توسعه شبکه زنجیره تامین سبز حلقه بسته در فضای غیرقطعی

در این پژوهش یک شبکه زنجیره تامین سبز حلقه بسته تحت شرایط عدم قطعیت طراحی شده است. در مدل ارائه شده چهار تابع هدف شامل حداقل‌سازی هزینه‌های شبکه، حداقل‌سازی میزان انتشار گازهای گلخانه‌ای، حداقل‌سازی ریسک تولیدی فنی و حداقل‌سازی زمان ارسال محصولات به مشتریان به طور همزمان در نظر گرفته شده است. با استفاد از شبکه پیشنهادی می‌توان در زمینه مدیریت میزان جریان مواد اولیه، محصولات دست اول و محصولات بازگشتی بین تسهیلات، برنامه‌ریزی تولید برای هریک از مراکز تولید، نحوه تخصیص محصولات به هریک از تسهیلات، تعیین تعداد نیروی انسانی مورد نیاز جهت استخدام و آموزش در هریک از مراکز تولید، نحوه تخصیص ماشین‌آلات و تجهیزات، و همچنین مدیریت زمان با تعیین حداقل زمان قابل قبول برای ارسال محصولات به مشتریان به نحوی که شبکه دارای حداقل هزینه، حداقل میزان انتشار گازهای گلخانه‌ای ناشی از فرایندهای عملیاتی تسهیلات و حمل و نقل و دارای کمترین ریسک تولیدی فنی و حداقل زمان ممکن باشد، تصمیمات استراتژیکی گرفت. در این پژوهش به جهت افزایش کارایی مدل پارامترهایی همچون میزان محصول بازگشتی، نرخ بازیافت و انهدام به صورت غیرقطعی در نظر گرفته شده و جهت رفع عدم قطعیت از منطق فازی بهره گرفته شده است. در نهایت به دلیل گستردگی مدل، با استفاده از الگوریتم ژنتیک به اعتبارسنجی مدل پرداخته شده است. نتیجه حاصل از اعتبارسنجی، حاکی از کارآمدی مدل پیشنهادی در بهینه‌سازی شبکه زنجیره تامین سبز حلقه بسته می‌باشد.

Developing a closed loop green supply chain network design in uncertain space

In this research, a closed loop green supply chain network is designed under uncertain conditions. In the proposed model, four objective functions including minimizing network costs, minimizing greenhouse gas emissions, minimizing production technical risk, and minimizing the time of sending products to customers are considered simultaneously. Using the proposed network, it is possible to manage the flow of raw materials, first hand products, and return products between facilities, production planning for each production center, how to allocate products to each facility, determine the number of manpower required for employment and training in each production center, how to allocate machinery and equipment, as well as time management by determining the minimum acceptable time to send products to customers so that the network has the least cost, the least amount of greenhouse gas emissions from the operational processes of facilities and transportation and has made strategic decisions with the least production technical risk and the least time possible. In this research, to increase the efficiency of the model, parameters such as the amount of return product, recycling rate, and destruction are considered indefinitely and fuzzy logic is used to eliminate the uncertainty. Finally, due to the breadth of the model, the model is validated using a genetic algorithm. The result of the validation indicates the efficiency of the proposed model in optimizing the closed loop green supply chain network.