مسئله مسیریابی موجودی برای محصولات فاسدشدنی در یک زنجیره تامین حلقه‌بسته

زمینه و هدف: تصمیم گیری در مورد مسیریابی وسایل نقلیه، مکان یابی مراکز لجستیکی و نقاط مرجع در کنترل موجودی مواد و محصولات از دسته تصمیم گیری های مهم در زنجیره تامین هستند که هماهنگی و برنامه ریزی بین آن‌ها می‏تواند در کاهش هزینه ها بسیار موثر عمل کند. یکی از عوامل موثر در این تصمیم گیری ها، محدودیت های ناشی از فساد کالاست. هدف از این پژوهش ارائه یک مدل ریاضی برای حل مسئله مسیریابی موجودی در یک زنجیره تامین حلقه بسته با در نظر گرفتن فسادپذیری کالا است.روش: در این پژوهش، بعد از ارائه مفروضات حاکم بر محیط مسئله، یک مدل برنامه ریزی خطی برای مواجهه با مسئله مسیریابی-موجودی محصولات فاسدشدنی ارائه‌شده است. مسئله بر اساس تعدادی داده نمونه در ابعاد کوچک با الگوریتم های دقیق حل‌شده است. با توجه به پیچیدگی محاسباتی مسئله مزبور، برای حل آن در ابعاد بزرگ از دو روش فرا ابتکاری الگوریتم ژنتیک و بهینه سازی انبوه ذرات استفاده‌شده است.یافته ها: یافته های پژوهش نشان داد اگرچه زمان حل در الگوریتم ژنتیک کمتر است اما الگوریتم بهینه سازی ذرات انبوه در مقایسه با الگوریتم مبتنی بر ژنتیک از کارایی بهتری برای حل مسئله این پژوهش برخوردار بوده و پاسخ های باکیفیت تری تولید می کند.نتیجه گیری: مدل ریاضی توسعه داده‌شده در این پژوهش و الگوریتم های پیشنهادی برای حل آن می توانند در محیط های واقعی به کار گرفته‌شده و با حل مسئله مسیریابی موجودی در طراحی بخشی از زنجیره تامین برای محصولات فاسدشدنی، ایفای نقش کنند.

inventory routing problem for perishable products in a closed-loop supply chain

background and aim: decisions about transportation routing, location of logistics centers and reference points in material and product inventory control are important decisions in the supply chain that with coordination and planning together, they can be effective in reducing cost. one of the effective factors in these decisions is the restrictions caused by product corruption. the purpose of this research is to provide a mathematical model to solve the inventory routing problem in a closed-loop supply chain by considering the perishability of goods.methodology: in this research, after presenting the assumptions in the environment of the problem, a linear programming model has been presented to deal with the routing-inventory problem of perishable products. the problem is solved based on a number of sample data in small dimensions with precise algorithms. due to the computational complexity of the mentioned problem, two meta-heuristic methods of genetic algorithm and mass optimization of particles have been used to solve it on a large scale.findings: the findings of the research showed that although the solving time is less in the genetic algorithm, the mass particle optimization algorithm has a better efficiency in solving the problem of this research and produces better quality answers compared to the genetic algorithm.conclusion: the mathematical model developed in this research and the proposed algorithms can be used in real situations and play a role in solving the inventory routing problem in the design of a part of the green supply chain for perishable products.