ارائه مدل زنجیره‌تامین سبز با درنظر گرفتن هزینه انتشار کربن در بخش‌های حمل‌ونقل و نگهداری در وسایل نقلیه ناهمگن

با افزایش نگرانی‌های زیست‌محیطی و الزامات قانونی، مدیریت زنجیره‌تامین سبز (gscm) به‌عنوان یک استراتژی حیاتی برای سازمان‌ها شناخته شده است. این مقاله به ارائه یک مدل بهینه‌سازی می‌پردازد که هزینه‌های انتشار کربن در حمل‌ونقل و نگهداری محصولات را با استفاده از وسایل نقلیه ناهمگن درنظر می‌گیرد. مدل ارائه ‌شده به ترکیب تصمیمات مربوط به موجودی و حمل‌ونقل با درنظر گرفتن هزینه‌های زیست‌محیطی و اقتصادی پرداخته و هدف آن بهینه‌سازی مصرف انرژی و مدیریت منابع در زنجیره‌تامین است. این پژوهش به توسعه و تحلیل یک مدل بهینه‌سازی در زنجیره‌تامین سبز چندمحصولی و چنددوره‌ای پرداخته است که باهدف کاهش انتشار کربن طراحی شده است. این مدل ابتدا با استفاده از برنامه‌ریزی غیرخطی صحیح مختلط (minlp) فرموله شده و سپس خطی‌سازی (milp) شده است. این مدل شامل هزینه‌های مختلفی ازجمله هزینه‌های انتشار کربن در بخش حمل‌ونقل و نگهداری محصولات می‌شود. نتایج نشان می‌دهد که افزایش نرخ مالیات بر انتشار کربن به کاهش انتشار کربن و افزایش هزینه‌های کلی زنجیره‌تامین منجر می‌شود. افزایش تعداد دوره‌های برنامه‌ریزی، هزینه‌های کلی و حمل‌ونقل را افزایش می‌دهد، اما هزینه‌های نگهداری موجودی و انتشار کربن در لجستیک و نگهداری تحت تاثیر قرار نمی‌گیرد. این پژوهش با ارائه یک مدل جامع، به مدیران زنجیره‌تامین کمک می‌کند تا تصمیمات بهتری در راستای کاهش انتشار کربن و بهبود پایداری زیست‌محیطی و اقتصادی اتخاذ کنند.

a green supply chain model integrating carbon emission costs in transportation and storage using heterogeneous vehicles

amid growing environmental concerns and stringent regulatory requirements, green supply chain management (gscm) has emerged as an essential strategic approach for organizations. this study introduces an advanced optimization model that incorporates carbon emission costs in both transportation and product storage, utilizing heterogeneous vehicle fleets. the proposed model integrates inventory and transportation decisions while considering both environmental and economic impacts, with the objective of optimizing energy consumption and resource allocation across the supply chain. this research formulates and evaluates a multi-product, multi-period optimization framework within the context of gscm, specifically aimed at minimizing carbon emissions. initially developed using mixed-integer non-linear programming (minlp), the model is subsequently linearized into a mixed-integer linear programming (milp) formulation. it includes various cost factors, such as carbon emission costs in transportation and product storage. the findings demonstrate that increasing the carbon tax rate significantly reduces carbon emissions but concurrently elevates overall supply chain costs. while extending the planning horizon increases overall and transportation costs, inventory holding costs and carbon emissions from logistics and storage remain relatively stable. by presenting a comprehensive optimization framework, this study provides supply chain managers with a robust decision-making tool to mitigate carbon emissions and promote both environmental and economic sustainability.