عنوان پایان‌نامه
طراحی شبکه ی حمل و نقل مواد خطرناک پایدار در شرایط عدم قطعیت
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2735;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65067
- تاریخ دفاع
- ۱۰ شهریور ۱۳۹۳
- دانشجو
- زهره زاهدیان تجنکی
- استاد راهنما
- رضا توکلی مقدم
- چکیده
- امروزه با افزایش روز افزون تولید مواد صنعتی، زباله‌ها، مواد رادیواکتیویته، مایعات قابل اشتعال (نظیر الکل، بنزین، گازوئیل و غیره) و به طور کل مواد خطرناک توسط بشریت، حمل‌ونقل مواد خطرناک اهمیت بسزایی دارد. چه بسا که حمل‌ونقل بعضی از این مواد برای کشورها مخصوصا کشورهای در حال توسعه جنبه‌ی اقتصادی در سطح ملی و بین‌المللی دارد. این حمل‌ونقل از مکانی به مکان دیگر و توسط مسیرهای مابین مکان‌ها انجام می‌شود. با توجه به موضوع به‌روز پایداری که علاوه بر مباحث اقتصادی، سلامتی انسان و محیط‌زیست را مورد توجه قرار می‌دهد، مکان‌یابی مراکز نگهداری یا عبوری و مسیریابی مواد خطرزا بسیار حائز اهمیت محسوب می‌شود. در این پایان‌نامه طراحی شبکه حمل‌ونقل مواد خطرناک پایدار تحت شرایط عدم قطعیت مدنظر می‌باشد. برای این منظور یک مدل ریاضی جدید چندهدفه با اهداف کمینه نمودن هزینه، کمینه نمودن ریسک و نیز کمینه نمودن زمان سفر برای شبکه‌ی تلفیقی ریلی و جاده‌ای ارائه شده است. هدف نهایی این مدل تعیین مکان اجزای شبکه و نیز مشخص نمودن مسیرها برای حمل مواد خطرناک از مبادی (تأمین‌کنندگان) به مقاصد (متقاضیان) مورد نظر می‌باشد. به دلیل وجود پارامترهایی که به مقادیر آن‌ها اطمینان کامل وجود ندارد، از مباحث فازی بهره جسته شده است. از جمله نوآوری‌های این تحقیق می‌توان به شکل شبکه، غیرکامل بودن آن به جهت اقتصادی، تخصیص و حمل محموله به صورت غیر مسقیم و بوسیله ترکیبی از وسایل نقلیه اشاره نمود. برای قطعی سازی مدل از روش خمینز استفاده شده است. مدل پس از خطی سازی در سایز کوچک و متوسط با نرم افزارCPLEX / GAMS حل و اعتبارسنجی شده است. از آنجا که این مسأله جز مسائل NP-Hard به شمار می‌رود برای حل مسائل ابعاد بزرگ از الگوریتم‌های ژنتیک با مرتب‌سازی نامغلوب چندهدفه و بهینه‌سازی ذرات انبوه چندهدفه بهره جسته شده است که با روش سطوح پاسخ تنظیم پارامتر شده‌اند. همچنین از سه شاخص برای مقایسه‌ی عملکرد الگوریتم‌ها استفاده شد.
- Abstract
- Abstract: Today, hazardous materials transportation is a very important issue because of increasing rate of industrial production, waste, radioactive materials, flammable liquids (i.e., alcohol, petrol, gasoline and so on) and in general hazmat materials by humanity. While the transportation of these materials have the national and international economics for countries and particularly for developing countries. The hazmat material usually transported from a site to another site by crossing on routes between them. The sustainability attention to health and the environment in addition to economic issue, so with regard to sustainability the locating of hazmat material storing or transiting centers and routing for hazmat transportation is a very important. In this thesis, design of a sustainable hazmat transportation network under uncertainty is considered. A new multi-objective model presented that minimizes total cost, risk and transporting time for this problem in truck- train network. The purpose is determining the location of network component and path between origins (or suppliers) to known destinations (or destinations). The fuzzy concept is considered because of non-deterministic parameters. The innovations of the thesis are form of network, non-complete network for saving, indirect assigning and transporting by different vehicles.Jimenez approach is applied to transform the fuzzy model to crisp one. After linearization, the model has been solved for small and medium scales by GAMS/CPLEX and validated in this study. Since this problem is NP-Hard, the Non-dominated Sorting Genetic II algorithm (NSGA-II) and Multi Objective Particle Swarm Optimization algorithm (MOPSO) have been applied to solve the large scale problems. The parameters of these algorithms are adjusted by Response Surface Methodology (RSM). The three indices were used to compare the performance of algorithms. Keywords: hazmat transportation network, sustainability, fuzzy, Non-dominated Sorting Genetic II algorithm, Multi Objective Particle Swarm Optimization algorithm, ?–constraint method.
