ارائه مدل چندهدفه برای مسئله مکان‌یابی مسیریابی موجودی در شبکه زنجیره تامین حلقه بسته سبز چنددوره‌ای و چندمحصولی برای کالاهای فاسدشدنی

هدف: در سه دهه اخیر، مفهوم یکپارچگی تصمیم‌گیری در زنجیره تامین به یکی از مهم‌ترین ابعاد مدیریت زنجیره تامین تبدیل شده است. این مفهوم به بررسی وابستگی میان مکان تسهیلات، تخصیص جریان بین تسهیلات، ساختار سیستم حمل‌ونقل و سیستم کنترل موجودی می‌پردازد. این مقاله صورت جدیدی از مسئله مکان‌یابی مسیریابی موجودی را در یک شبکه زنجیره تامین حلقه ‌بسته برای محصولات فاسدشدنی با در نظر گرفتن ملاحظات زیست‌محیطی ارائه می‌دهد، به‌نحوی که همزمان مجموع هزینه‌های سیستم، مجموع حداکثر زمان حمل‌ونقل و انتشار آلاینده‌ها در کل شبکه کمینه شود. روش: مسئله پژوهش در قالب یک مدل چندهدفه برنامه‌ریزی غیرخطی عدد صحیح مختلط فرموله شده و برای حل مدل، رویکردی از الگوریتم ژنتیک پیشنهاد شده است. به‌منظور اعتبارسنجی، نتایج الگوریتم پیشنهادی در مثال‌های اندازه کوچک با نتایج حل روش دقیق توسط نرم‌افزار گمز، مقایسه شده‌اند. یافته‎ها: میانگین خطای حاصل از الگوریتم پیشنهادی برای تابع هدف در مقایسه با روش دقیق، در حل مسائل نمونه، کمتر از 4 درصد است. همچنین نتایج حاصل از عملکرد الگوریتم بر اساس شاخص‌های استاندارد بررسی شده است. نتایج محاسباتی، نشانگر کارایی الگوریتم برای طیف وسیعی از مسائل با اندازه‌های متفاوت است. نتیجه‎گیری: تصمیم‌های مکان‌یابی، مسیریابی و موجودی به هم وابسته بوده و تعیین مقادیر بهینه این متغیرها در تعامل با هم است که می‌تواند به یافتن یک سیستم بهینه با حداقل هزینه‌های ممکن منجر شود.

Developing a MultiObjective Model for LocatingRoutingInventory Problem in a MultiPeriod and MultiProduct Green ClosedLoop Supply Chain Network for Perishable Products

Objective: During the last three decades, the concept of decisionmaking integrity in the supply chain has become one of the most important dimensions in the supply chain management. This concept examines the dependence between the location of facilities, allocation of flow between facilities, the structure of transport system and inventory control system. This paper presents a new form of locating routing inventory problem in a closedloop supply chain network for perishable products with respect to environmental considerations, in such a way that the aggregate system costs, the aggregate maximum transportation time and emission of pollutants throughout the network should be minimized. Methods: The research problem is formulated in the form of a multiobjective mixed integer nonlinear programming model and a genetic algorithm approach is proposed to solve the model. In order to validate, the results of the proposed algorithm are compared in smallscale examples with the exact solution method using GAMS software. Results: The mean error of the proposed algorithm for the objective function is fewer than 4% as compared to the exact solution. In addition, the results of the algorithm’s performance are discussed based on standard indices. The computational results indicated the efficiency of the algorithm for a wide range of problems with different sizes. Conclusion: The locating, routing and inventory decisions are interdependent and determining the optimal values for these variables is in interaction with each other which can lead to an optimal system with the least possible cost.