چكيده فارسي :
چكيده
بر اساس مطالعات گسترده اي كه انجام شد، با ظهور نسل چهارم تكنولوژي، در طي ساليان اخير، موضوع به كارگيري ربات ها و هوشمندسازي فعاليت ها در حوزه هاي مختلف و به خصوص به كارگيري تكنولوژي هاي جديدي همچون: هوش مصنوعي، بلاكچين، ربات ها و... ، در واحدهاي مختلف شركت¬هاي توليدي و خدماتي در جهت كمك به نيروي انساني و بهبود فرايندها، بسيار مورد توجه محققان قرار گرفته شده است. درهمين راستا با ظهور فناوري نسل چهارم(صنعت4.0) و معرفي تكنولوژي‌هاي مرتبط با آن مانند اينترنت اشيا، هوش مصنوعي، محاسبات ابري و غيره، صنعت انبارداري و لجستيك سنتي، متحول گرديده كه منجر به تغييرات قابل‌توجهي در عمليات‌ها و تصميم‌گيري‌هاي مختلف شده است.
به طور كلي، انبارها بخش اصلي مديريت زنجيره تأمين به شمار مي آيند، زيرا مي توانند يكپارچگي بين تمام عمليات در زنجيره تأمين را فراهم كرده و تمامي فرآيندها در سراسر زنجيره تأمين را يكپارچه‌تر كنند. در همين راستا با توجه به مطالعات صورت گرفته در حوزه كاربرد وسايل نقليه هدايت شونده خودكار در انبارها، شكاف هاي تحقيقاتي متعددي وجود دارد كه از مهمترين چالش هايي كه تاكنون به آن توجهي نشده است، مي توان به مواردي ازجمله: لحاظ نكردن عدم قطعيت در مدل هاي رياضي معرفي شده، عدم توجه به مسائل زيست محيطي و محدوديت هاي مرتبط با ظرفيت هركدام از وسايل نقليه هدايت شونده خودكار و ميزان بودجه و همچنين عدم توجه به اهداف چندگانه در جهت برآورده سازي نيازهاي چندگانه مديران واحدها اشاره كرد. مواردي كه جزء دغدغه هاي اصلي اين پژوهش به شمار مي آيد و براي اولين بار در اين پژوهش مورد توجه قرار گرفته شده كه با تعريف يك مدل برنامه¬ريزي خطي فازي عدد صحيح مختلط، سعي بر اين است تا پاسخ بهتري به مسائل موجود در دنياي واقعي داده شده و هزينه هاي مرتبط با سيستم و مخصوصا هزينه¬هاي تأثيرگذار بر مسائل زيست محيطي و ميزان مصرف انرژي به حداقل مقدار خود برسد. در نهايت، با وجود عدم دسترسي به داده هاي واقعي از شركت هاي مورد آزمايش در مقالات گذشته و به دليل عدم افشاي اطلاعات چنين شركت هايي براي حل مسائل مرتبط با برنامه ريزي وسايل نقليه هدايت شونده خودكار، از طريق به كارگيري الگوريتم فرا ابتكاري ژنتيك مرتب سازي نامغلوب، مدل پيشنهادي، حل شده و با استفاده از مقايسه دو روش دي¬فازي آلفابرش و روش مينكوفسكي، از طريق توليد اعداد فرضي براي پارامترهاي مسئله در ابعاد كوچك و مقايسه نتايج حاصل و تجزيه و تحليل هاي صورت گرفته، ثابت گرديد كه باتوجه به مينيمم سازي هر دوتابع هدف، استفاده از روش آلفابرش كارايي بهتري داشته و جواب هاي حاصل از آن، در كمترين مقدار خود نسبت به روش مينكوفسكي قرار دارند. درهمين راستا مدل رياضي پيشنهادي اين پژوهش مي تواند در دنياي واقعي نيز پياده سازي گشته و به اهدافي همچون به حداقل رساندن هزينه¬هاي سفر و حمل و نقل، ميزان مصرف انرژي و همينطور مسائل زيست محيطي اينگونه فناوري ها پاسخ بهتري داده و با تمركز بر محدوديت هاي مهمي نظير بودجه و ظرفيت مدت زمان سفر هركدام از آنها، مي توان به گونه اي بهتر به چالش هاي مهم موجود در اين حوزه، پاسخ داد و به خصوص با استفاده از اعمال مفهوم فازي در مدلسازي، به عدم قطعيت هاي موجود در مسئله، توجه بهتري كرده و به جواب هايي نزديك به جواب بهينه، دست يافت.
كلمات كليدي: انبارداري هوشمند، نسل چهارم تكنولوژي، وسايل نقليه هدايت شونده خودكار، الگوريتم ژنتيك مرتب سازي نامغلوب، برنامه ريزي خطي فازي چند هدفه، آلفابرش، فازي زدايي مينكوفسكي.
چكيده انگليسي :
Abstract
With the emergence of the fourth generation of technology, in recent years, the topic of using robots and making activities smarter in different fields, especially the use of new technologies such as: artificial intelligence, blockchain, robots, etc., in different units of companies Production and services in order to help the human force and improve the processes, have been given a lot of attention by researchers. In this regard, with the emergence of the fourth generation technology (Industry 4.0) and the introduction of related technologies such as the Internet of Things, artificial intelligence, cloud computing, etc., the traditional warehousing and logistics industry has been transformed, which has led to significant changes in various operations and decisions. In general, warehouses are considered the main part of supply chain management because they can provide integration between all operations in the supply chain. In this regard, according to the studies conducted in the field of the application of automated guided vehicles in warehouses, there are several research gaps, which are among the most important challenges that have not been paid attention to, such as: not taking into account uncertainty In the introduced mathematical models, he pointed out the lack of attention to environmental issues and the limitations related to the capacity of each of the automatic guided vehicles and the amount of budget, as well as the lack of attention to multiple goals in order to meet the multiple needs of unit managers. The issues that are part of the main concerns of this research and have been considered for the first time in this research is that by defining a mixed integer fuzzy linear programming model, an attempt is made to provide a better answer to the problems in the world. be given real and the costs related to the system and especially the costs affecting the environmental issues and the amount of energy consumption will reach their minimum value. Finally, the proposed model has been solved by using the meta-heuristic algorithm of genetics of non-dominant sorting, and using the comparison of two diphasic methods, Alpha cutting and Minkowski method, it was proved through the generation of hypothetical numbers that according to the minimization of both objective functions , the use of the alpha cutting method has a better performance and the resulting answers are in their best (lowest) value compared to the Minkowski method. Therefore, the mathematical model proposed in this research can be implemented in the real world and provide a better response to goals such as minimizing travel costs and energy consumption, as well as environmental issues of such technologies.
Keywords: scheduling and allocation of automated guided vehicles, multi-objective fuzzy linear programming, green warehousing.
