نشریه بین المللی مهندسی صنایع و مدیریت تولید

مساله خوشه بندی به منظور کمینه کردن مجموع مجذور انحراف، یک مساله غیر خطی و غیر محدب بوده و دارای تعداد زیادی نقاط بهینه محلی است. هدف از این مقاله، ارائه روشی ترکیبی با استفاده از الگوریتم ژنتیک و K-Means برای خروج از نقاط بهینه محلی است.استفاده از الگوریتم ژنتیک برای خروج از نقاط بهینه محلی، توسط محققین بسیاری انجام شده است. در این مقاله روش های جدیدی برای عملگرهای بازترکیبی و جهش ارائه شده است. منطق روش های پیشنهادی بر این امر استوار است که اگر عملگرهای تغییر به جای آنکه بطور تصادفی در کل فضای جواب اعمال گردند، در یک منطقه محدود از پیش تعریف شده، انجام شوند، به جواب های بهتری دست خواهیم یافت. برای ارزیابی الگوریتم پیشنهادی، از سه نوع عملگر جهش و پنج نوع عملگر بازترکیبی بر روی مجموعه داده­های استاندارد استفاده شده است. مقایسه نتایج بدست آمده با سایر روش ها، به ازای Kهای متفاوت، نشان می­دهد می­توان با استفاده از عملگر بازترکیبی ساده یک نقطه ای و عملگر جهش ارائه شده در این مقاله با نام "عملگر جهش منطقه ای خوشه ای"، به جواب های بهتری دست یافت.

خوشه بندی  مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده‌ها و اطلاعات  واقعی  توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای قطعات یدکی توسط مشتریان درمناطق مختلف کشور ایران سنجیده شده است. تابع سنجش شباهت رفتار مشتریان در مناطق مختلف براساس ترکیب  قواعد تعریف گردیده است .  براساس این تابع  و به کمک الگوریتم k-means  عملیات خوشه بندی انجام گرفته و مشتریان مشابه در یک خوشه قرارگرفته‌اند. تابع سنجش شباهت رفتار مشتریان در پنج مرحله تشکیل شده است. تابع شباهت مشتریان براساس فواصل اقلیدسی (مکان استقرارآنها) , زمان تقاضای مشتریان و مقدار ارزش حجمی تقاضای مشتریان به صورت جداگانه تعریف شده است. سپس این سه عامل با هم ترکیب شده و تابع DCB  به وجود آمده است. در مرحله نهایی با درنظر گرفتن وزن‌های مختلف برای سال‌ها و فصول گوناگون تابع BCD  بهبود داده شده است. عملیات خوشه بندی به وسیله سه تابع فاصله اقلیدسی، تابع DCB  و تابع  BCD بهبود یافته در نرم افزار R انجام و تابعBCD  بهبود یافته به عنوان بهترین تابع برای خوشه بندی انتخاب شده است . سپس با استفاده از مدل DTM رفتار هر بخش تحلیل شده و سیاست‌های توزیع مناسب برای آن بخش تبیین شده است . نتایج حاصل بیانگر کاهش 32 درصد هزینه‌های توزیع در شرکت ایساکو می‌باشد.

فرآیند حمل و نقل یکی از فرآیندهای اصلی لجستیک بوده که محققان همواره با طراحی سیستمهای مناسب حمل و نقل سعی در کمینه نمودن هزینه های ناشی از آن نموده اند. یکی از این سیستمها، لجستیک میلک ران می باشد و به عنوان گام بعدی تولید ناب که موجب کاهش زمان سیکل، سطح موجودی و آزاد سازی فضای انبارش می شود، شناخته شده است. در این پژوهش یک مدل پیشنهادی مبتنی بر خوشه بندی ارائه شده که در فاز اول تامین کنندگان را به منظور ایجاد سازگاری در مواد و قطعات مورد حمل، خوشه بندی نموده و سپس در فاز دوم برای تامین کنندگانی که در یک خوشه قرار گرفته اند، مسیریابی بهینه با هدف کمینه کردن هزینه های سفر و زمان سفر با در نظر گرفتن دو محدودیت مهم حداکثر ظرفیت و زمان سفر برای هر وسیله نقلیه را انجام می دهد. الگوریتم پیشنهادی با الگوریتم ژنتیک حل شده و به منظور تنظیم پارامترها از روش تاگوچی بهره گرفته شده است. در نهایت نتایج حاصله از اجرای الگوریتم پیشنهادی با نتایج حاصل از نرم افزار لینگو، کارایی الگوریتم پیشنهادی را تصدیق می کنند.

مساله انتخاب تامین کننده یک فرایند تصمیم گیری برای شناسایی هویت تامین کننده ها و ارزیابی آنها برای عقد قرارداد است. در اینجا، مقادیر فازی فاصله‌ای نوع دوم برای نشان دادن نظرات تصمیم گیرنده ها استفاده شده است. با بکارگیری فرمول فاصله برای مجموعه های فازی فاصله ای نوع دوم، روشی مبتنی بر خوشه بندی سلسله مراتبی برای حل مساله انتخاب تامین کننده پیشنهاد شده است. برای نشان دادن کاربرد روش پیشنهادی ، دو نمونه مساله حل کرده ایم. اولین مساله یک مطالعه موردی در مساله انتخاب تامین کننده با 8 معیار و 8 تامین کننده است. مساله بعدی، نمونه مساله ای است که برگرفته از ادبیات موضوع می باشد. نتایج نشان می دهد در حالی که الگوریتم خوشه بندی سلسله مراتبی پیشنهادی نتایج مشابه با روشهای AHP ، تاپ سیس، روش چن و روش وانگ و همکاران را فراهم میکند اما در عین حال برای مجموعه های فازی فاصله ای نوع دوم مناسب است و همچنین میزان نزدیکی و همخوانی بین تامین کننده ها را تعیین میکند.

مساله مکان یابی – مسیریابی دو جزء زنجیره تامین یعنی مکان‌یابی تسهیلات و مسیریابی وسیله نقلیه را به صورت یکپارچه در نظر می گیرد. در این مقاله یک روش ابتکاری ترکیبی دوفازی بر مبنای خوشه بندی برای حل مساله مکان یابی – مسیریابی ارائه شده است. در فاز اول ساخت جواب اولیه و در فاز دوم بهبود جواب اولیه انجام می شود. در فاز اول جواب اولیه بر مبنای خوشه بندی مشتریان ایجاد می گردد. در این روش ابتکاری سه استراتژی خوشه بندی ارائه شده است که هر کدام از این استراتژی ها جواب اولیه متفاوتی ایجاد می کنند. فاز دوم این روش ابتکاری نیز شامل دو مرحله می باشد. مرحله اول بهبود جواب اولیه به صورت هوشمند است در مرحله دوم این فاز جواب های همسایه ایجاد شده به صورت تصادفی تولید می شوند. در چارچوب کلی فاز دوم، برای فرار از بهینه محلی از روش فراابتکاری شبیه سازی تبرید استفاده شده است. در پایان فاز دوم، الگوریتم پیشنهادی به فاز اول برگشته و خوشه بندی مشتریان با تعداد خوشه های جدید انجام می شود. برای ارزیابی کیفیت روش پیشنهادی، دو نمونه مثال 24 تایی و 13 تایی در حوزه مساله مکان یابی – مسیریابی از ادبیات در نظر گرفته شده است که نتایج حاصل ار اجرای روش پیشنهادی با نتایج یک روش فراابتکاری موجود در ادبیات (GRASP) و همچنین حد پایین ارائه شده برای این مثال ها مقایسه گردید. مقایسه نتایج بدست آمده کارا بودن روش پیشنهادی را نشان می دهد.