طراحی زنجیره تامین چند دوره‌ای-چندسطحی جهت کالاهای فاسدشدنی با دوره عمر ثابت در شرایط عدم اطمینان

پژوهش حاضر طراحی زنجیره تامین چهار سطحی کالاهای فاسدشدنی شامل کارخانجات تولیدی، مراکز توزیع، عمده‌فروشان و خرده‌فروشان در شرایط عدم اطمینان در پارامترهای مهم را مدنظر قرار داده است و به منظور اتخاذ تصمیمات مهم در سطوح استراتژیک و تاکتیکال از جمله مکان، تعداد و اندازه مراکز توزیع و عمده‌فروشان، سطح موجودی در مراکز انبارش کالا، تعیین میزان جریان کالا میان تسهیلات در سطوح مختلف زنجیره تامین و همچنین انتخاب نوع وسیله حمل و نقل کالا میان تسهیلات از یک مدل ریاضی سه هدفه بهره می‌برد. اهداف شامل حداقل‌سازی هزینه کل مورد انتظار در زنجیره تامین، دستیابی به کمترین زمان سفر کالا در زنجیره و در عین حال حداقل نمودن میزان انحراف از تقاضای مشتریان می‌باشد. مدل ارائه شده تلاش می‌کند ضمن توجه به عدم اطمینان محیطی و در نظر گرفتن سناریوهای عملیاتی مختلف و همچنین رویکرد احتمالی در پارامترهای مهم، با در نظر گرفتن دوره عمر محصول، نرخ متفاوت فساد کالا در تسهیلات مختلف انبارش، ظرفیت متفاوت تسهیلات در سناریوهای مختلف و همچنین در نظر گرفتن روش‌های مختلف حمل و نقل محصول با نرخ‌های مختلف فساد کالا، نقصان تحقیقات قبلی در حوزه طراحی زنجیره تامین کالاهای فاسدشدنی را پوشش دهد. با توجه به چند هدفه بودن مدل و همچنین لزوم ایجاد انعطاف در تصمیم‌گیری برای تصمیم‌گیران، این پژوهش از تکینک محدوده میان‌بخشی نرمال (nbi) که به تصمیم‌گیرندگان امکان انتخاب مطلوب‌ترین راه‌حل با توجه به درجه اهمیت اهداف مختلف را می‌دهد استفاده نموده است. به منظور حل مدل ریاضی از نرم‌افزار gams 24 و حل کننده milp استفاده شده است.

designing multi period-multi level supply chain for fixed lifetime perishable products under uncertainty

the current research has considered the design of the four-level supply chain of perishable goods, including manufacturing factories, distribution centers, wholesalers, and retailers, in conditions of uncertainty in important parameters. the aim is to make strategic and tactical decisions, including the location, number, and size of distribution centers and wholesalers, stock levels in stocking centers, determining the flow of goods between facilities at different supply chain levels, and choosing the type of means of transporting goods between facilities. this is achieved through a three-objective mathematical model. the goals include minimizing the expected total cost in the supply chain, achieving the shortest travel time of goods in the chain, and at the same time minimizing the amount of deviation from customer demand. the presented model tries to pay attention to environmental uncertainty and consider different operational scenarios, as well as the possible approach in important parameters. this takes into account the product life cycle, the different rate of spoilage of the goods in different storage facilities, the different capacity of the facilities in different scenarios, and considering different methods of product transportation with different rates of product spoilage. all of this aims to cover the lack of previous research in the field of perishable goods supply chain design. considering the multi-objective nature of the model and the need to create flexibility in decision-making for decision-makers, this research uses normal boundary intersection (nbi), which allows decision-makers to choose the most optimal solution according to the importance of different goals. gams 24 software and milp solver were used to solve the mathematical model.materials and methods this study presents a multiobjective model for designing a four-echelon supply chain (sc) in the strategic and tactical levels for fixed lifetime perishable products. the targeted sc levels include production plants, distribution centers (dc), wholesalers, and retailers. the locations of the plants and retailers are predetermined, while the locations of dcs and wholesalers will be selected from potential locations. the elaborated model seeks to minimize the total cost and product transportation time in the sc and minimize expected demand deviation as well. the normal boundary intersection (nbi) method is employed for solving the model, and gams software is used to determine the optimal values of decision variables.