• صفحه اصلی
  • ارائه یک مدل بهینه‌سازی لجستیک معکوس جهت کاهش اثرات زیست‌محیطی مبتنی بر مدیریت ضایعات

اشتراک گذاری

آدرس مقاله


کد مقاله : JMEMIAU-2401-1331 (R1) بازدید : 341 صفحه: 171 - 203

نوع مقاله: پژوهشی

ارائه یک مدل بهینه‌سازی لجستیک معکوس جهت کاهش اثرات زیست‌محیطی مبتنی بر مدیریت ضایعات

محورهای موضوعی : مدیریت صنعتی

مهتا کاکویی 1 , محمود مدیری 2 , قنبر عباسپور اسفدن 3

1 - گروه مديريت صنعتي، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
2 - دانشيار گروه مدیریت صنعتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران(نويسنده مسئول)
3 - استاديار گروه مدیریت صنعتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

تاریخ دریافت : 1402/10/27 تاریخ پذیرش : 1403/03/24 تاریخ انتشار : 1403/02/12

کلید واژه: مدل, بهینه سازی لجستیک معکوس, اثرات زیست‌محیطی, مدیریت ضایعات,

چکیده مقاله :

هدف: هدف از اين تحقيق ارائه مدلي براي لجستيك معكوس  در جهت كاهش اثرات زيست محيطي مي باشد

روش‌شناسی پژوهش: این تحقیق به طراحی شبکه لجستیک معکوسی پرداخته است که کلیه ضایعات را در یک محل جمع­آوری و بر اساس نیاز کارخانه‌ها (ازلحاظ جنس و ماهیت ضایعات و ...) آن­ها را تفکیک و به مقصد موردنظر جهت بازیافت ارسال می­کند. در این پژوهش مدل ریاضی مختلط جهت کاهش هزینه­های کل سیستم ارائه‌شده استدر اين تحقيق پس از حل مدل مدل با داده هاي مختلف اعتبار سنجي شده و تحليل حساسيت براي پارامترهاي كليدي مدل انجام شده است.

یافته‌ها تعداد مراکز تسهیلات، تعداد محصولات و قطعاتی که باید از یک مرکز به مرکز دیگر ارسال شوند، میزان انتشار CO2 و هزینه کل مدل مشخص‌شده است. درنهایت، تحلیل حساسیت بر روی پارامترهای مدل انجام‌شده و مدل با تغییر داده‌های ورودی در دو مورد مختلف مورد اعتبارسنجی قرارگرفته است. تحلیل‌های حساسیت بر روی پارامترهای مختلف برای نشان دادن قابلیت‌های مدل پیشنهادی انجام می‌شوند. نتایج نشان می‌دهد که هزینه مجاز انتشار CO2 تأثیر قابل‌توجهی بر مقدار تابع هدف دارد.

اصالت / ارزش‌افزوده علمی: امروزه افزایش جمعیت و رشد سریع شهرنشینی، افزایش سطح زندگی اجتماعی، تولید زباله‌های جامد را در جهان به میزان قابل‌توجهی تسریع کرده است. ضایعات جامد تبدیل به یکی از مهم‌ترین مسائل زیست‌محیطی در سطح جهان شده است.

چکیده انگلیسی:

Purpose: Solid waste has become one of the most critical environmental issues in the world. Therefore, a waste management system to prevent further destruction of the environment is essential.

Research methodology: This research presents a model to reduce environmental impacts. This research includes an eleven-level, multi-product reverse logistics network that is capable of supporting a variety of industries whose products are at the end of their life cycle. This research designs a reverse logistics network that collects all waste in one place and separates it based on the needs of the factories (in terms of type and nature of waste, etc.) and sends it to the desired destination for recycling. In this research, a mixed mathematical model is presented to reduce the costs of the entire system. In this research, after solving the model, the model is validated with different data and sensitivity analysis is performed for the key parameters of the model.

Findings The number of facility centers, the number of products and parts to be shipped from one center to another, the amount of CO2 emissions, and the total cost of the model are specified. Finally, sensitivity analysis is performed on the model parameters and the model is validated by changing the input data in two different cases. Sensitivity analyses are performed on different parameters to demonstrate the capabilities of the proposed model. The results show that the allowable cost of CO2 emissions has a significant impact on the value of the objective function.

Originality/scientific added value: Today, population growth and rapid urbanization, along with rising social standards of living, have significantly accelerated the production of solid waste in the world. Solid waste has become one of the most important environmental issues worldwide.

منابع و مأخذ:

 Abu-Qdais, H. M. Al-Ghazo, and E. Al-Ghazo, Statistical analysis and characteristics of hospital medical waste under novel Coronavirus outbreak. Global Journal of Environmental Science and Management, 2020. 6(Special Issue (Covid-19)): p. 21-30. https://doi.org/10.22034/GJESM.2019.06.SI.03
 Abdallah, T., A. Diabat, and D. Simchi-Levi. A carbon sensitive supply chain network problem with green procurement. in The 40th International Conference on Computers & Indutrial Engineering. 2010. IEEE
 Bautista, J. and J. Pereira, Modeling the problem of locating collection areas for urban waste management. An application to the metropolitan area of Barcelona. Omega, 2006. 34(6): p. 617-629. https://doi.org/10.1016/j.omega.2005.01.013
 Das, S. and B.K. Bhattacharyya, Optimization of municipal solid waste collection and transportation routes. Waste Management, 2015. 43: p. 9-18. https://doi.org/10.1016/j.wasman.2015.06.033
 Gharibi, K. and S. Abdollahzadeh, A mixed-integer linear programming approach for circular economy-led closed-loop supply chains in green reverse logistics network design under uncertainty. Journal of Enterprise Information Management, 2021. https://doi.org/10.1108/JEIM-11-2020-0472
 Govindan, K. et al. Fuzzy multi-objective approach for optimal selection of suppliers and transportation decisions in an eco-efficient closed loop supply chain network. Journal of Cleaner Production, 2017. 165: p. 1598-1619. https://doi.org/10.1016/j.jclepro.2017.06.180
 Govindan, K. et al. Medical waste management during coronavirus disease 2019 (COVID-19) outbreak: A mathematical programming model. Computers & Industrial Engineering, 2021. 162: p. 107668. https://doi.org/10.1016/j.cie.2021.107668
 Hashemi, S.E. A fuzzy multi-objective optimization model for a sustainable reverse logistics network design of municipal waste-collecting considering the reduction of emissions. Journal of Cleaner Production, 2021. 318: p. 128577. https://doi.org/10.1016/j.jclepro.2021.128577
 Homayouni, Z. and M.S. Pishvaee, A bi-objective robust optimization model for hazardous hospital waste collection and disposal network design problem. Journal of Material Cycles and Waste Management, 2020. 22: p. 1965-1984 https://doi.org/10.1007/s10163-020-01081-8
 Jaunich, M.K. et al. Life-cycle modeling framework for electronic waste recovery and recycling processes. Resources, Conservation and Recycling, 2020. 161: p. 104841 https://doi.org/10.1016/j.resconrec.2020.104841
 Kargar, S. M. Pourmehdi, and M.M. Paydar, Reverse logistics network design for medical waste management in the epidemic outbreak of the novel coronavirus (COVID-19). Science of the Total Environment, 2020. 746: p. 141183. https://doi.org/10.1016/j.scitotenv.2020.141183
 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
 Kilic, H.S. U. Cebeci, and M.B. Ayhan, Reverse logistics system design for the waste of electrical and electronic equipment (WEEE) in Turkey. Resources, Conservation and Recycling, 2015. 95: p. 120-132. https://doi.org/10.1016/j.resconrec.2014.12.010
 Lee, C. et al. A mathematical model for municipal solid waste management–A case study in Hong Kong. Waste management, 2016. 58: p. 430-441 https://doi.org/10.1016/j.wasman.2016.06.017
 Li, G. J. Liu, and A. Giordano, Robust optimization of construction waste disposal facility location considering uncertain factors. Journal of Cleaner Production, 2022. 353: p. 131455 https://doi.org/10.1016/j.jclepro.2022.131455.
 Nanaki, E.A. C.J. Koroneos, and G.A. Xydis, Environmental impact assessment of electricity production from lignite. Environmental Progress & Sustainable Energy, 2016. 35(6): p. 1868-1875 https://doi.org/10.1002/ep.12427.
 Ottoni, M. P. Dias, and L.H. Xavier, A circular approach to the e-waste valorization through urban mining in Rio de Janeiro, Brazil. Journal of Cleaner Production, 2020. 261: p. 120990 https://doi.org/10.1016/j.jclepro.2020.120990
 Pishvaee, M.S., J. Razmi, and S.A. Torabi, Robust possibilistic programming for socially responsible supply chain network design: A new approach. Fuzzy sets and systems, 2012. 206: p. 1-20. https://doi.org/10.1016/j.fss.2012.04.010
 Yu, H., et al., A stochastic network design problem for hazardous waste management. Journal of cleaner production, 2020. 277: p. 123566 https://doi.org/10.1016/j.jclepro.2020.123566
 Xiao, Z., et al., Location-allocation problem of reverse logistics for end-of-life vehicles based on the measurement of carbon emissions. Computers & Industrial Engineering, 2019. 127: p. 169-181. https://doi.org/10.1016/j.cie.2018.12.012
 Zarbakhshnia, N., et al., A novel multi-objective model for green forward and reverse logistics network design. Journal of cleaner production, 2019. 208: p. 1304-1316. https://doi.org/10.1016/j.jclepro.2018.10.138(
متن کامل:


Modern Management Engineering

Volume 10, Issue 3 , Autumn2024

Pp171-203.

Paper type: Research paper

 

 

 

Presenting a reverse logistics optimization model to reduce environmental effects based on waste management

 

Mahta Kakooee1, Mahmoud Modiri 2, Ghanbar Abbaspour Esfaden 3

 

 

Received: 17/01/2024                              Accepted: 03/04/2024

 

 

Extended Abstract

Introduction

Today, economic and industrial changes are occurring faster than before. Due to the trend of globalization, the minimization of the world and the increase of competition are more tangible in countries. Customers seek goods and services that can meet their requirements and on the other hand, companies attempt to maintain profit and create competitive advantages to survive in the market. All the above-mentioned factors have led to more attention to the supply chain and integrated logistics. Making the activities of the supply chain more efficient and effective is considered a sustainable competitive advantage for countries and companies. Logisticsactivities are a main part of the efficiency-making efforts which can make the costseconomical and affordable. Efficient logistics activities management, in addition to being an important source of creating competitive advantages, can be followed by the satisfaction of customers and meeting their certain needs and requirements. In this regard, a new approach, namely reverse logistics has appeared regarding the issue of logistics.

Logistics includes the physical part of the supply chain and mostly, it involves all the activities related to the materials and goods flow from the stage of providing raw materials to the stage of the final production such as transportation, warehousing, etc. in logistics management, there is a new approach including recycling, recovery and reuse products. In this method, the products whose shell life has been ended are purchased again from the end user and after dismantling, the parts that can be reused are recycled in the form of wasted products. The proposed reverse logistics models can be investigated from the three following perspectives

Modeling for reuse

Modeling for recycling

Modeling for regeneration

Modeling for reuse: Kroon et al. (1995) proposed a linear MIQP model for the products that could be reused. The proposed model was a location model without the classic capacity limitation which was designed for the case study of reusable transportation boxes.

Modeling for recycling: Baroos et al. (1998) presented a linear MIQP model for reverse logistics network design in a two-rank chain with a limited capacity to recycle stone. The presented model specified the number and optimal capacity of stores using an innovative approach.

Modeling for regeneration: Jayaraman et al. (1998) proposed a linear MIQP model for reverse logistics network design to minimize costs. In this study, only the activities related to the recovery of the returned products were investigated, aiming at designing a pull system based on customers' needs.

Literature Review

The literature review is a written overview of major writings and other sources on a selected topic. References covered in the review may include scholarly journal articles, books, government reports, etc. The literature review provides a description, summary and evaluation of each reference. You should use updated references.

Research Methodology

This research presents a model to reduce environmental impacts. This research includes an eleven-level, multi-product reverse logistics network that is capable of supporting a variety of industries whose products are at the end of their life cycle. This research designs a reverse logistics network that collects all waste in one place and separates it based on the needs of the factories (in terms of type and nature of waste, etc.) and sends it to the desired destination for recycling. In this research, a mixed mathematical model is presented to reduce the costs of the entire system. In this research, after solving the model, the model is validated with different data and sensitivity analysis is performed for the key parameters of the model.

Results

The number of facility centers, the number of products and parts to be shipped from one center to another, the amount of CO2 emissions, and the total cost of the model are specified. Finally, sensitivity analysis is performed on the model parameters and the model is validated by changing the input data in two different cases. Sensitivity analyses are performed on different parameters to demonstrate the capabilities of the proposed model. The results show that the allowable cost of CO2 emissions has a significant impact on the value of the objective function

Discussion and Conclusion

 

In this research, a mixed integer linear programming model for a reverse logistics network for return products is presented, The proposed model is consisted of eleven-levels, multi-procurement and multi-part network including collection centers, inspection and maintenance, separation and disassembly, plastic parts center, metal parts and electronic parts, new parts center and manufacturing plant, customer center and destruction center.This model seeks to minimize the costs of the entire system. These costs include the costs of transporting products and parts, the cost of building facilities, the cost of environmental impacts, and the cost of warranty. This model collects the products that are at the end of life or cannot be used, or the products which their parts can be used will help to reduce the environmental effects. In addition, the reproduced product in the reverse logistics network can reach the customers at a lower price, which is also important for the profit of production. The proposed model was solved by GAMS software and the results were presented with some numerical examples. Acceptable results were obtained by changing facilities, capacity values, etc. The number of metalplastic- electronic products and parts that are sent from each center to another center, the amount of each piece and product and the construction or non-construction of Hari pack facilities were obtained This model is practical and can support industries whose products are at the end of their life. The advantage of this method is that manufacturing organizations can establish reverselogistics in their organization and network design such as research reduce their costs dramatically. Also, with the help of the mentioned software, they can have all the changes in their hands after modeling numerically

 

Keywords Model, Optimization, Reverse Logistic, Waste Management, Environmental Impact

 

JEL Classification: Air Pollution;; Solid Waste; Recycling

 

 

 

 

 

 

 

مهندسی مدیریت نوین

سال دهم، پاييز1403- شماره سوم

صفحات 203-171

نوع مقاله: پژوهشی

ارائه یک مدل بهینه­سازی لجستیک معکوس جهت کاهش اثرات زیست­محیطی مبتنی بر مدیریت ضایعات

 

مهتا كاكويي4، محمود مديري5، قنبر عباسپور اسفدن 6

 

تاریخ دریافت: 27/10/1402                                         تاریخ پذیرش: 15/01/1403

چکیده 

هدف: هدف از اين تحقيق ارائه مدلي براي لجستيك معكوس در جهت كاهش اثرات زيست محيطي مي باشد

روش‌شناسی پژوهش: این تحقیق به طراحی شبکه لجستیک معکوسی پرداخته است که کلیه ضایعات را در یک محل جمع­آوری و بر اساس نیاز کارخانه‌ها (ازلحاظ جنس و ماهیت ضایعات و ...) آن­ها را تفکیک و به مقصد موردنظر جهت بازیافت ارسال می­کند. در این پژوهش مدل ریاضی مختلط جهت کاهش هزینه­های کل سیستم ارائه‌شده استدر اين تحقيق پس از حل مدل مدل با داده هاي مختلف اعتبار سنجي شده و تحليل حساسيت براي پارامترهاي كليدي مدل انجام شده است.

یافته‌ها تعداد مراکز تسهیلات، تعداد محصولات و قطعاتی که باید از یک مرکز به مرکز دیگر ارسال شوند، میزان انتشار CO2 و هزینه کل مدل مشخص‌شده است. درنهایت، تحلیل حساسیت بر روی پارامترهای مدل انجام‌شده و مدل با تغییر داده‌های ورودی در دو مورد مختلف مورد اعتبارسنجی قرارگرفته است. تحلیل‌های حساسیت بر روی پارامترهای مختلف برای نشان دادن قابلیت‌های مدل پیشنهادی انجام می‌شوند. نتایج نشان می‌دهد که هزینه مجاز انتشار CO2 تأثیر قابل‌توجهی بر مقدار تابع هدف دارد.

اصالت / ارزش‌افزوده علمی: امروزه افزایش جمعیت و رشد سریع شهرنشینی، افزایش سطح زندگی اجتماعی، تولید زباله‌های جامد را در جهان به میزان قابل‌توجهی تسریع کرده است. ضایعات جامد تبدیل به یکی از مهم‌ترین مسائل زیست‌محیطی در سطح جهان شده است.

 

کلیدواژه‌ها: مدل، بهینه­سازی لجستیک معکوس، اثرات زیست‌محیطی، مدیریت ضایعات

طبقه‌بندی موضوعی: Q53،آلودگي هوا،محيط زيست،ضايعات جامد

 

1- مقدمه

مدیریت ضایعات شامل جمع­آوری، انتقال، پاک‌سازی، بازیافت و انهدام ضایعات هست. افزایش بازار رقابتی، پیشرفت سریع فنّاوری، افزایش جمعیت در طول چند سال گذشته و کاهش طول عمر محصول و افزایش نرخ بازگشت­ها در طی سال­های اخیر موجب شده بازیافت محصولات بیش‌ازپیش موردتوجه قرار گیرد.

روش سنتی زنجیره تأمین اکنون به‌عنوان زنجیره تأمین روبه‌جلو (مستقیم) خوانده می­شود که هیچ مسئولیتی را در قبال محصولاتی که در انتهای عمر خود قرار دارند (EOL) ندارد.

لجستیک، بخش فیزیکی زنجیره تأمين را در برمی‌گیرد و عمدتاً شامل کلیه فعالیت‌های مربوط به جریان مواد و کالاها از مرحله تهیه مواد خام تا تولید محصول نهایی ازجمله حمل‌ونقل، انبارداری و غیره است. يكي از گرايش‌های جديد در مديريت لجستيك، بازيافت7، چرخه مجدد8 و يا استفاده مجدد از محصولات است. در اين روش، محصولاتي كه به پايان عمر مفيدشان می‌رسند، مجدداً از مصرف‌كننده نهايي خريداري می‌شوند و پس از مونتاژ، قسمت‌هايي از محصول كه قابليت استفاده مجدد رادارند، دوباره در قالب محصولات اسقاطي به چرخه حیات برمی‌گردند.

در سال­های اخیر با توجه به نگرانی­های زیست‌محیطی، تولیدکنندگان مجبور به عرضه محصولات سازگاربامحیط‌زیست و همچنین تولیدکنندگان و مشتریان تشویق به احیا و بازیافت محصولات خراب و فرسوده شده­اند.

احیاء باعث می­شود تا مشتری فرصت استفاده و خرید محصولاتی را داشته باشد که پس از احیاء باقیمت پایین­تر از محصولات نو اما تقریباً با همان استاندارد و کیفیت در اختیار او قرار می­گیرد. در این تحقیق به چگونگی ارائه یک مدل بهینه­سازی لجستیک معکوس جهت کاهش اثرات زیست­محیطی مبتنی بر مدیریت ضایعات خواهیم پرداخت.

1-1- فرایندهای لجستیک معکوس

در لجستیک معکوس سیستم معمولاً شامل چهار گام جمع­آوری، گزینش و انتخاب، مرتب­سازی و طبقه­بندی و توزیع به محل مناسب هست.

جمع­آوری از طرق مختلف، شبیه به فعالیت­های لجستیک روبه‌جلوی مربوط به خرید، تدارکات و غیره است. وجود مراکز جمع­آوری این امکان را فراهم می­سازد تا به‌وسیله بازرسی کیفی محصولات برگشتی باید به چه مرکزی برای احیا، بازیافت یا انهدام ایمن حمل شود.

کالای برگشتی در مرحله بازرسی کیفی می­تواند دارای حالت­های مختلفی باشد که بر اساس آن مرتب‌سازی می­شود:

1. کالاهایی که با تعویض یا تعمیر دوباره، قطعه­ای از آن قابل‌استفاده بوده و مجدداً توزیع می­گردد (حالت احیا).

2. کالاها قابل‌استفاده نبوده، اما قطعاتی از آن‌ها قابل‌استفاده است، لذا باید مونتاژ شده و قطعات قابل‌استفاده مجدد گردند (حالت مونتاژ).

3. کالاها یا قطعات غیرقابل استفاده مورد بازیافت قرارگرفته و به‌عنوان مواد اولیه به زنجیره مستقیم بازمی‌گردد (حالت بازیافت).

4. کالا یا قطعاتی نه قابل احیا و نه قابل بازیافت باشند (مانند مواد خطرزا) باید به‌گونه‌ای ایمن منهدم شود که ازجمله می­توان به دفن و سوزاندن اشاره کرد.( Roger et al,1999)

1-2- عوامل اصلی استفاده شرکت­ها از برنامه­ریزی و اجرای لجستیک معکوس

عوامل اصلی به‌کارگیری برنامه‌ریزی و اجرای لجستیک معکوس توسط شرکت­ها را می­توان به سه دسته زیر تقسیم نمود:

1. عوامل اقتصادی

2. قوانین و مقررات

3. مسئولیت­پذیری در قبال حساسیت­های زیست‌محیطی

1-3- فاکتورهای زیست‌محیطی

اکثراً از برگ خریدهای زیست‌محیطی به عنوان عامل اصلی برای لجستیک معکوس یاد می­شود. (Herold et al,2014)

عواملی چون عملکرد تعدیل و تنظیم، فشارهای بازار و مشتریان و همچنین انگیزه­های اخلاقی، جملگی در بهبود عملکرد زیست‌محیطی مؤثرند. رولاگ که کنسرسیومی اروپایی برای تحقیق درزمینه لجستیک معکوس است، سه عامل اصلی را در بهبود پیوسته و اهمیت رو به رشد لجستیک معکوس در نظر گرفته است:

1. اجبار شرکت­ها در بازگرداندن محصولاتشان و ایجاد حساسیت بیشتر نسبت به مطالعات آینده بر اساس قوانین زیست‌محیطی.

2. مزایای اقتصادی استفاده از محصولات بازگشت داده‌شده در فرایند تولید.

3. آگاهی روزافزون مشتریان و مصرف‌کنندگان نسبت به محیط‌زیست (Revlog , 2006)

دولت­ها نیز هرچه بیشتر به وضع قوانین پرداخته­اند که سازندگان را وادار نموده­اند تا مسئولیت جمع­آوری و دریافت محصولاتشان در انتهای عمر مفید محصول را بر عهده گیرند (مانند (WEEE)9)

 

2- مبانی نظری و پیشینه پژوهش

بيشتر ادبيات موجود درزمینه طراحي شبکه­هاي لجستيک شامل مدل­هاي مختلف مکان­يابي تسهيلات بر پايه برنامه­ريزي خطي عدد صحيح آميخته است. اين مدل­ها انواع مختلفي از مدل­هاي ساده نظير مکان‌یابی تسهيلات با ظرفيت نامحدود تا مدل­هاي پيچيده­تر نظير مدل­هاي چند رده­­اي با ظرفيت محدود و يا مدل­هاي چند کالايي را شامل مي­شوند. همچنين، الگوريتم­هاي قدرتمندي بر پايه تئوري بهينه­سازي ترکيباتي براي حل اين مدل­ها ارائه گشته است.

Pishvaee,2012))، یک مدل چندهدفه فازی برای مسئله زنجیر تأمین بازگشتی ارائه کردند که علاوه بر کمینه کردن هزینه، کمینه کردن آثار زیست‌محیطی را نیز به منزل هدف در نظر می­گیرد. مدل مفروض تک‌محصولی است و بر اساس یک مثال موردی واقعی کارخانه سرنگ سازی کارایی خود را نشان می­دهد. بخش قابل‌توجهی از آن درزمینه طراحی شبکه لجستیک پیشرواست و بخش اندکی به طراحی شبکه لجستیک معکوس باهدف بهینه­سازي جریان معکوس از مشتریان به مراکز بازیابی و دفع مناسب، تعیین تعداد مراکز جمع­آوري، بازیابی و دفع، مکان­هاي آن­ها و ظرفیت­هایشان می­پردازد. لی‌ و همکاران (Lee et al,2016)، یک الگوریتم ژنتیک ترکیبی دو هدفِ برای طراحی شبکه لجستیک معکوس مستقل پیشنهاد داده­اند که هدف این مدل مدیریت هزینه­های مستقیم و تأخیر در حمل‌ونقل در حد مطلوب است.

داس و همکاران (2015) یک مدل برای مدیریت ضایعات ارائه دادند که مراکز جمع‌آوری و حمل‌ونقل را بهینه‌سازی می‌کند. تابع هدف کمینه کردن هزینه‌های جمع‌آوری و حمل‌ونقل سیستم ضایعات است. (Giovan Lopez Ferri et al,2015) مدلی را ارائه کردند که بر اساس این مدل معیارهای قانونی و زیست‌محیطی و اقتصادی در نظر گرفته‌شده است که هدف حداکثر کردن سود از طریق کاهش هزینه‌های حمل‌ونقل و فروش مواد قابل بازیافت بود.

لی‌ و همکاران (Lee et al,2016)، یک مدل MIP برای ضایعات شهری در هنگ‌کنگ ارائه دادند و سپس مدل را با سناریوهای مختلف حل کردند. مدل آن‌ها تعداد نقاط بهینه تسهیلات و ظرفیت کوره‌های انهدام را مشخص می­کند. سان و همکاران (Sun et al,2016) مدلی را برای مراکز جمع­آوری ضایعات جامد شهری ارائه دادند که مسیر بین ایستگاه­های انتقال و سایت‌ها را بهینه­سازی می­کرد. تابع هدف در جهت حداکثر سازی مقدار جمع‌آوری ضایعات بود. در این مدل مسیریابی وسایل نقلیه و ایستگاه­های انتقال چندگانه موردبررسی قرار گرفت و کاربرد این مدل برای شهر دانگ ویتنام بررسی شد.

برای رفع نیازهای جامعه، منابع طبیعی به محصولات فرآوری شده تبدیل می‌شوند که پس از پایان عمر مفید خود دور ریخته می­شوند. به‌عبارت‌دیگر، این منابع به اهدافی که برای آن ایجادشده‌اند، می­رسند و چیزی را تولید می­کنند که پسماند جامد نامیده می­شود. افزایش روزافزون دفع این مواد در محیط‌زیست به دلیل رشد نامنظم جمعیت و درآمد سرانه، مربوط به فرآیند تولید و مصرف ناکافی است که منجر به وخامت محیط طبیعی می­شود (Abu Hajar et a,2020).

 (kilic et al , 2015) یک سیستم لجستیک معکوس بهینه‌سازی شده برای مدیریت ضایعات محصولات الکتریکی و الکترونیکی ارائه کردند. ( Darbari et al,2017) یک مدل شبکه لجستیک معکوس برای محصولات برگشتی الکترونیکی ارائه کرد که بر به حداقل رساندن هزینه لجستیک معکوس و به حداکثر رساندن پایداری عملکرد تسهیلات بازیابی تمرکز دارد.

زر بخش نیاو همکاران ( Zarbakhshnia et al ,2019)، یک مدل لجستیک روبه‌جلو و معکوس برای لوازم‌خانگی ارائه کرد که هر دو جنبه اقتصادی و زیست‌محیطی را در نظر می­گیرد. يو وهمكاران (Yu et al ,2020)، یک مدل برنامه­ریزی خطی عدد صحیح مختلط تصادفی جدید را برای کاهش در معرض خطر جمعیت قرار گرفتن و حفظ کارایی حمل‌ونقل پرهزینه و تصفیه زباله­های خطرناک پیشنهاد کرد.

همایونی و پیشوایی ( Homayouni and Pishvaee,2020)، شبکه جمع­آوری و دفع زباله­های بیمارستانی را در شرایط عدم اطمینان طراحی کردند که در تحقیقشان هدف به حداقل رساندن هزینه کل حمل­و­نقل و هزینه­های عملیات و ریسک کل حمل­و­نقل و عملیات بود.

یا نیک و همکاران (Jaunich et al ,2020) چارچوبی جامع برای تجزیه‌وتحلیل سیستم‌های مدیریت ضایعات الکترونیکی و شبکه زنجیره تأمین آن‌ها تحت دو سناریو فروش مجدد و بازیافت بر اساس هزینه انرژی، دستمزد کارکنان و هزینه‌های توسعه تسهیلات ارائه کرد.

در محاسبه کل اثرات زیست‌محیطی، محققان م‍‍وذني و همكاران (Moazzeni et al ,2022) از داده‌های مطالعات تجزیه‌وتحلیل چرخه حیات موجود استفاده می‌کنند، اما برخی اطلاعات کلیدی، مانند نیازهای انرژی در مرحله بازسازی، وجود ندارد. از مدل و به‌جای آن از برآوردهای موقت استفاده می‌شود.

 لی‌ و همکاران (Lee et al,2022) یک مدل مکان - تخصیص برای تعیین تعداد و مکان کارخانه­های دفع زباله در چین ایجاد کردند. درحالی­که پری را و همکاران (Pereira Bautista ,2019) بر انتخاب مکان نقاط جمع­آوری زباله شهری در بارسلون تمرکز کردند. کنان و همکاران (Kanan et al ,2010) توسعه یک مدل الگوریتم ژنتیک (GA) را برای بازیافت باتری­های مصرف‌شده ارائه کرد.

غریبی و عبدالله زاده (Gharibi and Abdollahzadeh,2021) یک مدل برنامه­ریزی خطی عدد صحیح مختلط (MILP) را برای به حداکثر رساندن سود شبکه لجستیک معکوس توسعه دادند و موردی از بازسازی تلفن­های همراه و دوربین­های دیجیتال ارائه کردند.

یک مدل MILP جدید برای به حداقل رساندن هزینه‌های کل و خطر جمعیت برای طراحی شبکه مدیریت زباله‌های پزشکی در طول شیوع کووید-19 توسط گویندان و همکارانش (Govindan et al,2021) فرموله شد. آن‌ها یک رویکرد برنامه­ریزی هدف فازی را برای حل مدل دوهدفه خود به کار گرفتند.

برای طراحی یک زنجیره تأمین معکوس برای مدیریت پسماندهای پزشکی، یک مدل MILP توسط کارگر و همکاران (Karegar et al ,2020) فرموله شد. هدف از مدل آن‌ها به حداقل رساندن کل هزینه­ها، انتخاب بهترین فناوری تصفیه و به حداقل رساندن کل زباله­های پزشکی ذخیره‌شده بود. آن‌ها یک رویکرد برنامه­ریزی هدف فازی را برای حل مدل چند هدفه خود به کار گرفتند. اوتانی و همکاران (Ottoniet al,2020) بهترین گزینه مدیریت زباله الکترونیکی (E-WM) را که با استفاده از این معیارها و شاخص‌ها تعیین می‌شود، تعیین کرد. زباله­های الکترونیکی (e-waste) یا (WEEE) یک مقوله حیاتی در مدیریت پسماند است. یافته‌ها جایگزینی برای تحلیل دقیق‌تر برای طراحی شبکه شهری پایدار، مانند تولید ناخالص داخلی (GDP) و شاخص توسعه انسانی شهری، پیشنهاد می‌کنند.

هاشمی (Hashemi ,2021)، یک مدل برنامه­ریزی ریاضی فازی [FUM] را توضیح داد. توابع هدف این مدل شامل به حداقل رساندن مجموع نسبت تقاضای برآورده نشده مشتریان به‌کل تقاضای آن‌ها در طول زمان، برای پوشش تمام جنبه‌های هزینه­های این سیستم، مانند ساخت تأسیسات، خرید سوخت و ایجاد آسیب زیست محیطی از طریق انتشار گازهای گلخانه­ای است. گازهای آلاینده افزایش زباله­های الکترونیکی همچنین علاقه محققان را به سمت کاهش مصرف کربن و انتشار گازهای گلخانه­ای سوق داده است که می­تواند به کاهش گرمایش جهانی کمک کند (Xiao et al, 2019). انتشار کربن از حمل‌ونقل حدود 25 درصد از کل انتشار دی‌اکسید کربن را تشکیل می­دهد (2016 Nanaki et al,). هنگام در­نظر گرفتن نیاز به استفاده مجدد، بازیافت و عملیات بازیافت، باید دیدگاه اجتماعی را نیز در زمینه ایجاد شغل در نظر گرفت. با این حال، نرخ بیکاری در سطح جهانی 5 درصد بود که می­تواند در آینده به دلیل افزایش تعداد مشاغل ایجادشده در سراسر جهان کاهش یابد (Kühn, 2019). این نشان می­دهد که افزایش اجرای عملیات استفاده مجدد، بازیافت و بازیابی نه تنها حفظ منابع را بهبود می­بخشد، بلکه منجر به افزایش اشتغال­زایی و کاهش نرخ بیکاری می­شود. 

جدول 1: بررسی ادبیات برای طراحی شبکه لجستیک معکوس

تسهیلات و مطالعه موردی

موضوع

نویسنده

تک کالایی و چند سطحی

الگوریتم شبیه‌سازی تبرید

طراحی شبکه لجستیک معکوس

پیشوایی و همکاران (Pishvaee et al 2010)

زنجیره عرضه مستقیم و معکوس

طراحی شبکه لجستیک معکوس

آل سید و همکاران (El-Sayed ,2008)

مدل حلقه بسته چند محصولی و چند دوره‌ای را برای صنعت بازیافت باتری خودرو حل با الگوریتم ژنتیک

طراحی شبکه لجستیک معکوس

کانان و همکاران(Kannan et al 2010)

لجستیک معکوس چندهدفه، چند محصولی، چند دوره­ای

طراحی شبکه لجستیک معکوس

فونسکا و همکاران(Foneska et al 2010)

زنجیره عرضه مستقیم چندمحصولی

ویژگی این مدل یکسان نبودن مساحت مکان­های بالقوه استقرار

کاهش اثرات زیست­محیطی

عبدالله و همکاران (Abdollah et al 2011) 

مدل MIP در جهت کاهش هزینه‌های زیست‌محیطی

کاهش اثرات زیست­محیطی

فان ونگ و همکاران (Fan wang et al 2011)

مکان­یابی مرکز توزیع یک مدل چندهدفه حداکثر سازی سود و حداقل سازی میزان انتشار کربن ناشی از حمل‌ونقل

کاهش اثرات زیست­محیطی

لی و همکاران (Lee et al 2008)

مدل MIP برای ضایعات شهری در هنگ کنگ

مدیریت ضایعات شهری

لی و همکاران (2016)

مدلی برای مراکز جمع‌آوری ضایعات جامد شهری

هدف در جهت حداکثر سازی مقدار جمع‌آوری ضایعات

مدیریت ضایعات شهری

سان و همکاران (sun et al 2016)

مدلی برای مدیریت ضایعات

تابع هدف کمینه کردن هزینه­های جمع‌آوری و حمل‌ونقل سیستم ضایعات

مدیریت ضایعات شهری

) Das et al 2015) داس و همکاران

هدف حداکثر کردن سود از طریق کاهش هزینه‌های حمل‌ونقل و فروش مواد قابل بازیافت در برزیل

مدیریت ضایعات شهری

گیوان لوپز فری و همکاران (Giovan Lopez Ferri et al,2015)

 

پس از تجزیه‌وتحلیل ادبیات موجود مرتبط با لجستیک معکوس مدیریت پسماند، مدل پیشنهادی از لجستیک معکوس و مدیریت پسماند برای کاهش اثرات زیست محیطی استفاده کرده است. در مدل پیشنهادی، محصولاتی که در پایان عمر خود هستند یا محصولاتی که دیگر قابل استفاده نیستند جمع‌آوری‌شده و به چرخه عمر خود بازگردانده می­شوند و یا قطعات آن‌ها مجددا استفاده می­شوند. اگر قابل استفاده نباشند، با خیال راحت از بین می­روند تا کمترین تأثیر را بر محیط‌زیست داشته باشند.

در نهایت در مدل ارائه‌شده کاهش هزینه­ها در هر یک از تسهیلات (برای فعالیت‌های مختلف ازجمله حمل‌ونقل، محیط‌زیست، ساخت تسهیلات، گارانتی وعملیات) هدف اصلی بود. با توجه به مطالعات انجام‌شده، مدلی با مفروضات ارائه‌شده وجود ندارد که کل شبکه لجستیک معکوس و هزینه­های زیست‌محیطی را به طور هم‌زمان کاهش دهد؛ بنابراین، در این تحقیق هزینه­های زیست محیطی با شبکه لجستیک معکوس باهم در نظر گرفته‌شده و مدل با استفاده از مثال­های عددی حل‌شده است.

 

3- روش‌شناسی پژوهش

این بخش شرح دقیق شکل و مفروضات شبکه لجستیک معکوس طراحی‌شده را ارائه می‌دهد. تعریف مسئله طراحی شبکه لجستیک معکوس برای مدیریت زباله الکترونیکی در شکل 1 نشان داده‌شده است.

img0 

شكل 1: طراحی شبکه لجستیک معکوس برای مدیریت ضايعات الکترونیکی

3-1- شبکه موردبررسی در این تحقیق:

1. یک شبکه چند محصولی و یازده سطحی است.

2. موقعیت مرکز جمع‌آوری و مشتریان مشخص است.

3. کیفیت محصولات برگشتی مشخص نمی‌باشد.

4. کیفیت محصولات بازیافت شده و محصولات جدید در یک سطح نمی­باشد.

5. تسهیلات شامل مراکز (جمع­آوری، بازرسی، کنترل، جداسازی و دمونتاژ، احیاء، انبار قطعات سالم (قطعه ساز)، کارخانه تولیدکننده، مشتری، مرکز جمع­آوری قطعات پلاستیکی، مرکز جمع­آوری قطعات فلزی، مرکز جمع­آوری قطعات الکترونیکی و انهدام ایمن) می­باشد.

6. هزینه­های شبکه شامل (هزینه احداث تسهیلات، هزینه حمل‌ونقل بین تسهیلات و هزینه عملیات در هر تسهیلات و هزینه­های اثرات زیست‌محیطی در احداث، پردازش تسهیلات و حمل‌ونقل) می­باشد.

7. هزینه و مقدار انتشار گازCO2 ناشی از حمل‌ونقل و احداث و عملیات در تسهیلات مشخص و قطعی می­باشد.

8. هزینه گارانتی برای محصولات ثابت فرض می­شود.

طراحی شبکه به‌گونه‌ای است که محصولاتی که خراب‌شده‌اند یا در پایان عمر خود قرار دارند و... در مرکز جمع­آوری، گردآوری می­شوند تا ازآنجا به مرکز بازرسی جهت کنترل فرستاده شود. در این مرکز محصولاتی که قابل احیا باشند (تعمیر یا تعویض قطعه­ای دوباره قابل استفاده می­شوند) به مرکز احیا و تعمیر و اگر محصول قابل تعمیر نباشد و تنها قطعاتی از آن قابل استفاده باشند، به مرکز جداسازی ودمونتاژ فرستاده می­شود. اگر قطعات اصلاً قابل استفاده نباشد، به مرکز انهدام ایمن برای منهدم­کردن فرستاده می­شود. در قسمت جداسازی و دمونتاژ قطعات قابل استفاده جدا شده و به مراکز قطعات الکترونیکی و قطعات فلزی و قطعات پلاستیکی فرستاده می‌شود. سپس به مرکز کارخانه میرود وسپس به مرکز کارخانه فرستاده می‌شود تا این مرکز با استفاده از این قطعات و قطعات ساخته‌شده در مرکز قطعه سالم محصولی در حد کیفیت محصول اولیه تولید کند. اگر هم قطعات قابل استفاده نباشند باز هم برای منهدم کردن به مرکز انهدام ایمن فرستاده می‌شوند. و مراکز مشتری هم همیشه برای خرید محصولات متقاضی هستند.

img0 

شکل 2: شکل شبکه تحقیق

جدول 2: مجموعه­ها

جدول 3: اندیس­ها

I

مجموعه تمام نقاط مراکز انبار جمع­آوری محصول

I ϵ I

J

مجموعه تمام نقاط بازرسی و کنترل

j ϵ J

K

مجموعه تمام نقاط جداسازی و دمونتاژ

k ϵ K

L

مجموعه تمام نقاط احیا و تعمیر

l ϵ L

P

مجموعه تمام نقاط قطعات پلاستیکی

p

M

مجموعه تمام نقاط قطعات فلزی

m ϵ M

E

مجموعه تمام نقاط قطعات الکترونیکی

e

N

مجموعه تمام نقاط انهدام ایمن

n ϵ N

F

مجموعه تمام نقاط کارخانه

f

O

مجموعه تمام نقاط انبار قطعات سالم

o ϵ O

Y

مجموعه تمام نقاط مراکز مشتری

y ϵ Y

H

مجموعه تمام محصولات

p ϵ P

S

مجموعه تمام قطعات

s ϵ S

جدول 4: پارامترها

I

اندیس مرکز انبار محصول جمع‌آوری‌شده

I ϵ I

J

اندیس مرکز بازرسی و کنترل

j ϵ J

K

اندیس مرکز جداسازی و مونتاژ

k ϵ K

L

اندیس مرکز احیا و تعمیر

l ϵ L

P

اندیس قطعات پلاستیکی

p

M

اندیس قطعات فلزی

m ϵ M

E

اندیس قطعات الکترونیکی

e

N

اندیس مرکز انهدام ایمن

n ϵ N

F

اندیس کارخانه

f

O

اندیس قطعات سالم

o ϵ O

Y

اندیس مشتری

y ϵ Y

H

اندیس محصول

p ϵ P

S

اندیس قطعه

s ϵ S

PP

اندیس قطعات پلاستیکی

pp ϵPP

Mp

اندیس قطعات فلزی

mpϵMP

EP

اندیس قطعات الکترونیکی

epϵEP

 

جدول 5: متغیرهاي تصميم

هزینه ثابت احداث مرکز جمع‌آوری

 

هزینه ثابت احداث مرکز بازرسی

 

هزینه ثابت احداث مرکز جداسازی و دمونتاژ

 

هزینه ثابت احداث مرکز احیا

 

هزینه ثابت احداث مرکز جمع‌آوری قطعات پلاستیکی

 

هزینه ثابت احداث مرکز جمع‌آوری قطعات فلزی

 

هزینه ثابت احداث مرکز جمع‌آوری قطعات الکترونیکی

 

هزینه ثابت احداث مرکز انهدام ايمن

 

هزینه ثابت احداث مرکز کارخانه تولید کننده

 

هزینه ثابت احداث مرکز انبار قطعات سالم

 

هزینه ثابت احداث مرکز مشتری

 

هزینه گارانتی محصول

 

حداکثر میزان دریافت در مرکز جمع‌آوری

 

حداکثر میزان دریافت در مرکز بازرسی و کنترل

 

حداکثر میزان دریافت در مرکز جداسازی و دمونتاژ

 

حداکثر میزان دریافت در مرکز احیا و تعمیر

 

حداکثر میزان دریافت در مرکز قطعات پلاستیکی

 

حداکثر میزان دریافت در مرکز قطعات فلزی

 

حداکثر میزان دریافت در مرکز قطعات الکترونیکی

 

حداکثر میزان دریافت در مرکز انهدام ایمن

 

حداکثر میزان دریافت در مرکز کارخانه

 

حداکثر میزان دریافت در مرکز قطعات سالم

 

حداکثر میزان دریافت در مرکز مشتری

 

کلیه هزینه‌های عملیات در واحد جمع‌آوری

 

کلیه هزینه‌های عملیات در واحد بازرسی و کنترل

 

کلیه هزینه‌های عملیات در واحد جداسازی و دمونتاژ

 

کلیه هزینه‌های عملیات در واحد احیا و تعمیر

 

کلیه هزینه‌های عملیات در واحد قطعات پلاستیکی

 

کلیه هزینه‌های عملیات در واحد قطعات فلزی

 

کلیه هزینه‌های عملیات در واحد قطعات الکترونیکی

 

کلیه هزینه‌های عملیات در واحد انهدام ایمن

 

کلیه هزینه‌های عملیات در واحد کارخانه

 

کلیه هزینه‌های عملیات در واحد انبار قطعات سالم

 

کلیه هزینه‌های عملیات در واحد مشتری

 

قيمت محصول تعمير شده

 

قيمت محصول تولیدشده

 

درصدی از محصول که قابل احیاست

 

درصد محصول قابل استفاده

 

درصد محصول غيرقابل استفاده

 

درصد قطعات قابل استفاده

 

درصد قطعات غيرقابل استفاده

 

مقدار محصولات بازگشتي

 

مقدار مجاز انتشار CO2 در شبکه لجستیک معکوس

 

هزینه ثابت انتشار بیش از حد مجاز CO2 برحسب ریال به ازای هر تن انتشار

 

فاکتور انتشار CO2 در حمل‌ونقل بر حسب تن بر مایل

E

فاصله بین واحد جمع‌آوری i و واحد بازرسی j

 

فاصله بین واحد بازرسی j و واحد انهدام ایمن n

 

فاصله بین واحد بازرسی j و واحد احیا و تعمیر l

 

فاصله بین واحد بازرسی j و واحد جداسازی و دمونتاژ k

 

فاصله بین واحد جداسازی k و واحد انهدام ایمن n

 

فاصله بین واحد جداسازی و دمونتاژ k و واحد قطعات پلاستیکی p

 

فاصله بین واحد جداسازی و دمونتاژ k و واحد قطعات فلزی m

 

فاصله بین واحد جداسازی و دمونتاژ k و واحد قطعات الکترونیکی e

 

فاصله بین واحد قطعات پلاستیکی p و واحد کارخانه f

 

فاصله بین واحد قطعات فلزی m و واحد کارخانه f

 

فاصله بین واحد قطعات الکترونیکی e و واحد کارخانه f

 

فاصله بين واحد قطعات جديد O و كارخانه f

 

فاصله بین واحد کارخانه f و واحد مشتری y

 

فاصله بین واحد احیا و تعمیر l و واحد مشتری y

 

هزینه حمل هر واحد محصول از مرکز جمع‌آوری به مرکز بازرسی و کنترل

 

هزینه حمل یک واحد محصول h از واحد بازرسی j به مرکز احیا و تعمیر l

 

هزینه حمل هر واحد محصول h از واحد بازرسی و کنترل j به مرکز جداسازی k

 

هزینه حمل هر واحد قطعه s از مرکز جداسازی k به مرکز انهدام ایمن n

 

هزینه حمل هر واحد محصول از مرکز جمع‌آوری به مرکز انهدام ایمن

 

هزینه حمل هر واحد قطعه s از مرکز جداسازی k به مرکز قطعات پلاستیکی p

 

هزینه حمل هر واحد محصول h از واحد احیا و تعمیر l به مرکز مشتری y

 

هزینه حمل هر واحد قطعه s از مرکز قطعات پلاستیکی p به مرکز کارخانه f

 

هزینه حمل هر واحد قطعه s از مرکز قطعات فلزی m به مرکز کارخانه f

 

هزینه حمل هر واحد قطعه s از مرکز قطعات الکترونیکی e به مرکز کارخانه f

 

هزینه حمل هر واحد قطعه s از مرکز کارخانه f به مرکز مشتری y

 

هزینه حمل هر واحد قطعه s از واحد جداسازی k به واحد قطعات فلزی m

 

هزینه حمل هر واحد قطعه s از مرکز جداسازی k به مرکز قطعات الکترونیکی e

 

هزینه حمل هر واحد قطعه s از مرکز قطعات سالم o به مرکز کارخانه f

 

درصدی از محصول h که قطعات آن قابل استفا ده است

 

مقدار تقاضای واحد مشتری y از محصول h

 

محصولاتی که در آن‌ها قطعه S به‌کاررفته است

 

حد پایین پنجره زمانی برای جمع‌آوری محصول در مرکز جمع‌آوری i

 

حد بالای پنجره زمانی برای جمع‌آوری محصول در مرکز جمع‌آوری i

 

 

جدول 6: متغیرهای باینری

 

مقدار محصول h که از مرکز I به مرکز J فرستاده می‌شود.

 

مقدار محصول h که از مرکز بازرسی j به مرکز احیا و تعمیر l فرستاده می­شود.

 

مقدار محصول h که از مرکز بازرسی j به مرکز انهدام ایمن n فرستاده می­شود.

 

مقدار محصول h که از مرکز بازرسی و کنترل j به مرکز جداسازی و دمونتاژ k فرستاده می­شود

 

مقدار قطعه s که از مرکز جداسازی و دمونتاژ k به مرکز انهدام ایمن n فرستاده می­شود

 

مقدار قطعه s که از مرکز جداسازی و دمونتاژ k به مرکز قطعات پلاستیکی p فرستاده می­شود

 

مقدار قطعه s که از مرکز جداسازی و دمونتاژ k به مرکز قطعات فلزی m فرستاده می­شود.

 

مقدار قطعه s که از مرکز جداسازی و دمونتاژ k به مرکز قطعات الکترونیکی e فرستاده می‌شود

 

مقدار قطعه s که از مرکز قطعات پلاستیکی p به مرکز کارخانه f فرستاده می­شود

 

مقدار قطعه s که از مرکز قطعات فلزی m به مرکز کارخانه f فرستاده می‌شود

 

مقدار قطعه s که از مرکز قطعات الکترونیکی e به مرکز کارخانه f فرستاده می­شود

 

مقدار قطعه s که از مرکز قطعات سالم o به مرکز کارخانه f فرستاده می­شود

 

مقدار محصول h که از مرکز کارخانه f به مرکز مشتری y فرستاده می­شود

 

مقدار محصول سالم h که از مرکز احیا و تعمیر l به مرکز مشتری y فرستاده می­شود

 

مقدار CO2 منتشرشده از حمل‌ونقل محصولات در شبکه

 

مقدار CO2 منتشرشده از قطعات در شبکه

 

مقدار منتشرشده CO2 در شبکه لجستیک معکوس

 

تعداد قطعات pp که از مرکز قطعات جدید به کارخانه فرستاده می­شود

 

تعداد قطعات mp که از مرکز قطعات جدید به کارخانه فرستاده می­شود

 

تعداد قطعات ep که از مرکز قطعات جدید به کارخانه فرستاده می­شود

 

تعداد نقاط فلزی در مرکز جداسازی

 

تعداد نقاط الکترونیکی در مرکز جداسازی

 

تعداد نقاط پلاستیکی در مرکز جداسازی

 

زمان جمع‌آوری محصولات برگشتی در مرکز جمع‌آوری i

 

2-3- تابع هدف

همان‌طور كه قبلاً نيز اشاره شد، در اين تحقيق قصد داريم مدلي براي طراحي شبكه لجستيك معكوس ارائه دهیم، به­طوري­كه هزینه‌های شبکه حداقل شود. بنابراين، با توجه به كمينه‌سازي هزينه‌ها مدلي بايد ارائه شود كه هم‌زمان هزينه‌هاي احداث تسهيلات، هزينه‌هاي حمل‌ونقل محصولات و قطعات بين تسهيلات، هزینه عملیات در تسهیلات و هزینه­های حاصل از انتشار گاز CO2 را كمينه كند. با توجه به تعاريف متغيرها و پارامترها و همچنين نكات بالا، تابع هدف مدل كه شامل حداقل سازی موارد زیر می­باشد:

1.       هزینه احداث تسهیلات

2.       هزینه­های حمل‌ونقل قطعات و محصولات بین تسهیلات

3.       هزینه عملیات در هر یک از تسهیلات

4.       هزینه‌های اثرات زیست‌محیطی در احداث، پردازش تسهیلات و حمل‌ونقل

5.       هزینه گارانتی

تابع هدف به صورت زیر مشخص می­شود:

 

3-3- محدودیت­ها

3-3-1- محدودیت ظرفیت

این محدودیت بیان می­کند که مقدار کالای برگشتی از مرکز ارسال به گیرنده باید کمتر از ظرفیت مرکز دریافت­کننده باشد.

محدودیت (1) بیان می­کند که مقدار محصول برگشتی از واحد جمع­آوری به واحد بازرسی و کنترل باید کوچکتر مساوی ظرفیت مرکز بازرسی و کنترل باشد.

 

: اگر مرکز کنترل و بازرسی در نقطه j احداث شود: 1

در غیر این صورت: 0

 

اگر مرکز جداسازی و دمونتاژ در نقطه k احداث شود: 1

در غیر این صورت: 0

 

اگر مرکز احیا و تعمیر در نقطه l احداث شود.: 1

در غیر این صورت: 0

 

اگر در نقطه o انبار قطعات سالم احداث شود.: 1

در غیر این صورت: 0

 

اگر مرکز جمع‌آوری قطعات پلاستیکی در نقطه m احداث شود.: 1

در غیر این صورت: 0

 

گر مرکز کارخانه در نقطه f احداث شود: 1

در غیر این صورت: 0

 

اگر مرکز انهدام ایمن در نقطه n احداث شود.: 1

در غیر این صورت: 0

 

اگر مرکز جمع‌آوری قطعات پلاستیکی در نقطه m احداث شود.: 1

در غیر این صورت: 0

 

اگر مرکز جمع‌آوری قطعات الکترونیکی در نقطه e احداث شود: 1

در غیر این صورت: 0

 

2-3-3- محدودیت توازن ورودی و خروجی به هر مرکز

محدودیت توازن ورودی و خروجی در رابطه (10) نشان می­دهد که مقدار محصولی که از مرکز جمع­آوری به مرکز کنترل ارسال می شود باید برابر با مقدار محصول برگشتی باشد.

 

(1)

 

(2)

 

(3)

 

(4)

 

(5)

 

(6)

 

(7)

 

(8)

 

(9)

3-3-3- محدودیت انتشار CO2 ناشی از حمل‌ونقل محصولات

 

4-3-3- محدودیت انتشار CO2 ناشی از حمل‌ونقل قطعات:

 

5-3-3- محدودیت انتشار گاز CO2 در کل شبکه:

 

6-3-3- محدودیت‌های نامنفی بودن متغیرها:

,,,,,,,,,,

7-3-3- محدودیت‌های صفر و یک:

                                                                                             

      

                               

                                

                                               

 

4- تجزیه‌وتحلیل داده‌ها

در این تحقیق یک مثال عددی برای ارزیابی دقت مدل و حل آن ارائه‌شده است. مدل با ارائه دو محصول وسه قطعه حل‌شده است. تمامی پارامترها به عنوان داده­های عددی وارد مدل شده اند.

جدول 7: مجموعه نقاط مراکز

 

(10)

 

(11)

 

(12)

 

(13)

 

(14)

 

(15)

 

(16)

 

(17)

 

(18)

 

(19)

 

(20)

 

(21)

مراکز

نام اندیس

I1,I2,I3

مجموعه نقاط مراکز جمع‌آوری

J1, J2

مجموعه نقاط مراکز بازرسی و کنترل

K1, K2, K3

مجموعه نقاط مراکز جداسازی و دمونتاژ

L1,L2

مجموعه نقاط مراکز احیا و تعمیر

P1,P2

مجموعه نقاط مراکز قطعات پلاستیکی

M1,M2

مجموعه نقاط مراکز قطعات فلزی

E1,E2

مجموعه نقاط مراکز قطعات الکترونیکی

N1,N2

مجموعه نقاط مراکز انهدام ایمن

F1,F2,F3

مجموعه نقاط مراکز کارخانه

O1, O2,O3

مجموعه نقاط انبار قطعات سالم

Y1,Y2

مجموعه نقاط مراکز مشتری

H1 H2

مجموعه تمام محصولات

S1 ,S2  ,S3

مجموعه تمام قطعات

 

جدول 8: هزینه ثابت احداث مراکز

هزینه احداث

نام مرکز

I1=10×107, I2=90×106 , I3=75×106

مرکز جمع‌آوری

J1=20×106  ,J2=180×106

بازرسی و کنترل

K1=120×106  ,K2=100×106  ,K3=90×106

جداسازی و مونتاژ

L1=80×106  ,L2=90×106

احیا و تعمیر

P1=30×106 , P2=40×106

قطعات پلاستیکی

M1=70000000 ,M2=65×106

قطعات فلزی

E1=60×106 , E2=70×106

قطعات الکترونیکی

N1=10×106  ,N2=80×106

انهدام ایمن

F1=130×106 , F2=220×106 , F3=250×106

کارخانه

O1=230×106  ,O2=220×106  ,O3=250×106

انبار قطعات سالم

Y1=70×106  ,Y2=60×106

مشتری

 

1-4- نتایج بهینه­سازی شبکه

داده­های فوق به عنوان ورودی وارد نرم افزار GAMS شده و مقادیر در نظر گرفته‌شده از متغیرها به دست آمده است. به عنوان مثال، جدول پاسخ (نتیجه) به صورت جدول 9 ارائه می­شود.

 

جدول 9: مقدار محصولاتی که از مرکز جمع‌آوری به مرکز کنترل ارسال می­شود

X(i,j,h)

i1.j1.h1

i1.j1.h2

i1.j2.h1

i1.j2.h2

i2.j1.h1

i2.j1.h2

i2.j2.h1

i2.j2.h2

i3.j1.h1

i3.j1.h2

i3.j2.h1

i3.j2.h2

 

0

0

0

0

0

0

130

220

170

60

0

0

 

 

جدول 10 : مقادیر به دست آمده برای متغیر

Amount

 

1

J1

1

J2

 

این جدول نشان می­دهد که مراکز کنترل J1 و J2 باید در هر دو نقطه ایجاد شود.

جدول 11: مقدارCO2  منتشرشده از محصولات در شبکه

1,128,045

CO1

10,342,040

CO2

 

جدول 12: مقدار تابع هدف

2.426×1011

تابع هدف

جدول 13: مقدار تابع هدف

زمان جمع‌آوری محصولات برگشتی در مرکز جمع‌آوری i

1

 

2-4- آنالیز حساسیت

تجزیه‌وتحلیل حساسیت بر روی برخی از پارامترهای اصلی مورد استفاده در مدل پیشنهادی برای طراحی شبکه لجستیک معکوس با تغییر مقادیر پارامترها با مقدار معین انجام می‌شود. تغییرات هزینه‌هایی که در تحلیل حساسیت در نظر گرفته می شوند و همچنين تأثیر آن تغییر بر مقدار تابع هدف در جدول 14 نشان داده‌شده است.

جدول 14 تجزیه‌وتحلیل حساسیت پارامترهای کلیدی

 

Parameter

Percentage change

Objective Function

هزينه احداث مركز انهدام ايمن

20%

4.69×1011

-20%

4.696×1011

40%

4.697×1011

-40%

4.696×1011

هزینه عملیات در مرکز کنترل

20%

4.696×1011

-20%

4.696*1011

40%

4.696×1011

-40%

4.696×1011

هزینه انتشار مجاز CO2

20%

5.558×1011

-20%

3.834×1011

40%

6.421×1011

-40%

2.972×1011

 

 

در شکل  3، تجزیه‌وتحلیل حساسیت هزینه انتشار مجاز پارامتر تغییر CO2 در قالب یک نمودار ارائه‌شده است.

 

 

شکل.3: تغییر تابع هدف با هزینه انتشار مجاز تغییر CO2

پس از حل مدل و به دست آوردن مقدار بهینه، برای راستی آزمایی و مشخص شدن اعتبارسنجی مدل، مدل با دو داده متفاوت نیز حل شد.

4-2-1- داده­های ورودی

در حالت اول، تعداد تسهیلات (مانند تعداد مراکز کارخانه، مراکز قطعات جدید) تغییر کرده و بر اساس آن مدل حل شد. نتایج بهینه شبکه در جداول 15 و 16 نشان داده‌شده است:

جدول.15: مقدار بهینه تابع هدف در دیتای ورودی اول

Objective Function

2.29×1014

 

جدول.16:میزان انتشار CO2 در شبکه لجستیک معکوس برای محصولات

1,106,780

CO1

1,056,018

CO2

 

در حالت دوم، تعداد تسهیلات و مقدار قطعات دریافتی و هزینه­ها را تغییر می­دهیم و سپس مدل را مجدد حل کردیم و نتایج در جداول 17 و 18 نشان داده‌شده است.

جدول 17: نتیجه بهینه شبکه در مورد دوم

Objective Function

4.199 ×1014

 

جدول.18: میزان انتشار CO2 در شبکه لجستیک معکوس برای محصول

25,900

CO1

1,745,500

CO2

 

5- بحث و نتیجه‌گیری

در این تحقیق، یک مدل برنامه­ریزی خطی عدد صحیح مختلط برای یک شبکه لجستیک معکوس برای محصولات برگشتی ارائه‌شده است. مدل پیشنهادی شامل یازده سطح، شبکه چندمحصولي و چندبخشی شامل مراکز جمع‌آوری، بازرسی و نگهداری، جداسازی و جداسازی قطعات، مرکز قطعات پلاستیکی، قطعات فلزی و قطعات الکترونیکی، مرکز قطعات جدید و کارخانه تولید، مرکز مشتریان و مرکز تخریب. این مدل به دنبال به حداقل رساندن هزینه‌های کل سیستم است. این هزینه­ها شامل هزینه­های حمل‌ونقل محصولات و قطعات، هزینه تأسیسات ساختمانی، هزینه اثرات زیست‌محیطی و 

 

هزینه گارانتی می باشد. این مدل محصولاتی را جمع­آوری می‌کند که در پایان عمر هستند یا قابل استفاده نیستند و یا محصولاتی که می­توان از قطعات آن‌ها استفاده کرد به کاهش اثرات زیست محیطی کمک می­کند. علاوه بر این، محصول بازتولید شده در شبکه لجستیک معکوس می­تواند با قیمت کمتری به دست مشتریان برسد که برای سود تولید نیز مهم است. مدل پیشنهادی توسط نرم افزار GAMS حل شد و نتایج با چند مثال عددی ارائه شد. با تغییر امکانات، مقادیر ظرفیت و غیره نتایج قابل قبولی به دست آمد. تعداد محصولات و قطعات فلزی پلاستیکی الکترونیکی که از هر مرکز به مرکز دیگر ارسال می­شود، میزان هر قطعه و محصول و ساخت یا عدم ساخت هاری امکانات پک به دست آمد.

 این مدل کاربردی است و می­تواند صنایعی را که تولیدات آن‌ها در پایان عمرشان است، پشتیبانی کند. مزیت این روش این است که سازمان‌های تولیدی می‌توانند لجستیک معکوس را در سازمان خود ایجاد کنند و طراحی شبکه‌ای مانند تحقیقات هزینه‌های آن‌ها را به شدت کاهش می‌دهد. همچنین با کمک نرم افزار مذکور می­توانند پس از مدل‌سازی عددی تمامی تغییرات را در دست داشته باشند.

تعارض منافع

هیچ‌گونه تعارض منافع توسط نویسندگان بیان نشده است.

References:

-       Abu-Qdais, H. M. Al-Ghazo, and E. Al-Ghazo, Statistical analysis and characteristics of hospital medical waste under novel Coronavirus outbreak. Global Journal of Environmental Science and Management, 2020. 6(Special Issue (Covid-19)): p. 21-30. https://doi.org/10.22034/GJESM.2019.06.SI.03

-       Abdallah, T., A. Diabat, and D. Simchi-Levi. A carbon sensitive supply chain network problem with green procurement. in The 40th International Conference on Computers & Indutrial Engineering. 2010. IEEE

-       Bautista, J. and J. Pereira, Modeling the problem of locating collection areas for urban waste management. An application to the metropolitan area of Barcelona. Omega, 2006. 34(6): p. 617-629. https://doi.org/10.1016/j.omega.2005.01.013

-       Das, S. and B.K. Bhattacharyya, Optimization of municipal solid waste collection and transportation routes. Waste Management, 2015. 43: p. 9-18. https://doi.org/10.1016/j.wasman.2015.06.033

-       Gharibi, K. and S. Abdollahzadeh, A mixed-integer linear programming approach for circular economy-led closed-loop supply chains in green reverse logistics network design under uncertainty. Journal of Enterprise Information Management, 2021. https://doi.org/10.1108/JEIM-11-2020-0472

-       Govindan, K. et al. Fuzzy multi-objective approach for optimal selection of suppliers and transportation decisions in an eco-efficient closed loop supply chain network. Journal of Cleaner Production, 2017. 165: p. 1598-1619. https://doi.org/10.1016/j.jclepro.2017.06.180

-       Govindan, K. et al. Medical waste management during coronavirus disease 2019 (COVID-19) outbreak: A mathematical programming model. Computers & Industrial Engineering, 2021. 162: p. 107668. https://doi.org/10.1016/j.cie.2021.107668

-       Hashemi, S.E. A fuzzy multi-objective optimization model for a sustainable reverse logistics network design of municipal waste-collecting considering the reduction of emissions. Journal of Cleaner Production, 2021. 318: p. 128577. https://doi.org/10.1016/j.jclepro.2021.128577

-       Homayouni, Z. and M.S. Pishvaee, A bi-objective robust optimization model for hazardous hospital waste collection and disposal network design problem. Journal of Material Cycles and Waste Management, 2020. 22: p. 1965-1984 https://doi.org/10.1007/s10163-020-01081-8

-       Jaunich, M.K. et al. Life-cycle modeling framework for electronic waste recovery and recycling processes. Resources, Conservation and Recycling, 2020. 161: p. 104841 https://doi.org/10.1016/j.resconrec.2020.104841

-       Kargar, S. M. Pourmehdi, and M.M. Paydar, Reverse logistics network design for medical waste management in the epidemic outbreak of the novel coronavirus (COVID-19). Science of the Total Environment, 2020. 746: p. 141183. https://doi.org/10.1016/j.scitotenv.2020.141183

-       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

-       Kilic, H.S. U. Cebeci, and M.B. Ayhan, Reverse logistics system design for the waste of electrical and electronic equipment (WEEE) in Turkey. Resources, Conservation and Recycling, 2015. 95: p. 120-132. https://doi.org/10.1016/j.resconrec.2014.12.010

-       Lee, C. et al. A mathematical model for municipal solid waste management–A case study in Hong Kong. Waste management, 2016. 58: p. 430-441 https://doi.org/10.1016/j.wasman.2016.06.017

-       Li, G. J. Liu, and A. Giordano, Robust optimization of construction waste disposal facility location considering uncertain factors. Journal of Cleaner Production, 2022. 353: p. 131455 https://doi.org/10.1016/j.jclepro.2022.131455.

-       Nanaki, E.A. C.J. Koroneos, and G.A. Xydis, Environmental impact assessment of electricity production from lignite. Environmental Progress & Sustainable Energy, 2016. 35(6): p. 1868-1875 https://doi.org/10.1002/ep.12427.

-       Ottoni, M. P. Dias, and L.H. Xavier, A circular approach to the e-waste valorization through urban mining in Rio de Janeiro, Brazil. Journal of Cleaner Production, 2020. 261: p. 120990 https://doi.org/10.1016/j.jclepro.2020.120990

-       Pishvaee, M.S., J. Razmi, and S.A. Torabi, Robust possibilistic programming for socially responsible supply chain network design: A new approach. Fuzzy sets and systems, 2012. 206: p. 1-20. https://doi.org/10.1016/j.fss.2012.04.010

-       Yu, H., et al., A stochastic network design problem for hazardous waste management. Journal of cleaner production, 2020. 277: p. 123566 https://doi.org/10.1016/j.jclepro.2020.123566

-       Xiao, Z., et al., Location-allocation problem of reverse logistics for end-of-life vehicles based on the measurement of carbon emissions. Computers & Industrial Engineering, 2019. 127: p. 169-181. https://doi.org/10.1016/j.cie.2018.12.012

-       Zarbakhshnia, N., et al., A novel multi-objective model for green forward and reverse logistics network design. Journal of cleaner production, 2019. 208: p. 1304-1316.) https://doi.org/10.1016/j.jclepro.2018.10.138(.

 

COPYRIGHTS

© 2023 by the authors. Licensee Advances in Modern Management Engineering Journal. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution 4.0 International (CC BY 4.0) (http://creativecommons.org/licenses/by/4.0/).

 

img0 

 

[1] . Department of Industrial Management, South Tehran Branch, Islamic Azad University, Tehran, Iran.

[2] . Associate Professor, Department of Industrial Management, South Tehran Branch, Islamic Azad University, Tehran, Iran E-mail: M_Modiri@azad.ac.ir.

[3] . Assistant Professor, Department of Industrial Management, South Tehran Branch, Islamic Azad University, Tehran, Iran

 

[4] 1. گروه مديريت صنعتي ، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

[5] 2. دانشيار گروه مدیریت صنعتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران(نويسنده مسئول)M_modiri@azad.ac.ir

[6] استاديار گروه مدیریت صنعتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

استناد: كاكويي، مهتا؛ مديري، محمود؛ عباسپور اسفدن ، (1402). ارائه یک مدل بهینه¬سازی لجستیک معکوس جهت کاهش اثرات زیست¬محیطی مبتنی بر مدیریت ضایعات. مهندسی مدیریت نوین، 3(10). 171-203.

 

[7]  

[8]  Recycling

[9] Waste Electrical and Electronic Equipment


سکوی نشر دانش

سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1404-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]