طراحی مدل چندهدفه شبکه زنجیره تامین حلقه بسته در صنعت خودرو با توجه به طرح‌های بازده انرژی و زمان

هدف: تعداد وسایل نقلیه در جهان، به‎علت پیشرفت‌های تکنولوژی و کاهش قیمت، در حال افزایش است. این وسایل نقلیه، در دوره تولید و اتمام طول عمرشان، تبعات منفی زیادی دارند. این مسائل، نیاز به بازیافت و دفع وسایل نقلیه در سطح جهانی را افزایش داده است. از این رو، مدیریت بازیافت خودروها، هم به‌علت عوامل اقتصادی و هم آثار زیست‌محیطی، اهمیت دارد. استراتژی‌های صنعت خودرو را دولت تنظیم می‌کند. یکی از روش‌های مناسب برای حل این مشکل، استفاده از زنجیره تامین حلقه بسته است. در این پژوهش، مدل چندهدفه شبکه زنجیره تامین حلقه بسته در صنعت خودرو با توجه به طرح‌های بازده انرژی و زمان طراحی شده است.روش: در این پژوهش، از سه روش حل قطعی، روش بهینه‌سازی ازدحام ذرات و الگوریتم ژنتیک nsga ii استفاده شده است.یافته‌ها: در بررسی یافته‌های الگوریتم‌های پیشنهادی، مشخص شد که میانگین خطای حاصل از این الگوریتم‌ها کمتر از 04/0 است. بر اساس نتایج، الگوریتم‌های پیشنهادی برای حل این مسائل از کارایی لازم برخوردارند.نتیجه‌گیری: نتایج نشان داد که شبکه حلقه بسته، در طول زمان و با توجه به بازیافت محصول فرسوده، از لحاظ اقتصادی کارآمد است. افزون بر این، برای دستیابی به حداکثر مزایا، از نظر ارزش هزینه و چشم‌انداز محیطی، به اندازه کافی ظرفیت دارد.

The Design of a Multi-directional Network Chain Model Offering a Closed Loop in the Automotive Industry by Providing Energy and Time Efficiency Programs

Objective: Today, green supply chain managers in leading companies strive to offer green logistics and improve their environmental performance throughout the supply chain as a strategic weapon to gain a sustainable competitive advantage by creating profitability and satisfaction across the supply chain. Therefore, considering the purpose of the research, which is to design a multiobjective model of closedloop supply chain networks in the automotive industry according to energy efficiency and time efficiency plans, we try to model the closedloop supply chain in the automotive industry.Methods: In this study, we use the MOPSO method to facilitate its implementation and its ability to provide good convergence, as well as to maintain a proper balance between exploitation and exploration, as well as the NSGA II genetic algorithm.Results: In the study of the findings of the proposed algorithms, it found that the average error resulting from these algorithms is less than 0.04. The results also show that the proposed algorithms have the necessary efficiency in solving these problems.Conclusion: We note the significant findings of our model as follows: (1) An efficient closedloop network that shows the economic benefits of considering the value of time due to the recycling of wornout products. (2) Has the ability to demonstrate the capacity to achieve maximum benefits in terms of cost value as well as environmental prospects.