ارائه مدل ریاضی دو هدفه زنجیره تأمین پایدار مبتنی بر پارامترهای عدم‌قطعیت (کاهش ظرفیت در اثر اختلال، هزینه‌های ارسال و تقاضا)

نوع مقاله : پژوهشی اصیل

نویسندگان
معصومه نظری 1
محمود دهقان نیری 2
کیامرث فتحی هفشجانی 3
1 دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران جنوب، ایران.
2 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.
3 استادیار، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران جنوب، ایران.
چکیده
هدف: در دنیای کنونی بسیاری از مسائل تصمیم‌گیری با شرایط عدم‌اطمینان احاطه‌ شده‌اند. منشاء اصلی این شرایط نقصان و بعضاً فقدان اطلاعات برای تصمیم‌گیری است و یکی از چالش‌برانگیزترین مسائل و درعین‌حال ازجمله مهم‌ترین مسائل مدیریت زنجیره تأمین می‌باشد. لذا مطالعه حاضر با هدف ارائه مدل ریاضی دو هدفه زنجیره تأمین پایدار مبتنی بر پارامترهای عدم‌قطعیت، به کمینه‌سازی هزینه­‌ها، آلاینده‌های اثرات زیست‌محیطی پرداخته است. الگوی پیشنهادی می‌تواند ابزار کارآمدی برای طراحی یک شبکه زنجیره تأمین پایدار و انعطاف‌پذیر باشد.

روش‌شناسی: این پژوهش از لحاظ ماهیت پژوهش، توصیفی- تحلیلی است. همچنین از نظر هدف نوعی پژوهش کاربردی می‌باشد. در این مطالعه با توجه به پارامترهای مدل ریاضی دو هدفه، با روش سناریو محور مالوی با در نظر گرفتن هزینه‌های ارسال، تقاضا و کاهش ظرفیت در اثر اختلال به‌عنوان پارامترهای عدم‌قطعیت توسعه داده شد. جهت تجزیه‌و‌تحلیل داده‌ها از نرم‌افزار GAMS, EXCEL, Microsoft VISIO بهره گرفته شد.
یافته‌ها: نتایج مؤید آن است، استفاده از مدل ریاضی سناریو محور مالوی در شرایط عدم‌اطمینان در زنجیره تأمین پایدار، می‌تواند به دستیابی نتایج مطلوب و مثمرثمر منجر شود و مدل ریاضی توانسته به نحو مؤثری به عدم‌قطعیت تقاضا و هزینه­های ارسال و کاهش ظرفیت در اثر اختلال، بپردازد درحالی‌که در مسائل با مجموعه‌های بزرگ‌تر از کارآمدی مدل کاسته شد.
کلیدواژه‌ها
زنجیره تأمین
زنجیره تأمین پایدار
عدم‌اطمینان
مدلسازی استوار

موضوعات

عنوان مقاله English

Presenting a Bi-objective mathematical model of a sustainable supply chain based on uncertainty parameters (capacity reduction due to disruption, shipping, and demand costs)

نویسندگان English

Massoumeh Nazari 1
Mahmoud Dehghan Nayeri 2
Kiamars Fathi Hafshejani 3
1 Ph.D. Candidate in Industrial Management, Faculty of Management, University of Azad Tehran south branch, Tehran, Iran.
2 Associate Prof., Department of Industrial Management, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran.
3 Assistant Prof., Department of Industrial Management, Faculty of Management, University of Azad Tehran south branch, Tehran, Iran.
چکیده English

Purpose: In today's world, many decision-making problems are uncertain. The main source of these conditions is the lack and sometimes the absence of information for decision-making, which makes it one of the most challenging and at the same time the most important issues in supply chain management. Therefore, the present study aims to provide a Bi-objective mathematical model of a sustainable supply chain based on uncertain parameters, with a focus on minimizing costs and environmental pollutants. The proposed model can be an efficient tool for designing a sustainable and flexible supply chain network.

Methodology: This research is descriptive-analytical. Furthermore, in terms of its objectives, it is considered an applied type of research. This study developed the Malvey scenario-based method, focusing on the parameters of the two-objective mathematical model, while considering shipping costs, demand, and capacity reduction due to disruptions as uncertainty parameters. In study utilized software tools GAMS, Excel, and Microsoft Visio for data analysis.

Findings: The results indicate that using the mathematical model based on the Malvey scenario in uncertain conditions in a sustainable supply chain can lead to achieving favorable and fruitful results. The mathematical model was able to effectively address demand uncertainty, shipping costs, and capacity reduction due to disruptions, although its performance decreased in scenarios with larger aggregates.

کلیدواژه‌ها English

Supply Chain
Sustainable supply chain
Uncertainty
Robust modeling
[1] Qin J, Zhao Y, Xia L. Carbon emission reduction with capital constraint under greening financing and cost sharing contract, International Journal of Environmental Research and Public Health, 15(4), 2018, 750.
[2] Wang W, Zhang Y, Zhang W, Gao G, Zhang H. Incentive mechanisms in a green supply chain under demand uncertainty, Journal of cleaner production, 279, 2021, 123636.
[3] آذر، ع.، فرخ، م. برنامه‌ریزی ریاضی در شرایط عدم اطمینان (رویکردهای تصادفی، فازی و استوار)، سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت)، چاپ دوم، 1398.
[4] Allaoui H, Guo Y, Sarkis J. Decision support for collaboration planning in sustainable supply chains, Journal of Cleaner Production, 229, 2019, 761-774.
[5] قربانخانی، ا.، مروتی شریف‌آبادی، ع.، میر غفوری، س.ح.، میر فخرالدینی، س.ح.، طراحی مدل احتمالاتی زنجیره تأمین پایدار در صنعت برق بانفوذ تولیدات تجدید پذیر، پژوهش‌های مدیریت منابع سازمانی، دوره 11، شماره1، 1400.
[6] Foroozesh N, Karimi B, Mousavi S. Green-resilient supply chain network design for perishable products considering route risk and horizontal collaboration under robust interval-valued type-2 fuzzy uncertainty: A case study in food industry, Journal of environmental management, 307, 2022, 114470.
[7] کاظمی، ع.، شفیعی، ف.، جعفر نژاد چقوشی، ا.، سازور، ز.، عموزاده مهدیرجی، ح.، ارائه یک مدل بهینه‌سازی استوار زنجیره تأمین پایدار برای محصولات فسادپذیر لبنی، فصلنامه مدیریت تولید و عملیات، دوره 11، شماره3، 1399، ص ص 46-17.
[8] آذر، ع.، مدرس یزدی، م.، فطانت فرد حقیقی، م.، ربیعه، م.، طراحی مدل ریاضی استوار زنجیره تأمین، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، 1389.
[9] Homayouni Z, Pishvaee MS, Jahani H, Ivanov D. A robust-heuristic optimization approach to a green supply chain design with consideration of assorted vehicle types and carbon policies under uncertainty, Annals of Operations Research, 2023, 1-41.
[10] Li J, Liu P. Modeling green supply chain games with governmental interventions and risk preferences under fuzzy uncertainties, Mathematics and Computers in Simulation, 192, 2022, 182-200.
[11] Santibañez-Aguilar JE, Castellanos S, Flores-Tlacuahuac A, Shapiro BB, Powell DM, Buonassisi T, Kammen DM. Design of domestic photovoltaics manufacturing systems under global constraints and uncertainty, Renewable energy, 148, 2020, 1174-1189.
[12] Shahbazbegian V, Hosseini-Motlagh S-M, Haeri A. Integrated forward/reverse logistics thin-film photovoltaic power plant supply chain network design with uncertain data, Applied Energy, 277, 2020, 115538.
[13] Khishtandar S. Simulation based evolutionary algorithms for fuzzy chance-constrained biogas supply chain design, Applied Energy, 236, 2019, 183-195.
[14] Yavari M, Geraeli M. Heuristic method for robust optimization model for green closed-loop supply chain network design of perishable goods, Journal of Cleaner Production, 226, 2019, 282-305.
[15] Modak NM, Kelle P. Managing a dual-channel supply chain under price and delivery-time dependent stochastic demand, European Journal of Operational Research, 272(1), 2019, 147-161.
[16] Sherafati M, Bashiri M, Tavakkoli-Moghaddam R, Pishvaee MS. Supply chain network design considering sustainable development paradigm: A case study in cable industry, Journal of cleaner production, 234, 2019, 366-380.
[14] Bairamzadeh S, Saidi-Mehrabad M, Pishvaee MS. Modelling different types of uncertainty in biofuel supply network design and planning: A robust optimization approach, Renewable energy, 116, 2018, 500-517.
[15] Gong J, You F. Resilient design and operations of process systems: Nonlinear adaptive robust optimization model and algorithm for resilience analysis and enhancement, Computers & chemical engineering, 116, 2018, 231-252.
[16] Dehghani E, Jabalameli MS, Jabbarzadeh A, Pishvaee MS. Resilient solar photovoltaic supply chain network design under business-as-usual and hazard uncertainties, Computers & Chemical Engineering, 111, 2018, 288-310.
[17] Ahmed W, Sarkar B. Impact of carbon emissions in a sustainable supply chain management for a second generation biofuel, Journal of Cleaner Production, 186, 2018, 807-820.
[18] Heidari-Fathian H, Pasandideh SHR. Green-blood supply chain network design: Robust optimization, bounded objective function & Lagrangian relaxation, Computers & Industrial Engineering, 122, 2018, 95-105.
[19] Yadollahinia M, Teimoury E, Paydar MM. Tire forward and reverse supply chain design considering customer relationship management, Resources, Conservation and Recycling, 138, 2018, 215-228.
[20] Jabbarzadeh A, Fahimnia B, Sabouhi F. Resilient and sustainable supply chain design: sustainability analysis under disruption risks, International Journal of Production Research, 56(17), 2018, 5945-5968.
[21] Zahiri B, Jula P, Tavakkoli-Moghaddam R. Design of a pharmaceutical supply chain network under uncertainty considering perishability and substitutability of products, Information sciences, 423, 2018, 257-283.
[22] Mulvey JM, Vanderbei RJ, Zenios SA. Robust optimization of large-scale systems, Operations research, 43(2), 1995, 264-281.
پژوهش های مدیریت منابع سازمانی
دوره 14، شماره 2
مهر 1403
صفحه 145-176