• الصفحة الرئيسية
  • ارایه مدل‌های مدیریت زنجیره تأمین به‌منظور توسعه تولید سوخت سبز از جلبک‌ها در کشور

شارک

عنوان URL للمقالة


رقم المقالة : 13961 زيارة : 182 الصفحة: 189 - 210

10.22034/jest.2019.13961

نوع المخطوط: ابحاث

ارایه مدل‌های مدیریت زنجیره تأمین به‌منظور توسعه تولید سوخت سبز از جلبک‌ها در کشور

الموضوعات :

شایان محسنی 1 , میر سامان پیشوایی 2

1 - کارشناسی ارشد، دانشکده مهندسی صنایع ، دانشگاه علم و صنعت ایران، تهران، ایران.
2 - دانشیار، دانشکده مهندسی صنایع، دانش‌گاه علم و صنعت ایران، تهران، ایران. *(مسوول مکاتبات)

تاريخ الإرسال : 06 الخميس , ربيع الأول, 1437 تاريخ التأكيد : 13 الأربعاء , رجب, 1437 تاريخ الإصدار : 16 الأحد , شعبان, 1440

الکلمات المفتاحية: انرژی تجدید پذیر, سوخت سبز, جلبک‌ها, بهینه سازی استوار, زنجیره تأمین زیست توده,

ملخص المقالة :

زمینه و هدف: آلودگی‌های زیست محیطی و وابستگی شدید به سوخت‌های آلاینده فسیلی از مهم‌ترین انگیزه‌های توسعه سوخت‌های سبز در کشور محسوب می‌شود. جلبک‌ها به‌عنوان یکی از جدیدترین مواد اولیه برای تولید سوخت سبز در دنیا معرفی شده‌اند. به علاوه در فرآیند رشد جلبک‌ها، گازهای انتشار یافته از نیروگاه‌های تولید برق به کار گرفته می‌شود که باعث کاهش بخش اعظم گازهای گل‌خانه‌ای انتشار یافته به اتمسفر می‌شود. روش بررسی: این مطالعه برای بررسی توسعه چنین سوخت‌هایی در کشور به ارایه مدل‌‌های طراحی و مدیریت زنجیره تأمین سوخت سبز بر‌پایه جلبک‌ها می‌پردازد. بر این اسا‌س در ابتدا یک مدل قطعی برای مدل سازی تمام فعالیت‌های زنجیره تأمین تولید سوخت سبز که شامل تأمین مواد اولیه لازم برای رشد جلبک‌ها، کشت جلبک‌ها و تبدیل آن‌ها به سوخت و نهایتاً عرضه سوخت در کشور است، توسعه داده می‌شود. سپس این مدل قطعی به یک مدل طراحی شبکه استوار برای دست‌یابی به تصمیمات زنجیره تأمین ایمن و استوار در برابر عدم قطعیت بسط داده می‌شود. یافته‌ها: نتایج به‌کارگیری مدل پیشنهادی برای توسعه سوخت‌های جلبکی در کشور نشان می‌دهد که تولید هر لیتر سوخت سبز در حال حاضر 88.5 هزار ریال می‌باشد. بحث و نتیجه‌گیری: هزینه کنونی تولید سوخت از جلبک ها توانایی رقابت با سوخت های فسیلی را ندارد اما این هزینه با افزایش اندک میزان رشد جلبک‌ها و محتوای روغنی آنها در آینده می‌تواند به ‌شدت کاهش پیدا کند.

المصادر:


  1. Yue D, You F, Snyder SW. Biomass-to-bioenergy and biofuel supply chain optimization: Overview, key issues and challenges. Computers & Chemical Engineering. 2014;66:36-56.
    2.
  2. Sims RE, Mabee W, Saddler JN, Taylor M. An overview of second generation biofuel technologies. Bioresource technology. 2010;101(6):1570-80.
    3.
  3. Mata TM, Martins AA, Caetano NS. Microalgae for biodiesel production and other applications: a review. Renewable and sustainable energy reviews. 2010;14(1):217-32.
    4.
  4. Davis R, Aden A, Pienkos PT. Techno-economic analysis of autotrophic microalgae for fuel production. Applied Energy. 2011;88(10):3524-31.
    5.
  5. Maity JP, Bundschuh J, Chen C-Y, Bhattacharya P. Microalgae for third generation biofuel production, mitigation of greenhouse gas emissions and wastewater treatment: Present and future perspectives–A mini review. Energy. 2014;78:104-13.
    6.
  6. Balaman ŞY, Selim H. A network design model for biomass to energy supply chains with anaerobic digestion systems. Applied Energy. 2014;130:289-304.
    7.
  7. Sokhansanj S, Kumar A, Turhollow AF. Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). Biomass and Bioenergy. 2006;30(10):838-47.
    8.
  8. Awudu I, Zhang J. Stochastic production planning for a biofuel supply chain under demand and price uncertainties. Applied Energy. 2013;103:189-96.
    9.
  9. An H, Wilhelm WE, Searcy SW. A mathematical model to design a lignocellulosic biofuel supply chain system with a case study based on a region in Central Texas. Bioresource technology. 2011;102(17):7860-70.
    10.
  10. Shabani N, Sowlati T, Ouhimmou M, Rönnqvist M. Tactical supply chain planning for a forest biomass power plant under supply uncertainty. Energy. 2014;78:346-55.
    11.
  11. Azadeh A, Arani HV, Dashti H. A stochastic programming approach towards optimization of biofuel supply chain. Energy. 2014;76:513-25.
    12.
  12. Zhang J, Osmani A, Awudu I, Gonela V. An integrated optimization model for switchgrass-based bioethanol supply chain. Applied Energy. 2013;102:1205-17.
    13.
  13. Osmani A, Zhang J. Economic and environmental optimization of a large scale sustainable dual feedstock lignocellulosic-based bioethanol supply chain in a stochastic environment. Applied Energy. 2014;114:572-87.
    14.
  14. Sadjadi S, Omrani H. Data envelopment analysis with uncertain data: An application for Iranian electricity distribution companies. Energy Policy. 2008;36(11):4247-54.
    15.
  15. Yang J, Xu M, Zhang X, Hu Q, Sommerfeld M, Chen Y. Life-cycle analysis on biodiesel production from microalgae: water footprint and nutrients balance. Bioresource technology. 2011;102(1):159-65.
    16.
  16. Pate R, Klise G, Wu B. Resource demand implications for US algae biofuels production scale-up. Applied Energy. 2011;88(10):3377-88.
    17.
  17. Soyster AL. Convex programming with set-inclusive constraints and applications to inexact linear programming. Operations research. 1973;21(5):1154-7.
    18.
  18. Ben-Tal A, Nemirovski A. Robust solutions of linear programming problems contaminated with uncertain data. Mathematical programming. 2000;88(3):411-24.
    19.
  19. Li Z, Ding R, Floudas CA. A comparative theoretical and computational study on robust counterpart optimization: I. Robust linear optimization and robust mixed integer linear optimization. Industrial & engineering chemistry research. 2011;50(18):10567-603.
    20.
  20. Bertsimas D, Sim M. The price of robustness. Operations research. 2004;52(1):35-53.
    21.
  21. Najafi G, Ghobadian B, Yusaf TF. Algae as a sustainable energy source for biofuel production in Iran: A case study. Renewable and Sustainable Energy Reviews. 2011;15(8):3870-6.
    22.
  22. Tabatabaei M, Tohidfar M, Jouzani GS, Safarnejad M, Pazouki M. Biodiesel production from genetically engineered microalgae: Future of bioenergy in Iran. Renewable and Sustainable Energy Reviews. 2011;15(4):1918-27.
    23.
  23. Lundquist TJ, Woertz IC, Quinn N, Benemann JR. A realistic technology and engineering assessment of algae biofuel production. Energy Biosciences Institute. 2010:1.
    24.
  24. Kally E, Fishelson G. Water and peace: water resources and the Arab-Israeli peace process: Praeger; 1993.
    25.
  25. Doctor R, Palmer A, Coleman D, Davison J, Hendriks C, Kaarstad O, et al. Chapter 4: Transport of CO2. IPCC Special Report on Carbon Dioxide Capture and Storage, R. Pichs-Madruga, S. Timashev, Eds., Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge; 2005.
    26.
  26. Wigmosta MS, Coleman AM, Skaggs RJ, Huesemann MH, Lane LJ. National microalgae biofuel production potential and resource demand. Water Resources Research. 2011;47(3).
    27.
  27. Iran  Statistical  Yearbook  of  oil  products  consumption.National  Iranian  Oil  Products  Distribution Company (NIOPDC) 2012.
    28.
  28. Pishvaee MS, Rabbani M, Torabi SA. A robust optimization approach to closed-loop supply chain network design under uncertainty. Applied Mathematical Modelling. 2011;35(2):637-49.
    29.

 




 

 

 

 

 

 

 

_||_

  1. Yue D, You F, Snyder SW. Biomass-to-bioenergy and biofuel supply chain optimization: Overview, key issues and challenges. Computers & Chemical Engineering. 2014;66:36-56.
    2.
  2. Sims RE, Mabee W, Saddler JN, Taylor M. An overview of second generation biofuel technologies. Bioresource technology. 2010;101(6):1570-80.
    3.
  3. Mata TM, Martins AA, Caetano NS. Microalgae for biodiesel production and other applications: a review. Renewable and sustainable energy reviews. 2010;14(1):217-32.
    4.
  4. Davis R, Aden A, Pienkos PT. Techno-economic analysis of autotrophic microalgae for fuel production. Applied Energy. 2011;88(10):3524-31.
    5.
  5. Maity JP, Bundschuh J, Chen C-Y, Bhattacharya P. Microalgae for third generation biofuel production, mitigation of greenhouse gas emissions and wastewater treatment: Present and future perspectives–A mini review. Energy. 2014;78:104-13.
    6.
  6. Balaman ŞY, Selim H. A network design model for biomass to energy supply chains with anaerobic digestion systems. Applied Energy. 2014;130:289-304.
    7.
  7. Sokhansanj S, Kumar A, Turhollow AF. Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). Biomass and Bioenergy. 2006;30(10):838-47.
    8.
  8. Awudu I, Zhang J. Stochastic production planning for a biofuel supply chain under demand and price uncertainties. Applied Energy. 2013;103:189-96.
    9.
  9. An H, Wilhelm WE, Searcy SW. A mathematical model to design a lignocellulosic biofuel supply chain system with a case study based on a region in Central Texas. Bioresource technology. 2011;102(17):7860-70.
    10.
  10. Shabani N, Sowlati T, Ouhimmou M, Rönnqvist M. Tactical supply chain planning for a forest biomass power plant under supply uncertainty. Energy. 2014;78:346-55.
    11.
  11. Azadeh A, Arani HV, Dashti H. A stochastic programming approach towards optimization of biofuel supply chain. Energy. 2014;76:513-25.
    12.
  12. Zhang J, Osmani A, Awudu I, Gonela V. An integrated optimization model for switchgrass-based bioethanol supply chain. Applied Energy. 2013;102:1205-17.
    13.
  13. Osmani A, Zhang J. Economic and environmental optimization of a large scale sustainable dual feedstock lignocellulosic-based bioethanol supply chain in a stochastic environment. Applied Energy. 2014;114:572-87.
    14.
  14. Sadjadi S, Omrani H. Data envelopment analysis with uncertain data: An application for Iranian electricity distribution companies. Energy Policy. 2008;36(11):4247-54.
    15.
  15. Yang J, Xu M, Zhang X, Hu Q, Sommerfeld M, Chen Y. Life-cycle analysis on biodiesel production from microalgae: water footprint and nutrients balance. Bioresource technology. 2011;102(1):159-65.
    16.
  16. Pate R, Klise G, Wu B. Resource demand implications for US algae biofuels production scale-up. Applied Energy. 2011;88(10):3377-88.
    17.
  17. Soyster AL. Convex programming with set-inclusive constraints and applications to inexact linear programming. Operations research. 1973;21(5):1154-7.
    18.
  18. Ben-Tal A, Nemirovski A. Robust solutions of linear programming problems contaminated with uncertain data. Mathematical programming. 2000;88(3):411-24.
    19.
  19. Li Z, Ding R, Floudas CA. A comparative theoretical and computational study on robust counterpart optimization: I. Robust linear optimization and robust mixed integer linear optimization. Industrial & engineering chemistry research. 2011;50(18):10567-603.
    20.
  20. Bertsimas D, Sim M. The price of robustness. Operations research. 2004;52(1):35-53.
    21.
  21. Najafi G, Ghobadian B, Yusaf TF. Algae as a sustainable energy source for biofuel production in Iran: A case study. Renewable and Sustainable Energy Reviews. 2011;15(8):3870-6.
    22.
  22. Tabatabaei M, Tohidfar M, Jouzani GS, Safarnejad M, Pazouki M. Biodiesel production from genetically engineered microalgae: Future of bioenergy in Iran. Renewable and Sustainable Energy Reviews. 2011;15(4):1918-27.
    23.
  23. Lundquist TJ, Woertz IC, Quinn N, Benemann JR. A realistic technology and engineering assessment of algae biofuel production. Energy Biosciences Institute. 2010:1.
    24.
  24. Kally E, Fishelson G. Water and peace: water resources and the Arab-Israeli peace process: Praeger; 1993.
    25.
  25. Doctor R, Palmer A, Coleman D, Davison J, Hendriks C, Kaarstad O, et al. Chapter 4: Transport of CO2. IPCC Special Report on Carbon Dioxide Capture and Storage, R. Pichs-Madruga, S. Timashev, Eds., Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge; 2005.
    26.
  26. Wigmosta MS, Coleman AM, Skaggs RJ, Huesemann MH, Lane LJ. National microalgae biofuel production potential and resource demand. Water Resources Research. 2011;47(3).
    27.
  27. Iran  Statistical  Yearbook  of  oil  products  consumption.National  Iranian  Oil  Products  Distribution Company (NIOPDC) 2012.
    28.
  28. Pishvaee MS, Rabbani M, Torabi SA. A robust optimization approach to closed-loop supply chain network design under uncertainty. Applied Mathematical Modelling. 2011;35(2):637-49.
    29.

 




 

 

 

 

 

 

 

سند

Sanad is a platform for managing Azad University publications

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية

حقوق هذا الموقع الإلكتروني مملوكة لنظام SANAD Press Management. © 1442-1446

الصفحة الرئيسية| دخول| معلومات عنا| اتصل بنا|
[English] [فارسی] [en] [fa]