ارائه مدل توام قیمت‌گذاری و مسیریابی موجودی در زنجیره تامین دو سطحی حلقه بسته

محورهای موضوعی : اقتصاد کار و جمعیت

محمد محمدنژاد ¹ (دانشجوی دکتری مهندسی صنایع، دانشگاه پیام نور)
عیسی نخعی کمال آبادی ² (استاد گروه مهندسی صنایع دانشگاه کردستان)
رامین صادقیان ³ (استادیار مهندسی صنایع دانشگاه پیام نور، تهران)
فردین احمدی زر ⁴ (دانشیار گروه مهندسی صنایع دانشگاه کردستان)

تاریخ دریافت : 1396/03/17 تاریخ پذیرش : 1396/03/17 تاریخ انتشار : 1396/03/01

کلید واژه: طبقه‌بندی JEL: Z14 C13, G35, واژگان کلیدی: زنجیره تامین حلقه بسته, قیمت‌گذاری, ناوگان حمل ناهمگن, دریافت و تحویل همزمان, الگوریتم تجمع ذرات, الگوریتم ژنتیک,

چکیده مقاله :

چکیده این مقاله مسئله قیمت‌گذاری محصول در زنجیره تامین حلقه بسته چند دوره‌ای چند محصولی با تقاضای وابسته به قیمت را بررسی می‌کند. هدف، اختصاص مکان برای مرکز جمع‌آوری و دمونتاژ، مسیریابی وسایل نقلیه و سفارش‌دهی مواد به منظور به حداکثر رساندن سود است. در این مقاله یک مدل ریاضی غیرخطی برای حل مسائل در ابعاد کوچک ارائه شده است. از آنجا که مسئله حاضر دارای پیچیدگی سخت است، دو روش فراابتکاری الگوریتم ژنتیک و بهینه‌سازی تجمع ذرات برای حل مسائل با ابعاد متوسط و بزرگ استفاده شده است. برای اعتبارسنجی این دو الگوریتم، نتایج آنها با نتایج به دست آمده از مدل ریاضی مورد مقایسه قرار گرفته است. نهایتاً، مقایسه عملکرد دو الگوریتم فراابتکاری از طریق تحلیل‌های آماری نشان داده است که الگوریتم بهینه‌سازی تجمع ذرات عملکرد بهتری نسبت به الگوریتم ژنتیک دارد.

چکیده انگلیسی:

Abstract This paper studies the pricing issue in a multi-period and multi-product closed-loop supply chain with price-dependent demands. The aim is to assign a location for the collection and disassemble center, vehicle routing, and material ordering in order to maximize the profit.  In the study, a non-linear mathematical model is presented for small scale problems. Due to the NP-hardness of the problem, two met heuristics, genetic algorithm and particle swarm optimization algorithm, are applied to solve medium and large scale problems. The algorithms are validated by comparing their results with those of the mathematical model. Finally, the performance comparison of the two met heuristics through statistical analysis is demonstrated that the particle swarm optimization algorithm performance outperforms the genetic algorithm.

منابع و مأخذ:

منابع

-      Alshamrani A., Mathur K., Ballou R.H., (2007). Reverse logistics: simultaneous design of delivery routes and returns strategies. Computers & Operations Research, 34: 595-619.

-      Asl-Najafi, J., Zahiri, B., Bozorgi-Amiri A., Taheri-Moghaddam, A. (2015). A dynamic closed-loop location-inventory problem under disruption risk. Computers & Industrial Engineering, 90: 414-428.

-      Chen, J.-M., Chang, C.-I. (2015). Dynamic pricing for new and remanufactured products in a closed-loop supply chain. International Journal of Production Economics, 146: 153-160. 

-      Chung, S.L., Wee, H.M., Yang, P.C. (2008). Optimal policy for a closed-loop supply chain inventory system with remanufacturing. Mathematical and Computer Modelling, 48:867-881.

-      Dethloff, J., (2001). Vehicle routing and reverse logistics: the vehicle routing problem with simultaneous delivery and pick-up. OR Spektrum 23:79-96.

-      Fleischmann M., Kuik R., (2003). On optimal inventory control with independent stochastic item returns. European Journal of Operational Research, 151: 25-37.

-      Hong, X., Xu, L., Du, P., Wang, W. (2015). Joint advertising, pricing and collection decisions in a closed-loop supply chain. International Journal of Production Economics, 167: 12-22.

-      Hsueh C.F., (2011). An inventory control model with consideration of remanufacturing and product life cycle. International Journal of Production Economics 133: 645-652.

-      Soleimani, H., Kannan, G. (2014). A Hybrid Particle Swarm Optimization and Genetic Algorithm for Closed-Loop Supply Chain Network Design in large-scale networks. European Journal of Operational Research, 39: 3990-4012.

-      Hu Z.H., Sheu J.B., Zhao L., Lu C.C., (2015). A dynamic closed-loop vehicle routing problem with uncertainty and incompatible goods. Transportation Research Part C: Emerging Technologies 55: 273-297.

-      Govindan. K., Hamed, S., Devika, K. (2014). Reverse logistics and closed-loop supply chain: A comprehensive review to explore the future. European Journal of Operational Research, 240: 603-626.

-      Kassem S., Chen M., (2013). Solving reverse logistics vehicle routing problems with time windows. The International Journal of Advanced Manufacturing Technology, 68: 57-68.

-      Kaya, O., Urek, B., (2016). A mixed integer nonlinear programming model and heuristic solutions for location, inventory and pricing decisions in a closed loop supply chain. Computers & Operations Research, 65: 93-103.

-      Lenstra, J K., Rinnooy, K.A.H.G. (1981). Complexity of vehicle routing and scheduling problems. Networks,11: 221–227.

-      Mawandiya, B.K., Jha, J.K., Thakkar, J. (2015). Production-inventory model for two-echelon closed-loop supply chain with finite manufacturing and remanufacturing rates. International Journal of Systems Science: Operations & Logistics, 39: 1-20.

-      Mitra S., (2012). Inventory management in a two-echelon closed-loop supply chain with correlated demands and returns. Computers & Industrial Engineering 62: 870-879.

-      Nekooghadirli N., Tavakkoli-Moghadam R., Ghezavati V.R., Javanmard S., (2014). Solving a new bi-bjective location-routing-inventory problem in a distribution network by meta-heuristics. Computers & Industrial ngineering, 76: 204–220.

-      Poles R., (2013). System dynamics modelling of a production and inventory system for remanufacturing to evaluate system improvement strategies. International Journal of Production Economics 144: 189-199.

-      Wei J., Zhao J., (2011). Pricing decisions with retail competition in a fuzzy closed-loop supply chain. Expert Systems with Applications, 38: 11209-11216.

-      Zeballos, L., Méndez, A., Barbosa-Povoa, A.P., Novais,A. Q. (2014). Multi-period design and planning of closed loop supply chains with uncertain supply and demand. Comput. Chem. Eng.  66: 151–164.

-      Zhou L., Naim M.M., Tang Q., Towill Q.R., (2006). Dynamic performance of a hybrid inventory system with a Kanban policy in remanufacturing process. Omega 34: 585-598.