بهینه سازی زنجیره تامین پایدار سوخت‌زیستی با درنظرگرفتن قیمت گذاری تحت شرایط عدم قطعیت

در دنیای امروز، افزایش جمعیت و تغییر سبک زندگی، تقاضا برای انرژی را به شدت افزایش داده است. از این رو، توسعه سیستم‌های تولید انرژی‌های تجدیدپذیر مانند سوخت زیستی از اهمیت بالایی برخوردار است. با این حال، مدیریت زنجیره تامین سوخت زیستی به دلیل پیچیدگی‌ها و عدم قطعیت‌های موجود، چالش‌های بسیاری را پیش رو دارد. پژوهش حاضر به بررسی بهینه‌سازی زنجیره تامین سوخت زیستی با رویکردی جامع و مبتنی بر مدل‌سازی ریاضی پرداخته است. در این پژوهش، یک مدل برنامه‌ریزی خطی عدد صحیح مختلط برای طراحی یک زنجیره تامین زیست‌توده پایدار توسعه داده شده است. این مدل با در نظر گرفتن عدم قطعیت در قیمت‌گذاری مواد اولیه، به مدیران کمک می‌کند تا تصمیمات بهینه و کارآمدی اتخاذ کنند. همچنین، با استفاده از رویکردهای بهینه‌سازی تصادفی و استوار، مدل قادر است تا ریسک‌های ناشی از عدم قطعیت را مدیریت کند. نتایج حاصل از مدل‌سازی نشان می‌دهد که در شرایط عدم قطعیت، اهداف زیست‌محیطی و رفاه اجتماعی با یکدیگر هم جهت هستند. به عبارت دیگر، بهبود عملکرد زیست‌محیطی به افزایش رفاه اجتماعی نیز منجر می‌شود. همچنین، تغییرات در هزینه‌های زیست‌محیطی تاثیر قابل توجهی بر میزان رفاه اجتماعی دارد.

the sustainable biofuel supply chain optimization with considering pricing under uncertainty

the increasing population and changing lifestyles have significantly increased the energy demand in today’s world. therefore, the development of renewable energy systems such as biofuels is of paramount importance. however, managing the biofuel supply chain has many challenges due to its complexity and uncertainties. this research investigates the optimization of the biofuel supply chain using a comprehensive approach based on mathematical modeling. in this study, a mixed-integer linear programming model is developed to design a sustainable biomass supply chain. this model, by considering the uncertainty in raw material pricing, helps managers make optimal and efficient decisions. additionally, using stochastic and robust optimization approaches, the model can manage risks arising from uncertainty. the results of the modeling show that under uncertainty, environmental and social welfare objectives are aligned. in other words, improving environmental performance also leads to increased social welfare. moreover, changes in environmental costs have a significant impact on the level of social welfare.