طراحی شبکه توزیع تاب‌آور در زنجیره تامین پایدار غلات: یک رویکرد برنامه‌ریزی امکانی- استوار

امروزه، اهمیت بالای دست‌یابی به امنیت غذایی برای جوامع، ارائه نگاهی نوین در طراحی شبکه توزیع زنجیره تامین غلات را به‌منظور تطابق بیشتر با عدم قطعیت‌های دنیای واقع و لحاظ کردن اختلال‌ها ضروری ساخته است. بدین منظور، در تحقیق حاضر یک مدل برنامه‌ریزی خطی عدد صحیح مختلط برای مسئله طراحی شبکه توزیع در زنجیره تامین غلات توسعه داده شده است که اهدافی همچون حداقل کردن هزینه‌ها و حداکثر کردن مشاغل ایجادشده، که هر دو از مصادیق پایداری به شمار می‌روند را دنبال می­کند. به‌علاوه، با توجه به اهمیت غلات در سبد غذایی خانوارها و بحث امنیت غذایی، تابع هدف سوم نیز معطوف بر مبحث تاب‌آوری برای مقابله با هرگونه اختلال در طراحی شبکه توزیع موردنظر توسعه داده شده است. سپس از روش برنامه‌ریزی امکانی استوار پایه برای مقابله با تقاضای غیرقطعی استفاده شده است و مسئله چندهدفه با استفاده از روش محدودیت اپسیلون بهبودیافته حل شده است؛ و در انتها بهترین نقطه موردتوافق، با استفاده از روش تاپسیس از میان نقاط کارای مسئله، انتخاب می‌شود.

resilient distribution network design in sustainable grain supply chain: a robust-possibilistic approach

today, the high importance of achieving food security for communities has made it necessary to provide a new perspective on the design of the grain supply chain distribution network to better adapt to real-world uncertainties and also to take into account disruptions. to this end, in this study, a mixed-integer linear programming model has been developed for the distribution network design problem in the grain supply chain, which has three objectives such as minimizing costs and maximizing job opportunities, both of which are examples of sustainability. in addition, considering the importance of grain in the food basket of households and the importance of food security, the third objective function has been developed focusing on the issue of resilience to deal with any disruption in the design of the distribution network. the robust-possibilistic programming approach is used to deal with uncertain demand and the multi-objective problem is solved using the improved epsilon constraint method. finally, a compromised solution is selected using the topsis method.