طراحی یک شبکه زنجیره تامین حلقه بسته در صنعت روغن خوراکی با استفاده از یک مدل برنامه ریزی استوار امکانی – تصادفی

در سال‌های اخیر پیچیدگی‌های محیطی، رقابت‌های شدید سازمان‌ها و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات، فشارهای زیست‌محیطی و از همه مهم‌تر سود ناشی از بازیافت محصولات، بر اهمیت طراحی شبکه زنجیره تامین معکوس و حلقه بسته افزوده است. همچنین وجود عدم قطعیت‌های ذاتی در پارامترهای ورودی، یکی دیگر از موارد مهمی است که عدم توجه به آن می‌تواند تصمیمات استراتژیک، تاکتیکی و عملیاتی سازمان را تحت تاثیر قرار دهد. به همین جهت این پژوهش به طراحی یک مدل شبکه زنجیره تامین حلقه بسته چند محصولی و چند دوره‌ای در شرایط عدم قطعیت می‌پردازد. در همین راستا ابتدا یک مدل برنامه‌ریزی خطی عدد صحیح به منظور حداقل سازی هزینه‌های زنجیره تامین ارائه می‌گردد. سپس جهت در نظر گرفتن عدم قطعیت‌های ترکیبی مدل که شامل عدم قطعیت شناختی و تصادفی می‌باشد، پنج مدل استوار امکانی- تصادفی مختلف توسعه داده‌شده و نقاط ضعف، قوت و کاربرد هر یک مورد ارزیابی و تحلیل قرار می‌گیرد و مناسب‌ترین مدل جهت پاسخگویی به عدم قطعیت‌های موجود در مدل پیشنهاد می‌شود. در پایان عملکرد و کاربردی بودن مدل پیشنهادی، از طریق مطالعه موردی در یک صنعت روغن خوراکی مورد ارزیابی قرار می‌گیرد.

a closed-loop supply chain network in the edible oil industry using a novel robust stochastic-possibilistic programming

in recent years, the complexity of the environment, the intense competition of organizations, the pressure of governments on producers to manage waste products, environmental pressures and most importantly, the benefits of recycling products have added to the importance of designing a closed loop supply chain network. also, the existence of inherent uncertainties in the input parameters is another important factor that the lack of attention them can affect the strategic, tactical and operational decisions of organizations. given these reasons, this research aims to design a multi-product and multi period closed loop supply chain network model in uncertainty conditions. to this aim, first a mixed-integer linear programming model is proposed to minimize supply chain costs. then, for coping with hybrid uncertain parameters effectively, randomness and epistemic uncertainty, a novel robust stochastic-possibilistic programming (rspp) approach is proposed. furthermore, several varieties of rspp models are developed and their differences, weaknesses, strengths and the most suitable conditions for being used are discussed. finally, usefulness and applicability of the rspp model are tested via the real case study in an edible oil industry.