یک مدل دوهدفه در مسائل مکان یابی تخصیص با استفاده از ترکیب رتبه بندی کامل بازه ای و SCBM

محورهای موضوعی : مدیریت

ماجده کردجزی ¹ , ابوالفضل کاظمی ²

1 - کارشناسی ارشد ، دانشگاه آزاد اسلامی، واحد قزوین، گروه صنایع ، قزوین، ایران
2 - استادیار، دانشگاه آزاد اسلامی، واحد قزوین، گروه صنایع ، قزوین، ایران (عهده دار مکاتبات)

تاریخ دریافت : 1396/06/30 تاریخ پذیرش : 1396/06/30 تاریخ انتشار : 1396/06/01

کلید واژه: تحلیل پوششی داده ها, بهینه سازی چند هدفه, خدمات آمبولانس زمینی و هوایی, محیط بازه ای,

چکیده مقاله :

مدل های پوشش، کاربرد گسترده ای در مسائل دنیای واقعی دارند. با این وجود، یک رویکرد کلی، همیشه پاسخگو نیست؛ چرا که برخی از فرضیات مدل های پوشش به اندازه ی کافی، واقع بینانه نیستند. فرضیاتی از قبیل عدم دسترس پذیری خدمت دهندگان و تعویق خدمت رسانی در مواقع اضطراری، عدم قطعیت ناگزیر در مسائل دنیای واقعی و ارزیابی فاکتورهای بیشتر در زمان مشابه، فرضیاتی هستند که مدل های پوشش، اغلب با آن ها مواجه شده اما پاسخی برای آن ها نمی یابند. بنابرین چگونگی مواجهه با این فرضیات، همواره به عنوان یک سؤال مطرح بوده است. در این تحقیق، برای مواجهه با عدم دسترس پذیری خدمت دهندگان، از مدل پوشش پشتیبانی و برای مواجهه با شرایط عدم قطعیت، از مدل رتبه بندی کامل بازه ای بهره گرفته ایم. همچنین تلفیق این دو مدل، ما را قادر می سازد تا علاوه بر فاکتور پوشش، فاکتورهای دیگری مانند کارایی و هزینه را در زمان مشابه، ارزیابی کنیم. در انتها، به منظور بررسی و مقایسه نتایج، مدل پیشنهادی به ترتیب در مقیاس کوچک و بزرگ با استفاده از روش های دقیق و الگوریتم تکاملی ژنتیک حل شده است. نتایج، حاکی از آن است که مدل پیشنهادی علیرغم بررسی همزمان فرضیات اشاره شده، عملکرد مطلوبی داشته و هیچ یک از فرضیات، ناقض یکدیگر نیستند.

چکیده انگلیسی:

Covering models have found many applications in a wide variety of real world problems, nevertheless some assumptions of covering models are not realistic enough, that’s why a general approach wouldn’t be able to answer needs of encountering varied aspects of real world considerations. Assumptions like unavailability of servers in emergency circumstances, postponing the process of serving customers, inevitable uncertainty in real world and evaluating more factors at the same time, are a sort of assumptions which covering models always face them but they are not able to find any answer to them. Therefore, how to deal with these sorts of assumptions has been reminded a big question. In this research, for facing unavailability, we address Backup covering and for facing uncertainty in input data, we propose Interval Full-ranking model. Furthermore, by combining backup covering and interval full-ranking models (also conceptions), not only we can save time and evaluate more factors like efficiency and cost simultaneously, but also covering considerations in real aspects are reachable. In final, we have solved the proposed model by using precise methods and Genetic revolutionary algorithm in small and large scales, respectively in order to analyze evaluate and compare the results. Results demonstrate appropriate performance of the proposed model despite simultaneous consideration of the mentioned assumptions and none of the assumptions are mutually exclusive.