IoT-Enhanced Open Vehicle Routing Problem with Time Windows for Perishable Products in Resilient Supply Chains. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Saphiah Bajba-MS-g202302870 Thesis Report.pdf - Accepted Version Restricted to Repository staff only until 17 June 2027. Download (2MB)

Arabic Abstract

تهدف هذه الرسالة إلى دراسة مشكلة توجيه المركبات ذات نطاق مفتوح خلال أطر زمنية (OVRPTW) في سياق سلاسل الإمداد للمواد التي تطلب تبريد والخاصة بتوزيع المنتجات القابلة للتلف، مع التركيز على التخطيط الغير متصل بالإنترنت (Offline) المعتمد على بيانات سابقة مستمدة من تقنيات إنترنت الأشياء (IoT) ونظم تحديد المواقع العالمية.(GPS) تكتسب هذه المشكلة أهمية خاصة نظرًا لحساسية هذه المنتجات لعوامل الزمن ودرجة الحرارة، وما يترتب على أي قرار تشغيلي من خسائر في الجودة وتكاليف التلف. تقترح الرسالة إطارًا رياضيًا دقيقًا يعتمد على البرمجة الخطية الصحيحة المختلطة(MILP) ، يدمج بين قرارات التوجيه، وجدولة التسليم، وتفعيل الأسطول، وتوزيع السائقين، وآليات المرونة التشغيلية ضمن نموذج موحّد. ويأخذ النموذج في الاعتبار أسطولًا غير متجانس متعدد المقصورات، وتكاليف التبريد، وعقوبات التلف المعتمدة على حدود نضارة مستخلصة من بياناتIoT السابقة إضافة إلى آلية مرونة تعتمد على التخصيص المسبق لمركبات احتياطية للعملاء ذوي المخاطر التشغيلية المرتفعة. تم حل النموذج باستخدام محلّل تحسين دقيق، كما أجريت تجارب تحليل حساسية ودراسة قابلية التوسع لتقييم تأثير معاملات النضارة، وأزمنة الرحلات، وعدالة توزيع أعباء العمل، وتكاليف المرونة التشغيلية. علاوة على ذلك، تمت مقارنة النموذج المعزَّز بإنترنت الأشياء مع نموذج أساس غير معتمد على إنترنت الأشياء (IoT) باستخدام نفس البنية الرياضية، بهدف عزل الأثر الحقيقي لاستخدام البيانات الذكية في تحسين قرارات التخطيط. تُظهر النتائج أن التخطيط غير الآني المعتمد على إنترنت الأشياء (IoT) يوفّر توازنًا عمليًا بين الكفاءة التشغيلية، والمحافظة على جودة المنتجات، وعدالة توزيع العمل، وتعزيز المرونة التشغيلية، مما يجعله بديلًا فعّالًا للتخطيط المتصل بالإنترنت في بيئات سلاسل التبريد الواقعية.

English Abstract

This thesis investigates the Offline IoT-Enhanced Open Vehicle Routing Problem with Time Windows (OVRPTW) in the context of cold-chain logistics for perishable goods. Efficient routing in such environments is critical due to strict delivery time windows, temperature sensitivity, and the high cost of spoilage and service failure. To address these challenges, the study proposes an offline optimization framework that leverages historical Internet of Things (IoT) sensor data and GPS travel records to generate pre-planned, resilient delivery routes without relying on real-time re-optimization. The proposed framework integrates perishability constraints, heterogeneous multi-compartment vehicle capacities, shortage penalties, and strict time windows into a unified Mixed-Integer Linear Programming (MILP) formulation. In addition, resilience is embedded through failure-aware planning and backup vehicle assignment for high-risk deliveries. The model is solved using an exact optimization solver for small and medium-sized instances to evaluate feasibility, solution quality, and computational performance. To assess robustness and decision sensitivity, extensive scenario-based sensitivity analyses are conducted by varying perishability parameters, travel-time conditions, workforce equity limits, and resilience-related costs. These experiments reveal that spoilage penalties and freshness thresholds are the dominant drivers of total logistics cost, while workforce and resilience parameters primarily affect resource allocation rather than routing feasibility. Furthermore, scalability experiments are conducted on increasingly large problem instances to examine solver behavior and the stability of the structural model. The results demonstrate that the formulation remains structurally stable as the problem size grows, although the computational effort increases significantly, limiting the ability to certify optimality for larger instances. In addition, the study evaluates the marginal value of IoT integration by conceptually comparing the proposed IoT-enhanced model against a non-IoT baseline that relies on static parameters and deterministic travel assumptions. This comparison highlights the role of IoT-derived data in improving freshness preservation, resilience planning, and cost attribution in offline routing decisions. Overall, the findings indicate that offline IoT-enhanced routing can provide a practical and computationally efficient alternative to real-time optimization for cold-chain logistics. The proposed framework offers decision-makers actionable insights into the trade-offs between cost efficiency, freshness preservation, workforce equity, and operational resilience, while highlighting the importance of accurate IoT-based parameter calibration and scalable solution strategies for real-world deployment.

Item Type:	Thesis (Masters)
Subjects:	Systems Civil Engineering > Transportation Engineering Engineering Research
Department:	College of Computing and Mathematics > lndustrial and Systems Engineering
Thesis Advisor:	Ahmed Atiah,
Thesis Committee Members:	Mohammad Abdel-aal, Awsan Mohammed,
Depositing User:	SAPHIAH BAJBA
Date Deposited:	18 Jun 2026 06:58
Last Modified:	18 Jun 2026 06:58
URI:	https://eprints.kfupm.edu.sa/id/eprint/144595