MARC

 008260126s2025        us                              c    eng  d
■001000017360480
■00520260202105534
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263353582
■035    ▼a(MiAaPQ)AAI32309965
■035    ▼a(MiAaPQ)GeorgiaTech77923
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a500
■1001  ▼aKulkarni,  Onkar.
■24510▼aDesign  of  Resilient  Logistics  Networks
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a239  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Montreuil,  Benoit.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aLogistics  networks  play  a  pivotal  role  in  modern  e-commerce  by  facilitating  quick  and  efficient  delivery  services  to  customers.  In  practice,  these  networks  are  designed  with  a  primary  focus  on  cost-efficiency,  typically  relying  on  long-haul  transportation  for  order  deliveries.  However,  such  long-haul  trips  often  negatively  impact  delivery  drivers'  physical  and  mental  well-being.  In  addition,  such  logistics  networks  are  highly  susceptible  to  a  multitude  of  disruptions,  ranging  from  low-impact  events  such  as  travel-time  delays  and  facility  power  outages  to  major  catastrophes  like  hurricanes  and  wildfires.  Current  literature  has  proposed  methods  to  design  logistics  networks  for  long-haul  transportation  to  sustain  such  disruptions,  yet  they  often  fall  short  in  terms  of  practical  scalability  and  providing  sustainable  working  conditions  for  delivery  drivers.  Motivated  by  the  new  opportunities  provided  by  the  Physical  Internet,  this  research  aims  to  bridge  this  gap  by  designing  large-scale  resilient  hyperconnected  logistics  hub  networks  to  fulfill  long-haul  commodity  demand  through  short-haul  delivery  trips  using  relay  transportation.  In  particular,  this  research  investigates  the  problem  of  relay  logistics  network  design  under  different  settings  of  partial  information  regarding  commodity  demand  and  potential  disruption  uncertainty.In  Part  1  (Chapters  2-3),  we  study  the  problem  of  designing  large-scale  resilient  hyperconnected  networks  under  disruption  risks,  which  aims  to  improve  a  network's  efficiency  and  resilience  through  its  topological  configuration.  We  propose  three  modeling  approaches  based  on  mixed-integer  programs  that  aim  to  open  logistics  hubs  in  order  to  connect  each  origin-destination  pair  using  (i)  multiple  shortest  paths,  and  (ii)  multiple  shortest  edge-disjoint  paths.  We  formulate  these  problems  through  pathbased  and  edge-based  representations  and  leverage  their  structure  to  design  scalable  exact  solution  approaches  based  on  tailored  implementations  of  Benders  decomposition  and  branch-and-price.  We  apply  our  methodology  to  design  large-scale  resilient  relay  networks  for  a  China-based  parcel  delivery  partner.  Our  computational  experiments  demonstrate  that  our  developed  approaches  can  obtain  optimal  solutions  for  practically  relevant  instances.  The  resulting  logistics  networks  showcase  a  significant  improvement  in  capabilities  to  sustain  hub  disruptions  with  marginal  compromise  on  nominal  efficiency,  in  comparison  with  relay  networks  designed  to  only  optimize  nominal  efficiency.  This  work  offers  valuable  managerial  insights  for  logistics  service  providers  aiming  to  design  resilient  relay  networks  with  limited  information  regarding  future  demand  and  disruption  risks.  Our  analysis  provides  decision-makers  with  recommendations  on  adjusting  the  topology  of  network  designs  to  achieve  a  desired  tradeoff  between  nominal  efficiency  and  performance  under  disruptions.In  Part  2  (Chapter  4),  we  study  the  problem  of  Capacitated  Relay  Network  Design  under  Stochastic  Demand  and  Consolidation-Based  Routing,  aimed  at  designing  largescale  relay  logistics  hub  networks  resilient  to  demand  variability.  We  formulate  the  problem  as  a  two-stage  stochastic  optimization  model  that  integrates  second-stage  tactical  consolidation  decisions  with  first-stage  strategic  hub  location  and  capacity  planning.  To  solve  this  problem  exactly,  we  develop  a  three-stage  branch-and-cut  algorithm  with  nested  integer  L-shaped  cuts  and  Benders  decomposition.  Integer  Lshaped  cuts  are  generated  by  solving  the  consolidation  subproblem  for  each  stochastic  demand  scenario  using  a  branch-and-Benders  procedure.  To  accelerate  convergence,  we  generate  Benders  optimality  cuts  by  solving  the  dual  of  the  continuously  relaxed  consolidation  subproblem  through  nested  Benders  decomposition  with  shortest-path  subroutines.  Additionally,  we  derive  valid  inequalities  and  implement  computational  enhancements  to  further  accelerate  the  algorithm.  We  validate  our  methodology  by  designing  relay  networks  for  finished  vehicle  deliveries  in  partnership  with  a  U.S.-  based  car  manufacturer.
■590    ▼aSchool  code:  0078.
■650  4▼aDecomposition
■650  4▼aDesign
■650  4▼aInteger  programming
■690    ▼a0389
■690    ▼a0796
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360480▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서