طراحی شبکه زنجیره تامین حلقه بسته در فضای عدم قطعیت

تغییرات آب و هوا و اثرات مخرب زیست محیطی فعالیتهای اقصادی، زنجیره های تامین را بر آن داشته است که در بازارهای رقابتی جهت کسب مزیت رقابتی در کنار عملکرد مالی، به دنبال اجرای سیاستهای سبز و کاهش آسیب به محیط زیست باشند. یکی از روشهای دستیابی همزمان به اهداف اقتصادی و زیست محیطی، داشتن شبکه های زنجیره تامین حلقه بسته است که در آنها علاوه از جریان رو به جلو، لجستیک معکوس نیز در شبکه ادغام شده است. در این مقاله یک مدل برنامه ریزی عدد صحیح مختلط دو هدفه به منظور طراحی یک شبکه زنجیره تامین حلقه بسته توسعه داده شده است. تابع هدف اول کمینه کردن هزینه‌های اقتصادی و تابع هدف دوم شامل حداقل کردن زمان تاخیر ارسال محصولات از تولیدکنندگان به توزیع کنندگان است. برای حل مدل از روش های ال پیمتریک و اپسیلونمحدودیت استفاده شده است. در نهایت مثال عددی برای ارزیابی و آنالیز حساسیت مدل ارائه شده است. در این مدل هزینه‌ها و تقاضا بعنوان پارامترهای غیر قطعی در نظرگرفته می‌شود. در راستای مواجهه با پارامترهای غیر قطعی و کاهش تاثیر آن بر روی جواب بهینه، یک مدل بهینه سازی استوار مطرح شده است. به منظور حل مدل ارائه شده در مقیاس بزرگ از الگوریتم بهینه سازی ازدحام ذرات چند هدفه (mopso) بهره‌گرفته شد. برای نشان دادن کارایی الگوریتم فراابتکاری پیشنهادی mopso، جواب های به دست آمده با جواب های روش حل دقیق مقایسه شده است. یافته های این تحقیق می تواند تصمیم گیرندگان را در طراحی زنجیره های تامین حلقه بسته یاری رساند.

Closed loop supply chain network design under uncertainty

Climate change and environmental impacts of economic activities, have forced supply chains to implement green policies and reduce environmental impacts and destruction to achieve competiete advantage. One approach to achive simultaneously to the economic and envitonmental objectives is to design closed loop supply chain networks (CLSCN) that integrate reverse logistics into their forward paths. In this paper, a biobjective mixed integer linear programming model was developed for the CLSCN problem. The first objective is to minimize the cost function and the second objective function tries to minimize the time of transferring products from manufacturers to the distributors. Lp Metric and ε constraint methods were utilized to solve the model. A numerical example was presented to show the applicability of the model and also sensitivity analysis was done. In this model two parameters of cost and demand are uncertain, in order to deal with uncertain parameters a robust optimization approach was utilizec. Multi objective particle swarm optimization (MOPSO) was used to solve the model in lare scales ad the solutions were compared with the solutions that obtained by exact methods. the findings of this research can help decision makers and executives to design efficient closed loop supply chains.