Journal of Operational Research and Its Applications

fa طراحی مدل زمان بندی قطار با استفاده از بهینه سازی استوار و رویکرد تحلیل پوششی داده ها Designing a Train Scheduling Model using Robust Optimization and Data Envelopment Analysis Approach تخصصي Special پژوهشي Research امروزه با پیشرفت سریع سیستم های حمل ونقل ریلی، تقاضای مسافر و احتمال رخداد ریسک ها در این صنعت افزایش یافته است. این شرایط منجر به عدم قطعیت در تقاضای مسافر و ایجاد اثرات نامطلوب در نتیجه رخداد ریسک ها شده و برنامه‌ریزی دقیق را با مشکل مواجه می کند. از این‌رو، به منظور مقابله با عدم قطعیت و کاهش اثرات منفی، بهینه سازی استوار مساله زمان بندی قطار در حضور ریسک ها ضروری به نظر می رسد. در این مطالعه، یک مدل برنامه ریزی عدد صحیح مختلط دو مرحله ای پیشنهاد می شود. در مرحله اول، هدف از مساله اسمی کمینه سازی زمان کل سفر قطار می باشد. در مرحله دوم، به منظور کمینه سازی تقاضای برآورده نشده مسافران یک مدل بهینه سازی استوار توسعه داده می شود. همچنین، برای حضور ریسک های اولیه و ثانویه در هر دو مرحله، برنامه ریزی صورت می گیرد. سپس، به منظور تایید اثربخشی و مقایسه مدل های پیشنهادی رویکرد حل تحلیل پوششی داده ها به‌کار گرفته شده و یک مثال کاربردی ارایه می گردد. نتایج نشان می دهد در شرایط عدم قطعیت، با افزایش ناچیز در زمان سفر قطار و همچنین تعداد توقف های قطار در مساله اسمی، راه حل های استوار می توانند تقاضای برآورده نشده مسافران را به طور چشمگیر و موثری کاهش دهند. علاوه بر این، مشخص می شود که ریسک ثانویه نقش مهمی در انتخاب اقدامات پاسخ اولیه بازی می کند. Today, with the rapid development of rail transport systems, passenger demands and the potential for risks in this industry are increasing. These conditions create uncertainty in passenger demand, create negative consequences for the occurrence of risks, and make accurate programming difficult. Therefore, robust optimization of train scheduling problem in the presence of risk is required to deal with uncertainties and reduce risks negative effects. In this study, we propose a two-stage mixed integer programming model. In the first stage, the nominal problem objective is to minimize the total train travel time. In the second stage, a robust optimization model is developed to minimize unsatisfied passenger demand. Additionally, the presence of primary and secondary risks is programming at both stages. To verify the effectiveness and compare the proposed models, a data envelopment analysis approach is used and a practical example is presented. The results show that under conditions of uncertainty, robust solutions can significantly and effectively minimize unsatisfied demand by a slightly rise in the travel time and the number of stops obtained from the nominal problem. Furthermore, the results demonstrate that secondary risk plays a significant role in the process of optimal response actions selection.   زمان بندی اسمی قطار, بهینه سازی استوار, ریسک اولیه و ثانویه, اقدامات پاسخ, تحلیل پوششی داده ها. Nominal Train Scheduling, Robust Optimization, Primary and Secondary Risk, Response Actions, Data Envelopment Analysis 125 147 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-2046-1&slc_lang=fa&sid=1 S. Ramezan Ghanbari شیرین رمضان قنبری Sh.Ghanbari@qiau.ac.ir 100319475328460010979 100319475328460010979 No Department of Industrial Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران Behrouz Afshar-Nadjafi بهروز افشارنجفی Behrouz.afshar@alum.sharif.edu 100319475328460010980 100319475328460010980 Yes Department of Industrial Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران M. Sabzehparvar مجید سبزه برور msabzeh@gmail.com 100319475328460010981 100319475328460010981 No Department of Industrial Engineering, Karaj Branch, Islamic Azad University, Karaj, Iran گروه مهندسی صنایع، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران