مدل‌سازی ‌شبکه زنجیره‌تأمین معکوس چند رده‌ای و حل توسط الگوریتم ترکیبی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع دانشگاه صنعتی امیرکبیر، تهران، ایران

2 استاد، دانشکده مهندسی صنایع دانشگاه صنعتی امیرکبیر، تهران، ایران

3 استادیار، دانشکده مهندسی صنایع دانشگاه صنعتی امیرکبیر، تهران، ایران

10.22084/ier.2020.21271.1952

چکیده

با توجه به نگرانی جهانی در خصوص محیط‍‍زیست، ایجاد زنجیره تامین معکوس به‍عنوان یک استراتژی مهم در راستای کاهش برداشت از منابع طبیعی شناخته می‌شود. در این تحقیق یک مدل برنامه‍ریزی عدد صحیح آمیخته خطی برای طراحی شبکه زنجیره­تأمین معکوس توسعه یافته است. در این مدل لایه‌های زنجیره به­صورت چندگانه تعریف شده است. نیز هدف این مدل بیشینه­سازی درآمد ناشی از فروش محصولات بازیابی شده از فرایندهای استفاده مجدد، بازسازی، بازتولید، بازیافت و فروش قطعات یدکی است. همچنین در نظر گرفتن تنوع محصولات و لیست قطعات هر محصول ازجمله ویژگی‌های مدل توسعه داده شده است. برای حل این گونه مسائل نیز الگوریتم ترکیبی بر پایه الگوریتم ژنتیک و الگوریتم شاخه و کران توسعه یافته است. اعتبارسنجی این الگوریتم با کمک داده­های تصادفی ایجاد شده در ابعاد مختلف، بررسی شده است. همچنین در انتها، تحلیل حساسیت تابع هدف نسبت به تغییرات پارامترهای کلیدی ارزیابی شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Network Design for Multi Echelon Reverse Logistics and Solving With Hybrid Algorithm

نویسندگان [English]

  • Erfan Shafiee Roudbari 1
  • Seyed Mohammadtaghi Fatemi Ghomi 2
  • Mohsen Sheikh Sajadieh 3
1 Department of Industrial Engineering, Amirkabir University of Technology, Tehran, Iran
2 Department of Industrial Engineering, Amirkabir University of Technology, Tehran, Iran
3 Department of Industrial Engineering, Amirkabir University of Technology, Tehran, Iran
چکیده [English]

;Due to environmental concerns along the world, reverse logistics now is becoming an important strategy to decrease resource extraction. This research develops a generic mixed integer linear programming model for reverse logistics network design. This is a multi-echelon reverse logistics model. It maximizes total profit by handling products returned for reuse, refurbishing, remanufacturing, recycling and sale of spare parts. Also considering product variety and bill of material are model features. A hybrid algorithm constructed by genetic algorithm and branch and cut algorithm is proposed to solve the constructed problems. The designed model is validated and tested by using data generated in various size. Sensitivity analyses are conducted on various parameters to illustrate the capabilities of the proposed model.

کلیدواژه‌ها [English]

  • Reverse supply chain network design
  • Reverse logistics
  • Hybrid algorithm
  • Remanufacturing and reuse
  • Refurbishing and recycle
[1] Soleimani, H., Kannan, G. (2015). “A hybrid particle swarm optimization and genetic algorithm for closed-loop supply chain network design in large-scale networks”. Applied Mathematical Modelling, 39(14): 3990-4012.
[2] Choi, T. M. (2013). “Optimal return service charging policy for a fashion mass customization program”. Service Science, 5(1): 56-68.
[3] Choi, T. M., Li, Y., Xu, L. (2013). “Channel leadership, performance and coordination in closed loop supply chains”. International Journal of Production Economics, 146(1): 371-380.
[4] Govindan, K., Soleimani, H., Kannan, D. (2015). “Reverse logistics and closed-loop supply chain: A comprehensive review to explore the future”. European journal of operational research, 240(3): 603-626.
[5] Souza, G. C. (2013). “Closed‐loop supply chains: a critical review, and future research”. Decision Sciences, 44(1): 7-38.
[6] Srivastava, S. K. (2008). “Network design for reverse logistics”. Omega, 36(4): 535-548.
[7] Fonseca, M. C., García-Sánchez, Á., Ortega-Mier, M., & Saldanha-da-Gama, F. (2010). “A stochastic bi-objective location model for strategic reverse logistics”. Top, 18(1): 158-184.
[8] Gomes, M. I., Barbosa-Povoa, A. P., Novais, A. Q. (2011). “Modelling a recovery network for WEEE: A case study in Portugal”. Waste Management, 31(7): 1645-1660.
[9] Alumur, S. A., Nickel, S., Saldanha-da-Gama, F., Verter, V. (2012). “Multi-period reverse logistics network design”. European Journal of Operational Research, 220(1): 67-78.
[10] Fahimnia, B., Sarkis, J., Dehghanian, F., Banihashemi, N., Rahman, S. (2013). “The impact of carbon pricing on a closed-loop supply chain: an Australian case study”. Journal of Cleaner Production, 59: 210-225.
[11] Ayvaz, B., Bolat, B. (2014). “Proposal of a stochastic programming model for reverse logistics network design under uncertainties”. International Journal of Supply Chain Management, 3(3): 33-42.
[12] Alshamsi, A., Diabat, A. (2015). “A reverse logistics network design”. Journal of Manufacturing Systems, 37: 589-598.
[13] Ye, J., Wang, X., Li, Z. (2015). Reverse Logistics Network Optimization Design under Fuzzy-stochastic Environment. In LISS 2014 (pp. 1345-1352). Springer, Berlin, Heidelberg.
[14] Hatefi, S. M., Jolaib, F., Torabib, S. A., Tavakkoli-Moghaddam, R. (2016). “Integrated forward-reverse logistics network design under uncertainty and reliability consideration. Scientia Iranica”. Transaction E, Industrial Engineering, 23(2): 721-735.
[15] Fattahi, M., Govindan, K. (2017). “Integrated forward/reverse logistics network design under uncertainty with pricing for collection of used products”. Annals of Operations Research, 253(1): 193-225.
[16] Zhou, Z., Cai, Y., Xiao, Y., Chen, X., Zeng, H. (2018). “The optimization of reverse logistics cost based on value flow analysis–a case study on automobile recycling company in China”. Journal of Intelligent & Fuzzy Systems, 34(2): 807-818.
[17] Liao, T. Y. (2018). “Reverse logistics network design for product recovery and remanufacturing”. Applied Mathematical Modelling, 60: 145-163.
[18] Rahimi, M., Ghezavati, V. (2018). “Sustainable multi-period reverse logistics network design and planning under uncertainty utilizing conditional value at risk (CVaR) for recycling construction and demolition waste”. Journal of Cleaner Production, 172: 1567-1581.
[19] Yu, H., Solvang, W. D. (2018). “Incorporating flexible capacity in the planning of a multi-product multi-echelon sustainable reverse logistics network under uncertainty”. Journal of Cleaner Production, 198: 285-303.