یک مدل مکانی یابی تسهیلات چند هدفه برای شبکه زنجیره تامین حلقه بسته تحت تقاضا و بازده غیر قطعی

به جهت نمایش کامل متن به همراه جداول و تصاویر میتوانید از اینجا اقدام کنید.

به جهت سفارش ترجمه ارزان از نوار بالای سایت کمک بگیرید.

یک مدل مکانی یابی تسهیلات چند هدفه برای شبکه زنجیره تامین حلقه بسته تحت تقاضا و بازده غیر قطعی

کلمات کلیدی:

لجستیک های معکوس ((RL)

زنجیره تامین حلقه بسته (CLSC)

برنامه ریزی خطی عدد صحیح مختلط (MILP)

برنامه ریزی چند هدفه

برنامه ریزی تصادفی

چکیده

شبکه زنجیره تامین حلقه بسته (CLSC) شامل زنجیره های تامین معکوس و رو به جلو است. در این مقاله، یک شبکه CLSC مورد بررسی قرار می گیرد که شامل کارخانه های متعدد، مراکز جمع آوری، بازارهای تقاضا و محصولات می باشد. برای این منظور، یک مدل برنامه ریزی خطی عدد صحیح مختلط ارائه شده است که هزینه کل را به حداقل می رساند. علاوه بر این، دو مسئله آزمایشی نیز بررسی می شود. این مدل برای بررسی فاکتورهای محیطی با توجه به مجموع وزنی و روش های محدودیت ƹ مورد بررسی قرار گرفته است. علاوه بر این، ما تأثیر عدم قطعیت تقاضا و بازده را بر پیکربندی شبکه، با برنامه ریزی تصادفی (مبتنی بر سناریو) بررسی می کنیم. نتایج محاسباتی نشان می دهد که این مدل می تواند به طور همزمان به عدم قطعیت تقاضا و بازده بپردازد. ترجمه توسط وبسایت ترجمه یار

  1. مقدمه

مدیریت زنجیره تامین (SCM) توجه زیادی را به خود جلب کرده است. دو نوع زنجیره تامین وجود دارد: زنجیره عرضه مستقیم و معکوس. زنجیره عرضه مستقیم (FSC) شامل مجموعه ای از فعالیت هایی است که منجر به تبدیل مواد خام به محصولات نهایی می شود. مدیران سعی می کنند تا عملکرد زنجیره تامین را در زمینه هایی مانند مدیریت تقاضا، خرید و تکمیل سفارش بهبود دهند. [1،2]. زنجیره تامین معکوس (RSC) به عنوان فعالیت های جمع آوری و بازیابی بازده محصول در SCM تعریف شده است. ویژگی های اقتصادی، دستورالعمل های دولتی و فشار مشتری، سه جنبه لجستیک معکوس است [3]. ادغام یک زنجیره تامین مستقیم و یک زنجیره تامین معکوس به یک زنجیره تامین حلقه بسته (CLSC) می انجامد [4]. به عبارت دیگر، کانال های مستقیم و معکوس در شبکه های CLSC وجود دارد.ترجمه توسط وبسایت ترجمه یار

چندین تحقیق در مورد مدل های مکان یابی تسهیلات مستقیم انجام شده است. مدل های مکان یابی تسهیلات در تلاش برای پاسخ به این سؤالات هستند: چقدر تسهیلات باید باز باشند؟ هر کدام از تسهیلات در کجا باید قرار گیرد؟ تخصیص چیست؟ کدام مجموعه مراکز جمع آوری باید باز شود و کار کند؟ چه محصولاتی باید در این تسهیلات باز پردازش شود؟ بعضی از نویسندگان مدل های مکان یابی تسهیلات آزمایش شده را برای شبکه های زنجیره تامین حلقه بسته (مانند [5]) مورد بررسی قرار داده اند. هدف از این مدل ها تعیین متغیرهای تصمیم گیری در هر دو کانال مستقیم و معکوس است. به حداقل رساندن هزینه کل به عنوان تابع هدف اصلی در نظر گرفته شده است. اقلیتی از نویسندگان نه تنها کل هزینه را در نظر گرفتند، بلکه عوامل دیگر را با مدل های چند هدفه (مانند [6]) در نظر گرفتند. از سوی دیگر، برخی محققان عدم اطمینان را در پیکربندی CLSC مورد بررسی قرار دادند (مثلا [7]). عدم اطمینان در عرضه و تقاضا دو منبع عمده ابهام در SCM است. عدم اطمینان در عرضه به علت اشتباهات یا تاخیر در تحویل تامین کننده ظاهر می شود. عدم قطعيت در تقاضا به عنوان پيش بيني نادرست تقاضاها يا نوسانات تقاضا تعريف شده است [8-10]. بازده نامعین یکی دیگر از مهمترین ابهامات در لجستیک معکوس است. به اعتقاد ما، بیشتر نویسندگان، مدلهای زنجیره تامین حلقه بسته چند هدفه را تحت عدم اطمینان، در نظر نگرفته اند. بنابراین، ارزشمند است که مدلهای یکپارچه از جمله مدل های چند هدفه با پارامترهای نامشخص مورد بررسی قرار دهیم.ترجمه توسط وبسایت ترجمه یار

در این مقاله، یک مدل مکان یابی تسهیلات برای یک شبکه زنجیره تامین عمومی حلقه بسته ارائه شده است. این مدل برای چند کارخانه (تولید و بازسازی)، بازار تقاضا، مراکز جمع آوری و محصولات، طراحی شده است. هدف این است که بدانید که چه تعداد و کدام کارخانه ها و مراکز جمع آوری باید باز شوند و کدام محصولات با چه کمیتی باید در آنها ذخیره شوند. تابع هدف هزینه کل را به حداقل می رساند. در این مقاله دو مسئله آزمایشی بررسی شده است. علاوه بر این، با توجه به عوامل محیطی از جمله مواد اولیه دوستدار محیط زیست و تکنولوژی پاک، این مدل به یک مدل چند هدفه تبدیل شده است. سپس مدل با دو روش از جمله مجموع وزنی و روش های محدودیت ƹ حل می شود. علاوه بر این، سطوح رابطه جایگزینی در مسائل آزمون مورد بررسی قرار می گیرد. مدل چند هدفه همچنین توسط برنامه ریزی تصادفی (مبتنی بر سناریو) گسترش یافته است تا اثرات تقاضا و بازده نامعین و در به پیکربندی شبکه را بررسی کند. در نهایت، نتایج محاسباتی مورد بحث و بررسی قرار می گیرد. این تحقیق یکی از اولین تحقیقاتی است که مدل های ریاضی چند هدفه را تحت عدم قطعیت در پیکربندی شبکه CLSC در نظر می گیرد.

سازماندهی این مقاله به شرح زیر است: بررسی نوشتارها در بخش 2 بحث شده است. در بخش 3، یک شبکه عمومی توصیف شده است. در بخش 4، مدل ریاضی ارائه شده است. سپس دو مسئله آزمون در بخش 5 ارائه شده است. در بخش 6، برنامه ريزي چند هدفه اي ارائه شده است. علاوه بر اين، مدل با برنامه ريزي تصادفي در بخش 7 توسعه يافته است. در نهايت، نتيجه گيري در بخش 8 مورد بحث قرار گرفته است. ترجمه توسط وبسایت ترجمه یار

  • مرور نوشتارها

Jayaraman  و همکاران [11] مدل برنامه ریزی خطی عدد صحیح مختلط را برای تعیین مقادیر بهینه محصولات بازسازی شده و قطعات مورد استفاده در یک شبکه زنجیره تامین معکوس ارائه کردند. Fleischmann و همکاران [5] یک مدل لجستیک مستقیم را در یک سیستم لجستیک معکوس بسط دادند و تفاوت ها را مورد بحث قرار دادند. آنها از مدل برنامه ریزی خطی عدد صحیح مختلط استفاده کردند. Kannan و همکاران. [12] مدلی را با استفاده از الگوریتم ژنتیک و تکنیک های ازدحام ذرات پیشنهاد کردند. آنها این مدل را با توجه به دو مورد از جمله تولید کننده تایر و تولید کننده محصولات پلاستیکی اعمال کردند. Kannan  و همکاران. [13] یک مدل ریاضی برای مورد بازیافت باتری ایجاد کردند. با این حال، آنها عدم قطعیت پارامترها را در نظر نگرفتند. Amin  و  Zhang [14] یک شبکه بر اساس چرخه عمر محصول را طراحی کردند. آنها از برنامه ریزی خطی عدد صحیح مختلط برای پیکربندی شبکه استفاده کردند. Fleischmann و همکاران [15]، Rubio  و همکاران. [16]، Guide  و Van Wassenhove [4]، و Akcali و Cetinkaya [17] مرور و بررسی نوشتارها برای مقالات RL و CLSC را فراهم کردند.ترجمه توسط وبسایت ترجمه یار

برخی از نویسندگان برای شبکه های CLSC، مدل های چند هدفه و برنامه ریزی هدف را توسعه دادند. برخی از مقالات در جدول 1 طبقه بندی شده اند. Krikke  و همکاران [18] به حداقل رساندن هزینه های زنجیره تامین، مصرف انرژی و ضایعات باقی مانده از یک شبکه زنجیره تامین حلقه بسته را مورد بررسی قرار داده اند. Pati  و همکاران [19] یک مدل برنامه ریزی هدف عدد صحیح مختلط را برای تعیین مکان تسهیلات، مسیر و جریان انواع مختلف شبکه ضایعات کاغذ قابل بازیافت CLSC را فرموله کردند. آنها به حداقل رساندن هزینه لجستیک معکوس، به حداکثر رساندن بهبود کیفیت محصول و مزایای زیست محیطی را مورد بررسی قرار دادند. Du  و Evans  [20] یک مدل دوهدفه برای یک شبکه لجستیک معکوس را با در نظر گرفتن به حداقل رساندن هزینه های کلی و کل زمان توقف چرخه توسعه دادند. Gupta  و Evans  [21] یک رویکرد برنامه ریزی هدف غیر انحصاری را پیشنهاد کردند تا یک شبکه زنجیره تامین حلقه بسته را توسعه دهند. Pishvaee و همکاران [22]، به حداقل رساندن هزینه های کل و به حداکثر رساندن پاسخ دهی یک شبکه لجستیک را مورد توجه قرار دادند.

بعضی از نویسندگان عدم اطمینان را در تنظیمات شبکه CLSC مورد بررسی قرار داده اند. جدول 1 خلاصه ای از این مقالات را نشان می دهد. Salema  و همکاران [7] مدل لجستیک معکوس Fleischmann و همکارانش را توسعه دادند. [5] و عدم قطعیت در تقاضا و بازده را با تعریف موارد وابسته به سناریو در نظر گرفتند. آنها از برنامه ریزی عدد صحیح مختلط و روش Branch & Bound استفاده کرده و مسئله را با CPLEX حل کرده اند. Francas  وMinner [23] یک مدل تصادفی دو مرحله ای برای طراحی یک شبکه حلقه بسته تحت عدم قطعیت تقاضا و بازده پیشنهاد کردند. Pishvaee  و همکاران [24] یک مدل بهینه سازی قطعی برای یک شبکه لجستیک معکوس پیشنهاد کردند. سپس، آنها یک مدل تصادفی ایجاد کردند. با این حال، عوامل محیطی در مدل مورد بررسی قرار نگرفته اند. Lee  و Dong  [25] یک مدل برنامه ریزی تصادفی دو مرحله ای برای یک شبکه زنجیره تأمین حلقه بسته پیشنهاد دادند. آنها همچنین یک روش شبیه سازی را با انلینگ شبیه سازی شده توسعه دادند. Pishvaee و Torabi [26] یک مدل برنامه ریزی عدد صحیح مختلط احتمالی را برای برخورد با عدم قطعیت در پیکربندی زنجیره تامین حلقه بسته ارائه دادند. Shi  و همکاران [27] یک مدل ریاضی برای به حداکثر رساندن سود یک سیستم بازسازی را با ایجاد رویکرد راه حل مبتنی بر روش رها سازی لاگرانژی پیشنهاد کردند. Wang  و Hsu [28] یک مدل برنامه ریزی فاصله را ارائه دادند که در آن عدم قطعیت با اعداد فازی بیان شده است. Shi  و همکاران [29] یک مسئله برنامه ریزی تولید برای یک سیستم حلقه بسته چند محصوله را مورد مطالعه قرار دادند. این نویسندگان تقاضا و بازده نامعین را با برنامه ریزی تصادفی در نظر گرفتند. Pishvaee  و همکاران [30] یک مدل بهینه سازی را برای یک شبکه زنجیره تامین حلقه بسته پیشنهاد دادند تا عدم اطمینان را در نظر بگیرند. Amin  و Zhang  [31] یک مدل بهینه سازی را در محیط تحت عدم اطمینان تقاضا و تصمیم گیری برای CLSC به کار گرفتند. Vahdani  و همکاران [32] بهینه سازی قوی چند هدفه فازی را برای پیکربندی شبکه CLSC اعمال کردند. ترجمه توسط وبسایت ترجمه یار

جدول 1: مدل های تنظیم CLSC

  اجزاء چندگانه محصولات چندگانه تامین گنندگان چندگانه سناریوهای چندگانه مشتریان چندگانه بازیافت های چندگانه تسهیلات جمع آوری چندگانه توزیع های چندگانه کارخانجات چندگانه انبارهای چندگانه مراکز دفع چندگانه مراکز تجزیه چندگانه
مدل های چند هدفه برای  CLSC  
[18] x x x x x x            
[19]   x x   x     x        
[20]   x         x   x x    
[21] x x x   x       x      
[22]         x   x x     x  
CLSC  تحت عدم قطعیت  
[7]   x   x x       x x   x
[23]   x             x      
[24]       x x     x     x  
[25]   x     x       x      
[26]         x x x x x      
[27]   x                    
[28]     x   x     x x     x
[30]         x   x x     x  

مقالات پژوهشی جدول 1 ، مسائل چند هدفه و عدم اطمینان در پیکربندی CLSC را به طور همزمان در نظر نمی گیرند. در این مقاله، یک مدل چند هدفه تحت عدم اطمینان برای یک شبکه CLSC را توسعه می دهیم.

  • توصیف شبکه

در این بخش، یک شبکه زنجیره تامین حلقه بسته تعریف شده است. شکل 1 شبکه را نشان می دهد که شامل کارخانجات، مراکز جمع آوری و بازار تقاضا است. این کارخانه ها می توانند محصولات جدیدی را تولید و تولیدات برگشتی را بازسازی کنند. محصولات به منظور تقاضای بازار توسط کارخانه ها ارسال می شود. سپس محصولات بازگشتی به مراکز جمع آوری ارسال می شود. مراكز جمع آوري مسئوليت هاي زير را دارند: جمع آوري محصولات استفاده شده از بازار تقاضا، تعيين وضعيت برگشتی ها توسط بازرسي و / يا جداسازي براي فهمیدن اینکه قابل بازسازی هستند یا خیر، ارسال برگشتی قابل بازيافت به کارخانه ها، ارسال برگشتی های غير قابل بازسازی (به دلایل اقتصادی و / یا تکنولوژیکی) به مرکز دفع. هدف این است که بدانید که چه تعداد و کدام کارخانه ها و مراکز جمع آوری باید باز شوند و کدام محصولات و به چه مقدار باید در آنها موجود باشد. ترجمه توسط وبسایت ترجمه یار

فرضیه های زیر در پیکربندی شبکه ایجاد می شود:

  • این مدل برای یک دوره واحد طراحی شده است.
  • تمام محصولات بازگشتی از بازار تقاضا در مراکز جمع آوری، جمع آوری می شوند.
  • مکان های بازار تقاضا ثابت می باشند.
  • مکان ها و ظرفیت کارخانه ها و مراکز جمع آوری از پیش تعیین شده اند.
  • مدل ریاضی

شبکه را می توان به عنوان یک مدل برنامه ریزی خطی عدد صحیح مختلط فرموله کرد. مجموعه ها، پارامترها و متغیرهای تصمیم گیری به شرح زیر تعریف می شوند:ترجمه توسط وبسایت ترجمه یار

  • مجموعه ها

I = مجموعه ای از مکان های کارخانجات تولید و بازسازی بالقوه(1 . . . i . . . I)

J = مجموعه ای از محصولات (1 . . . j . . . J)

K = مجموعه ای از مکان های بازار تقاضا (1 . . . k . . . K)

L = مجموعه ای از مکان های مراکز جمع آوری بالقوه (1 . . . l . . . L)

  • پارامترها

Aj = هزینه تولید محصول j

Bj = هزینه حمل و نقل محصول j در هر کیلومتر بین کارخانه ها و بازار تقاضا

Cj = هزینه حمل و نقل محصول j در هر کیلومتر بین بازار تقاضا و مراکز جمع آوری

Dj = هزینه حمل و نقل محصول j در هر کیلومتر از مراکز جمع آوری و کارخانه ها

Oj = هزینه حمل و نقل محصول j در هر کیلومتر بین مراکز جمع آوری و مراکز دفع

  Ei = هزینه ثابت برای باز کردن کارخانه i ترجمه توسط وبسایت ترجمه یار

Fl = هزینه ثابت برای باز کردن مرکز جمع آوری l

Gj = صرفه جویی در هزینه محصول j (به دلیل بهبود محصول)

Hj = هزینه دفع محصول j

Pij = ظرفیت کارخانه I برای محصول j

Qlj = ظرفیت مرکز جمع آوری برای محصول j

tik = فاصله بین مکان i و k براساس روش اقلیدسی ایجاد شده است (tkl و tli به همان شیوه تعریف می شوند). TL فاصله بین مرکز جمع آوری و مرکز دفع است.

dkj = تقاضای مشتری k برای محصول j

rkj = برگشت مشتری k برای محصول j

aj = کمترین مقدار دفع محصول j

زنجیره تامین معکوس  
زنجیره تامین مستقیم  
بازارهای تقاضا  
مراکز جمع آوری  
مراکز دفع  
کارخانه ها  

شکل 1: شبکه زنجیره تامین حلقه بسته

  • متغیرها

Xikj = مقدار محصول j تولید شده توسط کارخانه I برای بازار تقاضای k ترجمه توسط وبسایت ترجمه یار

Yklj = مقدار محصول برگشتی j از بازار تقاضای k به مرکز جمع آوری l

Slij = مقدار محصول برگشتی j از مرکز جمع آوری L به کارخانه i

Tlj = مقدار محصول برگشتی j از مرکز جمع آوری L به مرکز دفع

Zi = 1، اگر یک کارخانه مکان یابی شده باشد و در سایت بالقوه I راه اندازی شده باشد، 0، در غیر این صورت.

Wl = 1، اگر مرکز جمع آوری مکان یابی شده باشد و در سایت بالقوه L راه اندازی شده باشد ، 0، در غیر این صورت.ترجمه توسط وبسایت ترجمه یار

تابع هدف، به حداقل رساندن کل هزینه است. بخش اول و دوم هزینه های ثابت باز کردن کارخانه ها و مراکز جمع آوری را نشان می دهد. بخش سوم نشان دهنده هزینه های تولید و حمل و نقل محصولات جدید است. قسمت چهارم مربوط به بازسازی محصول و هزینه حمل و نقل محصولات بازگشتی است. علاوه بر این، بخش پنجم نشان دهنده کل هزینه های بازسازی و حمل و نقل محصولات بازگشتی از مراکز جمع آوری به کارخانه ها است. علاوه بر این، قسمت ششم هزینه های دفع و حمل و نقل را محاسبه می کند.

محدودیت (1) تضمین می کند که تعداد کل محصولات تولید شده برای هر بازار تقاضا برابر با یا بیشتر از تقاضا است. محدودیت (2) محدودیت ظرفیت کارخانه ها است. محدودیت (3) نشان می دهد که جریان رو به جلو بیشتر از جریان معکوس است. محدودیت (4) بر دفع حداقلی برای هر محصول تاکید می کند. محدودیت (5) محدودیت ظرفیت مراکز جمع آوری است. محدودیت (6) نشان می دهد که مقدار محصولات بازگشتی از بازار تقاضا برابر با مقدار محصول بازگشتی به کارخانه ها و مقدار محصولات در مرکز دفع برای هر مرکز جمع آوری و هر محصول است. محدودیت (7) محصولات بازگشتی را نشان می دهد. محدودیت (8) ماهیت دودویی متغیرهای تصمیم را تضمین می کند، در حالی که محدودیت (9) محدودیت غیر منفی را در متغیرهای تصمیم گیری حفظ می کند. ترجمه توسط وبسایت ترجمه یار

  • کاربرد مدل پیشنهادی

بازسازی دستگیه کپی در برخی مقالات مانند [5] مورد بررسی قرار گرفته است. تولید کنندگان عمده مانند Canon ، مجددا ماشین های کپی استفاده شده جمع آوری شده از مشتریان خود را بازسازی و مجددا به فروش می رسانند. در طی بازرسی اولیه در سایت جمع آوری، استانداردهای کیفیت ماشین آلات استفاده شده بررسی می شود تا اطمینان حاصل شود که محصولات بازگشتی دارای استانداردهای کیفیت معینی هستند. بازسازی اغلب در کارخانه های اصلی تولید با استفاده از تجهیزات مشابه انجام می شود. ماشین هایی که به طور کلی نمی توانند استفاده مجدد شوند ممکن است منبع دیگری برای قطعات یدکی قابل استفاده مجدد باشند. باقی مانده به طور معمول به مرکز دفع فرستاده می شود.

هدف این بخش نشان دادن کاربرد مدل ریاضی با نمونه های عددی است. برای این منظور، دو مسئله آزمون مورد بررسی قرار می گیرند. در مسئله آزمون 1 یک مثال قطعی در نظر گرفته شده است. داده های هزینه و کمترین مقدار دفع از [5] گرفته شده اند. جدول 2 داده ها را در جزئیات نشان می دهد. مکان های بالقوه برای تولیدکنندگان، بازار تقاضا، مراکز جمع آوری و مراکز تخلیه از توزیع یکنواخت بین 0 تا 100 واحد فاصله در مختصات x و y ایجاد شده است. مسئله آزمون 1 شامل پارامترهای قطعی است. با این حال، براورد مقادیر پارامترها در دنیای واقعی سخت است. در مسئله آزمون 2 فرض می شود که پارامترها (به جز تقاضا و بازگشت) از توزیع یکنواخت پیروی می کنند. دلیل آن این است که هر پارامتر تحت توزیع یکنواخت می تواند با دو عدد نشان داده شود (دقیقا نه). جدول 2 این مقادیر را نشان می دهد. هدف این است که یک مدل واقع بینانه با استفاده از توزیع یکنواخت در نظر بگیریم.ترجمه توسط وبسایت ترجمه یار

مسائل آزمون توسط CPLEX 9.1.0 حل شده است. CPLEX یک بسته نرم افزاری بهینه سازی است که برای حل مسائل برنامه ریزی خطی مختلط عدد صحیح مناسب است. تمام کارهای محاسباتی بر روی یک کامپیوتر شخصی (سیستم عامل 32 بیتی، پردازنده 2.33 گیگاهرتز و 4.00 گیگا بایت) انجام شد. آمارهای مدل 797 عنصر غیر صفر، 78 معادله واحد، 189 متغیر واحد و 8 متغیر گسسته است. مقدار هدف (هزینه کل)، در مسئله آزمون 1، 17,878,724 (درر 0.031 ثانیه حل شده) و در مسئله آزمون2 17,406,850 (در 0.124 ثانیه حل شده است). شکل های 2 و 3 شبکه های بهینه را برای مسائل آزمون 1 و 2 نشان می دهد (محصول 2). دیده می شود که در آزمون 1، کارخانجات 1 و 3 باز هستند. با این حال، کارخانجات 2 و 3 در مسئله آزمون 2 کار می کنند. علاوه بر این، مراکز جمع آوری های مختلف در مسائل 1 و 2 آزمون باز هستند. در نتیجه، با توجه به توزیع یکنواخت، هزینه کلی پیکربندی شبکه تغییر نمی کند، بلکه کارخانه های باز را تغییر می دهد.

  • بسطی در چند هدفه

در مدل ریاضی ذکر شده، هزینه کل به حداقل می رسد. با این حال، مسائل محیطی نیز باید مورد توجه قرار گیرد. برای این منظور پارامترهای جدیدی تعریف می شوند. Mij ​​پارامتر استفاده از مواد سازگار با محیط زیست توسط کارخانه i برای تولید محصول j است. مواد قابل بازیافت یک مثال از این پارامتر است [33]. پارامتر دیگر Nli است که به عنوان پارامتر از استفاده از تکنولوژی پاک توسط مرکز جمع آوری l برای پردازش محصول j تعریف می شود. تکنولوژی پاک شامل انرژی تجدید پذیر و بازیافتی مانند انرژی خورشیدی است [34]. هر دو پارامتر کیفی هستند و باید توسط تصمیم گیرندگان تعیین شوند. این دو پارامتر بین 0 و 1 هستند. برخی از تکنیک های تصمیم گیری مانند فرایند سلسله مراتبی تحلیلی (AHP) می توانند برای تبدیل ارزیابی کیفی به نتایج کمی مفید باشند. روش AHP مراحل مختلفي دارد از جمله توسعه سلسله مراتب مسئله، ساخت ماتريس مقايسه زوجی، سنتز و آزمون سازگاري. تابع هدف دوم می تواند به صورت معادله (10) نوشته شود: ترجمه توسط وبسایت ترجمه یار

  • روش راه حل

برای حل مسئله چند هدفه، دو روش از جمله روش مجموع وزنی و روش محدودیت ƹ بکار می رود. این روش می تواند مسئله ما را به یک مسئله بهینه سازی یک هدفه تبدیل کند. روش مجموع وزنی، محبوب ترین روش چند هدفه است. با این حال تعیین وزنها یک چالش است. برای مقایسه نتایج، ما همچنین از روش محدودیت ƹ استفاده می کنیم. برای اطلاعات بیشتر می توانید به [35] مراجعه کنید.

جدول 2: داده ها برای مثال بازسازی کپی

مسئله آزمون 1    
I = 4 (تعداد کارخانجات) Cj = 0.005 Hj = 2.5
J = 3 (تعداد محصولات) Dj = 0.003 Pij = 84,000
K = 5 (تعداد بازارهای تقاضا) Oj = 0.00155 Qlj = 34,000
L = 4 (تعداد مراکز جمع آوری) Ei = 5,000,000 dkj = 30,000
Aj = 15 Fl = 500,000 rkj = 10,000
Bj = 0.01455 Gj = 7 aj = 0.4
مسئله آزمون 2    
I = 4 (تعداد کارخانجات) Cj = uniform (0.0045, 0.0055) Hj = uniform (2.25, 2.75)
J = 3 (تعداد محصولات) Dj = uniform (0.0027, 0.0033) Pij = uniform (75,600, 92,400)
K = 5 (تعداد بازارهای تقاضا) Oj = uniform (0.0014, 0.0017) Qlj = uniform (30,600, 37,400)
L = 4 (تعداد مراکز جمع آوری) Ei = uniform (4,500,000, 5,500,000) dkj = 30,000
Aj = uniform (13.5, 16.5) Fl = uniform (450,000, 550,000) rkj = 10,000
Bj = uniform (0.0131, 0.0160) Gj = uniform (6.3, 7.7) aj = uniform (0.27, 0.33)
مراکز جمع آوری  
بازارهای تقاضا  
کارخانه ها  
مراکز دفع  
جریان معکوس  
جریان مستقیم  
مراکز دفع  
مراکز جمع آوری  
بازارهای تقاضا  
کارخانه ها  
جریان معکوس  
جریان مستقیم  

شکل 2: شبکه زنجیره تامین بهینه حلقه بسته (مسئله آزمون 1، محصول 2).

شکل 3: شبکه زنجیره تامین بهینه حلقه بسته (مسئله آزمون 2، محصول 2).

  • روش مجموع وزنی

در این روش، توابع هدف با تعیین وزن مناسب ترکیب می شوند. این وزن ها (W1 و W2 در این مورد) توسط تصمیم گیرندگان تعیین می شوند. بعضی از روش ها مانند AHP نیز می توانند در تعیین وزن اهداف مورد استفاده قرار گیرند. قابل توجه است که w1، w2 P 0 و w1 + w2 = 1. معادله. (11) فرمول مسئله ما را نشان می دهد:ترجمه توسط وبسایت ترجمه یار

  • روش محدودیت ƹ

در این روش، مسئله بهینه سازی چند هدفه به یک مسئله بهینه سازی یکپارچه با محدودیت های اضافی تبدیل شده است. تابع هدف با اولویت بالا به عنوان تابع هدف در نظر گرفته می شود. اهداف دیگر با استفاده از یک بردار محدودیت ƹ به عنوان محدودیت ها نوشته می شوند. مسئله تبدیل شده در معادله (12) نوشته شده است.:

مجموع وزنی  
محدودیت ƹ  

شکل 4: سطوح رابطه جایگزینی برای مسئله آزمون 2: (a) روش مجموع وزنی، (b) روش محدودیت ƹ، (c) مجموع وزنی و روش های محدودیت ƹ. ترجمه توسط وبسایت ترجمه یار

  • 6.2            سطوح رابطه جایگزینی

هدف از مدل های برنامه نویسی چند هدفه، یافتن راه حل های کارآمد است. یک راه حل کارآمد دارای ویژگی است که بهبود هیچ یک از مقادیر هدف بدون به خطر انداختن حداقل یک هدف دیگر غیر ممکن است. تعداد کمی از راه حل های کارآمد، سطح رابطه جایگزینی و یا پارتو را ایجاد می کنند [35،36]. در این بخش، مسئله آزمون 2 توسط دو روش ذکر شده حل شده و سطوح رابطه جایگزینی در شکل 4 نشان داده شده است. برای این منظور وزنهای مختلف تعیین شده و مقادیر توابع هدف محاسبه شده اند. افزون بر این، سطح رابطه جایگزینی مسئله با تغییر مقدار ƹ تعیین شده است. همانطور که قبلا ذکر شد CPLEX 9.1.0 برای حل مسئله مورد استفاده قرار می گیرد. در این مثال فرض می شود که Mij و Nli توزیع یکنواخت بین 0 و 1 داشته باشند.

استفاده از روش های مجموع وزنی آسان است، اما می توان آن را فقط در مجموعه های محدب اعمال کرد. این ضعف این روش است که شناسایی سطح رابطه جایگزینی مسئله را مشکل می سازد. روش محدودیت ƹ می تواند برای مسائل غیر محدب استفاده شود. با این حال، در انتخاب پارامتر ƹ بسیار حساس است. یک انتخاب خوب می تواند گسترش خوبی از راه حل ها در سطح رابطه جایگزینی را فراهم کند. این موضوع را می توان به عنوان ضعف این روش در نظر گرفت.ترجمه توسط وبسایت ترجمه یار

در شکل 4 دیده می شود که روش مجموع وزنی نمی تواند برخی راه حل های بین 17،891،000 و 34،684،000 و مقادیر تابع هدف اول را تعیین کند. با این وجود، روش محدودیت ƹ می تواند راه حل های بیشتری را به دست آورد. در نتیجه، برای مسئله آزمون 2، روش محدودیت ƹ، نسبت به روش های مرسوم وزنی، کارآمدتر است. مقادیر تابع هدف از روش محدودیت ƹ در جدول 3 نوشته شده اند. تعداد تسهیلات باز (کارخانه ها و مراکز جمع آوری) نیز نوشته شده اند. ما می بینیم که نتایج برخی از مسائل آزمون در جدول 3 از شکل 3 متفاوت است. به عنوان مثال، مراکز جمع آوری 2 و 4 در شکل 3 (هدف واحد) باز هستند. با این حال، مراکز جمع آوری 2 و 3 در بعضی موارد در جدول 3 (چند هدفه) باز هستند. این موضوع تاثیر تابع هدف دوم بر نتایج را نشان می دهد. علاوه بر این، ما تجزیه و تحلیل حساسیت ƹ را با توجه به تابع هدف در شکل 5 نشان می دهیم.

  • بسطی در بررسی عدم قطعیت

پارامترهای چندگانه مقادیر غیر قطعی در عمل دارند. عدم قطعیت در تقاضا منبع اصلی عدم قطعیت در مدیریت زنجیره تامین است. برگشتی نامعلوم یکی دیگر از مهمترین ابهامات در لجستیک معکوس است. این موضوع در مدل بهینه سازی مفید است. ترجمه توسط وبسایت ترجمه یار

  • برنامه ریزی تصادفی

عدم قطعیت در پارامترها می تواند با برنامه ریزی تصادفی مدل شود. هدف برنامه ریزی تصادفی، کشف یک راه حل است که تحت هر گونه تحقق احتمالی پارامترهای تصادفی به خوبی اجرا خواهد شد. پارامترهای تصادفی می توانند به عنوان مقادیر پیوسته یا سناریوهای گسسته [9] بیان شوند. در این مقاله، تجزیه و تحلیل مبتنی بر سناریو برای در نظر گرفتن عدم اطمینان استفاده می شود. برای اطلاعات بیشتر می توانید به [37،38] مراجعه کنید. فرض کنید بردار y شامل تمام متغیرهای باینری است. علاوه بر این، بردار x دارای تمام متغیرهای غیر منفی است. علاوه بر این، q و C بردارهای مرتبط با هزینه ثابت و متغیر هستند. همچنین فرض می شود که a، b، e و f ماتریس ها می باشند. مسئله کمینه سازی می تواند به صورت زیر نوشته شود:

فرض کنید که سناریوهای U وجود دارند و سناریوی u با احتمال pu اتفاق می افتد. مقدار مورد انتظار تابع هدف را می توان با معادله (14) محاسبه کرد:

برای فرموله کردن شبکه زنجیره تأمین حلقه بسته با عدم قطعیت، مجموعه های جدید، پارامترها و متغیرها باید به تعاریف قبلی اضافه شوند.ترجمه توسط وبسایت ترجمه یار

  • مجموعه ها

U = مجموعه ای از سناریوها (1 . . . u . . . U)

جدول 3: نتایج روش محدودیت ƹ

e مقدار هدف اولیه مقدار هدف ثانویه کارخانه های باز مراکز جمع آوری باز
50,000 17,407,000 319,120 2, 3 2, 4
100,000 17,407,000 319,120 2, 3 2, 4
200,000 17,407,000 319,120 2, 3 2, 4
300,000 17,407,000 319,120 2, 3 2, 4
350,000 17,407,000 350,000 2, 3 2, 4
400,000 17,413,000 400,000 2, 3 2, 4
450,000 17,440,000 450,000 2, 3 2, 3
500,000 17,473,000 500,000 2, 3 2, 3
600,000 22,094,000 600,000 2, 3, 4 2, 3
650,000 22,794,000 650,000 2, 3, 4 2, 3
700,000 24,298,000 700,000 2, 3, 4 1, 2, 3
800,000 31,091,000 800,000 1, 2, 3, 4 2, 3
900,000 33,870,000 900,000 1, 2, 3, 4 1, 2, 3

شکل 5: آنالیز حساسیت ƹ

  • پارامترها

dkju = تقاضای مشتری k برای محصول j برای سناریوی u

rkju = برگشتی مشتری k برای محصول j برای سناریوی u

pu = احتمال سناریوی u

  • متغیرها

Xikju = مقدار محصول j تولید شده توسط کارخانه i برای بازار تقاضای k در سناریوی u

Yklju = مقدار محصول بازگشتی j از بازار تقاضای k به مرکز جمع آوری l در سناریوی u

Sliju = مقدار محصول بازگشتی j از مرکز جمع آوری L به کارخانه i در سناریوی u

Tlju = مقدار محصول بازگشتی j از مرکز جمع آوری L به مرکز تخلیه در سناریوی u

مدل تصادفی چند هدفه (مبتنی بر سناریو) می تواند به این صورت نوشته شود:

  • نتایج محاسباتی

برای بررسی اثرات عدم قطعیت، تجزیه و تحلیل سناریو انجام می شود. سناریوهای انتخاب شده برای تجزیه و تحلیل و بحث در جدول 4 ذکر شده اند. پارامترهای سناریوی 5 (نمونه پایه) شبیه به مسئله آزمون است. هر یک از سناریوها (1-9) سناریوی متفاوتی را نشان می دهند که تنوع در تقاضا و بازگشتی را نشان می دهد. در واقع، ترکیبات مختلف 10٪ افزایش و کاهش تقاضا و بازگشتی را در نظر گرفته اند. علاوه بر این، سناریوها با توجه به تغییرات مقدار تابع هدف با توجه به مورد پایه (سناریوی 5) مقایسه می شوند، همانطور که در جدول 4 نشان داده شده است (به عنوان مثال (18,531,389– 17,412,507)/17,412,507 = 6.43%). علاوه بر این، مدل تصادفی حل شده است و تغییر مقدار تابع هدف در جدول 4 نوشته شده است. شکل 6 مقدار تابع هدف را در مدل های قطعی و تصادفی نشان می دهد.ترجمه توسط وبسایت ترجمه یار

تجزیه و تحلیل حساسیت نتایج نشان می دهد که شبکه بهینه زنجیره تامین حلقه بسته به تغییرات تقاضا و برگشتی بسیار حساس است. همانطور که در جدول 4 نشان داده شده است، برنامه ریزی برای افزایش 10٪ تقاضا (سناریوی 6) منجر به شبکه ای می شود که هزینه ای برابر با 6.67٪ بیشتر از مورد پایه دارد، در حالی که فرض بر کاهش 10٪ تقاضا (سناریوی 7) هزینه را حدود 6.49٪ کاهش می دهد. انحرافات در هزینه نیز می تواند برای برگشتی (سناریوهای 3 و 4) مشاهده شود. با این حال، دیده می شود که اثر عدم قطعیت در تقاضا بیشتر از برگشتی است، زیرا تقاضا سهم قابل توجهی نسبت به برگشتی در تابع هدف دارد. چنین انحرافاتی در هزینه نشان می دهد که برنامه ریزی تحت شرایط عدم قطعیت (تقاضا و برگشتی) ریسکی است و پیش بینی های پارامترهای مبهم می تواند مفید باشد. نتایج سناریوی تصادفی (سناریوی 10) نشان می دهد که مدل برنامه ریزی تصادفی می تواند پیکربندی زنجیره تامین بهینه را با حلقه بسته با تابع هدف نزدیک به مورد پایه (تغییرات 0.05٪) به دست آورد. این مشاهدات نشان می دهد که مدل برنامه ریزی تصادفی پیشنهادی، ریسک های مربوط به منابع مختلف عدم اطمینان از جمله تقاضا و برگشتی را در نظر می گیرد.

جدول 4: تحلیل سناریو

مدل های قطعی 797 عدد غیر صفر، 78 معادله واحد، 189 متغیر واحد و 8 متغیر گسسته
سناریو تقاضا برگشتی احتمال تغییر %
1 33,000 9000 0.075 6.43
2 27,000 11,000 0.075 3.53
3 30,000 11,000 0.1 0.23
4 30,000 9000 0.1 0.22
5 (base-case) 30,000 10,000 0.3 0.00
6 33,000 10,000 0.1 6.67
7 27,000 10,000 0.1 6.49
8 33,000 11,000 0.075 6.91
9 27,000 9000 0.075 6.75
10 مدل تصادفی ترکیبی از 9 سناریو 8723 عناصر غیر صفر، 704 معادلات واحد، 1630 متغیر واحد و 8 متغیر گسسته 0.05
مقدار هدف  
سناریو  
مقدار هدف  

شکل 6: مقادیر هدف سناریوهای قطعی (1-9) و مورد تصادفی (سناریوی 10).

مدل تصادفی  
مدل قطعی  

شکل 7: تحلیل حساسیت aj در سناریوهای قطعی (مورد پایه) و تصادفی.

حداقل مقدار دفع محصول j (aj) یک پارامتر مهم است که مربوط به زنجیره تامین معکوس است. برای نشان دادن اثر این پارامتر بر تابع هدف، تحلیل حساسیت انجام می شود. شکل 7 نتایج مربوط به هر دو مدل قطعی (مدل پایه) و تصادفی را نشان می دهد. دیده می شود که با افزایش پارامترها، مقادیر تابع هدف افزایش می یابد. ترجمه توسط وبسایت ترجمه یار

  • نتیجه گیری

در این تحقیق، یک مدل مکان یابی تسهیلات برای یک شبکه زنجیره تأمین حلقه بسته ارائه شده است. این مدل برای چند کارخانه، بازار تقاضا، مراکز جمع آوری و محصولات، طراحی شده است. برای نشان دادن کاربرد مدل ریاضی، دو مسئله آزمون برای نمونه بازسازی دستگاه کپی مورد بررسی قرار می گیرند. علاوه بر این، مدل به منظور در نظر گرفتن اهداف محیطی گسترش یافته است. دو روش برای حل مدل برنامه ریزی چند هدفه از جمله مجموع وزنی و روش های محدودیت ƹ استفاده می شوند. نتایج آزمون 2 نشان می دهد که روش محدودیت ƹ می تواند راه حل های کارآمدتری را نسبت به روش مجموع وزنی به دست آورد. بنابراین، روش محدودیت ƹ برای این مثال انتخاب شده است. این مدل همچنین توسط برنامه ریزی تصادفی (مبتنی بر سناریو) برای بررسی اثرات تقاضا و برگشتی غیر قطعی بر پیکربندی شبکه توسعه داده شده است. نتایج محاسباتی نشان می دهد که مدل برنامه ریزی تصادفی می تواند پیکربندی زنجیره تامین بهینه حلقه بسته انعطاف پذیری را با تابع هدف نزدیک به مورد پایه به دست آورد. این مقاله یکی از اولین تحقیقاتی است که مدل های ریاضی چند هدفه را در محیط غیر قطعی در پیکربندی شبکه CLSC در نظر می گیرد.ترجمه توسط وبسایت ترجمه یار

برخی از آثار بالقوه در آینده وجود دارند. یکی از نقاط ضعف تجزیه و تحلیل مبتنی بر سناریو، تعداد کم سناریوها به دلایل محاسباتی است. سودمند است که اثرات عدم قطعیت در مدل را با روش های دیگری مانند بهینه سازی قوی بررسی کرده و نتایج را مقایسه کنیم. در اين تحقيق، دو عامل كيفي (مواد اولیه دوستدار محیط زیست و استفاده از فناوري پاک) مورد توجه قرار گرفته اند. سودمند است که یک روش جدید بر اساس برخی از استانداردهای محیطی مانند شاخص زیست محیطی 99 ارائه شود. تحقیق دیگری در آینده برای توسعه رویکردهای اکتشافی مانند الگوریتم ژنتیک و جستجوی پراکنده است زیرا حل مسائل وسیع در یک زمان معقول، دشوار است. ضمنا، مدل پیشنهادی برای یک دوره واحد طراحی شده است. این مدل را می توان برای بررسی دوره های مختلف توسعه داد. در این شرایط، سطح موجودی نیز باید مورد توجه قرار گیرد. در نهایت ارزشمند است که مدلها را در موارد واقعی بکار ببریم و نتایج را تجزیه و تحلیل کنیم.

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات ترجمه => ثبت سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ و حتی ایمو با شماره تلفن 09367938018 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+