Detailansicht
A greedy randomized adaptive search procedures for multi-period inventory routing in perishable goods supply chains
Kári Jón Sigurðsson
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Business Analytics
Betreuer*in
Jan Fabian Ehmke
Mitbetreuer*in
Peiman Ghasemi
DOI
10.25365/thesis.77985
URN
urn:nbn:at:at-ubw:1-13246.61766.254371-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Arbeit befasst sich mit dem Multi-Perioden-Inventar-Routing-Problem (PIRP) unter
Unsicherheit, einer kritischen Herausforderung in Lieferketten für verderbliche Waren.
Eine effiziente Verwaltung von Inventar- und Routing-Entscheidungen ist unerlässlich,
um Kosten zu minimieren und Service-Levels aufrechtzuerhalten, während gleichzeitig
die Verderblichkeit und die dynamischen Kundenanforderungen berücksichtigt werden.
Die Forschung konzentriert sich auf die Bewertung der Metaheuristik Greedy Random-
ized Adaptive Search Procedure (GRASP) als Lösungsmethode für PIRPs. Die Leistung
von GRASP wird mit einem exakten Löser über verschiedene Datensätze hinweg ver-
glichen, wodurch sein Potenzial hervorgehoben wird, Lösungsqualität, Laufzeiteffizienz
und Skalierbarkeit in Einklang zu bringen. Aufgrund der Nichtverfügbarkeit realer Daten
wurden simulierte Datensätze verwendet, die mehrere Planungszeiträume, Kundenan-
forderungen und betriebliche Einschränkungen abdecken.
Die Ergebnisse zeigen, dass GRASP durchweg qualitativ hochwertige Lösungen liefert
und bis zu 90% des optimalen Zielwerts des exakten Lösers für kleinere Datensätze erre-
icht und akzeptable Leistungsniveaus (50% bis 90%) für größere, komplexere Instanzen
aufrechterhält. GRASP übertrifft den exakten Löser in Bezug auf die Rechenleistung
deutlich und löst groß angelegte Probleme in einem Bruchteil der Zeit, die der exakte Löser benötigt. Diese Effizienz positioniert GRASP als praktisches Werkzeug für zeitkritische und groß angelegte Entscheidungsfindung in Lieferketten. Trotz seiner Stärken erkennt die Studie Einschränkungen an, wie z. B. die Abhängigkeit von simulierten Daten und die Herausforderungen bei der vollständigen Erfassung realer Komplexitäten. Zukünftige Forschung könnte die Anwendung von GRASP auf reale Datensätze untersuchen und seine Integration mit ergänzenden Methoden untersuchen, um seine Leistung weiter zu verbessern. Alles in allem trägt diese Arbeit dazu bei, heuristikbasierte Ansätze für PIRPs voranzutreiben und umsetzbare Erkenntnisse für Lieferkettenmanager bereitzustellen. Die Skalierbarkeit und Anpassungsfähigkeit von GRASP unterstreichen seine Praktikabilität für Branchen, die mit verderblichen Waren arbeiten, und bieten ein wertvolles Entscheidungsinstrument zur Optimierung von Lieferkettenabläufen unter Unsicherheit.
Abstract
(Englisch)
This thesis addresses the multi-period inventory routing problem (PIRP) under uncer- tainty, a critical challenge in perishable goods supply chains. Efficiently managing inven- tory and routing decisions is essential to minimize costs and maintain service levels while accounting for perishability and dynamic customer demands. The research focuses on evaluating the Greedy Randomized Adaptive Search Procedure (GRASP) metaheuristic as a solution methodology for PIRPs. GRASP’s performance is compared to an exact solver across various datasets, highlighting its potential to balance solution quality, runtime efficiency, and scalability. Due to the unavailability of real- world data, simulated datasets were used, spanning multiple planning periods, customer demands, and operational constraints. The findings reveal that GRASP consistently delivers high-quality solutions, achieving up to 90% of the exact solver’s optimal objective value for smaller datasets and maintaining acceptable performance levels (50% to 90%) for larger, more complex instances. GRASP significantly outperforms the exact solver in terms of computational efficiency, solving large-scale problems within a fraction of the time required by the exact solver. This efficiency positions GRASP as a practical tool for time-sensitive and large-scale decision- making in supply chains. Despite its strengths, the study acknowledges limitations such as reliance on simulated data and the challenges of fully capturing real-world complexities. Future research could explore the application of GRASP on real-world datasets and investigate its integration with complementary methods to further enhance its performance. Overall, this thesis contributes to advancing heuristic-based approaches for PIRPs, pro- viding actionable insights for supply chain managers. GRASP’s scalability and adapt- ability underscore its practicality for industries dealing with perishable goods, offering a valuable decision-making tool for optimizing supply chain operations under uncertainty.
Schlagwörter
Schlagwörter
(Deutsch)
Metaheuristik Optimierung Gemischt-ganzzahlige Programmierung Bestandsroutenproblem
Schlagwörter
(Englisch)
Metaheuristic Mixed-Integer Programming Optimization Inventory Routing Problem Perishability Operations research Business Analytics
Autor*innen
Kári Jón Sigurðsson
Haupttitel (Englisch)
A greedy randomized adaptive search procedures for multi-period inventory routing in perishable goods supply chains
Publikationsjahr
2025
Umfangsangabe
ix, 192 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jan Fabian Ehmke
AC Nummer
AC17471171
Utheses ID
74907
Studienkennzahl
UA | 066 | 977 | |