عنوان مقاله :
طراحي مدل آماد معكوس چند دورهاي با مسيرهاي متفاوت بازيابي محصول در شرايط عدم قطعيت
عنوان به زبان ديگر :
Design of multi-period Reverse logistic model with different product recovery routes under uncertainty
پديد آورندگان :
تارين، ناصر موسسه آموزش عالي راهبرد شمال، رشت , آذر، عادل دانشگاه تربيت مدرس - دانشكده مديريت و اقتصاد - گروه مديريت صنعتي , ابراهيمي، عباس دانشگاه تربيت مدرس - دانشكده مديريت و اقتصاد - گروه مديريت صنعتي
كليدواژه :
لجستيك معكوس , كيفيت محصولات بازگشتي , عدم قطعيت , مدل برنامه ريزي عدد صحيح مختلط , الگوريتم ژنتيك
چكيده فارسي :
آماد معكوس از عمدهترين فعاليتهاي مديريت زنجيره تأمين است كه تمام فعاليتهاي فيزيكي مرتبط با محصولات بازگشتي مانند (جمع آوري، احيا، بازيافت و انهدام) را در بر ميگيرد. يك موضوع ضروري براي مدلسازي سيستمهاي آماد معكوس، در نظر گرفتن تعداد بيشتري از گزينههاي بازيابي و توجه به كيفيت بازگشتيها و همچنين وجود عدم قطعيت، هم در مقدار و هم در كيفيت محصولات بازگشتي است. در اين تحقيق، يك مدل برنامهريزي عدد صحيح مختلط فازي دو مرحلهاي جهت طراحي يك شبكه آماد معكوس يكپارچه چند دورهاي و چند محصولي تحت شرايط عدم قطعيت ارائه شده است. هدف نهايي، كمينه سازي هزينه كل شبكه است. مدل مورد بحث از نوع مسائل NP-Hard است كه در آن، زمان حل مسأله به صورت نمايي افزايش مييابد. بنابراين در اين تحقيق، از الگوريتم فراابتكاري ژنتيك براي حل مدل استفاده شده است.
چكيده لاتين :
One of the main activities of supply chain management is reverse logistics. Reverse logistic encompass all physical activities associated with returned products such as collection, recovery, recycling and disposal. An essential issue of modeling the problem of designing reverse logistic systems is considering the greater number of options regarding the quality of returns and also uncertainty in both quantity and the quality of the returned product. In this study, a two phase fuzzy mixed integer programming is proposed. Because some of parameters are fuzzy, this model design under uncertainty condition. Moreover, the reverse logistics network was developed as a multi-period and multi-product model. The objective function of model is minimizing the total cost of the network. The model is a type of NP-Hard problems which time of solution increases exponentially. Therefore, in this study, we use the genetic metaheuristic algorithm to solve the model.
عنوان نشريه :
پژوهش هاي نوين در تصميم گيري
عنوان نشريه :
پژوهش هاي نوين در تصميم گيري