارخانههای دیگر ارسال میشوند تا زمان تکمیل کارها کاهش یابد. به عبارت دیگر، در این سیستم فرض شده است هر کارخانه پس از ارضای تقاضای منطقهی خود، میتواند در جهت حصول تابع هدف بهتر برای شبکهی تولیدی با سایر کارخانهها همکاری کند. در این پژوهش با در نظر گرفتن فرض ناهمسانی کارخانههای موجود در شبکهی تولیدی و هزینههای نگهداری، ابتدا مدل برنامهریزی عدد صحیح برای مسئله ارائه شده است. در ادامه و پس از حل مدل پیشنهادی با استفاده از نرمافزار گمز و به دلیل پیچیدگی آن، الگوریتمی بر پایهی آزادسازی لاگرانژ به منظور حل مسئله در ابعاد بزرگتر توسعه داده شده است. خروجی مقایسات حاصل از نتایج گمز و الگوریتم آزادسازی لاگرانژ، نشان میدهد که الگوریتم پیشنهادی کارایی مناسبی دارد.
https://sjie.journals.sharif.edu/article_22553_ae4354a01b65f5581101f6ef024c8947.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
AN IMPROVED EFFICIENT COMBINED ALGORITHM FOR LARGE-SCALE MULTIPLE TRAVELING SALESMEN PROBLEM
یک الگوریتم ترکیبی کارآمد بهبودیافته برای مسئلهی سفر چند فروشنده در مقیاس بزرگ
123
133
22554
10.24200/j65.2021.55500.2109
FA
سید حمید
میرمحمدی
دانشکده صنایع وسیستم ها، دانشگاه صنعتی اصفهان
سیما
امیری
دانشکده مهندسی صنایع وسیستم ها، دانشگاه صنعتی اصفهان
پریسا
فیض الهی
دانشکده مهندسی صنایع وسیستم ها، دانشگاه صنعتی اصفهان
Journal Article
2020
06
20
The Multiple Traveling Salesmen Problem (MTSP) is a generalized Traveling Salesmen Problem (TSP). The difference with the traveling salesmen problem is that all cities are visited by multiple salesmen, and each salesman from the city that initiated the move must go back to the same city, which is, in fact, suitable for modeling practical problems in real life than TSP. To solve MTSP with a few starting points, you need the minimum and maximum number of cities each salesman should visit. The total number of cities that salesmen go through should be equal to all cities. In this article, The hybrid Algorithm (IAC-PGA), which combines Parteno Genetic Algorithms (PGA) and Ant Colony (ACO) and uses the 2-opt local search method to improve the algorithm. This method provides full double displacement to improve the response. The main idea in this article is to use the PGA algorithm to search for the best number of cities visited as well as to obtain the starting point of each salesman using the genetic algorithm, and then to use the ACO algorithm to accurately determine the cities visited and the best tour for each salesman. The objective function for this problem is to minimize the distance traveled by all salesmen. For the purpose of analysis, the parameters of each algorithm are selected according to the number of experimental samples in the most appropriate case, and then the results of the algorithm are compared with other algorithms including PGA, Improved PGA (IPGA), Two-part Wolf Pack Search (TWPS), Artificial Bee Colony (ABC), and Invasive Weed Optimization (IWO). Statistics show the algorithm improvement for problem solving. The results of comparative experiments show that the proposed IAC-PGA algorithm is sufficiently effective in solving large-scale MTSP and is not worse than other algorithms on a small scale and performs better than the existing algorithms.
مسئلهی چندین فروشندهی دورهگرد )MTSP( گسترشی مشهور از مسئلهی فروشندهی دورهگرد (TSP) است. تحقیقات این مسئله بر خلاف مسئلهی TSP که گستردگی آن توجه زیادی را به خود معطوف کرده است، بسیار محدودبوده و ازاین رو الگوریتم جدید ترکیبی موجود به نام الگوریتم ژنتیک ـ مورچگان بهبودیافته )IAC-PGA( ارائه شده است که در آن از یک روش جستجوی محلی به منظور بهبود الگوریتم بهره گرفته شده است. ایدهی اصلی این مقاله آن است که از الگوریتم ژنتیک برای تعیین تعداد شهرها و نقطهی شروع هر فروشنده بهره بگیریم و سپس از الگوریتم مورچگان برای تعیین بهترین تور استفاده کنیم. نتایج حاصل از مقایسهی نتایج الگوریتم با دیگر الگوریتمهای موجود در ادبیات موضوع و تجزیه و تحلیل آن نشان میدهد که الگوریتم پیشنهادی در حل MTSP در مقیاس بزرگ مؤثر است.
https://sjie.journals.sharif.edu/article_22554_641cd6db7db55e5320beaeffa0abdbdf.pdf
دانشگاه صنعتی شریف
مهندسی صنایع و مدیریت
2676-4741
37
2
2022
02
20
THE BULLWHIP EFFECT ON THE DRUG SUPPLY CHAIN CONSIDERING INTERNATIONAL SANCTIONS WITH A DYNAMIC SYSTEM APPROACH
بررسی اثر شلاقی بر زنجیرهی تأمین دارو با در نظر گرفتن تحریمهای بینالمللی با رویکرد سیستم پویا
135
147
22224
10.24200/j65.2021.55544.2114
FA
مهدی
نخعی نژاد
گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه یزد
امیر حسن
فرخ زاد
گروه مهندسی صنایع، دانشکده فنی و مهندس، دانشگاه علم و هنر، یزد، ایران
آفرین
اخوان
گروه مهندسی صنایع، دانشکده فنی و مهندس، دانشگاه علم و هنر، یزد، ایران
یحیی
زارع مهرجردی
گروه مهندسی صنایع، دانشکده فنی و
مهندسی، دانشگاه یزد
Journal Article
2020
07
06
The Bullwhip effect phenomenon as one of the main causes of reducing the efficiency of supply chain performance occurs when changes in demand fluctuate widely during the supply chain. In the present study, it has been shown that the continuation of the sanctions process in Iran can strengthen the sector of domestic production, but with the reduction of drug imports and the lack of technology and sufficient capacity in the production of Desferrioxamine, the country will face a drug crisis. And people and patients' satisfaction will be greatly reduced. Therefore, in order to improve the situation of drugs and reduce the whip effect in the drug supply chain, four government protection policies for consumers and producers were directly and indirectly examined. The data were evaluated with the help of Wensum software and the results revealed, lowering the price of medicine, increasing the level of people's satisfaction, reducing the whip effect, increasing the profit of supplier, distributor and overall profit of the drug supply chain as policies for improving the current situation.
پدیدهی اثر شلاقی بهعنوان یکی از اصلیترین موارد کاهش کارآیی عملکرد زنجیرههای تأمین، زمانی رخ میدهد که تغییرات تقاضا، در طول زنجیرهی تأمین با نوسانات زیادی روبرو شود. در تحقیق حاضر نشان داده شده است که ادامهی روند تحریمها در ایران میتواند باعث تقویت بخش تولید داخلی شود اما با کاهش واردات دارو و نبود تکنولوژی و ظرفیت کافی در تولید داروی دسفرال، کشور با بحران دارو مواجه میشود و سطح رضایتمندی مردم و بیماران بسیار کاهش مییابد. از اینرو در ادامه برای بهبود وضعیت دارو و کاهش اثر شلاقی در زنجیرهی تأمین دارو چهار سیاست حمایتی دولت از مصرفکننده و تولیدکنندگان بهصورت مستقیم و غیرمستقیم مورد بررسی قرار گرفت. ارزیابی دادهها به کمک نرمافزار ونسیم نتایجی از قبیل کاهش قیمت دارو، افزایش سطح رضایتمندی مردم، کاهش اثر شلاقی، افزایش سود تأمینکننده، توزیعکننده و سود کلی زنجیرهی تأمین دارو را نشان میدهد.
https://sjie.journals.sharif.edu/article_22224_a945edc7c8be34add715d82d2d4de6b5.pdf