ارائه مدل ریاضی مکان‌یابی، چندکالایی و چند‌دوره‌ای در زنجیره حلقه‌بسته پایدار با درنظرگرفتن ریسک و عدم‌قطعیت در تقاضا و کیفیت

زنجیره‌ های تامین پایدار به دنبال ایجاد تعادل بین اهداف اقتصادی، زیست‌محیطی و اجتماعی هستند. شرکت‌ ها نیز به‌منظور کاهش هزینه‌ ها و افزایش کارایی زنجیره تامین مجبور به استفاده از زنجیره تامین حلقه‌بسته هستند. در نظرگرفتن ریسک در زنجیره‌های تامین به‌خصوص زنجیره‌ های تامین بازگشتی یکی از موضوع ‌هایی است که مطالعات زیادی در خصوص آن انجام نشده است؛ بنابراین در این پژوهش به مکان‌یابی اجزای یک زنجیره ‌تامین سه‌ هدفه، حلقه ‌بسته پایدار، چند‌کالایی، چند دوره‌ای با درنظرگرفتن عدم‌ قطعیت و سناریوهای بازار برای با رویکرد ریسک پرداخته می‌ شود. نوآوری‌های پژوهش عبارت‌اند از: در نظر گرفتن ریسک در زنجیره تامین حلقه‌ بسته پایدار به‌عنوان بخشی از تابع هدف؛ در نظر گرفتن عدم‌قطعیت تقاضا در زنجیره تامین با استفاده از سناریوهای تعریف ‌شده؛ توجه به کیفیت محصولات بازگشتی؛ چند دوره‌ای ‌بودن و چند محصولی‌ بودن مدل و سفارشی‌کردن مدل پیشنهادی برای یک مطالعه موردی واقعی. با توجه به nphard بودن مسئله، مدل پیشنهادی با استفاده از رویکرد فراابتکاری ژنتیک رتبه‌بندی نامغلوب nsgaii حل شده است. تحلیل حساسیت بر روی پارامترهای مسئله انجام شده است و کارایی روش‌های موردمطالعه بررسی شده‌اند. میانگین نقاط پارتو حاصل از تابع هدف اول برابر 56789.9، میانگین نقاط پارتو برای تابع هدف دوم برابر 1828.8و برای تابع هدف سوم برابر 77365.32 و همچنین میانگین زمان حل مدل برابر 15.9 ثانیه است.

Mathematical Model of Location, Multi-Commodity and Multi-Period in Sustainable Closed-Loop Supply Chain Considering Risk and Demand and Quality Uncertainty (A case Study)

The main objective of sustainable supply chain is to balance the economic, environmental, and social goals that companies have to use closedloop supply chains for cost reduction and increasing the efficiency of the supply chain. According to the research literature, considering the risk in supply chains, especially the return supply chain, is one of the topics that has been little studied. Therefore, the aim of this study is to locate the components of a threeobjective, sustainable closedloop, multicommodity, and multiperiod supply chain, considering uncertainty and market scenarios with a risk approach. Location in the sustainable closedloop supply chain, considering the risk, and also paying attention to the quality of manufactured products and different scenarios of demand are among the innovations of this research. Due to the NPHard nature of the problem, the model is solved by the nondominated sorting genetic algorithm II (NSGAII). Sensitivity analysis has been performed on the parameters of the problem, and the efficiency of the studied methods has been investigated. The average Pareto points obtained from the first objective function is 56789.9, the average Pareto points for the second objective function is 1828.8 and for the third objective function is 77365.32, and also the average solution time of the model is 15.9 seconds.