توسعه مدل دوهدفه یکپارچه زمان‌بندی زنجیره تامین سبز: تولید، توزیع و مسیریابی با وسیله نقلیه ناهمگن و پنجره‌های زمانی مشتریان

هدف: در این پژوهش مسئله یکپارچه زمان‌بندی زنجیره تامین با تعیین واگذاری موعد تحویل، زمان‌بندی سفارش‌ها روی یک ماشین در یک سیستم تولیدی و ارسال به‌صورت دسته‌ای، واگذاری به چندین وسیله حمل‌ونقل ناهمگن با توجه به ظرفیت و در نهایت، تحویل سفارش‌ها به مشتریان در پنجره زمانی با هدف کمینه‌کردن کل هزینه‌های توزیع سفارش‌ها و هزینه‌های ثابت و متغیر سوخت و انتشار کربن وسیله نقلیه و کل زمان دیرکرد سفارش‌های مشتریان است.روش: مدل برنامه‌ریزی مسئله بیان‌شده یک مدل ریاضی عدد صحیح غیرخطی مختلط بوده و برای حل آن از الگوریتم‌های فرابتکاری چندهدفه mopso و nsgaii بهره گرفته شده است. به‌منظور مقایسه دقیق‌تر نتایج حاصل از معیارهای عملکردی، از تحلیل آماری t زوجی در سطح اطمینان 95 درصد و 0.05  استفاده شد.یافته‌ها: نتایج حل حاصل از الگوریتم‌ها و تحلیل آماری در سطح اطمینان 95، نشان‌دهنده عملکرد مناسب الگوریتم nsgaii است، از این رو الگوریتم nsgaii، برای مدل پیشنهادی، کارایی مناسب‌تری دارد.نتیجه‌گیری: این پژوهش به کاهش هزینه‌های تولید، توزیع، نگهداری موجودی و مصرف سوخت منجر می‌شود. همچنین می‌توان به کمک این مسئله، موجودی محصولات و هزینه‌های نگهداری را کاهش داد.

Development of Integrated Multi-objective Green Supply Chain Scheduling Model: Production, Distribution and Heterogeneous Vehicle Routing with Customer Time Windows

Objective: In this study, different ways of delivering goods to customers are created and therefore the vehicle routing decisions are added to this issue. In this case, customers must be divided into clusters and each customer assigned to one means of transportation in order to minimize the cost of orders between customers. In this study, the problem of integrated supply chain scheduling is determined by timely delivery of orders, scheduling orders on a machine in a manufacturing system and batch shipment, allocation to multiple heterogeneous transport modes according to capacity, and finally order delivery. To customers in the time window, it aims to minimize the total cost of distributing orders and the constant and variable costs of fuel and carbon emissions of the vehicle and the total time delay of customer orders.Methods: The problem programming model is a mathematical model of complex nonlinear integer and has been used for solving multiobjective metaalgorithms MOPSO and NSGAII.Results: The results show that NSGAII algorithm performs well.Conclusion: This research reduces the costs of production, distribution, inventory maintenance and fuel consumption. It can also help reduce product inventory and maintenance costs.