مدل سازي و حل مسئله طراحي شبكه زنجيره تامين حلقه بسته پايدار براي محصولات پتروشيمي تحت شرايط عدم قطعيت

Modeling and Solving Problem Sustainable Closed Loop Supply Chain Network Design for Petrochemical Products under Uncertainty Conditions

صنعت پتروشيمي از مهمترين صنايع در جهان است كه مديريت و تصميم‌گيري بهينه در فعاليت‌هاي آن موجب كسب منافع اقتصادي فراوان و همچنين رونق و توسعه صنايع وابسته است. در اين مقاله به مسئله مديريت زنجيره تامين محصولات پتروشيمي پرداخته مي‌شود. يك مدل بهينه‌سازي چندهدفه توسعه داده مي‌شود كه در آن با اخذ تصميمات استراتژيك، سه هدف بلند مدت اقتصادي، اجتماعي و زيست محيطي در صنعت پتروشيمي تحقق مي‌يابد. براي اين منظور، ابتدا با استفاده از روش اپسيلون محدوديت تكامل يافته، هدف اقتصادي به عنوان تابع هدف و اهداف اجتماعي و زيست محيطي به عنوان اپسيلون قيود در نظر گرفته مي‌شوند. سپس جبهه پارتويي از جواب‌هاي كارا بدست آورده مي شود و در اين جبهه، جوابي كه داراي كمترين انحراف از ايده‌آل است به عنوان كاراترين جواب انتخاب و به مديران صنعت پيشنهاد مي‌شود. عدم‌قطعيت داده‌ در مدل پيشنهادي با استفاده از رويكرد برنامه‌ريزي امكاني استوار كنترل شده است. نتايج عددي نشان مي‌دهد كه نه تنها نوسان بهينگي در رويكرد استوار پيشنهادي بسيار كمتر از رويكرد مقدار اسمي است بلكه به طور قابل ملاحظه‌اي نقص قيود كمتر مي‌شود كه موجب كاهش ريسك در تصميم‌گيري است. به منظور حل مسئله پيشنهادي در ابعاد بزرگ، روش تجزيه بندرز بر مبناي روش حل چندهدفه اپسيلون محدوديت تكامل يافته به كار گرفته شده است. نتايج عددي نشان مي‌دهند كه رويكرد پيشنهادي به طور قابل ملاحظه در سه معيار كمي ميانگين انحراف از ايده‌آل، كيفيت جواب‌ها و زمان اجرا بهبود ايجاد مي‌كند و حل مسئله در ابعاد بزرگ را نيز ميسر مي‌سازد.

The petrochemical industry is one of the most important industries in the world where optimal management and decision-making in its activities will bring about great economic benefits as well as prosperity and development of related industries. This paper deals with the issue of petrochemical product supply chain management. A multi-objective optimization model is developed in which the strategic, long-term economic, social and environmental goals of the petrochemical industry are achieved. For this purpose, first using the Epsilon constrained evolution method, economic objective is considered as objective function and social and environmental goals are constrained as Epsilon. Then, the Pareto front is obtained from efficient solutions and in this front, the solution with the least deviation from the ideal is selected as the most efficient solution and recommended to industry managers. The data uncertainty in the proposed model is controlled using a robust feasibility planning approach. The numerical results show that not only the optimal fluctuation in the proposed robust approach is much less than the nominal value approach but it also significantly reduces the constraint flaw which reduces risk in decision making. In order to solve the proposed large-scale problem, the Banders decomposition method is applied based on the Epsilon multiple-constraint evolution method. Numerical results show that the proposed approach significantly improves the mean, standard deviation, and runtime in three quantitative measures and enables large-scale problem solving.