مدل ریاضی زنجیره تامین چندسطحی پایدار با رویکرد الگوریتم فراابتکاری (مطالعه موردی : کارخانجات صنعتی و تولیدی اتمسفر واحد سازه های نیروگاهی)

هدف: در زنجیره های تامین پیچیده امروزی، در پایدار بودن علاوه بر اهمیت کاهش هزینه ها، دو منظر اجتماعی و زیست محیطی نیز اهمیت زیادی به دست آورده اند. این تحقیق به دنبال ارایه مدل زنجیره تامین چندسطحی پایدار در بخش تولید محصولات نیروگاهی گروه کارخانجات صنعتی و تولیدی می باشد.روش‌شناسی پژوهش: برای مساله مورد نظر، یک مدل ریاضی ارایه شده است که اهداف آن عبارتند از: حداکثرسازی مسئولیت اجتماعی، کمینه سازی انتشار آلاینده های زیست محیطی و کمینه سازی هزینه های زنجیره تامین. با توجه به اینکه برنامه ریزی پایدار زنجیره تامین مساله‌ای np-hard است، از الگوریتم فراابتکاری نهنگ و ژنتیک برای ارایه و حل مدل استفاده کرده ایم.یافته‎ها: جهت حل مدل ارایه شده، مسائل نمونه آزمایشی در سه گروه اندازه کوچک، متوسط و بزرگ با توجه داده های شرکت اتمسفر طراحی گردیده و نتایج دو الگوریتم بهینه سازی نهنگ و الگوریتم ژنتیک با توجه به شاخص های مقایسه ای کیفیت، پراکندگی، یکنواختی و زمان حل با یکدیگر مقایسه شده اند.اصالت/ارزش افزوده علمی: نتایج نشان داد الگوریتم نهنگ دارای توانایی بالاتر، جهت دستیابی به جواب های باکیفیت تر و نزدیک بهینه از منظر شاخص کیفیت و اکتشاف و استخراج ناحیه شدنی جواب از منظر شاخص پراکندگی، نسبت به الگوریتم ژنتیک می باشد. نتایج شاخص یکنواختی و زمان حل نیز نشان داد، الگوریتم ژنتیک دارای زمان حل کمتر می باشد و فضای جواب را به صورت یکنواخت تر جستجو می کند.

mathematical model of sustainable multilevel supply chain with meta-heuristic algorithm approach (case study: atmosphere group : industrial and manufacturing power plant)

purpose: in the current complicated supply chains, sustainability and two social and environmental perspectives have significantly caught researchers’ attention due to their significant role in cost reduction. the present study aims to propose a sustainable multi-tier supply chain model for power plant products for industrial and manufacturing factories.methodology: to this end, a mathematical model was proposed with three objectives: maximizing the social responsibility, minimizing the emission of environmental pollutants, and reducing the costs of the supply chain. the whale and genetic metaheuristic algorithms were employed to propose and solve the model since sustainable supply chain planning was considered an nh-hard problem. findings: in order to solve the proposed model, the experimental sample was designed in three groups including small, medium, and large in terms of the data of atmosphere company. the results of whale optimization and genetic algorithms were compared according to the comparative indices of quality, dispersion, uniformity, and solving time. originality/value: according to the results, the whale algorithm was able to provide higher quality and near-optimal solutions than genetic algorithm; in addition, by comparison, it could efficiently explore and extract possible areas of the solution in terms of quality and dispersion indices. however, a shorter amount of time was required for genetic algorithm to uniformly find solutions.