توصيفگر ها :
زنجيره تأمين حلقه بسته , مسيريابي وسيله نقليه , عدم قطعيت , بهينه سازي استوار تطبيق پذير , برنامه ريزي رياضي
چكيده فارسي :
رشد روزافزون جمعيت بشر استفاده از منابع تجديدناپذير زمين و توليد پسماند و ضايعات را افزايش داده است. وضع قوانين بازدارنده توسط دولت و افزايش آگاهي عمومي در رابطه با حفاظت محيط زيست، توليدكنندگان را براي بقا در عرصه رقابت وادار به پيادهسازي رويكردهاي نوين مديريت زنجيره تأمين كرده است. يكي از مهمترين اين رويكردها ايجاد زنجيره تأمين حلقهبسته است كه با تركيب دو زنجيره روبهجلو و معكوس عليرقم ايجاد يكپارچگي در برنامهريزي، عدم قطعيت را افزايش ميدهد. از طرفي، برنامهريزي چند دورهاي در چنين شرايطي موجب آشكار شدن ناكارامدي روشهاي ايستا به دليل ناديده گرفتن ارتباط بين دورههاي برنامهريزي شده و تصميمگيرندگان را ملزم به استفاده از روشهاي انعطافپذير و پويا ميكند.
در اين رساله با استفاده از بهينهسازي استوار به برنامهريزي انعطافپذير و يكپارچه تصميمات توليد، توزيع، جمعآوري و مديريت موجودي محصول در زنجيره تأمين حلقهبسته اقدام گرديد. براي اين منظور، ابتدا مدل MILP جديد متناسب با مسئله در حالت قطعي بودن پارامترها توسعه داده شد. از آنجا كه برنامهريزي اين زنجيره به صورت چند دورهاي و در حضور پارامترهاي غيرقطعي است، براي اولين بار از روش بهينهسازي استوار تطبيقپذير چند مرحلهاي (ARO) در زنجيره تأمين حلقه بسته استفاده شد تا انعطافپذيري لازم در برنامه ريزي حاصل شود. با توجه به NP-hard بودن مسئله، سه روش حل شامل يك تكنيك حل دقيق شاخهزني جديد (HBP)، يك تكنيك حل دقيق تركيبي جديد (ADR_HBP) و يك تكنيك جستجوي ابتكاري جديد توسعه داده شده و به كار برده شد. تكنيكهاي حل دقيق ارائه شده، از تقسيم متوالي مجموعههاي غيرقطعي براي همگرايي به جواب بهينه استفاده ميكنند. نتايج عددي، ناكارآمدي روش ADR در حل مسئله مورد بررسي را نشان داد. اما در طرف ديگر، تكنيكهاي ارائه شده در اين رساله بهبود چشمگيري در حل مسئله نسبت به روش مرسوم ADR را به نمايش گذاشتند. از آنجا كه دو تكنيك حل اين رساله، از روشهاي شمارش كامل هستند و حل مسئله توسط آنها زمانبر است، در مرحله سوم براي افزايش سرعت حل، يك تكنيك جستجوي ابتكاري ارائه شد. نتايج نشان دادند كه روش حل تركيبي با ارائه حد بالاي بهتر در مثالهاي كوچك، سرعت همگرايي را نسبت به روش HBP افزايش مي دهد. همچنين، تكنيك ابتكاري ميتواند در مسائل با ابعاد كوچك زمان حل را نسبت به دو تكنيك حل دقيق كاهش داده و در مسائل با ابعاد بزرگتر، در زمان حل برابر با دو تكنيك قبلي، كيفيت جواب را بهبود دهد. بررسي جوابها نشان مي دهد كه جواب بهينه لزوما از نقاط گوشه اي نيست. به همين خاطر نمي توان از واهلش متغيرهاي صفرويك به منظور افزايش سرعت حل استفاده نمود. همچنين، وجود متغيرهاي وابسته منجر به افزايش انعطاف پذيري در يافتن سناريوهاي بهتر شده و ناكارآمدي روشهاي ايستا در حل مسائل استوار چندمرحله اي را نمايان ساخت. بررسي مقادير متغيرهاي تصميم در جواب بهينه نيز نشان داد كه در رويكرد توسعه داده شده، مسيريابي و مديريت موجودي به گونه اي انجام ميشود كه به منظور توليد محصول، بيشترين استفاده از بطريهاي بازگشتي صورت گرفته و كمترين مقدار بطري نو خريداري شود.
چكيده انگليسي :
The continuous growth of the human population has increased the consumption of non-renewable resources of the earth, as well as the production of waste and garbage. The implementation of innovative supply chain management approaches has become imperative for producers to remain competitive in business, due to the implementation of restraining laws by the government and the increase of public awareness for environmental protection. Implementing the closed loop supply chain (CLSC) is one of the most important approaches in the area that brings both economical and environmental benefits to the supply chain. Despite the integration of decision making, which is made by CLSC, combination of forward and reverse flows increases the uncertainty. In such conditions, multi-period planning accentuates the uncertainty and reveals inefficiency of the static methods due to neglecting the interdependencies among planning periods. So, decision-makers are forced to employ flexible methods.
Therefore, this thesis addresses the flexible and integrated decision-making for the production, distribution, collection, and inventory management of products in the closed-loop supply chain, using robust optimization. To do so, first, the new MILP model of the problem is developed with deterministic parameters. Since the planning of this chain is conducted in a multi-period and presence of uncertain parameters, for the very first time, the multi-stage adjustable robust optimization (ARO) approach in CLSC is used to provide flexibility for the planning. Given the NP-hardness of the problem, three solution methods - including a new exact branching technique (HBP), a new combined exact solution technique (ADR_HBP), and a new heuristic search technique - are developed and utilized. The HBP technique uses a sequential partitioning of uncertainty sets to converge to the optimal solution of the ARO problem and the ADR_HBP technique is a combination of the HBP technique with a customary method called “Affine Decision Rule (ADR)”. Numerical results show the incompetency of ADR and also a significant improvement of the two proposed techniques over the ADR method. Since these two techniques are complete enumeration method, which are time-consuming, in the third stage, a heuristic search technique is proposed to increase the speed of solving the problem. The results show that the heuristic technique can reduce the solving time in small size problems and improve the solution quality in larger size problems within the same solving time of the HBP and ADR_HBP techniques.
