Cross-docking is the practice of unloading Coronavirus vaccines from inbound delivery vehicles and loading them directly onto outbound vehicles. Cross-docking can streamline supply chains and help them move Coronavirus vaccines to pharmacies faster and more efficiently by eliminating or minimizing warehouse storage costs, space requirements, and inventory handling. Regarding their short shelf-life, the movement of Coronavirus vaccine to cross-dock and their freight scheduling is of great importance. Achieving the goals of green logistics in order to reduce fuel consumption and emission of pollutants has been considered in this study. Accordingly, the present study developed a mixed-integer linear programming (MILP) model for routing and scheduling of cross-dock and transportation in green reverse logistics network of Coronavirus vaccines. The model was multi-product and multi-level and focused on minimizing the logistics network costs to increase efficiency, reduce fuel consumption and pollution, maximizing the consumption value of delivered Coronavirus vaccines and minimizing risk of injection complication due to Coronavirus vaccines corruption. Considering cost minimization (i.e., earliness and tardiness penalty costs of pharmacies order delivery, cost of fuel consumption and environmental pollution caused by outbound vehicles crossover, the inventory holding costs at the temporary storage area of the cross-dock and costs of crossover and use of outbound vehicles) as well as uncertainty in pharmacies demand for Coronavirus vaccines, the model was an NP-hard problem. In this model, the problem-solving time increased exponentially according to the problem dimensions; hence, this study proposed an efficient method using the NSGA II algorithm. Manuscript profile

با در نظر گرفتن شرایط رقابتی و جایگاه پروژه‌های گازی در توسعه کشور به‌عنوان یکی از منابع مهم انرژی و برتری‌های اقتصادی، انجام طرحها و پروژه‌های بزرگ در این صنعت، به‌منظور اجرای هدفمند، بهینه و اثربخش پروژه‌های شبکه‌های توزیع گاز امری ضروری محسوب می‌گردد. بنابراین با توجه به اهمیت اجرای این‌گونه پروژه‌ها و چالش‌های مطرح در این حوزه، مطالعه حاضر سعی دارد با مقایسه دو تکنیک‌ تصمیم‌گیری چند معیاره فازی به ارزیابی معیارهای کلیدی مدیریت ریسک در اجرای پروژه‌های شبکه‌های توزیع گاز طبیعی بپردازد. بدین منظور با انتخاب تعداد 36 نفر خبره و متخصص در حوزه صنعت گاز طبیعی از پرسشنامه محقق ساخته، روش لاوشه و تکنیک‌های تصمیم‌گیری چند معیاره سوارا فازی (Fuzzy SWARA) و بهترین - بدترین فازی (FBWM) استفاده شده است. نتایج بدست آمده بیانگر این است که، از بین 32 معیار مدیریت ریسک، 17 معیار به‌عنوان معیارهای کلیدی مدیریت ریسک شناسایی گردید. براساس نتایج حاصل شده چنین استنباط می‌گردد که معیار عدم کفایت یا نقص اطلاعات فنی برای طراحی در تکنیک تصمیم‌گیری چند معیاره بهترین – بدترین فازی با وزن قطعی (22/0) با رتبه دوم در تکنیک تصمیم‌گیری چند معیاره سوارافازی فازی با وزن قطعی (82/0) هم‌خوانی دارد و از بیشترین اهمیت برخوردار است. Manuscript profile