مدلسازی و حل بهینه مسائل مدیریت زنجیره تأمین موجب تصمیم‌گیری کارا در برنامه‌ریزی استراتژیک و عملیات زنجیره می‌شود که در پی آن مزیت رقابتی ایجاد می‌شود و قدرت زنجیره افزایش می‌یابد. امروزه با برنامه‌ریزی زنجیره تأمین پایدار می‌توان علاوه بر تحقق اهداف اقتصادی، اهداف و ملاحظات اجتماعی و زیست‌محیطی را نیز ارضاء نمود. در این تحقیق به مدل‌سازی و حل مسئله برنامه‌ریزی عملیات و طراحی شبکه زنجیره تامین حلقه بسته پایدار پرداخته می‌شود که در آن به استخدام و آموزش نیروی انسانی زنجیره تأمین نیز توجه می‌شود. ابتدا یک مدل بهینه‌سازی سه‌هدفه ارائه می‌شود که در آن شبکه زنجیره تأمین طراحی می‌شود و متغیرهای استراتژیک (مثل مکان‌یابی و تعیین ظرفیت تسهیلات، انتخاب تکنولوژی، استخدام وآموزش نیروی انسانی ماهر و یا نیمه‌ماهر و غیره) تعیین می‌شود. سپس مدل چنددوره‌ای به منظور برنامه‌ریزی عملیات زنجیره تامین طراحی‌شده ارائه می‌شود که در آن مقدار تولید، موجودی، عرضه، کمبود، جذب موقت نیروی انسانی و غیره در هر دوره به صورت بهینه بدست آورده می‌شود. در مدل استراتژیک پیشنهادی، موازنه اهداف کمینه‌سازی هزینه‌های زنجیره تامین (اقتصادی)، بیشینه‌سازی اشتغال (اجتماعی)، و کمینه‌سازی اثرات زیست محیطی، با روش از روش اپسیلون محدودیت تکامل یافته انجام می‌شود. همچنین الگوریتم تجزیه بندرز برای حل مسئله در ابعاد بزرگ بکار گرفته می‌شود. در بخش پایانی تحقیق به مطالعه عددی پرداخته می‌شود تا علاوه بر ارزیابی مدل و رویکردهای حل پیشنهادی، نتایج عددی تحلیلی و بینیش‌های مدیریتی ارائه ‌شود. پرونده مقاله

در این مقاله، ارائه یک مدل بهینه‌سازی همزمان جایابی و تخصیص سرور برای شرکت تازه وارد در یک بازار رقابتی مورد توجه قرار گرفته است. هدف بیشینه‌سازی سود شرکت است. مشتریان به­صورت احتمالی و بر اساس معیارهای قیمت، زمان سفر و زمان انتظار در صف، تسهیلات مورد نظر را انتخاب می‌کنند. همچنین فرض می‌شود میزان آگاهی مشتریان از سطوح زمان‌های انتظار در مراکز به صورت مرحله‌ای و طی استفاده‌های متوالی از شبکه افزایش می‌یابد. تقاضا به صورت کشش­دار و تابعی از مطلوبیت مشتریان از طراحی کل شبکه و هزینه ارائه یک واحد خدمات در یک مرکز به صورت تابعی از تقاضای جذب شده آن تعریف می‌شود. برای حل مدل یک الگوریتم تکامل تفاضلی بهبود یافته توسعه داده شده و مسائل نمونه برای نمایش کارایی آن حل شده است. نتایج با روش‌های معرفی شده در تحقیقات پیشین مقایسه گردیدند. نتایج عددی حاکی از آن است که رویکرد پیشنهادی قادر است نسبت به روش‌های پیشین نتایج بهتری ارایه نماید و می‌تواند در حل مسائل کاربردی مورد استفاده قرار بگیرد. پرونده مقاله

برنامه‌ریزی صحیح و مطلوب سیستم آموزشی امری ضروری است که دستاورد‌های فعلی و آینده‌ی هر کشوری را تضمین می‌کند. در سال‌های اخیر به سبب پاندمی بیماری کرونا بسیاری از سازمان‌ها و مؤسسات علمی تصمیم گرفتند که دوره‌های آموزشی، پژوهشی و غیره را برای فراگیران به صورت دوره‌های الکترونیکی برگزار کنند. سپس با گذشت زمان و واکسینه شدن جمعیت قابل قبولی از جوامع تصمیم سازمان‌ها و مؤسسات مذکور بر آن شد که دوره‌ها به صورت تلفیقی از دوره‌های الکترونیکی و دوره‌های حضوری اجرا گردند. در مقاله‌ی حاضر با توجه به مسئله‌ی ذکر شده، مدل‌سازی ریاضی مبتنی بر چگونگی برنامه‌ریزی سیستم آموزشی با هدف کمینه‌سازی هزینه‌یابی چندهدفه مرتبط با این سیستم صورت گرفت. در بخش‌هایی از مدل‌سازی که مرتبط با دوره‌های حضوری است، عناصری چون هزینه‌های تأمین امکانات، تجهیزات، فضای برگزاری دوره‌ها با توجه به رعایت نکات مرتبط با بیماری کووید -۱۹ مد نظر قرار گرفته است. به جهت پیچیدگی ساختار مسئله مدل شده، مسئله حاضر جز مدل‌های NP-hard محسوب می‌گردد؛ لذا جهت حل آن در ابعاد کوچک از نرم‌افزار گمز و برای دستیابی به مجموعه جواب پارتو در ابعاد متوسط و بزرگ از الگوریتم فراابتکاری ژنتیک و دسته‌ی میگوها بهره گرفته شده است. در نهایت نتایج مستخرج از حل مدل‌سازی ریاضی با استراتژی‌های منتخب، دستیابی به جواب‌های بهینه در زمان کمتر و سریع‌تر با به‌کارگیری الگوریتم‌های فراابتکاری نسبت به روش دقیق و کارایی مطلوب الگوریتم‌های مذکور را نشان داده است. پرونده مقاله

هدف از ارائه این مقاله، معرفی رویکردی یکپارچه و تخصصی‌تر برای مواجه شدن با مسئله‌ای چالش ‌برانگیز معروف به «شبکه توزیع آخرین گام از جابجایی فیزیکی محصول » و ارائه ساختاری مفهومی-ریاضی جهت ایجاد ارتباط و هم‌افزایی بین مفاهیم تئوری این حوزه با مسائل بهینه سازی کلاسیک لجستیک شهری است. این مسئله یک شبکه دو سطحی مسیریابی‌-مکان‌یابی متشکل از یک انبار شهری (یا توزیع-کننده)، مشتریان و مکان‌های بالقوه جهت استقرار دو نوع تسهیل (صندوق قفل‌دار خودکار و میکرو توزیع‌کننده) است و مشتریان قادرند محصول خود را پس از سفارش بر اساس مطلوبیت خود در درب منزل و یا از صندوق‌های قفل‌دار خودکار بصورت 24 ساعته با کسب تخفیف دریافت نمایند. برای حل مدل پیشنهادی از الگوریتم تجزیه بندرز اصلاح شده که توسط استراتژی‌های گردکردن مقدار متغییرهای مسئله اصلی و جستجوی محلی تقویت شده استفاده شده است. جهت اثبات کارآیی، به مقایسه خصوصیات دست‌یافته از الگوریتم پیشنهادی با جواب‌های حاصله از روش اپسیلون-محدودیت در محیط نرم افزار نرم افزار پایتون، کتابخانه سیپلکس و نرم افزار آی‌بی‌ام سپلکس پرداختیم که نتایج گواه برتری مطلق این روش درمسائلی با ابعاد بزرگ است. نتایج کسب شده از تحلیل حساسیت نقش صندوق‌های قفل‌دار خودکار بر هزینه و میزان آلایندگی تولید شده در شبکه بیان‌گر کارآمدی و صحّه مدل می‌باشد. پرونده مقاله

با توسعه صنعت بانکداری، بسیاری از بانک‌های کشور به دنبال ارائه خدمات متمایز به مشتریان می‌باشند تا سهم بازار خود را افزایش دهند. به عنوان نمونه استفاده از فناوری تلفن همراه، امکان ارائه خدمات بانکی را به طور 24 ساعته فراهم کرده و به عنوان یک مزیت رقابتی مطرح می‌شود. علاوه بر این، به کارگیری مدیریت دانش مشتری با شناسایی نیازهای اساسی مشتری سبب ارتقاء و مدیریت هدفمند خدمات بانکی می‌گردد. از طرف دیگر، بهبود مدیریت خدمات بانکی موجب افزایش رضایتمندی مشتری و در نتیجه وفاداری آن می‌شود. از این رو، این مقاله به بررسی میزان تأثیر مدیریت دانش مشتری و بانکداری همراه بر بهبود مدیریت خدمات بانکی و در نهایت افزایش وفاداری مشتری می‌پردازد. برای تحقق این هدف ابتدا مؤثرترین شاخص‌های مدیریت دانش مشتری و بانکداری همراه بر بهبود مدیریت خدمات و افزایش وفاداری مشتری به وسیله مصاحبه با خبرگان و مرور ادبیات مربوطه شناسایی می‌گردد. سپس، بانک ملت به عنوان جامعه آماری انتخاب و با استفاده از نمونه گیری تصادفی ساده (فرمول کوکران) تعداد نمونه برآورد می‌شود. در نهایت برای تجزیه و تحلیل داده‌ها روش تحلیل رگرسیون چند متغیره مورد استفاده قرار می‌گیرد. نتایج از تأثیر مثبت مدیریت دانش مشتری و بانکداری همراه به میزان 50% و 50% بر بهبود مدیریت خدمات بانکی و همچنین تأثیر 64% بهبود مدیریت خدمات بانکی بر افزایش وفاداری مشتری حکایت دارد، به طوریکه پیشنهاد می‌گردد بانک‌ها در انتخاب سیستم‌های خدماتی (بانکداری همراه) دقت لازم را به کار گیرند تا قادر به بهبود مدیریت خدمات بانکی و در نهایت افزایش وفاداری مشتریان باشند. پرونده مقاله

با توسعه صنعت بانکداری، بسیاری از بانک های کشور به دنبال ارائه خدمات متمایز به مشتریان می باشند تا سهم بازار خود را افزایش دهند. به عنوان نمونه استفاده از فناوری تلفن همراه، امکان ارائه خدمات بانکی را به طور 24 ساعته فراهم کرده و به عنوان یک مزیت رقابتی مطرح می شود. علاوه بر این، به کارگیری مدیریت دانش مشتری با شناسایی نیازهای اساسی مشتری سبب ارتقاء و مدیریت هدفمند خدمات بانکی می گردد. از طرف دیگر، بهبود مدیریت خدمات بانکی موجب افزایش رضایتمندی مشتری و در نتیجه وفاداری آن می شود. از این رو، این مقاله به بررسی میزان تاثیر مدیریت دانش مشتری و بانکداری همراه بر بهبود مدیریت خدمات بانکی و در نهایت افزایش وفاداری مشتری می پردازد. برای تحقق این هدف ابتدا موثرترین شاخص های مدیریت دانش مشتری و بانکداری همراه بر بهبود مدیریت خدمات و افزایش وفاداری مشتری به وسیله مصاحبه با خبرگان و مرور ادبیات مربوطه شناسایی گردید. سپس، بانک ملت با 180 کارشناس به عنوان جامعه آماری انتخاب شد. با استفاده از نمونه گیری تصادفی ساده (فرمول کوکران) تعداد نمونه برابر با 122 کارشناس برآورد گردید. به منظور جمع آوری داده ها از ابزار پرسشنامه بهره گرفته شد، میزان پایایی آن با استفاده از آلفای کرونباخ سنجش و برابر با 814/0 حاصل گردید. به منظور بررسی روایی پرسشنامه، از روایی عاملی بهره گرفته شد. میزان ضریب بارتلت برابر با 886/0 حاصل شد که با توجه به بزرگتر بودن مقدار آن از 7/0، روایی عاملی پرسشنامه تایید گردید. در نهایت برای تجزیه و تحلیل داده ها روش تحلیل رگرسیون چند متغیره مورد استفاده قرار گرفت. نتایج حاکی از تاثیر مثبت مدیریت دانش مشتری و بانکداری همراه به میزان 50% و 50% بر بهبود مدیریت خدمات بانکی و همچنین تاثیر 64% بهبود مدیریت خدمات بانکی بر افزایش وفاداری مشتری حکایت دارد. مدیریت دانش مشتری و بانکداری همراه نیز به میزان 60% و 55% بر میزان وفاداری مشتریان در جهت مثبت تاثیرگذار گزارش گردیدند. با توجه به نتایج آزمون فرصیات و ارتباط معنی دار وفاداری با مدیریت دانش مشتری و بانکداری همراه، پیشنهادمی گردد، برای افزایش وفاداری مشتری و ارائه خدمات مورد انتظار مشتریان، به مواردی همچون شناسایی نیازهای اساسی مشتری و ارزش گذاری آن ها، شناسایی مشتریان کلیدی و جلب اعتماد آن ها برای سرمایه گذاری های بلند مدت اهمیت ویژه ای قائل گردند. همچنین بانک ها در انتخاب سیستم های خدماتی (بانکداری همراه) دقت لازم را به کار گیرند تا قادر به بهبود مدیریت خدمات بانکی و در نهایت افزایش وفاداری مشتریان باشند. پرونده مقاله

This paper develops a mathematical model using differential equations and considers a bullwhip effect in a supply chain network with multiple retailers and distributors. To ensure the stability of the entire system and reduce the bullwhip effect, a robust control method and an inventory replenishment policy are proposed. This shows that the choice of the output matrix may reduce the bullwhip effect. It has also observed in the inventory replenishment mechanism may be a negative impact on the robustness of the bullwhip effect. However, the inventory replenishment behavior may lead to the bullwhip effect on the presented model. This means that the complex supply relationships may have a significant role in controlling or reducing the bullwhip effect of fluctuations. پرونده مقاله

Decision-making concerning thelocation of critical resource on the geographical network is important in many industries.In the healthcare system,these decisions include location of emergency and preventive care. The decisions of location play a crucial role due to determining the travel time between supply and de//////mand points and response time in emergencies.Organs are considered as highly perishable products,whosevarietyof each product has a specific perish time. Despite the importance of this field,only a small proportion of healthcare sector is dedicated to this field. Matching and finding the best recipient for a donated organ is one of the major problems in this field, which is also crucial for the overall organ transplantation process.Balancing the demand and supply in a transplant organ supply chain in order to decrease the waiting list needs certain scheduling and management.The main contribution of this paper consists of considering recipient regionsas another component of the supply chain;in addition,importance of transportation time and waiting lists hasled us to consider a bi-objective model. In addition, uncertainty of input data has led us to consider a stochastic approach. پرونده مقاله

In this paper, a mixed-integer linearized programming (MINLP) model is presented to design a group layout (GL) of a cellular manufacturing system (CMS) in a dynamic environment with considering production planning (PP) decisions. This model incorporates with an extensive coverage of important manufacturing features used in the design of CMSs. There are also some features that make the presented model different from the previous studies. These include: 1) the variable number of cells, 2) machine depot keeping idle machines, and 3) integration of cell formation (CF), GL and PP decisions in a dynamic environment. The objective is to minimize the total costs (i.e., costs of intra-cell and inter-cell material handling, machine relocation, machine purchase, machine overhead, machine processing, forming cells, outsourcing and inventory holding). Two numerical examples are solved by the GAMS software to illustrate the results obtained by the incorporated features. Since the problem is NP-hard, an efficient simulated annealing (SA) algorithm is developed to solve the presented model. It is then tested using several test problems with different sizes and settings to verify the computational efficiency of the developed algorithm in compare to the GAMS software. The obtained results show that the quality of the solutions obtained by SA is entirely satisfactory in compare to GAMS software based on the objective value and computational time, especially for large-sized problems. پرونده مقاله

This paper presents a new model of two-echelon periodic supply vessel planning problem with time windows mix of facility location (PSVPTWMFL-2E) in an offshore oil and gas industry. The new mixed-integer nonlinear programming (MINLP) modelconsists ofa fleet composition problem and a location-routing problem (LRP). The aim of the model is to determine the size and type of large vessels in the first echelon and supply vessels in the second echelon.Additionally,the location of warehouse(s),optimal voyages and related schedules in both echelons are purposed.The total cost should be kept at a minimum and the need of operation regions and offshore installationsshould be fulfilled.A two-stage exact solution method, which is common for maritime transportation problems, is presented for small and medium-sized problems. In the first stage, all voyages are generated and in the second stage, optimal fleet composition, voyages and schedules are determined. Furthermore, optimal onshore base(s) to install central warehouse(s)and optimal operation region(s) to send offshore installation’s needs are decided in the second stage. پرونده مقاله

One of the main critical steps that should be taken during natural disasters is the assignment and distribution of resources among affected people. In such situations, this can save many lives. Determining the demands for critical items (i.e., the number of injured people) is very important. Accordingly, a number of casualties and injured people have to be known during a disaster. Obtaining an acceptable estimation of the number of casualties adds to the complexity of the problem. In this paper, a location-routing problem is discussed for urgent therapeutic services during disasters. The problem is formulated as a bi-objective Mixed-Integer Linear Programming (MILP) model. The objectives are to concurrently minimize the time of offering relief items to the affected people and minimize the total costs. The costs include those related to locations and transportation means (e.g., ambulances and helicopters) that are used to carry medical personnel and patients. To address the bi-objectiveness and verify the efficiency and applicability of the proposed model, the ε-constraint method is employed to solve several randomly-generated problems with CLEPX solver in GAMS. The obtained results include the objective functions, the number of the required facility, and the trade-offs between objectives. Then, the parameter of demands (i.e., number of casualties), which has the most important role, is examined using a sensitivity analysis and the managerial insights are discussed. پرونده مقاله

The supply chain network design not only assists organizations production process (e.g.,plan, control and execute a product’s flow) but also ensure what is the growing need for companies in a longterm. This paper develops a three-echelon supply chain network problem including multiple plants, multiple distributors, and multiple retailers with amulti-mode demand satisfaction policy inside of production planning and maintenance. The problem is formulated as a mixed-integer linear programming model. Because of its NP-hardness, three meta-heuristic algorithms(i.e., tabu search, harmony search and genetic algorithm) are used to solve the given problem. Also, theTaguchi method is used to choose the best levels of the parameters of the proposedmeta-heuristic algorithms. The results show that HS has abetter solution quality than two other algorithms. پرونده مقاله

A Crew Scheduling Problem (CSP) is a highly complex airline optimization problem, which includes two sub-problems, namely Crew Rostering Problem (CRP) and Crew Pairing Problem (CPP). Solving these problems sequentially may not lead to an optimal solution. To overcome this shortcoming, the present study introduces a new bi-objective formulation for the integrating CPP and CRP by considering the reserve crew with the objectives of crew cost minimization and crew reserve maximization. The integrated model generates and assigns pairings to a group of crew members by taking into account the rules and regulations about employing the manpower (i.e., crew member) and crew reservation in order to reduce flight delays or even cancellations due to the unexpected disruptions. An Ant Colony Optimization (ACO) algorithm is used to solve the considered problem. To justify the efficiency of this proposed algorithm in solving the presented model, different test problems are generated and solved by ACO and GAMS. The computational results indicate that solutions obtained by the proposed ACO algorithm have a 2.57% gap with the optimal solutions reported by GAMS as optimization software on average and significantly less CPU time for small-sized problems. Also, ACO obtains better solutions in significantly shorter CPU time for large-sized problems. The results indicate the efficient performance of the proposed algorithm in solving the given problems. پرونده مقاله

This paper presents a fuzzy decision-making approach to deal with a clustering supplier problem in a supply chain system. During recent years, determining suitable suppliers in the supply chain has become a key strategic consideration. However, the nature of these decisions is usually complex and unstructured. In general, many quantitative and qualitative factors, such as quality, price, and flexibility and delivery performance, must be considered to determine suitable suppliers. The aim of this study is to present a new approach using particle swarm optimization (PSO) algorithm for clustering suppliers under fuzzy environments and classifying smaller groups with similar characteristics. Our numerical analysis indicates that the proposed PSO improves the performance of the fuzzy c-means (FCM) algorithm. پرونده مقاله

A new mixed-integer multi-objective mathematical model is developed to optimize sustainable inventory-routing decisions in products agri-chain. The first aim is to optimize the network total revenue besides noticing logistics decisions related to the distribution and collection of perishable products. Also, the economical, social and environmental factors have been integrated in the proposed model. The first objective function considers some traditional terms and novel issues (e.g., postharvest biological behavior of agricultural products), which is related to deviation from ideal quality (customer's dissatisfaction) and the costs of expired products. Because old products have significant environmental impacts and require recycling, the reverse logistics framework is used to collect and bring products back to recycling. A function is applied to compute the level of deviation from suitable maturity and customer's dissatisfaction costs. A numerical example is analyzed to indicate the model's applicability by applying the ε-constraint methodology to show the opposite pattern between the two objectives. Results show that a lower level of accidents leads to lower revenue or higher costs of the supply chain. Remarking the NP-hardness of the presented model, two multi-objective meta-heuristic algorithms, namely the Non-dominated Sorting Genetic Algorithm (NSGA-II) and Multi-Objective Dragonfly Algorithm (MODA) are used to explore near-optimal solutions for medium and large-sized problems. Results show a better performance of the NSGA-II. Furthermore, the sensitivity analysis is presented and explained in four parts to show the trend of the proposed model by fluctuations on important parameters. پرونده مقاله

A vehicle routing problem is a significant problem that has attracted great attention from researchers in recent years. The main objectives of the vehicle routing problem are to minimize the traveled distance, total traveling time, number of vehicles and cost function of transportation. Reducing these variables leads to decreasing the total cost and increasing the driver's satisfaction level. On the other hand, this satisfaction, which will decrease by increasing the service time, is considered as an important logistic problem for a company. The stochastic time dominated by a probability variable leads to variation of the service time, while it is ignored in classical routing problems. This paper investigates the problem of the increasing service time by using the stochastic time for each tour such that the total traveling time of the vehicles is limited to a specific limit based on a defined probability. Since exact solutions of the vehicle routing problem that belong to the category of NP-hard problems are not practical in a large scale, a hybrid algorithm based on simulated annealing with genetic operators was proposed to obtain an efficient solution with reasonable computational cost and time. Finally, for some small cases, the related results of the proposed algorithm were compared with results obtained by the Lingo 8 software. The obtained results indicate the efficiency of the proposed hybrid simulated annealing algorithm. پرونده مقاله

To design a group layout of a cellular manufacturing system (CMS) in a dynamic environment, a multi-objective mixed-integer non-linear programming model is developed. The model integrates cell formation, group layout and production planning (PP) as three interrelated decisions involved in the design of a CMS. This paper provides an extensive coverage of important manufacturing features used in the design of CMSs and enhances the flexibility of an existing model in handling the fluctuations of part demands more economically by adding machine depot and PP decisions. Two conflicting objectives to be minimized are the total costs and the imbalance of workload among cells. As the considered objectives in this model are in conflict with each other, an archived multi-objective simulated annealing (AMOSA) algorithm is designed to find Pareto-optimal solutions. Matrix-based solution representation, a heuristic procedure generating an initial and feasible solution and efficient mutation operators are the advantages of the designed AMOSA. To demonstrate the efficiency of the proposed algorithm, the performance of AMOSA is compared with an exact algorithm (i.e., [-constraint method) solved by the GAMS software and a well-known evolutionary algorithm, namely NSGAII for some randomly generated problems based on some comparison metrics. The obtained results show that the designed AMOSA can obtain satisfactory solutions for the multi-objective model. پرونده مقاله

This paper presents a multi-objective mixed-integer nonlinear programming model to design a group layout of a cellular manufacturing system in a dynamic environment, in which the number of cells to be formed is variable. Cell formation (CF) and group layout (GL) are concurrently made in a dynamic environment by the integrated model, which incorporates with an extensive coverage of important manufacturing features used in the design of CMSs. Additionally, there are some features that make the presented model different from the previous studies. These features include the following: (1) the variable number of cells, (2) the integrated CF and GL decisions in a dynamic environment by a multi-objective mathematical model, and (3) two conflicting objectives that minimize the total costs (i.e., costs of intra and inter-cell material handling, machine relocation, purchasing new machines, machine overhead, machine processing, and forming cells) and minimize the imbalance of workload among cells. Furthermore, the presented model considers some limitations, such as machine capability, machine capacity, part demands satisfaction, cell size, material flow conservation, and location assignment. Four numerical examples are solved by the GAMS software to illustrate the promising results obtained by the incorporated features. پرونده مقاله

We consider an open shop scheduling problem with setup and processing times separately such that not only the setup times are dependent on the machines, but also they are dependent on the sequence of jobs that should be processed on a machine. A novel bi-objective mathematical programming is designed in order to minimize the total tardiness and the makespan. Among several multi-objective decision making (MODM) methods, an interactive one, called the TH method is applied for solving small-sized instances optimally and obtaining Pareto-optimal solutions by the Lingo software. To achieve Pareto-optimal sets for medium to large-sized problems, an improved non-dominated sorting genetic algorithm II (NSGA-II) is presented that consists of a heuristic method for obtaining a good initial population. In addition, by using the design of experiments (DOE), the efficiency of the proposed improved NSGA-II is compared with the efficiency of a well-known multi-objective genetic algorithm, namely SPEAII. Finally, the performance of the improved NSGA-II is examined in a comparison with the performance of the traditional NSGA-II. پرونده مقاله

This paper considers a three-stage assembly flowshop scheduling problem with sequence-dependent setup < /div> times at the first stage and blocking times between each stage in such a way that the weighted mean completion time and makespan are minimized. Obtaining an optimal solution for this type of complex, large-sized problem in reasonable computational time using traditional approaches or optimization tools is extremely difficult. Thus, this paper proposes a meta-heuristic method based on simulated annealing (SA) in order to solve the given problem. Finally, the computational results are shown and compared in order to show the efficiency of our proposed SA. پرونده مقاله

A cutting stock problem is one of the main and classical problems in operations research that is modeled as Lp < /div> problem. Because of its NP-hard nature, finding an optimal solution in reasonable time is extremely difficult and at least non-economical. In this paper, two meta-heuristic algorithms, namely simulated annealing (SA) and tabu search (TS), are proposed and developed for this type of the complex and large-sized problem. To evaluate the efficiency of these proposed approaches, several problems are solved using SA and TS, and then the related results are compared. The results show that the proposed SA gives good results in terms of objective function values rather than TS. پرونده مقاله

This paper considers a single-sourcing network design problem for a three-level supply chain. For the first time, a novel mathematical model is presented considering risk-pooling, the inventory existence at distribution centers (DCs) under demand uncertainty, the existence of several alternatives to transport the product between facilities, and routing of vehicles from distribution centers to customer in a stochastic supply chain system, simultaneously. This problem is formulated as a bi-objective stochastic mixed-integer nonlinear programming model. The aim of this model is to determine the number of located distribution centers, their locations, and capacity levels, and allocating customers to distribution centers and distribution centers to suppliers. It also determines the inventory control decisions on the amount of ordered products and the amount of safety stocks at each opened DC, selecting a type of vehicle for transportation. Moreover, it determines routing decisions, such as determination of vehicles' routes starting from an opened distribution center to serve its allocated customers and returning to that distribution center. All are done in a way that the total system cost and the total transportation time are minimized. The Lingo software is used to solve the presented model. The computational results are illustrated in this paper. پرونده مقاله

Electric discharge drill machine (EDDM) is a spark erosion process to produce micro-holes in conductive materials. This process is widely used in aerospace, medical, dental and automobile industries. As for the performance evaluation of the electric discharge drilling machine, it is very necessary to study the process parameters of machine tool. In this research paper, a brass rod 2mm diameter was selected as a tool electrode. The experiments generate output responses such as tool wear rate (TWR). The best parameters such as pulse on-time, pulse off-time and water pressure were studied for best machining characteristics. This investigation presents the use of Taguchi approach for better TWR in drilling of Al-7075. A plan of experiments, based on L27Taguchi design method, was selected for drilling of material. Analysis of variance (ANOVA) shows the percentage contribution of the control factor in the machining of Al-7075 in EDDM. The optimal combination levels and the significant drilling parameters on TWR were obtained. The optimization results showed that the combination of maximum pulse on-time and minimum pulse off-time gives maximum MRR. پرونده مقاله