ارائه یک مدل استوار چندهدفه برای طراحی شبکه زنجیره تامین برگشتی با قیمت‌گذاری پویا تحت عدم قطعیت و به‌کارگیری الگوریتم جستجوی ممتیک با پردازش موازی

طراحی شبکه زنجیره تامین برگشتی با هدف مدیریت کارای جریان محصولات برگشتی یکی از موضوعات مهم در مدیریت زنجیره تامین است. تعیین قیمت‌ محصولات برگشتی که خود می‌تواند تحت تاثیر عوامل متفاوتی همچون کیفیت محصولات باشد، تاثیر بسزایی بر تصمیم استراتژیک طراحی شبکه زنجیره تامین خواهد داشت. در این مقاله، یک مدل ریاضی جامع برای طراحی شبکه زنجیره تامین چندسطحی قیمت‌گذاری با قیمت‌گذاری پویای محصولات برگشتی تابعی از کیفیت آن‌ها و در نظر گرفتن عدم‌قطعیت میزان جریان برگشتی محصولات ارائه ‌شده است. عدم‌قطعیت میزان محصولات برگشتی با رویکرد بهینه‌سازی استوار بودجه‌ای نمایش داده شده است. هدف، انتخاب تسهیلات شبکه زنجیره تامین برای مدیریت جریان محصولات برگشتی است به‌نحوی‌که به‌صورت همزمان سود کل زنجیره و سطح پاسخگویی به تقاضای مشتریان در طی دوره‌های برنامه‌ریزی حداکثر شود. با توجه به اینکه مسئله موردبررسی از نوع مسائل طراحی شبکه بوده که دارای پیچیدگی‌های حل بسیار زیاد است، یک الگوریتم ممتیک مبتنی بر الگوریتم ژنتیک با مرتب‌سازی نامغلوب ii و جستجوی محلی متغیر انطباق‌پذیر موازی برای یافتن جواب‌های بهینه پارتو ارائه ‌شده است. کارایی الگوریتم ممتیک پیشنهادی با عملکرد چندین الگوریتم فراابتکاری مشابه دیگر مقایسه ‌شده است. نتایج محاسباتی حاکی از تاثیر معنادار قیمت‌گذاری پویا بر عملکرد زنجیره تامین برگشتی داشته و به‌کارگیری رویکرد بهینه‌سازی استوار بودجه‌ای به‌خوبی می‌تواند سطوح مختلفی از ریسک‌پذیری تصمیم‌گیرندگان در طراحی زنجیره را در برابر عدم‌قطعیت‌های محیطی نشان دهد. همچنین نتایج نشان از کارایی معنادار فراابتکاری ترکیبی ارائه‌شده برای حل مدل طراحی شبکه زنجیره تامین برگشتی چند هدفه با قیمت‌گذاری پویای تحت شرایط عدم قطعیت دارد.

A Robust Multiobjective Model for Designing Reverse Supply Chain Network via Considering Dynamic Pricing under Uncertainty and a Parallel Memetic Solution Algorithm

Design of reverse supply chain network (RSCN) to efficiently manage the flow of returned products is one of the most important issues in supply chain management. Determining an acquisition price of returned products which could be affected by different factors such as product quality levels has a significant effect on strategic design of RSCN. In this paper, a comprehensive mathematical model for designing a multilevel RSCN with a dynamic pricing approach for returned products which is affected by product quality levels. In order to manage the uncertainty of number of returned products, a robust optimization based on the uncertainty budget approach is considered. The aim of the proposed model is to design the RSCN to maximize the RSCN total profit and responding to customer demands simultaneously. Due to the NPhard nature of the network design problems, a memetic algorithm based on the nondominated sorting genetic algorithm II and parallel adaptive variable neighborhood search is proposed to find the optimal Pareto solutions. The performance of the proposed memetic algorithm is compared with multiple similar algorithms. The computational results indicate a significant impact of the dynamic pricing approach on the performance of the reverse logistic network. In addition, using the robust optimization based on the uncertainty budget approach can efficiently handle various conservatism levels of decision makers under uncertainty of the business environment. Finally, the obtained results show the significant superiority of the proposed hybrid metaheuristic algorithm to solve a multiobjective RSCN design model via considering the dynamic pricing approach under uncertainty.