مدل دو هدفه مکان‌یابی مراکز آژانس ـ زمان‏بندی و مسیریابی با امکان برش در برداشت و تحویل هم‏زمان با هدف افزایش رضایت مسافران در صنعت تاکسی‌رانی

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه ولی‌عصر (عج) رفسنجان، رفسنجان، ایران.

2 دانشیار، گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

3 استادیار، گروه مهندسی صنایع و آینده‌پژوهی، دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان، ایران.

10.22059/imj.2024.365158.1008080

چکیده

هدف: استفاده از یک سیستم حمل‌ونقل مطمئن و امن برای بسیاری از اقشار جامعه اهمیت ویژه‌ای دارد. از این رو بسیاری از مشتریان ترجیح می‌دهند که از سیستم حمل‌ونقل مربوط به شرکت خود استفاده کنند. استفاده از یک مدل مسیریابی وسایل نقلیه با برداشت و تحویل هم‌زمان، در کاهش هزینه‌های حمل‌ونقل و ترافیک شهری تأثیر بسزایی دارد. در دنیای پُرشتاب امروزی، در صنعت تاکسی‌رانی، هرچه سرعت پاسخ‌گویی به مسافران بیشتر باشد، رضایت افزایش می‌یابد. تابع رضایت مسافر، بحث زمان‌بندی ماشین‌ها را نیز به مسئله اضافه می‌کند. در این پژوهش، یک مدل ریاضی دوهدفه برای مسئلۀ مکان‌یابی مراکز آژانس ـ زمان‌بندی و مسیریابی با برداشت و تحویل هم‌زمان و توأم با امکان برش در تقاضا ارائه شده است. هدف اول مدل، کاهش هزینه‌های عملیاتی حمل‌ونقل و هزینۀ تأسیس مراکز آژانس و هدف دوم نیز، افزایش سطح پاسخ‌گویی به مسافران است. یکی از نوآوری‌های مطالعه حاضر این است که در هدف دوم، تابع احتمال خرید را به‌منظور اندازه‌گیری رضایت مسافران، به مسائل مکان‌یابی مسیریابی با برش و برداشت و تحویل هم‌زمان اضافه کرده است.  
روش: مطالعۀ حاضر از نظر هدف، در زمرۀ پژوهش‌های توسعه‌ای و از نظر نحوۀ گردآوری داده‌ها در زمرۀ پژوهش‌های توصیفی و از نظر پیاده‌سازی روش بهینه‌سازی، در زمرۀ روش‌های سخت پژوهش عملیاتی قرار می‌گیرد. مدل ریاضی پیشنهاد شده در این پژوهش، به‌کمک یک مثال موردی برای آژانس تاکسی تلفنی بانوان، در یکی از دانشگاه‌های رفسنجان، در ابعاد کوچک با استفاده از روش اپسیلون محدودیت توسعه‌یافته، در نرم‌افزار سیپلکس نسخه ۱۲.۱ حل شد. همچنین، در این پژوهش به‌منظور مطالعۀ عملکرد رویکرد حل مسئله، مثال‌هایی در ابعاد متوسط و بزرگ با استفاده از الگوریتم ابتکاری افق غلطان حل شد.
یافته‌ها: مدل برای یک مسئله در ابعاد کوچک با ۶ گرۀ مقصد و ۲ گره به‌عنوان هاب حل و نتایج به‌دست‌آمده از حل مدل گزارش داده شد. در مدل پیشنهادی سه پارامتر مهم برای تحلیل حساسیت وجود دارد. این پارامترها عبارت‌اند از: نقطۀ کاهش رضایت (SRP)، مدت زمان انتظار مسافر برای دریافت خدمت (WT) و حداکثر زمان در دسترس برای هر تاکسی (T). تغییرات مرز پارتو برای سه مقدار مختلف پارامتر WT، به‌طور واضح بیانگر این نکته است که هرچه مسافر برای دریافت خدمت تحمل انتظار بیشتری داشته باشد، به‌طبع آژانس هم قدرت پاسخ‌گویی بیشتری دارد. تحلیل حساسیت پارامتر نقطۀ کاهش رضایت (SRP) نشان می‌دهد که هر چه نقطۀ کاهش رضایت مسافر بیشتر باشد، نارضایتی وی کمتر است. طبق تحلیل حساسیت پارامتر کل زمان در دسترس، با افزایش مقدار پارامتر T، میزان پاسخ‌گویی شبکه نیز افزایش و هزینه‌های حمل‌ونقل کاهش می‌یابد. در این پژوهش برای مطالعۀ عمکرد مدل ریاضی برنامه‌ریزی عدد صحیح مختلط در ابعاد بزرگ، از الگوریتم ابتکاری افق غلطان استفاده شد. به‌منظور اجرای آزمایش‌های عددی، سه گروه مسائل نمونه در ابعاد مختلف به‌صورت تصادفی تولید شد. الگوریتم افق غلطان روی مسائل نمونه اجرا شد. نتایج نشان داد که الگوریتم افق غلطان قادر است که مسائل با ۱۲ گره را با خطای 001/0 درصد از جواب حل دقیق در زمان 3 دقیقه به‌دست آورد؛ درحالی که زمان حل مدل ریاضی عدد صحیح مختلط در این بُعد ۱۵ دقیقه است. الگوریتم افق غلطان برای مسائل با ۲۰ گره و ۳۰ گره نیز حل شد. متوسط زمان حل این مسائل با استفاده از الگوریتم افق غلطان در مقایسه با مدل ریاضی که زمان زیادی را به خود اختصاص می‌داد، ۵ دقیقه و ۱۹ دقیقه گزارش شد.
نتیجه‌گیری: در فضای رقابتی امروز و با وجود انواع سرویس‌های تاکسی‌رانی مانند اسنپ و تپسی و…، استفاده از مدل پیشنهادی برداشت و تحویل هم‌زمان، به همراه امکان برش در تقاضا و ترکیب آن با تابع رضایت مسافر، این امکان را فراهم می‌آورد تا ضمن اینکه رضایت مسافر حاصل شود، هزینه‌ها به حداقل برسد. استفاده از جدول پارتو به‌دست‌آمده از روش اپسیلون محدودیت توسعه‌یافته، گزینه‌های زیادی را در اختیار تصمیم‌گیرندگان امر قرار می‌دهد. استفاده از الگوریتم افق غلطان، امکان حل مسئله را در ابعاد بزرگ فراهم می‌کند. مهم‌ترین مزیت مدل این است که می‌توان از این مدل برای محصولات فاسد شدنی و سایر شرکت‌های خدماتی نیز استفاده کرد. بنابراین ضمن اینکه انواع شرکت‌های تاکسی‌رانی می‌توانند از نتایج این مدل بهره ببرند، به پژوهشگران آتی پیشنهاد می‌شود که از مدل حاضر برای آن دسته از اقلام فاسد شدنی که برداشت و تحویل آن‌ها به‌طور هم‌زمان انجام می‌شود و فساد محصول در نقطه صفر زمانی (برای همه گره‌ها) آغاز می‌شود، استفاده کنند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A Bi-Objective Model for Agency Centers Location, Scheduling, and Routing in the Taxi Industry: Incorporating Split Simultaneous Pickup and Delivery to Maximize Passenger Satisfaction

نویسندگان [English]

  • Mahboobeh Kazemi 1
  • Darush Mohamadi 2
  • Kamran Kianfar 3
1 Assistant Prof., Department of Management, Faculty of Administrative and Economics, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran.
2 Associate Prof., Industrial Management, Faculty of Administrative and Economics, University of Isfahan, Isfahan, Iran.
3 Assistant Prof., Department of Industrial Engineering and Futures Studies, Faculty of Engineering, University of Isfahan, Isfahan, Iran.
چکیده [English]

Objective
This paper aims to enhance the efficiency and quality of service in the taxi industry by proposing a bi-objective mixed-integer programming (MIP) model. The model focuses on minimizing total costs while maximizing passenger satisfaction, incorporating agency centers' location, scheduling, and routing with split simultaneous pickup and delivery.
 
Methods
This study is developmental-survey in nature and employs a descriptive-survey approach for data collection. Methodologically, it falls under the Hard Operations Research classification. An exploratory descriptive approach has been applied, using a ladies' taxi agency affiliated with a university in Rafsanjan city as a case study. The proposed model was solved for a small-scale case study using the augmented ɛ-constraint method in CPLEX software, version 12.1. Additionally, medium- and large-scale instances were provided to evaluate the performance of the solution approach through the rolling horizon algorithm.
 
Results
The proposed model was first tested on a small instance with 6 destination nodes and 2 hubs, and detailed solution results were presented. Three key factors were analyzed to evaluate their impact on real-world scenarios: satisfaction reduction point (SRP), waiting time to receive services (WT), and total time for each taxi (T). The Pareto frontier analysis for the bi-objective model across different WT values demonstrated that increasing WT improves responsiveness. Sensitivity analysis of the SRP parameter revealed that passengers with higher SRP experience lower dissatisfaction levels. Similarly, sensitivity analysis of the total time parameter (T) indicated that increasing T enhances network responsiveness while reducing transportation costs. To address larger instances, a mixed-integer programming (MIP) model and a rolling horizon heuristic were developed and tested on three groups of test problems. Results showed that the rolling horizon algorithm efficiently solved instances with 12 nodes to an optimality gap of less than 0.001% in about 3 minutes, compared to 15 minutes required by the MIP model. For larger instances with 20 and 30 nodes, the rolling horizon algorithm completed in 5 and 19 minutes, respectively, whereas the MIP model required significantly more time.
 
Conclusion
In today's rapidly evolving world of internet-based taxi services such as Snap and Tapsi, applying a bi-objective location, scheduling, and routing model with split simultaneous pickup and delivery can optimize both total transportation costs and passenger satisfaction. This paper employs an augmented -constraint method to solve the problem for small instances and conducts sensitivity analysis on key problem features. The resulting Pareto points provide decision-makers with a wider range of options. For large-scale instances, the rolling horizon algorithm is used to efficiently solve the problem. The main advantage of the proposed model lies in its applicability not only to taxi agencies but also to supply chains for perishable products and other service industries. While taxi agencies can directly benefit from the model’s results, future research could extend the approach to perishable products where spoilage begins simultaneously at time zero across all nodes.

کلیدواژه‌ها [English]

  • Hub location
  • Split Simultaneous Pickup and Delivery Routing
  • Rolling Horizon
  • Passengers Satisfaction
  • Scheduling

مراجع

اقبالی، حامد و توکلی مقدم، رضا (1397). حل یک مدل ریاضی جدید برای مسئله‌ی مسیریابی وسایل نقلیه با برداشت و تحویل هم‏زمان توسط الگوریتم تکامل تفاضلی چندهدفه. پژوهشنامه حمل‏ونقل، 15(3)، 53–65.
بازرگان، عباس؛ سرمد، زهره و حجازی، الهه (1383). روش‏های تحقیق در علوم رفتاری. انتشارات آگاه، (چاپ دهم). تهران.
برادران، وحید؛ حسینیان، امیرحسین؛ درخشانی، رضا و گلاب زایی، امیر (1395). ارائه یک الگوریتم ژنتیک توسعه یافته در توزیع انواع کالاها در سطح شهر با در نظر گرفتن برداشت و تحویل هم‏زمان. مهندسی ترافیک، (67)، 68-77.
تمیزی، علیرضا و نهاوندی، شعله (1402). بررسی عوامل مؤثر بر رضایت مشتریان از خدمات تاکسی اینترنتی اسنپ (مطالعۀ موردی: کلان‌شهر تبریز). پژوهشنامۀ حمل‏ونقل، 20(2)، 161–174.
تیکنی، حمید؛ ستاک، مصطفی و شاکری کبریا، زهره (1399). مدل‌سازی و حل مسئله مکان‌یابی ـ مسیریابی برای محصولات فسادپذیر در گراف چندگانه با در نظر گرفتن آلودگی وسایل نقلیه و اختلال انبارها. نشریه پژوهش‏های مهندسی صنایع در سیستم‌های تولید، 8(16)، 171–183.
جمالی، ‏هاجر و شایگان، فریبا (1390). نقش تاکسی بی‌سیم بانوان بر احساس امنیت زنان تهرانی. فصلنامه پژوهش‏های مدیریت انتظامی، 6(1)، 95-114.
جوانفر، الهام؛ رضائیان، جواد؛ شکوفی، کیوان و مهدوی، ایرج (1396). مسئله مکان‏یابی مسیریابی انبارهای عبوری چند محصولی با در نظر‏ گرفتن وسایل نقلیه ناهمگن ظرفیت دار و قابلیت برداشت و تحویل در چند بار در یک شبکه تأمین زنجیرۀ تأمین چند سطحی. مهندسی حمل‏ونقل، 8(4)، 603-627.
 حسین‏آبادی، علی‏اصغر و ناد علی‏زاده چاری، محمد (1397). مسئلۀ مسیریابی وسایل نقلیه (تنوری و کاربردها). بابل: فناوری نوین.
ستاک، مصطفی؛ عزیزی، وحید و کریمی، حسین (1393). مسئله مکان‌یابی مسیریابی چنددپویی ظرفیت‌دار با برداشت و تحویل هم‏زمان و بارهای برش یافته: مدل‏سازی و حل ابتکاری. پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 2(4)، 67-81.
صاعدی، فاطمه و کیانفر، کامران (1401). زمان‏بندی تولید سلولی با در نظر گرفتن عوامل انسانی و زمان تحویل سفارشات. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 10(21)، 51-69.
صبوحی، فاطمه و بزرگی امیری، علی (1398). مدل ریاضی دو هدفه برای تخلیه اضطراری با در نظر گرفتن ناوگان ناهمگن وسایل. نشریه پژوهش‏های نوین در تصمیم‌گیری، 4(1)، 119–137.
کاظمی، محبوبه؛ محمدی زنجیرانی، داریوش و اسماعیلیان، مجید (1401). مدل چندهدفه مکان‏یابی مراکز بارانداز عبوری، زمان‏بندی و مسیریابی هم‏زمان وسایل نقلیه، تحت بخش بندی تقاضا برای اقلام فاسدشدنی. نشریه مدیریت صنعتی، 13(43)، 606–633.
ویلیامز، تری (1394). روش‌شناسی علم مدیریت. (عادل آذر ئ سعید جهانیان، مترجمان)، (چاپ ششم)، تهران: مرکز نشر دانشگاهی.
 
References
Baradaran, V., Hosseinian, A., Derakhshani, R. & Golabzaei, A. (2017). The Application of a Hybrid Genetic Algorithm in distribution of goods with simultaneous pickup and delivery. Journal of Traffic Engineering, 16(67), 68–77. (in Persian)
Bazargan, A., Sarmad, Z. & Hajazi, E. (2004). Research Methods in Behavioral Sciences. (10th edition). Agah Publishing, Tehran. (in Persian)
Bortolini, M., Faccio, M., Ferrari, E., Gamberi, M. & Pilati, F. (2016). Fresh food sustainable distribution: Cost, delivery time and carbon footprint three-objective optimization. Journal of Food Engineering, 174, 56–67. https://doi.org/10.1016/j.jfoodeng.2015.11.014
Dror, M. & Trudeau, P. (1989). Savings by Split Delivery Routing. Transportation Science, 23(2), 141–145. https://doi.org/10.1287/trsc.23.2.141
Dror, M. & Trudeau, P. (1990). Split delivery routing. Naval Research Logistics (NRL), 37(3), 383–402. https://doi.org/10.1002/nav.3800370304
Eghbali, H. & Tavakkoli-Moghaddam, R. (2018). Solving a New Mathematical Model for a Vehicle Routing Problem with Simultaneous Pickup and Delivery by a Multi-Objective Differential Algorithm. Journal of Transportation Research, 15(3), 53–65. (in Persian)
Fan, J. (2011). The Vehicle Routing Problem with Simultaneous Pickup and Delivery Based on Customer Satisfaction. Procedia Engineering, 15, 5284–5289.
Fazi, S., Fransoo, J. C., Van Woensel, T. & Dong, J. X. (2020). A variant of the split vehicle routing problem with simultaneous deliveries and pickups for inland container shipping in dry-port based systems. Transportation Research Part E: Logistics and Transportation Review, 142(August), 102057. https://doi.org/10.1016/j.tre.2020.102057
Golden, B. L., Magnanti, T. L. & Nguyen, H. Q. (1977). Implementing vehicle routing problems. Networks, 7, 113–148.
Hasani Goodarzi, A., Tavakkoli-Moghaddam, R. & Amini, A. (2020). A new bi-objective vehicle routing-scheduling problem with cross-docking: Mathematical model and algorithms. Computers and Industrial Engineering, 149.
Hasani Goodarzi, A. & Tavakkoli-Moghaddam, R. (2012). Capacitated Vehicle Routing Problem for Multi-Product Cross- Docking with Split Deliveries and Pickups. Procedia - Social and Behavioral Sciences, 62, 1360–1365.
Hosseinabadi Rahmani, A. A. & Nad Alizade Chari, M. (2018). vehicle routing problem (theories and aplications). Babol: New Technology. (in Persian)
Jamali, H. & Shayeghan, F. (2011). Role of Tehran’s Women Wireless Taxi Service in Feeling of Security on the Part of Tehrani Ladies. Police Management Studies Quarterly, 6(1), 95. (in Persian)
Javanfar, E., Rezaeian, J., Shokofi, K. & Mahdavi, I. (2017). Multi product cross-docking location vehicle routing problem with capacity hetrogeneous vehicles and split pickup and delivery in multi level supply chain. Journal Transportation Engeneering, 8(4), 603–627. (in Persian)
Kazemi, M., Mohamadi Zanjirani, D. & Esmaeilian, M. (2022). The Multi-Objective Locating Model for Cross-Docking Centers and Vehicle Routing Scheduling With Split Demands for Perishable Products. Journal of Industrial Management, 13(43), 606–633.
(in Persian)
Liang, X., Wang, N., Zhang, M. & Jiang, B. (2023). Bi-objective multi-period vehicle routing for perishable goods delivery considering customer satisfaction. Expert Systems with Applications, 220(28), 119712. https://doi.org/10.1016/j.eswa.2023.119712
Mavrotas, G. (2009). Effective implementation of e-constraint method in Multi-Objective Mathematical Programming. Applied Mathematics and Computation, 213(2), 455–465.
Mohammadi, M., Fatemi Ghomi, S. M. T., Karimi, B. & Torabi, S. A. (2010). Rolling-horizon and fix-and-relax heuristics for the multi-product multi-level capacitated lotsizing problem with sequence-dependent setups. Journal of Intelligent Manufacturing, 21(4), 501–510.
Mosheiov, G. (1998). Vehicle routing with pick-up and delivery: Tour-partitioning heuristics. In Computers and Industrial Engineering (Vol. 34, Issue 3, pp. 669–684). https://doi.org/10.1016/S0360-8352(97)00275-1
Musavi, M. M. & Bozorgi-Amiri, A. (2017). A multi-objective sustainable hub location-scheduling problem for perishable food supply chain. Computers and Industrial Engineering, 113, 766–778. https://doi.org/10.1016/j.cie.2017.07.039
Rahbari, A., Nasiri, M. M., Werner, F., Musavi, M. M. & Jolai, F. (2019). The vehicle routing and scheduling problem with cross-docking for perishable products under uncertainty: Two robust bi-objective models. Applied Mathematical Modelling, 70, 605–625.
Sabouhi, F. & Bozorgi Amiri, A. (2019). A bi-objective mathematical model for emergency evacuation considering heterogeneous fleet of vehicles. Journal of Modern Research in Decision Making, 4(1), 119–137. (in Persian)
Saedi, F. & Kianfar, K. (2023). Scheduling Cellular Manufacturing Systems Based on Human Factors and Due Date of Orders. Journal of Industrial Engineering Research in Production Systems, 10(21), 51-69. doi: 10.22084/ier.2023.27096.2101 (in Persian)
Setak, M., Azizi, V. & Karimi, H. (2015). Multi depots Capacitated Location-Routing Problem with Simultaneous Pickup and Delivery and Split Loads: Formulation and heuristic methods. Journal of Industrial Engineering Research in Production Systems, 2(4), 67–81. (in Persian)
Shahabi-Shahmiri, R., Asian, S., Tavakkoli-Moghaddam, R., Mousavi, S. M. & Rajabzadeh, M. (2021). A routing and scheduling problem for cross-docking networks with perishable products, heterogeneous vehicles and split delivery. Computers and Industrial Engineering, 157(March 2020), 107299. https://doi.org/10.1016/j.cie.2021.107299
Tamizi, A. & Nahavandi, S. (2023). Investigating the Factors Affecting Customer Satisfaction with Snap Internet Taxi Services (Case study: Tabriz). Journal of Transportation Research, 20(2), 161-174.
Tavakkoli-Moghaddam, R., Safaei, N., Kah, M. M. O. & Rabbani, M. (2007). A New Capacitated Vehicle Routing Problem with Split Service for Minimizing Fleet Cost by Simulated Annealing. Journal of the Franklin Institute, 344(5), 406–425.
Tikani, H., Mostafa Setak & Kebria, Z. S. (2020). Modeling And Solving The Locating-Routing Problem For Perishable Products In Multigraphs Considering Vehicle Pollution And Warehouses Failure. Journal of Industrial Engineering Research in Production Systems, 8(16), 171–183. (in Persian)
Zhang, Z., Che, Y. & Liang, Z. (2023). Split-demand multi-trip vehicle routing problem with simultaneous pickup and delivery in airport baggage transit. European Journal of Operational Research, 312(3), 996-1010.
Williams, T. (2008). Management Science in Practice. John Wiley & Sons, Ltd., West Sussex. (in Persian)
Webb, M. H. J. (1968). Cost Functions in the Location of Depots for Multiple-Delivery Journeys. Journal of the Operational Research Society, 19(3), 311–320.
مدیریت صنعتی
دوره 17، شماره 1
1404
صفحه 99-130

فایل ها

هم رسانی

ارجاع به این مقاله

آمار