epsilon constraint
در نشریات گروه فنی و مهندسی-
در این مقاله، برنامه ریزی توسعه همزمان تولید و انتقال مقید به تاب آوری (RCGTEP) شبکه انتقال در برابر بلایای طبیعی از قبیل زلزله و سیل ارائه می شود. از اینرو طرح پیشنهادی به صورت یک مساله دوهدفه مدل سازی می شود که در یک تابع هدف کمینه سازی هزینه های احداث و بهره بردرای منابع تاب آوری (RSها) و مد نظر است، و در تابع هدف دیگر کمینه سازی انرژی مورد انتظار تغذیه نشده (EENS) در اثر خاموشی سیستم در برابر بلایای طبیعی مذکور فرمول بندی خواهد شد. همچنین طرح پیشنهادی مقید به معادلات پخش توان بهینه AC (AC-OPF)، مدل برنامه ریزی و بهره برداری RSها از قبیل واحدهای تولید، خطوط انتقال مستحکم، ادوات FACTS سری و موازی (SF و PF)، و محدودیت های تاب آوری و پایداری زاویه ای سیستم قدرت در برابر زلزله و سیل در حضور بارهای بحرانی و غیربحرانی می باشد. این استراتژی دارای عدم قطعیت دسترس پذیری RSها در شرایط بلایای طبیعی است، لذا مدل سازی تصادفی برای RCGTEP اتخاذ خواهد شد. در نهایت، نتایج عددی بدست آمده با اجرای استراتژی پیشنهادی برروی شبکه های انتقال استاندارد IEEE تایید کننده قابلیت های این طرح در بهبود همزمان شاخص های اقتصادی، بهره برداری، پایداری زاویه ای و تاب آوری سیستم قدرت است
کلید واژگان: برنامه ریزی توسعه، سیل و زلزله، منابع تاب آوری، قید اپسیلن، شبکه انتقالJournal of New Achievements in Electrical, Computer and Technology, Volume:5 Issue: 1, 2025, PP 96 -104In this paper, the Resilience-Constrained Simultaneous Generation and Transmission Expansion Planning (RCGTEP) of the transmission network against natural disasters such as earthquakes and floods is presented. Therefore, the proposed scheme is modeled as a dual-objective problem, in which one objective function is to minimize the construction and operation costs of the resilient resources (RSs) and is considered, and in the other objective function, the expected energy not fed (EENS) due to the system outage against the aforementioned natural disasters will be formulated. Also, the proposed scheme is constrained by the AC optimal power distribution equations (AC-OPF), the planning and operation model of RSs such as generating units, robust transmission lines, series and parallel FACTS devices (SF and PF), and the resilience and angular stability constraints of the power system against earthquakes and floods in the presence of critical and non-critical loads. This strategy has uncertainty of RS availability under natural disaster conditions, so stochastic modeling will be adopted for RCGTEP. Finally, numerical results obtained by implementing the proposed strategy on IEEE standard transmission networks confirm the capabilities of this scheme in simultaneously improving economic indicators, utilization, angular stability and power system resilience.
Keywords: Development Planning, Floods, Earthquakes, Resilience Resources, Epsilon Constraint, Transmission Network -
توسعه استفاده از خودروهای برقی در بخش حمل و نقل، مستلزم تاسیس زیرساخت های شارژ این خودروها مانند ایستگاه های شارژ سریع است. ضمن آنکه برای کاهش آلاینده های ناشی از فعالیت نیروگاه های سوخت فسیلی، باید از منابع انرژی تجدیدپذیر و سیستم های ذخیره ساز انرژی در ایستگاه های شارژ سریع استفاده کرد. در این مقاله، یک مدل خطی آمیخته با عدد صحیح به منظور تعیین ظرفیت منابع انرژی تجدیدپذیر و سیستم ذخیره انرژی باتری در یک ایستگاه شارژ با دو تابع هدف حداقل کردن هزینه های اقتصادی و حداقل کردن انتشار آلاینده ها ارائه شده است. در مدل پیشنهادی، امکان استفاده از منابع تولیدی انرژی تجدیدپذیر بادی و خورشیدی و چهار نوع فناوری باتری شامل اسید سرب، نیکل کادمیوم، لیتیوم یون و سولفور سدیم لحاظ شده است. با توجه به دو تابع هدف متناقض در مدل پیشنهادی، از روش محدودیت اپسیلون برای تعیین پاسخ های بهینه پارتو و از روش استنتاج فازی جهت تعیین پاسخ نهایی استفاده شده است. نتایج مدل پیشنهادی در چهار افق برنامه ریزی متفاوت، مورد بررسی قرار گرفته است. نتایج نشان می دهد که با افزایش اهمیت تابع هدف کاهش آلاینده ها، ظرفیت نصب شده منابع تجدیدپذیر افزایش می یابد.کلید واژگان: انتشار آلاینده ها، ایستگاه شارژ سریع، ذخیره ساز انرژی، محدودیت اپسیلون، منابع انرژی تجدیدپذیرThe development of electric vehicles in the transportation sector requires the establishment of charging infrastructures such as fast charging stations. Besides, in order to reduce the pollutants caused by fossil fuel power plants, renewable energy sources (RESs) and energy storage systems should be integrated with fast charging stations. In this article, a mixed-integer linear programming model is presented to determine the capacity of RESs and battery energy storage system in a charging station, considering two objective functions including the minimization of economic costs and emissions. The proposed model considers the possibility of using wind and solar resources and four types of battery technology including lead-acid, nickel-cadmium, lithium-ion, and sodium-sulfur. Regarding the two contradictory objectives in the proposed model, the epsilon constraint method has been employed to obtain the Pareto front for optimal solutions. Then, the fuzzy satisfying method has been used to determine the final solution. The results of the proposed model have been examined in four different planning horizons. The results show that with the increase in the importance of the objective function of reducing emissions, the installed capacity of renewable resources increases..Keywords: Emission, Energy Storage, Epsilon Constraint, Fast Charging Station, Renewable Energy Sources
-
Journal of Industrial Engineering and Management Studies, Volume:11 Issue: 1, Winter-Spring 2024, PP 1 -18The purpose of this research is to optimize the use of water resources in dams in Khuzestan province. For this purpose, in this research, we seek to optimize the cost and time of sending water to each of the cities from the total dams in Khuzestan province. The model is solved using the deterministic epsilon constraint method and NSGA-II and MOPSO algorithms meta-heuristically. According to the results presented in this research, the water supply from the Balaroud dam to the cities of Ahvaz, Izeh, Abadan, Baghmolk, and Bandar Imam Khomeini has not been determined to be optimal. The same dam sends a certain amount of water to the cities of Andimeshk, Dezful, Shush, Shushtar and Gotvand. The results showed that NSGA-II has a more acceptable performance than the MOPSO algorithm from the point of view of three criteria, and the MOPSO algorithm has a better condition than the NSGA-II algorithm only in terms of the distance to the ideal point. In addition, according to the sensitivity analysis, it has been determined that the increase in water demand can increase the shipping time by 1.9% and the shipping cost by 60%. Therefore, the effect of water demand is more on time and not on cost. Increasing the budget can have an effect on cost and time, which of course has more effect on time than cost.Keywords: Water Management Of Dams, Optimization, Epsilon Constraint, Meta-Heuristic Algorithm
-
Journal of Industrial Engineering and Management Studies, Volume:10 Issue: 2, Summer-Autumn 2023, PP 19 -41A multi-level sustainable supply chain is related to a system that includes all activities necessary to transfer and supply materials and services from the producer to the consumer. In this system, the focus is on providing materials and services based on a number of objectives, such as reducing costs, increasing quality, and preserving the environment. Due to the increase of uncertainty in the supply chain, organizations need to use resources for the prediction of internal uncertainties, needs, and supply, thereby minimizing vulnerability and elevating the tolerance of their supply. Understanding the uncer-tainties and the parameters causing factors causes the problem of risk management to be raised in some cases. Therefore, main contribution of current study is multi-objective planning for a sustainable, multi-level, multi-period model, consid-ering the determined conditions and boom as uncertainty scenarios, has been specifically considered. The most important goal of the research is to determine the best units of each level (suppliers, factories, ...) of chain networks according to the points and criteria determined in the model and network, design and determine the best communication routes (network) between the selected units Each level is optimal with other levels as well as determining the volume of transported goods in these routes. For this purpose, a mathematical model has been developed, which is solved through the limited epsilon method and NSGA-II meta-heuristic algorithm. Data comparing the mathematical model and NSGA-II meta-heuristic algorithm show the calculated errors of 0.022, which considering that it is less than 0.1, the calculation error is acceptable and can be compared to the results of the error methods. The sensitivity analysis on the probability of the boom scenario showed the value of the objective function can change between 7398.51 and 3245.73. Finally, the sensitivity analysis of the probability of recession scenario showed the value of the objective function can change between 3291.64 and 9364.35. The findings of this research show that using the multi-objective planning model in the sustainable supply chain, taking into account the boom and bust of the market, can create significant improvements in the performance and profitability of the supply chain.Keywords: Sustainable Supply Chain, Uncertainty, Epsilon Constraint, NSGA-II
-
Journal of Modern Processes in Manufacturing and Production, Volume:12 Issue: 2, Spring 2023, PP 53 -79Circular manufacturing supply chains offer a novel and compelling perspective within the realm of supply chain sustainability. Consequently, the development of a suitable solution approach for circular manufacturing supply chains holds significant value. This study presents appropriate solution approaches for a mathematical model that has been formulated for a circular supply chain. To address the small-sized problem, the epsilon-constraint method is proposed. This method aids in obtaining a Pareto set of optimal solutions, facilitating the evaluation of trade-offs among three objectives. Given the NP-hard nature of the problem, the non-dominated sorting genetic algorithm (NSGA-II) is employed to approximate the Pareto front for larger problem sizes. A comparative analysis is conducted between the outcomes achieved in smaller dimensions using the epsilon-constraint method and those generated by the metaheuristic algorithm. The results indicate that the error percentage of the objective function, when compared to the epsilon method, remains consistently below 1%, underscoring the effectiveness of the proposed algorithm. These methodologies empower decision-makers to offer efficient, optimal solutions, enabling them to select the most suitable alternative based on budgetary considerations and organizational policies.Keywords: Circular Manufacturing Supply Chain, Optimization, epsilon-constraint, NSGA-II algorithm
-
Making decisions for allocating locations and determining the optimal route for vehicles will result in saving the number of transportation costs. In this paper, A Multi-Period Multi-Objective Routing-Locating of Heterogeneous Vehicles (MPMORLHVP) is proposed for determining the route and allocating the visit location for heterogeneous vehicles. The MPMORLHVP model can help optimize the routing and locating decisions for heterogeneous vehicles in a multi-period setting. It aims to find the most efficient and effective transportation plan, considering the specific context of a two-echelon supply chain and the possibility of facility breakdowns. Therefore the main contribution of the current study is to provide a strategy for transporting heterogeneous vehicles over periods of time for handling and distribution in a sustainable supply chain. For this purpose, presented a multi-objective mixed integer linear programming (MOMIP) that two objective functions formulated to improve efficiency and effectiveness. The first objective is to minimize the total cost per path. The second goal is to minimize the total repair time of vehicles to visit all areas. The Epsilon Constraint (EC) method has been used to solve the proposed model. The applicability of the proposed model is shown via a numerical problem. The results obtained from solving the proposed model are compared with the routing plan. Based on the obtained results, the lowest allocation cost and duration of vehicle repairs have been calculated separately in each period. In the first period, the lowest and in the second period, the highest amount of cost has been calculated. In addition, in the second period, the lowest and in the third period, the maximum service time of vehicles has been determined. In addition, the results of this study can provide an advantage to decision-makers so that they consider appropriate strategies for disaster response.Keywords: Disaster, Allocation, Routing, Epsilon Constraint
-
تولید کمپوست از مواد زاید دارای سابقه طولانی می باشد و از دیر باز از روش های متفاوتی برای تولید کمپوست استفاده شده است. علیرغم اهمیت بالای کمپوست به عنوان کود ارگانیک برای باروری محصولات کشاورزی، مرور ادبیات زنجیره تامین تولید کمپوست نشان می دهد که این مساله چندان مورد توجه قرار نگرفته است. از طرف دیگر،کیفیت کمپوست تولید شده بسیار حایز اهمیت می باشد. در این مقاله با یک نگاه نوآورانه در قالب روش تحلیل سلسله مراتبی به آن پرداخته شده است. از این رو مقاله حاضر با ارایه یک مدل چند هدفه به چگونگی فرآیند تولید کمپوست و طراحی زنجیره تامین آن و بررسی کیفیت کمپوست، هزینه های کمپوست و همچنین کاهش آلایندگی زیست محیطی گازهای گلخانه ای حاصل از آن پرداخته است. برای حل مدل چند هدفه از روش های مجموع وزن دهی شده و اپسیلون محدودیت استفاده شده است. مدل برای یک مطالعه موردی حل و کارایی مدل ارایه شده بررسی و با توجه به تحلیل حساسیت های انجام گرفته، بینش های مفید مدیریتی در ارتباط با تعیین ظرفیت بهینه تامین کنندگان و تولید کنندگان، بهبود کارایی زنجیره تامین کمپوست با در نظر گرفتن تابع هدف کیفیت کمپوست، تعیین وسیله حمل و نقل مناسب با در نظر گرفتن اولویت های مدیریتی در مورد هزینه کل زنجیره تامین و الزامات قانونی مربوط به انتشار آلاینده ها و تعیین روش تولید بهینه کمپوست استخراج شده است.کلید واژگان: طراحی زنجیره تامین کمپوست، برنامه ریزی چند هدفه، کیفیت کمپوست، مجموع وزن دهی شده، اپسیلون محدودیتFor a long time, waste materials have been used to produce compost by different methods. Despite the high importance of compost as an organic fertilizer for the fertility of agricultural products, the literature review on the compost supply chain shows that this issue has not received much attention. On the other hand, the quality of the compost produced is very important, which is considered by an innovative glance in the form of analytical hierarchical analysis method, in this paper. Therefore, a multi-objective model proposed which discusses the compost production process, compost supply chain design, compost quality, compost supply chain costs and furthermore the reduction of greenhouse gases emission. The multi-objective model is solved by weighted sum and epsilon constraint methods. The model is implemented for a case study to discover the efficiency of the proposed model. According to the sensitivity analyses, useful managerial insights regarded to determining the optimal capacity of suppliers and producers, improving the efficiency of the compost supply chain by considering the quality objective function, determining the appropriate transportation equipment taking into account the management priorities based on the entire supply chain cost and the legal requirements based on the emission of pollutants and determining the optimal method of compost production are extracted.Keywords: compost supply chain design, Multi objective programming, compost quality, Weighted Sum, Epsilon constraint
-
امروزه تغییرات سریع اقتصادی و فشار بازار رقابتی، سازمان ها را به سمت تمرکز بر اثربخش ترکردن فعالیت های زنجیره تامین سوق می دهد.طراحی مناسب و کارایی شبکه های لجستیکی علاوه بر ایجاد مزیت رقابتی پایدار،باعث افزایش رضایت مشتریان می شود.در این پژوهش طراحی یک شبکه لجستیک حلقه بسته بهمنظور کاهش آلایندگی های محیط زیستی،با استفاده از روش استوار سازی برتسیماس و سیم ارایه شد.مدل ریاضی ارایه شده در این پژوهش با درنظرگرفتن اهداف کمینه سازی هزینه های مربوط به حمل و نقل،زمان دریافت مواد اولیه از تامین کننده وزمان عودت محصول از مشتری به مرکز جداساز ارایه شد.استراتژیک بودن زنجیره تامین حلقه بسته و فضای حل تقریبی سبب تحمیل هزینه های زیادی به سیستم می شود.در این پژوهش جهت افزایش دقت در جواب های مدل از الگوریتم حل دقیق محدودیت اپسیلون استفاده شده است.نتایج نشان داد که توزیع محصولات در شرکت مورد مطالعه به میزان 20 درصد بهبود در هزینه ها و زمان بندی توزیع و همچنین سبب افزایش رضایت مشتریان از دریافت کالاهای تولیدی شده است.کلید واژگان: زنجیره تامین حلقه بسته، عدم قطعیت، بهینه سازی استوار، محدودیت اپسیلونCurrently, rapid economic change and increasing competitive market pressure are pushing organizations to focus on making supply chain operations more efficient and effective. Proper design and efficiency of logistics networks as part of supply chain planning, in addition to creating a sustainable competitive advantage, increases customer satisfaction and provides the opportunity to meet their needs, which is why the decisions related to the design of these networks are of great importance. Enjoy. Therefore, in this study, the design of a closed-loop logistics network to reduce pollution and environmental pollution using the Bertsimas and wire stabilization method was presented. The mathematical model to be presented in this research was presented by considering the objectives of minimizing transportation costs, minimizing the time of receiving raw materials from the supplier and minimizing the time of product return from the customer to the separation center. Due to the strategic nature of the closed-loop supply chain, which with the approximate solution space causes a lot of costs to be delivered to the system to increase the accuracy of the answers of the mathematical model and application of this goal in this study It is used to reduce the computational time of the model, the results obtained with high accuracy. On the other hand, because the operational logic of solving Lagrange release is based on a single-objective model, first multi-objective mathematical model with Augmented Epsilon-Constraint The target was converted and then the Lagrange release algorithm was implemented on it.Keywords: Closed-loop supply chain, Uncertainty, robust optimization, Epsilon Constraint
-
Data uncertainty and multiple conflicting objectives are two crucial issues that the Decision Makers (DMs) must handle in making Aggregate Production Planning (APP) decisions in real practice. In order to address these two-mentioned issues, this study presents a multi-objective multi-product multi-period APP problem in an uncertain environment. The model strives to minimize the total costs of the APP plan, total changing rate in workforce levels, and total holding inventory and backorder quantities simultaneously through the Robust Possibilistic Chance-Constrained Programming (RPCCP) optimization approach. In this integrated approach, the RPCCP is applied for handling uncertain data. The RPCCP can not only handle any fuzzy position in the fuzzy model but also control the robustness of optimality and feasibility of the fuzzy model. Then, an Augmented Epsilon-Constraint (AUGMECON) technique is used to cope with multiple conflicting objectives. The AUGMECON technique can produce exact Pareto optimal solutions, which offer the DMs different selections to assess against conflicting objectives. Next, an industrial case study is provided to validate the applicability and effectiveness of the proposed methodology. The obtained outcomes indicate that the proposed RPCCP model outperforms the Possibilistic Chance-Constrained Programming (PCCP) model in terms of interested performance measurements (i.e., average and standard deviation of the objective function). In addition, a set of strong Pareto optimal solutions can be generated to accommodate alternative selections according to the DM’s preferences. Finally, by applying the Max-Min method, the best compromised (trade-off) solution is determined through a comparison among the attained Pareto solutions.
Keywords: Aggregate production planning, robust possibilistic programming, chance-constrained, credibilitymeasure, multiple-objective optimization, epsilon-constraint -
This research builds a decision-based optimization model to evaluate and decide on the methods of technology transfer in the auto-battery industry under uncertainty. This research is conducted based on the needs of the country's battery industry and shows the impact of technology transfer on world-class manufacturing. At first, the effective indices in the assessment of a technology transfer method are singled out through reviewing the literature and the experts' judgment. The sample population in this research consists of experts from eight auto-battery manufacturing companies. Then, each of the approved indices is assessed via the best-worst method, and in continuation, the technology transfer methods are evaluated and prioritized using an MOORA method as multi-criteria decision-making under uncertainty. The gray theory is also used to deal with uncertainty. According to the results obtained from the best-worst method, the five significant indices (i.e., improving style management, business strategy, cost-effectiveness, how to communicate with the organization, and competitiveness) are considered to select the technology transfer methods in the auto-battery production industry. Finally, to implement the proposed framework in the state auto-battery manufacturing industries, a dual-purpose mathematical model is introduced for optimized world-class technology transfer methods. To solve the proposed model, the developed ε-constraint method is used. Finally, based on the results of the proposed method, the transfer method of joint investment is recognized as the most suitable technique for technology transfer in this industry.
Keywords: Technology Transfer, Automotive battery industry, World-class manufacturing, Bi-objective mathematical model, Multi-criteria decision-making model, Epsilon-constraint -
نیاز مبرم و بی پایان به خون انسان ها به صورت کافی و ایمن از یک طرف و هزینه های گزاف سیستم های سلامت از طرفی دیگر، دولت ها را بر آن داشته تا در جهت بهبود عملکرد سیستم های سلامت گام بردارند. یکی از کلیدی ترین بخش های یک سیستم سلامت زنجیره تامین خون است که سهم قابل توجهی از هزینه های این سیستم را به خود اختصاص داده است. بنابراین هرگونه پیشرفتی در عملکرد زنجیره تامین خون می تواند بطور چشمگیری به بهبود کارآیی و صرفه جویی در هزینه های سیستم های سلامت بیانجامد. به منظور دستیابی به کارآیی این زنجیره تامین، داشتن برنامه ریزی مناسب و درخور چالشی است که توجهی بیش از پیش می طلبد. در این مقاله به ارائه یک مدل دوهدفه برنامه ریزی خطی عدد صحیح مختلط برای طراحی شبکه جمع آوری، تولید و توزیع خون تحت شرایط عدم قطعیت و طی یک افق برنامه ریزی چند دوره ای با لزوم اتخاذ تصمیمات استراتژیک و تاکتیکی پرداخته می شود. در مساله مورد بررسی، امکان ارسال خون مابین مراکز منطقه ای خون نیز در نظر گرفته شده است. به منظور حل مدل دوهدفه از روش محدودیت اپسیلون1 و برای مقابله با عدم قطعیت تقاضا، از رویکرد بهینه سازی استوار سبک2 استفاده شده است. سودمندی مدل ارائه شده و همچنین روش حل مورد استفاده، با انجام تعدادی مثال عددی و در ادامه تحلیل حساسیت های مربوطه نمایش داده شده است. در خاتمه، مجموع هزینه های شبکه که ترکیبی از هزینه های نقض محدودیت (در نظر گرفتن استواری شدنی بودن) و هزینه های تابع هدف است، بر اساس دو رویکرد استوار و رویکرد قطعی، به عنوان مبنای مقایسه جوابهای حاصل از حل مدل ارائه شده تحت مجموعه ای از واقع نمایی ها3 اتخاذ شده است و نتایج حاصل بیانگر برتری و غلبه رویکرد استوار بر رویکرد قطعی است.کلید واژگان: انتقال عرضی، بهینه سازی استوار، زنجیره تامین خون، سلامت، محدودیت اپسیلونPossessing a considerable portion of the cost of any health system, blood supply chain is one of the most critical parts of the system. Accordingly, any improvement in the performance of a blood supply chain can result in significantly improved performance as well as cost of the health systems. To have an efficient blood supply chain, appropriate planning is of great significance. This paper puts forward a bi-objective mixed-integer linear programming model for designing blood collection, production, inventory control and distribution under uncertainty with the need for making both strategic and tactical decisions simultaneously over multiple periods of planning. Moreover, blood transshipment between regional blood centers is accounted for in this work. To deal with the proposed bi-objective model, the epsilon-constraint method is devised, and to capture demand uncertainty, a Light robust approach is applied. The usefulness of the concerned model and its solution technique, which is a combination of epsilon-constraint and Light robust methods, is then evaluated via a set of numerical examples, and also, the sensitivity analysis is provided. We close the research while comparing the performance of both deterministic and robust models based on the network total cost, a performance measure including both constraint violation cost (feasibility robustness) and objective functions (optimality robustness) under a specific realization. The results imply that the robust approach strongly outperforms the deterministic one.Keywords: blood supply chain, Healthcare, Epsilon-constraint, robust optimization, Lateral transshipment
-
در مقالاتی که به موضوع مدیریت موجودی توسط فروشنده پرداخته شده است، کمتر به میزان نشر آلاینده های محیط زیست از جمله دی اکسید کربن و سبز بودن لجستیک توجه گردیده است. در این مقاله، مدل سبز مدیریت موجودی توسط فروشنده در زنجیره تامین دوسطحی در حالت مواجه مشتری با کمبود، محدودیت انبار و تعداد سفارشات مورد بررسی قرار گرفته شده است. تابع هدف اول، بیشینه کردن سود فروشنده، شامل میزان فروش منهای هزینه های تولید، توزیع و نگهداری موجودی در حالت مواجه با جریمه های کمبود، و تابع هدف دوم شامل کمینه نمودن میزان انتشار دی اکسید کربن در اثر جابجایی و لجستیک کالاها می باشد. با توجه به اینکه مدل دوهدفه مزبور، غیر محدب و غیرخطی است لذا با استفاده از نرم افزار GAMS مسئله حل گردیده و از الگوریتم اپسیلون محدودیت برای تبادل بین اهداف و به دست آوردن جبهه پارتو در ابعاد کوچک بهره برداری شده است. همچنین مدل فوق با روش سنتی کنترل موجودی در شرایط کمبود مقایسه و عملکرد بهتر مدل فوق مشخص شده است. برای ابعاد بزرگ از الگوریتم ژنتیک مرتب سازی غیر مغلوب (NSGA-II) برای تولید جواب نزدیک به بهینه استفاده شده است. برای تنظیم پارامترهای الگوریتم (NSGA-II) از روش آزمایشات تاگوچی بهره برداری گردیده شده است. نتایج مدل سازی نشان داده است در حالت مجاز بودن کمبود، با کاهش هزینه کمبود، میزان سود و ارسال کالا و میزان سفارشات بیشتر شده و میزان بهینه کمبود و نشر آلاینده ها کمتر گردیده و بدین ترتیب هزینه کمبود موجودی کاهش یافته است.کلید واژگان: مدیریت موجودی، زنجیره تامین سبز، اپسیلون محدودیت، الگوریتم ژنتیکJournal of Industrial Engineering Research in Production Systems, Volume:5 Issue: 11, 2018, PP 193 -209In the articles that have been investigated by the vendor managed inventory less attention to environmental pollution or emission of green logistics is considered. In this paper, the issue of green backorder vendor managed inventory in two-echelon supply has been considered. But innovation in green conditions of this article or reducing the amount of pollution is as a function intended purpose. In view of customer facing staff shortages in the supply chain, two-echelon warehouse and limits the number of orders is considered. The first objective is to maximize profit of vendor, which includes sales minus production and distribution costs and facing to shortage cost. The second objective function is minimizing the amount of pollution caused by the movement of goods. According to the model as a model of bi-objective, non-convex and non-linear algorithms is solved by GAMS and Epsilon-Constraint on a small scale can be used to obtain the Pareto front and compare with traditional inventory management in shortage state and for large scale non-dominated sorting genetic algorithm (NSGA-II) was used to solve the model. To adjust the algorithm parameters NSGA-II Taguchi method has been exploited in this article. The results of this research is that allowed the shortage situation, the lack of cost reduction and environmental pollution reduction, the greater the amount of shipping and orders as well as the lack of a less optimal to reduce the cost of inventory shortages.Keywords: Vendor Managed Inventory, Two Echelon Supply Chain, Epsilon Constraint, NSGA, II
-
برنامه ریزی گیت یکی از فعالیت های کلیدی در فرودگاه هاست که به عنوان یک مساله بهینه سازی تعریف می شود. هدف اصلی این پژوهش پیدا کردن یک تخصیص مناسب برای پروازهای ورودی و خروجی با درنظر گرفتن مجموعه ایی از محدودیت های کاربردی است. یکی از اهدافی که کمتر مورد توجه قرار گرفته است، بالانس نمودن بار کاری گیت ها با استفاده از تعداد مسافران می باشد. در این مقاله، این هدف به همراه دو هدف کمینه کردن تاخیرهای بوجود آمده در زمان تخصیص گیت به هواپیما و بیشینه کردن امتیاز اولویت تخصیص گیت (کنترل ازدحادم مسافران) که تاکنون باهم در نظر گرفته نشده اند، به عنوان اهداف این مساله در نظر گرفته شده است. مساله به شکل برنامه ریزی عدد صحیح مختلط مدل سازی شده است. همچنین این مدل با استفاده از داده های واقعی فرودگاه بین المللی مهرآباد در ابعاد کوچک و متوسط حل شده است. به منظور یافتن مجموعه جواب های پارتو، الگوریتم NSGA-II پیشنهاد و برای نشان دادن کارآیی الگوریتم جواب های بدست آمده در ابعاد کوچک با جواب های بدست آمده از روش محدودیت اپسیلون مقایسه شده است. نتایج نشان می دهد که درصد خطای توابع هدف نسبت به روش محدودیت اپسیلون در تمامی مسایل حل شده کمتر از 1. 5% است که کارآیی الگوریتم پیشنهادی را نشان می دهد. افزایش نمایی زمان حل با استفاده از روش محدودیت اپسیلون در مقابل افزایش خطی توسط NSGA-II نشان دهنده کارآیی روش حل توسعه داده شده، برای حل مساله در ابعاد واقعی و بزرگ است.کلید واژگان: حمل و نقل هوایی، برنامه ریزی گیت، تصمیم گیری چند هدفه، برنامه ریزی عدد صحیح مختلط، الگوریتم NSGA-II، روش محدودیت اپسیلونGate scheduling is a key activity at airports that is proposed as an optimization problem. The main purpose of this problem is to find an assignment for the flights arriving and departing while satisfying a set of practical constraints. Studies show that the gate assignment tables have been used to minimize the gate flights delay and maximize the gate efficiency and productivity. Depending on the situation, different objectives become important. If the load balancing with number of passengers in the gates becomes a bottleneck one has to make sure that the flights are equally spread over the different gates. This load balancing objective function has to be balanced with other objectives, especially minimization total delay time and maximization of the total gate assignment preference score. The related problem is formulated as a mixed-integer programming (MIP). We address this problem using real life data from Mehrabad International Airport for both small and medium size problem. To find the set of Pareto solutions, NSGA-II algorithm is proposed to demonstrate the effectiveness of the solutions which is obtained in small dimensions compared with the results obtained by the method of epsilon constraint. The results show that the percentage of error of objective function compared to epsilon constraint method is less than 1.5% for all problems. Indeed, this shows the efficiency of proposed algorithm which is recommended for solving the medium and large size problem.Keywords: Air Transportation, Gate Scheduling, Multi, objective decision making, Mixed Integer Programming, NSGA, II, Epsilon constraint
-
تفکر ناب یک استراتژی مدیریتی است که در تمام سازمان ها از جمله سازمان های ارائه دهنده خدمات بهداشتی- درمانی قابل به کارگیری بوده و ایده اصلی آن شناسایی و حذف اتلاف ها است. مکان یابی درست یک تسهیل درمانی در زنجیره تامین سلامت، نقش مهمی در پیاده سازی این تفکر در سازمان دارد، چرا که نزدیکی این مراکز به تامین کنندگان از یک سو متضمن تامین سریع و کم هزینه نیازهای بیماران و از سوی دیگر نزدیکی آنها به مراکز جمعیتی موجب دسترسی سریع و ارزان بیماران به این مراکز می شود. بدین ترتیب مکان یابی درست مراکز بهداشتی- درمانی می تواند تا حدود زیادی موجب کاهش اتلاف در وقت و هزینه شود. در این مقاله یک مدل برنامه ریزی ریاضی چندهدفه جدید به منظور مکان یابی و تخصیص خدمات ارائه شده در مراکز درمانی و بیمارستانی ارائه شده است. این مدل با ترکیب هم زمان مدل مکان یابی تسهیلات و تحلیل پوششی داده ها، خدمات با کیفیتی را با حداقل هزینه برای مراجعین فراهم می نماید. در ادامه نیز از روش محدودیت اپسیلون اصلاح شده برای حل مدل پیشنهادی استفاده شده است. همچنین مکان یابی خدمات قابل ارائه در بیمارستان های شهرستان های آمل و تخصیص آنها به مراکز جمعیتی در قالب یک مطالعه موردی انجام و نتایج حاصل تحلیل شده است.
کلید واژگان: تفکر ناب، مکان یابی تسهیلات، بیمارستان، تحلیل پوششی داده ها، محدودیت اپسیلونLean thinking is management strategy that is applicable to all organizations including health care organizations, and its main idea is to eliminate waste. Finding a suitable location for treatment facilities in the health chain plays an important role in the implementation of this idea in the organization, because on the one hand, proximity to suppliers of medical centers ensures rapid and low-cost supply of patient needs. On the other hand, locating health centers near the population areas leads to quick and affordable access to them. Thus locating health centers in a right position can largely reduce the waste of time and money. In this paper, a multi objective mathematical model was developed to locate and allocate Services provided at the clinics and hospitals. The model combines facility location model and DEA simultaneously to provide high quality services at reasonable costs to the clients. The proposed model has been solved using epsilon constraint method, besides locating provided services in Amol hospitals and assigning them to population areas has been done as a case study.Keywords: Lean Thinking, Facility Location, Hospital, DEA, Epsilon Constraint -
یافتن بهترین ترکیب عوامل کنترلی برای بهینه سازی توامان چندین متغیر پاسخ که اکثرا با یکدیگر در تضادند، یکی از مهم ترین نیازهای مسائل صنعتی است. روش معمول برای حل این گونه مسائل استفاده از رگرسیون چندجمله یی برای شناسایی روابط بین عوامل کنترلی و متغیرهای پاسخ است، در حالی که شبکه ی عصبی مصنوعی در حالاتی که این روابط پیچیده باشد قابلیت مناسب تری از خود نشان می دهند. در این نوشتار، برخلاف حالت های به کار برده شده، متغیرهای پاسخ به عنوان ورودی و عوامل کنترلی به عنوان خروجی شبکه ی عصبی مصنوعی در نظر گرفته شده اند تا با ترکیب شبکه ی عصبی مصنوعی، تکنیک محدودیت جزئیپانویس (varepsilon-constraint) و الگوریتم ژنتیک بتوان ترکیبات غیرمسلط کارایی در مسئله ی چندپاسخه ارائه داد. قابلیت روش ارائه شده در قالب مثال عددی بیان شده است که نشان دهنده ی کارایی روش پیشنهادی نسبت به سایر رویکردهای موجود است.
کلید واژگان: مسئله ی چندپاسخه، جواب غیرمسلط، شبکه ی عصبی مصنوعی، محدودیت جزئی، الگوریتم ژنتیکSimultaneous optimization of multiple response problems is an important problem in manufacturing cases. Polynomial regression is a common method for finding the relationship between controllable factors and responses. Some researchers have showed that artificial neural networks have better performance when the relationships are far too complex. In the multiple response problems, determination of non-dominated solutions is more valuable than finding only one solution as an optimum treatment, while this solution is one of the obtained non-dominated solutions. Unlike other existing research into using neural networks for multiple response problems, in the proposed method, responses are assumed as inputs, and controllable factors are assumed as targets of the neural network. This kind of input and target definition for neural networks helps us to determine non-dominated solutions by employing a neural network, an epsilon constraint technique and a genetic algorithm. The proposed method includes three major steps: 1) modeling the relation between responses and controllable factors by employing a neural network, 2) finding non-dominated solutions using an epsilon constraint and a genetic algorithm, 3) sieving solutions obtained from the last step and determining strong non-dominated solutions. For showing the efficiency of the proposed method, non-dominated solutions for a numerical example from the literature are determined by using the proposed approach. Comparing the results shows that obtained non-dominated solutions obtained by the proposed method for the example, are often better than other research results for the same example.
Keywords: Multiple response optimization, non-dominated solutions, artificial neural networks, epsilon constraint, genetic algorithm
- 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.
©2000-2025 magiran.com All Rights Reserved.