طراحي شبكه خريد-توليد-توزيع چندهدفه در زنجيره تأمين سبز با الگوريتم جستجوي گرانشي چندهدفه

DESIGNING A NEW MULTI-OBJECTIVE MODEL FORAPROCUREMENT PRODUCTION-DISTRIBUTION NETWORK DESIGN PROBLEM IN A GREEN SUPPLY CHAIN BY A GRAVITATIONAL SEARCH ALGORITHM

در اين مقاله، يك شبكه خريد – توليد - توزيع يكپارچه براي يك زنجيره تأمين سبز چهار سطحي طراحي مي شود كه در آن ضمن كمينه كردن هزينه كل سيستم كه در برگيرنده: هزينه خريد و ارسال مواد اوليه از تأمين كنندگان به توليدكنندگان، هزينه ناشي از سرمايه گذاريهاي زيست محيطي در مراكز توليد، هزينه توليد محصول نهايي و هزينه هاي توزيع و ارسال محصول از توليدكنندگان به مراكز توزيع و فروش ميباشد. با توجه به ظرفيت و امكانات موجود، بيشترين سطح سرويس دهي و خدمات رساني به مشتريان ارائه مي گردد كه با حداقل ساختن كل تأخيرها در تحويل كالاها به مشتريان اين مهم محقق مي شود. بعلاوه در نظر است تا ميزان كل دي-اكسيدكربن منتشر شده در اثر توليد و توزيع محصول در كل زنجيره را، براي كنترل اثرات مخرب زيست محيطي زنجيره تأمين، به حداقل ممكن برسد. پس از ارائه مدل رياضي توسعه يافته براي مسأله، يك الگوريتم فراابتكاري جديد بر اساس جستجوي گرانشي چندهدفه (MOGSA) با دو نحوه نمايش متمايز براي جواب هاي مسأله، براي يافتن مجموعه جواب هاي بهينه پارتو ارائه و براي تعدادي مسأله نمونه تصادفي در ابعاد مختلف حل و مقايسه مي شود.

This paper presents a new multi-objective model for a procurement¬production-distribution network design problem in a 4-level green supply chain. It considers three objectives that minimize: (1) the total system costs as a quantitative objective, consisting of purchase costs of raw materials from suppliers and transport them to producers, environmental protection investments in production centers, production costs and transportation costs of the final product between producers, distribution centers and customers, (2) the total delay in delivery the products to customers as a qualitative objective and (3) the total amount of CO2 emission in all of the supply chain as a green objective, in order to control the environmental harmful effects of the supply chain. To solve the presented model, a multi-objective gravitational search algorithm (MOGSA) with two different solution representation methods, namely Prefer number and priority-based coding, is applied to find a Pareto optimal set of solutions. A number of random test problems with different sizes are solved by the proposed MOGSA and NSGA-II. Finally, the computational results are reported and analyzed.