عنوان پایان‌نامه
طراحی مدل زنجیره تامین حلقه بسته با رویکرد برنامه ریزی فازی استوار ( مطالعه موردی: باطری سازی نیرو )
- رشته تحصیلی
- مدیریت - تحقیق در عملیات
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه پردیس قم شماره ثبت: 002596;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78635;کتابخانه پردیس قم شماره ثبت: 002596;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78635
- تاریخ دفاع
- ۰۶ آبان ۱۳۹۵
- دانشجو
- مجتبی فرخ
- چکیده
- طی یک دهه گذشته با توجه به افزایش اهمیت رقابت‌پذیری اقتصادی و نگرانی‌های زیست‌محیطی در زمینه محصولات فرسوده، موضوع زنجیره تأمین حلقه‌بسته موردتوجه پژوهشگران قرار گرفته است. پژوهش حاضر درصدد توسعه یک رویکرد برنامه‌ریزی تصادفی فازی استوار با استفاده از مفاهیم برنامه‌ریزی با محدودیت‌های اعتبار و میانگین انحراف مطلق برای طراحی شبکه زنجیره تأمین حلقه‌بسته تحت شرایط عدم‌قطعیت ترکیبی است. در مدل پیشنهادی فرض می‌شود که هزینه ثابت احداث مراکز تولیدی به‌صورت غیرخطی و تابعی از سطح ظرفیت است. این مدل با استفاده از یک تکنیک خطی‌سازی به یک مدل خطی معادل تبدیل می‌شود. در این مدل دو منبع عدم‌قطعیت برای برخی پارامترها وجود دارد. نخستین منبع از تصادفی‌بودن پارامترها ناشی می‌شود که با سناریوهای آتی بیان می‌شود. دومین منبع از عدم‌قطعیت شناختی در پارامترهای هر سناریو ناشی می‌شود؛ به‌طوری‌که می‌توان آن‌ها را با یک توزیع امکانی مشخص کرد. عملکرد مدل پیشنهادی برحسب انحراف استاندار و هزینه با مدل‌های استوار دیگر مقایسه شد. نتایج نشان می‌دهد که مدل پیشنهادی قادر است با صرف یک هزینه پایین استواری مدل را بهبود بخشد.
- Abstract
- In today’s business environments, the high importance of economic benefits and environmental impacts of using scrapped products has caused most companies to move to designing the closed loop supply chain (CLSC) networks. This paper considers the CLSC netwo rk design problem under hybrid uncertain conditions, while there are two sources of uncertainty for some parameters, thus require fortifying of the robustness of the decision. The first source is that some uncertain parameters may be based on future scenar ios which are considered in according to probability of their occurrence. The second is that the values of these parameters in each scenario are usually imprecise and can be specified by possibilistic variables. In this case, the best robust decision has s ome additional properties in terms of mean value and variability of the objective function. We introduced two types of the variability named scenario variability and possibilistic variability. Possibility theory is used to choose such solution in such a pr oblem and a novel robust fuzzy stochastic programming (RFSP) approach is proposed that has significant advantages. The performance of the proposed RFSP model is also compared with that of mean model in term of the mean cost and variability.
