طراحی شبکه زنجیره تامین چندسطحی، چنددوره‌ای، چندمحصولی زیست‌توده پایدار با در نظر گرفتن تنوع مواد ورودی

مدل‌سازی ریاضی در زمینه طراحی شبکه زنجیره تامین زیست‌توده پایدار چندسطحی و چندمحصولی، به بررسی رفتار و ارتباط بین عوامل موثر بر این شبکه می‌پردازد. این موارد شامل ابعاد مختلف شبکه، میزان تقاضا و عرضه، نیازهای منابع، قیود و محدودیت‌های مختلف است. مدل‌سازی و حل این مسایل با در نظر گرفتن جنبه های اقتصادی، اجتماعی و زیست‌محیطی به طور هم‌زمان، این امکان را می‌دهد تا بتوانیم ضمن بهینه‌سازی فاکتورهای موثر در اجرای شبکه زنجیره تامین، گزینه‌های کاهش هزینه با حفظ کیفیت خدمات و افزایش رفاه اجتماعی را نیز جستجو کنیم. در این تحقیق یک مدل برنامه‌ریزی ریاضی چندهدفه عدد صحیح مختلط برای به‌کارگیری در یک زنجیره تامین زیست‌توده چند سطحی و چندمحصولی ارایه‌شده است. مدل پیشنهادی با استفاده از الگوریتم فراابتکاری nsga ii مورد ارزیابی قرار گرفته است که با استفاده از این مدل می‌توانیم مقادیر بهینه برای اجزای اصلی زنجیره تامین در دراز مدت را تعیین نماییم. مهم‌ترین مقادیری که با استفاده از این مدل می‌توانیم محاسبه نماییم عبارت است از: مقدار بهینه تولید گلیسرین، بیودیزل، جاتروفا، جلبک و مقدار ضایعات روغن در پالایشگاه‌های زیستی، تعیین مقدار بهینه روغن جاتروفا و جلبک، تعیین مقدار تولید مواد اولیه دارو و تولید کود در مراکز استخراج، میزان حمل‌ونقل جاتروفا، جلبک، بیودیزل، مقدار ضایعات روغن، نوروزک، کود و خرزهره، تعیین ظرفیت مراکز جمع‌آوری و استخراج روغن. علاوه بر این، یک تحلیل حساسیت با تغییراتی روی مقدار اپسیلون انجام شده است. برطبق نتایج به‌دست‌آمده سطح تغییرات معنی‌دار اپسیلون بین 50 تا 900 به‌عنوان بردار بهبود دهنده تعیین‌شده است. به طوری که دامنه تغییرات اپسیلون برای جستجوی جواب بهینه محلی برای تابع هدف اول 650 و  برای برای تابع هدف دوم در اپسیلون 600 تعیین شده است. همچنین، تغییرات مقدار توابع هدف را در صورت تغییر در مقدار ظرفیت میادین محاسبه شده است. 

designing a multi echelon, multi period, multi product sustainable biomass supply chain network considering the diversity of input materials

mathematical modeling in multi echelon and multi product sustainable biomass supply chain design investigates the behavior and relationship between the factors affecting this network. these include different network dimensions, the amount of demand and supply, resource requirements, restrictions, and limitations. various methods such as simulation and optimization are usually used for mathematical modeling of the multi level and multi product sustainable biomass supply chain network. by using these methods, with the help of existing optimization algorithms, it is possible to accurately and quickly predict the necessary costs for the implementation of the network. also, mathematical modeling in the field of multi level and multi product sustainable biomass supply chain network, taking into account economic, social, and ecological aspects at the same time, allows us to use appropriate algorithms to optimize the necessary factors for consider the implementation of the network and look for ways to reduce costs while maintaining the quality of services and increasing social welfare. in this research, a mixed integer multi objective mathematical programming model for use in a multi level and multi product biomass supply chain is presented. the proposed model has been evaluated using the nsga ii meta heuristic algorithm, which can determine the optimal values for the main components of the supply chain in the long term. the most important values that we can calculate using this model are the optimal amount of production of glycerin, biodiesel, jatropha, algae, and the amount of waste cooking oil (wco) in biological refineries, determining the optimal amount of jatropha oil and algae, determining the amount of production of drug raw materials and fertilizer production in extraction centers, jatropha, algae, biodiesel, wco, norozak, fertilizer, and dates, determining the capacity of oil collection and extraction centers. in addition, a sensitivity analysis has been performed with changes in the epsilon value. according to the obtained results, the level of significant changes of epsilon between 50 and 900 is determined as the improving vector. therefore, the range of epsilon changes to search for the local optimal solution for the first objective function is set at 650 and for the second objective function at epsilon 600. in addition, changes in the value of the objective functions have been calculated in case of changes in the capacity of the fields.