طراحي شبكه زنجيره تامين حلقه بسته در فضاي عدم قطعيت

Closed loop supply chain network design under uncertainty

تغييرات آب و هوا و اثرات مخرب زيست محيطي فعاليتهاي اقصادي، زنجيره هاي تامين را بر آن داشته است كه در بازارهاي رقابتي جهت كسب مزيت رقابتي در كنار عملكرد مالي، به دنبال اجراي سياستهاي سبز و كاهش آسيب به محيط زيست باشند. يكي از روشهاي دستيابي همزمان به اهداف اقتصادي و زيست محيطي، داشتن شبكه هاي زنجيره تامين حلقه بسته است كه در آنها علاوه از جريان رو به جلو، لجستيك معكوس نيز در شبكه ادغام شده است. در اين مقاله يك مدل برنامه ريزي عدد صحيح مختلط دو هدفه به منظور طراحي يك شبكه زنجيره تأمين حلقه بسته توسعه داده شده است. تابع هدف اول كمينه كردن هزينه‌هاي اقتصادي و تابع هدف دوم شامل حداقل كردن زمان تاخير ارسال محصولات از توليدكنندگان به توزيع كنندگان است. براي حل مدل از روش هاي ال پي-متريك و اپسيلون-محدوديت استفاده شده است. در نهايت مثال عددي براي ارزيابي و آناليز حساسيت مدل ارائه شده است. در اين مدل هزينه‌ها و تقاضا بعنوان پارامترهاي غير قطعي در نظرگرفته مي‌شود. در راستاي مواجهه با پارامترهاي غير قطعي و كاهش تاثير آن بر روي جواب بهينه، يك مدل بهينه سازي استوار مطرح شده است. به منظور حل مدل ارائه شده در مقياس بزرگ از الگوريتم بهينه سازي ازدحام ذرات چند هدفه (MOPSO) بهره‌گرفته شد. براي نشان دادن كارايي الگوريتم فراابتكاري پيشنهادي MOPSO، جواب هاي به دست آمده با جواب هاي روش حل دقيق مقايسه شده است. يافته هاي اين تحقيق مي تواند تصميم گيرندگان را در طراحي زنجيره هاي تامين حلقه بسته ياري رساند.

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 bi-objective 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.