《Computers & Industrial Engineering》:Harmonizing sustainability and resiliency: A novel robust-stochastic decomposition approach for effective mask distribution and recycling
编辑推荐:
本研究旨在开发一种新型基于图论的聚类算法,用于大规模物流规划问题,重点关注在不确定性下通过多种运输模式进行口罩分配。研究人员采用了一个鲁棒多目标混合整数线性规划模型(MILPM)来处理不精确参数(如需求和加工时间)。该模型支持决策者设计一个可持续闭环供应链网络
本研究旨在开发一种新型基于图论的聚类算法,用于大规模物流规划问题,重点关注在不确定性下通过多种运输模式进行口罩分配。研究人员采用了一个鲁棒多目标混合整数线性规划模型(MILPM)来处理不精确参数(如需求和加工时间)。该模型支持决策者设计一个可持续闭环供应链网络,用于在时间窗限制下优化口罩分配。研究人员应用了样本平均近似(SAA)方法来处理大规模案例研究。此外,提出了一种基于图论的聚类算法来加速场景分解(SD)方法,因为与SAA和SD相比,该算法处理更少的场景。研究人员进行了轮廓分析以衡量生成聚类的性能和准确性。实施了敏感性分析以验证所提出求解方法的效率和适用性。设置了一系列场景来表示具有未知概率的供应链网络中断。本研究的结果指明了在加拿大COVID-19爆发期间口罩的最优流量和设施的最优数量。
在COVID-19大流行期间,口罩需求激增,传统供应链在分配和回收方面面临严峻挑战,同时产生了大量塑料废物,亟需可持续且具有韧性的闭环供应链网络。现有研究多聚焦于经济成本,而忽视了环境和社会因素,且大规模不确定性下的优化求解效率低下。为此,研究人员基于多伦多都市区21个区的实际案例,提出了一种鲁棒随机多目标混合整数线性规划模型(MILPM),旨在同时优化总成本、碳排放和服务水平,实现口罩分配与回收的可持续性与韧性。该研究发表在《Computers》期刊。
研究人员采用的主要关键技术方法包括:(1)鲁棒随机优化框架,整合了样本平均近似(SAA)和场景分解(SD)算法以处理大规模不确定性;(2)一种新型基于图论的聚类(GTC)算法,用于加速SAA-SD方法,通过聚类相似场景降低计算复杂度;(3)轮廓分析(Silhouette analysis)验证聚类质量;(4)ε-约束法求解多目标优化问题。案例样本来源为加拿大多伦多都市区,划分为21个零售区,并考虑了多种运输模式(公路、铁路等)。
研究结果部分:
**6. 数值实验**:通过对比CPLEX、SAA-SD、GTC-SD和渐进对冲(PH)算法,验证了模型和算法的有效性。在小规模实例中,CPLEX与SAA-SD结果一致;随着实例规模增大,GTC-SD在计算时间上显著优于SAA-SD和PH算法,且总成本差异极小。例如,在11个实例中,GTC-SD的平均计算时间仅为PH的约40%。此外,敏感性分析表明,人口区域数量增加65%会导致总成本上升约67%,而仓库数量增加65%仅使成本上升14%,表明仓库对成本影响较小。
**7. 多目标优化扩展**:采用ε-约束法将总成本作为主目标,碳排放和服务水平作为约束。场景分析显示,GTC-SD算法在处理大规模场景时计算时间显著低于SAA-SD,例如在1000个场景下,GTC-SD计算时间仅为SAA-SD的约60%。
**8. 管理启示**:通过三个场景分析模型性能。(1)基线场景:在中等需求下,主要采用公路运输从工厂F1到仓库W4,然后分发给各区域;总成本为9701.523,碳排放为275,113.131,服务水平为4133.636。(2)资源不可用场景(工厂F1、F3、F4中断):模型启用替代工厂F2、F5和F6,总成本上升约9%,碳排放上升约2%,服务水平下降13%。(3)劳动力不可用场景(设施容量减半):总成本上升1.39%,碳排放上升1.9%,服务水平下降3.46%,部分区域口罩需求未满足。此外,通过惩罚参数分析发现,中等惩罚值(ρ=25-45)能在成本与收敛速度间取得平衡;帕累托前沿显示低成本方案往往伴随高碳排放和低服务水平;短缺惩罚与成本分析表明,高短缺惩罚配合中等短缺成本可达到最低总成本;容量规划分析显示,容量乘数在1.1-1.4之间能显著降低总成本和设施数量。
讨论部分总结了决策者见解:惩罚参数、容量规划等关键参数需要谨慎调优,以平衡成本、环境和服务水平。结论部分翻译如下:本研究探讨了COVID-19时代不确定性下口罩分配与回收的挑战。研究人员应用鲁棒随机优化模型优化了总成本、环境污染和服务水平。模型整合了多个生产商、仓库、配送中心、收集与回收中心、多种产品及多时间段。通过引入新型GTC-SD算法,利用混合SAA-SD方法处理大规模实例。敏感性分析和数值实验验证了模型在可行鲁棒性和最优鲁棒性方面的有效性。结果表明,人口区域数量和位置对总成本和网络拓扑有显著影响;仓库对成本影响较小;中断风险对闭环供应链网络的影响大于运营风险。未来可采用强化学习算法预测市场需求,以增强供应链韧性。