دانلود مقاله ISI انگلیسی شماره 92201
ترجمه فارسی عنوان مقاله

بهینه سازی بازسازی محصول در زنجیره تامین حلقه بسته با استفاده از مدل چند دوره ای با کنترل کننده فازی با کمترین مشخصه

عنوان انگلیسی
Optimization of product refurbishment in closed-loop supply chain using multi-period model integrated with fuzzy controller under uncertainties
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
92201 2018 12 صفحه PDF
منبع

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

Journal : Robotics and Computer-Integrated Manufacturing, Volume 50, April 2018, Pages 1-12

ترجمه کلمات کلیدی
زنجیره تامین حلقه بسته، بازیابی محصول، مرمت محصول، منطق فازی، سیستم پشتیبانی تصمیم، شبیه سازی،
کلمات کلیدی انگلیسی
Closed-loop supply chain; Product recovery; Product refurbishment; Fuzzy logic; Decision support system; Simulation;
ترجمه چکیده
امروزه بازسازی محصول یکی از سودآورترین و مزایای زیست محیطی است که توجه هرچه بیشتر به تولید کنندگان و مشتریان محصول را جلب می کند. این مقاله ساختار و بهینه سازی روند بازسازی محصول، با توجه به موجودی ها و عدم اطمینان. یک مدل چند دوره ای ایجاد شده است. برای مقابله با عدم اطمینان، یک کنترل کننده فازی نوآورانه با شاخص کیفیت ارائه شده است. آزمایش های عددی برای تست و نشان دادن کیفیت بهینه سازی روش پیشنهادی انجام شده است. نتایج آزمایش های عددی اثربخشی کنترل کننده فازی پیشنهاد شده را نشان می دهد که می تواند با عدم اطمینان عرضه و تقاضا در یک روش کارآمد حل و فصل شود.
پیش نمایش مقاله
پیش نمایش مقاله  بهینه سازی بازسازی محصول در زنجیره تامین حلقه بسته با استفاده از مدل چند دوره ای با کنترل کننده فازی با کمترین مشخصه

چکیده انگلیسی

Nowadays, product refurbishment is one of the most profitable and environmental benefit processes, drawing more and more attention from both product manufacturers and customers. This paper structures and optimizes the process of product refurbishment, considering inventories and uncertainties. A multi-period model is established. To deal with the uncertainties, an innovative fuzzy controller embedded with a quality indicator is proposed. Numerical experiments have been carried out to test and demonstrate the optimization quality of the proposed method. The results of numerical experiments proved the effectiveness of the proposed fuzzy controller, that can deal with the uncertainties of supply and demand in an efficient way.