طراحي شبكه زنجيره تامين حلقه بسته با در نظر گرفتن مراكز جمع آوري چند بخشي در شرايط عدم قطعيت و حل آن با دو الگوريتم ابتكاري و فرا ابتكاري

Design of closed-loop supply chain network with considering of multi-part collection centers under uncertainty with two heuristic and meta-heuristic algorithms

امروزه براي دستيابي به منافع رقابتي در بازار، طراحي شبكه زنجيره تامين مناسب، امري ضروري است و از آن جايي كه توجه به مسايل زيست محيطي و كاهش منابع خام افزايش يافته است، نياز به بازيافت محصولات مصرفي دوچندان شده است. در اين تحقيق به طراحي يك زنجيره تامين حلقه بسته با مراكز جمع آوري چند بخشي پرداخته مي شود. اهداف اصلي اين مسيله، كاهش هزينه ها، افزايش سود حاصل از كيفيت محصول بازيافتي و همچنين افزايش صرفه جويي هزينه هاي حاصل از بازيافت مي باشد. از طرفي با توجه به اينكه در دنياي واقعي، داده هاي مربوط به شاخص‌هاي اثرگذار در مسايل، به صورت قطعي در دسترس نمي باشند بنابراين استفاده از رويكرد‌هاي غيرقطعي مناسب تر خواهد بود. در اين مطالعه نيز، تقاضا و بازگشت، غيرقطعي و بر پايه سناريو (نامحدود) در نظر گرفته مي شود و رويكرد استفاده شده براي حل اين مسيله، الگوريتم ابتكاري تقريب ميانگين نمونه مي باشد. با افزايش سايز مسيله، حل مسيله با روش حل ذكر شده، در سايز هاي نسبتا بزرگ غيرممكن است، بنابراين مسيله پيشنهادي با استفاده از الگوريتم پيشنهادي ژنتيك تركيب شده با تقريب ميانگين نمونه حل مي گردد. همچنين، اعتبارسنجي مدل پيشنهادي با استفاده از چند مثال عددي، نشان داده مي شود. نتايج حاصل بيانگر اين است كه با بازيافت محصول و چند بخشي در نظر گرفتن مراكز جمع آوري، علاوه بر اين كه دولت به اهداف زيست محيطي خود مي رسد، مشتري نيز محصولي مرغوب تر و با هزينه كمتر در دسترس خواهد داشت.

Supply chain network design is an essential subject to achieve a competitive advantage in today’s market. In addition, recycling and recovering of products because of environmental aspects and decreasing of row material consumption is a vital subject. This paper proposes a design of closed-loop supply chain network with considering of multi-part collection centers under uncertainty to obtain minimum environmental damage as well as decreasing total costs. Because of uncertainty nature of related data in the real world, it is essential to use uncertainty approaches in the proposed network. In this regard, we suppose that demand and recovery are defined in stochastic environment. In reality, we apply a heuristic algorithm named as Sample average approximation algorithm with scenario based. By increasing the size of problems, the proposed hybrid genetic-SAA algorithm is used. Validity of the proposed model is illustrated through numerical examples. Results show that with consideration of multi-part collection centers, not only recovered products and recycling saving costs are improved but also, customers can receive higher quality products with satisfying of government because of environmental damage reduction.