از نقص تا مزیت: کمی‌سازی مزایای اطلاعات ناقص پیش‌بار برای حامل‌های چند کامیونی

با توجه به شرایط پویا و ناپایدار بازارهای لحظه‌ای، شرکت‌های حمل و نقل کوچک اغلب به دلیل اطلاعات ناقص پیش از بارگیری (iALI) با انتخاب بار مشکل دارند. این مطالعه یک رویکرد ریاضی برای بهره‌برداری بهتر از iALI در بازار لحظه‌ای توسعه می‌دهد. با استفاده از تکنیک‌های ریاضی و آماری، دو جنبه کلیدی را بررسی می‌کند: (۱) تعیین کمیت مزایای iALI برای شرکت‌های چند کامیونی، و (۲) تجزیه و تحلیل چگونگی تأثیر ویژگی‌های بازار بر ارزش آن. چارچوب پیشنهادی، iALI را از طریق دو سیاست تصمیم‌گیری در برنامه‌ریزی فعالیت کامیون ادغام می‌کند: (۱) نگاه به آینده (LOAH) و (۲) تقریب تابع ارزش (VFA). LOAH فرض می‌کند که همه بارها به صورت قطعی تحقق می‌یابند، در حالی که VFA از یک چارچوب تصادفی برای گنجاندن پویای اطلاعات ناقص استفاده می‌کند. برای سنجش این سیاست‌ها، یک سیاست حریصانه نیز به عنوان پایه در نظر گرفته می‌شود، که در آن همه اطلاعات پیش از بارگیری کاملاً غیرقابل اعتماد تلقی می‌شوند و تصمیمات صرفاً بر بارهای موجود فعلی متکی هستند. برای اطمینان از ارتباط عملی، مدل شامل عوامل دنیای واقعی مانند بازدید از محل سکونت، هماهنگی کامیون و طبقه‌بندی‌های حمل‌کننده است. نتایج نشان می‌دهد که VFA، با استفاده پویا از iALI، سود را در مقایسه با LOAH، به ویژه در بازارهای طبقه‌بندی‌شده، بیش از 70 درصد بهبود می‌بخشد، ضمن اینکه به زمان حل سریع‌تری نیز دست می‌یابد. یک مطالعه موردی در دنیای واقعی، اثربخشی مدل را برای شرکت‌های حمل و نقل کوچک تأیید می‌کند.

۱. مقدمه

حمل و نقل بار یک جزء حیاتی از زنجیره تأمین است؛ بدون حمل و نقل جاده‌ای، تحویل محصول به مشتری نهایی غیرممکن است. بسیاری از خدمات خرده‌فروشی، تجاری و دولتی نیاز به تحویل روزانه یا هفتگی کالاها و مواد مورد نیاز دارند (McKinnon, 2006; Cherrett et al., 2012). صنعت حمل و نقل جاده‌ای همچنان نیروی غالب در حمل و نقل بار ایالات متحده است و ۷۲.۲٪ از کل تناژ بار و ۷۹.۲٪ از درآمد را در سال ۲۰۲۲ به خود اختصاص داده است (American Trucking Associations, 2023b). طبق پیش‌بینی ATA (American Trucking Associations, 2025) برای سال‌های ۲۰۲۳-۲۰۳۴، پیش‌بینی می‌شود که تناژ کلی کامیون‌ها از ۱۱.۳ میلیارد تن در سال ۲۰۲۳ به ۱۴.۲ میلیارد تن تا سال ۲۰۳۴ افزایش یابد و سهم بازار ۷۲.۶٪ را حفظ کند. همچنین انتظار می‌رود درآمد حمل و نقل جاده‌ای از ۱.۰۱ تریلیون دلار در سال ۲۰۲۳ به ۱.۵۱ تریلیون دلار تا سال ۲۰۳۴ افزایش یابد که ۷۸.۸ درصد از بازار حمل و نقل را تشکیل می‌دهد. با وجود تغییر در سایر روش‌های حمل و نقل، مانند کاهش تناژ واگن‌های ریلی و افزایش استفاده از خط لوله، حمل و نقل جاده‌ای همچنان ستون فقرات جابجایی کالاهای ایالات متحده در دهه آینده خواهد بود. نتایج مشابهی برای مورد کانادا گزارش شده است. طبق آمار Statista (2024)، کامیون‌ها با ۳۹۰.۴ میلیارد دلار، بیشترین سهم از حمل و نقل فرامرزی ایالات متحده و کانادا را به خود اختصاص داده‌اند که از مجموع کل محموله‌های ریلی، خط لوله، کشتی و هوایی (۲۵۵.۲ میلیارد دلار) پیشی گرفته است. تسلط حمل و نقل جاده‌ای در تجارت فرامرزی، نقش حیاتی آن را در حفظ زنجیره تأمین آمریکای شمالی برجسته می‌کند و نیاز به تحقیقات بیشتر برای شناسایی استراتژی‌هایی برای افزایش کارایی و به حداکثر رساندن تأثیر آن را برجسته می‌کند (Statista، ۲۰۲۵). دو دسته اصلی از شرکت‌ها در صنعت حمل و نقل کامیونی آمریکای شمالی وجود دارد: (۱) ناوگان‌های خصوصی و (۲) شرکت‌های حمل و نقل باری (وانگ و همکاران، ۲۰۲۱، وو و لی، ۲۰۲۴، اورتون، ۲۰۱۷). ناوگان‌های خصوصی معمولاً متعلق به تولیدکنندگان هستند و به حمل و نقل کالاها و محصولات خود اختصاص دارند. برعکس، شرکت‌های حمل و نقل باری شامل شرکت‌هایی می‌شوند که یک یا چند کامیون دارند و ظرفیت ناوگان خود را در اختیار افراد و سازمان‌های دیگر قرار می‌دهند. این نهادها معمولاً به عنوان شرکت‌های حمل و نقل کرایه‌ای شناخته می‌شوند و خدمات حمل و نقل را از طریق توافق‌نامه‌های قراردادی یا در بازار لحظه‌ای به طرف‌های مختلف ارائه می‌دهند (دیسک، ۲۰۲۴). سازمان‌ها یا تولیدکنندگانی که به ظرفیت حمل و نقل قابل توجهی نیاز دارند، ترجیح می‌دهند با شرکت‌های حمل و نقل کرایه‌ای قرارداد ببندند تا تمام یا بخش قابل توجهی از نیازهای حمل و نقل خود را تأمین کنند (گاهم و همکاران، ۲۰۱۷). در مقابل، اکثر افراد و شرکت‌های کوچک با نیازهای حمل و نقل نامنظم، ترجیح می‌دهند به دنبال خدمات در بازار لحظه‌ای باشند. اگرچه شرکت‌های تولیدی عموماً ترجیح می‌دهند کامیون‌های خود را داشته باشند یا برای تأمین نیازهای لجستیکی خود قراردادهایی منعقد کنند، اما بیش از 50٪ از کل خدمات حمل و نقل همچنان از بازار لحظه‌ای تأمین می‌شود (OnTruck، 2024).

اگرچه شرکت‌های کوچک حمل و نقل نقش مهمی در بازار حمل و نقل ایفا می‌کنند، اما اغلب برای عقد قرارداد با تولیدکنندگان بزرگ و دستیابی به محموله‌های ثابت و پردرآمد با مشکل مواجه هستند (بوداک و همکاران، ۲۰۱۷؛ لیندنر، ۲۰۲۴). این چالش‌ها در طول رکود بازار تشدید می‌شوند، که بسیاری از مشاغل حمل و نقل را مجبور به تعطیلی کرده است. در واقع، سال ۲۰۲۳ به عنوان بدترین سال برای حمل و نقل از سال ۲۰۲۰ توصیف شد، به طوری که انجمن حمل و نقل آمریکا از کاهش ۱.۷ درصدی در کل تناژ بار خبر داد (انجمن‌های حمل و نقل آمریکا، ۲۰۲۳a). این صنعت همچنین بسیار پراکنده است، به طوری که بیش از ۹۰ درصد از شرکت‌های حمل و نقل در ایالات متحده و کانادا با شش کامیون یا کمتر کار می‌کنند و حمل و نقل را عمدتاً به صنعتی برای مشاغل کوچک تبدیل می‌کنند (کارام و همکاران، ۲۰۱۸؛ رکورد تجاری، ۲۰۲۰). در نتیجه، شرکت‌های کوچک حمل و نقل برای یافتن بار و ادامه حرکت کامیون‌های خود به شدت به بازار لحظه‌ای متکی هستند. بیشتر این بارها شامل حمل و نقل در همان روز یا تحویل‌هایی هستند که ظرف سه تا چهار روز برنامه‌ریزی شده‌اند. با توجه به ماهیت رقابتی بازار لحظه‌ای، این شرکت‌ها به طور مداوم به دنبال سودآورترین بارها هستند، فرآیندی تکراری و پرزحمت که به طور قابل توجهی بر سودآوری تأثیر می‌گذارد (Zugheyr, 2011; Budak et al., 2017; Haughton and Amini, 2024). علاوه بر این، صنعت حمل و نقل کامیونی آمریکای شمالی چرخه‌های مکرر رونق و رکود را تجربه می‌کند. هنگامی که نرخ‌های لحظه‌ای بالا هستند، تأمین بار نسبتاً آسان است. با این حال، هنگامی که نرخ‌ها کاهش می‌یابند، بسیاری از شرکت‌های کوچک حمل و نقل کامیونی برای پر کردن ظرفیت خود با مشکل مواجه می‌شوند که اغلب منجر به تعطیلی کسب و کار می‌شود.

حتی با وجود غیرقابل پیش‌بینی بودن و نوسانات طبیعی بازار لحظه‌ای، شرکت‌های حمل و نقل کامیونی اغلب در مورد فرصت‌های بارگیری آینده بینش کسب می‌کنند. این بینش ممکن است از سوالات مشتریان، تماس‌های کارگزاران یا حتی رزروهای تأیید شده برای چند روز آینده حاصل شود (Najafi and Zolfagharinia, 2022). با این حال، این اطلاعات اغلب غیرقابل اعتماد هستند زیرا ممکن است حمل و نقل طبق برنامه انجام نشود و با تأخیر، لغو یا تغییر زمان توسط حمل‌کنندگان مواجه شود. علاوه بر این، برخی از کارگزاران حمل و نقل یا شرکت‌های حمل و نقل ممکن است عمداً لیست بارهای نادرستی را منتشر کنند یا بارهای مشابه را چندین بار در پلتفرم‌های مختلف تبلیغ کنند تا روند بازار را ارزیابی کنند (Lindsey and Mahmassani, 2017; Song et al., 2023; Zugheyr, 2011). چنین رفتارهایی انتخاب بار را دشوارتر و پیچیده‌تر می‌کند. علاوه بر این، نادیده گرفتن عدم قطعیت بار و نوسانات بازار می‌تواند هزینه‌های بالایی را به شرکت‌های حمل و نقل تحمیل کند و آنها را از بازار رقابتی حذف کند. برای غلبه بر این پیچیدگی‌ها، شرکت‌های حمل و نقل باید دو عامل را در بازار در نظر بگیرند: (۱) سود پیش‌بینی شده بر اساس احتمال تکمیل بار و (۲) احتمال یافتن بار در نزدیکی مقصد تحویل اولیه. در اصل، یک شرکت حمل و نقل باید باری را انتخاب کند که نه تنها سود ایجاد کند، بلکه کامیون را در مکانی با احتمال بالای تأمین بار سودآور دیگر قرار دهد. با این حال، باید توجه داشت که احتمال تحقق برای بارها به دلیل رفتارهای متفاوت حمل‌کنندگان متفاوت است (Tan et al., 2009; Gayon et al., 2009; Najafi and Zolfagharinia, 2022; Qin et al., 2025). بنابراین، تأثیر رفتارهای حمل‌کنندگان نیز باید در فرآیند انتخاب بار در نظر گرفته شود. علاوه بر این، شرکت‌های دارای چندین کامیون با چالش دیگری نیز روبرو هستند: نیاز به مدیریت کارآمد همکاری کامیون‌ها. به عنوان مثال، هرگونه لغو بار یا تقاضای حمل و نقل جدید که برای یک کامیون ایجاد می‌شود، ممکن است مستلزم به‌روزرسانی برنامه‌های سایر کامیون‌های ناوگان باشد تا هزینه کلی شرکت کاهش یابد یا سود آن افزایش یابد.

با توجه به پیچیدگی‌ها و نوسانات ذاتی بازار، شرکت‌های چند کامیونی می‌توانند به طور بالقوه از اطلاعات بار موجود بهره‌مند شوند. در حالی که بینش در مورد بارهای آینده ممکن است به شرکت‌های حمل و نقل کمک کند تا محموله‌های سودآورتری را انتخاب کنند (گایون و همکاران، ۲۰۰۹؛ ذوالفقارینیا و هاتون، ۲۰۱۴؛ بوادا-کولادو و همکاران، ۲۰۱۹؛ بورگستروم و همکاران، ۲۰۲۵)، اطلاعات بازار لحظه‌ای اغلب به دلیل عدم دقت و عدم قطعیت آن غیرقابل اعتماد است. علیرغم اهمیت بالقوه آن، ارزش این اطلاعات برای شرکت‌های چند کامیونی به طور کامل در ادبیات بررسی نشده است. برای پرداختن به این شکاف، این مطالعه به بررسی ارزش اطلاعات ناقص پیش از بارگیری (iALI) می‌پردازد که شامل تقاضای پیش‌بینی شده حمل و نقل، حجم تقاضای تخمینی و قابلیت اطمینان ارسال‌کننده است. برخلاف سناریوهای اطلاعات کامل، iALI در طول زمان در معرض تغییرات و به‌روزرسانی‌ها قرار دارد و استفاده از تکنیک‌های بهینه‌سازی قوی را برای به حداکثر رساندن مزایای آن ضروری می‌سازد. به طور خاص، این مطالعه با هدف پاسخ به سه سوال کلیدی برای بهبود استراتژی‌های برنامه‌ریزی بار در حضور اطلاعات ناقص پیشرفته انجام شده است: (1) آیا استفاده از اطلاعات ناقص پیشرفته بار (iALI) برای شرکت مفید است؟؛ (2) iALI چه میزان بهبود/زیان سود برای شرکت به همراه دارد؟؛ (3) آیا همه اطلاعات بار تأثیر مشابهی بر سود شرکت دارند؟ برای پرداختن به این سوالات عملی، iALI را از دو دیدگاه بررسی می‌کنیم: (1) تأثیر iALI بر سودآوری در انتخاب بار بازار لحظه‌ای و (2) تأثیر ویژگی‌های کلیدی بازار بر ارزش iALI. سهم ما در ادبیات به شرح زیر است:
•
ما یک مدل ریاضی برای در نظر گرفتن عدم قطعیت اطلاعات در بازار لحظه‌ای توسعه می‌دهیم. این مدل، انتخاب و برنامه‌ریزی بار را برای یک شرکت چند کامیونی بهینه می‌کند و محدودیت‌های مهم دنیای واقعی مانند بازدید از محل، هماهنگی کامیون و طبقه‌بندی حمل‌کننده را در طول افق برنامه‌ریزی در نظر می‌گیرد.

با توجه به پیچیدگی مسئله، ما یک نمایش شبکه حالت جدید معرفی می‌کنیم و یک مدل ریاضی بر اساس این شبکه توسعه می‌دهیم. سپس یک الگوریتم مبتنی بر برنامه‌نویسی پویا برای حل کارآمد مسئله فرموله شده طراحی می‌کنیم. این الگوریتم تحت دو سیاست برنامه‌ریزی متمایز پیاده‌سازی می‌شود تا تأثیر iALI بر سودآوری شرکت ارزیابی شود. علاوه بر این، ما دسته‌های مختلف حمل‌کننده را بررسی کرده و رفتارهای آنها را در ارزیابی خود ادغام می‌کنیم.

• ما مجموعه‌ای جامع از آزمایش‌ها را برای تجزیه و تحلیل آماری اثرات پارامترهای مختلف بر ارزش iALI و کارایی محاسباتی الگوریتم‌های پیشنهادی انجام می‌دهیم. بینش‌های مدیریتی حاصل از این شبیه‌سازی گسترده، راهنمایی‌های ارزشمندی را برای شرکت‌های چند کامیونی که به دنبال افزایش سودآوری در بازارهای لحظه‌ای هستند، ارائه می‌دهد.

• در نهایت، ما پیاده‌سازی مدل‌ها و سیاست‌های راه‌حل خود را از طریق یک مطالعه موردی در دنیای واقعی نشان می‌دهیم و کاربرد عملی و اثربخشی روش پیشنهادی را نشان می‌دهیم.

در ادامه مقاله، با بررسی ادبیات مربوطه در بخش 2 شروع می‌کنیم تا مطالعه فعلی را در چارچوب تحقیقات موجود قرار دهیم و بر سهم منحصر به فرد آن تأکید کنیم. در ادامه، در بخش ۳، یک فرمول ریاضی برای مسئله مورد بررسی ارائه می‌دهیم. سپس، در بخش ۴، دو سیاست برنامه‌ریزی برای انتخاب بار را مورد بحث قرار می‌دهیم و الگوریتم راه‌حل توسعه‌یافته را به تفصیل ارائه می‌دهیم. این بخش همچنین توضیح می‌دهد که چگونه الگوریتم راه‌حل تحت سیاست‌های برنامه‌ریزی مختلف مورد استفاده قرار می‌گیرد. علاوه بر این، در بخش ۵، ویژگی‌های آزمایش‌های طراحی‌شده را مورد بحث قرار می‌دهیم و یک تحلیل شبیه‌سازی انجام می‌دهیم تا مشخص کنیم که چگونه پارامترهای مختلف بر مقدار iALI در شرایط مختلف تأثیر می‌گذارند. متعاقباً، بخش ۶ چارچوب ریاضی توسعه‌یافته و روش راه‌حل را در یک مطالعه موردی عملی اعمال می‌کند و تأثیر iALI بر سودآوری شرکت را بررسی می‌کند. در نهایت، بخش ۷ بینش‌های پایانی را ارائه می‌دهد و برخی از فرصت‌های تحقیقاتی آینده را مشخص می‌کند.

۲. مرور ادبیات

تأثیر اطلاعات بر ذینفعان در لجستیک و زنجیره‌های تأمین به طور گسترده در ادبیات بررسی شده است (به عنوان مثال، چن، ۱۹۹۹، کاچون و فیشر، ۲۰۰۰، وو و همکاران، ۲۰۰۶، خورانا و همکاران، ۲۰۱۱، فاوست و همکاران، ۲۰۱۱، ژونگ و همکاران، ۲۰۱۶، ویت و همکاران، ۲۰۱۸، پراتاویرا و همکاران، ۲۰۲۴ ۱؛ ۲). برخی از این مطالعات با نشان دادن اینکه اطلاعات ردیابی با کیفیت بالا، شفافیت عملیاتی را بهبود می‌بخشد و وفاداری مشتری را تقویت می‌کند، دامنه مزایای اطلاعات را گسترش داده‌اند. به عنوان مثال، رای و همکاران (۲۰۲۲) نشان دادند که ارزش استفاده ایجاد شده از طریق کیفیت برتر اطلاعات ردیابی، وفاداری مشتری را در زمینه‌های لجستیک بین کسب‌وکارها به طور قابل توجهی تقویت می‌کند. علاوه بر این، دوستاتنی (۲۰۲۲) بررسی کرد که چگونه افزایش تعاملات اطلاعاتی بین شرکت‌کنندگان در زنجیره تأمین می‌تواند هماهنگی و موقعیت رقابتی را بیشتر بهبود بخشد. اگرچه اشتراک‌گذاری اطلاعات بین ذینفعان مزایای بالقوه‌ای را ارائه می‌دهد، اما ضروری است که اذعان کنیم چنین دسترسی بدون هزینه نیست، زیرا سرمایه‌گذاری‌های قابل توجه و سطح بالاتری از اعتماد بین شرکت‌کنندگان معمولاً پیش‌نیاز هستند (Zhong et al., 2016; Tsanos and Zografos, 2016; Lourenço et al., 2024). برخی مطالعات (به عنوان مثال، Fawcett et al., 2011; Tai et al., 2022) نیز نشان داده‌اند که شرکت‌ها علیرغم تلاش‌های خود برای اشتراک‌گذاری اطلاعات، نتوانسته‌اند به بهبود عملکرد پیش‌بینی‌شده دست یابند. در نتیجه، صرفاً جمع‌آوری و استفاده از اطلاعات، بهبود عملکرد شرکت‌ها را تضمین نمی‌کند. بنابراین، تشخیص اطلاعات خاصی که باید در یک زنجیره تأمین به کار گرفته شود و درک چگونگی استفاده از آن برای بهبود کارایی عملیاتی کلی شرکت‌ها ضروری می‌شود (Wu et al., 2006; Boada-Collado et al., 2022).

نقش پلتفرم‌های لجستیک در کاهش عدم تقارن اطلاعات، مورد توجه مطالعات اخیر بوده است (لو و همکاران، 2020، لیو و همکاران، 2021). پلتفرم‌های لجستیک با ایفای نقش واسطه بین شرکت‌های حمل و نقل و کامیون‌داران، به شرکت‌های حمل و نقل کمک می‌کنند تا بر کمبود اطلاعات مربوط به هزینه‌ها غلبه کنند و در نتیجه، کارایی کلی سیستم حمل و نقل را افزایش دهند. با این حال، این واسطه‌گری همچنین باعث ایجاد مسئله حاشیه‌نشینی مضاعف می‌شود، جایی که هم شرکت حمل و نقل و هم پلتفرم به دنبال به حداکثر رساندن سود خود هستند و به طور بالقوه کارایی کلی را کاهش می‌دهند. وو و همکاران (2024a) تأکید کردند که شرکت‌های حمل و نقل تمایل دارند پلتفرم‌های لجستیک را در بازارهای فروش در مقیاس کوچک ترجیح دهند، در حالی که در بازارهای بزرگتر، احتمال بیشتری وجود دارد که به طور مستقل به دنبال کامیون‌داران باشند. نکته مهم این است که ارزش پلتفرم‌های لجستیک فراتر از کاهش عدم تقارن اطلاعات است – آنها همچنین به شناسایی کامیون‌داران کم‌هزینه و بهینه‌سازی سودآوری سیستم حمل و نقل، به ویژه در محیط‌هایی با هزینه‌های حمل و نقل ناهمگن، کمک می‌کنند. جالب توجه است که تحقیقات همچنین نشان می‌دهد که اطلاعات خصوصی شرکت‌های حمل و نقل گاهی اوقات می‌تواند به ضرر پلتفرم‌های لجستیک باشد (ها و همکاران، 2022). برای پرداختن به این موضوع، پلتفرم‌ها می‌توانند خدمات ارزش افزوده یا استراتژی‌های قیمت‌گذاری رقابتی را برای افزایش جذابیت خود و بهبود رفاه کلی سیستم حمل و نقل اتخاذ کنند (لی و همکاران، 2020). این یافته‌ها در مجموع، بینش‌های ارزشمندی در مورد تعاملات استراتژیک بین شرکت‌های حمل و نقل و پلتفرم‌های لجستیک در بازارهای حمل و نقل بار ارائه می‌دهند.

اهمیت اطلاعات در لجستیک و زنجیره تأمین تحت تأثیر عوامل مختلفی است (ذوالفقارینیا و هاتون، 2016، ویت و همکاران، 2018). انواع مختلف اطلاعات نقش‌های متمایزی ایفا می‌کنند؛ برخی در کل زنجیره تأمین یکپارچه هستند، در حالی که برخی دیگر بین ذینفعان در داخل یا بین سطوح مختلف به اشتراک گذاشته می‌شوند. در کنار نوع اطلاعات، در دسترس بودن اطلاعات نیز نقش مهمی ایفا می‌کند (به عنوان مثال، تسانوس و زوگرافوس، 2016، نجفی و ذوالفقارینیا، 2022). به عنوان مثال، در حالی که در دسترس بودن اطلاعات تقاضا برای برنامه‌ریزی موجودی یک خرده‌فروش بسیار مهم است، زمان‌بندی این اطلاعات نیز از اهمیت یکسانی برخوردار است. بنابراین، اطلاعات اغلب به دو دسته طبقه‌بندی می‌شوند: (۱) اطلاعات معوق و (۲) اطلاعات پیش‌پرداخت (به عنوان مثال، به Cachon and Fisher, 2000; Florio et al., 2022 مراجعه کنید). با توجه به کامل بودن اطلاعات، شرکت‌ها ممکن است با موقعیت‌هایی از (۱) بدون اطلاعات (به عنوان مثال، Norouzi and Uzsoy (2014)) تا (۲) اطلاعات جزئی (به عنوان مثال، Treharne and Sox, 2002; Ganesh et al., 2014; Mehrjerdi and Shafiee, 2021) و (۳) اطلاعات کامل (به عنوان مثال، Kumar et al., 2015; Huo et al., 2021) مواجه شوند. علاوه بر این، دقت اطلاعات یکی دیگر از عوامل مهم مؤثر بر ارزش آن است (Ramanathan, 2012; Shen et al., 2019). اگرچه اطلاعات دقیق ذاتاً ارزشمندتر از اطلاعات نادرست است، شایان ذکر است که به‌کارگیری اطلاعات نادرست – در مقایسه با کمبود دانش – در واقع می‌تواند منجر به تصمیم‌گیری برتر در سناریوهای دنیای واقعی شود (به عنوان مثال، گاویرنننی و همکاران، 1999، مسینا و همکاران، 2020، نجفی و ذوالفقاری‌نیا، 2022). با توجه به این پارامترها، بخش‌های بعدی بر سه سطح متمایز از تحقیق تمرکز دارند که برای دامنه این مطالعه مهم هستند: (1) فایده اطلاعات در مدیریت زنجیره تأمین، (2) فایده اطلاعات در مدیریت موجودی، و (3) فایده اطلاعات در برنامه‌ریزی حمل و نقل کامیون.

۲.۱. مزیت اطلاعات در مدیریت زنجیره تأمین

یکی از اهداف اصلی مدیریت زنجیره تأمین (SCM) به حداقل رساندن هزینه‌های کل زنجیره تأمین در عین حفظ استاندارد خدماتی است که انتظارات مشتری را برآورده می‌کند (Hammond, 1993, Bourland et al., 1996). بنابراین، سیستم SCM معمولاً برای جمع‌آوری اطلاعات (Kumar and Pugazhendhi, 2012)، پشتیبانی از دید اطلاعات (Goswami et al., 2013, Roy, 2021) و ایجاد نقطه تماس برای همه مشاغل درگیر طراحی شده است. اطلاعات در زنجیره‌های تأمین معمولاً دارای ویژگی‌های ناهمگنی است که ممکن است به طور قابل توجهی بر ارزش اطلاعات تأثیر بگذارد (Hazen et al., 2014, Feng and Li, 2025). بر اساس این اطلاعات مشترک، ذینفعان می‌توانند تقاضاها را پیش‌بینی کرده و فعالیت‌هایی را برای همکاری برنامه‌ریزی کنند. با این حال، Simchi-Levi و Zhao (2003) تأکید کردند که اگر اطلاعات مهم به سرعت به هر شریک تحویل داده نشود، ارزش اطلاعات به طور قابل توجهی کاهش می‌یابد. بررسی ادبیات موجود، کاوشی جامع از انواع مختلف اطلاعات در حوزه مدیریت زنجیره تأمین (SCM) را نشان می‌دهد. ظرفیت، عملیات کارگاهی و محدودیت‌های منابع، همراه با کیفیت‌های مربوطه، در مطالعاتی که بر مزایای اطلاعات تمرکز دارند، توجه قابل توجهی را به خود جلب کرده‌اند (به عنوان مثال، به King and Griffiths, 1986; Huang and Gangopadhyay, 2004; Bendre and Nielsen, 2013; Jonsson and Myrelid, 2016; Liu et al., 2020 مراجعه کنید). به عنوان مثال، Huang and Gangopadhyay (2004) بر نقش استراتژیک اشتراک‌گذاری اطلاعات در افزایش تصمیم‌گیری تأکید کردند و پتانسیل آن را در افزایش سودآوری کل زنجیره تأمین نشان دادند. کار آنها مدل‌های مختلف اشتراک‌گذاری اطلاعات را بررسی کرد؛ رابطه بین متغیرها را بررسی کرد؛ و از همه مهم‌تر، اثر شلاقی را از طریق شبیه‌سازی مورد بررسی قرار داد. به طور مشابه، Rippe and Kiesmüller (2023) مزایای استفاده از مکانیسم‌های اشتراک‌گذاری اطلاعات را برای افزایش کارایی عملیاتی و کاهش هزینه‌ها بررسی کرد. برای مثال، نشان داده شده است که استفاده از اطلاعات تقاضای اولیه در مدیریت قطعات یدکی، با بهبود تصمیمات مربوط به تامین مجدد، منجر به صرفه‌جویی قابل توجهی در هزینه‌ها می‌شود. رویکرد آنها از کدهای خرابی حسگرهای لوازم خانگی برای پیش‌بینی تقاضا استفاده می‌کند و در نتیجه تخصیص موجودی را بهینه کرده و کمبودها را به حداقل می‌رساند. نویسندگان با به‌کارگیری روش‌های اکتشافی نشان دادند که ادغام اطلاعات اولیه می‌تواند منجر به بهبودهای عملیاتی قابل توجهی شود، در حالی که در موارد کوچک مشکل، در محدوده 10٪ از راه‌حل‌های بهینه باقی می‌ماند. چنین یافته‌هایی، این مفهوم گسترده‌تر را تقویت می‌کند که مکانیسم‌های ساختاریافته اشتراک‌گذاری اطلاعات نه تنها فرآیندهای تصمیم‌گیری را بهبود می‌بخشند، بلکه به عملکرد کلی زنجیره تأمین و دستاوردهای مالی نیز کمک می‌کنند.

در حالی که مزایای کیفی اشتراک‌گذاری اطلاعات به طور گسترده مستند شده است، کمّی‌سازی ارزش پولی آن همچنان حیاتی است. زیپفل و همکاران (2021) روشی را برای کمّی‌سازی ارزش اطلاعات برای کنترل تولید در شبکه‌های بین شرکتی ارائه دادند و بدین ترتیب یک چارچوب کمی ارائه دادند که مکمل تحلیل‌های کیفی‌تر موجود در مطالعات قبلی است. علاوه بر این، بندره و نیلسن (2013) اهمیت اطلاعات مربوط به توسعه زمان‌های تحویل عرضه را از دیدگاه خریدار بررسی کردند. در همین حال، لیو و همکاران (2020) گزینه‌های سرمایه‌گذاری و هماهنگی را در یک زنجیره تأمین پایدار کشاورزی-غذایی بررسی کردند. در تحلیل خود از این بخش تخصصی، آنها یک چارچوب بهینه زنجیره تأمین را پیشنهاد کردند که فناوری‌های کلان‌داده و بلاکچین را ادغام می‌کند.

تأثیر عدم قطعیت اطلاعات بر مزایای پیش‌بینی‌شده، نقطه کانونی در بدنه فعلی تحقیقات است (به عنوان مثال، بایرن و هیوی، 2006، سیمانگانسونگ و همکاران، 2012، استاینکر و همکاران، 2017). بیرن و هیوی (2006) چگونگی تأثیر اشتراک‌گذاری اطلاعات و پیش‌بینی بر معیارهای عملکرد یک زنجیره تأمین صنعتی را تحلیل کردند. مدل آنها مشتریان، توزیع‌کنندگان و خانواده‌های مختلف محصول را در نظر گرفته بود که هر کدام با الگوهای تقاضای منحصر به فردی روبرو بودند. این مطالعه مزایای قابل توجهی را که می‌توان با اجرای شیوه‌های بهبود اشتراک‌گذاری اطلاعات و پیش‌بینی به دست آورد، برجسته کرد. استینکر و همکاران (2017) همچنین همبستگی بین مدت زمان برنامه‌ریزی و سطوح عدم قطعیت را بررسی کردند. آنها ادعا کردند که افق‌های برنامه‌ریزی طولانی‌مدت (مثلاً، هفته‌ها یا ماه‌ها) ذاتاً عدم قطعیت بیشتری را در مقایسه با فرآیندهای کوتاه‌مدت نشان می‌دهند. در نتیجه، بینش در مورد برنامه‌ریزی بلندمدت ممکن است در مقایسه با اطلاعات کوتاه‌مدت جمع‌آوری‌شده از پیش‌بینی‌های فروش که بازه‌های زمانی محدودی را پوشش می‌دهند، سودآوری کمتری داشته باشد.

در میان این دسته از مطالعات، راچد و همکاران (2015) و بیان و همکاران (2016) مزایای به اشتراک گذاری انواع مختلف اطلاعات را بررسی کردند. راچد و همکاران (2015) مزایای انتشار همزمان سه دسته مجزا از اطلاعات بالادستی و پایین دستی را در یک زنجیره تأمین سریالی تک محصولی بررسی کردند. در همین حال، بیان و همکاران (2016) به طور خاص بر به اشتراک گذاری اطلاعات دو طرفه در رقابت زنجیره تأمین تمرکز کردند. یافته‌های آنها نشان داد که به اشتراک گذاری بی‌قید و شرط پیش‌بینی‌های تقاضا می‌تواند به نفع تولیدکنندگان باشد اما می‌تواند تأثیر منفی بر خرده فروشان داشته باشد. علاوه بر این، بنجعفر و همکاران (2011) و بعداً وانگ و همکاران (2023) با روشن کردن منشأ اطلاعات ناقص در زنجیره تأمین، سهم قابل توجهی در این دسته از مطالعات داشتند. تحقیقات نویسندگان، تأمین‌کننده‌ای را در نظر گرفت که در یک مرکز تولیدی با ظرفیت محدود فعالیت می‌کند و از طبقات تقاضای متنوع سفارش دریافت می‌کند. شایان ذکر است که طبقات خاصی از مشتریان، اطلاعات پیش از سفارش را با تأمین‌کننده به اشتراک گذاشته و سفارشات خود را از قبل اعلام کرده‌اند. با این حال، این اطلاعات قبل از درخواست رسمی ذاتاً ناقص بودند، زیرا احتمال تغییر زمان‌بندی یا لغو سفارشات توسط مشتریان وجود داشت. نویسندگان نتیجه گرفتند که در زنجیره تأمین، پرداختن به مدل‌های مبتنی بر اطلاعات ناقص نسبت به مدل‌هایی که فاقد اطلاعات هستند، ارجحیت دارد.

۲.۲. مزیت اطلاعات در مدیریت موجودی

مشابه حوزه زنجیره تأمین، مزیت انواع مختلف اطلاعات در مدیریت موجودی نیز به طور گسترده در ادبیات موضوع بررسی شده است. برخی از این انواع اطلاعات عبارتند از: (۱) سطح موجودی (Xue و همکاران، ۲۰۱۱)، (۲) وضعیت سفارش (Choi و همکاران، ۲۰۱۳، Chiang و Feng، ۲۰۰۷)، (۳) پیش‌بینی فروش (Güllü، ۱۹۹۷، Zhao و همکاران، ۲۰۰۲)، (۴) طول عمر محصول (Ketzenberg و همکاران، ۲۰۰۷، Ketzenberg و Ferguson، ۲۰۰۸)، (۵) اندازه دسته سفارش (Hussain و Drake، ۲۰۱۱) و (۶) زمان تحویل (Yao و Wei، ۲۰۰۸). به عنوان مثال، Choudhury و همکاران. (2008) مزایای به اشتراک گذاری سطح موجودی و اطلاعات سیاست بازپرسازی را در یک زنجیره تأمین دو سطحی با تأمین‌کنندگان دارای ظرفیت بررسی کردند. لامسدن و میرزابیکی (2008) مزایای به اشتراک گذاری اطلاعات مربوط به مکان محصول، وضعیت، سابقه فروش و فروشگاه خرده فروشی را در یک زنجیره تأمین پنج سطحی بررسی کردند. آنها دریافتند که ارزش اطلاعات در بین اعضای مختلف زنجیره تأمین، در صورت برخورد یکسان، ثابت می‌ماند. به عبارت دیگر، هرگونه تغییر در ارزش درک شده اطلاعات، بر همه اعضای زنجیره تأمین تأثیر خواهد گذاشت. اخیراً، لیو و همکاران (2020) ارزش اطلاعات را از چهار دسته بررسی کردند: (i) اطلاعات کامل در مورد ظرفیت تولیدکننده و عمده فروشی، (ii) ظرفیت تولید، (iii) محدودیت منابع و (iv) داده‌های اساسی مانند سفارشات، در دسترس بودن کامیون و جزئیات هزینه. یافته‌های آنها نشان داد که به اشتراک گذاری اطلاعات نقش مهمی در افزایش هماهنگی در یک زنجیره تأمین غیرمتمرکز دارد و اطلاعات اولیه بیشترین تأثیر را دارند.

علاوه بر این، بورلند و همکاران (1996) بررسی می‌کنند که چگونه تبادل اطلاعات به موقع تقاضا بر مدیریت موجودی تأثیر می‌گذارد و سطح خدمات را برای تأمین‌کنندگان و مشتریان افزایش می‌دهد. یافته‌های آنها بیشترین حساسیت مزایای مربوط به موجودی را به عواملی مانند تغییرپذیری تقاضا، سطوح خدمات ارائه شده توسط تأمین‌کننده و عدم هماهنگی بین چرخه‌های سفارش و تولید تأکید کرد. متعاقباً، کتزنبرگ و همکاران (2007) چارچوبی جامع معرفی کردند که تأثیر پارامترهای زنجیره تأمین بر اثربخشی اشتراک‌گذاری اطلاعات در زمینه تصمیمات مربوط به تکمیل موجودی را بررسی می‌کرد. این چارچوب عواملی از جمله درجه عدم قطعیت، حساسیت زنجیره تأمین، دسترسی به اطلاعات در زنجیره تأمین، تخصیص مسئولیت‌پذیری و استفاده از اطلاعات در فرآیندهای تصمیم‌گیری زنجیره تأمین را مورد بررسی قرار داد. علاوه بر این، کومار و پوگاژندی (2012) کشف کردند که در شرایط خاص، واریانس تقاضای تولیدکننده هنگام فیلتر شدن از طریق مرکز توزیع در مقایسه با موقعیت‌هایی که خرده‌فروشان مستقیماً سفارشات را به تولیدکننده ارسال می‌کنند، کاهش می‌یابد.

برخلاف تحقیقات قبلی که عمدتاً بر اطلاعات فعلی متمرکز بودند، زیرمجموعه‌ای از مطالعات، پیشرفت‌های بالقوه حاصل از دسترسی به اطلاعات پیشرفته را بررسی کردند. پیشگام این خط تحقیق، کار هاریهاران و زیپکین (۱۹۹۵) است که ادغام اطلاعات تقاضای پیش‌پرداخت را در یک سیستم پیوسته بررسی کردند. یافته‌های آنها نشان داد که سیاست بهینه با استراتژی ذخیره موجودی در سناریویی که سفارشات برای واحدهای L از قبل اعلام می‌شوند، همسو است. متعاقباً، اوزر و وی (۲۰۰۴) با استفاده از اطلاعات پیش‌پرداخت برای افزایش اثربخشی یک سیستم موجودی با ظرفیت مشخص، کاربرد آن را بررسی کردند.

انواع دیگر اطلاعات، مانند اطلاعات تقاضا، اطلاعات ظرفیت و اطلاعات تولید، در مطالعات بیشتری مورد بررسی قرار گرفته‌اند (به عنوان مثال، به Byrne و Heavey، 2006؛ Tan و همکاران، 2009؛ Gayon و همکاران، 2009؛ Chen و Lee، 2009؛ Jakšič و همکاران، 2011؛ Flapper و همکاران، 2012 مراجعه کنید). به عنوان مثال، Byrne و Heavey (2006) تأثیر به اشتراک گذاری اطلاعات تقاضا و پیش‌بینی بر عملکرد در یک زنجیره تأمین شامل چندین محصول و ردیف را بررسی کردند. Tan و همکاران (2009) به اهمیت اطلاعات ناقص تقاضای پیش‌پرداخت در تصمیمات مربوط به تکمیل موجودی و جیره‌بندی که مربوط به دو طبقه مشتری متمایز بود، پرداختند. به طور مشابه، Gayon و همکاران (2009) ارزش اطلاعات تقاضای پیش‌پرداخت را برای طبقات مختلف مشتری ارزیابی کردند و تغییرات در نرخ تقاضا، احتمال لغو، سررسیدهای مورد انتظار و هزینه‌های کمبود را در نظر گرفتند. آنها همچنین نقص اطلاعات را با توجه به اینکه تاریخ دقیق سررسید سفارشات ناشناخته بود و مشتریان می‌توانستند سفارشات را لغو کنند، در نظر گرفتند. علاوه بر این، چن و لی (2009) ارزش اطلاعات تقاضا را در یک زنجیره تأمین دو عضوی بررسی کردند و نشان دادند که به اشتراک گذاشتن پیش‌بینی‌های سفارش به تأمین‌کننده اجازه می‌دهد تا اثرات تغییرپذیری سفارش را از اثرات عدم قطعیت سفارش متمایز کند. جاکشیچ و همکاران (2011) تأثیر اطلاعات ظرفیت پیش‌پرداخت در مورد عرضه آینده یا در دسترس بودن ظرفیت تولید برای تأمین‌کنندگان را بررسی کردند و یک رویکرد مدیریت موجودی دوره‌ای را پیشنهاد دادند که تقاضای نامشخص و عرضه محدود را در نظر می‌گیرد. به طور مشابه، فلاپر و همکاران (2012) یک سیستم تولید-موجودی را بررسی کردند و مزایای بالقوه استفاده از اطلاعات ناقص بازگشت پیش‌پرداخت از چندین منبع خارجی مستقل را در زمینه شرکتی که یک محصول واحد را تأمین می‌کند، بررسی کردند. علاوه بر این، لو و همکاران (2021) روی پیامدهای جریان‌های اطلاعاتی در محیط‌های مستعد خطا آزمایش کردند و به ویژه بین انتقال خطا و منبع خطا تمایز قائل شدند. نتایج تجربی آنها نشان داد که خطاهای منبع می‌توانند در صورت عدم همراهی با جریان اطلاعاتی فقط تقاضا، منجر به نتایج نامطلوب شوند. با این حال، یک خطای انتقال می‌تواند نتیجه نامطلوبی را برای سناریوهایی که شامل هر دو سناریوی جریان اطلاعات فقط تقاضا و جریان اطلاعات سفارش هستند، ایجاد کند. آنها همچنین اظهار داشتند که وقتی خطاهای انتقال رخ می‌دهند، ممکن است برای تولیدکنندگان بهتر باشد که هنگام تصمیم‌گیری، مقادیر سفارش خرده‌فروشان را نادیده بگیرند. از سوی دیگر، بدون خطاهای انتقال، حتی با وجود خطاهای منبع، هرگز بهینه نیست. در نهایت، علاوه بر روش‌های تحلیلی سنتی، پیشرفت‌های اخیر در تکنیک‌های محاسباتی برای ارزیابی ارزش اطلاعات به کار گرفته شده است. به عنوان مثال، بییم و همکاران (2023) از الگوریتم‌های رگرسیون و شبکه‌های عصبی مصنوعی برای تجزیه و تحلیل ارزش جریان اطلاعات در تولید استفاده کردند و رویکردی امیدوارکننده برای پیش‌بینی و مدیریت عدم قطعیت‌های مرتبط با اطلاعات در سیستم‌های موجودی ارائه دادند.

۲.۳. مزایای اطلاعات در برنامه‌ریزی حمل و نقل کامیون‌ها

بررسی اطلاعات بار در برنامه‌ریزی حمل و نقل کامیون‌ها از دهه ۱۹۸۰ مورد توجه بسیاری از محققان بوده است. با این حال، تحقیقات موجود عمدتاً به جای ارزیابی مزایای خاص آن، تأثیر آن را بررسی کرده‌اند. پاول (۱۹۹۶) در این حوزه قابل توجه است زیرا او یک مدل ریاضی برای مدیریت مؤثر فعالیت‌های کامیون‌ها با در نظر گرفتن حرکات خالی و پر معرفی کرد. در فرمول‌بندی اولیه پیشنهادی، کامیون‌ها فقط در صورت وجود تقاضای واقعی می‌توانستند از یک منطقه به منطقه دیگر سفر کنند. سپس، نویسنده از الگوریتم فرانک-ولف، که توسط کوپر و لبلانک (۱۹۷۷) استفاده شده بود، برای حل یک مسئله تخصیص تصادفی استفاده کرد. علاوه بر این، کار پاول (۱۹۹۶) با فرض اینکه وسیله نقلیه‌ای که یک روز را در یک شهر می‌گذراند باید به عنوان یک حرکت خالی طبقه‌بندی شود، رویکردهای مرسوم را گسترش داد. در تحقیق دیگری، پاول (۱۹۸۷) همچنین تأثیر اطلاعات بار قبلی بر حرکت خالی را بررسی کرد. او از فرآیند مارکوف برای در نظر گرفتن اطلاعات قطعی و نامشخص در اعزام کامیون‌ها استفاده کرد و در نتیجه به درک دقیق پویایی اطلاعات بار در لجستیک حمل و نقل کمک کرد. Tjokroamidjojo و همکاران (2006) مطالعه دیگری است که اطلاعات مربوط به بار از قبل در صنعت حمل و نقل کامیونی را بررسی کرده است. نویسندگان یک مدل ریاضی برای ارزیابی مزایا و هزینه‌های به اشتراک گذاری اطلاعات مربوط به بار از قبل ایجاد کردند. آنها همچنین یک استراتژی برای برنامه‌ریزی جمع‌آوری و تحویل از قبل در زمینه حمل و نقل کامیونی تدوین کردند. علاوه بر این، Ergun و همکاران (2007) پویایی همکاری و اشتراک‌گذاری اطلاعات بین فرستندگان و شرکت‌های حمل و نقل را بررسی کردند. یافته‌های آنها نشان دهنده کاهش بالقوه هزینه‌های حمل و نقل و افزایش کارایی کلی از طریق چنین همکاری بود. ذوالفقاری نیا و هاتون (2016) با تکیه بر کار بنیادی Tjokroamidjojo و همکاران (2006)، به ناقص بودن اطلاعات بار ناشی از دسترسی محدود به داده‌ها فراتر از پنجره اطلاعات ارسال‌کننده پرداختند. تحقیقات بعدی توسط همین نویسندگان به بررسی تأثیرات قابلیت‌های انحراف و فواصل بهینه‌سازی مجدد (به عنوان مثال، ذوالفقارینیا و هاتون، ۲۰۱۷) و همچنین پیامدهای ساختارهای هزینه غیرخطی بر تصمیمات اعزام (به عنوان مثال، ذوالفقارینیا و هاتون، ۲۰۱۸) پرداخت که هر دو از مفهوم اطلاعات پیش از بارگیری بهره بردند. از زاویه‌ای متفاوت، اسکات (۲۰۱۵) مزایای ارائه اطلاعات پیش از بارگیری به شرکت‌های حمل و نقل فعال در بازار لحظه‌ای را بررسی کرد. این مطالعه با تجزیه و تحلیل معاملات بازار لحظه‌ای به مدت یک سال، چگونگی بهره‌مندی شرکت‌های حمل و نقل از چنین اطلاعاتی را ارزیابی کرد و نشان داد که زمان تحویل بر قیمت‌های بازار لحظه‌ای و در دسترس بودن ظرفیت بارگیری کامیون تأثیر می‌گذارد. با این حال، مطابق با (ذوالفقارینیا و هاتون، ۲۰۱۴)، این تأثیر پس از روز دوم به طور قابل توجهی کاهش می‌یابد. در کار بعدی، اسکات (۲۰۱۸) بررسی کرد که آیا شرکت‌های حمل و نقل با تخصص‌ها و اندازه‌های مختلف، رفتارهای متمایزی را در بازار لحظه‌ای نشان می‌دهند یا خیر.

گو و همکاران (2025) همچنین چالش‌های تخصیص پویای جایگاه در حمل و نقل کانتینری را بررسی کرده‌اند، که در آن عدم قطعیت در تقاضا، لغو و عدم حضور به طور قابل توجهی بر سودآوری تأثیر می‌گذارد. برای پرداختن به این موضوع، یک مدل فرآیند تصمیم‌گیری مارکوف (MDP) برای بهینه‌سازی تخصیص جایگاه برای شرکت‌های حمل و نقل خطی، متعادل کردن درآمد و بهره‌وری استفاده از جایگاه پیشنهاد شده است. با این حال، به دلیل پیچیدگی ابعادی بالای مدل MDP، یک رویکرد برنامه‌ریزی پویای تقریبی (ADP) برای ارائه راه‌حل‌های تقریباً بهینه توسعه داده شد. آزمایش‌های عددی نشان داد که این استراتژی می‌تواند به نرخ استفاده از جایگاه تا 91.36٪ دست یابد و در عین حال سودآوری را تا 33.26٪ در مقایسه با سیاست‌های مرسوم بهبود بخشد. این یافته‌ها بر اهمیت ادغام مدل‌های تصمیم‌گیری پیشرفته در حمل و نقل بار، تضمین پیش‌بینی دقیق‌تر تقاضا و تخصیص منابع تأکید می‌کنند. وو و همکاران (2024c) همچنین رویکرد جدیدی را با استفاده از برنامه‌ریزی پویای تقریبی (ADP) پیشنهاد کردند که برای برنامه‌ریزی آنلاین تماس تلفنی (DAR) توسعه داده شده است و پیش‌بینی‌های تقاضای آگاه از ریسک شکست و همبستگی‌های تقاضای مکانی را در بر می‌گیرد. برخلاف مدل‌های مرسوم، چارچوب آنها یک مدل پیش‌بینی مبتنی بر رگرسیون چندکی عمیق را برای در نظر گرفتن عدم قطعیت، پراکندگی و تقاضای همبسته در جفت‌های مبدا-مقصد ادغام می‌کند. استفاده از یک رویکرد اکتشافی چند سناریویی تضمین می‌کند که تصمیمات اعزام در برابر نوسانات تصادفی تقاضا و لغو درخواست‌ها مقاوم باقی می‌مانند. نتایج به‌دست‌آمده از مطالعات موردی دنیای واقعی نشان می‌دهد که گنجاندن پیش‌بینی تقاضا در برنامه‌ریزی می‌تواند به طور قابل توجهی کارایی عملیاتی را افزایش دهد، کیفیت خدمات را بهبود بخشد و استفاده از ناوگان را بهینه کند – حتی در صورت وجود خطاهای پیش‌بینی. این یافته‌ها بر اهمیت ادغام تجزیه و تحلیل پیش‌بینی پیشرفته در برنامه‌ریزی حمل و نقل و تطبیق بار، به‌ویژه در شرایط بازار پویا و نامشخص، تأکید می‌کنند.

علاوه بر این، بوادا-کولادو و همکاران (2019) ارزش اطلاعات بار جزئی پیش از موعد را برای فرستندگان بررسی کردند و پیامدهای آن را هم در قراردادهای متعهد و هم در بازار لحظه‌ای مطالعه کردند. مطالعه آنها از طریق تجزیه و تحلیل ریاضی نشان داد که چگونه در دسترس بودن اطلاعات جزئی می‌تواند سیاست‌های قرارداد را اساساً تغییر دهد. در نهایت، اخیراً، نجفی و ذوالفقاری‌نیا (2022) بررسی کردند که چگونه اطلاعات ناقص پیش از موعد بار می‌تواند سود را افزایش داده و شاخص‌های عملیاتی (مثلاً حرکات خالی) را بهبود بخشد. نویسندگان از برنامه‌ریزی پویای تصادفی استفاده کردند تا نشان دهند که گنجاندن اطلاعات ناقص در مورد پیش‌بار می‌تواند سود را به طور قابل توجهی افزایش دهد. با این حال، تمرکز آنها بر شرکت‌های حمل و نقل تکی بود. طبق بررسی ادبیات موجود، می‌توان نتیجه گرفت که تحقیقات متعددی، مزایای اطلاعات در مورد اثربخشی زنجیره‌های تأمین، مدیریت موجودی و حمل و نقل کامیونی را بررسی کرده‌اند. با این حال، کمبود مطالعات به طور سیستماتیک این اثرات را ارزیابی کرده است.

همانطور که در جدول 1 نشان داده شده است، این مطالعات را می‌توان بر اساس ماهیت اطلاعات به کار رفته به دو دسته مجزا تقسیم کرد. برخی از مطالعات از داده‌های بلادرنگ استفاده کرده‌اند، در حالی که برخی دیگر به اطلاعات پیشرفته متکی بوده‌اند. علاوه بر این، در زیرمجموعه مطالعاتی که از اطلاعات پیشرفته استفاده کرده‌اند، تنها تعداد انگشت‌شماری ملاحظات عدم قطعیت اطلاعات را در مسئله خود گنجانده‌اند (به عنوان مثال، Boada-Collado و همکاران، 2019، Najafi و Zolfagharinia، 2022). با این وجود، ارزش اطلاعات ناقص پیشرفته در زمینه شرکت‌های چند کامیونی، علیرغم نقش محوری آن در حمل و نقل جاده‌ای و لجستیک، همچنان یک حوزه عمدتاً ناشناخته است.

3. تعریف مسئله

این تحقیق تأثیر اطلاعات ناقص بارگیری پیشرفته (iALI) را بر عملیات یک شرکت چند کامیونی که در بازار حمل و نقل بار غیرقابل پیش‌بینی و به سرعت در حال تغییر فعالیت می‌کند، بررسی می‌کند. این شرکت ناوگانی از کامیون‌های یکسان را که به حمل بارها از نقاط مبدا به مقاصد مشخص اختصاص داده شده‌اند، مدیریت می‌کند. برای این منظور، شرکت به اطلاعات مربوط به تقاضاهای فعلی و آینده مشتریان دسترسی دارد. این داده‌ها از کانال‌های مختلفی، از جمله سوالات مشتریان، ارتباطات کارگزاری و درخواست‌های رزرو قبلی که چندین روز را در بر می‌گیرند، تهیه می‌شوند. محدوده زمانی که این اطلاعات در آن مرتبط باقی می‌مانند، پنجره دانش نامیده می‌شود.

تکامل iALI از یک فرآیند ساختاریافته و پویا پیروی می‌کند که توسط یک KW اداره می‌شود و معمولاً چند روز طول می‌کشد. در این بازه، احتمال تحقق هر بار با گذشت زمان تغییر می‌کند. بارهایی که برای روز بعد برنامه‌ریزی شده‌اند، عموماً احتمال تحقق بالاتری نسبت به بارهایی دارند که در آینده قرار دارند. با پیشرفت افق برنامه‌ریزی، این احتمالات به طور مداوم بر اساس اطلاعات بلادرنگ از کارگزاران، حمل‌کنندگان و شرایط بازار به‌روزرسانی می‌شوند. برخی از بارها لغو می‌شوند، در حالی که برخی دیگر با رسیدن تأییدیه‌های جدید قطعی‌تر می‌شوند. این به‌روزرسانی پویا، نوسانات ذاتی بازار لحظه‌ای را منعکس می‌کند (Zugheyr, 2011)، و به‌روزرسانی‌های به موقع اطلاعات را برای تصمیم‌گیری مؤثر ضروری می‌سازد. ماهیت در حال تکامل احتمالات بار، مدلی را ضروری می‌سازد که به صورت پویا بر اساس داده‌های بلادرنگ به‌روزرسانی و تطبیق یابد. در حالی که یک مدل فرآیند کاملاً تصادفی می‌تواند از نظر تئوری این تکامل را نشان دهد، انتخاب بار در این مدل‌ها به دلیل پیچیدگی سناریو ناکارآمد و کند است (Pereira and Pinto, 1991; Shapiro et al., 2021). رویکرد ما، با استفاده از بهینه‌سازی مقاوم، کاهش سناریو و کنترل افق غلتان، مدیریت عدم قطعیت را با کاهش تقاضاهای محاسباتی متعادل می‌کند. این امر تصمیم‌گیری در زمان واقعی را امکان‌پذیر می‌کند و محدودیت‌های مدل‌های کاملاً تصادفی را برطرف می‌کند. این انتخاب مدل‌سازی، بهینه‌سازی عملی را با نیاز به در نظر گرفتن عدم قطعیت متعادل می‌کند و تضمین می‌کند که سیستم می‌تواند ضمن ثبت پویایی‌های اصلی تکامل اطلاعات بار، پاسخگو باقی بماند.

همانطور که گفته شد، در طول افق برنامه‌ریزی، iALI با در دسترس قرار گرفتن اطلاعات جدید از کارگزاران، به‌روزرسانی‌های ارسال‌کننده و روندهای بازار، تکامل می‌یابد. دقت iALI بسته به عواملی مانند زمان رزرو بار و سابقه ارسال‌کننده متفاوت است. ما این تکامل را با استفاده از توزیع‌های احتمال که احتمال تحقق هر بار، از جمله نوسانات حجم و لغوهای احتمالی را منعکس می‌کنند، مدل‌سازی می‌کنیم. با این وجود، می‌توان فرض کرد که اطلاعات تقاضا برای دوره فعلی با قطعیت شناخته شده است، در حالی که برای دوره‌های آینده، به دلیل احتمال لغو سفارش توسط مشتریان یا وجود داده‌های بالقوه نادرست، همچنان نامشخص است (Zugheyr, 2011; Najafi and Zolfagharinia, 2022). علاوه بر این، حجم بارها پس از دریافت سفارش‌ها تعیین می‌شود و هر کامیون ظرفیت کافی برای جابجایی کل بار مشتری در یک سفر را دارد. شرکت حمل و نقل، خدمات بارگیری کامیون را ارائه می‌دهد که در آن هر کامیون می‌تواند حداکثر یک بار را در یک زمان حمل کند، که با سیاست حمل و نقل با بار کامل کامیون (FTL) همسو است. ما بر روی سیاست FTL تمرکز می‌کنیم زیرا به دلیل کارایی آن در به حداقل رساندن زمان جابجایی و کاهش پیچیدگی سفر برای بارهای بزرگ و تکی، به ویژه در پنجره‌های زمانی دقیق، معمولاً در حمل و نقل‌های طولانی مدت استفاده می‌شود. (کارامیا و دل اولمو، 2020)

شرکت در طول KW به اطلاعات ناقص مربوط به بارها دسترسی دارد. هر بار باید در بازه زمانی سخت بارگیری شود، به این معنی که اگر کامیونی پس از این بازه زمانی به محل مبدا برسد، بار خود را از دست خواهد داد. با این حال، اگر کامیون زودتر از زمان از پیش تعیین شده برسد، باید منتظر بماند و تا زمان در دسترس قرار گرفتن بار، هزینه‌ای را متحمل شود. علاوه بر این، همانطور که با عمل و ادبیات موجود (به عنوان مثال، Tjokroamidjojo و همکاران (2006)) سازگار است، فرض می‌کنیم که زمان‌های بارگیری و تخلیه صفر هستند زیرا در مقایسه با زمان سفر برای عملیات بارگیری کامیون که معمولاً در مسافت‌های طولانی‌تر انجام می‌شود، ناچیز هستند. علاوه بر این، کامیون‌ها می‌توانند به طور مداوم برای یک دوره از پیش تعیین شده مورد استفاده قرار گیرند و باید قبل از پایان بازه زمانی به محل سکونت خود بازگردند. برای سادگی، ما این پارامتر را PTOD (زمان مجاز خارج از محل سکونت) می‌نامیم و حداکثر مقدار آن را با نشان می‌دهیم. بنابراین، گذشته از وقوع بارها، تمام ویژگی‌های دیگر بارهای موجود – مانند مبدا، مقصد و زمان سفر – در طول … از پیش تعیین شده‌اند. در چنین شرایطی، شرکت با تعیین اینکه آیا این اطلاعات ناقص ارزشمند هستند یا خیر و همچنین اینکه آیا باید در برنامه‌ریزی کامیون در نظر گرفته شوند یا نادیده گرفته شوند، مواجه است… (منبع)