طراحی شبکه زنجیره تامین حلقه بسته با در نظر گرفتن مراکز چند بخشی در شرایط عدم قطعیت با رویکردهای احتمالی و استوار

در این پژوهش مدل‌سازی یک شبکه لجستیک یکپارچه مستقیم و معکوس (حلقه بسته) چند سطحی، چندهدفه، چندمحصولی، چند دوره‌ای به همراه ظرفیت‌های محدود شده و نبود قطعیت در تقاضا، هزینه و بازگشت مدنظر قرار می‌گیرد. در این مقاله یک مدل طراحی شبکه زنجیره‌تامین حلقه بسته با در نظر گرفتن مراکز جمع‌آوری چندبخشی و مراکز انبار و بازرسی چندبخشی در نظر گرفته می‌شود. چندبخشی بودن مراکز در این مطالعه بدین معناست که هر یک از این مراکز با توجه به طول عمر خدمت محصول طبقه‌بندی‌شده‌اند و محصول با عمر خدمت کمتر و به نسبت سالم‌تر در طبقات بالاتر قرار می‌گیرد و با توجه به ویژگی آن محصول و پس از اعمال عملیات موردنیاز به مراکز بعدی منتقل می‌شوند. مسئله پیشنهادی ابتدا با در نظر داشتن پارامترهایی مثل تقاضا، هزینه و بازگشت احتمالی با این رویکرد و با استفاده از توزیع نرمال مدلسازی می‌شود و ازآنجایی‌که رویکرد احتمالی در شرایط مسئله با ابعاد بزرگ کارایی و اثربخشی خود را از دست می‌دهد در کنار این رویکرد بهینه‌سازی استوار‌ نیز به کار برده می‌‌شود و برای این منظور ابتدا مدل برنامه‌ریزی غیرخطی عدد صحیح مختلط و سپس همتای استوار آن ارائه می‌شود. اهداف در این مطالعه شامل حداقل کردن هزینه‌ها و افزایش کیفیت محصولات بازیافتی ا‌ست. در پایان در این تحقیق مسئله با دو الگوریتم فراابتکاری چندهدفه اعم از الگوریتم ژنتیک چندهدفه با مرتب‌سازی نامغلوب (nsga ii) و الگوریتم بهینه‌سازی ازدحام ذرات (mopso) حل شده و نتایج حاصل از آن‌ها مورد مقایسه قرار می‌گیرند.

Design of closedloop supply chain network with considering of multipart centers under uncertainty with two robust and stochastic approaches

An appropriate supply chain is consisting of foreign suppliers, facilities of productions, distribution centers, sales, demands and transportation. A system may be used for both reducing costs in supply chain and helping to respond customers’ demands quickly. In the present study, designing a closedloop supply chain as strategic decision considered, and as integrate designing of directreverse logistic system cause to prevent suboptimization resulted by designing separated to systems, and closedloop model used. The studied system in the research was modelling an integrated direct and reverse logistic system as multi surfaces, multiobjective, multiproduction and multistages optimization through limited capacities and lack of assuring in demands, costs and return. So, in order to oppose lack of assuring, two stable and potential optimization strategies considered. Firstly, regarding to parameters such as demands, costs and potential return and using normal distribution, modelling suggested, and as potential strategy may loss efficiency in large sizes, stable optimization proposed to use, therefore, mix integer nonlinear programming model used, then its stable equivalent considered. The aim of present study is to minimize costs and increase quality of recyclable productions. Finally, two multiobjectives metaheuristic and genetic algorithms solved the problems through nondominated sorting and particle swarm optimization algorithms, then the results compared. According to the obtained results, NSGA II is more suitable than MOPSO.