برنامه ریزی ظرفیت برای تولید و بازتولید در یک زنجیره تامین حلقه بسته با توجه به رفتار مشتری با استفاده از رویکرد پویایی سیستم

در سال های اخیر استفاده و پیاده سازی زنجیره تامین حلقه بسته از آن جهت مورد اهمیت قرار گرفته است که مسبب بهبود در سودآوری شرکتها، مسائل زیست محیطی و توسعه پایدار و .. میشود. همین امر موجب گستردگی تحقیقات و افزایش مقالات در این زمینه گشته است. لذا بررسی عوامل تاثیرگذار و میزان تاثیرگذاری آنها شناخت بهتری برای طراحی یک زنجیره تامین حلقه بسته میشود. توجه عمده در این مقاله بر روی برنامه ریزی ظرفیت تولید با در نظر گرفتن رفتار مشتری و خدمات بر روی میزان بازگشتی ها در زنجیره تامین است. هدف این مقاله روشن نمودن متغیرهای موثر و چگونگی رویکرد انها نسبت به یکدیگر در جهت تحقق اهداف زنجیره می باشد. از این رو ابتدا مروری بر روی ادبیات موضوع داشته و متغیرهای کلیدی برخی از مقالات مشخص شده است. در قدم بعدی با رسم نمودارهای علی و معلولی ارتباطات متغیرها با یکدیگر بررسی وسپس توسط نمودار جریان، متغیرهای حالت و محل های انباشت در زنجیره مشخص گردید. درنهایت با استفاده از آزمونهای مدلسازی پویا مانند تحلیل حساسیت، آزمون شرایط حدی و ...، مدل راستی آزمایی و اعتبارسنجی شده است.

Capacity Planning For Production and Reproduction In A Closed Loop Supply Chain According to Customer Behavior Using A System Dynamics Approach

In recent years, the use and implementation of the closed loop supply chain has been important because of the improvement in corporate profitability, environmental issues and sustainable development. This has led to a wider range of research and articles in this area. Therefore, studying the effective factors and their impact level is a better understanding of the design of a closed loop supply chain. The main focuses of this paper is on the planning of production capacity, taking into account customer behavior and service on the level of returns in the supply chain. The purpose of this paper is to clarify the effective variables and how they approach each other in order to achieve the goals of the chain. So, first, there is an overview of the subject literature and the key variables of some of the papers have been identified. In the next step, by drawing the causal and nonlinear diagrams, the relationships of the variables were examined together and then determined by the flow diagram, state variables, and accumulation locations in the chain. Finally, the model has been validated and validated using dynamic modeling tests such as sensitivity analysis, boundary condition testing, etc.