طراحی شبکه زنجیره¬تامین – بررسی مقاله ششم

موضوع: طراحی شبکه زنجیره­تامین حلقه بسته سبز و پایدار چندهدفه فازی

این مقاله به طراحی مسائل زنجیره­تامین حلقه بسته شامل تامین­کنندگان، تولیدکنندگان، مراکز توزیع، مشتریان، مراکز انبار، مراکز بازگشت و مراکز بازیافت می­پردازد. این مسئله مستلزم سه نوع انتخاب در مورد بازیافت محصول، بازیافت اجزا و بازیافت مواد اولیه است. مدلسازی این زنجیره با توجه به ملاحظات زیست­محیطی، سود کل را بهینه­سازی می­کند و به­منظور حداکثر کردن پاسخگویی به تقاضای مشتریان، تعداد روزهای کاری از دست رفته به­علت حوادث کاری را کاهش می­دهد. از الگوریتم ژنتیک با سناریوهای مختلف برای حل مدل استفاده شده است. حل این مدل، تصمیم­گیری در مورد بازگشایی و یا بستن هر یک از اجزای زنجیره و جریان مطلوب محصولات در میان آن­ها را فراهم می­کند.

مقدمه

در سال­های اخیر به­دلیل مقررات دولتی و همچنین افزایش توجه به اثرات زیست­محیطی و حفظ منابع طبیعی، لجستیک معکوس و زنجیره­های­تامین حلقه­بسته، توسط محققان و تصمیم­گیران مورد بررسی و توجه قرار گرفته است. یک زنجیره­تامین کلاسیک یا رو­به­جلو شامل یک شبکه از تامین­کنندگان، تولیدکنندگان و توزیع­کنندگان برای ارائه یک محصول و یا خدمت خاص تشکیل می­شود. لجستیک معکوس شامل تمام مسائل مربوط به جمع­آوری محصولات استفاده­شده، کنترل و جمع­آوری آن­ها و همچنین بازیافت و بازفرآوری و دفع آن­ها است. اگر هر دو زنجیره تامین روبه­جلو و معکوس بطور همزمان درنظر گرفته شوند، شبکه حاصل به عنوان زنجیره تامین حلقه­بسته تعریف می­شود. برای طراحی چنین زنجیره­ای لازم است که سازمان برای طراحی شبکه­های رو­به­جلو و معکوس برنامه­ریزی کند. همچنین افزایش توجه به مسائل محیط­ زیست و اجتماعی باعث بوجود آمدن مفاهیم زنجیره­تامین سبز و پایدار می­شود.

در صنایع مختلف، معیار انتخاب عرضه­کنندگان ، قیمت و کیفیت است. درواقع شرکتی از رقبا پیشی می­گیرد که هزینه­های عملیاتی زنجیره تامین خود را کاهش داده و کیفیت خدمات خود را با درنظر گرفتن مسائل اقتصادی و اجتماعی بهبود ببخشد. سازمان­ها برای افزایش مزیت رقابتی خود به طراحی یک سیستم زنجیره­تامین حلقه­بسته نیاز دارند. درنتیجه، یک زنجیره تامین حلقه­بسته مستلزم طراحی، کنترل و اجرای یک سیستم برای به حداکثر رساندن ارزش ایجاد شده در طول عمر محصول، از طریق ارزش تولیدشده از محصولات مختلف مرجوعی در طول زمان است.

زنجیره­تامین سبز، زنجیره­تامینی است که در طی آن ملاحظات زیست­محیطی مورد توجه قرار گرفته­اند. به عنوان مثال، مواد اولیه جدید اگر فرآیند تولیدشان، مصرف انرژی کمتری داشته باشد، قیمت بالاتری دارند. مواد بازیافتی با قیمت پایین­تری خریداری می­شوند ولی فرآیند تولیدی آن­ها مصرف انرژی بالاتری را نیاز دارد. پیاده­سازی مداوم مدیریت زنجیره­تامین عاملی کلیدی است که سازمان­ها را تحت فشار قرار می­دهد تا اثرات منفی زیست­محیطی خود را کاهش دهند و باعث افزایش مزایای اقتصادی و اجتماعی شوند. همچنین کاهش اثرات زیست­محیطی مخرب باید به­عنوان یک هدف در زنجیره­تامین درنظر گرفته شود. شاخص انتشار گاز دی­اکسیدکربن بطور گسترده­ای برای شناسایی اثرات زیست­محیطی استفاده می­شود و همچنین می­تواند بصورت کمی در مدلسازی زنجیره­های تامین نیز مورد استفاده قرار گیرد. میزان مصرف انرژی، زباله­های جامد، مصرف آب، آلاینده­های آب چندین شاخص دیگر هستند که در مطالعات زیست­محیطی مورد توجه قرار می­گیرند.

مسئولیت اجتماعی شرکت­ها نیز ابعاد مختلفی دارد. این ابعاد توسط سازمان استاندارد بین­المللی در ISO26000 به شش گروه اصلی حقوق بشر، مسائل مرتبط با نیروی کار، محیط زیست، شرایط مناسب کار، توجه به مشتری و توسعه اجتماعی تقسیم می­شوند. بطور کلی نیز سه نوع متغیر تصمیم­گیری از جمله استراتژیکی (موقعیت، ظرفیت)، تاکتیکی (تخصیص، برنامه­ریزی) و عملیاتی (اندازه سفارش، موجودی) وجود دارد. طراحی شبکه لجستیک به­عنوان تصمیم­ استراتژیک در سازمان­ها تاثیر قابل توجهی بر اثربخشی زنجیره­های تامین دارد. در مسائل زنجیره­تامین حلقه­بسته، بطور همزمان دو تصمیم شامل مکانیابی تسهیلات و جریان مواد بین آن­ها درنظر گرفته می­شود.

پرداختن به مسئله طراحی و برنامه­ریزی زنجیره­تامین حلقه بسته، به عنوان یک مسئله NP-Hard نیاز به یک رویکرد کارآمد و راه­حل قابل­قبول در یک زمان منطقی به­ویژه در مسائل با ابعاد واقع­بینانه دارد. در نتیجه در مقالات زیادی استفاده از رویکردهای دقیق و غیردقیق مورد بررسی قرار گرفته است. در مسائل با مقیاس بزرگ و پیچیده، استفاده از روش­های دقیق بسیار وقت­گیر و غیرممکن است. به همین منظور برای حل این نوع مسائل، از روش­های نوآورانه برای دستیابی به یک راه­حل قابل­قبول در زمان نسبتا کوتاه استفاده می­شود.

اجزا زنجیره­تامین حلقه­بسته در این پژوهش شامل مشتریان، کارخانه­ها، مراکز توزیع، انبارها و مراکز بازیافت می­باشند. این زنجیره دارای سه سطح رو­به­جلو و سه سطح معکوس است که با رویکرد فازی چندهدفه مدل­سازی شده است. مدل مورد بررسی در این پژوهش، یک مدل چندمحصولی،چندسطحی و چند دوره­ای است که شامل تقریبا تمام فعالیت­ها از تامین­کنندگان به مشتریان و مراکز بازیافت است.

رویکرد جدید مدل توسعه یافته در این مقاله بصورت همزمان اجزا و جریان مواد را درنظر گرفته است. محصولات شامل اجزاء متعددی هستند که می­توانند از یکدیگر مجزا شوند و بعنوان یک ماده اولیه بازیافت شوند. به­عنوان مثال، دوچرخه از اجزا مختلف شامل قاب، زین، مجموعه جلوبندی، چرخ­ها، پدال­ها و زنجیر ساخته شده است. یک بازار بزرگ برای فروش این اجزا وجود دارد. از سوی دیگر اجزایی که کیفیت قابل قبول برای فروش در بازارهای دست دوم را ندارند، می­توانند به عنوان فلزات و لاستیک­ها بازیافت شوند تا به­عنوان ماده اولیه مورد استفاده قرار گیرند. موارد مشابهی را می­توان در صنایع خودروسازی، الکترونیکی و تجهیزات کامپیوتری مشاهده کرد.

مرور بر ادبیات

طراحی شبکه زنجیره­تامین حلقه بسته

مسائل مربوط به طراحی زنجیره­تامین حلقه­بسته در سال­های اخیر توجه زیادی را به خود جلب کرده است. بطور کلی، بسیاری از تحقیقات موجود دارای هدف منحصر به فردی هستند که این اهداف می­تواند شامل حداقل­سازی هزینه­های راه­اندازی، عملیات و حمل­ونقل باشد.

پیشوایی و همکاران (2010) یک مدل برنامه­ریزی خطی استوار برای حداقل­سازی هزینه­های حمل­ونقل و هزینه­های ثابت راه­اندازی در یک شبکه لجستیک معکوس چند سطحی با استفاده از الگوریتم­های شبیه­سازی ارائه دادند. پس از مطالعات بیشتر، پیشوایی و همکاران (2011) یک مدل برنامه­ریزی خطی استوار به منظور بهینه­سازی توابع هدف، حداقل­سازی هزینه و حداکثرسازی سطح پاسخگویی، ارائه دادند که در این مدل برای دستیابی به نتایج استوار از الگوریتم ممتیک چندهدفه استفاده شد. رمضانی و همکاران (2013) یک مدل چندهدفه برای مسائل شبکه لجستیک یکپارچه در شرایط عدم قطعیت به­منظور حداکثرسازی سود، سطح پاسخگویی مشتری و کیفیت ارائه دادند. حسن­زاده و ژانگ (2013) یک شبکه زنجیره­تامین با چندین تولیدکننده، انبار، بازار تقاضا و محصول درنظر گرفتند. آن­ها از برنامه­ریزی عددصحیح خطی برای کاهش کل هزینه­­ها استفاده کردند. در این مقاله، اثر عدم قطعیت بر روی تقاضا و مرجوعات در شبکه با استفاده از برنامه­ریزی احتمالی درنظر گرفته می­شوند. Ozkir and Basligil (2013) از منطق فازی برای مدلسازی فعالیت­ها در یک زنجیره­تامین حلقه بسته چندهدفه استفاده کردند. آن­ها مدل را به­منظور بررسی اثرات کیفیت و کمیت محصولات مرجوعی بر رضایت مشتریان و سودآوری زنجیره­تامین مورد استفاده قرار دادند. اهداف این مدل به حداکثر رساندن سطح خدمات، سطح رضایت خریدار و فروشنده در زنجیره و کاهش کل هزینه­ها می­باشد. رمضانی و همکاران (2014) یک زنجیره­تامین حلقه­بسته با تصمیم­گیری غیرمتمرکز شامل تامین­کنندگان مواداولیه، تولیدکنندگان و خرده­فروشان که بطور مستقیم محصولات بازیافتی را از بازارها جمع می­کنند، در نظرگرفتند و اهداف مشترک الگوریتم­های پیشنهادی شامل اثرات رقابت، سرمایه­گذاری در مراکز توزیع و همچنین سود و بازده را مورد بررسی قرار دادند. مدل تجدیدنظر شده، یک مدل چند هدفه برای طراحی یک شبکه لجستیک یکپارچه در عدم قطعیت با هدف حداکثرسازی سود و سطح پاسخگویی مشتریان و کیفیت است. Alshamsi و همکاران (2015) یک برنامه­ریزی خطی عددصحیح مختلط در لجستیک معکوس و استفاده در یک مورد مطالعاتی را ارائه دادند.

زنجیره­تامین سبز و پایدار

توجه به مفاهیم زنجیره­تامین سبز و پایدار در سال­های اخیر در حال افزایش است و بسیاری از محققان مسائل مربوط به مسئولیت­های زیست­محیطی و اجتماعی را در مطالعات خود درنظر می­گیرند. Paksoy و همکاران (2010) یک مدل خطی چندهدفه را به منظور حداقل­سازی هزینه­ها و انتشار گاز دی­اکسیدکربن در زنجیره­تامین ارائه کرند. Millet (2011) شاخص­های دستیابی به یک زنجیره­تامین پایدار که بطور همزمان مسائل اقتصادی، اجتماعی و محیطی را درنظر می­گیرد مورد مطالعه قرار داد. Kannan و همکاران (2012) انتشار کربن را به­عنوان متغیر تصمیم در مدل پیشنهادی خود درنظر گرفتند. آن­ها یک شبکه لجستیک معکوس در صنعت پلاستیک را بصورت یک مسئله برنامه­ریزی عددصحیح خطی مدلسازی کردند. پیشوایی و همکاران (2012) حداقل­سازی هزینه­ها و حداکثرسازی اثرات اجتماعی در مدل دو هدفه پیشنهادی خود برای یک زنجیره­تامین روبه­جلو درنظر گرفتند. به منظور حل مدل، آنها یک رویکرد ترکیبی جدید مبتنی بر بهینه­سازی رباست و برنامه­ریزی تصادفی پیشنهاد دادند. Abdallah و همکاران (2012) یک برنامه­ریزی عددصحیح مختلط در یک شبکه زنجیره­تامین با تمرکز بر کاهش انتشار دی­اکسیدکربن ارائه دادند. همچنین از سه سناریو برای کاهش انتشار کربن در مطالعه خود استفاده کردند. امین و ژانگ (2013) یک شبکه زنجیره­تامین حلقه­بسته شامل مراکز تولید، انبارها، بازارهای تقاضا و چندمحصولی تحت عدم قطعیت ارائه دادند. برای انجام این کار، آن­ها یک مدل برنامه­ریزی عددصحیح خطی با هدف حداقل­سازی هزینه­های کل پیشنهاد کردند. علاوه­بر این، یک تابع هدف زیست­محیطی به منظور بررسی مسائل زیست محیطی به مسئله افزوده شده است. Su (2014) یک مطالعه بر روی روابط بین مواد جدید و بازیافتی با توجه به هزینه­های تولیدی متغیر، بهره­وری ماشین و مصرف انرژی انجام داد. در این تحقیق، از یک مدل برنامه­ریزی فازی چند هدفه خطی برای تجزیه و تحلیل روابط بین فاکتورهای درگیر در هزینه­ها و انتشار دی­اکسیدکربن، استفاده کرد. Ahi and Searcy (2015) یک گزارش، برای تعیین و بررسی فاکتورهای مورد استفاده در مقالات زنجیره­تامین سبز و پایدار ارائه دادند. Diabat و همکاران (2015) یک مسئله موقعیت مکانی را در یک زنجیره­تامین که میزان انتشار گازها را تحلیل می­کند ارائه دادند و با استفاده از الگوریتم ژنتیک، مدل را بهینه کردند.

عدم قطعیت در زنجیره­تامین

در تجزیه و تحلیل پارامترهای کیفی و کمی، عدم قطعیت­های بازار، می­تواند مورد توجه محققان قرار گیرد. پیشنهاد­های متعددی برای بررسی عدم­قطعیت وجود دارد. یکی از این روش­ها منطق فازی است. در مواردی که اطلاعات موجود مبهم باشند، تئوری مجموعه فازی و برنامه­ریزی ریاضی فازی می­توانند برای مقابله با عدم­قطعیت­ها مورد استفاده قرار گیرند. عدم­قطعیت در زنجیره تامین در دهه اخیر مورد بررسی قرار گرفته است. Chen و همکاران (2007) ، Petrovic و همکاران (2008) ، Efendigil و همکاران (2009) عدم­قطعیت تقاضا را در تحقیقات خود، مورد مطالعه قرار دادند. El-Sayed و همکاران (2010) ، پیشوایی و همکاران (2010) در تحقیقات خود، از رویکرد برنامه­ریزی تصادفی برای مقابله با پارامترهای عدم قطعیت استفاده کردند. Qin and Ji (2010) از رویکرد فازی در مدل مسئله طراحی زنجیره­تامین پیشنهادی خود استفاده کردند. پیشوایی و همکاران (2012) از مدلسازی ریاضی فازی در مدل خود استفاده کرد. Ozkir and Basligil (2013) برنامه­ریزی ریاضی فازی را برای مدل کردن مسئله حداکثرسازی رضایت طرفین و مشتریان در زنجیره­تامین، مورد استفاده قرار دادند.

حل مسئله زنجیره­تامین حلقه­بسته

مسائل زنجیره­تامین حلقه­بسته، به روش­های مختلف امکان­پذیر است. اکثر راه­حل­های پیشنهادی راه­حل­های قوی هستند که با استفاده از نرم­افزارهای مدلسازی ریاضی مثل LINGO و GAMS حل می­شوند. مسائلی که با این نرم­افزارها مدلسازی شده­اند بطور کلی در مقیاس کوچک هستند. EL-Sayed و همکاران (2010) از CPLEX برای حل مدل­های پیشنهادی در مقیاس کوچک استفاده کردند. وانگ و همکاران (2010) برای حل یک مدل تک محصولی، تک دوره­ای از GAMS استفاده کردند. رمضانی و همکاران (2013) یک رویکرد حل استوار برای حل یک مدل چندمحصولی، تک دوره­ای به­کاربردند. Ozkir and Basligil (2013) از GAMS برای حل مدل فازی چندهدفه شامل مدل چند محصولی، چند دوره­ای استفاده کردند.  Santibanezو همکاران (2013) از الگوریتم­های فراابتکاری برای حل لجستیک معکوس توسعه­یافته استفاده کردند. Kannan و همکاران (2010) از الگوریتم ژنتیک برای حل مسائل در مقیاس کوچک استفاده کردند. سال­ها بعد از CPLEX برای ارائه یک روش استوار برای مسائل با مقیاس کوچک و از الگوریتم ژنتیک و ابتکاری برای مسائل با مقیاس بزرگتر استفاده شد. همچنین در سال 2014 یک الگوریتم ترکیبی ژنتیک- ازدحام ذرات برای حل مدل­های بزرگتر که دقت بیشتری داشت ارائه شد. در سال­های 2015 و 2016، شبکه زنجیره تامین اصلاح­شده که یک مدل غیرخطی را به خطی تبدیل می­کند، توسعه دادند. علاوه بر این، الگوریتم ژنتیک و سایر الگوریتم­های فراابتکاری در شبکه­های زنجیره­تامین حلقه­بسته و لجستیک معکوس در مقالات اخیر اغلب استفاده شده است. خلاصه­ای از مقالات سال­های اخیر و نقش مقاله فعلی در جدول 1 ارائه شده است.

جدول 1- مروری بر ادبیات موضوع در مقالات اخیر

بر اساس بررسی که بر مقالات پیشین انجام شده و در جدول 1 مشاهده می­شود، مدلسازی و حل یک مسئله زنجیره­تامین حلقه­بسته چند مجصولی، چند دوره­ای در مقیاس بزرگ که مسائل زیست محیطی و اجتماعی را نیز درنظر بگیرد، می­تواند یک موضوع جالب باشد به­ویژه اگر محصولات شامل اجزاء متفاوت و مواد اولیه متفاوت باشند. مقاله حاضر، با الهام گرفتن از مقاله Ozkir and Basligil (2013)، بدنبال ارائه راه­حل برای مدل پیشنهادی با درنظر گرفتن مسائل زیست محیطی و اجتماعی است. شرح این مقاله را می­توان بصورت زیر خلاصه کرد:

• این مقاله توسعه یافته سبز و پایدار مقاله Ozkir and Basligil (2013) است که دو تابع هدف به آن اضافه شده است. بر اساس رویکرد سبز در این مقاله ، تابع حداقل کردن انتشار گاز CO₂ درنظر گرفته شده است. علاوه بر این، به­منظور درنظر گرفتن پایداری و الزامات ISO 26000:2010 ، حداقل­سازی تعداد روز­های تعطیل­شده به­دلیل حوادث شغلی، درنظر گرفته شده است. برای درنظر گرفتن دو تابع هدف ذکر شده، محدودیت­های مرتبط به مدل اصلی اضافه می­شود. از سوی دیگر بررسی مدل بصورت چند بعدی یعنی چند محصولی، چند اجزایی می­تواند مدل را عملی­تر کند.

• مدل توسعه یافته با استفاده از الگوریتم ژنتیک و نرم افزار LINGO حل شده است. الگوریتم ژنتیک برای بدست آوردن راه­حل سریع و قابل اعتماد به­روز می­شود. در ابتدای الگوریتم اصلی یک اکتشافی توسعه یافته که می­تواند راه­حل های مطلوب را سریع­تر تولید کند. درواقع، مرحله اولیه الگوریتم ژنتیک با یک الگوریتم اکتشافی پیشرفته آغاز می­شود.

• ساختار الگوریتم ژنتیک این مطالعه خیلی شبیه ساختار کلاسیک هست ولی همانطور که گفته شد در تولید جمعیت اولیه بر اساس تولید اکتشافی به تسریع تولید و تکرار جمعیت کمک می­کند.

در نتیجه، در این مقاله تلاش می­شود که توجه به عوامل سبز و پایداری در مسئله برنامه­ریزی زنجیره تامین حلقه­بسته در مدلسازی و الگوریتم حل افزایش یابد.

تعریف مسئله

مدل زنجیره­تامین روبه­جلو شامل سه سطح عرضه موادخام، تولید محصول جدید و توزیع محصول می­باشد. همچنین شامل سه سطح در زنجیره معکوس، شامل جمع­آوری، بازیافت و توزیع مجدد است. این سطوح در شکل 1 نشان داده شده است.

شکل 1- زنجیره تامین حلقه­بسته و جریان بین مراکز

در سطح اول این زنجیره، مواد اولیه لازم برای تولید در کارخانه­ها توسط مراکز جمع­آوری با استفاده از اجزاء بازیافتی تهیه می­شوند. درصورتیکه اجزاء توسط مراکز برگشتی عرضه نشوند، کارخانه­ها می­توانند اقلام مورد نیاز خود را از تامین­کنندگان خارجی تامین نمایند. در این مرحله لازم است که اجزاء بازتولیدشده با حداقل استانداردهای کیفیت و عملکرد طراحی محصول، مطابقت داشته باشند. محصول به مراکز بازیافت برای تعمیر فرستاده می­شود. سطح دوم زنجیره معکوس، شامل تعمیر و بازیافت محصول و ارسال آن به توزیع­کنندگان پس از کنترل کیفیت و بسته­بندی است. در سطح نهایی زنجیره معکوس، محصولات بازیافتی به مشتریان با قیمت پایین­تر از محصولات جدید تحویل داده می­شود تا تقاضای محصولات بازیافتی خود را برآورده سازند. اگر محصول کنترل شده، در شرایط مناسب برای بازیافت نباشد، باید کامل تخریب شود و سپس به کارخانه­ها ارسال گردد. درنهایت، اگر اجزای اصلی غیرقابل بازیافت برای استفاده در کارخانه­ها باشند، آن­ها به موادخام تجزیه می­شوند و سپس این موادخام به تامین­کنندگان خارجی فروخته می­شود. در این مقاله یک زنجیره­عرضه حلقه بسته برای تولید و عرضه و جمع­آوری و بازیافت محصولات با اجزاء مختلف طراحی شده و هر یک از این اجزا شامل چندین ماده خام در مقادیر مختلف می­باشند. هدف اول این مدل افزایش سود کلی زنجیره است. نگرانی­های مسائل اجتماعی از جمله روزهای کاری از دست رفته به علت خطرات شغلی و حوادث، به عنوان تابع هدف دوم درنظر گرفته شده است. تابع هدف سوم مدل به حداکثر رساندن تقاضای مشتریان برای محصولات جدید و بازیافت شده را دنبال می­کند.

عدم قطعیت­ها در مدل

عدم­قطعیت تقاضا

برای بررسی تغییرات در سفارشات مشتری، لازم است الگوی تقاضا را درک کرد. درواقع مهمترین اصل در زنجیره­تامین، تمرکز بر تقاضای مشتری می­باشد تا بتوان به درستی آ­ن­ها را برآورده کرد. اگرچه پیش­بینی تقاضای مشتری بطور دقیق انجام نمی­شود اما در یک دوره خاص برای هر محصول اطلاعاتی درباره تقاضای مشتریان وجود دارد. اما چون با پیش­بینی، برآورد تقاضای کامل مشتریان امکان­پذیر نیست. از منطق فازی برای به حداکثر رساندن برآورد تقاضای مشتریان استفاده می­شود. معادلات 1 تا 3، تابع عضویت تقاضای محصولات جدید و معادلات 4 تا 6، تابع عضویت تقاضای محصولات بازیافتی را بر اساس منطق فازی نشان می­دهد.

عدم­قطعیت اثرات اجتماعی

مسئولیت اجتماعی سازمان­ها شامل چند شاخص در مورد مسائل اجتماعی و محیط­ زیست می­باشد. در این مقاله یکی از مهم­ترین مسائل اجتماعی مربوط به حوادث شغلی است که درنظر گرفته شده است. این عامل مربوط به بازگشایی یا بستن هر یک از موجودیت­های یک سیستم است. در این مقاله از مدلسازی فازی برای به حداقل رساندن تعداد روزهای از دست رفته کاری استفاده شده است. با توجه به شکل 2 و درنظر گرفتن LDIDEAL به عنوان تعداد ایده­آٖل روزهای از دست رفته و LDMAX بعنوان حداکثر تعداد مجاز روزهای از دست رفته، این دو شاخص بصورت معادلات 7 تا 9 تعریف می­شوند. در این مدل، خطرات شغلی ناشی از احداث مراکز جمع­آوری و مراکز توزیع درنظر گرفته شده قابل اغماض است.

شکل2: میزان عضویت روزهای از دست رفته کاری ناشی از حوادث شغلی برای هر نیروی کار

زنجیره­تامین حلقه­بسته سه هدفه

مدل پیشنهادی در این مقاله سه هدف دارد: افزایش سود زنجیره­ای، کاهش تعداد روزهای کاری که ناشی از حوادث شغلی و به حداکثر رساندن تقاضای مشتریان است. مدل دارای چند مرحله، چند محصول و چندمنظوره برای تصمیم­گیری در مورد تعداد مورد نیاز مراکز و مکان­های آن­ها و جریان محصولات بین آن­ها مدلسازی شده است.

فرضیات مسئله بصورت زیر بیان شده­اند:

• حداقل یک نوع مرکز در زنجیره­تامین حلقه بسته وجود دارد.

• نقاط جمع­آوری و برگرداندن ظرفیت بیش از یک دوره ندارند.

• مراکز برگرداندن برای تخفیف محدودیتی ندارند.

• قیمت محصولات برگشتی بدون توجه به کیفیت است.

• محصولات بازیافتی با قیمت پایین­تر از محصولات جدید فروخته می­شوند.

• هزینه حمل­ونقل برای محصولات جدید و بازیافتی در هر دوره برابر است.

• انتشار گاز CO₂ برای کنترل و جمع­آوری، تخلیه، تعمیر و دفع زباله­ها را می­توان در مقایسه با انتشار گاز ناشی از حمل­ونقل نادیده گرفت.

• تعداد روزهای کاری از دست رفته به علت حوادث شغلی در مراکز جمع­آوری و توزیع را می­توان درنظر نگرفت.

• عرضه محصولات بازیافت شده برای مراکز توزیع را می­توان تنها از طریق مراکز بازیافت انجام داد.

تابع هدف 1:

حداکثرسازی سود کل زنجیره

سود= درآمد حاصل از فروش محصولات بازیافتی و جدید و مواد اولیه حاصل از تجزیه محصولات TREV - هزینه راه­اندازی اولیه مراکز TSC - هزینه ثابت احداث مراکز در هر دوره TFS - هزینه جداسازی و جمع­آوری، تخلیه، تجزیه، بازیافت و دفع زباله­ها و تولید هر محصول TPC - هزینه خرید هر جزء از محصول از تامین­کننده TPUC - هزینه حمل و نقل محصولات بین مراکز TTC - هزینه نگهداری محصولات THC - هزینه جریمه عدم رسیدگی به تقاضای مشتریان TPEC

تابع هدف 2:

حداقل­سازی تعداد روزهای کاری از دست رفته ناشی از حوادث شغلی ( با به حداکثر رساندن عضویت فازی، تعداد روزهای از دست رفته کاهش می­یابد.)

تابع هدف 3:

حداکثرسازی تقاضای مشتریان راضی

از آنجایی که درجه عضویت یکی از معیارهای پاسخگویی به تقاضای مشتریان است و باعث رضایت بخشی آن­ها می­شود با افزایش درجه عضویت می­توان به حداکثرسازی تقاضای مشتریان راضی دست یافت.

محدودیت­ها:

محدودیت­های این مدل در 6 گروه طبقه بندی شده­اند: آماده­سازی، ظرفیت، بالانس کردن(تعادل جریان)، محیط زیست، پایداری، باینری و محدودیت­های غیرمنفی. معادلات 21 تا 25 ماکسیمم حد مجاز دوره هر فعالیت را در هر مرکز کنترل می­کند.

 معادلات 26 تا 30 تضمین می­کند که حداقل یک مرکز در هر دوره بازگشایی شده باشد.

معادلات 31 تا 35 تضمین می­کند که اگر یک مرکز فعالیت خود را شروع کند در دوره بعدی هم به فعالیت خود ادامه می­دهد و باقی می­ماند. درواقع  اگر مرکزی شروع به فعالیت کند تا پایان افق زمانی اجازه بسته شدن ندارد.

معادلات 36 تا 40 مربوط به محدودیت­های ظرفیت هر مرکز می­باشند. جریانات ورودی به یک مرکز نباید از ظرفیت مجاز آن مرکز بیشتر باشد. فقط زمانیکه مرکز هنوز ظرفیت داشته باشد می­تواند به مشتری دیگری تخصیص داده شود.

معادلات 41 تا 48 محدودیت­های تعادل جریان را در مراکز تضمین و بالانس می­کند. میزان کالاهای ورودی به هر مرکز و کالاهای خروجی باید در تعادل باشند.

معادلات 49 تا 54 نشان­دهنده محدودیت­های فازی مربوط به تقاضای مشتریان رضایت­بخش است. درصد کالاهایی که برای مشتریان ارسال نشده است نباید به میزانی باشد که سطح رضایت مشتریان را از یک حد مجاز پایین­تر بیاورد.

معادله 55 محدودیت انتشار گاز دی­اکسیدکربن را درنظر گرفته است.

معادلات 56 تا 58 محدودیت­های فازی مربوط به روزهای از دست رفته کاری را به علت حوادث شغلی بیان می­کند. تعداد مراکز احداثی در هر دوره باید بگونه­ای باشد که زمانیکه حوادث شغلی پیش می­آید میزانی از روزهای مجاز از دست رفته، استفاده شود که از یک حد مجاز کمتر نباشد.

معادلات 59 تا 61 محدودیت متغیرهای دودویی و نامنفی را نشان می­دهند.

روش حل

روش حل­های متعددی از جمله دقیق و فراابتکاری وجود دارند که بسته به نوع مسئله انتخاب می­شوند. در برخی از مسائل به­دلیل پیچیدگی آن­ها، استفاده از روش­های حل دقیق امکان­پذیر نمی­باشد. این مسائل که نمی­توان با روش­های معمول به حل آن­ها پرداخت به عنوان مسائل NP معرفی می­شوند که برای مسائل غیر دقیق هستند. به این معنی که روش حل و اعتبار حل فقط حدس زده می­شود. این مسائل شامل مسائل NP-Hard و NP-Complete می­باشند. در مسائل NP-Complete جواب­ها می­توانند محدود به جواب­های دودویی، بله یا خیر باشند اما در مسائل NP-Hard اینگونه نیست. برای حل این مسائل روش­های فراابتکاری مثل الگوریتم ژنتیک ارائه می­شوند که می­توانند جواب حل را در حد قابل قبولی با اعتبارسنجی و بهبود نتایج بدست آورند. از آنجایی که مسئله زنجیره­تامین حلقه بسته یک مسئله NP-Hard است و تعداد متغیرها و محدودیت­ها زیاد می­باشد، برای حل از روش فراابتکاری استفاده می­شود.

رویکرد حل مسئله

قبل از ارائه الگوریتم از روش­های تصمیم­گیری چندهدفه برای تبدیل توابع هدف مسئله به یک تابع هدف استفاده می­شود. رویکرد E-Constraint با استفاده از اطلاعات اساسی تصمیم­گیرندگان برای تبدیل برخی از اهداف مسئله به محدودیت­ها برای حل مدل استفاده می­کند. در این رویکرد مهمترین تابع هدف را به­عنوان تابع هدف اصلی مسئله نگه می­دارد و بقیه اهداف مینیمم­سازی و یا ماکسیمم­سازی را در محدودیت­ها درنظر می­گیرد. در این مقاله، برای تبدیل مسئله به یک تابع هدف بر اساس رویکرد E-Constraint، تابع هدف حداکثرسازی سود کل زنجیره را به عنوان تابع هدف اصلی انتخاب کرده و دو تابع هدف دیگر، حداقل­سازی روزهای کاری از دست رفته و حداکثرسازی تقاضای مشتریان راضی به محدودیت­های مسئله اضافه می­شود.

الگوریتم ژنتیک پیشنهادی

الگوریتم ژنتیک یک نوع از الگوریتم­های تکاملی است که از زیست­شناسی الهام گرفته است و ایده اصلی این الگوریتم انتقال ویژگی­های ارثی توسط ژن­ها است. فرض کنید که خصوصیات کلی هر نسل از طریق کروموزوم­ها به نسل بعدی منتقل می­شود، هر ژن در این کروموزوم­ها یک مشخصه دارد. برای طراحی این الگوریتم، روش­های حل مسئله یا کروموزوم­ها باید بر اساس علم ژنتیک باشند تا بتوان آن­ها را برای جهش آماده کرد. پارامترهای الگوریتم ژنتیک از جمله جمعیت­ها و نسل­ها، عملگرهای جهش، استراتژی انتخاب و معیارهای توقف باید شرح داده شوند. هدف از این الگوریتم رسیدن به بهترین کروموزوم با استفاده از تقسیم کاهشی کروموزوم­های انتخاب­شده در هر نسل است. بنابراین برای ارزیابی کروموزوم­ها، یک تابع برای شناسایی میزان تناسب این کروموزوم­ها در هر تکرار تعریف می­شود. پس از نسل اول و ارزیابی تناسب آن­ها، با توجه به پارامترهای الگوریتم و استراتژی انتخاب، بعضی از اعضا برای تولید نسل جدید انتخاب می­شوند و عملگرهای متقاطع و جهش بر روی آن­ها اعمال می­شوند. نسل جدید ارزیابی می­شود و بهترین در میان آن­ها برای تولید نسل بعدی انتخاب می­شوند. این الگوریتم تا رسیدن به معیار توقف تکرار می­گردد.

تنظیم پارامترهای الگوریتم

یکی از مراحل مهم در طراحی الگوریتم­های فراابتکاری، تنظیم پارامترهایی است که می­توانند بر روی الگوریتم تاثیر بگذارند. الگوریتم ژنتیک شامل چندین پارامتر تاثیرگذار از جمله اندازه جمعیت، پارامتر تقاطع و پارامتر جهش است که برای تنظیم از روش تاگوچی استفاده شده است و برای پارامتر تکرار، دو سطح درنظر گرفته شده است. با استفاده از روش تاگوچی بهترین پارامترها و بهترین ترکیب از پارامترها و عملگرها انتخاب می­شوند. وقتی این پارامترها تغییر می­کنند، منجر به نتایج متفاوت می­شوند. در این مقاله ابتدا نمونه­های کوچک با 200 تکرار مورد بررسی قرار گرفتند و پس از بررسی دقت الگوریتم و مقایسه نتایج با نرم­افزار LINGO برای نمونه­هایی با مقیاس بزرگ­تر با 400 تکرار مورد استفاده قرار گرفتند. در هربار اجرای آزمایش مقدار تابع هدف بدست آمده باید مطابق روش تاگوچی به نسبت سیگنال به نویز که در حکم متغیر پاسخ است تبدیل شود تا بر طبق آن تحلیل و تصمیم­گیری صورت گیرد. تنظیم پارامترها در نرم افزار MINITAB صورت گرفت و توان داده­های مورد نیاز با استفاده از معادله 62،انحراف درصد نسبی SNR ، نرمال شد. پس از اتمام روش تاگوچی گراف­های مربوط به SNR بصورت شکل­های زیر ترسیم می­شوند. با توجه به نمودار SNR حاصل از آزمایشات در شکل 3، پارامتر اندازه جمعیت (npop) در سطح2، پارامتر متقاطع (pc) در سطح 3 و پارامتر جهش (pm) در سطح 3، حداکثر مقدار سیگنال به نویز اتفاق افتاده است. همچنین در گراف میانگین شکل 4، حداقل میانگین در سطوح بالاترین سطح رخ داده است. با توجه به نتایج آزمایش، پارامترهای الگوریتم را می­توان تنظیم کرد.

شکل 3- گراف نسبت سیگنا به نویز پارامترها و تغییرات نسبت در سطوح مختلف

شکل 4- گراف میانگین­ها و بررسی تغییرات پارامترها در سه سطح

ایجاد کروموزوم اولیه

کروموزوم دارای یک ساختار ماترسی است و نشان­دهنده بازگشایی یا بسته بودن یک نهاد در زنجیره است. ردیف­ها و ستون­های ماتریس نشان­دهنده تعداد نهادها و دوره­ها هستند که بازگشایی یا عدم بازگشایی نهادها در هر دوره با صفر یا یک مشخص می­شود. برای ایجاد کروموزوم­های اولیه، این ماتریس بصورت تصادفی پر شده است.

کروموزوم جریان محصول

8 کروموزوم با 4 بعد ساختاری برای نشان دادن کد جریان محصولات بین مراکز مختلف تشکیل شده­اند. در این ساختار، هر یک از کدها مقدار کالاهای حمل­شده بین موجودیت­های دیگر را نشان می­دهند. مثلا کد (3،5،2،8) نشان­دهنده سه محصول جدید است که از مرکز توزیع شماره 5 برای مشتری شماره 2 در دوره 8 ارسال شده است.

ارزیابی کروموزوم مناسب

برای ارزیابی مناسب کروموزوم، ابتدا اعداد تصادفی حاصل باید به مقادیر قابل استفاده در الگوریتم تبدیل شوند. برای این منظور، اعداد تصادفی به جریان محصولات و اینکه تقاضای هر مشتری در هر دوره برای هر محصول جدید یا بازیافتی چگونه برآورده می­شود، تبدیل می­شوند. پس از تهیه این اطلاعات، ارزیابی مناسب آن­ها را می­توان با استفاده از تابع هزینه انجام داد.

استراتژی انتخاب، عملگر جهش و متقاطع

انتخاب در الگوریتم ژنتیک بدین معنی است که تصمیم­ بگیرد که چگونه والدین در هر نسل برای تولید نسل بعدی انتخاب شوند. هدف درواقع انتخاب بهترین جمعیت برای تولید نسل بهتر از نسل قبل است. در الگوریتم پیشنهادی از چرخ­های رولت برای عملگر متقاطع و انتخاب تصادفی جهش استفاده شده است. در مکانیزم چرخ رولت هر یک از کروموزوم ها بسته به میزان مناسب بودنشان، براساس تابع برازش، احتمال انتخاب شدن را دارند. به عبارت دیگر هرچقدر یک کروموزوم بهتر باشد احتمال انتخاب شدن آن برای تولید نسل بعدی بیشتر است و برعکس هرچقدر کروموزوم بدتر باشد، احتمال انتخاب شدن آن برای تولید نسل بعدی کمتر می­شود. بردار تقاطع با ترکیب ژن­های والدین انجام می­شود. بطوریکه هر فرزند بخشی از ویژگی­های والدین خود را به ارث می­برد. در جهش کروموزوم­های جریان محصول، 10٪ از حداقل تقاضا و حداکثر مقدار متغیر با استفاده از تابع نرمال اضافه و یا کاسته می­شود. برای جهش در بازگشایی کروموزوم یک موجودیت، پس از انتخاب برخی از ژن­ها با استفاده از نرخ مشخص شده، اگر ارزش اسمی ژن یک باشد آنرا به صفر تغییر می­دهد و اگر مقدار آن صفر باشد به یک تبدیل می­کند. معیار توقف الگوریتم، رسیدن به یک تعداد تکرار خاص، تعیین شده است.

نتایج محاسبات

22 مسئله با ابعاد مختلف که ویژگی­های آن­ها در جدول 8 آورده شده­است مورد بررسی قرار گرفتند. نتایج حل اجرای الگوریتم مسائل در ابعاد مختلف در جدول 9 نشان داده شده­است. در جدول 9 مقدار تابع هدف هر مسئله با استفاده از LINGO و همچنین با استفاده از الگوریتم ژنتیک محاسبه شد و زمان سپری شده حل در هر دو روش نوشته شد. با توجه به جدول 9، در ارزیابی 11 نمونه اول، جواب دقیق توسط LINGO بدست آمد. جواب دقیق از LINGO و نتایج بدست آمده از الگوریتم ژنتیک در شکل 5 مقایسه شده است. نتایج نشان می­دهد که راه­حل­های الگوریتم پیشنهادی تا حد زیادی نزدیک به راه­حل دقیق مسئله است. بنابراین این الگوریتم قادر به ارائه راه­حل­هایی است که بسیار نزدیک به راه­حل دقیق هستند. در ارزیابی نمونه 11 با استفاده از نرم­افزار، زمان لازم برای ارائه یک راه­حل نسبت به حل با الگوریتم ژنتیک بطور قابل توجهی افزایش یافته است. در ارزیابی نمونه 11 معیار توقف در الگوریتم ژنتیک از 200تکرار به 400 تکرار تغییر یافت. در همین حال، زمان مورد نیاز الگوریتم برای ارائه راه­حل نسبت به نرم­افزار LINGO مناسب­تر و منطقی­تر بود. نتایج این مقایسه در شکل 6 نشان داده شده است در نمونه های 12 تا 16 هیچ راه­حل دقیق توسط نرم­افزار LINGO تا زمان 28000ثانیه ارائه نشده است. با این حال، الگوریتم ژنتیک پیشنهادی در کمتر از 1 ساعت راه­حل قابل قبولی را ارائه می­دهد. با توجه به تحقیقات انجام شده الگوریتم ژنتیک پیشنهادی برای رسیدگی به مدل توصیف شده در ابعاد بزرگ موثر است و نتایج قابل قبولی ارائه می­دهد. همچنین زمان مورد نیاز برای حل مدل قابل قبول است.

شکل 5 - مقایسه زمان سپری شده در هر دو روش

شکل 6 - نمودار مقایسه تغییرات تابع هدف بدست آمده با نرم­افزار LINGO و الگوریتم ژنتیک

نتیجه­گیری

در این مقاله، زنجیره­تامین حلقه­بسته به عنوان یک مسئله مهم مورد مطالعه قرار گرفت. بر اساس شکاف­های تحقیق موجود در ادبیات، یک زنجیره­تامین حلقه­بسته با سطوح مختلف، چند محصول و چند دوره­ای با تعیین تمام اجزاء محصولات و موادخام مورد بررسی قرار گرفت. مدلسازی با تاکید بر سودآوری کل زنجیره و بدست آوردن رضایت مشتریان از طریق پاسخگویی سریع به تقاضا و همچنین توجه به مسائل زیست محیطی و اجتماعی انجام شد. برای بررسی موارد مختلف در این زمینه، یک الگوریتم ژنتیک پیشنهاد شد. برای اثبات صحت و درستی الگوریتم، مدل پیشنهادی در نرم­افزار LINGO کدگذاری و نتایج آن در ابعاد کوچک با نتایج حل توسط الگوریتم مقایسه شد. با توجه به نتایج، الگوریتم پیشنهادی مناسب و قادر به ارائه جواب برای مسائل در مقیاس بزرگ می­باشد.

برای پیشنهادات آینده استفاده از این الگوریتم در دنیای واقعی توصیه می­شود. همچنین توجه بیشتر به ملاحظات زیست محیطی و پایدار از مسائل مهم در این حوزه به­حساب می­آیند. این ملاحظات می­تواند نگرانی­های امروزی جوامع شامل عدم آب آشامیدنی و گرم شدن زمین باشد. استفاده از الگوریتم ژنتیک چندهدفه و مقایسه آن با دیگر الگوریتم­های فراابتکاری می­تواند زمینه­های برجسته برای تحقیقات آتی باشد.