مدل سازی و حل مسئله طراحی شبکه زنجیره تامین حلقه بسته پایدار برای محصولات پتروشیمی تحت شرایط عدم قطعیت

صنعت پتروشیمی از مهمترین صنایع در جهان است که مدیریت و بهترین تصمیم‌گیری در فعالیت‌های آن موجب منافع اقتصادی فراوان و همچنین رونق و توسعه صنایع وابسته است. در این مقاله به مسئله مدیریت زنجیره تامین محصولات پتروشیمی پرداخته می‌شود. مدلی برای بهینه‌سازی چندهدفه توسعه داده می‌شود که در آن با گرفتن تصمیم های راهبردی ،شش هدف بلند مدت اقتصادی، اجتماعی و زیست محیطی در صنعت پتروشیمی تحقق می‌یابد. برای این منظور، ابتدا با استفاده از روش اپسیلون محدودیت تکامل یافته، هدف اقتصادی به عنوان تابع هدف و اهداف اجتماعی و زیست محیطی به عنوان اپسیلون قیود در نظر گرفته می‌شوند. سپس جبهه پارتویی از جواب‌های کارا بدست آورده می شود و در این جبهه، جوابی که دارای کمترین انحراف از ایده‌آل است به عنوان کاراترین جواب انتخاب و به مدیران صنعت پیشنهاد می‌شود. عدم‌قطعیت داده‌ در مدل پیشنهادی با استفاده از رویکرد برنامه‌ریزی امکانی استوار کنترل شده است. نتایج عددی نشان می‌دهد که نه تنها نوسان بهینگی در رویکرد استوار پیشنهادی بسیار کمتر از رویکرد مقدار اسمی است بلکه به طور قابل ملاحظه‌ای نقص قیود کمتر می‌شود که موجب کاهش ریسک در تصمیم‌گیری است. به منظور حل مسئله پیشنهادی در ابعاد بزرگ، روش تجزیه بندرز بر مبنای روش حل چندهدفه اپسیلون محدودیت تکامل یافته به کار گرفته شده است. نتایج عددی نشان میدهند که این پیشنهاد به صورت چشمگیری در سه معیار کمی میانگین انحراف از ایده آل، کیفیت جوابه ا و زمان اجرا بهبود ایجاد میکند و حل مسئله در ابعاد بزرگ را ممکن میسازد.

Modeling and Solving Problem Sustainable Closed Loop Supply Chain Network Design for Petrochemical Products under Uncertainty Conditions

The petrochemical industry is one of the most important industries in the world where optimal management and decisionmaking in its activities will bring about great economic benefits as well as prosperity and development of related industries. This paper deals with the issue of petrochemical product supply chain management. A multiobjective optimization model is developed in which the strategic, longterm economic, social and environmental goals of the petrochemical industry are achieved. For this purpose, first using the Epsilon constrained evolution method, economic objective is considered as objective function and social and environmental goals are constrained as Epsilon. Then, the Pareto front is obtained from efficient solutions and in this front, the solution with the least deviation from the ideal is selected as the most efficient solution and recommended to industry managers. The data uncertainty in the proposed model is controlled using a robust feasibility planning approach. The numerical results show that not only the optimal fluctuation in the proposed robust approach is much less than the nominal value approach but it also significantly reduces the constraint flaw which reduces risk in decision making. In order to solve the proposed largescale problem, the Banders decomposition method is applied based on the Epsilon multipleconstraint evolution method. Numerical results show that the proposed approach significantly improves the mean, standard deviation, and runtime in three quantitative measures and enables largescale problem solving.