ارائه مدلي به منظور تخصيص بهينه كاميون به بار در شرايط عدم قطعيت تقاضا براساس سيستم حمل ونقل هوشمند (ITS) و مطالعه موردي بر روي يك شركت حمل ونقل (شركت اوبار)

كارشناسي ارشد

صنعت حمل ونقل به عنوان يكي از مهم ترين حوزه هاي سيستم لجستيك در كشورهاي هاي پيشرفته و رو به رشد جايگاه خاصي داشته و همواره قسمت عمده اي از امكانات و منابع را به صورت مستقيم يا غير مستقيم به خود اختصاص داده است. قيمت گذاري در حمل و نقل بار و كالا يكي از مهم‌ترين مباحثي است كه مي¬تواند به رشد اقتصادي يك كشور كمك نمايد. در تعيين قيمت حمل و نقل بار، اهداف به طور معمول در دو دسته¬ي تعيين نرخ حمل و نقل لحظه اي و تعيين نرخ حمل و نقل قراردادي طبقه بندي مي شوند. يكي از چالش¬هاي موجود در حمل و نقل كشور، قيمت گذاري صحيح هزينه حمل بار است. هدف اين پژوهش، پيش بيني نرخ لحظه¬اي حمل جاده اي بار در داخل كشور به روشي منصفانه و پايدار است كه به صورت مطالعه موردي بر روي شركت حمل و نقل اوبار انجام مي شود. با توجه به محدوديت¬هاي اطلاعاتي در سفارشات دريافتي حمل بار از شركت اوبار، شاخص‌هاي جديدي براي توصيف بهتر قيمت حمل بار تعريف شده است كه شامل روز تعطيلي، زمان حمل بار، روز از هفته، فاصله زماني بين زمان سفارش و زمان حمل، ضريب بار و ضريب جذابيت حمل بار به مقصد مي باشند. جهت مدل سازي، بعد از پاكسازي و آماده سازي داده¬ها، مطابق با اكثر مطالعات پيشين مورد بررسي از مدل رگرسيون خطي چندگانه استفاده شده است. ليكن اين مدل به دليل عدم وجود رابطه خطي ميان متغيرهاي توصيف كننده و هزينه حمل، دقت بالايي در پيش بيني ارائه نداده است. به عنوان نوآوري و عدم نياز به تعريف روابط ميان متغيرهاي توصيف كننده از مدل¬هاي ناپارامتري جنگل تصادفي و شبكه عصبي استفاده شده است. نتايج حاصل از مدل¬سازي و راستي آزمايي مدل ها، عملكرد بهترمدل جنگل تصادفي را نسبت به مدل رگرسيون خطي چندگانه و شبكه عصبي نشان مي دهد. به منظور مقايسه عملكرد مدل ها از ضرايب خوبي برازشR^2 و RMSE استفاده شده است كه مدل جنگل تصادفي R^2 بيشتر(20 درصد بيشتر از مدل رگرسيون خطي چندگانه و 6 درصد بيشتر از مدل شبكه عصبي) و خطاي كمتري جهت پيش بيني هزينه حمل داشته است.

210680

دانشگاه علم و صنعت ايران

دكتر مير سامان پيشوايي

مهندسي صنايع- بهينه‌سازي سيستم‌ها

دكتر احمد ماكوئي