การจัดการโซ่ความเย็นด้วยการแก้ปัญหาการจัดเส้นทางเดินรถขนส่งแบบมีกรอบเวลาและเวลาเดินทางไม่แน่นอน
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์หลัก 3 ประการ ได้แก่ 1) เพื่อวิเคราะห์และประเมินผลของความไม่แน่นอนของเวลาเดินทางที่มีผลต่อประสิทธิภาพของระบบโซ่ความเย็น 2) เพื่อพัฒนาขั้นตอนวิธีในการจัดเส้นทางการเดินรถแบบสองระยะสำหรับการจัดส่งสินค้าในเขตกรุงเทพมหานครและปริมณฑลรวมถึงการจัดส่งระหว่างจังหวัด และ 3) เพื่อเปรียบเทียบผลลัพธ์จากระบบที่พัฒนาขึ้นกับข้อมูลการเดินรถจริงขององค์กร วิธีการวิจัยใช้แนวทางเชิงผสมผสาน โดยเชิงปริมาณมุ่งเน้นการสร้างแบบจำลองทางคณิตศาสตร์ของปัญหาการจัดเส้นทางเดินรถขนส่งที่มีกรอบเวลา ซึ่งจัดเป็นปัญหาในกลุ่มเอ็นพีฮาร์ดและใช้ขั้นตอนวิธีการค้นหาแบบทาบูในการหาคำตอบที่เหมาะสม จากนั้นเขียนโปรแกรมเพื่อจำลองผลด้วย MATLAB โดยใช้ข้อมูลจริงจากบริษัทกรณีศึกษาที่มีลูกค้าทั้งหมด 91 ราย ส่วนการวิจัยเชิงคุณภาพใช้การวิเคราะห์เปรียบเทียบผลลัพธ์จากแบบจำลองกับเส้นทางที่พนักงานออกแบบจากประสบการณ์จริงที่ทำมานานกว่า 20 ปี ผลการวิจัยพบว่า 1) ในเขตกรุงเทพและปริมณฑลวิธีค้นหาแบบทาบูสามารถลดจำนวนรถขนส่งจาก 5 คัน เหลือ 4 คัน และยังสามารถลดเวลาเดินทางรวมจาก 1,331 นาที เหลือ 857 นาที คิดเป็นการลดลง 35.61% และลดระยะทางรวมลง 13.42% และ 2) ในพื้นที่ต่างจังหวัดสามารถลดจำนวนรถขนส่งจาก 21 คัน เหลือ 18 คัน และลดเวลาเดินทางรวมจาก 4,093 นาที เหลือ 3,536 นาที ลดลง 23.71% สรุปได้ว่าวิธีการค้นหาแบบทาบูสามารถช่วยเพิ่มประสิทธิภาพของการขนส่งสินค้าในระบบโซ่ความเย็น ลดการใช้รถขนส่ง ลดเวลาเดินทางและลดระยะทางการขนส่ง ซึ่งสามารถประยุกต์ใช้จริงเพื่อยกระดับการแข่งขันและการพัฒนาอย่างยั่งยืนของอุตสาหกรรมไทย
Article Details
เอกสารอ้างอิง
Anderluh, A. et al. (2020). Impact of travel time uncertainties on the solution cost of a two-echelon vehicle routing problem with synchronization. Flexible Services and Manufacturing Journal, 32, 806-828. https://doi.org/10.1007/s10696-019-09351-w.
Babaee, T. et al. (2020). A robust green traffic-based routing problem for perishable products distribution. Computational Intelligence, 36(1), 80-101.
Food and Agriculture Organization of the United Nations (FAO). (2020). The State of Food and Agriculture 2020: Overcoming water challenges in agriculture. Food and Agriculture Organization of the United Nations, 17. https://doi.org/10.4060/cb1447en.
Hu, L. et al. (2021). Optimization of VRR for cold chain with minimum loss based on actual traffic conditions. Wireless Communications and Mobile Computing, 10. https://doi.org/10.1155/2021/2930366.
Leng, L. et al. (2020). A novel bi-objective model of cold chain logistics considering location-routing decision and environmental effects. PLOS ONE, 15(4). https://doi.org/10.1371/journal.pone.0230867.
Wang, Z. et al. (2020). A hyperheuristic approach for location-routing problem of cold chain logistics considering fuel consumption. Computational Intelligence and Neuroscience, 17. https://doi.org/10.1155/2020/8395754.
Wu, D. et al. (2022). A new route optimization approach of fresh agricultural logistics distribution. Intelligent Automation & Soft Computing, 34(3), 1554-1570.
Xia, Y. et al. . (2018). Tabu search algorithm for the distance-constrained vehicle routing problem with split deliveries by order. PLOS ONE, 13(5), e0195457. https://doi.org/10.1371/journal.pone.0195457.
Xu, W. D. & Li, J. (2020). A fissile ripple spreading algorithm to solve time-dependent vehicle routing problem via coevolutionary path optimization. Journal of Advanced Transportation, 13. https://doi.org/10.1155/2020/8815983.
Zhang, Y. et al. (2020). Cold chain distribution: How to deal with node and arc time windows? Annals of Operations Research, 291, 1127-1151. https://doi.org/10.1007/s10479-018-3071-0.
