ترجمه فارسی عنوان مقاله

رویکردهای مدلسازی شبیه سازی – تحلیلی هیبریدی برای طراحی شبکه های لجستیک معکوسِ تامین کننده لجستیک شخص ثالث

عنوان انگلیسی

Hybrid simulation-analytical modeling approaches for the reverse logistics network design of a third-party logistics provider

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
51579	2014	16 صفحه PDF

منبع

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

Journal : Computers & Industrial Engineering, Volume 70, April 2014, Pages 74–89

فهرست مطالب ترجمه فارسی

چکیده

کلمات کلیدی

1.مقدمه

2. پیشینه تحقیق

3. رویکردهای مدلسازی هیبریدی برای مسئله طراحی شبکه 3 PL

شکل 1. طرح چهارچوب کلی برای مدلسازی هیبریدی شبیه سازی – تحلیلی

3.1 مدل تحلیلی

3.2 مدل شبیه سازی

3.3 دو روش برای پیاده سازی چهارچوب مدلسازی ترکیبی

3.3.1 روش مسئله ویژه (PSM)

شکل 2. فلوچارت روش مسئله ویژه

3.3.2 روش کلی (GM)

شکل 3. فلوچارت روش کلی

4. نتایج محاسباتی

جدول 1. مقادیر پارامتر برای بازتولید دستگاه کپی و موارد بازیافت کاغذ (فلیشمن و همکاران، 2001).

4.1 یک مثال

شکل 4. نتایج تکرارهای اول: PSM (1.00) در سمت چپ و GM در سمت راست.

شکل 5. نتایج برای تکرارهای دوم PSM (1.00) در سمت چپ و GM در سمت راست.

شکل 6. نتایج برای تکرارهای نهایی PSM (1.00) در سمت چپ و GM در سمت راست.

4.2 مقایسه روش ها

جدول 2. مجموع هزینه های سیستم شبیه سازی شده و نسبت های جمع آوری DM، GM و PSM (1.00) و مقادیر p نهایی.

4.3 ارزیابی مقادیر متفاوت L برای PSM

جدول 3. نتایج برای مورد مبنای دستگاه کپی در شبکه اروپا

جدول 4. نتایج برای مبنای مورد کاغذ در شبکه اروپا

جدول 5. نتایج برای مورد مبنای دستگاه کپی در شبکه ترکیه

جدول 6. نتایج برای مبنای مورد کاغذ در شبکه ترکیه

4.4 تحلیل حساسیت

جدول 7. نتایج هزینه واحد انتقال – مورد دستگاه کپی در شبکه اروپا

جدول 8. نتایج برای هزینه های ثابت افتتاح و عملیات مرکز تست – مورد دستگاه کپی در شبکه اروپا

جدول 9. نتایج برای هزینه جریمه برای عودت های جمع آوری نشده – مورد دستگاه کپی در شبکه اروپا

5. نتیجه گیری و تحقیقات آینده

جدول A.1 نتایج برای هزینه واحد انتقال – مورد کاغذ در شبکه اروپا

جدول A.2. نتایج برای هزینه ثابت افتتاح و عملیات مرکز تست – مورد کاغذ در شبکه اروپا

جدول A.3. نتایج برای هزینه جریمه برای عودت های جمع آوری نشده – مورد کاغذ در شبکه اروپا

جدول A.4. نتایج برای هزینه واحد انتقال – مورد دستگاه کپی در شبکه ترکیه

جدول A.5 نتایج برای هزینه ثابت افتتاح و عملیات در مرکز تست – دستگاه کپی در شبکه ترکیه

جدول 6. نتایج برای هزینه جریمه برای عودت های جمع آوری نشده – مورد دستگاه کپی در شبکه ترکیه

جدول A.7. نتایج برای هزینه واحد انتقال – مورد کاغذ در شبکه ترکیه

جدول A.8 نتایج برای هزینه ثابت افتتاح و عملیات در مرکز تست – مورد کاغذ در شبکه ترکیه

جدول A.9. نتایج برای هزینه جریمه عودت های جمع آوری نشده – مورد کاغذ در شبکه ترکیه

ترجمه کلمات کلیدی

لجستیک معکوس؛ طراحی شبکه؛ عدم اطمینان عرضه ؛ مدل سازی تحلیلی شبیه سازی ترکیبی

کلمات کلیدی انگلیسی

Reverse logistics; Network design; Supply uncertainty; Hybrid simulation-analytical modeling

ترجمه چکیده

در این مطالعه تولیدکننده ای را مد نظر قرار می دهیم که برای برونسپاری فعالیت های لجستیک معکوس (RL) شرکت به تامین کننده خدمات لجستیک شخص ثالث (3PL) تصمیم استراتژیک گرفته است. با توجه به محل مراکز جمع آوری و تسهیلات بازفرآوری، طراحی شبکه RL شخص ثالث (3PL) شامل پیدا کردن تعداد و مکان های مراکز تست تحت ناپایداری عرضه مرتبط با میزان بازده است. مدلسازی شبیه سازی – تحلیلی هیبریدی، که به صورت تکراری از مدل ها و شبیه سازی برنامه نویسی عددصحیح ترکیبی استفاده می کند، برای مدیریت ناپایداری ها در مسئله طراحی شبکه RL تصادفی چهارچوب مناسبی است. دو رویکرد مدلسازی شبیه سازی – تحلیلی هیبریدی را برای طراحی شبکه RL شخص ثالث (3PL) ارائه می کنیم. اولین مورد تطبیق رویکرد مسئله ویژه پیشنهادی در پیشینه تحقیق برای طرح شبکه توزیع 3PL است. دومین رویکرد شامل توسعه رویکرد کلی براساس روش راه حل جدیدی است که اخیرا پیشنهاد شده است. در رویکرد کلی، به جای تبادل پارامترهای مسئله ویژه بین مدل تحلیلی و شبیه سازی، تعامل توسط انعکاس اثر ناپایداری بدست آمده از طریق شبیه سازی به تابع عینی مدل تحلیلی کنترل می شود. نتایج بدست آمده از این دو رویکرد تحت سناریو و محیط پارامتری متفاوت را به بحث می گذاریم.

ترجمه مقدمه

اخیرا، ریکاوری محصول و ماده در کل دنیا مورد توجه قرار گرفته است و این امر سه دلیل اصلی دارد که عبارتند از قوانین دولتی، ارزش اقتصادی که ریکاوری می شود و ملاحظات محیط زیستی. در ابتدا، فعالیت های مرتبط با ریکاوری محصول و ماده در ایالات متحده تحت تاثیر سود و در اروپا به دلیل قوانین انجام شدند. در ایالات متحده، انگیزه اولیه اقتصادی باعث شد ریکاوری محصول و ماده تا زمانی که سودآور باشد ادامه پیدا کند (اسپایسر و جانسون، 2004) و مواردی مانند بازیافت خودرو و بازتولید موتور مثال هایی از این دست هستند. در اروپا، اتحادیه اروپا (EU) دستورات محصول ویژه مجزایی را برای بسته بندی زباله، باتری ها، وسایل نقلیه اسقاطی (ELV) و زباله های تجهیزات الکتریکی و الکترونیکی (WEEE) را اجرایی کرده است. این قوانین دولتی از تولیدکنندگان می خواهند ریکاوری و دفع محصولات اسقاطی خود را مدیریت کنند. قوانین مشابهی نیز توسط کره جنوبی، ژاپن، برخی ایالت های امریکا و چین معرفی شده اند و کشورهای زیادی نیز برنامه دارند تا از این قوانین پیروی کنند (والتر، اشتاینبرن، اسپنگلر، لوگر و هرمان، 2010). رسیدن به اقتصاد «پایدار» نیازمند ترکیب مزایای اکولوژیک و اقتصادی است (فلشمان و همکاران، 1997). برای مثال، شرکت زیراکس از طریق مزایای معرفی شده توسط مدل تجاری¬اش، نرخ بالای بازده محصول خود، تحمل بالای مشتریان برای محصولات بازتولید شده و طراحی محصول که امکان بازتولید را بالا می برد، با موفقیت به مزایای اکولوژیک و محیط زیستی دست یافته است (اسپایسر و جانسون، 2004). متاسفانه، بسیاری از تولیدکنندگان در سطح بین المللی همزمان دارای همه این مزایا نیستند و برای رقابتی ماندن همواره تلاش دارند تا فرآیندهای تجاری خود را بهبود ببخشند و در عین حال به قوانین محیط زیستی پایبند باشند. جرارد و کاندلیکار (2007) اثر قانون ELV را ارزیابی کردند و موفقیت های حاصل شده از نظر نوآوری در بازیافت، افزایش حذف مواد خطرناک و بهبود انتشار اطلاعات در مورد مسائلی مانند عملکرد محیط زیستی، فرآیندهای بازکردن (دمونتاژ)، دفع و ریکاوری قطعات خودرو را ارائه نمودند. این نویسندگان در کنار بیان پیشرفت تولیدکنندگان خودرو در بهبود تجزیه خودرو و ریکاوری مواد، موانع بازدارنده استفاده مجدد و بازتولید ELV در بافت حلقه بسته را مطرح می کنند. همچنین، رفتار کنونی با محصولات درون حوزه WEEE بیشتر بازیافت محور است تا بازتولید محور (والتر و همکاران، 2010؛ وایت، ماسانت، روزن و بکهام، 2003). به دلیل فناوری های منسوخ، ساختارهای قدیمی، سن بالا و یا ارزش کم این محصولات، پتانسیل استفاده مجدد محصولات و یا ساخت قطعات و اجزا بسیار پایین است. از این رو، درون رویکرد بازیافت محور، شرکت های تفکیک به صورت دستی انواع مختلف محصولات الکترونیکی تولیدکنندگان مختلف را تجزیه (دمونتاژ) می کنند، فلز و سایر مواد قابل فروش با کیفیت مشخص را به شرکت های بازیافت می فروشند و سپس مابقی مواد را برای دفن یا سوزاندن به سایت های مربوطه ارسال می کنند (والتر و اسپنگلر، 2005). رویکرد بازیافت محور کنونی (به جای رویکرد بازتولید محور درون بافت حلقه بسته)، نیازمند طراحی سیستم های لجستیک معکوس (RL) است که سیستم های زنجیره تامین معکوس (RSC) نیز نامیده می شوند. فعالیت های RL ابتدا شامل جمع آوری محصولات اسقاطی و تست/دسته بندی است، جایی که ارزیابی کیفی انجام می شود تا در مورد نوع ریکاوری برای بازفرآوری آنها تصمیم گیری شود. سپس محصولات دسته بندی شده مجددا برای بازفرآوری توزیع می شوند. در رویکرد بازیافت محور، بازفرآوری ممکن است شامل استفاده مجدد محصل اسقاطی، نوسازی و ریکاوری لوازم یدکی، بازیافت و دفع زباله از طریق دفن و یا سوزاندن باشد. تصمیم های سطح بالا در مورد طراحی سیستم های RL نیازمند تعیین این نکته است که آیا جمع آوری باید در سطح صنعت (مثلا جمع آوری یک محصول معین از تولیدکنندگان مختلف) یا در سطح شرکت (مثلا تولیدکننده جمع آوری محصولات خود را تسهیل می کند) انجام شود، آیا تست/دسته بندی باید متمرکز (مشترک برای بازده حجم بالای نوع کالا به دلیل هزینه بالای تست) یا توزیع شده (مناسب برای تست مطمئن، پایدار و ارزانتر) باشد و در نهایت آیا بازفرآوری باید در تسهیلات اصلی (ارجح برای نوسازی و ریکاوری لوازم یدکی) یا تسهیلات ثانویه (مناسب برای محصولات حجم بالای نوع کالا که معمولا از طریق بازیافت ریکاوری می شوند) انجام شود (بارکر و زابینسکی، 2008). تمرکز کنونی بر بازیافت تولیدکنندگان را به برونسپاری فعالیت های RL به تامین کنندگان خدمات لجستیک شخص ثالث (3 PL) مجبور می کند (لی، بیان و دانگ، 2007). از طریق برونسپاری فعالیت های RL، تولیدکنندگان نه تنها به قوانین محیط زیستی پایبند هستند بلکه از ریسک های مالی ناپایداری های اسقاطی اجتناب می کنند. علاوه بر این، آنها بر جریان تولید رو به جلو تمرکز دارند که چیزی است در آن بهترین عملکرد را دارند و کارکرد اصلی آنها است و فعالیت های RL را به شرکت های تخصصی محول می کنند که نوآوری دارند و بازدهی را به دلیل رقابت شدید در صنعت بازیافت افزایش می دهند (اسپایسر و جانسون، 2004). تا وقتی که قوانین مطلوب محیط زیست و مشتری باشند، انتظار می رود نیاز به تامین کننده خدمات 3 PL که فعالیت های RL انجام می دهند افزایش پیدا کند (کروموید و شئو، 2002). در این مطالعه تولیدکننده ای را در نظر می گیریم که به صورت استراتژیک تصمیم گرفته است توسط برونسپاری فعالیت های ویژه RL شرکت به یک 3 PL، جمع آوری در سطح شرکت داشته باشد. طرح مسئله ای که اینجا بیان می کنیم برای 4 پیکربندی طبقه بندی شده توسط بارکر. زابینسکی (2008) انجام پذیر است چون در جمع آوری در سطح شرکت دسته بندی/تست متمرکز یا توزیع شده صورت می گیرد و تسهیلات اصلی یا ثانویه برای فرآوردی استفاده می شوند. این پیکربندی ها شامل 23 مورد از 40 مورد مطالعه مقوله بندی شده در آن مطالعه هستند. امروز فجایع و عوامل ناپایداری در کسب و کار معمول (مانند تقاضا، قیمت مواد خام، هزینه های انرژی، قیمت محصولات و نرخ ارز) باعث انجام تحقیقات بیشتر بر روی طراحی شبکه زنجیره تامین برای تلفیق ناپایداری شده است (برای بررسی انتقادی پیشینه تحقیق مربوطه، خواننده علاقه مند را به کلیبی، مارتل و گوئیتونی (2010)) ارجاع می دهیم. همچنان، ناپایداری تامین در زمان بندی، میزان و کیفیت محصولات اسقاطی تمایز اصلی بین شبکه های RL و شبکه های تولید-توزیع سنتی است (فلیشمن، کریک، دکر و فلاپر، 2000). زمانی که ناپایداری های مربوط به فعالیت های بازفرآوری به بالای ناپایداری های تقاضا و عرضه افزوده می شود، طراحی کارآمد و موثر و عملیات شبکه های RL (مانند زنجیره های تامین حلقه بسته (CLSC)) به منظور رسیدن به سودآوری به چالش تبدیل می شود و نیازمند توسعه روش های مسئله ویژه و مدل های تعمیم یافته است (آکچالی، چتینکایا و آستر، 2009). اگرچه، پیشینه تحقیق در مورد طراحی شبکه های RL و شبکه های CLSC وجود همه این ناپایداری ها را شناسایی می کند، مطالعات اندکی وجود دارند که آنها را از طریق مدل های عمدتا تحلیلی و کمی مدل های شبیه سازی تلفیق می کنند (آکچالی و همکاران، 2009). مدلسازی تحلیلی و شبیه سازی، نشان دهنده دو نقطه متقابل رویکردهای مدلسازی ریاضی قابل استفاده هستند و از نظر واقعیت ارائه شده و هزینه های توسعه و استفاده از این رویه های راه حل مزایا و معایبی دارند (شانتیکومار و سارگنت، 1983). به منظور بهترین استفاده از دو رویکرد مدلسازی، ترکیب آنها رون مدلسازی شبیه سازی – تحلیلی هیبریدی پیشنهاد شده است و تا وقتی که از نظر هزینه به صرفه باشد، به عنوان گزینه های پایدار استفاده می شود. مدلسازی شبیه سازی – تحلیلی هیبریدی به عنوان «ساخت مدل های تحلیلی و شبیه سازی مستقل کل سیستم، توسعه رویه های راه حل آنها و استفاده از رویه های راه حل آنها باهم برای حل مسئله ای که در آن مدلسازی هیبریدی با استفاده از رویه های راه حل باهم» توسط استفاده متوالی یا تکراری از رویه های راه حل تعریف می شود (شانتیکومار و سارگنت، 1983). مدلسازی و مدلهای شبیه سازی – تحلیلی هیبریدی در بسیاری از بافت های حل مسئله از طریق رویکردهای مسئله ویژه استفاده می شوند که به مکررا از مدلهای تحلیلی و شبیه سازی از طریق تبادل پارامترهای مسئله ویژه استفاده می کنند (بایرن و باکر، 1999؛ بایرن و حسین، 2005؛ کو، کو و کیم، 2006). اخیرا رویکرد مدلسازی شبیه سازی – تحلیلی هیبریدی کلی قابل استفاده در مسائل مختلف بهینه سازی ترکیبی پیشنهاد شده است (آکار، کادیپاسوغلو و دی، 2009). در این مطالعه، تولیدکننده ای را در نظر می گیرد که فعالیت های RL در سطح شرکت را تحت ناپایدار عرضه به یک 3 PL می سپارد. تامین کننده خدمات 3 PL محصولات اسقاطی را از مراکز جمع آوری فراهم شده توسط تولیدکنندگان مشتری، جمع می کند. محصولات جمع آوری شده در مراکز تست بررسی و دسته بندی می شوند که تحت مالکیت 3 PL هستند. در نهایت، محصولات قابل بازیابی یکپارچه شده و به تسهیلات بازفرآوری ارسال می شوند تا فعالیت های بیشتر ریکاوری بر روی آنها انجام شود و محصولات باقی مانده نیز به تسهیلات بازفرآوری زباله ارسال می شوند که با محیط زیست همخوانی دارند. محل تسهیلات بازفرآوری توسط تولیدکننده مشتری تعیین می شود. از این رو، با توجه به محل مراکز جمع آوری و تسهیلات بازفرآوری مسئله طراحی شبکه RL برای 3 PL شامل پیدا کردن تعداد و محل مراکز تست تحت ناپایداری عرضه کمیت بازده است. یک مدلسازی شبیه سازی – تحلیلی هیبریدی چهارچوبی است مناسب که ناپایداری ها را در مسئله طراحی شبکه تصادفی RL تلفیق می کند؛ دو رویکرد مدلسازی شبیه سازی – تحلیلی هیبریدی را پیشنهاد و مقایسه می کنیم. اولین مورد تطبیق رویکرد مسئله ویژه است که برای طراحی شبکه توزیع 3 PL پیشنهاد شده است (کو و همکاران، 2006). دومین مورد شامل بهره برداری از رویکرد کلی براساس روش راه حل جدید پیشنهاد شده در مسئله ما است (آکار و همکاران، 2009). با تطبیق این دو رویکرد متفاوت مورد استفاده در پیشینه تحقیق با طراحی شبکه تصادفی RL برای 3 PL، قصد داریم تفاوت های آنها را شناخته و مزایا و معایب آنها را با ارائه یافته ها توسط تحلیل محاسباتی دقیق در بافت تصمیم گیری عملی مشخص کنیم. هدف مطالعه ما فراهم کردن شناختی جامع در مورد این دو رویکرد نه تنها برای شرکت های 3 PL در کسب و کار لجستیک معکوس بلکه برای تصمیم گیرندگانی است که با سطح بالای ناپایداری در مسائل خود در برنامه ریزی سطح تاکتیکی و استراتژیک مواجه می شوند. این مقاله به صورت زیر مرتب شده است. در بخش 2، پیشینه تحقیق را مرور می کنیم. در بخش 3 رویکردهای مدلسازی شبیه سازی – تحلیلی هیبریدی کلی و مسئله ویژه را ارائه می کنیم. بخش 4 نشان دهنده نتایج بدست آمده با دو رویکرد متفاوت است. در نهایت، نتیجه گیری و جهت تحقیقات آینده را در بخش 5 ارائه می کنیم.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

In this study, we consider a manufacturer that has strategically decided to outsource the company specific reverse logistics (RL) activities to a third-party logistics (3PL) service provider. Given the locations of the collection centers and reprocessing facilities, the RL network design of the 3PL involves finding the number and places of the test centers under supply uncertainty associated with the quantity of the returns. Hybrid simulation-analytical modeling, which iteratively uses mixed integer programming models and simulation, is a suitable framework for handling the uncertainties in the stochastic RL network design problem. We present two hybrid simulation-analytical modeling approaches for the RL network design of the 3PL. The first one is an adaptation of a problem-specific approach proposed in the literature for the design of a distribution network design of a 3PL. The second one involves the development of a generic approach based on a recently proposed novel solution methodology. In the generic approach instead of exchanging problem-specific parameters between the analytical and simulation model, the interaction is governed by reflecting the impact of uncertainty obtained via simulation to the objective function of the analytical model. The results obtained from the two approaches under different scenario and parameter settings are discussed.