انتخاب تأمين كننده پايدار و تخصيص مقدار سفارش با در نظر گرفتن تخفيف هاي مقداري

Sustainable Supplier Selection and Order Allocation through Quantity Discounts

پيرامون فعاليت هاي زنجيره تأمين، انتخاب تأمين كننده مناسب نقش مهمي را براي شركت ها در حركت بسمت توسعه ي پايدار ايفا مي كند. هرچند اخيراً در اين حوزه تعدادي فعاليت تحقيقاتي انجام شده كه به جنبه هاي پايداري و تخفيف هاي مقداري پرداخته، اما فعاليت هاي انجام شده آنها را بصورت مجزا در نظر گرفته است. در اين پژوهش برخلاف كارهاي قبلي، يك مدل برنامه ريزي خطي عدد مختلط چند هدفه توسعه داده شده كه مسئله اي يك پارچه انتخاب تأمين كننده پايدار و تخصيص مقدار سفارش را با در نظر گرفتن تخفيف هاي مقداري ارائه كرده است. مدل رياضي ارائه شده بصورت چند تأمين كننده، چند قلم كالا، چند دورهاي با معيارهاي اقتصادي، اجتماعي و محيطي از پايداري و با دو تخفيف مقداري همه واحدها و نموي در نظر گرفته شده است. به منظور حل مدل و يافتن جواب هاي توافقي از روش برنامه ريزي آرماني چند گزينه اي اصلاح شده استفاده شده است. بعلاوه، براي ارزيابي مدل و همچنين نشان دادن كاربردهاي واقعي آن در زندگي روزمره، يك مطالعه ي موردي در صنعت غذا انجام شده است.

Within activities related to the global supply chain, suitable supplier selection regarding the sustainability issues plays an important role for companies to move toward sustainable development. Although, in this field recently done some research that dealt with sustainability aspects and quantity discounts, performed activities these two issues considered separately. In this study, contrary to previous works, a novel multi-objective mixed integer linear programing model is developed to consider integrated problem of sustainable supplier selection and order allocation with quantity discounts. The proposed mathematical model is multi-period, multi-item, and multi-supplier with economic, environmental and social criteria of sustainability and two types quantity discounts; all-unit, and incremental. The proposed model is also solved by a revised multi-choice goal programming (RMCGP) in order to finding a compromise solution. In addition, a real-life industrial case is studied to validate proficiency and applicability of the proposed model.