بازطراحی شبکه زنجیره‌تامین ترکیبی تاب‌آور تحت ریسک‏های عملیاتی و اختلال: مطالعه موردی

امروزه زنجیره های تامین در معرض ریسک های مختلفی قرار دارند. بی توجهی به این ریسک ها می تواند خسارات جبران ناپذیری را برای آن ها به وجود آورد. از سوی دیگر، موضوع بازطراحی در مواقعی که زنجیره تامین با توجه به تغییر شرایط بهینگی خود را از دست می دهد یا نیاز به تغییر دارد دارای اهمیت است. در این مقاله بر خلاف غالب پژوهش های ادبیات موضوع، مساله بازطراحی شبکه زنجیره تامین تاب آور تحت ریسک های عملیاتی و اختلال مورد بررسی قرار می گیرد. ساختار شبکه مورد بررسی در این پژوهش، ترکیبی حلقه باز و بسته می باشد که در ادبیات موضوع به ندرت مورد توجه قرار گرفته است. برای مدیریت عدم قطعیت مساله یک مدل جدید بهینه سازی استوار تصادفی ارائه شده است. مساله به صورت یک مدل برنامه ریزی عدد صحیح مختلط خطی فرمول بندی شده که تابع هدف آن بیشینه سازی سود می باشد. به علت پیچیدگی بالای مدل و وجود چالش برای حل آن در ابعاد بزرگ، یک الگوریتم آزادسازی لاگرانژ ارائه شده و عملکرد خوب آن توسط محاسبات مربوطه نشان داده شده است. به منظور سنجش کارایی و اعتبار مدل یک مطالعه موردی در صنعت تایر خودرو ارائه شده است. نتایج نشان می دهد که استفاده از استراتژی های تاب آوری برای ارتقای سودآوری زنجیره تامین و جلوگیری از ضرر اختلالات بسیار موثر می باشند. همچنین استفاده از شبکه زنجیره تامین ترکیبی نسبت به شبکه زنجیره تامین رو به جلو باعث افزایش سود کل زنجیره تامین می شود.

Resilient Mixed Supply Chain Network Redesign Under Operational And Disruption Risks: A Case Study

Today, supply chains are exposed to a variety of risks. Ignoring these risks can cause irreparable damage to them. On the other hand, the subject of redesigning is essential when the supply chain loses its optimality or needs to be altered due to changing conditions. In this paper, in contrast to most researches done in the literature, the problem of resilient supply chain network redesign is investigated under operational and disruption risks. The network structure addressed in this paper is a mixture of open and closed loop schemes, which has been rarely considered in the literature. A novel stochastic robust optimization model is developed to manage the uncertainty of the problem. The problem is formulated as a linear mixedinteger programming model with the objective function of profit maximization. Due to the high complexity of the model and the challenge to solve it in largescale dimensions, a Lagrangian relaxation algorithm is developed, and its excellent performance is shown by the relevant calculations. In order to measure the efficiency and validity of the model, a case study has been presented in the automotive tire industry. The results show that using resilience strategies is very effective in improving the profitability of the supply chain and preventing losses. In addition, the use of a mixed supply chain network increases the overall profitability of the supply chain in comparison to a forward supply chain network.