ارائه یک مدل زنجیره تامین سبز چندهدفه چندکالایی تحت شرایط عدم قطعیت

Subject Areas : International Journal of Industrial Mathematics

داوود  خدادادیان ¹ (گروه مدیریت، واحد درود، دانشگاه آزاد اسلامی، درود، ایران.)
رضا  رادفر ² (گروه اقتصاد و مدیریت، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران.)
عباس  طلوعی اشلاقی ³ (گروه اقتصاد و مدیریت، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران.)

Received: 2019-01-24 Accepted : 2019-06-19 Published : 2022-07-01

Keywords: زنجیره تأمین سبز, بهینه‌سازی چندهدفه, عدم اطمینان, محدودیت اپسیلون, الگوریتم ژنتیک با مرتب‌سازی نا مغلوب,

Abstract :

افزایش آلودگی زیست‌محیطی که موجب گرم شدن کره زمین شده است و برای سلامت انسان و تخریب محیط‌زیست خطرناک است، باعث نگرانی بسیاری از طراحان و مدیران زنجیره تأمین‌شده است. هدف این پژوهش ارائه یک مدل ریاضی برای طراحی خرید، تولید و توزیع در یک شبکه زنجیره تأمین چند سطحی و چند محصولی است که تأثیرات زیست‌محیطی و هزینه‌های کلی زنجیره تأمین به حداقل برساند و سطح رضایت مشتری به بالاترین سطح برسد. عدم اطمینان تقاضا به خاطر نامشخص بودن سطح تقاضا به نظر مشکل‌ساز است. با توجه به پیچیدگی مدل ریاضی پیشنهادی و سختی‌های حل مسئله با روش‌های دقیق در اندازه بزرگ، یک NSGA II پیشنهادشده است. برای ارزیابی NSGA II پیشنهادی، 5 نمونه در اندازه‌های مختلف ساخته می‌شود و به‌وسیله روش محدودیت اپسیلون و NSGAII حل می‌شود. بر اساس نتایج به‌دست‌آمده، NSGA II پیشنهادی یک روش قابل‌اطمینان برای یافتن مرزهای پارتویی کارآمد در زمان قابل‌قبول محسوب می‌شود.

References:

 [1] A. Ben-Tal, A. Nemirovsk, Robust solutions of linear programming problems contaminated with uncertain data, Math. Program 88 (2000) 411-424.
[2] A. Baghalian, S. Rezapour, R. Farahani, Robust supply chain network design with service level against disruptions and demand uncertainties: A real- life case, European Journal of Operational Research 227 (2013) 199-215.
[3] S. R. Cardoso, A. P. E. Barbosa-P, S. Relvas, Design and planning of supply chains with integration of reverse logistics activities under demand uncertainty, European Journal of Operational Research 226 (2013) 436-451.
[4] F. Du, GW. Evans, A A bi-objective reverse logistics network analysis for post-sale service, Computers and Operations Research 35 (2008) 26-34.
[5] M. El-Sayed, N. Afia, A. El-Kharbotly, A stochastic model for forward-reverse logistic network design under risk, Computers and Industrial Engineering 58 (2010) 423-31.
[6] M. Fleischmann, H. R. Krikke, R. Dekker, S. D. P. Flapper, A characterization of logistics networks for product recovery, Omega 28 (2000) 653-666.
[7] M. Goedkoop, R. Spriensma, The ecoindicator 99, a damage oriented method for life cycle impact assessment: Methodology report (3rd ed), Amersfoort, Netherlands: Pre Consultants, (2000).
[8] G. Chunxiang, X. Liu, J. Maozhu Jin, L. Zhihan, The research on optimization of auto supply chain network robust model under macro economic fluctuations, Chaos, Solitons and Fractals 11 (2015) 1-10
[9] T. L. Hu, J. B. Sheu, K. Huang, A reverse logistics cost minimization model for the treatment of hazardous wastes, Transportation Research Part E: Logistics and Transportation Review 38 (2002) 457-473.
[10] T. C. Kuo, S. H. Huang, H. C. Zhang, Design for manufacture and design for X: Concepts, applications, and  perspectives, Computers and industrial engineering 41 (2001) 241-260.
[11] O. Listes, R. Dekker, A Stochastic approach to a case study for product recovery network design, European Journal of Operational Research 160 (2005) 268-287.
[12] SI. Martinez-Guido, JB. Gonzalez-Campos, RE. Del Rio, JM. Ponce-Ortega, F. NapolesRivera, M. SemaGonzalez, MM. El-Halwagi, A multiobjective optimization approach for the development of a sustainable supply chain of a new fixative in the perfume industry, Acs Sustain Chem. Eng.W 2 (2014) 2380-2390
[13] MT. Melo, S. Nickel, F. Saldanha-daGama, Facility location and supply chain management- a review, European Journal of Operational Research 196 (2009) 401-412.
[14] J. Mills, K. Platts, M. Bourne, Applying resource-based theory: methods, outcomes and utility for managers, International Journal of Operations and Production Management 23 (0032) 148-166.
[15] M. Niknezhad, Green supply chain (with case study), Supply Chain Management Quarterly, number 14 (2008) 13-34.
[16] F. Quariguasi, J. Walther, G. Bloemhof, J. A. E. E. Van Nunen, From closed-loop to sustainable supply chains: the WEEE case, International Journal of Production Research 48 (2010) 4463-4481.
[17] M. Ramezani, M. Bashiri, R. TavakkoliMoghaddam, A new multi-objective stochastic model for a forward/reverse logistic network design with responsiveness and quality level, Applied Mathematical Modeling 37 (2013) 328-344.
[18] P. Rao, D. Holt, Do green supply chains lead to competitiveness and economic performance?, International journal of operations and production management 25 (2005) 898-916.
[19] MIG. Salema, AP. Barbosa-Povoa, AQ. Novais, An optimization model for the design of a capacitated multi-product reverse logistic network with uncertainty, European Journal of Operational Research 179 (2007) 1063-77.
[20] G. Taguchi, S. Chowdhury, Y. Wu, Taguchis Quality Engineering Handbook, Wiley Publishing, 2005.
[21] G. Q. Yan, Y. K. Liu, K. Yang, Multiobjective biogeography-based optimization for supply chain network design under uncertainty, Computers and Industrial Engineering 179 (2009) 1063-77.
[22] W. C. Yeh, A hybrid heuristic algorithm for the multistage supply chain network problem, International Journal of Advanced Manufacturing Technology 26 (2005) 675-85.
[23] N. Zarbakhshnia, T. J. Jaghdani, Sustainable supplier evaluation and selection with a novel two-stage DEA model in the presence of uncontrollable inputs and undesirable outputs: A plastic case study, The International Journal of Advanced Manufacturing Technology 11 (2018) 1-13.
[24] M. Zhalechian, R. Tavakkoli-Moghaddam, B. Zahiri, M. Mohammadi, Sustainable design of a closed-loop location-routinginventory supply chain network under mixed uncertainty, Transportation Research Part E: Logistics and Transportation Review, Elsevier, vol. 89(C) 23 (2018) 182-214.
[25] R. Zhao, Y. Liu, N. Zhang, T. Huang, An Optimization Model for Green Supply Chain Management by Using a Big Data Analytic Approach, Journal of Cleaner Production (2016). http://dx.doi.org/10.1016/j.jclepro.2016.03.006/
[26] Q. Zhu, J. Sarkis, Relationships between operational practices and performance among early adopters of green supply chain management practices in Chinese manufacturing enterprises, Journal of Operations Management 22 (2004) 265-289.
[27] M. Zohal, 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 133 (2016) 314-337.