طراحی شبکه زنجیره تأمین چند هدفه ،حلقه بسته سبز و چابک به کمک الگوریتم فرا‌‌ابتکاری علف‌های هرز چند هدفه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، واحد اصفهان( خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.

2 استادیار، گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران

3 دانشکده مهندسی صنایع، دانشگاه صنعتی مالک اشتر، اصفهان، ایران

4 استادیار، گروه اقتصاد، دانشکده امور اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

چکیده

تغییرات در بازار و نیاز مشتریان یکی از مهم‌ترین موضوعات و چالش‌های مدیران زنجیره تأمین می‌باشد. چابکی مفهومی است که اخیرا توسط محققان حوزه زنجیره تأمین به منظور طراحی هرچه بهتر زنجیره تأمین ارایه شده است. از طرفی دیگر توجه به مشکلات زیست محیطی موضوع دیگری است که زنجیره‌ها تلاش دارند با تمرکز بر این حوزه، مقبولیت خود را افزایش دهند. با توجه به اهمیت موضوع، در این تحقیق به طراحی چند هدفه شبکه زنجیره تأمین حلقه بسته به همراه یکپارچه‌سازی مفاهیم سبز و چابک پرداخته شده است.  در این راستا، یک مدل ریاضی با اهداف اقتصادی، زیست محیطی و چابکی ارائه شده است. به منظور حل این مدل ریاضی، دو روش محدودیت اپسیلون و علف‌های هرز چند هدفه ارائه شده است. نتایج مقایسات انجام شده بین این روش‌ها نشان می‌دهد که الگوریتم علف‌های هرز عملکرد مناسبی از نظر شاخص‌های مختلف کیفیت و پراکندگی مرز پارتو داشته است. در پایان، مطالعه موردی زنجیره تأمین محصولات لبنی شرکت دالان کوه تشریح شده و جواب‌های بهینه حاصل از به کارگیری الگوریتم علف‌های هرز چند هدفه ارایه گردیده است.

کلیدواژه‌ها

عنوان مقاله [English]

Multi-Objective Green Agile Closed Loop Supply Chain Network Design Using Multi-objective Weed Optimization Algorithm 

نویسندگان [English]

  • mehdi dastani 1
  • sayyed mohammad reza davoodi 2
  • mehdi karbasian 3
  • shahram moeeini 4
1 PhD student in Industrial management, Department of management, Islamic Azad University, Isfahan Branch, Isfahan, Iran.
2 Assistant Professor, Department of management, Islamic Azad University, Dehaghan Branch, Dehaghan, Iran.
3 Associate Professor of Industrial Engineering, Malek Ashtar University of Technology.
4 Assistant Professor, Department of Economics, University of Isfahan, Isfahan, Iran.
چکیده [English]

 Success in supply chain implementation depends on how it operates in the face of market changes and customer needs. Agility is a concept recently introduced by supply chain researchers to better design supply chains. Accordingly, and considering the importance of the topic. In this research, the design of Multi-objective closed-loop supply chain network is discussed. Accordingly, and considering the importance of the subject, in this research, the design of Multiobjective closed-loop supply chain network is discussed. The main innovation of this research is the integration of green and agile concepts in supply chain design. To this purpose, a mathematical model with economic, environmental and agility objectives is presented. In order to solve this mathematical model, two methods of Epsilon constraint and Multi-objective weed optimization are proposed. The results of the comparisons between the two methods show that the weed algorithm performs well in terms of different Pareto boundary quality and dispersion indices. At the end, the results are presented for a case study of the Dalan Kuh dairy supply chain and the Pareto border is described. 
 
 

کلیدواژه‌ها [English]

  • Closed loop green supply chain
  • Epsilon constraint method
  • Multi-objective Weed optimization Algorithm
  • Pareto boundary

مراجع

[1] Govindan, K., Jafarian, A., & Nourbakhsh, V. (2015). Bi-objective integrating sustainable order allocation and sustainable supply chain network strategic design with stochastic demand using a novel robust hybrid multi-objective metaheuristic. Computers & Operations Research, 62, 112-130.
[2]Fallah, H., Eskandari, H., & Pishvaee, M. S. (2015). Competitive closed-loop supply chain network design under uncertainty. Journal of Manufacturing Systems, 37, 649-661.
[3] Montoya, A., Vélez–Gallego, M. C., & Villegas, J. G. (2016). Multi-product capacitated facility location problem with general production and building costs. NETNOMICS: Economic Research and Electronic Networking, 17(1), 47-70.
[4] Jena, S. D., Cordeau, J. F., & Gendron, B. (2016). Solving a dynamic facility location problem with partial closing and reopening. Computers & Operations Research, 67, 143-154.
[5] Norol, Holcomb, (2016), Development of a measure to assess quality management in certified firms, European journal of operational research, 156, 683-697.
[6] Zhuo, H., & Wei, S. (2017). Gaming of green supply chain members under government subsidies—Based on the perspective of demand uncertainty. In Proceedings of the Tenth International Conference on Management Science and Engineering Management (pp. 1105-1116). Springer, Singapore.
[7] Burgess, T. F., Grimshaw, P., Huaccho Huatuco, L., & Shaw, N. E. (2017). Mapping the operations and supply chain management field: a journal governance perspective. International Journal of Operations & Production Management, 37(7), 898-926.
[8] Wu, C., & Barnes, D. (2018). Design of agile supply chains including the trade-off between number of partners and reliability. The International Journal of Advanced Manufacturing Technology, 97(9-12), 3683-3700.
[9] Rad, R. S., & Nahavandi, N. (2018). A novel multi-objective optimization model for integrated problem of green closed loop supply chain network design and quantity discount. Journal of Cleaner Production.
[10] Ghelichi, Z., Saidi-Mehrabad, M., & Pishvaee, M. S. (2018). A stochastic programming approach toward optimal design and planning of an integrated green biodiesel supply chain network under uncertainty: A case study. Energy, 156, 661-687.
[11] Liang, L., & Quesada, H. J. (2018). Green Design of a Cellulosic Butanol Supply Chain Network: A Case Study of Sorghum Stem Bio-butanol in Missouri. BioResources, 13(3), 5617-5642.
[12] Mahmoodi, M. (2019). A new multi-objective model of agile supply chain network design considering transportation limits. Production & Manufacturing Research, 7(1), 1-22.
[13] Moradi, A., Razmi, J., Babazadeh, R., & Sabbaghnia, A. (2018). An integrated Principal Component Analysis and multi-objective mathematical programming approach to agile supply chain network design under uncertainty. Journal of Industrial & Management Optimization, 15(2), 855.
[14] Mahmoodi, M. (2019). A new multi-objective model of agile supply chain network design considering transportation limits. Production & Manufacturing Research, 7(1), 1-22.
[15] Mehrabian, A. R., & Lucas, C. (2006). A novel numerical optimization algorithm inspired from weed colonization. Ecological informatics, 1(4), 355-366.
نشریه علمی پژوهشی مهندسی و مدیریت کیفیت
دوره 9، شماره 4
دی 1398
صفحه 305-319

فایل ها

هم رسانی

ارجاع به این مقاله

آمار