پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,111,597 |
| تعداد دریافت فایل اصل مقاله | 89,872,958 |
ارائه مدل چندهدفه برای مسئله مکان‌یابی ـ مسیریابی ـ موجودی در شبکه زنجیره تأمین حلقه بسته سبز چنددوره‌ای و چندمحصولی برای کالاهای فاسدشدنی | ||
| مدیریت صنعتی | ||
| مقاله 5، دوره 11، شماره 1، 1398، صفحه 83-110 اصل مقاله (1.69 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2019.275295.1007558 | ||
| نویسندگان | ||
| سیما حاجیان1؛ محمدعلی افشار کاظمی* 2؛ سید محمد سید حسینی3؛ عباس طلوعی اشلقی4 | ||
| 1دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 3استاد، گروه مهندسی صنایع، دانشکده مهندسی صنایع دانشگاه علم و صنعت ایران، تهران، ایران | ||
| 4استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| چکیده | ||
| هدف: در سه دهه اخیر، مفهوم یکپارچگی تصمیم‌گیری در زنجیره تأمین به یکی از مهم‌ترین ابعاد مدیریت زنجیره تأمین تبدیل شده است. این مفهوم به بررسی وابستگی میان مکان تسهیلات، تخصیص جریان بین تسهیلات، ساختار سیستم حمل‌ونقل و سیستم کنترل موجودی می‌پردازد. این مقاله صورت جدیدی از مسئله مکان‌یابی ـ مسیریابی ـ موجودی را در یک شبکه زنجیره تأمین حلقه بسته برای محصولات فاسدشدنی با در نظر گرفتن ملاحظات زیست‌محیطی ارائه می‌دهد، به‌نحوی که همزمان مجموع هزینه‌های سیستم، مجموع حداکثر زمان حمل‌ونقل و انتشار آلاینده‌ها در کل شبکه کمینه شود. روش: مسئله پژوهش در قالب یک مدل چندهدفه برنامه‌ریزی غیرخطی عدد صحیح مختلط فرموله شده و برای حل مدل، رویکردی از الگوریتم ژنتیک پیشنهاد شده است. به‌منظور اعتبارسنجی، نتایج الگوریتم پیشنهادی در مثال‌های اندازه کوچک با نتایج حل روش دقیق توسط نرم‌افزار گمز، مقایسه شده‌اند. یافتهها: میانگین خطای حاصل از الگوریتم پیشنهادی برای تابع هدف در مقایسه با روش دقیق، در حل مسائل نمونه، کمتر از 4 درصد است. همچنین نتایج حاصل از عملکرد الگوریتم بر اساس شاخص‌های استاندارد بررسی شده است. نتایج محاسباتی، نشانگر کارایی الگوریتم برای طیف وسیعی از مسائل با اندازه‌های متفاوت است. نتیجهگیری: تصمیم‌های مکان‌یابی، مسیریابی و موجودی به هم وابسته بوده و تعیین مقادیر بهینه این متغیرها در تعامل با هم است که می‌تواند به یافتن یک سیستم بهینه با حداقل هزینه‌های ممکن منجر شود. | ||
| کلیدواژه‌ها | ||
| مکان‌یابی؛ مسیریابی؛ موجودی؛ شبکه حلقه بسته سبز؛ فاسدشدنی | ||
| عنوان مقاله [English] | ||
| Developing a Multi-Objective Model for Locating-Routing-Inventory Problem in a Multi-Period and Multi-Product Green Closed-Loop Supply Chain Network for Perishable Products | ||
| نویسندگان [English] | ||
| Sima Hajian1؛ Mohammad Ali Afshar Kazemi2؛ Seyed Mohammad Seyed Hosseini3؛ Abbass Toloie4 | ||
| 1Ph.D. Candidate, Department of Industrial Management, Faculty of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| 2Associate Prof., Department of Industrial Management, Faculty of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran. | ||
| 3Prof., Department of Industrial Engineering, Faculty of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran | ||
| 4Prof., Department of Industrial Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| Objective: During the last three decades, the concept of decision-making integrity in the supply chain has become one of the most important dimensions in the supply chain management. This concept examines the dependence between the location of facilities, allocation of flow between facilities, the structure of transport system and inventory control system. This paper presents a new form of locating- routing- inventory problem in a closed-loop supply chain network for perishable products with respect to environmental considerations, in such a way that the aggregate system costs, the aggregate maximum transportation time and emission of pollutants throughout the network should be minimized. Methods: The research problem is formulated in the form of a multi-objective mixed integer nonlinear programming model and a genetic algorithm approach is proposed to solve the model. In order to validate, the results of the proposed algorithm are compared in small-scale examples with the exact solution method using GAMS software. Results: The mean error of the proposed algorithm for the objective function is fewer than 4% as compared to the exact solution. In addition, the results of the algorithm's performance are discussed based on standard indices. The computational results indicated the efficiency of the algorithm for a wide range of problems with different sizes. Conclusion: The locating, routing and inventory decisions are interdependent and determining the optimal values for these variables is in interaction with each other which can lead to an optimal system with the least possible cost. | ||
| کلیدواژه‌ها [English] | ||
| location, Routing, Inventory, Green closed loop network, Perishable | ||
| مراجع | ||
|
محمدی، امیرسالار؛ عالم تبریز، اکبر؛ پیشوایی، میرسامان (1397). طراحی شبکه زنجیره تأمین سبز حلقه بسته همراه با تصمیم‌های مالی در شرایط عدم قطعیت. فصل‌نامهمدیریتصنعتی، 10 (1)، 61-84. وکیلی، پریزاد؛ حسینی‌مطلق، سید مهدی؛ غلامیان، محمدرضا؛ جوکار، عباس (1396). ارائه مدل ریاضی مسیریابی ـ موجودی چندمحصوله برای اقلام دارویی در زنجیره تأمین سرد و روش حل ابتکاری مبتنی بر جست‌وجوی همسایگی انطباقی. فصل‌نامهمدیریتصنعتی، 9 (2)، 383-407.
References Ahmadi Javid, A., & Azad, N. (2010). Incorporating location, routing and inventory decisions in supply chain network design. Transportation Research Part E: Logistics and Transportation Review, 46(5), 582-597. Ahmadi Javid, A., & Seddighi, A.H. (2012). A location-routing-inventory model for designing multisource distribution networks. Engineering Optimization, 44(6), 637-656. Diabat, A., Abdallah, T., & Henschel, A. (2015). A closed-loop location-inventory problem with spare parts consideration. Computers & Operations Research, 54, 245–256. Govindan, K., Jafarian, A., Khodaverdi, R., & Devika, K. (2014). Two-echelon multiple vehicle location–routing problem with time windows for optimization of sustainable supply chain network of perishable food.International Journal of Production Economics, 152, 9-28. Govindan, K., Soleimani, H., & Kannan, D. (2015). Reverse logistics and closed-loop supply chain: a comprehensive review to explore the future. European Journal of Operational Research, 240(3), 603–626. Gzara, F., Nematollahi, E., & Dasci, A. ( 2014). Linear location-inventory models for service parts logistics network design. Computers & Industrial Engineering, 69, 53–63. Hiassat, A., Diabat, A., & Rahwan, I. (2017). A genetic algorithm approach for location-inventory-routingproblem with perishable products. Journal of Manufacturing Systems, 42, 93-103. Li, R., Lan, H., & Mawhinney, J. (2010). A Review on Deteriorating Inventory Study. Journal of Service Science and Management, 3(1), 117-129. Liu, B., Chen, H., Li, Y., & Liu, X. (2015). A Pseudo-Parallel Genetic Algorithm Integrating Simulated Annealing for Stochastic Location-Inventory-Routing Problem with Consideration of Returns in E-Commerce. Discrete Dynamics in Nature and Society, Vol. 2015. Liu, S., & Lee, S. (2003). A two-phase heuristic method for the multi-depot location routing problem taking inventory control decisions into consideration. The International Journal of Advanced Manufacturing Technolog, 22(11-12), 941-950. Mirzapour Al-e-hashem, S.M.J., Malekly, H., Aryanezhad, M.B. (2011). A multi-objective robust optimization model for multi-product multi-site aggregate production planning in a supply chain under uncertainty. International Journal of Production Economics, 134, 28–42. Mohammadi, A.S., Alem Tabriz, A., & Pishvaee, M. (2018). Designing Green Closed loop Supply Chain Network with Financial Decisions under Uncertainty. Industrial Management Journal, 10(1), 61- 84. (in Persian) Nekooghadirli, N., Tavakkoli-Moghaddam, R., Ghezavati, V.R., & Javanmard, Sh. (2014). Solving a new bi-objective location-routing-inventory problem in a distribution network by meta-heuristics. Computers & Industrial Engineering, 76, 204-221. Pishvaee, M.S., & Razmi, J. (2012). Environmental supply chain network design using multi-objective fuzzy mathematical programming. Applied Mathematical Modelling, 36(8), 3433-3446. Rafie-Majd, Z., Pasandideh, S.H., & Naderi, B. (2018). Modelling and Solving the Integrated Inventory-Location-Routing Problem in a multi-period and multi-perishable Product Supply Chain with Uncertainty: Lagrangian Relaxation Algorithm. Computers & Chemical Engineering, 109, 9-22. Sajjadi, S.R., & Cheraghi, S.H. (2011). Multi-products location–routing problem integrated with inventory under stochastic demand. International Journal of Industrial and Systems Engineering, 7(4), 454-476. Saragih, N.I., Nur-Bahagia, S., & Syabri, I. (2018). A Heuristic Method for Location-inventory-routing Problem In A Three-Echelon Supply Chain System,Computers & Industrial Engineering, 127, 875-886. Shen, Z. M., & Qi, L. (2007). Incorporating inventory and routing costs in strategic location models. European journal of operational research, 179 (2), 372-389. Shi, J., Zhang, G., & Sha, J. (2011). Optimal production planning for a multi- product closed loop system with uncertain demand and return. Computers & Operations Research, 38(3), 641-650. Tavakkoli-Moghaddam, R. & Raziei, Z. (2016). A New Bi-Objective Location-Routing-Inventory Problem with Fuzzy Demands. IFAC-PapersOnLine, 49(12), 1116–1121. Tavakkoli-Moghaddam, R., Forouzanfar, F., Ebrahimnejad, S. (2013). Incorporating location, routing, and inventory decisions in a bi-objective supply chain design problem with risk-pooling. Journal of Industrial Engineering International, 9(1), 1-6. Tiwari, A., Chang, P., Tiwari, M. K., & Kandhway, R. (2016). A Hybrid Territory Defined evolutionary algorithm approach for closed loop green supply chain network design. Computers & Industrial Engineering, 99, 432-447. Turan, B., Minner, S. and Hartl, R. F. (2017). A VNS approach to multi-location inventory redistribution with vehicle routing. Computers and Operations Research, 78, 526–536. Vakili, P., Hosseini-Motlagh, S.M., Gholamian, M.R., & Jokar, A. (2017). A developed model and heuristic algorithm for inventory routing problem in a cold chain with pharmaceutical products. Industrial Management Journal, 9(2), 383-407. (in Persian) Yang, X., Ma, H., & Zhang, D. (2010). Research into ILRIP for Logistics Distribution Network of Deteriorating Item Based on JITD. Information Computing and Applications, 152-160.Springer, Verlag Berlin. Zahiri, B., Tavakkoli-Moghaddam, R., & Pishvaee, M.S. (2014). A robust possibilistic programming approach to multi-period location–allocation of organ transplant centers under uncertainty. Computers & Industrial Engineering, 74, 139–148. Zhalechian, M., Tavakkoli-Moghaddam, R., Zahiri, B., & Mohammadi, M. (2016). Sustainable design of a closed-loop location-routing-inventory supply chain network under mixed uncertainty. Transportation Research Part E: Logistics and Transportation Review, 89, 182-214.
| ||
|
آمار تعداد مشاهده مقاله: 2,029 تعداد دریافت فایل اصل مقاله: 1,273 |
||