meta-heuristic algorithms
در نشریات گروه مدیریت-
مقدمه و اهداف
بازسازی دکل حفاری نفت یکی از بهترین گزینه های جایگزین برای اجاره این تجهیز سرمایه ای است، زیرا هزینه اجاره آن، ده ها هزار دلار در روز است. این پژوهش، به زمانبندی فعالیت ها و برنامه ریزی موجودی زنجیره تامین پروژه بازسازی دکل حفاری سینا 1 می پردازد. از آنجا که سابقه انجام چنین کاری در کشور وجود ندارد، زمانبندی پروژه در شرایط عدم قطعیت فعالیت ها انجام می شود. علاوه بر این، عدم قطعیت در زمان اجرای فعالیت ها باعث ارتقای شناخت صاحبان پروژه از زمانبندی شان شده و دید گسترده تری نسبت به پروژه و فعالیت های آینده ایجاد می کند. در این مدل، هزینه های پیمانکار و تامین کنندگان به صورت همزمان مورد توجه قرار گرفته و زمانبندی نامطمئن فعالیت ها و برنامه ریزی سفارشات به شکلی انجام می شود که هزینه کلی زنجیره به حداقل برسد.
روشبا توجه به تعداد زیاد متغیرها و محدودیت های موجود در مدل ریاضی زمان بندی فعالیت های زنجیره تامین، مساله مورد بررسی در دسته مسائل پیچیده NP-hard قرار می گیرد. به همین دلیل برای حل چنین مسائلی از روش های فراابتکاری استفاده می شود که در مقایسه با روش های دقیق، در زمان کمتری پاسخ های نزدیک به بهینه ارائه می دهند. در این پژوهش، از الگوریتم الکترومغناطیس به منظور حل این مساله استفاده شده است. این الگوریتم بر روی یک پروژه واقعی (بخش پایه های دکل حفاری سینا 1) به کار گرفته شده است.
یافته هامدل ریاضی ارائه شده در این پژوهش، با استفاده از الگوریتم الکترومغناطیس در محیط نرم افزار متلب کدنویسی شده است که پارامترهای ورودی مسئله، شامل پارامترهای عمومی و پارامترهای کنترلی الگوریتم فراابتکاری الکترومغناطیس می باشد. پارامترهای عمومی مربوط به مشخصات پیمانکار، تامین کننده، فعالیت ها، منابع و مواد مصرفی می باشند. به منظور اثبات کارایی و کارآمدی الگوریتم الکترومغناطیس طراحی شده، سه مسئله انتخاب گردید. مسئله اول شامل پنج فعالیت است، مسئله دوم در واقع همان پنج فعالیت مسئله اول اما با دو تامین کننده می باشد، و مسئله سوم با ابعاد بزرگ تر انتخاب شد. ابتدا با استفاده از نرم افزار ایمز جواب دقیق برای مسئله به دست آمده، سپس جواب ها و زمان حل به دست آمده از الگوریتم الکترومغناطیس با آن مقایسه شد. باید به این نکته توجه کرد که با افزایش ابعاد مسئله، زمان رسیدن به جواب در نرم افزار AIMMS به صورت قابل توجهی (به صورت نمایی) افزایش می یابد. الگوریتم الکترومغناطیس ارائه شده با توجه به زمان حل، عملکرد قابل قبولی را نشان می دهد. زمان جواب الگوریتم فراابتکاری الکترومغناطیس برای حل مسئله نمونه 115 ثانیه است ولی زمان رسیدن به جواب توسط نرم افزار دقیق ایمز حدود 747 ثانیه است. همچنین اختلاف نسبی الگوریتم فراابتکاری الکترومغناطیس نسبت به نرم افزار دقیق ایمز تقریبا یک درصد می باشد. در آخر نیز برای تحلیل حساسیت از تاثیر روش های مختلف پرداخت بر هزینه زنجیره تامین پروژه، استفاده شده است.
نتیجه گیریدر این پژوهش، مدل سازی و حل مسئله زنجیره تامین پروژه دو سطحی شامل پیمانکار و تامین کنندگان ارائه شده است که هزینه های مربوط به پروژه و موجودی برای هر دو عضو زنجیره کمینه سازی شده است. با مقایسه نتایج حاصل از روش دقیق و الگوریتم الکترومغناطیس، مشخص شد که زمان حل با استفاده از الگوریتم الکترومغناطیس به طور قابل توجهی کمتر از زمان حل در روش دقیق است. علاوه بر این، اختلاف نسبی کیفیت نتایج تقریبا به یک درصد محدود می شود. این موارد به خوبی نشان دهنده اثربخشی و کارآمدی الگوریتم پیشنهادی هستند. نتایج به دست آمده نشان می دهد که الگوریتم الکترومغناطیس پیشنهادی برای این مساله، الگوریتمی موثر و دارای همگرایی به جواب بهینه می باشد.
کلید واژگان: زمانبندی فعالیت، زنجیره تامین پروژه، برنامه ریزی موجودی، عدم قطعیت، بازسازی، الگوریتم های فراابتکاریIntroduction and objectivesRefurbishing an oil rig is one of the best alternatives to renting this capital-intensive equipment since its rental cost amounts to tens of thousands of dollars per day. This research focuses on the scheduling of activities and inventory planning in the supply chain of the Sina 1 drilling rig reconstruction project. Since no prior record of such an endeavor exists in the country, project scheduling is conducted under conditions of activity uncertainty. In addition, uncertainty in the timing of activities improves project owners' understanding of their schedule and creates a broader view of the project and future activities. In this model, contractor and supplier costs are considered simultaneously, and uncertain activity scheduling and order planning are carried out in a way that minimizes the overall cost of the chain.
MethodGiven the large number of variables and constraints in the mathematical model of supply chain activity scheduling, the problem under study is classified as NP-hard. For this reason, meta-heuristic methods are used to solve such problems, which provide near-optimal answers in less time compared to exact methods. In this study, the electromagnetic algorithm has been used to solve this problem. This algorithm has been applied to a real project (the foundation section of the Sina 1 drilling rig).
FindingsThe mathematical model proposed in this research has been coded using the electromagnetic algorithm within the MATLAB software environment. The input parameters include general parameters and control parameters of the electromagnetic meta-heuristic algorithm. General parameters pertain to the specifications of the contractor, suppliers, activities, resources, and consumables. To validate the efficiency and effectiveness of the designed electromagnetic algorithm, three case problems were selected. The first problem consists of five activities; the second problem involves the same five activities but with two suppliers, while the third problem features a larger-scale scenario. First, the exact solution for each problem was obtained using AIMMS software, and then the solutions and computational times of the electromagnetic algorithm were compared with those of AIMMS. Notably, as problem size increases, the solution time in AIMMS grows significantly (exponentially). The proposed electromagnetic algorithm demonstrates acceptable performance in terms of computational time. The meta-heuristic electromagnetic algorithm solves the sample problem in 115 seconds, whereas AIMMS requires approximately 747 seconds to find the exact solution. Additionally, the relative deviation of the electromagnetic meta-heuristic algorithm from AIMMS is approximately one percent. Finally, a sensitivity analysis was conducted to examine the impact of different payment methods on the project's supply chain costs.
ConclusionThis research presents the modeling and solution approach for a two-level project supply chain, encompassing both the contractor and suppliers, with the objective of minimizing project and inventory costs for both entities.By comparing the results obtained from the exact method and the electromagnetic algorithm, it was found that the solution time using the electromagnetic algorithm is significantly less than the solution time in the exact method. In addition, the relative difference in the quality of the results is limited to approximately one percent. These cases clearly indicate the effectiveness and efficiency of the proposed algorithm.The results indicate that the proposed electromagnetic algorithm is a highly effective approach for this problem and converges toward an optimal solution.
Keywords: Activity Scheduling, Project Supply Chain, Inventory Planning, Uncertainty, Reconstruction, Meta-Heuristic Algorithms -
The purpose of this article is to present the evolutionary model of loan sales using collective intelligence and meta-heuristic algorithms (bird flight algorithm). In terms of method, this research is in the category of quantitative research, and in terms of purpose, it is included in the category of applied research. The statistical population includes all active companies admitted to the Tehran Stock Exchange. This research has been investigated between 2011 and 2019 for active companies admitted to the Tehran Stock Exchange. The method of data collection is through library study and financial data of companies admitted to the stock exchange by referring to the financial statements and explanatory notes with the financial statements, and it has also been compiled using the Rahavard Novin software. Also, with the help of EViews 9 and MATLAB software, he presented a borrowing sales model, and in the next step, with the help of MATLAB software and the flight of bird's algorithm, he presented an evolutionary model of borrowing sales, in the end, by comparing the step-by-step regression model and the borrowing sales model. The findings showed that the borrowing sales model with the help of the bird flight algorithm has a higher efficiency.
Keywords: Meta-Heuristic Algorithms, Loan Sales, Bird Flight Algorithm, Collective Intelligence, Evolutionary Model Of Loan Sales -
هدف این تحقیق طراحی سیستم انتخاب کانالهای توزیع در زنجیره تامین صنعت نفت با استفاده ترکیب شبکه عصبی- فازی تطبیقی و الگوریتم های فراابتکاری(مطالعه موردی: شرکت ملی پخش فراورده های نفتی مناطق دو گانه آذربایجان-غربی) بوده است. این تحقیق بر اساس هدف تحقیق، توسعه ای- کاربردی بوده و بر اساس روش انجام تحقیق توصیفی- مدلسازی بوده است. جامعه آماری این پژوهش، 190 فروشندگی های محور، سکودار و جایگاه های عرضه سوخت در مناطق دو گانه شمال و جنوب استان آذربایجان غربی بوده که اطلاعات 185 در دسترس بوده است. بنابراین نمونه آماری تحقیق شامل 185 فروشندگی های محور، سکودار و جایگاه های عرضه سوخت بوده است. در این تحقیق از ابزارهای پرسشنامه و اسناد و مدارک در جهت گردآوری داده ها استفاده شده است. به منظور تجزیه و تحلیل داده ها از تحلیل عاملی تاییدی، شبکه عصبی- فازی تطبیقی در حالت پایه و شبکه عصبی- فازی تطبیقی ترکیب شده با الگوریتم های فراابتکاری ژنتیک و ازدحام ذرات بهره گرفته شده است. در این پژوهش ابتدا سیستم ترکیبی انتخاب کانال توزیع طراحی شده و سپس با استفاده از سیستم طراحی شده بر اساس کمترین خطا، کانال توزیع سنتی و طرح برندسازی جایگاه های سوخت، بر اساس نمرات ورودی ارزیابی گردیده است. نتایج نشان می دهد که بهترین سیستم برای انتخاب کانال توزیع، شبکه عصبی- فازی تطبیقی ترکیب شده با الگوریتم ازدحام ذرات بوده است. با مقایسه عملکرد طرح برندسازی و روش سنتی، مشخص گردید که طرح برندسازی عملکرد بهتری داشته و کانال توزیع مناسبی برای شرکت ملی پخش فراورده های نفتی مناطق دو گانه آذربایجان غربی می باشد.
کلید واژگان: کانال توزیع، صنعت نفت، شبکه عصبی- فازی تطبیقی، الگوریتم های فراابتکاریThe purpose of this research was to design a distribution channel selection system in the supply chain of the oil industry using the combination of adaptive neural-fuzzy network and meta-heuristic algorithms (Case study: National Oil Products Distribution Company of the dual regions of West Azerbaijan). This research was based on the purpose of the research, developmental-applicative and based on the descriptive-modeling research method. The statistical population of this research was 185 axis sales, Sekodar and fuel supply stations in the two regions of North and South of West Azarbaijan province. In this research, questionnaires and documents were used to collect data. In order to analyze the data, confirmatory factor analysis, adaptive neural-fuzzy network in basic mode and adaptive neural-fuzzy network combined with genetic meta-heuristic algorithms and particle swarm have been used. In this research, first, the combined distribution channel selection system was designed, and then using the system designed based on the least error, the traditional distribution channel and the branding plan of the fuel stations were evaluated based on the input scores. The results show that the best system for selecting the distribution channel was the adaptive neural-fuzzy network combined with the particle swarm algorithm. By comparing the performance of the branding plan and the traditional method, it was determined that the branding plan has a better performance and is a suitable distribution channel for the National Oil Products Distribution Company of the dual regions of West Azerbaijan.
Keywords: Distribution Channel, Oil Industry, adaptive neural-fuzzy network, meta-heuristic algorithms -
International Journal of Business Management and Entrepreneurship, Volume:2 Issue: 4, Summer 2023, PP 1 -11
Optimization problems are problems that should identify the best solution to fulfill the constraints and max/min of the objective function. In general, metaheuristic algorithms, a community of natureinspired approaches with specialized stochastic operators, have developed to address these difficult challenges. The development of computing technology indirectly encourages the development of several new algorithms. There has been a significant increase from the discovery of new metaheuristic methods in recent years to get better optimizations for non-linear and complex problems. Metaheuristic algorithm has the characteristics of a simple and optimal approach. In addition, metaheuristic algorithms are also durable and self-organized. Metaheuristic algorithms are computational intelligence paradigms especially used for sophisticated solving optimization problems. This paper proposes a novel swarm intelligence-based metaheuristic called as sea-horse optimizer (SHO), which is inspired by the movement, predation and breeding behaviors of sea horses in nature. The SHO is a method that duplicates the life of a Sea Horse in the ocean when it moves, looks for prey and breeds.
Keywords: Meta-Heuristic Algorithms, Sea-Horse Optimizer, Optimization, Bio-Inspired -
مسیله زمان بندی پروژه، یکی از مهم ترین و کاربردی ترین مفاهیم مدیریت پروژه است. بسیاری از شرکت ها و سازمان هایی که پروژه محورند، استراتژی کاهش هزینه های متغییر را در اجرای پروژه دنبال می کنند. با توجه به محیط کسب وکار کنونی، بسیاری از شرکت ها علاوه بر پایین آوردن هزینه های خود، به دنبال پیشگیری از تاخیر در اتمام پروژه اند. در این پژوهش، یک مدل ریاضی چندهدفه فازی زمان بندی پروژه با محدودیت منابع چندمهارته، با قابلیت تغییر سطح مهارت ها ارایه شد که هدف آن بهینه کردن سیاست زمان بندی پروژه و استخدام مهارت هاست. با توجه به چند هدفه بودن مدل، از یک رویکرد برنامه ریزی آرمانی استفاده شده است که مدل تک هدفه معادل حاصل می شود. نظر به اینکه مسیله زمان بندی پروژه چندمهارته جزء مسایل ان پی سخت محسوب می شود و مسیله پیشنهادی نیز حالت توسعه یافته مسیله مذکور است، درنتیجه آن نیز جزء مسایل ان پی سخت است. به همین سبب برای حل مسیله پیشنهادی، روش فرا ابتکاری ژنتیک چندهدفه ژنتیک و فاخته انتخاب و برای حل مسیله از آن استفاده شد. در ادامه، مقدار بهینه پارامترهای الگوریتم های پیشنهادی با استفاده از رویکرد تاگوچی تعیین و سپس نتایج محاسباتی برای مجموعه ای از مسایل نمونه تولیدشده توسط نرم افزار رنجن 1، ارایه و عملکرد الگوریتم ها ارزیابی و آنالیز شد. نتایج نشان می دهد الگوریتم ژنتیک چندهدفه عملکرد بهتری نسبت به الگوریتم فاخته چندهدفه دارد. در پایان نیز یافته ها جمع بندی و پیشنهادهایی به منظور تحقیقات آتی ارایه شد.کلید واژگان: زمان بندی پروژه، چند مهارته بودن نیروی انسانی، الگوریتم های فرا ابتکاری، تنظیم پارامترPurposeTime and cost are significant factors in every project. By reducing the resources allocated to the project, project costs are reduced, while the reduction of available resources means the inability to simultaneously implement activities or activities in the shortest possible time, which in turn increases the duration of the project. This is although, in all projects, the completion of the projects in the earliest time is considered one of the important parameters of the project. Considering the highly practical application of the examined problem, project scheduling by investing multi-skill resources with the possibility of changing the skill level in fuzzy conditions can be considered a positive step towards creating project scheduling problems.
Design/methodology/approach: In this paper, the proposed mathematical model of meta-heuristic genetic algorithms to solve the proposed model is discussed and explained in detail. Several skills are needed to perform each activity. The goal is to optimally determine resource availability and find the best schedule by minimizing investment in resources.FindingsConsidering the activities' need for different skills as well as the expertise of the project members in different skills, it seems obvious that each activity can be done with several different situations in terms of human resources allocation, which might be only for one activity, reaching more than 10 modes. As a result, compared to MRCPSP, this issue has a much higher complexity. The Resource Investment Problem (RIP) is a variant of RCPSP where renewable resource constraints are considered decision variables. In many projects, managers, in addition to making decisions about the time of implementation of activities, should determine the number of resources allocated to activities in each period of the implementation of activities according to the status of the project, which means ignoring the constant pattern of resource consumption for activities during their implementation.
Practical implications: By comparing the algorithms with the indicators of maximum extension, distance from the ideal solution, distance, and several Pareto solutions, it was found that the multi-objective genetic algorithm performs far better than the multi-objective Cuckoo algorithm regarding the criteria, distance from the ideal solution, and the largest expansion. However, in terms of the number of Pareto solutions, the algorithm is not superior to the other algorithms. Therefore, it can be concluded that the multi-objective genetic algorithm has relatively a better performance than the multi-objective Cuckoo algorithm.
Social implications: In this research, each activity can be performed with several different situations in terms of human resource allocation, which may reach more than 10 situations just for one activity. As a result, compared to MRCPSP, this issue has a higher level of complexity. Literature review indicates that being multi-skilled increases the productivity, quality, and consistency of work and gives managers more flexibility in work allocation.
Originality/value: One of the most important branches of project scheduling knowledge is the problem of project scheduling with limited resources. This new concept has led to the development of one of the most general modes of scheduling problems under the title of multi-mode project scheduling with limited resources, which solves many real problems and can be modeled for application.Keywords: Project Scheduling, Multiskilled manpower, Meta-heuristic algorithms, parameter setting -
نشریه اندیشه آماد، پیاپی 82 (پاییز 1401)، صص 157 -184زمینه و هدف
طراحی شبکه زنجیره تامین یکی از مهم ترین مسایل در مدیریت زنجیره تامین است. لذا هدف این پژوهش طراحی شبکه زنجیره تامین حلقه بسته در شرایط عدم قطعیت و حل آن با استفاده از الگوریتم های فرا ابتکاری است.
روشاین تحقیق از نوع کاربردی است. در این پژوهش از شیوه ی مطالعه ی میدانی و کتابخانه ای برای جمع آوری اطلاعات استفاده شد. با توجه به انتخاب صنعت تایر به عنوان صنعت موردنظر برای طراحی شبکه زنجیره تامین پیشنهادی، در این پژوهش با استفاده از تحقیقات میدانی داده های موردنیاز از شرکت های کیان تایر، ایران تایر، لاستیک دنا، لاستیک بارز، کویر تایر، یزد تایر، آرتاویل تایر و پارس تایر جمع آوری و در حل مدل مورد استفاده قرار گرفت.
یافته ها:
مدل سازی این زنجیره بر اساس ملاحظات زیست محیطی، حداقل سازی هزینه کل زنجیره و حداکثر سازی پاسخ گویی به تقاضای مشتری صورت گرفته است. درنهایت این مدل با استفاده از الگوریتم های فرا ابتکاری NRGA و NSGAII حل شده و نتایج به دست آمده با یکدیگر مقایسه شده اند. همچنین به منظور سنجش اعتبار، مدل پیشنهادی با استفاده از روش اپسیلون محدودیت در نرم افزار GAMS نیز پیاده سازی شده است.
نتیجه گیری:
در این پژوهش به طراحی شبکه زنجیره تامین حلقه بسته در شرایط عدم قطعیت و حل آن با استفاده از الگوریتم های فرا ابتکاری پرداخته شد و بر اساس نتایج پژوهش، پیشنهادهای اجرایی ارایه گردید.
کلید واژگان: زنجیره تامین، زنجیره تامین حلقه بسته، لجستیک معکوس، بهینه سازی، بهینه سازی چند هدفه، الگوریتم های فرا ابتکاری، نظریه مجموعه های فازیBackground and AimSupply chain network design is one of the most important issues in supply chain management. Therefore, the purpose of this study is to design a closed loop supply chain network in conditions of uncertainty and solve it using meta-heuristic algorithms.
MethodologyThis research is of applied kind. In this research, field and library study methods were used to collect information. Considering the selection of the tire industry as the under study industry for designing the proposed supply chain network, in this study, using field research, the required data from Kian Tire, Iran Tire, Dena Tire, Barez Tire, Kavir Tire, Yazd Tire, Artaville Tire and Pars Tire were collected and used to solve the model.
FindingsThe modeling of this chain is done based on environmental considerations, minimizing the total cost of the chain and maximizing the response to customer demand. Finally, this model is solved using NRGA and NSGAII meta-heuristic algorithms and the obtained results are compared with each other. Also for credit evaluation suggested model using limitation epsilon method has been implemented in the GAMS software too.
ConclusionIn this research, the design of closed-loop supply chain network in conditions of uncertainty and its solution using meta-heuristic algorithms is considered and based on the research results, executive proposals were presented.
Keywords: Supply chain, closed loop supply chain, inverse logistics, optimization, multi-objective optimization, meta-heuristic algorithms, fuzzy sets theory -
در سالهای اخیر، شاهد ظهور و گسترش الگوریتم های فراابتکاری و استفاده از آنها جهت حل مسایل پیچیده، غیرخطی و NP-hard بوده ایم. هدف از انجام این تحقیق رتبه بندی الگوریتم های فراابتکاری با استفاده از روش های تصمیم گیری گروهی بوده است. در این راستا، پنج الگوریتم شامل: GA، PSO، ABC،SFLA و ICA انتخاب و با بهره گیری از 15 تابع تست استاندارد و هم چنین با در نظر گرفتن دو شاخص «میانگین تابع هدف» و «میانگین زمان محاسباتی» مقایسه ها انجام شد. در ادامه الگوریتم ها بوسیله سه تکنیک تصمیم گیری گروهی شامل:«کوک وسیفرد»، «کندرست» و «دادسون» رتبه بندی گردیدند. علاوه بر این، در این پژوهش برای خروج از گره حاصل از یکسان شدن رتبه برخی از گزینه ها در روش های کندرست و دادسون راه حل هایی پیشنهاد و سپس الگوریتم های تحت بررسی، با روش های پیشنهادی نیز رتبه بندی شدند. در نهایت رتبه بندی کلی با استفاده از یک مدل تخصیص انجام شد، که نتایج آن به صورت زیر است: رتبه یکم PSO ، رتبه دوم ICA ، رتبه سوم GA، رتبه چهارم ABC و رتبه پنجم SFLA .
کلید واژگان: الگوریتم های ازدحامی و تکاملی، الگوریتم های فراابتکاری، رتبه بندی الگوریتم های فراابتکاری، روش های تصمیم گیری گروهیIn recent years, meta-heuristic algorithms and their application in solving complicated, nonlinear and NP-hard problems have dramatically increased, while new algorithms have constantly being introduced. In this research, with the aim of ranking meta-heuristic algorithms, using group decision making techniques (different from other research in this field), 5 algorithms including: GA, PSO, ABC, SFLA and ICA by 15 standard test functions, and considering 2 attribute: "mean of answers" and "run time", have been compared. Then they are ranked by 3 group decision making methods including: "Cook and Seiford", "Condorcet" and "Dodgson". In addition, as in ranking by "Condorcet" and "Dodgson" methods, sometimes some options posit the same rank, therefore, in this study; we presented a proposal to overcome the limitation. Then the algorithms with these proposed methods were ranked. Finally, the overall ranking is done using an allocation model our results show that the overall ranking is as follows, respectively: PSO, ICA, GA, ABC and SFLA.
Keywords: Evolutionary, Swarm Algorithms, Meta-Heuristic Algorithms, Ranking of Meta-Heuristic Algorithms, Group Decision Making Methods -
در اقتصاد رقابتی کنونی، مدیریت زنجیره تامین امری مهم تلقی می گردد. در سال های اخیر به دلیل کمبود منابع جهت پاسخگویی به تقاضای فزاینده غذا، توجه محققان به زنجیره تامین مواد غذایی افزایش یافته است. از آنجاییکه ماهی یکی از اقلام مطلوب در سبد غذایی خانوار است، توسعه آبزی پروری و بازیافت محصولات برگشتی در لجستیک معکوس به حفظ منابع آبی و توسعه پایدار کمک قابل ملاحظه ای می نماید. از این رو نهادهای دولتی و همچنین ذینفعان صنعت آبزی پروری علاقه مند به لجستیک معکوس هستند. مطالعه حاضر بر روی بهینه سازی یک زنجیره تامین حلقه بسته ماهی متمرکز شده است. بدین منظور، در ابتدا یک مدل ریاضی دو هدفه ارایه شده است که علاوه بر به حداقل رساندن هزینه ها، به حداکثر رساندن پاسخگویی به تقاضای مشتریان در شرایط عدم قطعیت را نیز درنظر می گیرد. چندین الگوریتم فراابتکاری چند هدفه شناخته شده و یک الگوریتم فراابتکاری تلفیقی پیشنهادی برای یافتن راه حل های پارتو بکار گرفته شده اند و راه حل ها از نظر معیارهای عملکرد مقایسه گردیده اند. همچنین روش اپسیلون-محدودیت و تجزیه و تحلیل حساسیت جهت اعتبارسنجی الگوریتم ها و ارزیابی کارایی مدل بکارگرفته شده اند. سرانجام، از الگوریتم ویکور برای انتخاب روش حل برتر استفاده شده است. به منظور نشان دادن قابلیت مدل پیشنهادی، یک مطالعه موردی شامل زنجیره تامین حلقه بسته ماهی قزل آلا در شمال ایران بررسی گردیده است. نتایج حاصل از بررسی مسایل نشان می دهند که مدل توسعه یافته می تواند جهت صرفه جویی در هزینه ها و بالابردن سطح رضایت مشتریان موثر باشد.
کلید واژگان: زنجیره تامین حلقه بسته، لجستیک معکوس ماهی، مدل ریاضی دو هدفه، عدم قطعیت، الگوریتم فراابتکاریThe supply chain management is an important factor in current competitive market. In recent years, the shortage of resources for answering an increasing food demand has increased researchers’ attention to the food supply chain. Given the importance of fish in the Household Food Basket, the development of aquaculture and recycling of returned goods in reverse logistics would significantly help with preserving water resources, as well as sustainable development. Therefore, government agencies and aquaculture industry beneficiaries are interested in reverse logistics. This study is focused on the optimization of a closed-loop supply chain of fish. To this end, a new bi-objective mathematical model is proposed that both minimizes total costs and maximizes fulfilling customers demand in uncertainty situation. Several well-known multi-objective meta-heuristic algorithms and a proposed hybrid meta-heuristic algorithm are applied to identify Pareto solutions. The solutions are then compared in terms of performance metrics. Also, the epsilon-constraint method and sensitivity analysis are used to validate the algorithms and evaluate the performance of the model. Lastly, the VIKOR method is used to select the superior method. To demonstrate the capability of the proposed model, a closed-loop supply chain of trout in northern Iran is investigated as a case study. The results show that the developed model could be effective in reducing the costs and increasing customer satisfaction.
Keywords: closed-loop supply chain, Fish reverse logistics, Bi-objective mathematical model, Uncertainty, Meta-Heuristic Algorithms -
این مقاله به دنبال طراحی و تنظیم سیستم های عصبی-فازی توسعه تامین کننده، تعیین درجه اهمیت مقوله های مختلف آن و پیشنهاد فعالیت های مناسب، براساس نتایج به دست آمده برای توسعه تامین کنندگان صنعت خودرو است. برای طراحی سیستم ها از سه روش منقطع سازی شبکه ای، خوشه بندی کاهشی و سی-میانگین فازی و برای تنظیم آنها از روش های پس انتشار و هیبرید و الگوریتم های فراابتکاری کلونی مورچگان، تکامل تفاضلی، ژنتیک و ازدحام ذرات استفاده می شود. با مقایسه نتایج سیستم های تنظیم شده، مناسب ترین آنها انتخاب و براساس آن نمره توسعه تامین کننده در مقوله های مختلف و همچنین، توسعه تامین کننده برای 53 تامین کننده از تامین کنندگان استراتژیک صنعت خودرو پیش بینی می شود. برای تحلیل حساسیت مقوله های توسعه تامین کننده، از یک رویه پنج مرحله ای استفاده شده است. نتایج مقایسه روش ها نشان می دهد روش طراحی سی-میانگین فازی نسبت به دو روش دیگر، روش های فراابتکاری نسبت به دو روش سنتی و الگوریتم های کلونی مورچگان، تکامل تفاضلی و ژنتیک نسبت به الگوریتم ازدحام ذرات، نتایج بهتری به دست می دهد. نتایج تحلیل حساسیت نشان می دهد مقوله توسعه قابلیت های محیطی، حساس ترین مقوله است و مقوله های توسعه قابلیت های ناملموس، توسعه قابلیت های ملموس و توسعه روابط، به ترتیب در رتبه های دوم، سوم و چهارم قرار دارند. نتایج همبستگی بین خروجی سیستم توسعه تامین کننده و میانگین نمره های خبرگان نشان می دهد سیستم طراحی شده، دقت زیادی دارد؛ براساس یافته ها، فعالیت های مناسب برای توسعه تامین کنندگان در مقوله های مختلف، پیشنهاد می شود.
کلید واژگان: توسعه تامین کننده، صنعت خودرو، تحلیل حساسیت، سیستم استنتاج فازی- عصبی انطباقی، الگوریتم های فراابتکاریPurposeThis paper aims to design and regulate the Adaptive Neural Fuzzy Inference Systems (ANFIS) of supplier development, determine the importance of different categories of supplier development (SD), and suggest appropriate activities based on the results for the development of suppliers in the automotive industry.
Design/methodology/approachTo design ANFIS, Grid Partitioning, Subtractive Clustering, and FCM have been used. Then, they have been regulated using Back Propagation (BP), Hybrid, Ant Colony Optimization (ACO), Differential Evolution (DE), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) methods. A five-step procedure has been used for sensitivity analysis of the supplier development categories. By comparing the results of the regulated systems, the most appropriate ones were selected. Also, based on the supplier development score in different categories separately, the supplier development score was predicted for 53 strategic suppliers in the automotive industry. By sensitivity analysis, SD-related categories were prioritized to guide automotive industry manufacturers to use SD-related activities.
FindingsFindings indicated that the FCM compared to the other two methods; meta-heuristic regulation methods compared to BP and Hybrid, and ACO, DE, and GA compared to PSO led to better results. The ACO in all systems, the DE in four systems, and the GA in two categories were identified as the dominant methods, while the PSO was not dominant in any of the categories. This finding implies the priority of meta-heuristic algorithms as ACO> DE> GA> PSO, based on the data of this study. The results of the correlation between the scores of the ANFIS and the average scores of the experts show that the designed ANFIS has high accuracy.Practical implications: The results of this study will direct manufacturers' investments and direct involvement in SD. The findings encourage manufacturers and suppliers of the Iranian automotive industry first to activities related to the development of environmental capabilities and then activities related to the development of three other categories. The managers of Iran's automotive industry are suggested to apply the activities related to the development of suppliers' environmental capabilities. These activities include evaluating the supplier's environmental performance and feedback, sharing environmental information, ethics and social responsibility, obtaining environmental and social certifications, developing programs to improve the quality of life of target communities, green procurement, and environmental awareness, logistics activities Inversion, and joint efforts to improve performance are sustainable.
Originality/valueThis study was one of the first in-house studies to compare the results of meta-heuristic algorithms compatible with ANFIS in the field of SD. In addition, in terms of implementation, it offered suitable SD activities to car manufacturers.
Keywords: Supplier Development (SD), Automotive Industry, sensitivity analysis, Adaptive Neural Fuzzy Inference System (ANFIS), Meta-heuristic algorithms -
این پژوهش به بررسی یک مدل مکان یابی- مجودی- قیمت گذاری زنجیره تامین با در نظر گرفتن محدودیت ظرفیت انبارش و امکان خرابی مراکز انبارش به دلیل بروز حوادث و همچنین چند نوع کالای فسادپذیر، می پردازد. در این مدل فرض برآنست که با بروز حادثه، مرکز انبارش کاملا خراب میشود و مشتریان مربوط به مرکز خراب شده به دیگر مراکز تخصیص داده میشوند. بنابراین، برای کاهش ریسک موجود در مدل از استراتژیهای جایگزین از جمله استراتژی قیمت گذاری و سیستم های سرویس دهی پشتیبان، استفاده شده است. در این مدل از روش های فراابتکاری برای حل کردن مدل، اسفاده شده است و کارایی روش ها با هم مقایسه شده است. در مرحله بعدی، جهت بررسی رفتار مدل، بر روی پارامترهای اساسی مدل تحلیل حساسیت اعمال گردیده است.
کلید واژگان: مکان یابی- مجودی- قیمت گذاری، فسادپذیری، فراابتکاریIn this study, we discuss a location-inventory-pricing model considering the capacity constraints of the warehouses, disruption, and multiple perishable products. We extend a model that assumes that warehouses may face disruption, failed warehouses cannot cover any service, and their customers are assigned to other warehouses. To decrease the risk of disruption, we examine the efficiency of markup pricing strategy and support services. The objective function of this MINLP is to maximize the total profit of warehouses. To solve this model, Genetic Algorithm (GA) and Grasshopper Optimization Algorithm (GOA) are used. To evaluate the recommended model, several sensitivity analyses are proposed. Finally, the results of numerical experiments implicate the high-performance of GOA in dealing with problems and achieving better results. According to the results, backup services and markup pricing strategies are very effective in reducing the damage caused by the disruption.
Keywords: Location-inventory, Perishability, Markup pricing, Disruption, Meta-heuristic algorithms -
توسعه یک مدل ریاضی چندهدفه برای مسئله زمان بندی خدمه پرواز و حل آن توسط روش های MODE و NSGA- II
در این پژوهش، یک مدل ریاضی چندهدفه برای مسئله زمان بندی خدمه پرواز چندمهارته ارایه شده است. در این مسیله، خدمه دارای دو مهارت سرمهمانداری و مهمانداری هستند و هر یک با توجه به تجربه ای که دارند، امکان تخصیص یافتن به پروازها و یا انواع هواپیما را پیدا می کنند. اهداف مدل پیشنهادی عبارت اند از: 1. بیشینه سازی مجموع انطباق روزهای مرخصی بر روزهای درخواستی افراد و 2. کمینه سازی مجموع جریمه انحرافات از حداقل و حداکثر ساعات کاری مجاز. با توجه به NP-Hard بودن مسئله زمان بندی خدمه، برای حل مدل پیشنهادی از دو الگوریتم فراابتکاری تکامل تفاضلی چندهدفه (MODE) و الگوریتم ژنتیک با مرتب سازی غیرمغلوب نسخه دوم (NSGA-II) استفاده شده است. پارامترهای دو الگوریتم توسط روش تاگوچی تنظیم شده اند. دو الگوریتم بر اساس چند معیار سنجش عملکردی چندهدفه مورد مقایسه قرار گرفتند. هر کدام از الگوریتم ها توانستند از نظر برخی از معیارهای سنجش عملکردی موفق تر عمل کنند. نتایج مقایسات الگوریتم ها و تحلیل حساسیت نشان داد که الگوریتم NSGA-II در زمان کمتر (حدود 18درصد) و کیفیت جواب های بهتری می تواند زمان بندی های مناسب تری برای مسئله زمان بندی خدمه پرواز ارایه کند.
کلید واژگان: برنامه ریزی پرواز، زمان بندی نیروی انسانی، بهینه سازی چندهدفه، الگوریتم های فراابتکاریA Multi-Objective Mathematical Formulation for the Airline Crew Scheduling Problem: MODE and NSGA-II Solution ApproachesIn this research, a multi-objective mathematical model is proposed for the airline multi-skilled crew scheduling problem. The multi-skilled crew can be assigned to flights and airplanes according to their skills. The objective functions of the proposed model are: (1) Maximizing the number of leave days planned according to the days announced by the flight crew, and (2) Minimizing the penalty costs associated with violation of minimum and maximum working hours. Several test problems have been designed based on the data acquired by the airline studied in this research. Due to the NP-hard essence of the model, we have employed two meta-heuristics, namely the multi-objective differential evolution (MODE) and Non-dominated Sorting Genetic Algorithm II (NSGA-II). These algorithms are calibrated using the Taguchi method. The algorithms have been compared based on several multi-objective performance measures. Each algorithm has been more successful in terms of some metrics. The comparisons between algorithms and sensitivity analysis show that the proposed model and algorithms can produce appropriate schedules for the airline crew scheduling problem.
Keywords: Flight planning, Crew scheduling, Multi-Objective Optimization, Meta-heuristic algorithms -
هدف
در سال های اخیر نگرانی های جهانی در خصوص مسایل زیست محیطی و اجتماعی، باعث شده است که مصرف کنندگان، سازمان های دولتی، شرکت ها و دانشگاه ها فعال تر شوند و بیش از پیش به طراحی شبکه زنجیره تامین در جایگاه اساسی ترین بخش زنجیره تامین پایدار توجه کنند. هدف اصلی این مقاله، ارایه مدل ریاضی شبکه زنجیره تامین برای شرکت شیشه سازی همدان با در نظر گرفتن ابعاد پایداری است.
روشدر این مقاله برای به حداقل رساندن آثار زیست محیطی و حداکثر سازی آثار اجتماعی و سود اقتصادی، مدل برنامه ریزی عدد صحیح مختلط چندهدفه فازی، به منظور طراحی زنجیره تامین پایدار حلقه بسته در وضعیت عدم قطعیت ارایه شده است. در این مدل، هم محدودیت ها و هم پارامتر های مسئله از نوع فازی است که با استفاده از روش خیمنز قطعی شده و برای حل مدل، از الگوریتم های فراابتکاری NSGA-II و MOPSO استفاده شده است.
یافته ها:
مدل برنامه ریزی پیشنهادی با دو الگوریتم ژنتیک چندهدفه و ازدحام ذرات چندهدفه حل شد و مقایسه های لازم بین نتایج صورت گرفت و در نهایت، جواب های پارتو مشخص شد. با توجه به نتایج، از لحاظ معیار زمان، الگوریتم NSGA-II بر MOPSO و از نظر معیار MID الگوریتم MOPSO بر NSGA-II برتری دارد و در باقی معیارها برتری معناداری نسبت به هم ندارند.
نتیجه گیری:
بر اساس نتایج، ملاحظات هم زمان ابعاد اقتصادی، زیست محیطی و اجتماعی و عدم قطعیت در برخی پارامترها همچون تقاضا و میزان برگشتی، به بهبود عملکرد زنجیره تامین از نظر سودآوری و پاسخ گویی به نیازهای مشتریان منجر می شود.
کلید واژگان: زنجیره تامین پایدار، الگوریتم های فراابتکاری، برنامه ریزی خطی عدد صحیح مختلطObjectiveIn recent years, global concerns about environmental and social issues have made consumers, government organizations, companies and universities more active, and their focus has increasingly been on the design of the supply chain network as the most important part of the supply chain. The main objective of this paper is to present a supply chain modeling model for Hamadan Glass Manufacturing Company considering the dimensions of sustainability.
MethodsIn this paper, a Fuzzy Multi-objective Mixed Integral Programming is presented to design a closed loop supply chain under uncertainty conditions in order to minimize environmental impacts and maximize social impacts and economic benefits. In this model, both the constraints and the parameters of the problem are fuzzy, which is determined by the Jimenez method, and the algorithms of NSGA-II and MOPSO have been used to solve the model.
ResultsThe proposed model was solved with two multi-objective genetic algorithms and multi-objective particle swarm optimization, and the necessary comparisons were made between the results. Finally, Pareto's solutions were determined. According to the results, the two algorithms differ in the time criterion that the NSGA-II is superior to MOPSO. Also, there are two different algorithms in the MID standard that MOPSO excels over NSGA-II and does not have any significant superiority over the remaining criteria.
ConclusionBased on the results of the research, simultaneous consideration of economic, environmental and social dimensions and uncertainty in some parameters such as demand and returns lead to improved supply chain performance in terms of profitability and customer satisfaction.
Keywords: Sustainable Supply Chain, Meta-heuristic algorithms, Mixed-Integer Linear Programming -
مسیریابی وسایل نقلیه یکی از مسایل مطرح در حوزه مباحث مدیریت لجستیک است و علی رغم تلاش های بسیار در جهت یکپارچگی این مساله با سایر حوزه های لجستیک، بسیاری از جنبه های آن نیازمند تحقیق و توسعه است. نحوه گزینش مشتری در مساله مسیریابی یکی از این رویکردها است و عدم توجه به آن می تواند تاثیرات بسزایی بر افزایش هزینه، کاهش درآمد، فروش از دست رفته، نارضایتی مشتریان و افزایش کالاهای مرجوعی داشته باشد. این مساله، بازنویسی مدل کلاسیک مساله مسیریابی وسایل نقلیه با در نظر گرفتن رویکرد انتخاب مشتری به عنوان یکی از رویکردهای مطرح در مدیریت توزیع می باشد ایده اصلی حاکم بر این مقاله در نظر گرفتن این واقعیت است که مقدار تقاضای هر منطقه مقداری ثابت است و در صورتی که یک کالا بین فروشندگان متعددی در آن منطقه توزیع شود کل تقاضا بین این فروشندگان توزیع خواهد شد. در عین حال، رضایت مصرف کنندگان نهایی وابسته به گستردگی توزیع می باشد و در صورت توزیع بین گره های بیشتر، رضایت بیشتری خواهند داشت. بر مبنای همین ایده، در مقاله حاضر با تلفیق مساله کلاسیک مسیریابی وسایل نقلیه با رویکرد توزیع انتخابی، یک فرمول بندی جدید از این مساله در قالب یک مدل ریاضی دوهدفه ارائه شده است. در این تحقیق ابتدا مروری بر ادبیات موضوع صورت گرفته و سپس، مساله تحقیق بیان شده است. در ادامه و بر اساس مفروضات محدودکننده که توصیف کننده شرایط مساله است به مدلسازی مساله مسیریابی وسایل نقلیه با انتخاب مشتریان پرداخته شده و مدل ریاضی مساله ارائه شده است. این مدل با تعدادی داده نمونه حل و اعتبارسنجی شده است.کلید واژگان: مسیریابی وسایل نقلیه، گزینش مشتری، توزیع گزینشی کالا، برنامه ریزی چندهدفه، الگوریتم های فرا ابتکاریVehicle routing is one of the significant issues in the field of Logistics management and despite many endeavors for integrating this issue with other fields of logistics, most of its aspects require research and development. The selection of interdependent factors in vehicle routing is one of these approaches and it can have a considerable impact on price increase, income decrease, lost sale, dissatisfaction of customers and increase in returned goods. This issue is the rewritten classic model of vehicle routing by considering the approach of selecting a customer as one of the significant approaches in the distribution management. The main idea of this article is to consider the fact that the number of requests for each region is a fixed amount and if goods were distributed among several sellers in that region, all of the requests would be divided among these sellers, which is not desirable for the sellers and results in considerable distribution expenses. Above all, the satisfaction of ultimate consumers depends on broad distribution and if distributed among more ones, there would be greater satisfaction. Based on this idea, in the present research, a new formulation from this issue in the form of a two-purpose mathematical model has been presented by putting together the classic vehicle routing and the approach of selective distribution. In this research, firstly, a review of the literature of this subject has been carried out, and then the issue has been raised. Following that, based on the limiting assumptions describing the conditions of the issue, modeling of vehicle routing with the approach of selecting interdependent factors has been considered and mathematical modeling has been presented. This model with a set of sample data has been dealt with and its reliability has been assessed.Keywords: Vehicle routing, Customer selection, Selective distribution of goods, multi-purpose planning, meta-heuristic algorithms
-
نشریه مدیریت فردا، پیاپی 60 (پاییز 1398)، صص 205 -220
رشد یک شرکت برای دستیابی به اهداف اقتصادی مهم تلقی می شود. با توجه به اینکه بسیاری از کسب و کارهای کوچک و متوسط به فرایند رشد نمی رسند و در سال های اولیه فعالیت خود شکست می خورند، یک سیستم پیش بینی رشد شرکت ها می تواند از هزینه های هنگفتی که در شروع کسب و کارها، کارآفرینان و شرکت ها پرداخت می کنند، جلوگیری نماید. بر همین اساس هدف این تحقیق، پیش بینی رشد شرکت های کوچک و متوسط با ترکیب شبکه عصبی و الگوریتم های فراابتکاری بوده است. هدف این تحقیق کاربردی و بر اساس روش انجام کار توصیفی- مدل سازی بوده است. جامعه آماری این تحقیق کلیه شرکت های کوچک و متوسط استان زنجان بوده است. حجم نمونه آماری با توجه به رشد شرکت ها، 158 شرکت تعیین شده است. به منظور جمع آوری داده ها در این تحقیق از مصاحبه، پرسشنامه و اسناد و مدارک شرکت ها استفاده شده است. روایی و پایایی پرسشنامه به ترتیب به صورت روایی صوری و پایایی آن با استفاده از ضریب آلفای کرونباخ مورد بررسی و تایید قرار گرفته است. به منظور تجزیه و تحلیل داده های تحقیق از روش های تحلیل عاملی تاییدی، شبکه عصبی پرسپترون چند لایه، شبکه عصبی ترکیب شده با الگوریتم ژنتیک و شبکه عصبی ترکیب شده با الگوریتم ازدحام ذرات استفاده شده است. نتایج نشان می دهد که هر سه روش قادر به پیش بینی رشد شرکت بوده و در بین این سه روش بهترین روش پیش بینی رشد شرکت، شبکه عصبی ترکیب شده با الگوریتم ازدحام ذرات با کمترین مقدار خطا نسبت به دو روش دیگر می باشد.
کلید واژگان: رشد شرکت، شبکه عصبی مصنوعی، الگوریتم¬، های فراابتکاریManagement tomorrow, Volume:18 Issue: 60, 2020, PP 205 -220The growth of a company is considered to be an important economic goal. Given that many small and medium enterprises do not grow into growth and fail in the early years of their operations, a predictive system of corporate growth can be offset by the huge costs Starting businesses, entrepreneurs and companies to pay. Accordingly, the purpose of this study was to predict the growth of small and medium enterprises with the combination of neural network and meta-heuristic algorithms. The purpose of this research was applied and based on the method of doing descriptive-modeling work. Statistical population of this research was all small and medium enterprises of Zanjan province. Statistical sample size According to the growth of companies, 158 companies has been designated. In order to collect data in this study, interviews, questionnaires and documents of companies have been used. Validity and reliability of the questionnaire were verified and and using Cronbach's alpha coefficient. In order to analyze the research data using confirmatory factor analysis methods, the neural network of multilayer perceptron, neural network combined with genetic algorithm and neural network combined with particle swarm algorithm have been used. The results show that all three methods are able to predict the growth of the company. Among these three methods, the best predictive method for growth of the company is the neural network combined with the particle swarm algorithm with the least error rate compared to the other two methods.
Keywords: Firm Growth, Artificial Neural Network, Meta-heuristic algorithms -
تصمیم گیری برای سرمایه گذاری، همواره یکی از مهمترین مسائل سرمایه گذاران بوده است. سرمایه گذاران در بورس تلاش می کنند تا از میان طیف وسعی از شرکت های عضو و با توجه به شاخص های مالی متعدد سرمایه گذاری خود را انجام دهد تا ضمن دستیابی به بالاترین بازده، کمترین ریسک را نیز متحمل شود. بر این اساس امروزه، روش های متعددی برای تحلیل داده های این شرکت ها وجود دارد. یکی از روش هایی که از میان انبوه داده ها، به دسته بندی این شرکت ها می پردازد روش خوشه بندی است. بر این اساس، پژوهش حاضر با هدف شناسایی و تفکیک شرکت های موفق از ناموفق بازار بورس اوراق بهادار تهران با استفاده از روش خوشه بندی K-means و حل این مساله با کمک الگوریتم های فرا ابتکاری انجام گرفته است. نتایج این تحقیق حاکی از آن است که حل این مساله به روش فراابتکاری در مقایسه با روش های معمول، کاراتر بوده و به بهینه ی سراسری منجر شده است. همچنین این نتایج با نتایج حاصل از تفکیک شرکت های عضو بورس بهادار تهران با روش تعیین ورشکستگی آلتمن مقایسه شده و توسط این روش نیز تایید شده است.
کلید واژگان: خوشه بندی، بازار بورس اوراق بهادار تهران، مدل K-means، الگوریتم های فرا ابتکاری، مدل ورشکستگی آلتمنInvestment decision, have always has been one of the most important issues. Investors are trying to achieve the highest efficiency and the least risk by selecting the best companies from Among a wide variety of companies considering to various financial indicators. Accordingly, today, there are many ways to analyze the data from this company. One of the ways is clustering that classification of the companies. However, the present study aimed to identify and distinguish successful from unsuccessful companies in Tehran Stock Exchange has been done using K-means clustering. Then this problem is solved using meta-heuristic algorithms. The results indicate that meta-heuristic algorithms compared with conventional methods, more efficient and have led to a global optimum. Also these results of Altman’s bankruptcy model were confirmed results of meta-heuristic algorithms.
Keywords: clustering, Tehran Stock Exchange, model K-means, meta-heuristic algorithms, Altman bankruptcy model -
هدف
هدف این پژوهش ارائه مدل و حل مسئله زمان بندی پروژه با محدودیت منابع با اهداف چندگانه قابلیت اطمینان، ریسک، زمان و هزینه پروژه در حالت گسسته، با لحاظ کردن قابلیت فشرده سازی چندگانه و همچنین حالت های اجرای یکسان زیرمجموعه فعالیت هاست.
روشبا بررسی و مطالعه ادبیات موضوع، یک مدل برنامه ریزی ریاضی برای مسئله ارائه شد و به دلیل NP-hard بودن مسائل زمان بندی در حالت گسسته، برای حل مسئله، از الگوریتم های فراابتکاری NSGA-II، MODA و NSGA-III در ابعاد متفاوت، استفاده شده است. پس از ارائه نتایج، عملکرد الگوریتم های ذکرشده با استفاده از تعدادی معیارهای عملکردی ارزیابی شده است.
یافته هااستفاده از مفاهیم فشرده سازی چندگانه و حالت های اجرای یکسان زیرمجموعه فعالیت ها و به تبع آن انتخاب بهترین حالت برای اجرای فعالیت ها در هر زیرمجموعه، با تعیین تعداد مناسب واحدهای زمانی فشرده سازی، سبب می شود در رابطه با اهداف پروژه به نتایج بسیار بهتری دست یافته و در نتیجه، قابلیت اطمینان پروژه حداکثر و ریسک، زمان و هزینه تکمیل پروژه حداقل شود.
نتیجه گیریدر نظر گرفتن مفاهیم قابلیت اطمینان و ریسک پروژه تا حد بسیار زیادی می تواند در هرچه بهتر انجام شدن پروژه ها کمک کند، در حالی که در بیشتر تحقیقات انجام شده، صرفا به زمان و هزینه به عنوان اهداف پروژه توجه می کنند. علاوه بر آن با لحاظ کردن قابلیت هایی همچون فشرده سازی چندگانه و حالت های اجرای یکسان زیرمجموعه فعالیت ها، علاوه بر نزدیک کردن مسئله به دنیای واقعی، می توان به جواب های بهتری نیز دست یافت.
کلید واژگان: زمان بندی پروژه، قابلیت اطمینان و ریسک، الگوریتم فراابتکاری، حالت های اجرای یکسان، فشرده سازی چندگانهObjectiveThe purpose of this paper is to provide a model to solve the problem of discrete resource constraints project scheduling with multi objectives of reliability, risk, time and cost of the project, taking into account the multiple crashable modes and mode-identity capabilities.
MethodsStudying the literature on the subject, a mathematical programming model for the problem is presented. Due to the NP-hardness of discrete project scheduling problems, the NSGA-II, NSGA-III and MODA, meta-heuristic algorithms are developed within different dimensions to solve the problem. After presenting the results, the comparison of these algorithms has been done using a number of multi-objective performance measures.
ResultsUsing multiple crashable modes concept and mode-identity in the subset of activities, and, consequently, choosing the best mode for executing activities in each subset and also determining the number of suitable units to reduce the time span, will lead to much better results in terms of project objectives. As a result, the reliability of the project will be maximized and the risk, the time and the cost of project completion will be minimized.
ConclusionWhile most previous studies have mainly focused on the time and costs of the project objectives, considering the reliability and risk of the project can help projects to yield better results. In addition, the features such as multiple crashable modes and mode-identity will lead to the real world situations and also better solutions can be found.
Keywords: Project scheduling problem, Reliability, risk, Meta-heuristic algorithms, Multiple crashable modes, Mode-identity -
در فرآیندهای صنعتی عوامل متعددی با سطوح مختلف وجود دارند که هر کدام ممکن است بر رویمشخصات محصول نهایی تاثیر گذار باشند. در این تحقیق، مدلسازی ریاضی غیر خطی چند هدفه برای 5 مشخصه کیفی محصول پلی اتیلن ترفتالات که یکی از محصولات پرکاربرد و مهم صنعت پتروشیمی کشور می باشد، برحسب 4 متغیر)پارامتر(کلیدی اثرگذار فرایند تولید آن انجام گرفته است. برای همین منظور از روش سطح پاسخ که تلفیقی از طراحی آزمایشات و آزمون های آماری است به همراه شبکه عصبی مصنوعی و الگوریتم های فراابتکاری استفاده شده است.کلید واژگان: روش سطح پاسخ، شبکه عصبی مصنوعی، الگوریتم های فراابتکاری، پلی اتیلن ترفتالاتThere are several different factors in industrial processes, which may have an impact on final product specifications. In this paper, the nonlinear multi-objective mathematical modeling for the 5 qualitative characteristics of polyethylene terephthalate (PET) as one of the most widely used products in petrochemical industry is done by 9 Key parameters affecting the production process. For this purpose, Response Surface Methodology that is the combination of experiments design and statistical tests is applied along with Artificial Neural Network and Metaheuristic algorithms.Keywords: Response Surface Methodology, Artificial Neural Network, Meta heuristic algorithms, polyethylene terephthalate (PET)
-
در فرآیندهای صنعتی عوامل متعددی با سطوح مختلف وجود دارند که هر کدام ممکن است بر روی مشخصات محصول نهایی تاثیر گذار باشند. در این مقاله به موضوع بهینه سازی پارامترهای فرایند تولید پیوسته و محدودیت های موجود در انتخاب تعداد این پارامترها و عوامل اثرگذار پرداخته و مدلی مفهومی به همراه گام های مختلف آن با استفاده از رویکرد تلفیقی روش سطح پاسخ، شبکه عصبی مصنوعی و الگوریتم های فراابتکاری ارائه شده است. به عنوان مطالعه موردی، فرایند تولید پلی اتیلن ترفتالات با 5 مشخصه کیفی به عنوان متغیرهای پاسخ و 9 متغیر اثرگذار مورد مدلسازی قرار گرفته است. روش پیشنهادی این امکان را فراهم می نماید که در شرایطی که تغییراتی در برنامه تولید بوجود می آید که منجر به کاهش یا افزایش میزان تولید محصول گردد، بتوان در ضمن رعایت حدود استاندارد متغیرهای پاسخ (مشخصه های کیفی محصول)، نسبت به مشخص نمودن مقادیر متغیرهای اثرگذار (که همان تنظیمات فرایند تولید می باشند) اقدام نمود.
کلید واژگان: تولید پیوسته، روش سطح پاسخ، شبکه عصبی مصنوعی، الگوریتم های فراابتکاریManagement Researches, Volume:6 Issue: 21, 2014, PP 123 -140There are several different factors in industrial processes، each of which may have an impact on final product specifications. In this paper، to optimize the parameters of continuous production process and restrictions the choice of these parameters and influence factors are discussed، and conceptual model with its steps، using a combination approach of Response Surface Methodology، Artificial Neural Network and Meta heuristic algorithms is presented. as an example، modeled polyethylene terephthalate (PET) process with the 5 quality characteristics as response variables and 9 influence factors. The proposed approach makes it possible that when caused a change in the production plan which leads to a decrease or an increase of production، be able Meanwhile observe the standard of response variables (characteristics of product quality)، to determine amounts variables (the product of the adjustment of process requirements) can be.Keywords: Continues Production, Response Surface Methodology, Artificial Neural Network, Meta heuristic algorithms
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.