طراحی شبکه زنجیره تامین سبز حلقه بسته با در نظر گرفتن مدیریت ارتباط با مشتری و حل آن با استفاده از الگوریتم ژنتیک چندهدفه
الموضوعات :محسن اعتماد 1 , نوید نظافتی 2 , محمد رضا فتحی 3
1 - گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - استادیار گروه سيستم هاي اجتماعي و فني، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران. * (مسوول مکاتبات)
3 - دانشیار گروه مديريت صنعتی و فناوری، دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران، قم، ایران.
الکلمات المفتاحية: شبکه زنجیره تامین, زنجیره تامین سبز, مدیریت ارتباط با مشتری, الگوریتم ژنتیک چندهدفه.,
ملخص المقالة :
زمینه و هدف: افزایش حجم گازهای گلخانه ای و آلاینده ها باعث شده است که مدیران سازمان ها و محققان در پی طراحی و راه اندازی شبکه هایی برآیند که علاوه بر بهینه سازی اقتصادی بر عوامل زیست محیطی و کاهش آلاینده ها در همة بخش ها تمرکز ویژه ای داشته باشند. لذا هدف اصلی این تحقیق ارایه یک مدل برنامه ریزی ریاضی فازی برای شبکه زنجیره تامین حلقه بسته سبز با در نظر گرفتن مدیریت ارتباط با مشتری است.
روش بررسی: این پژوهش از نوع کاربردی- توسعه ای می باشد که در شرکت صبا باتری اجرا شده است. در این پژوهش، یک مدل برنامه ریزی خطی عدد صحیح آمیخته برای طراحی شبکه زنجیره تامین حلقه بسته که به دنبال حداقل سازی هزینه ها و حداقل سازی اثرات زیست محیطی می باشد، ارائه شده است. همچنین مفهوم مدیریت ارتباط با مشتری در قالب تابع هدف سوم به صورت حداکثر کردن میزان محصول فرسوده جمع آوری شده به این مدل اضافه شده است.
یافته ها: با توجه به این که مدل ارائه شده به دسته NP-hard تعلق دارد، از الگوریتم ژنتیک چندهدفه جهت حل مدل استفاده شده و در نهایت جواب های پارتو مشخص شد. براساس نتایج به دست آمده، دو تابع هدف اقتصادی و محیط زیستی با یکدیگر در تضاد هستند. به این معنا که حرکت هر یک به سمت مطلوب مستلزم حرکت تابع هدف دیگر به سمت نامطلوب خواهد بود.
بحث و نتیجه گیری: در این پژوهش مدل برنامه ریزی ریاضی پیشنهادی با الگوریتم ژنتیک چندهدفه حل شده است که نتایج آن نشان دهنده مکان و ظرفیت تسهیلات، میزان تولید محصولات، میزان موجودی و میزان حمل محصولات می باشند.
1. Simchi- Levi, D., P. Kaminsky and E. Simchi- Levi. (2004). managing the Supply chain: The Definitive Guide for the Business professional, Mcgraw- hill.
2. Alamtabriz, A., Roghanian, E., Hosseinzadeh, M., (2011). Design and optimization of reverse logistics network under uncertainty conditions using Genetic Algorithm, Journal of Industrial Management Outlook, 1, 61-89. (In Persian)
3. Sohrabi, T., Etemad, M., Fathi, M.R. (2018). Mathematical modeling of Green closed loop supply chain network with consideration of supply risk: Case Study, Journal of Advances in Mathematical Modeling, 7(2), 103-122. (In Persian)
4. Bashiri, M, Sharafati, M. (2013). Two-objective design of a closed-loop supply chain network with consideration of related criteria in a fuzzy environment, Journal of Industrial Engineering Research in Manufacturing Systems, (1) 1, 25-36. (In Persian)
5. Fathi, M.R., Nezafati, N., Behrooz, A.H., and Etemad, M. (2021). Mathematical Modeling of Closed-loop Supply Chain Network based on Environmental and Social Impacts, Journal of Animal Environmental Research, In Press. (In Persian)
6. AmirKhan, M., Norang, A., Tavakoli Moghaddam, R. (2014). Presentation of a fuzzy mathematical programming model for the problem of designing a raw material supply network under uncertainty conditions- A Case Study, International Journal of Industrial Engineering and Production Management, 2 (25), 218-235. (In Persian)
7. Etemad, M., Nezafati, N., Fathi, M.R. (2020). Modeling and Designing a Two-Objective Supply Chain Network based on Customer Relationship Management: A Case Study., 12(46), 273-293. (In Persian)
