Designing a closed-loop green supply chain in the face of competitive demand and product pricing simultaneously using the frog jump algorithm

Mojtaba Ramazani ¹ (Faculty member of the management department of Islamic Azad University)
rasul nasrollahi saeedlo ² (PhD student in Management, Tabriz University,)

Submited date : 2021-08-01 accepted date : 2021-09-19

Keywords: Multi-objective, Validation, Ultra-innovative algorithm,

Abstract :

In this study, after a detailed and detailed review of past research in the field of supply chain, the research gap and its innovation were identified. The research innovation involved considering demand behavior as a function of product prices in competitive conditions and based on that, the aim was to develop a mathematical model to design a closed loop supply chain in competitive conditions. In such a price chain, it is a fundamental factor that can determine the amount of demand and consequently change the structure of the chain. For this purpose, in the third chapter, first a function between the amount of demand and the price of products was presented. Then, by completing the research assumptions, a two-objective mathematical model of the research was presented. The first goal is to reduce costs and increase chain revenue. In other words, the first goal is to maximize supply chain profits. The second goal is to focus on market share, and by increasing the desirability of sales centers, we seek to maximize market share.By presenting such a model, it is necessary to provide techniques for achieving several goals. In this regard, the SFLA algorithm to solve this mathematical model was described. This method is a new meta-heuristic algorithm based on the behavior of frogs.For this purpose, first, by solving the model as a one-objective, the model was validated and the results were proved to be correct, logical and reliable.

Full-Text:



 

 

 

طراحی زنجیره تامین سبز حلقه بسته در شرایط رقابتی بودن تقاضا و قیمت گذاری محصولات به صورت همزمان با استفاده از الگوریتم جهش قورباغه

 

چکیده : در این پژوهش پس از بررسی دقیق و تفصیلی تحقیقات گذشته در حوزه زنجیره تامین، شکاف تحقیق و نوآوری آن مشخص شد. نوآوری تحقیق شامل در نظر گرفتن رفتار تقاضا به عنوان تابعی از قیمت محصولات در شرایط رقابتی بوده و بر اساس آن هدف توسعه یک مدل ریاضی جهت طراحی یک زنجیره تامین حلقه بسته در شرایط رقابتی بوده است. در چنین زنجیره¬ای قیمت یک عامل اساسی است که می¬تواند مقدار تقاضا را تعیین کند و به تبع آن ساختار زنجیره را تغییر دهد.  به همین منظور  ابتدا یک تابع بین مقدار تقاضا و نیز قیمت محصولات ارائه شد. سپس با تکمیل مفروضات تحقیق، مدل ریاضی دوهدفه تحقیق ارائه شد. هدف اول کاهش هزینه¬ها و افزایش درآمد زنجیره است. به عبارت دیگر هدف اول به دنبال بیشینه سازی سود زنجیره تامین است. در هدف دوم تمرکز بر روی سهم بازار است و با افزایش مطلوبیت مراکز فروش، به دنبال بیشینه سازی سهم بازار هستیم.

   با ارائه چنین مدلی لازم است تکنیک های دستیابی به چند هدف برای آن ارائه شود. در همین راستا الگوریتم SFLA جهت حل این مدل ریاضی تشریح گردید. این روش یک الگوریتم فراابتکاری جدید می باشد که بر اساس رفتار قورباغه ها عمل می کند.

برای این منظور ابتدا با حل مدل به صورت تک هدفه، اعتبارسنجی مدل و اثبات درست و منطقی و قابل اعتماد بودن نتایج انجام گردید. سپس با توجه به نبود دیتای مقایسه ای که دقیقا مطابق مدل این تحقیق باشد، مثال¬های نمونه از توزیع های آماری تولید گردیده است.

 

کلمات کلیدی: الگوریتم فرا ابتکاری ،  چند هدف  ، اعتبارسنجی

 

   مقدمه

 

      امروزه، هيچ شركتي نمي‌تواند از مديريت زنجيره تأمين (SCM¹) چشم‌پوشي كند و انتظار بقا داشته باشد. اكنون انديشه زنجيره تأمين به يك انديشه رايج در همه شركت‌هاي عمده در سراسر جهان تبديل شده است و اگر تا همين چند سال پيش دسترسي به بازارهاي جهاني فقط در اختيار بزرگ‌ترين و موفق‌ترين شركت‌ها بود، امروزه به بركت وجود اينترنت حتي كوچك‌ترين شركت‌ها نيز مي‌توانند به بازارها و نمايشگاه‌هاي اينترنتي وارد شده و كالاي خود را با بهترين قيمت‌ها و شرايط عرضه كنند.

     هر چه بیشتر رقابتی شدن بازارهای جهانی در صنایع گوناگون از یک سو و نقش روزافزون برآورده ساختن الزامات مشتریان در ایجاد مزایای رقابتی برای تولیدکنندگان محصولات و عرضه­کنندگان خدمات، از سوی دیگر، عزم مدیران صنایع و خدمات را بیش از پیش در جهت مشتری ­مداری جزم نموده ­است. در این راستا، طی دو دهه اخیر، فضای صنعتی و تولیدی در صنایع مختلف گام­های بلندی را در جهت معنادارتر کردن نقش مشتریان و خواسته­های آنها در فرآیند آماده­سازی و ارائه محصولات و خدمات برداشته است. ورود مؤثر مشتریان به فرآیند آماده­سازی محصولات، از ابتدا تا انتهای زنجیره تأمین محصول، منجر به شکل­گیری سیستم­های تولیدی­ای شد که در آنها فرآیند آماده­سازی و تولید، بدون­ حضور یک سفارش مشخص، شامل الزامات، ویژگی­ها و نیازمندی­های مشخص و تعیین شده توسط مشتری، آغاز نمی­گردد. این تغییر در فضای برنامه­ریزی تولید را می­توان انقلابی در تفکر حاکم بر این عرصه دانست [1, 2].

1-2- بیان مساله

 

    یك زنجیره‌‌ی تأمین را می‌توان به ‌صورت یك شبكه درنظر گرفت كه در آن جریان‌های مواد اولیه، محصولات نیمه­ساخته و محصولات نهایی روبه جلو به سمت مصرف‌كننده، جریان‌های نقدی رو به عقب و جریان‌های اطلاعاتی در هر دو جهت حرکت دارند. پیچیدگی‌های موجود در ساختار و مدیریت این شبكه‌ها در ادبیات موضوع مورد بررسی قرار گرفته‌اند. مدیریت زنجیره‌ی تأمین را هم­معنی با منبع‌یابی شبكه، مدیریت خط تأمین، مدیریت زنجیره‌ی ارزش و مدیریت جریان ارزش دانسته‌اند [3].

   تعاریف متفاوتی از مدیریت زنجیره‌ی تأمین در ادبیات آمده است. دلیل این تفاوت‌ها، تفاوت در نگرش افرادی است که مدیریت زنجیره تأمین را تعریف نموده‌اند. عده‌ای مدیریت زنجیره‌ی تأمین را مدیریت فعالیت‌های کسب‌وکار، مدیریت روابط داخلی سازمان، مدیریت روابط با تأمین‌کنندگان ضروری، مدیریت روابط با تأمین‌کنندگان رده‌ی اول و دوم و مشتریان در طول زنجیره و مدیریت روابط با کل زنجیره می‌دانند [4, 5]. عده‌ای هم مدیریت زنجیره‌ی تأمین را به‌عنوان مدیریت زنجیره‌ای معرفی می‌کنند که ارتباط‌ دهنده‌ی همه‌ی فرآیندهای ساخت و تأمین از مواد خام تا مشتری نهایی است و چندین سازمان را در بر می‌گیرد [6].

     لجستیک معکوس به فعالیت‌هایی چون مدیریت و هدایت فعالیت‌های مرتبط با تجهیزات، محصولات، اجزاء، مواد و یا کل سیستم‌هایی که مجدداً احیا می‌شوند، می‌پردازد. به‌دست آوردن مجدد مواد و محصولات و یا استفاده از بخشی از تجهیزات، از قدیمی‌ترین فعالیت‌ها در این زمینه به شمار می‌رود. همچنین رقابت‌پذیری، تلاش برای کسب سهم بیشتری از بازار و مبادلات استراتژیک نیز، شرکت‌ها را وادار به اجرای سیاست‌های بازگشتی متعددی نموده تا بدین ترتیب محصولات بازگشتی نیز همانند محصولات تازه‌ی تولید شده، در بازارهایی مشابه از طریق شرکت‌های تجاری مجدداً توزیع گردند [6].

    امروزه با توجه به دو مقوله‌ی تجارت الكترونیك و قوانین زیست­محیطی، موضوع لجستیك معكوس مورد توجه فراوان قرار گرفته است. در گذشته لجستیك معكوس به‌عنوان فعالیت در‌ ارتباط با بخش خدمات پس از فروش مشتریان، در نظر گرفته می‌شد، كه در آن مشتریان محصولات معیوب یا دارای گارانتی را برای تأمین­كنندگان بازپس می‌فرستاده‌اند. درحال­حاضر لجستیك معكوس به‌عنوان یكی از حوزه‌های رقابتی مورد توجه قرار گرفته است. لجستیك معكوس نه تنها به جهت مسائل زیست­محیطی، بلكه به خاطر مسائل اقتصادی و به‌عنوان یك كسب­وكار مناسب، مورد توجه بیشتر قرار گرفته است. در ارتباط با لجستیك معكوس تعاریف متعددی موجود است كه در ادامه به برخی از این تعاریف براساس سال ارائه‌ی آن‌ها اشاره شده است. در شکل1-1، تصویری مرتبط با فعالیت‌های لجستیک رفت و لجستیک معکوس ارائه شده است.

 

 

شکل 1-1 نمایی از زنجیره تامین حلقه بسته[8].

 

   امروزه در محیط‌های رقابتی، سازمان­ها می‌توانند با مکانیابی درست مراکز سرویس‌دهی سهم بیشتری از بازار رقابت را در اختیار داشته باشند. ارائه‌ی سرویس از مراکز خدماتی جدید چندین مزیت دارد:

1-       یک بازار جدید برای متقاضیان به وجود می‌آید که شاید دسترسی را برای این متقاضیان آسان­تر کند. 

2-        باعث تغییراتی در جهت بهبود کارایی سیستم توزیع، انبارداری یا هزینه‌های توزیع می‌شود.

3-       کارائی تبلیغات را بالا می‌برد.

    یکی از شاخه‌های این دسته از مسائل، مکانیابی رقابتی گسسته است. مکانیابی رقابتی گسسته دسته‌ای از مسائل مکانیابی– تخصیص است که در آن رقابت بر سر متقاضیان را با استفاده از مکانیابی بهینه و تخصیص متقاضیان به این مراکز انجام می‌دهند. در بهینه‌سازی رقابتی مسائل مکانیابی همواره بیش از یک رقیب در ناحیه‌ی رقابت وجود دارد. تصمیم‌گیری برای مکانیابی از طرف یک سازمان نه تنها روی سهم این سازمان از بازار، بلکه روی سهم و فعالیت سایر سازمان‌ها نیز تاثیر مستقیم می‌گذارد. کاربرد اصلی این مسئله در خصوص محصولاتی است که برای مشتریان دسترسی سریع و آسان به مراکز فروش آن از اهمیت زیادی برخوردار باشد. در این شرایط اگر یک رقیب به درستی مکان تسهیلات خود را تعیین نکند سهم بازار خود را از دست خواهد داد [8].

    از جمله جدیدترین تحقیقات این حوزه می­توان به پژوهش وی و همکاران² [5] اشاره کرد که مسئله مورد نظر را با رویکرد تئوری بازی­ها مورد بررسی قرار دادند. در این رویکرد نیاز است تا اطلاعات ماتریس تصمیمات متقابل در رویکرد تئوری بازی­ها تشکیل شود. این ماتریس بیانگر آن است که در قبال هر تصمیم از یک رقیب سایر رقیبان چه تصمیماتی را خواهند گرفت. بدیهی است جمع­آوری چنین اطلاعاتی در شرایط واقعی بسیار سخت و گاهی نشدنی است. همچنین تحقیقاتی همچون کایا و یورک³ و نیز زهل و سلیمانی⁴ [9, 10] زنجیره تأمین حلقه بسته را با اهداف و فرضیات خود بررسی کرده­اند اما تأثیر رقابت و قیمت رقابتی را در طراحی زنجیره خود لحاظ نکرده­اند. بر این اساس می­توان مهم­ترین نقص تحقیقات گذشته در این حوزه را بررسی همزمان طراحی زنجیره تأمین حلقه بسته در شرایط رقابتی با در نظر گرفتن شاخص قیمت بر اساس مدل­های ریاضی بهینه­سازی بیان نمود.

در این تحقیق به طراحی یک زنجیره تامین حلقه بسته سبز در شرایط رقابتی پرداخته می شود یکی از کلیدي ترین موارد در این زنجیره تعیین قیمت فروش محصولات در شرایط رقابتی می باشد تعیین قیمت پایین در شرایط رقابتی باعث کاهش نسبی سودآوری زنجیره می شود. از طرفی تعیین قیمت بالا در شرایط رقابتی منجر به از دست داردن سهم بازار خواهد شد. لذا در هنگام طراحی این زنجیره، تعیین قیمت مناسب فروش محصولات نیز از اهمیت ویژه ای برخوردار است و در این تحقیق به  نیز مورد بررسی و تحلیل آن پرداخته خواهد شد. بر همین اساس لازم است یک مدل ریاضی تعریف کرده و به کمک الگوریتم جهش قورباغه که یکی از جدیدترین الگوریتم های بهینه سازی می باشد، راه حل های بهینه آن را مشخص نمود.

 

 

اهداف تحقیق

 

هدف اصلی:

·       طراحی یک زنجیره تامین سبز حلقه بسته در شرایط رقابتی به همراه تعیین بهترین  قیمت فروش محصولات.

 اهداف فرعی:

·       ارائه یک مدل ریاضی جدید به منظور طراحی زنجیره تامین سبز حلقه بسته با هدف افزایش سود زنجیره 

·       بهینه سازی مدل ریاضی ارائه به کمک الگوریتم فراابتکاری جهش قورباغه

 

نوآوری تحقیق

 

. با توجه به بررسی تحقیقات انجام شده و شکاف تحقیق میتوان نوآوری این تحقیق را در قالب موارد زیر تعیین نمود

·       در نظر گرفتن موضوع طراحی زنجیره تامین سبز حلقه بسته در شرایط رقابتی

·       در نظر گرفتن قیمت فروش محصولات به عنوان یک متغیر تصمیم کلیدی در طراحی زنجیره سبز حلقه بسته

·       بهینه سازی سود زنجیره زنجیره تامین در شرایط متغیر بودن درآمد زنجیره

·       اعتبار سنجی مدل ریاضی ارائه شده و سپس حل مدل به کمک روش الگوریتم جهش قورباغه

 

سوالات پژوهشی

 

پرسش اصلی:

·       چگونه می­توان در شرایط رقابتی، یک زنجیره تامین سبز حلقه بسته به همراه تعیین قیمت رقابتی طراحی نمود؟

پرسش های فرعی:

·       چگونه یک مدل ریاضی به منظور طراحی زنجیره تامین سبز حلقه بسته با هدف افزایش سود زنجیره و نیز افزایش سهم می­توان ارائه داد؟

·       به کمک روش الگوریتم جهش قورباغه چگونه می­توان به بهینه­سازی مدل ریاضی ارائه شده در خصوص طراحی زنجیره تامین شامل مکانیابی تسهیلات و جریان مواد در زنجیره و همچنین تعیین بهترین مقدار برای قیمت فروش محصولات پرداخت؟

 

روش تحقیق

 

  الف- روش تحقیق بر حسب هدف، نوع داده­ها و نحوه اجراء

در ابتدا به بررسی دقیق ادبیات موضوع پرداخته می شود. سپس بر اساس تجارب دریافت شده از تحقیقات گذشته و نیز نوآوری مد نظر به ارائه یک مدل ریاضی در زمینه طراحی زنجیره تامین  سبز حلقه بسته پرداخته می شود. تابع هدف بیشینه سازی سود زنجیره در شرای متغیر بودن درآمد زنجیره می باشد. در آمد زنجیره وابسته به قیمت فروش محصولات است و هدف تعیین قیمت فروش به عنوان یک عامل تاثیر گذار می باشد. متغیر های تصمیم کلیدی این مدل شامل مکان یابی تسهیلات و میزان و نوع جریان مواد و نیز قیمت فروش محصولات خواهد بود.

پس ارائه مدل ریاضی به بهینه سازی آن پردخته می شود. برای این منظور یک الگوریتم جهش قورباغه در محیط MATLAB طراحی شده و به کمک آن به بهینه سازی زنجیره مورد بررسی پرداخته خواهد شد.

.

ب – روش گردآوری اطلاعات

   روش گردآوری اطلاعات به صورت کتابخانه­ای و با استفاده از جدیدترین تحقیقات و کارهای انجام شده در این حوزه خواهد بود.

ج - ابزار گردآوری اطلاعات

   در این تحقیق، ابزار گردآوری اطلاعات بانک­های اطلاعاتی و شبکه­های کامپیوتری است.

د - روش‌ها و ابزار تجزيه و تحليل داده‏ها

   اطلاعات مورد نظر در قالب پارامتر های مدل ریاضی به نرم افزار MATLAB شده و بر اساس مکانیزم الگوریتم جهش قورباغه سعی در یافتن بهترین راه حل آن می شود. راه حل بهینه شامل نحوه طراحی زنجیره سبز حلقه بسته و نیز قیمت فروش محصولات می باشد. سپس الگوریتم مورد بررسی از نظر سرعت و دقت در جواب های حاصله مورد ارزیابی و تحلیل قرار می گیرد.

 

پیشینه تحقیق

 

 

   تقی پور و صدری اصفهانی(1394) مقاله­ای در خصوص زنجیره تامین سبز رقابتی ارائه نمودند. در این مقاله یک مدل دو سطحی برای طراحی ساختار شبکه زنجیره تامین رقابتی ارائه شده است که با پیش­بینی قیمت­ها و سطح خدمات وکیفیت که وابسته به شرایط موجود و رقبای خارجی است سطح عملیاتی و تصمیمات کوتاه مدت زنجیره بوسیله فرمول تقاضا و تعیین قیمت تعادلی بررسی شده است و در ادامه به تحلیل حساسیت تاثیر پارامترهای مدل بر یکدیگر اقدام شده است. ساختار شبکه زنجیره تامین برای وارد شوندگان جدید به گونه­ای طراحی شده است که با توجه به محدود بودن ظرفیت­های تولید، سود قابل کسب را در بازارهای رقابتی به حداکثر برساند [33].

   جن و همکاران⁵ (2006) يک مدل برنامه‌ريزي خطي عدد صحيح آميخته را براي طراحي شبکه لجستيک مستقيم در يک زنجيره سطحی با هدف حداقل‌سازي هزينه ارائه نمودند. در این مقاله براي حل مسأله از روش کدگذاری اولویت- محور استفاده شد [3].

   کو و ایوانز⁶ (2007) يک مدل برنامه‌ريزي غيرخطي عدد صحيح آميخته را براي طراحي شبکه لجستيک يکپارچه مستقیم و معکوس براي فراهم آورندگان خدمات لجستيک ارائه دادند. براي غلبه بر عدم قطعيت موجود شرايط، مشخصه‌هاي مسأله براي هر دوره تعيين شدند و در دوره بعد مدل مجدداً براي مشخصه‌هاي جديد حل شد. آنها الگوریتم ژنتیک را برای حل مدل توسعه دادند [34].

   دولائرت و همکاران (2007) مروری کلی بر طراحی مدل­های زنجیره تأمین نمودند و از این طریق، امكان دستيابي به مدل‌های کامل­تر که توانایی درنظر گرفتن تمامی هزینه‌های لجستیکی را دارا باشند، فراهم کردند [35].

   آراس و همکاران⁷ (2008) یک مدل غیر خطی از شبکه لجستیک را ارائه دادند و با کمک الگوریتم جستجوی ممنوع به حل آن پرداختند. آنها از این طریق، موقعيت مكاني مراکز جمع‌آوری و قیمت خرید بهینه محصولات را محاسبه نمودند. هدف آنها بیشینه کردن سود در یک شبکه لجستیک معکوس بود [36].

   دو و ایوانز⁸ (2008) یک شبکه لجستیک حلقه بسته را در نظر گرفتند که توسط فراهم آورندگان لجستیک طرف سوم اداره می‌شد. آنها هدف خود را کمینه کردن دیرکرد و هزینه کل تصمیمات مربوط به جایابی و ظرفیت تسهیلات قرار دادند و برای حل مدل خود نیز از روش ترکیبی جستجوی پراکنده استفاده کردند [37].

   پیشوایی و همکاران⁹ (2010) برای طراحی یکپارچه شبکه لجستیک مستقیم و معکوس از یک مدل خطی عدد صحیح آمیخته استفاده کردند. آنها براي کمینه ‌کردن هزینه‌ها و بیشینه ‌کردن پاسخگویی، مدل را با استفاده از روش الگوریتم ژنتیک مجهز به جستجوی همسایگی حل کردند [32].

   کانان و همکاران¹⁰ (2010) بازیافت باتری­ها را تحت قالب یک زنجیره تأمین سبز حلقه بسته مورد بررسی قرار دادند. هدف اساسی این تحقیق طراحی یک زنجیره چند سطحی و تصمیم­گیری در خصوص نحوه تولید و توزیع کالای مورد نظر، لحاظ کردن شرایط زیست­محیطی است. این مسئله توسط الگوریتم فراابتکاری ژنتیک حل و نتایج مورد تحلیل قرار گرفته است [38].

   زرندی و همکاران¹¹ (2011) به طراحی یک زنجیره تامین حلقه بسته در شرایط فازی پرداخته­اند. آنها از ابزار کلیدی برنامه­ریزی آرمانی به منظور بهینه­سازی همزمان مدل چندهدفه خود پرداخته­اند. در این تحقیق اهداف مورد بررسی، کاهش هزینه­های زنجیره رفت و کاهش هزینه­های زنجیره برگشت بوده است. به منظور اعتبار­سنجی این مدل از حل مثال­های نمونه استفاده شده است [39].

   امین و ژانگ¹² (2012) یک مدل ریاضی چند­هدفه برای طراحی زنجیره تأمین سبز حلقه بسته ارائه کرده­اند. ساختار زنجیره مورد بررسی شامل کارخانه­های تولیدی، مراکز مونتاژ، مراکز جمع­آوری و مراکز بازیافت است. اهداف مورد بررسی، کاهش هزینه­ها و کاهش نرخ آسیب­رسانی به زنجیره تأمین است. این محققین مسئله ارائه شده را با مثال­های عددی مختلف حل و نتایج را تحلیل کرده­اند [40].

   امین و ژانگ¹³ (2013) یک شبکه زنجیره تامین حلقه بسته که شامل چند تولیدکننده، مراکز جمع­آوری، بازار تقاضا و محصولات است را مورد بررسی قرار دادند، که برای این منظور یک مدل چندهدقه را پیشنهاد کردند که هدف آن حداقل نمودن کل هزینه است و مدل را به منظور در نظر گرفتن فاکتورهای محیطی توسعه دادند. آنها برای حل مدل از روش­های حل دقیق کمک گرفتند و این پژوهش را به عنوان اولین پژوهش که مدل چندهدفه را در شرایط عدم­قطعیت در شبکه زنجیره تامین حلقه بسته در نظر می­گیرد معرفی نمودند ]8[.

   گاویندان و همکاران¹⁴ (2015) به مرور مباحث مرتبط با زنجیره تأمین حلقه بسته پرداخته­اند. در این مقاله، تعدادی از تحقیقات ارائه شده در سال­های 2007 تا 2013 از نظر نگاه به مسئله و متدولوژی آنها مرور شده است. در این مقاله تلفیق مباحث زنجیره تأمین سبز با مباحث زنجیره تأمین حلقه بسته و استفاده از روش­های کمی برای طراحی زنجیره آن، به عنوان یکی از جذاب­ترین مباحث جدید در این حوزه معرفی شده است [4].

   رضا پور و همکاران (2015) به طراحی یک شبکه لجستیک معکوس در شرایط رقابتی پرداخته­اند. آنها قیمت را در شرایط رقابتی بر اساس تقاضای محصول برای هر یک از رقبا در نظر گرفته­اند. این محققین به منظور طراحی شبکه خود از تکنیک برنامه­ریزی دو سطحی استفاده کرده­اند. در سطح اول تصمیمات استراتژیک شامل مکانیایی مراکز و انبار­ها انجام شده و در سطح دوم تصمیمات تکنیکال شامل تعیین میزان توزیع و مسیرهای توزیع بین اعضای زنجیره تأمین انجام شده است [41].

   وی و همکاران (2015) یک زنجیره تأمین حلقه بسته با تقارن اطلاعاتی را مورد بررسی قرار دادند. در این تحقیق به منظور بررسی قیمت فروش محصولات از رویکرد تئوری بازی­ها استفاده شده است. در این تحقیق به تعیین قیمت عمده­فروشی و خرده­فروشی و نیز میزان نگهداری در هر یک از انبارها در شرایط تقارن اطلاعاتی پرداخته شده است [5].

   طلایی و همکاران¹⁵ (2016) به طراحی یک زنجیره تأمین چند سطحی در صنعت الکترونیک به صورت حلقه بسته سبز پرداخته­اند. در این تحقیق هدف ارائه زنجیره­ای است که کمترین میزان کربن تولیدی را داشته باشد و همچنین کم­ترین هزینه را به کل زنجیره تحمیل کند. به منظور طراحی زنجیره تأمین مورد نظر، مکانیابی مراکز تولیدی و مراکز انباشت و مراکز بازیافت، تصمیم­گیری می­شود. این مسئله در شرایط عدم قطعیت فازی پیاده­سازی شده و مورد تجزیه و تحلیل قرار گرفته است [42].

   کایا و یورک (2016) یک مدل غیر خطی عدد صحیح به منظور مکانیابی و تعیین موجودی و نیز قیمت فروش در یک زنجیره حلقه بسته ارائه کردند. در این تحقیق میزان تقاضا به صورت یک رابطه نمایی از میزان قیمت تعیین شده ارائه شده است. به منظور حل این مدل یک روش ابتکاری مبتنی بر سیستم سفارش موجودی و نیز دوره سفارش­دهی طراحی و پیاده­سازی شده است [9].

   زهل و سلیمانی (2016) به ترکیب لجستیک رفت و لجستیک معکوس به منظور طراحی یک زنجیره تأمین حلقه بسته پرداخته­اند. برای این منظور علاوه بر کمینه­سازی هزینه­های کل زنجیره، کاهش تولید گازهای CO2 به عنوان یک هدف سبز نیز معرفی شده است. برای حل این مدل یک الگوریتم کلونی مورچگان توسعه داده شده است [10].

   دای و لی¹⁶ (2017) یک مدل دو هدفه عدد صحیح فازی جهت ماکزیمم کردن سود کل و حداقل کردن ضایعات تسهیلات توسعه دادند و جهت نزدیک شدن به دنیای واقعی، عدم قطعیت در ظرفیت، تقاضا و قیمت را در مدل در نظر گرفتند. همچنین آنها برای حل مدل از روش ترکیبی (Hybrid Method) استفاده نمودند ]43[.

   کوی و همکاران¹⁷ (2017) یک مدل برنامه­ریزی عدد صحیح با هدف کاهش کل هزینه در شرایط عدم قطعیت در تقاضا و مقدار محصولات بازگشتی را در نظر گرفتند و به منظور حل مدل از رویکرد الگوریتم ژنتیک و کلونی زنبور عسل (Genetic Artificial Bee Colony Algorithm) استفاده نمودند ]44[.

   مسعودی­پور و همکاران (2017) یک مدل غیر خطی عدد صحیح در زنجیره تأمین حلقه بسته با در نظر گرفتن کیفیت محصولات و نرخ بازگشت به منظور حداکثرسازی کل سود بدست آمده از تولیدکننده­ها همچنین حداکثرسازی سود کل توزیع­کننده­ها/جمع­آوری­کننده­ها ارائه نمودند و مطالعه موردی را در صنعت تولید پارچه انجام دادند. آنها این مدل را به منظور تعیین استراتژی ضایعات صفر در صنعت پارچه ارائه نمودند. همچنین مدل را به وسیله اطلاعات فراهم شده از شرکت تست کردند ]45[.

   

پس از بررسی ادبیات موضوع می­توان موارد زیر را به صورت توامان به عنوان شکاف تحقیق­های موجود بیان نمود:

-       طراحی زنجیره تأمین  سبز حلقه بسته در شرایط رقابتی.

-       در نظر گرفتن تاثیر قیمت فروش بر روی زنجیره تأمین طراحی شده.

-       استفاده از الگوریتم های فراابتکاری نوین همچون الگوریتم جهش قورباغه

بر اساس شکاف های تحقیقاتی یافت شده تمرکز این تحقیق بر ارائه یک مدل ریاضی به منظور طراحی شبکه زنجیره تامین سبز حلقه بسته در شرایط رقابتی با تعیین قیمت فروش محصولات می باشد. همچنین به منظور حل این مدل ریاضی از الگوریتم جهش قورباغه استفاده می شود.

 

مدل ریاضی تحقیق

 

   در این بخش به توسعه مدل ریاضی تحقیق پرداخته می‌شود. مدل پایه در نظر گرفته شده بر اساس تحقیق کایا و یورک در سال 2016 ( کایا و یورک،2016) بوده است و در این تحقیق به توسعه آن پرداخته شده است. همچنین در خصوص فرموله کردن سهم بازار بر اساس مکان تسهیلات فروش و نیز مطلوبیت از نظر مشتریان، از تحقیق های (گلاره و همکاران ، 2010) و نیز /(درزنر و درزنر، 1997) و (درزنر و درزنر، 2004)  بهره برده شده است. بر این اساس ابتدا مفروضات مدل ریاضی بیان شده و سپس اجرای مدل ریاضی ارائه می‌شود.

مفروضات:

·       تعداد مشتریان ثابت و قطعی است.

·       هر یک از مراکز فروش در زنجیره، برای مشتریان مطلوبیت مشخصی دارد.

·       هر یک از مشتریان قدرت خرید مشخصی دارند.

·       میزان تقاضای مشتریان وابسته به مطلوبیت زنجیره در برابر سایر رقبا و نیز قدرت خرید آن‌ها تعیین می‌شود.

·       زنجیره حلقه بسته شامل تولید کننده‌ها، مراکز فروش، مراکز جمع­آوری و مراکز بازیافت است.

·       مکان تولیدکننده‌ها در ابتدای برنامه­ریزی مشخص است.

·       مکان بهینه مراکز فروش، مراکز جمع­آوری و مراکز بازیافت بایستی تعیین شود.

·       هزینه‌های تولید و ارسال و موجودی محصولات ثابت و قطعی است.

·       در فضای رقابتی امکان ورود هر رقیب دیگری نیز وجود دارد.

·       زنجیره از نظر تولید و انبارش دارای محدودیت است.

·       تولید محصول منجر به ایجاد آلودگی های زیست محیطی مشخصی می شود که برای زنجیره هزینه های اضافی ایجاد می کند

·       مواد برگشتی به زنجیره دارای آلودگی های زیست محیطی می باشد که برای زنجیره هزینه های اضافه ایجاد می کند

·       هدف  اول افزایش سود زنجیره می باشد که در آن هزینه های ارسال و بازیافت و آلودگی های زیست محیطی لحاظ شده است.

·       هدف دوم افزایش سهم بازار است. که جنبه رقابتی بودن زنجیره تامین را نشان می دهد.

 

اندیس‌ها

	اندیس نقاط مراکز تولید
	اندیس مکان مشتریان
	اندیس نقاط بالقوه برای مراکز جمع­آوری کالاها
	اندیس نقاط بالقوه مراکز بازیافت کالاها
	اندیس مراکز  بالقوه فروش محصولات

 

پارامترها

	هزینه ثابت راه­اندازی مرکز جمع­آوری کالا k ام
	هزینه ثابت راه­اندازی مرکز فروش کالا n ام
	هزینه ثابت راه­اندازی مرکز بازیافت l ام
	هزینه انتقال 1 واحد کالا از مرکز تولید i ام به مرکز فروش n ام
	هزینه انتقال 1 واحد کالا از مشتری j به مرکز جمع­آوری k
	هزینه انتقال 1واحد کالا از مرکز جمع­آوری k به مرکز بازیافت l
	هزینه انتقال 1 واحد کالا از مرکز بازیافت l به مرکز تولید i
	هزینه تولید 1 واحد کالا در مرکز تولید i ام
	هزینه آلودگی های زیست محیطی مرتبط با تولید 1 واحد کالا در مرکز تولید i ام
	فاصله بین مشتری j تا مرکز فروش بالقوه n
	تقاضای کل مشتری j ام
	هزینه جمع­آوری و تفکیک به ازای 1 واحد کالا در مرکز جمع­آوری k ام
	هزینه بازیافت 1 واحد کالا در مرکز بازیافت l ام
	هزینه مرتبط با آلودگیهای زیست محیطی برای بازیافت  یک واحد محصول در مرکز بازیافت l ام
	میزان کالای برگشت داده شده به مراکز جمع­آوری از مشتری j ام
	ظرفیت تولیدی مرکز تولید i ام
	ظرفیت مرکز جمع­آوری k ام
	ظرفیت مرکز بازیافت l ام
	هزینه حمل و نقل به ازای هر واحد طی شده

 

متغیرهای تصمیم

	میزان انتقال از مرکز تولید i به مرکز فروش n ام
	میزان انتقال از مشتری j به مرکز جمع­آوری k
	میزان انتقال از مرکز جمع­آوری k به مرکز بازیافت l
	میزان انتقال از مرکز بازیافت l به مرکز تولید i
	متغیر باینری که برابر 1 خواهد بود اگر و تنها اگر مرکز فروش کالای n ام  احداث شود
	متغیر باینری که برابر 1 خواهد بود اگر و تنها اگر مرکز جمع­آوری k ام احداث شود
	متغیر باینری که برابر 1 خواهد بود اگر و تنها اگر مرکز بازیافت l ام  احداث شود
	قیمت فروش محصول در مرکز فروش n ام
	تقاضای ایجاد شده برای مشتری j ام از مرکز فروش n ام
	میزان مطلوبیت مرکز فروش n ام توسط مشتری j ام

مدل ریاضی

 

   رابطه های فوق بیشینه­سازی سود زنجیره است. این سود از اختلاف درآمد ایجاد شده و کل هزینه‌های زنجیره است. مجموع هزینه‌های زنجیره شامل هزینه‌های تولید، هزینه‌های پردازش در مراکز جمع­آوری و بازیافت و نیز هزینه‌های انتقال  و در پایان هزینه های زیست محیطی تولید و بازیافت در زنجیره تامین است.

     حداکثرسازی کل مطلوبیت زنجیره را بیان می‌کند. این رابطه بیانگر حداکثر سهم بازار نیز است. زیرا هرچقدر مقادیر مطلوبیت مراکز فروش از دید مشتریان بیشتر باشد، به معنای تمایل بیشتر آن‌ها برای خرید از این رقیب در بازار بوده و در نتیجه بیشترین مقدار سهم بازار به دست می‌آید.

     بیان می‌کند که کل میزان کالای تحویلی به هر مرکز فروش باید از تقاضای ایجاد شده برای آن مرکز بیشتر باشد.

      بیان می‌کند کل میزان کالایی که به مراکز جمع­آوری داده می‌شود باید بزرگتر- مساوی میزان دورریز هر مشتری باشد. در واقع در این محدودیت، تاکید می­شود که محصولات معیوب و دور ریز شده توسط مشتریان، تماماً به دست مراکز جمع­آوری می­رسد.

      توازن جریان در زنجیره را نشان می‌دهد. به گونه‌ای که میزان کالای جمع شده در مرکز جمع­آوری باید برابر میزان کالای ارسالی از همان مرکز به مراکز بازیافت باشد.

     بیان می‌کند که کل میزان ارسالی از هر تولیدکننده حداکثر به‌اندازه ظرفیت آن خواهد بود.

  بیان می‌کند که اگر مرکز جمع­آوری  kاحداث شود می‌توان کالای مشتریان را حداکثر به‌اندازه ظرفیت مرکز جمع­آوری k ،  به آن‌ها فرستاد.

  بیان می‌کند که مرکز بازیافت l احداث شود می‌توان کالاها را از مراکز جمع­آوری حداکثر به ‌اندازه ظرفیت مرکز بازیافت l ، به آن ارسال نمود.

  میزان مطلوبیت ایجاد شده را بر حسب قیمت فروش و نیز فاصله تا مراکز فروش مختلف محاسبه می‌کند.

   

نمونه­های تصادفی

مقادیر	پارامترها
uniform(100,200)
uniform(100,200)
uniform(100,200)
uniform(3,4)
uniform(3,4)
uniform(3,4)
uniform(3,4)
uniform(10,15)
uniform(1,2)
uniform(500,700)
uniform(5,8)
uniform(12,14)
uniform(11,14)
uniform(2,3)
uniform(3,5)
uniform(100,200)
uniform(100,200)
uniform(100,200)

 

   همانطورکه از جدول بر می­آید، مقادیر پارامترهای مرتبط به صورت توزیع یکنواخت و تصادفی تولید می‌گردد. لازم به ذکر است پارامتر C’ که معرف ضریب تبدیل فاصله به هزینه است برابر 1 در نظر گرفته شده است.

   حال پس از تولید نمونه­های تصادفی در ابعاد مختلف مسائل از نرم­افزار GAMS 23.6 و حل­کننده BARON  و یك لپ­تاب با مشخصات Intel Core i7,8GB RAM برای حل آن­ها استفاده شده است. 

به منظور اعتبارسنجی مدل ریاضی، از حل مدل ریاضی در محیط نرم­افزاری و ارائه مقدار بهینه کلی آن استفاده شده است. لازم به ذکر است از آنجایی که ساختار مدل ریاضی در هیچ مقاله مشابهی دیده نشده است، لذا نمی­توان نتایج حاصل از حل مدل را به کمک مقالات دیگر اعتبارسنجی نمود. از طرفی مطابق شکل زیر، با توجه به غیر خطی بودن مدل، نرم افزار GAMS توانسته است مقدار بهینه مدل ریاضی را بدون هیچ خطایی ارائه کند. لذا می­توان نتایج حاصل از این نرم­افزار بهینه­ساز را مورد اعتماد دانست و از آن در اعتبارسنجی مدل ریاضی استفاده نمود.

 

 

شکل 4-1: خروجی نرم افزار گمز برای اعتبارسجی مدل ریاضی

 

برای اعتبارسنجی مدل پیشنهادی نمونه اول مسأله اول را یکبار با هدف اول و یکبار با هدف دوم اجرا کرده و نتایج بدست آمده در جدول ارائه شده است. لازم به ذکر است که محدودیت زمانی اجرای 3600 ثانیه برای حل مسائل لحاظ می­شود.

 

جدول4‑3: نتایج حاصل از حل نمونه اول مسأله اول

تعداد مرکز بازیافت احداث شده	تعداد مرکز جمع­آوری احداث شده	تعداد مرکز فروش احداث شده	متوسط زمان حل (ثانیه)	مقدار تابع هدف دوم	مقدار تابع هدف اول	مسأله 1
1	1	1	22.923	-1026.785	8.28987E+10	حل به ازای هدف اول
1	1	1	123.40	-45483.172	-1.01864E+9	حل به ازای هدف دوم

 

   برای ایجاد درک بهتری از فضای مسأله به تشریح شماتیک نمونه اول مسأله اول به ازای حل با هدف اول در شکل 4-2 می­پردازیم.

 

 

 

 

 

 

 

 

 

شکل 2: نمای شماتیک شبکه زنجیره تامین مسأله اول

 

   همانطور که از شکل   مشخص است، خروجی مسأله به صورت تاسیس 1 واحد از هر کدام از تسهیلات است که به صورت تاسیس مرکز فروش اول، تاسیس مرکز جمع­آوری دوم و مرکز بازیافت دوم بوده است.

حال در بخش بعدی جهت مواجهه با مسأله چندهدفه و تبدیل آن به یک مسأله دوهدفه با درنظرگرفتن اهداف با استفاده از روش الگوریتم SFLA به حل مسأله می­پردازیم.

  نتایج تحقیق

 

   در این پژوهش پس از بررسی دقیق و تفصیلی تحقیقات گذشته در حوزه زنجیره تامین، شکاف تحقیق و نوآوری آن مشخص شد. نوآوری تحقیق شامل در نظر گرفتن رفتار تقاضا به عنوان تابعی از قیمت محصولات در شرایط رقابتی بوده و بر اساس آن هدف توسعه یک مدل ریاضی جهت طراحی یک زنجیره تامین حلقه بسته در شرایط رقابتی بوده است. در چنین زنجیره­ای قیمت یک عامل اساسی است که می­تواند مقدار تقاضا را تعیین کند و به تبع آن ساختار زنجیره را تغییر دهد. به همین منظور در فصل سوم ابتدا یک تابع بین مقدار تقاضا و نیز قیمت محصولات ارائه شد. سپس با تکمیل مفروضات تحقیق، مدل ریاضی دوهدفه تحقیق ارائه شد. هدف اول کاهش هزینه­ها و افزایش درآمد زنجیره است. به عبارت دیگر هدف اول به دنبال بیشینه­سازی سود زنجیره تامین است. در هدف دوم تمرکز بر روی سهم بازار است و با افزایش مطلوبیت مراکز فروش، به دنبال بیشینه­سازی سهم بازار هستیم.

   با ارائه چنین مدلی لازم است تکنیک های دستیابی به چند هدف برای آن ارائه شود. در همین راستا الگوریتم SFLA جهت حل این مدل ریاضی تشریح گردید. این روش یک الگوریتم فراابتکاری جدید می باشد که بر اساس رفتار قورباغه ها عمل می کند.

   پس از توسعه مدل و تشریح روش­های حل در فصل چهارم به بررسی و تحلیل نتایج عددی حاصل از حل مدل ریاضی پرداخته شد. برای این منظور ابتدا با حل مدل به صورت تک­هدفه، اعتبارسنجی مدل و اثبات درست و منطقی و قابل اعتماد بودن نتایج انجام گردید. سپس با توجه به نبود دیتای مقایسه­ای که دقیقا مطابق مدل این تحقیق باشد، مثال­های نمونه از توزیع­های آماری تولید گردیده است. مثال­های تولید شده در 5 گروه و هر گروه 2 مثال نمونه و جمعا 10 مثال برای بررسی و مقایسه روش­های حل ارائه شده است.

   سپس با کدنویسی روش SFLA در محیط متلب و نیز حل بهینه آن در محیط GAMS ، به بررسی و مقایسه نتایج این دو روش پرداخته شده است. نتایج عددی نشان می دهد که روش SFLA با کمترین خطای ممکن در یک زمان کوتاه و منطقی جواب نزدیک به بهینه را برای مسائل مختلف می تواند ارائه کند.

   سپس تحلیل حساسیت بر روی پارامترهای کلیدی مدل ریاضی انجام شد. با توجه به نوسانات پارامتر تقاضا و نیز ظرفیت­های تولید در شرایط واقعی و با توجه به اینکه در مدل ریاضی این پارامترها به صورت قطعی فرض شده است، تحلیل حساسیت این پارامتر­ها ضروری به نظر می­رسد.

   نتایح حاصل شده نشان می­دهد تغییرات تقاضا می­تواند تاثیرات ناگهانی بر روی تابع هدف اول مسئله داشته باشد اما تغییرات ظرفیت­های تولیدی، تاثیر کمتری بر روی هدف اول مسئله دارد. همچنین در خصوص تابع هدف دوم نیز این شرایط برقرار است.

   به همین دلیل نتایج حاکی از آن است که مدیران زنجیره تامین بایستی تمرکز بالایی بر روی مقدار تقاضا و رصد بازار داشته باشند و بتوانند تغییرات این پارامتر تاثیرگذار به روی ساختار کلی زنجیره را به خوبی مدیریت کنند.  همچنین با توجه به ساختار چندهدفه بودن مدل و درنظر گرفتن عوامل مختلف همچون شرایط رقابتی و مطلوبیت زنجیره برای مشتریان، می­توان از این تحقیق به عنوان یک ابزار کارامد در مدیریت زنجیره تامین حلقه بسته در شرایط رقابتی یاد نمود.

  محدودیت­های تحقیق

 

   پس از انجام مراحل تحقیق، بایستی خاطر نشان کرد که این پژوهش همچون سایر پژوهش­ها با محدودیت­ها و چالش­هایی نیز همراه است. در ذیل چند نمونه از محدودیت­های تحقیق ارائه شده است.

 

·       اندازه­گیری مطلوبیت مراکز توزیع در بسیاری از موارد تابع دقیق و مشخصی ندارد و لذا نمی­توان در همه شرایط بر اساس یک تابع مطلبوبیت، میزان مطلوبیت مشتریان را سنجید.

·       پارامتر­های هزینه­ای نیز همچون تقاضا با توجه به شاخص­های تورمی دچار نوسان و تغییر است و در نظر گرفتن آنها به صورت قطعی تنها در شرایط ثبات اقتصادی کاربرد خواهد داشت.

·       چنانچه ابعاد مسئله بسیار بزرگ  باشد ممکن است محیط­های نرم­افزاری قادر به حل بهینه مسئله طراحی شده نباشند لذا لازم است در این خصوص تدابیری نیز اندیشیده شود.

 

 پیشنهادات آتی

 

   به منظور توسعه این تحقیق و ارائه تحقیقات جدیدتر می­توان موارد زیر را پیشنهاد نمود:

·       استفاده از الگوریتم­ فراابتکاری NSGA II برای حل چندهدفه مدل ریاضی این تحقیق و نیز مقایسه با روش­های ارائه شده در این پژوهش.

·       پیاده سازی الگوریتم فراابتکاری MOPSO برای حل چند هدفه مدل ریاضی این تحقیق و نیز مقایسه با روش­های ارائه شده در این پژوهش.

·       مقایسه روش محدودیت اپسیلون با روش­های استفاده شده در این پژوهش در حل مدل ریاضی این تحقیق.

·       مقایسه نتایج این تحقیق با رویکرد سنتی در قیمت­گذاری کالا در زنجیره تامین.

·       استفاده از روش­های شاخه و کران و برنامه­ریزی پویا برای حل مدل ریاضی ارائه شده.

·       حل مسئله به صورت دو مرحله­ای که در مرحله اول طراحی زنجیره و در مرحله دوم قیمت­گذاری انجام شود.

·       در نظر گرفتن ملاحظات زیست­محیطی به عنوان یک هدف جدید در مدل ریاضی و بهینه­سازی آن در شرایط سه هدفه.

·       توسعه مدل ریاضی این تحقیق در شرایط عدم قطعیت تقاضا.

·       توسعه مدل ریاضی این تحقیق با در نظر گرفتن مسیریابی بین اعضای زنجیره تامین.

·       افزایش سطح های زنجیره تامین به 4 سطح و بهینه­سازی آن در شرایط رقابتی.

 

منابع

 

[1] Yingdong, M., Design of hybrid make-to-stock (MTS)–make-to-order (MTO) manufacturing system 2001. 2001, MSc thesis, The University of Minnesota.

[2] Soman, C.A., D.P. Van Donk, and G. Gaalman, Combined make-to-order and make-to-stock in a food production system. International Journal of Production Economics, 2004. 90(2): p. 223-235.

[3]Gen, M., F. Altiparmak, and L. Lin, A genetic algorithm for two-stage transportation problem using priority-based encoding. OR spectrum, 2006. 28(3): p. 337-354.

[4]Govindan, K., H. Soleimani, and D. Kannan, Reverse logistics and closed-loop supply chain: A comprehensive review to explore the future. European Journal of Operational Research, 2015. 240(3): p. 603-626.

[5]Wei, J., et al., Pricing and collecting decisions in a closed-loop supply chain with symmetric and asymmetric information. Computers & Operations Research, 2015. 54: p. 257-265.

[6]New, S.J. and P. Payne, Research frameworks in logistics: three models, seven dinners and a survey. International Journal of Physical Distribution & Logistics Management, 1995. 25(10): p. 60-77.

[7]Scott, C. and R. Westbrook, New strategic tools for supply chain management. International Journal of Physical Distribution & Logistics Management, 1991. 21(1): p. 23-33.

[8]Amin, S.H. and G. Zhang, A multi-objective facility location model for closed-loop supply chain network under uncertain demand and return. Applied Mathematical Modelling, 2013. 37(6): p. 4165-4176.

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

[10]Zohal, M. and H. Soleimani, Developing an Ant Colony Approach for Green Closed-Loop Supply Chain Network Design: A Case Study in Gold Industry. Journal of Cleaner Production, 2016.

[11] شکاری, ح., شناسایی، تدوین و اولیویت بندی مولفه های بهره وری سبز با رویکرد مدیریت زنجیره تامین سبز 1384, دانشگاه تربیت مدرس: تهران، ایران.

 [12]Li, X. and Q. Wang, Coordination mechanisms of supply chain systems. European journal of operational research, 2007. 179(1): p. 1-16.

[13] خیرآبادی, م., طراحی مدل زنجیره تامین سبز (موردکاوی شرکت تولیدی شیشه ایمنی به نور). 1391, دانشگاه تربیت مدرس: تهران، ایران.

[14] غفوری, ح., طراحی مدل ریاضی زنجیره عرضه صنایع لاستیک سازی ایران. 1382, دانشگاه تربیت مدرس: تهران، ایران.

[15]Lee, H.L. and C. Billington, Managing supply chain inventory: pitfalls and opportunities. Sloan management review, 1992. 33(3): p. 65.

[16] http://www.ilscs.ir.

[17]Demirel, N. Ö., & Gökçen, H. A mixed integer programming model for remanufacturing in reverse logistics environment. The International Journal of Advanced Manufacturing Technology, 2008. 39(11): p. 1197-1206.

[18] http://www.dtic.mil/cgi-bin/GetTRDoc?AD=ADA437047.

[19]Fleischmann, M., Bloemhof-Ruwaard, J. M., Dekker, R., Van der Laan, E., Van Nunen, J. A., & Van Wassenhove, L. N. Quantitative models for reverse logistics: A review. European journal of operational research, 1997. 103(1): p. 1-17.

[20]Shetty, B., Approximate solutions to large scale capacitated facility location problems. Applied mathematics and computation, 1990. 39(2): p. 159-175.

[21]Kannan, G. and Soleimani, H. A review of reverse logistics and closed-loop supply chains: a Journal of Cleaner Production focus. Journal of Cleaner Production,2017 142: p. 371-384

[22]Jayaraman, V., R.A. Patterson, and E. Rolland, The design of reverse distribution networks: Models and solution procedures. European journal of operational research, 2003. 150(1): p. 128-149.

[23]Rogers, D. S., & Tibben‐Lembke, R. An examination of reverse logistics practices. Journal of business logistics, 2001. 22(2): p. 129-148.

[24]Anderson, S.P. and D.J. Neven, Market efficiency with combinable products. European Economic Review, 1989. 33(4): p. 707-719.

[25]Aboolian, R., O. Berman, and D. Krass, Optimizing pricing and location decisions for competitive service facilities charging uniform price. Journal of the Operational Research Society, 2008. 59(11): p. 1506-1519.

[26]Paquette, L. and C. Larsen, Reverse logistics and the creation of reverse flows for the mobile phone industry. 2009, Bachelor Project Paper, Aarhus University.

[27]Hult, G. T. M., Ketchen, D. J., & Arrfelt, M. Strategic supply chain management: Improving performance through a culture of competitiveness and knowledge development. Strategic management journal, 2007. 28(10): p. 1035-1052.

[28]Cavinato, J. L. A total cost/value model for supply chain competitiveness. Journal of business logistics, 1992. 13(2): p. 285.

[29]Ene, S., & Öztürk, N. Storage location assignment and order picking optimization in the automotive industry. The international journal of advanced manufacturing technology, (2012). 60(5): p. 787-797.

[30]Dubé, J. P. H., Fang, Z., Fong, N., & Luo, X. Competitive price targeting with smartphone coupons (No. w22067) National Bureau of Economic Research, 2016.

[31]Zakeri, A., Dehghanian, F., Fahimnia, B., & Sarkis, J. (2015). Carbon pricing versus emissions trading: A supply chain planning perspective. International Journal of Production Economics, 2015. 164: p. 197-205.

[32]Pishvaee, M.S., R.Z. Farahani, and W. Dullaert, A memetic algorithm for bi-objective integrated forward/reverse logistics network design. Computers & operations research, 2010. 37(6): p. 1100-1112.

[33] تقی­پور, ر. ع. صدری, طراحي شبكه زنجيره تامين سبز رقابتي با در نظر گرفتن پارامترهاي قيمت، كيفيت و سطح خدمات, اولين كنفرانس بين المللي مهندسي صنايع، مديريت و حسابداري. 1394, موسسه پژوهشي البرز: ایران.

[34]Ko, H.J. and G.W. Evans, A genetic algorithm-based heuristic for the dynamic integrated forward/reverse logistics network for 3PLs. Computers & Operations Research, 2007. 34(2): p. 346-366.

[35]Dullaert, W., et al., Supply chain (re) design: Support for managerial and policy decisions. European Journal of Transport and Infrastructure Research, 2007. 7(2): p. 73-92.

[36]Aras, N., D. Aksen, and A.G. Tanuğur, Locating collection centers for incentive-dependent returns under a pick-up policy with capacitated vehicles. European Journal of Operational Research, 2008. 191(3): p. 1223-1240.

[37]Du, F. and G.W. Evans, A bi-objective reverse logistics network analysis for post-sale service. Computers & Operations Research, 2008. 35(8): p. 2617-2634.

[38]Kannan, G., P. Sasikumar, and K. Devika, A genetic algorithm approach for solving a closed loop supply chain model: A case of battery recycling. Applied Mathematical Modelling, 2010. 34(3): p. 655-670.

[39]Zarandi, M.H.F., A.H. Sisakht, and S. Davari, Design of a closed-loop supply chain (CLSC) model using an interactive fuzzy goal programming. The International Journal of Advanced Manufacturing Technology, 2011. 56(5-8): p. 809-821.

[40]Amin, S.H. and G. Zhang, An integrated model for closed-loop supply chain configuration and supplier selection: Multi-objective approach. Expert Systems with Applications, 2012. 39(8): p. 6782-6791.

[41]Rezapour, S., et al., Competitive closed-loop supply chain network design with price-dependent demands. Journal of Cleaner Production, 2015. 93: p. 251-272.

[42]Talaei, M., et al., A robust fuzzy optimization model for carbon-efficient closed-loop supply chain network design problem: a numerical illustration in electronics industry. Journal of Cleaner Production, 2016. 113: p. 662-673.

[43]Dai, Z. and Li, Z, Design of a dynamic closed-loop supply chain network using fuzzy bi-objective linear programming approach. Journal of Industrial and Production Engineering, 2017. p: 1-14.

[44]Cui, Y. Y., Guan, Z., Saif, U., Zhang, L., Zhang, F., & Mirza, J. Close Loop Supply Chain Network Problem with Uncertainty in Demand and Returned Products: Genetic Artificial Bee Colony Algorithm Approach. Journal of Cleaner Production, 2017.

[45]Masoudipour, E., H. Amirian, and R, Sahraeian. A novel closed-loop supply chain based on the quality of returned products. Journal of Cleaner Production, 2017. 151: p. 344-355.

[46] آریانژاد, م.ب., برنامه ریزی سیستم های تولیدی. تهران انتشارات ترمه, 1381. جلد اول.

[47] Kim, W.C. and R. Mauborgne, Creating new market space. Harvard business review, 1999. 77(1): p. 83-93.

[48] Song, H.S., J. kyeong Kim, and S.H. Kim, Mining the change of customer behavior in an internet shopping mall. Expert Systems with Applications, 2001. 21(3): p. 157-168.

[49] Giudici, P. and G. Passerone, Data mining of association structures to model consumer behaviour. Computational Statistics & Data Analysis, 2002. 38(4): p. 533-541.

[50] Liou, J.J., A novel decision rules approach for customer relationship management of the airline market. Expert systems with Applications, 2009. 36(3): p. 4374-4381.

[51]Eaton, B.C. and R.G. Lipsey, The principle of minimum differentiation reconsidered: Some new developments in the theory of spatial competition. The Review of Economic Studies, 1975. 42(1): p. 27-49.

[52]Lerner, A.P. and H.W. Singer, Some notes on duopoly and spatial competition. Journal of Political Economy, 1937. 45(2): p. 145-186.

 

 

21

 

---

[1]  Supply Chain Management

[2]  Wei, J., et al

[3]  Kaya, O. and B. Urek

[4]  Zohal, M. and H. Soleimani

[5]  Gen, M., et al.

[6]  Ko, H.J. and G.W. Evans, A.

[7]  Aras, N., et al.

[8]  Du, F. and G.W. Evans.

[9]  Pishvaee, M.S., et al.

[10]  Kannan, G., et al.

[11]  Zarandi, M.H.F., et al.

[12]  Amin, S.H. and G. Zhang.

[13]  Amin, S.H. and G. Zhang.

[14]  Govindan, K., et al.

[15]  Talaei, M., et al.

[16]  Dai, Z. and Li, Z.

[17]  Cui, Y. Y.