نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم تحقیقات قزوین، قزوین، ایران

2 استادیار گروه مهندسی صنایع ، دانشکده مهندسی صنایع و مکانیک، واحد قزوین ، دانشگاه آزاد اسلامی، قزوین،ایران

3 دانشیار گروه مهندسی صنایع ، دانشکده مهندسی صنایع و مکانیک، واحد قزوین ، دانشگاه آزاد اسلامی، قزوین،ایران

چکیده

رویکرد و نگرش جدیدی پیرامون موضوع لجستیک تحت عنوان لجستیک معکوس به وجود آمده است که
یکی از گرایش های جدید در مدیریت لجستیک، بازیافت1 ، چرخه مجدد 9 و یا استفاده مجدد از محصولات
است. طراحی شبکه لجستیک در حالت رو به جلو و معکوس از موضوعات بسیار مهمی است که بعد
استراتژیک طراحی زنجیره تامین را تشکیل می دهد. در این مقاله، برای مسئله لجستیک معکوس یک مدل
ریاضی برنامه ریزی مختلط عددصحیح (MILP) ارائه شده است. در این مدل هزینه های احداث مراکز،
هزینه های حمل و نقل و هزینه های خرید از تامین کننده خارجی کمینه و همچنین اهمیت تامین کنندگان
خارجی نیز بیشینه گردیده است. با توجه به اینکه مدل پیشنهادی Np-hard می باشد، لذا جهت حل مدل
از الگوریتمهای NSGA-II و NRGA استفاده شده است

کلیدواژه‌ها

عنوان مقاله [English]

A Multi Objective Model for Reverse Logistic Considering Discount

نویسندگان [English]

  • Maryam Azizi 1
  • Abolfazl Kazemi 2
  • Alireza Alinezhad 3

چکیده [English]

Reverse logistics as a new approach and attitude in the area of logistics is one of the new trends in logistics management, recycling, and or reuse of products. Logistics network design in the forward and reverse mode is one of the most important issues that forms the strategic dimension of supply chain design. In this paper we propose a mixed integer linear programming (MILP) model for reverse logistics problem. In the proposed model costs of facilities construction, transportation and procurement from suppliers are minimized and importance of suppliers are maximized. Since the proposed model is NP-hard, we use NSGA-II and NRGA algorithms to solve the problem.

کلیدواژه‌ها [English]

  • Supply Chain
  • Reverse Logistic
  • Multi-Objective Model
  • Uncertainty Condition
  • Discount
 
تارخ  محمدجواد،گوکه مهسا، ترابی شهره ،(1390). مدلکلیبهینهسازیطراحیشبکهلجستیکمعکوستحتعدمقطعیت. نشریه تخصصی مهندسی صنایع، دوره 46 ، شماره 2، مهر ماه 1392 ، 159-170.
توکلی مقدم  رضا،  رکاوندی مجتبی، قدرت نما علی،(1392). مدل سازی ریاضی برای طراحی یکپارچه شبکه لجستیک مستقیم و معکوس.پژوهش های مدیریت در ایران، دوره17، شماره4، زمستان 1392.
خویشتن دار  سهیلا، فرزد فرهاد،  زندیه، مصطفی، (1390). ارائه الگوریتم تکاملی چند هدفه برای سیستم های موجودی احتمالی با مرور دائم. فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی، 20، 81-99.
عالم تبریز اکبر، روغنیان  عماد، حسین زاده مصطفی، (1390). طراحی و بهینه سازی شبکه لجستیک معکوس در شرایط عدم قطعیت با استفاده از الگوریتم ژنتیک. چشم انداز مدیریت صنعتی، 1، 61-89.
غضنفری مهدی، فتح اله  مهدی، (1385).« نگرشی جامع بر مدیریت زنجیره تأمین»، انتشارات دانشگاه علم و صنعت ایران.
Amid، A. G. (2006). Fuzzy multi-objective linear model for supplier selection in a supply chain. International Journal of Production Economics، ، 104، 394-407.
Amin، H.S، Zhang،G.(2012). An integrated model for closed-loop supply chain configuration and supplier selection: Multi-objective approach. Expert Systems with Applications 39 (2012) 6782–6791.
 
Barros، A. D. (1998). A two-level network for recycling sand: a case study. European Journal of Operational Research ، 110، 199-214.
Benton، W. P. (1996). Classification of literature on determining the lot size under quantity discount. European Journal of Operation Research ، 92 (2)، 219-238.
Bate، S.T.، Jones B. (2007). A review of uniform crossover designs. Journal of Statistical Planning and Inference، 138، 336-351.
Deb، k. (2001). Multi-objective optimization using evolutionary algorithms. New York، NY: Wiley.
Fleischmann، M. H. (2000). A Characterization of logistics networks for product recovery. Omega ، 28 (6)، 653-666.
Fleischmann M، Kuik R، Dekker R. Controlling inventories with stochastic item returns: a basic model. European Journal of Operational Research 2002;138:63–75.
Jayaraman، V. S. (1999). A closed loop logistics model for remanufacturing. Journal of the Operational Research Society ، 50 (5)، 497-508.
Lee، J.E.، Gen، M. and Rhee K.G. (2009). “Network model and optimization of reverse logistics by hybrid genetic algorithm.” Computers and Industrial Engineering، Vol. 56، PP. 951-964.
Montgomery، D. (2004). Response surface methodology. New York: Willey.
Omar Al Jadaan، Lakishmi Rajamani، C. R. Rao، “NONDOMINATED RANKED GENETIC ALGORITHM FOR SOLVING MULTI-OBJECTIVE OPTIMIZATION PROBLEMS: NRGA، ” Journal of Theoretical and Applied Information Technology ،vol. 4، no. 1، pp. 61-68، 2008.
Pishvaee M.R.، Zanjirani Farahani R.، Dollaert W.، “A memetic algorithm for biobjective
integrated forward/reverse logistics network design”; Computer and Operation Research، Vol. 37، 2010.
Qin، Z. a. (2009). Logistics network design for product recovery in fuzzy environment. European Journal of Operational Research ، 202، 479-490.
Thierry،M.،Salomon،M.،vanNunen،J.،van Wassenhove،L.،2004.Strategic issues in product recovery management.California Management،37(2):114-135.