طراحی مدل چندهدفه شبکه زنجیره تأمین حلقه بسته در صنعت خودرو با توجه به طرح‌های بازده انرژی و زمان

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

2 استادیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

3 استادیار، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

4 دانشیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

10.22059/imj.2020.304115.1007743

چکیده

هدف: تعداد وسایل نقلیه در جهان، به‎علت پیشرفت‌های تکنولوژی و کاهش قیمت، در حال افزایش است. این وسایل نقلیه، در دوره تولید و اتمام طول عمرشان، تبعات منفی زیادی دارند. این مسائل، نیاز به بازیافت و دفع وسایل نقلیه در سطح جهانی را افزایش داده است. از این رو، مدیریت بازیافت خودروها، هم به‌علت عوامل اقتصادی و هم آثار زیست‌محیطی، اهمیت دارد. استراتژی‌های صنعت خودرو را دولت تنظیم می‌کند. یکی از روش‌های مناسب برای حل این مشکل، استفاده از زنجیره تأمین حلقه بسته است. در این پژوهش، مدل چندهدفه شبکه زنجیره تأمین حلقه بسته در صنعت خودرو با توجه به طرح‌های بازده انرژی و زمان طراحی شده است.
روش: در این پژوهش، از سه روش حل قطعی، روش بهینه‌سازی ازدحام ذرات و الگوریتم ژنتیک NSGA II استفاده شده است.
یافته‌ها: در بررسی یافته‌های الگوریتم‌های پیشنهادی، مشخص شد که میانگین خطای حاصل از این الگوریتم‌ها کمتر از 04/0 است. بر اساس نتایج، الگوریتم‌های پیشنهادی برای حل این مسائل از کارایی لازم برخوردارند.
نتیجه‌گیری: نتایج نشان داد که شبکه حلقه بسته، در طول زمان و با توجه به بازیافت محصول فرسوده، از لحاظ اقتصادی کارآمد است. افزون بر این، برای دستیابی به حداکثر مزایا، از نظر ارزش هزینه و چشم‌انداز محیطی، به اندازه کافی ظرفیت دارد.

کلیدواژه‌ها


عنوان مقاله [English]

The Design of a Multi-directional Network Chain Model Offering a Closed Loop in the Automotive Industry by Providing Energy and Time Efficiency Programs

نویسندگان [English]

  • Saeed Aminpour 1
  • Alireza Irajpour 2
  • Mehdi Yazdani 3
  • Ali Mohtashami 4
1 Ph.D. Candidate, Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
2 , Assistant Prof., Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
3 Assistant Prof., Department of Industrial Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
4 Associate Prof., Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
چکیده [English]

Objective: Today, green supply chain managers in leading companies strive to offer green logistics and improve their environmental performance throughout the supply chain as a strategic weapon to gain a sustainable competitive advantage by creating profitability and satisfaction across the supply chain. Therefore, considering the purpose of the research, which is to design a multi-objective model of closed-loop supply chain networks in the automotive industry according to energy efficiency and time efficiency plans, we try to model the closed-loop supply chain in the automotive industry.
Methods: In this study, we use the MOPSO method to facilitate its implementation and its ability to provide good convergence, as well as to maintain a proper balance between exploitation and exploration, as well as the NSGA II genetic algorithm.
Results: In the study of the findings of the proposed algorithms, it found that the average error resulting from these algorithms is less than 0.04. The results also show that the proposed algorithms have the necessary efficiency in solving these problems.
Conclusion: We note the significant findings of our model as follows: (1) An efficient closed-loop network that shows the economic benefits of considering the value of time due to the recycling of worn-out products. (2) Has the ability to demonstrate the capacity to achieve maximum benefits in terms of cost value as well as environmental prospects.

کلیدواژه‌ها [English]

  • Closed-loop supply chain network
  • Automotive industry
  • multi-objective model
  • energy efficiency and time
اختیاری، مصطفی؛ زندیه، مصطفی؛ عالم تبریز، اکبر؛ ربیعه، مسعود (1398). ارائه یک مدل برنامه‎ریزی دوسطحی برای زنجیره تأمین چند مرحله‎ای با تأکید بر قابلیت اطمینان در شرایط عدم قطعیت. مدیریت صنعتی، 2 (11)، 177 - 206.
حاجیان، سیما؛ افشار کاظمی، محمد علی؛ سیدحسینی، سید محمد؛ طلوعی اشلقی، عباس (1398). ارائه مدل چندهدفه برای مسئله مکان‎یابی ـ  مسیریابی ـ موجودی در شبکه زنجیره تأمین حلقه بسته سبز چند دوره‎ای و چند محصولی برای کالاهای فاسدشدنی. مدیریت صنعتی، 11 (1)، 83 – 110.  
سادات حسینی، سیدمحمد؛ رستمی، احمد؛ عبدی، حمید رضا (1392). مطالعه تطبیقی تأثیر بازیافت خودروهای فرسوده در کاهش تصادفات جادهای. مطالعات مدیریت ترافیک، (31)، 17 – 34.
فتحی، محمدرضا؛ نصراللهی، مهدی؛ زمانیان، علی (1398). مدل‎سازی ریاضی شبکه زنجیره تأمین پایدار در وضعیت عدم قطعیت و حل آن با استفاده از الگوریتم‎های فراابتکاری. مدیریت صنعتی، 11 (4)، 621 – 652.
محمدی، امیرسالار؛ عالم تبریز، اکبر؛ پیشوایی، میرسامان (1397)، طراحی شبکه زنجیره تأمین سبز حلقه بسته همراه با تصمیم‎های مالی در شرایط عدم قطعیت. مدیریت صنعتی، 10 (1)، 61 – 84.
 
References
Ahmadi, Sh., Hassanzadeh Amin, S. (2019). An integrated chance-constrained stochastic model for a mobile phone closed-loop supply chain network with supplier selection. Journal of Cleaner Production, 226, 988-1003.
Barbosa-Póvoa, A.P., Silva, C., Carvalho, A. (2018). Opportunities and challenges in sustainable supply chain: An operations research perspective. European Journal of Operational Research, 268, 399-431. https://doi.org/10.1016/j.ejor.2017.10.036
Ekhtiari, M., Zandieh, M., Alem Tabriz, A., & Rabieh, M. (2019). Proposing a Bi-level Programming Model for Multi-echelon Supply Chain with an Emphasis on Reliability in Uncertainty. Industrial Management, 11(2), 177-206. (in Persian)
Farrokh, M., Azar, A., Jandaghi, Gh., Ahmadi, E. (2017). A novel robust fuzzy stochastic programming for closed loop supply chain network design under hybrid uncertainty. Fuzzy Sets and Systems, 3, 1-23. http://dx.doi.org/10.1016/j.fss.2017.03.019
Fathi, M.R., Nasrollahi, M., & Zamanian, A. (2019). Mathematical Modeling of Sustainable Supply Chain Networks under Uncertainty and Solving It Using Metaheuristic Algorithms. Industrial Management, 11(4), 621-652. (in Persian)
Ghahremani-Nahr, J., Kian, R., Sabet, E. (2019). A robust fuzzy mathematical programming model for the closed-loop supply chain network design and a whale optimization solution algorithm. Expert Systems with Applications, 116, 454 – 471.
Giampieri, A., Ling-Chin, J., Ma, Z., Smallbone, A., Roskilly, A. (2020). A review of the current automotive manufacturing practice from an energy perspective. Applied Energy 261, 114074.
De Giovanni, P. (2018). A joint maximization incentive in closed-loop supply chains with competing retailers: The case of spent-battery recycling. European Journal of Operational Research, 268(1), 128-147. http://dx.doi.org/10.1016/j.ejor.2018.01.003
Govindan, K., Mina, H., Esmaeili, A., Gholami-Zanjani, S.M. (2020). An Integrated Hybrid Approach for Circular supplier selection and Closed loop Supply Chain Network Design under Uncertainty. Journal of Cleaner Production, 242, 118317.
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, 603- 626. http://dx.doi.org/10.1016/j.ejor.2014.07.012
Guo, J., Wang, X., Fan, S., Gen, M. (2017). Forward and reverse logistics network and route planning under the environment of low-carbon emissions: A case study of Shanghai fresh food E-commerce enterprises. Computers & Industrial Engineering, 106, 351–360.
Hajian, S., Afshar Kazemi, M.A., Seyed Hosseini, S.M., & Toloie Eshlaghy, A. (2019). 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. Industrial Management Journal, 11(1), 83-110. (in Persian)
Hassanzadeh Amin, S., Baki, F. (2017). A facility location model for global closed-loop supply chain network design. Applied Mathematical Modelling, 41, 316-330. http://dx.doi.org/10.1016/j.apm.2016.08.030
Jabbarzadeh, A., Haughton, M., Khosrojerdi, A. (2018). Closed-loop supply chain network design under disruption risks: A robust approach with real world application. Computers & Industerial Engineering, 116, 178- 191. https://doi.org/10.1016/j.cie.2017.12.025
Kadambala, D., Subramanian, N., Tiwari, M., Abdulrahman, M., Liu, Ch. (2017). Closed loop supply chain networks: Designs for energy and time value efficiency. International Journal of Production Economics, 183, 382 – 402.
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 Closedloop Supply Chain Network with Financial Decisions under Uncertainty. Industrial Management, 10(1), 61- 84. (in Persian)
Özceylan, E., Demirel, N., Çetinkaya, C., Demirel, E. (2017). A closed-loop supply chain network design for the automotive industry in Turkey. Computers & Industrial Engineering, 113, 727-747. http://dx.doi.org/10.1016/j.cie.2016.12.022
Sadat Hosseini, S. M., Rostami, A., Abdi, H. R. (2014). A comparative study of the effect of recycling used cars in reducing road accidents. Traffic management studies Journal, 11(2), 17-34. (in Persian)
Saif, A., Elhedhli, S. (2015).  Cold Supply Chain Design with Environmental Considerations: A Simulation-Optimization Approach. European Journal of Operational Research, 251(1).  doi: 10.1016/j.ejor.2015.10.056
Samuel, C., Venkatadri, U., Diallo, C., Khatab, A. (2020). Robust closed-loop supply chain design with presorting, return quality and carbon emission considerations. Journal of Cleaner Production, 247, 119086.
Soleimani, H., Govindan, K. (2015). A hybrid particle swarm optimization and genetic algorithm for closed-loop supply chain network design in large-scale networks. Applied Mathematical Modelling, 39, 3990-4010. http://dx.doi.org/10.1016/j.apm.2014.12.016
Soleimani, H., Govindan, K., Saghafi, H., Jafari, H. (2017). Fuzzy multi-objective sustainable and green closed-loop supply chain network design. Computers & industrial engineering, 109, 191- 210. http://dx.doi.org/10.1016/j.cie.2017.04.038
Srivastava, S. (2008). Network design for reverse logistics. Omega, 36, 535- 548. http://dx.doi.org/10.1016/j.omega.2006.11.012
Talaei, M., Moghaddam, B., Pishvaee, M., Bozorgi-Amiri, A., Gholamnejad, S. (2016). A robust fuzzy optimization model for carbon-efficient closed-loop supply chain network design problem: a numerical illustration in electronics industry. Journal of Cleaner Production, 113, 662-673.
Taleizadeh, A., Haghighi, F., Akhavan Niaki, S.T. (2019). Modeling and solving a sustainable closed-loop supply chain problem with pricing decisions and discounts on returned products. Journal of Cleaner Production, 207, 163-181,
Tosarkani, B. M., Hassanzadeh Amin, S. (2018). A possibilistic solution to configure a battery closed-loop supply chain: multi-objective approach. Expert Systems with Applications, 92, 12-26.
Yavari, M., Geraeli, M. (2019). Heuristic method for robust optimization model for green closed-loop supply chain network design of perishable goods. Journal of Cleaner Production, 226, 282-305.