سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,098,151
تعداد دریافت فایل اصل مقاله97,205,830
مؤمنی, منصور, زرشکی, نیما. (1400). مدل‌سازی زنجیره تامین حلقه بسته با بکارگیری از سناریوها در مواجهه با عدم قطعیت در کمیت و کیفیت برگشتی‌ها. , 13(1), 105-130. doi: 10.22059/imj.2020.283663.1007616
منصور مؤمنی; نیما زرشکی. "مدل‌سازی زنجیره تامین حلقه بسته با بکارگیری از سناریوها در مواجهه با عدم قطعیت در کمیت و کیفیت برگشتی‌ها". , 13, 1, 1400, 105-130. doi: 10.22059/imj.2020.283663.1007616
مؤمنی, منصور, زرشکی, نیما. (1400). 'مدل‌سازی زنجیره تامین حلقه بسته با بکارگیری از سناریوها در مواجهه با عدم قطعیت در کمیت و کیفیت برگشتی‌ها', , 13(1), pp. 105-130. doi: 10.22059/imj.2020.283663.1007616
مؤمنی, منصور, زرشکی, نیما. مدل‌سازی زنجیره تامین حلقه بسته با بکارگیری از سناریوها در مواجهه با عدم قطعیت در کمیت و کیفیت برگشتی‌ها. , 1400; 13(1): 105-130. doi: 10.22059/imj.2020.283663.1007616

مدل‌سازی زنجیره تامین حلقه بسته با بکارگیری از سناریوها در مواجهه با عدم قطعیت در کمیت و کیفیت برگشتی‌ها

مدیریت صنعتی
دوره 13، شماره 1، 1400، صفحه 105-130    اصل مقاله (1.68 M)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22059/imj.2020.283663.1007616
نویسندگان
منصور مؤمنی* 1؛ نیما زرشکی2
1استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران ، تهران، ایران.
2دانشجوی دکترا، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران .
چکیده
هدف: هدف از این پژوهش ایجاد یک مدل مبتنی بر سناریو برای طراحی و برنامه‌ریزی شبکه زنجیره تامین حلقه بسته در حالتی است که در جریان برگشت شرایط عدم قطعیت در دو بعد کمی و کیفی محصولات به پایان عمر خود رسیده به آن اضافه شده است.
روش: از یک مدل برنامه‌ریزی خطی عدد صحیح مختلط، با تابع هدف بیشینه کردن سود و یک سری سناریو بکارگیری شده، که به صورت یک مدل چند محصوله با چند دوره زمانی و با در نظر گرفتن جریان مواد خام بین موجودیت‌های شبکه بررسی و ارائه شده است. همچنین در مسیر برگشت در دو بعد از مرجوعی ها (مقدار یا تعداد برگشت و کیفیت کالای برگشت داده شده) عدم قطعیت لحاظ شده است. شروع جریان برگشت زنجیره، از مشتریان به مراکز دسته بندی بوده که در واقع منشا عدم قطعیت موجود در مدل نیز همین دو موجودیت هستند.
یافته‌ها: از جمله یافته‌های اصلی این تحقیق، بررسی امکان‌پذیری بکارگیری این گونه از رویکردها در حل مدل‌های واقعی بوده، که با توجه به نتایج بدست آمده از مدل می‌توان نتیجه‌گیری نمود که رویکرد سناریو محور می‌تواند در خصوص مدل‌هایی که عدم قطعیت در آن‌ها بصورت توابع ریاضی قابل مدل شدن هستند در مدت زمان مناسب به جواب‌های قابل قبولی برسد.
نتیجه‌گیری: در مدل حل شده با داده­‌های واقعی از صنعت فولاد، بکارگیری یا عدم بکارگیری از نقاط بالقوه برای احداث موجودیت‌های زنجیره بررسی شده است. همانطوریکه انتظار می­‌رود با افزایش سطح کیفی محصولات بازگشتی نیاز به مواد اولیه کاهش پیدا کرده و در نتیجه سود کلی زنجیره افزایش می­‌یابد و با افزایش تعداد برگشتی­‌ها بدلیل افزایش هزینه‌­های عملیاتی (و نیاز به ایجاد تاسیسات جدید) میزان سود­دهی با نرخ افزایشی، کاهش می­یابد که این امر خود می­‌تواند زنجیره را در سطوح بالای برگشتی­‌ها غیر سودده نماید.
کلیدواژه‌ها
زنجیره تامین حلقه بسته؛ عدم قطعیت؛ لجستیک معکوس
عنوان مقاله [English]
Modeling of Closed-Loop Supply Chains by Utilizing Scenario-Based Approaches in Facing Uncertainty in Quality and Quantity of Returns
نویسندگان [English]
Mansour Momeni1؛ Nima Zereshki2
1Prof., Department of Industrial Management, Faculty of Management University of Tehran, Tehran, Iran.
2Ph.D. Candidate, Department of Production and Operation Management, Faculty of Management, University of Tehran, Tehran, Iran.
چکیده [English]
Objective: The main purpose of this research is to develop a scenario-based model to deal with the design and planning decisions of supply chain networks considering uncertainty in both quantity and quality of the returned products at their end of life era.
Methods: In this approach by the help of scenarios and operation research, a mixed-integer linear programming model is applied and profit maximization is chosen to be the target of this model which integrates multi - products and multi - periods of times with different time horizons. In this model, several flows of products between entities like factories, storages, distribution/recycling/disposal centers and costumers have been taken into account that is according to the variety of entities in the network. The uncertainty associated with the quantity and quality of the used products in the reverse network which is directly affected by customers’ usage and sorting results in recycling centers, respectively, have been taken into account as the main cause of the uncertainty.
Results: Of the main findings of this research which was the applicability of these kinds of approaches in real case problems, have been approved in an acceptable time and has shown that this approach can be used in cases with mathematical functions predicting their uncertainty behavior.
Conclusion: Finally, the model is deployed in Steel industry of Iran with real data from factories and market to examine the model in utilizing potential locations for different entities by considering the costs, especially the lost costumers. As predicted, increase in quality of return will reduce the need for raw material and as a result, will increase the profit of the entire chain and increase in the quantity of returned might need to build more entities that would reduce the profit of the entire chain and even unprofitable at all.
کلیدواژه‌ها [English]
Closed-Loop Supply Chain, Reverse Logistics, Uncertainty
مراجع

Akcali, E., & Cetinkaya, S. (2011). Quantitative models for inventory and production planning in closed-loop supply chains. International Journal of Production Research, 49(8), 2373–2407.
Almaraj, I., Trafalis, T., (2020).  Affinely adjustable robust optimization under dynamic uncertainty set for a novel robust closed-loop supply chain. Computers & Industrial Engineering, 145, 106521.
Amin, S. H., & Zhang, G. (2013). A multi-objective facility location model for closed loop supply chain network under uncertain demand and return. Applied Mathematical Modelling, 37(6), 4165–4176.
Cardoso, S., Barbosa-Póvoa, A. P. F. D., & Relvas, S. (2013). Design and planningof supply chains with integration of reverse logistics activities under demand uncertainty. European Journal of Operations Research, 226(3), 436–451.
Chen, S. P., & Chang, P. C. (2006). A mathematical programming approach to supply chain models with fuzzy parameters. Engineering Optimization, 38, 647–669.
Denizel, M., Ferguson, M., & Souza, G. (2010). Multiperiod remanufacturing planning with uncertain quality of inputs. IEEE Transactions on Engineering Management, 57(3), 394–404.
Farrokh, M., Azar, A., Jandaghi, Gh., Ahmadi, E. (2017). A novel robust fuzzy stochastic programming for closed loop supply chain network design under hybrid uncertainty. Fuzzy Sets and Systems 341 (2018) 69–91.
Gholizadeh, H., Fazlollahtabar, H. (2020). Robust optimization and modified genetic algorithm for a closed loop green supply chain under uncertainty: Case study in melting industry. Computers & Industrial Engineering 147, 106653.
Klibi W., Martel A., Guitouni A., (2010). The design of robust value-creating supply chain networks: a critical review, European Journal of Operational Research 203. 283–293.
Kim, J., Chung, B., Kang, Y., Jeong, B. (2018). Robust optimization model for closed-loop supply chain planning under reverse logistics flow and demand uncertainty. Journal of Cleaner Production. 196, 1314e1328.
Lee, D., & Dong, M. (2009). Dynamic network design for reverse logistics operationsunder uncertainty. Transportation Research Part E: Logistics and TransportationReview, 45(1), 61–71.
Li, Z., & Ierapetritou, M. G. (2008). Process scheduling under uncertainty: Reviewand challenges. Computers and Chemical Engineering, 32(4–5), 715–727.
Papageorgiou, L. G. (2009). Supply chain optimization for the process indus-tries: Advances and opportunities. Computers and Chemical Engineering, 33(12), 1931–1938.
Pishvaee, M., & Rabbani, M. (2011). A robust optimization approach to closed-loop supply chain network design under uncertainty. Applied Mathematical Modelling, 35(1), 637–649.
Pourmehdi M, Paydar MM, Asadi-Gangraj E, (2020). Scenario-based design of a steel sustainable closed-loop supply chain network considering production technology, Journal of Cleaner Production, not printed yet.
Sahinidis, N. V. (2004). Optimization under uncertainty: State-of-the-art and opportunities. Computers and Chemical Engineering, 28(6–7), 971–983.
Salema, M. I. G., Barbosa-Povoa, A. P., & Novais, A. Q. (2010). Simultaneous design and planning of supply chains with reverse flows: A generic modeling framework. European Journal of Operational Research, 203(2), 336–349.
Salema, M., Barbosa-Póvoa, A., & Novais, A. Q. (2007). An optimization model for the design for a capacitated multi-product reverse logistics networks with uncertainty. European Journal of Operations Research, 179, 1063–1077.
Vahdani, B., Tavakkoli-Moghaddam, R., Jolai, F., & Baboli, A. (2013). Reliable design of a closed loop supply chain network under uncertainty: An interval fuzzy possibilistic chance-constrained model. Engineering Optimization, 45(6), 745–765.
Zhen, L., Huang, L., Wang, w., (2019). Green and sustainable closed-loop supply chain network design under Uncertainty. Journal of Cleaner Production, 227, 1195e1209.

آمار
تعداد مشاهده مقاله: 645
تعداد دریافت فایل اصل مقاله: 503


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب