بکارگیری الگوریتم ژنتیک برای بهینه سازی میزان انتشار گازهای گلخانه ای حاصل از حمل و نقل و هزینه های زنجیره تامین سرد

زنجیره تامین سرد با توجه به مصرف انرژی بالا و نشت گازهای مبرد، سطوح بالایی از انتشار گازهای گلخانه ای را به همراه دارد و یکی از بزرگترین انتشار دهنده های کربن است. در زنجیره تامین سرد محصولات باید در دمای پایین و نزدیک یا زیر نقطه انجماد ذخیره شوند؛ برای این منظور از انبارهای سردخانه ای و کامیون‏های یخچال دار ضروری است، بنابراین این پژوهش به طراحی یک مدل تصمیم‌گیری چند هدفه خطی مدیریت زنجیره تامین سرد می پردازد که هدف آن کاهش هزینه کلی زنجیره تامین، شامل هزینه‏های ظرفیت، حمل و نقل، موجودی و نیز هزینه‏های مربوط به تاثیر گرم شدن کره زمین به دلیل انتشار گازهای گلخانه ای است‏. جهت تحلیل مسئله تحقیق، یک مدل ریاضی در زمینه بهینه‏سازی زنجیره تامین سرد طراحی شده و برای حل این مسئله از الگوریتم ژنتیک استفاده شده است. نتایج تابع اول تحقیق نشان می‌دهد که مدل در حالت ‌تعداد مشتری بالا ‌و هنگامی که تعداد توزیع کننده با تعداد تولید کننده برابر می باشد، بهترین حالت ممکن است. از تحلیل تابع دوم نتیجه گرفته می شود که کاهش زمان ترمیم تسهیلاتی در حداقل نمودن تابع نخست، کاهش هزینه ها و کاهش انتشار گازهای گلخانه ای موثر است. بنابراین با توجه به مطالب بیان شده و نیز نتایج بدست آمده در این تحقیق، می‌توان عنوان نمود که با بهینه سازی وسایل نقیله و نیز استفاده مناسب از تعداد بهینه‌ای از وسایل حمل و نقل می توان انتظار داشت که آلودگی و تکثیر گازهای گلخانه ای به حداقل ممکن برسد.

Application of Genetic Algorithm for Optimization of Greenhouse Gas Emissions from Transport and cooling Supply Chain Costs

The cooling supply chain, due to its high energy consumption and refrigerant emissions, has high levels of greenhouse gas emissions and is one of the largest carbon emitters. In the cold supply chain, products should be stored at low and near or below freezing points. For this purpose, refrigerated warehouses and refrigerated trucks are essential. Therefore, this research aims to design a linear multiobjective decisionmaking model for supply chain management Which aims to reduce the overall supply chain cost, including the cost of capacity, transportation, inventory as well as costs associated with the effects of global warming due to greenhouse gas emissions. To analyze the research problem, a mathematical model for optimizing the supply chain has been designed and genetic algorithm has been used to solve this problem. The results of the first function test indicate that the model is high in the number of customers, and when the distributor’s number is equal to the number of producers, the best one is possible. The second function analysis concludes that reducing the restoration time of the facility is effective in minimizing the first function, reducing costs and reducing greenhouse gas emissions. Therefore, according to the stated contents and the results obtained in this research, it can be pointed out that by optimizing the vehicles and also the proper use of the optimal number of means of transport, it can be expected that the pollution and proliferation of gases The greenhouse is at least possible.