دانلود مقاله ISI انگلیسی شماره 107670
ترجمه فارسی عنوان مقاله

طرح زنجیره تامین زنجیره تامین پایدار و سبز چند منظوره فازی

عنوان انگلیسی
Fuzzy multi-objective sustainable and green closed-loop supply chain network design
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
107670 2017 30 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computers & Industrial Engineering, Volume 109, July 2017, Pages 191-203

ترجمه کلمات کلیدی
زنجیره تامین حلقه بسته، زنجیره تامین پایدار، منطق فازی، بهینه سازی چند هدفه، الگوریتم ژنتیک،
کلمات کلیدی انگلیسی
Closed-loop supply chain; Sustainable supply chain; Fuzzy logic; Multi-objective optimization; Genetic algorithm;
ترجمه چکیده
این مقاله به یک مشکل طراحی یک زنجیره تامین حلقه بسته شامل تامین کنندگان، تولید کنندگان، مراکز توزیع، مشتریان، مراکز انبار، مراکز بازگشت و مراکز بازیافت می پردازد. این مشکل مستلزم سه انتخاب در مورد بازیافت، یعنی بازیافت محصول و اجزای بازیافت مواد اولیه بازیافت است. مدل سازی این زنجیره با توجه به ملاحظات زیست محیطی، بهینه سازی سود کلی و کاهش روز کاری از کار افتاده به دلیل حوادث شغلی، ما را به حداکثر رساندن پاسخ به تقاضای مشتری انجام می دهد. به منظور حل مدل، الگوریتم ژنتیک مورد استفاده قرار گرفته است و چندین سناریو با جنبه های مختلف مورد مطالعه قرار گرفته است. حل این مدل تصمیم گیری در مورد باز کردن یا بسته شدن هر یک از اجزای شبکه و جریان محصول مطلوب بین آنها را فراهم می کند. نتایج اثبات امکان مدل ارائه شده و کاربرد روش راه حل توسعه یافته است.
پیش نمایش مقاله
پیش نمایش مقاله  طرح زنجیره تامین زنجیره تامین پایدار و سبز چند منظوره فازی

چکیده انگلیسی

This article addresses a design problem of a closed loop supply chain, including suppliers, manufacturers, distribution centers, customers, warehouse centers, return centers, and recycling centers. The problem entails three choices regarding recycling, namely, product recycling, and components recycling raw material recycling. Modeling this chain is carried out by accounting for environmental considerations, total profit optimization, and reduction of lost working days due to occupational accidents, we well as maximizing responsiveness to customer demand. In order to solve the model, genetic algorithm has been used and multiple scenarios with different aspects have been studied. Solving this model provides decisions regarding opening or closing of each of the components of the network and the optimal product flow among them. The results prove the feasibility of the presented model and the applicability of the developed solution methodology.