برنامه‌ريزي تصادفي دومرحله‌اي مبتني بر روش تقريب ميانگين نمونه و الگوريتم تجزيه بندرز شتاب‌يافته براي طراحي شبكه زنجيره تأمين حلقه بسته تحت عدم قطعيت

Two Stage Stochastic Programing Based on the Sample Average Approximation and Accelerated Benders Decomposition for Designing Closed-loop Supply Chain Network Design under Uncertainty

در اين مقاله يك مدل رياضي جامع براي طراحي شبكه زنجيره تأمين با در نظر گرفتن جريان‌هاي مستقيم و برگشتي به صورت توأم متعلق به چندين محصول در طي چند دوره زماني ارائه‌شده است. عدم‌قطعيت پارامترهاي تقاضا، نرخ‌هاي برگشت، احيا و امحا محصولات و هزينه‌هاي حمل‌ونقل، نگهداري و مديريت جريان برگشتي با استفاده از برنامه‌ريزي تصادفي دو مرحله‌اي در نظر گرفته شده است. مدل ارائه‌شده با استفاده از يك روش حل كارا مبتني بر تقريب ميانگين نمونه و الگوريتم تجزيه بندرز شتاب‌يافته جديد حل شده است. الگوريتم تجزيه بندر ارائه‌شده با استفاده از روش ابتكاري اولويت‌دهي و اضافه‌نمودن يك محدوديت جديد به مسئله اصلي با هدف بهبود در سرعت همگرايي و ارائه برش‌هاي بهتر توسعه داده شده است. نتايج حل مدل ارائه‌شده براي مسائل نمونه متعلق به يك زنجيره تأمين تلفن همراه، حاكي از برتري جواب‌هاي حل برنامه‌ريزي تصادفي نسبت به حل قطعي و كارايي الگوريتم تجزيه بندرز شتاب‌يافته است. علاوه بر آن، جواب‌هاي برنامه‌ريزي احتمالي از استواري بيشتري نسبت به جواب‌هاي قطعي برخوردار هستند.

In this paper, a comprehensive mathematical model for designing supply chain network via considering integrated flow of forward and reverse of multiple products during multiple periods is proposed. The uncertainty of the parameters includes customer demand, products reverse flows, rates of reverse product recovery and disposal, as well as costs of products transportation, storage and reverse flow management are considered via two stage stochastic programming. An efficient solution algorithm based on the sample average approximation and new accelerated benders decomposition is developed to solve the proposed model. An accelerated Benders decomposition algorithm utilizing efficient acceleration mechanisms based on the priority heuristic and adding the demand constraint to master problem is devised to cope with computational complexity. Computational analysis is also provided by using a phone cell industrial case study to present the significance of the proposed stochastic model versus deterministic one as well as the efficiency of the proposed the accelerated benders decomposition algorithm. In addition, obtained solutions of the stochastic model have a more robustness than solutions of the deterministic model.