مدل‌سازی ریاضی شبکه زنجیره تامین پایدار در وضعیت عدم قطعیت و حل آن با استفاده از الگوریتم‌های فراابتکاری

هدف: در سال‌های اخیر نگرانی‌های جهانی در خصوص مسائل زیست‌محیطی و اجتماعی، باعث شده است که مصرف‌کنندگان، سازمان‌های دولتی، شرکت‌ها و دانشگاه‌ها فعال‌تر شوند و بیش از پیش به طراحی شبکه زنجیره تامین در جایگاه اساسی‌ترین بخش زنجیره تامین پایدار توجه کنند. هدف اصلی این مقاله، ارائه مدل ریاضی شبکه زنجیره تامین برای شرکت شیشه‌سازی همدان با در نظر گرفتن ابعاد پایداری است. روش: در این مقاله برای به حداقل‌رساندن آثار زیست‌محیطی و حداکثر‎سازی آثار اجتماعی و سود اقتصادی، مدل برنامه‌ریزی عدد صحیح مختلط چندهدفه فازی، به‌منظور طراحی زنجیره تامین پایدار حلقه بسته در وضعیت عدم قطعیت ارائه شده است. در این مدل، هم محدودیت‌ها و هم پارامتر‎های مسئله از نوع فازی است که با استفاده از روش خیمنز قطعی شده و برای حل مدل، از الگوریتم‌های فراابتکاری nsgaii و mopso استفاده شده است. یافته‌ها: مدل برنامه‌ریزی پیشنهادی با دو الگوریتم ژنتیک چندهدفه و ازدحام ذرات چندهدفه حل شد و مقایسه‌های لازم بین نتایج صورت گرفت و در نهایت، جواب‌های پارتو مشخص شد. با توجه به نتایج، از لحاظ معیار زمان، الگوریتم nsgaii بر mopso و از نظر معیار mid الگوریتم mopso بر nsgaii برتری دارد و در باقی معیارها برتری معناداری نسبت به هم ندارند. نتیجه‌گیری: بر اساس نتایج، ملاحظات هم‌زمان ابعاد اقتصادی، زیست‌محیطی و اجتماعی و عدم قطعیت در برخی پارامترها همچون تقاضا و میزان برگشتی، به بهبود عملکرد زنجیره تامین از نظر سودآوری و پاسخ‌گویی به نیازهای مشتریان منجر می‌شود.

Mathematical Modeling of Sustainable Supply Chain Networks under Uncertainty and Solving It Using Metaheuristic Algorithms

Objective: In recent years, global concerns about environmental and social issues have made consumers, government organizations, companies and universities more active, and their focus has increasingly been on the design of the supply chain network as the most important part of the supply chain. The main objective of this paper is to present a supply chain modeling model for Hamadan Glass Manufacturing Company considering the dimensions of sustainability. Methods: In this paper, a Fuzzy Multiobjective Mixed Integral Programming is presented to design a closed loop supply chain under uncertainty conditions in order to minimize environmental impacts and maximize social impacts and economic benefits. In this model, both the constraints and the parameters of the problem are fuzzy, which is determined by the Jimenez method, and the algorithms of NSGAII and MOPSO have been used to solve the model. Results: The proposed model was solved with two multiobjective genetic algorithms and multiobjective particle swarm optimization, and the necessary comparisons were made between the results. Finally, Pareto’s solutions were determined. According to the results, the two algorithms differ in the time criterion that the NSGAII is superior to MOPSO. Also, there are two different algorithms in the MID standard that MOPSO excels over NSGAII and does not have any significant superiority over the remaining criteria. Conclusion: Based on the results of the research, simultaneous consideration of economic, environmental and social dimensions and uncertainty in some parameters such as demand and returns lead to improved supply chain performance in terms of profitability and customer satisfaction.