طراحی زنجیره‌تامین دوار با رویکرد قیمت‌گذاری در دوره عمر محصول

هدف: افزایش مخاطرات زیست‌محیطی و کمبود منابع توجه به اقتصاد دوار و محصولات در زنجیره معکوس شبکه تامین را ضروری می‌سازد. از سوی دیگر اتخاذ تصمیمات متناسب اقتصادی و زیست‌محیطی در مراحل مختلف دوره عمر محصولات موجب افزایش سودآوری شبکه زنجیره‌تامین می‌شود. لذا، در این پژوهش یک زنجیره‌تامین چهار لایه‌ای شامل تامین‌کنندگان، تولیدکنندگان، مراکز توزیع و بازارها در جهت مستقیم و سه تسهیل شامل مراکز جمع‌آوری، جداسازی و دفع ضایعات در جهت معکوس پیکره‌بندی می‌گردد.روش‌شناسی پژوهش: زنجیره‌تامین معکوس شامل مراکز جمع‌آوری، یک مرکز جداسازی و یک مرکز دفع می‌باشد. هم‌چنین سه نوع محصول درجه 1 و 2 و 3 در این شبکه تولید می‌شود. محصول درجه 1، محصولی است که تمام قطعات و مواد اولیه تشکیل‌دهنده آن اصلی و درجه 1 بوده و به‌طور مستقیم از تامین کنندگان، تهیه و سپس در مراکز تولید قطعات آن‌ها تولیدشده و درنهایت محصول درجه 1 در اختیار مشتری قرار می‌گیرد. محصولات درجه 2، تمام قطعات تشکیل‌دهنده آن‌ها همان قطعات مصرفی قابل‌استفاده مجدد می‌باشد که از طریق زنجیره معکوس و از مرکز جداسازی در اختیار مراکز تولید قرار می‌گیرند. این قطعات سپس مونتاژ شده و درنهایت محصول درجه 2 تولید خواهد شد. محصولات درجه 3، محصولاتی هستند که قطعات تشکیل‌دهنده آن‌ها ترکیبی از قطعات اصلی یا همان درجه 1 و قطعات قابل‌استفاده مجدد می‌باشد. زنجیره‌تامین روبه‌جلو با تهیه مواد اولیه از تامین کنندگان آغاز می‌شود. فرض بر آن است که تمام مراحل تولید درون‌سازمانی است و در داخل مراکز تولید موردنظر انجام می‌شود. سپس، محصولات تولیدشده به بازار مشتریان فرستاده می‌شود.یافته‌ها: در زنجیره معکوس از شبکه پیشنهادی، محصولات پس از گذشت زمان و مستهلک شدنشان توسط مراکز جمع‌آوری از مشتریان خریداری می‌شوند. سپس محصولات بازگشتی جمع‌آوری‌شده به مرکز جداسازی منتقل می‌شود. در مرکز جداسازی قطعات جدا شده، ازنظر کیفیت بازرسی خواهند شد و به دو دسته قابل‌استفاده مجدد و غیرقابل استفاده طبقه‌بندی می‌شوند. دسته اول قطعاتی هستند که مصرف آن‌ها خاتمه یافته است و به مراکز تولید بازمی‌گردند. دسته دوم ضایعاتی محسوب و به مرکز دفع منتقل می‌شوند. برای حل مدل پیشنهادی در ابعاد کاربردی از الگوریتم‌های ژنتیک و بهینه‌سازی ازدحام ذرات برای یافتن جواب بهینه استفاده شده است. با بررسی نتایج و تحلیل‌های انجام‌شده و با توجه به شاخص درصد انحراف نسبی و زمان حل مشخص شد که الگوریتم ژنتیک دارای عملکرد بهتری بوده است.اصالت/ارزش افزوده علمی: در شبکه ارایه‌شده چرخه عمر محصول در نظر گرفته می‌شود و لذا مدل چند دوره‌ای می‌باشد. تسهیل مراکز توزیع در شبکه بین دو تسهیل تولیدکنندگان و بازارهای مشتری قرار می‌گیرد. چندین مراکز جداسازی و دفع در نظر خواهیم گرفت. سه نوع تقاضا و نرخ بازگشت به ازای هر نوع محصول وجود دارد. یک مدل برنامه‌ریزی خطی عدد صحیح مختلط با هدف بیشینه‌سازی سود اقتصادی در طول دوره عمر محصول و قیمت‌گذاری ارایه می‌گردد. با توجه به پیچیدگی محاسباتی در ابعاد متوسط، یک الگوریتم ژنتیک برای یافتن جواب بهینه استفاده ده است. کارایی الگوریتم ژنتیک با تحلیل‌های عددی اثبات می‌شود.

designing a circular supply chain with a pricing approach in the product life cycle

purpose: this research aims to configure a four-layer supply chain including suppliers، manufacturers، distribution centers and markets in the direct direction and three facilities including waste collection، separation and disposal centers in the reverse direction. the increase in environmental risks and lack of resources make it necessary to pay attention to the circular economy and products in the reverse chain of the supply network. on the other hand، making appropriate economic and environmental decisions at different stages of the life cycle of products increases the profitability of the supply chain network.methodology: the reverse supply chain consists of collection centers، a separation center and a disposal center. also، three types of grade 1، 2 and 3 products are produced in this network. grade 1 product is a product in which all the components and raw materials are original and grade 1 and are procured directly from suppliers and then produced in their parts production centers، and finally، grade 1 product is provided to the customer. in grade 2 products، all their constituent parts are reusable consumable parts that are provided to production centers through the reverse chain and from the separation center. these parts are then assembled and finally، the 2nd grade product will be produced. grade 3 products are products whose constituent parts are a combination of original or grade 1 parts and reusable parts. the forward supply chain begins with the procurement of raw materials from suppliers. it is assumed that all the production steps are internal and are done inside the desired production centers. then، the manufactured products are sent to the customer market.findings: in the reverse chain of the proposed network، the products are purchased from the customers by the collection centers after the passage of time and their depreciation. the collected returned products are then transported to the separation center. at the disassembly center، the disassembled parts will be inspected for quality and classified into reusable and non-reusable categories. the first category is the parts whose consumption has ended. they return to the production centers. the second category is considered waste and is transferred to the disposal center. to solve the proposed model in practical dimensions، genetic algorithms and particle swarm optimization have been used to find the optimal solution. by examining the results and analyses performed and considering the relative deviation percentage index and solution time، it was determined that the genetic algorithm had better performance.originality/value: in the presented network، the life cycle of the product is considered، and therefore، it is a multi-cycle model. the facility of distribution centers is placed in the network between the two facilities of producers and customer markets. we will consider several separation and disposal centers. there are three demand types and return rates for each product type. a mixed integer linear programming model is presented with the aim of maximizing economic profit during the product life cycle and pricing. due to the computational complexity in medium dimensions، a genetic algorithm has been used to find the optimal solution. the efficiency of the genetic algorithm is proved by numerical analysis.