رویکرد پویایی‌شناسی سیستم برای بررسی سیاست‌های برنامه‌ریزی ظرفیت در زنجیرۀ تأمین حلقۀ بستۀ سبز: مطالعة موردی صنعت باتری اسیدی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکدة مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

2 دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

3 استادیار، دانشکدۀ مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

چکیده

با توجه به قوانین سخت‌گیرانة دولتی، دغدغه‌های محیط زیستی و افزایش آگاهی مشتریان نسبت به مسئولیت اجتماعی شرکت‌ها، صنایع در سطح جهانی برای تولید محصولات سازگار با محیط زیست و جمع‌آوری محصولات خود بعد از استفاده، تحت فشار زیادی قرار گرفته‌اند. مدیریت زنجیرۀ تأمین (لجستیک) معکوس، برای پاسخ به نیاز گفته‌شده، محصولات را در پایان عمر به‌شکلی کارا و اثربخش مدیریت می‌کند. در زنجیرۀ تأمین معکوس  محصولات در پایان عمر به‌طور مناسب منهدم، بازیافت و یا بازتولید شوند. زنجیرۀ تأمین معکوس نسبت به جریان مستقیم محصولات در زنجیرۀ مستقیم با عدم‌قطعیت و پویایی بیشتری مواجه است؛ بنابراین جلوگیری از پدیدۀ مازاد ظرفیت و یا هزینۀ جریمه ناشی از دست‌دادن محصول دست دوم، تنها با یک برنامه‌ریزی ظرفیت اثربخش امکان‌پذیر است. در این مقاله برای تحقق هدف گفته‌شده از رویکرد پویایی‌شناسی سیستم‌ها به‌عنوان یک ابزار قدرتمند برای مطالعة سیستمی پدیده‌ها استفاده شده است. ابتدا یک مدل پویایی‌شناسی سیستم برای بررسی سیاست‌های برنامه‌ریزی ظرفیت در شبکة زنجیرة تأمین حلقة بستة باتری اسیدی خودرو با استفاده از داده‌های صبا باتری توسعه داده شده است. در مدل توسعه‌داده‌شده بازیافت محصولات با فرض سیاست تبادل محصول و تأثیر تصویر سبز بر عملکرد زنجیرة تأمین، در نظر گرفته شده است. مدل توسعه‌داده‌شده با نرم‌افزار ونسیم پیاده‌سازی شده است و تأثیر سیاست‌های مختلف شبیه‌سازی و تحلیل شده است. 

کلیدواژه‌ها


عنوان مقاله [English]

A system dynamics approach for capacity planning within a closed-loop supply chain: A case study of lead-acid battery industry

نویسندگان [English]

  • Atousa Zarindast 1
  • Setare Majidi 2
  • Mir Saman Pishvaee 3
1 School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
2 School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
3 School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
چکیده [English]

Industries are now under high pressure to manufacture environmental-friendly products and collect the end-of-life products due to governmental obligations, social responsibilities, environmental issues, and increasing awareness of consumers. Reverse supply chain (logistics) problems deal with returning s and handling the end-of-life products. Accordingly, used products should dispose, recycle or recover efficiently. Managing of reverse supply chains confronts with higher degree of uncertainty and dynamism compared to forward chain. Therefore, capacity planning becomes more important to prevent excess capacity or penalties resulting from the loss of second-hand products. To this aim, a system dynamics approach is used in this paper to model the capacity planning
Decisions in a lead-acid battery closed-loop supply chain. The product exchange policy and effect of green image on the supply chain performance are also considered in the developed model. The proposed model is implemented by Vensim software and the effect of various policies is simulated and analyzed.

کلیدواژه‌ها [English]

  • System Dynamics
  • Close-loop supply chain
  • Recycling
  • Capacity planning
  • Lead-acid battery

مقدمه

مدیریت زنجیرة تأمین معکوس در سال‌های اخیر مورد توجه بسیاری از شرکت‌ها قرار گرفته است. به‌علت قوانین دولتی در بسیاری از صنایع، تولیدکنندگان موظف‌اند مسئولیت محصولات خود را بعد از تولید، با نابودکردن و یا استفادة دوباره بر عهده بگیرند. به‌دلیل امتیازات تشویقی درنظرگرفته‌شده از طرف دولت‌ها برای کارخانه‌های دوست‌دار محیط زیست، آگاهی بیشتر مشتریان از مسائل زیست محیطی، افزایش بازار برای محصولات دوست‌دار محیط زیست و سود حاصل از بازتولید محصولات، تولیدکنندگان را به سمت ایجاد تصویر سبز هدایت کرده‌اند (1).

انجمن مدیریت لجستیک (CLM) لجستیک معکوس را این چنین تعریف می‌کند: «عبارتی که اغلب برای اشاره به نقش لجستیک در بازیافت، دورریز زباله و مدیریت مواد پرخطر استفاده می‌شود». از یک دیدگاه گسترده‌تر این عبارت دربرگیرندة فعالیت‌های لجستیکی مربوط به کاهش استفاده از منابع، بازیافت، جایگزینی، بازاستفاده از مواد اولیه و دورریز است. کارگروه اروپایی لجستیک معکوس «رولاگ» تعریف زیر را برای لجستیک معکوس  ارائه داده است: «فرایند برنامه‌ریزی، اجرا و کنترل جریان مواد خام، موجودی طی فرایند و کالای ساخته‌شده از تولید، توزیع یا از نقطۀ مصرف به نقطۀ بازگرداندن یا دورریز مناسب» (2).

بیشتر زنجیره‌های معکوس برای پنج هدف ساختاردهی شده‌اند: 1. جمع‌آوری محصولات (بازگرداندن محصولات استفاده‌شده از مصرف‌کنندگان) 2. لجستیک معکوس (حمل‌ونقل محصولات به تسهیلات برای بازرسی و دسته‌بندی) 3. بازرسی و دورریزی (آگاهی از وضعیت محصولات بازگشته و تصمیم‌گیری برای نحوة دوباره‌استفاده‌کردن و قابلیت سوددهی) 4. بازتولید (بازگرداندن محصول به حالت اصلی آن) 5. بازاریابی (خلق بازار دوم برای محصولات بازگردانده‌شده) (3). یک زنجیرة معکوس بر جریان بازگشتی مواد از مشتری به تأمین‌کننده با هدف بیشینه‌کردن سود و یا کمینه‌کردن هزینه تمرکز دارد (4).

یک زنجیرة حلقة بسته شامل زنجیرة روبه‌جلو و معکوس است که در آن زنجیرة روبه‌جلو شامل حرکت مواد/محصول از تأمین‌کنندگان بالادستی به مشتریان پایین‌دستی است و زنجیرة معکوس به حرکت محصولات دست دوم/فروخته‌نشده از مشتری به تأمین‌کنندة بالادستی برای بازیافت‌های ممکن و بازاستفاده اطلاق می‌شود. زنجیرة معکوس باید به‌صورت یکپارچه قسمتی از زنجیرة روبه‌جلو باشد تا منجر به هزینة کمتر و ارضای قوانین دولتی/محیط زیستی شود.

بازتولید محصولات به‌دلیل آثار مخرب کمینه بر محیط زیست و کاستن ارزش کمتری از کالا و همچنین ایجاد موقعیت بازاریابی جدید، مطلوب‌ترین حالت برای محصولات نسبت به حالات قراضه‌کردن و بازیابی قطعات در پایان عمرشان است. محصولات بازتولیدشده گاهی به مشتریانی که به برندی علاقه دارند ولی نمی‌خواهند هزینة محصول نو را پرداخت کنند به‌عنوان انتخاب دوم پیشنهاد می‌شود (5)..

حفاظت از محیط زیست و حفظ منابع طبیعی اهمیت بالایی در سطح جهانی پیدا کرده است. به همین دلیل فرایند بازیافت در بسیاری از محصولات انجام می‌گیرد. در واقع محصولات به منظور رسیدن به کیفیت مطلوب بعد از استفاده شدن بازیافت میشوند و هدف، بازگرداندن مواد اولیه بدون حفظ ساختار است، مانند بازیافت پلاستیک، بازیافت کاغذ (6) و بازیافت باتری (7-11).

در این مقاله برنامه‌ریزی ظرفیت با درنظرگرفتن تصویر سبز و سیاست تشویقی تبادل محصول برای بازیافت باتری اسیدی به‌صورت هم‌زمان در نظر گرفته شده و به‌کمک رویکرد پویایی‌شناسی سیستم‌ها، اثر متقابل پارامترهای درنظرگرفته‌شده در درازمدت بررسی و شبیه‌سازی شده است.

در بخش 2 این مقاله به مرور ادبیات پرداخته می‌شود. در بخش 3 تعریف مسئله بیان شده و در بخش 4 عناصر لازم برای توسعة متدولوژی پویایی‌شناسی سیستم (متغیرهای مدل، نمودار علی و فرمول‌های ریاضی) ارائه شده است. سپس در بخش 5، اعتبارسنجی مدل انجام شده است و درنهایت در بخش 6 تحلیل سناریوها همراه با نتایج ارائه شده است.

 

2- مرور ادبیات.

تحقیق‌های انجام‌شده بر لجستیک معکوس از دهة 60 میلادی شروع شده و تحقیقات بر استراتژی و مدل‌های لجستیک معکوس در دهة 80 میلادی صورت گرفته است. در سال 1997 فلیشمن [1] و همکاران (12) مطالعاتی بر لجستیک معکوس از جنبه‌های برنامه‌ریزی توزیع کنترل موجودی و برنامه‌ریزی تولید انجام داده‌اند. در سال 2007 لینتون[2] و همکاران (13) ارتباط پایداری زنجیره همراه با درنظرگرفتن مسائل محیط زیست در موضوعات طراحی محصول، اضافات طول عمر محصول و بازیابی محصول در پایان عمر مفید در نظر گرفته‌اند. تمرکز لجستیک معکوس بر مدیریت هدررفته‌ها (بازیابی مواد اصلی) است به‌علت رقابتی که بین محصول نو و محصول بازتولیدشده وجود دارد، در بازیابی قطعات و محصولات از طریق بازتولید سرمایه‌گذاری دارای ریسک است. هزینة بازیابی مواد، از طریق بهینه‌کردن مکان‌یابی و تخصیص تسهیلات در لجستیک معکوس بهینه می‌شود (14)..

یکی از تصمیمات مهم در طراحی شبکة زنجیرة تأمین معکوس، تعیین ظرفیت تسهیلات بازیابی و بازیافت است. برنامه‌ریزی ظرفیت با قیمت خرید محصولات دست دوم از مشتری ارتباط متقابل دارند و برای جلوگیری از بهینگی جزئی باید هم‌زمان بهینه شوند (15). در تصمیم افزایش ظرفیت باید به مسائل کلیدی مانند کی؟ کجا؟ چه مقدار؟ تحت دو هدف رقابتی 1. بیشینه‌سازی سهم بازار 2. بیشینه‌سازی بهره‌برداری از ظرفیت، پرداخته شود. در استراتژی ظرفیت، فاکتورهایی از قبیل پیش‌بینی الگوی تقاضا، هزینه‌های ساخت، فعالیت تسهیلات جدید، تکنولوژی جدید و استراتژی‌های رقابتی باید در نظر گرفته شوند. در عین حال که ترکیب عوامل خارجی خاص به‌صورت مستقیم یا غیرمستقیم بر سود، هزینه و جریان تأثیرگذار است. از جملة این عوامل آگاهی از تعهدات محیط زیست و مجازات‌های اعمال‌شده توسط قانون است (16). استراتژی و عملیات زنجیرة معکوس برای انطباق ظرفیت جهت افزایش سود زنجیره در انجام فعالیت‌های بازیابی با چالش‌هایی همراه است که مدیریت ظرفیت در زنجیرة معکوس را بسیار پیچیده‌تر می‌کند. این مطالعه با انگیزة نیاز به توسعة ابزار متدولوژیکی پشتیبان تصمیم‌گیری جهت برنامه‌ریزی ظرفیت فعالیت‌های بازیابی زنجیرة معکوس، صورت گرفته است. هدف این تحقیق مطالعة رفتار بلندمدت زنجیرة معکوس با بازیافت و برنامه‌ریزی ظرفیت کارآمد با درنظرگرفتن فاکتورهای قوانین محیط زیست، جریمة دولتی، هوشیاری جمعی و تأثیر تصویر سبز است. همچنین در این مقاله سیاست‌های برنامه‌ریزی ظرفیت برای یک محصول در زنجیرة روبه‌جلو و معکوس بررسی می‌شود. تکنیک‌های برنامه‌ریزی ظرفیت پویا با مدل‌های ساده‌شده و فرض‌های محدودکننده در کتاب‌های مدیریت تولید و عملیات پیشنهاد شده است، در ادبیات، متدولوژی‌های کنترل بهینه برای تعیین مقادیر بهینة انبساط و انقباض برای ظرفیت ارائه شده است.

در سال 2003 جورجیادیس و ولاکوس[3] (17) تأثیر عوامل محیطی بر رفتار یک زنجیرة تأمین تک‌محصولی با بازیابی محصول را در طولانی‌مدت در نظر گرفتند. موضوعات بررسی‌شده تأثیر «تصویر سبز شرکت» بر تقاضای مشتریان، برداشتن قوانین و وضعیت کمپین‌های زیست‌محیطی برای دورریز محصولات تمام شده است. رفتار سیستم با مدل پویایی‌شناسی سیستم‌ها تحلیل شده است و موجودی محصولات جدید، استفاده شده و بازیابی و جریان بین آنها بررسی شده است.

در سال 2006 جورجیادیس و همکاران (18) زنجیرة تأمین حلقة بسته با فعالیت بازتولید با استفاده از سیاست‌های برنامه‌ریزی ظرفیت پویا با رویکرد پویایی‌شناسی سیستم‌ها ارائه کردند که تأثیر چرخة عمر و الگوهای بازگشت انواع محصولات را بر سیاست‌های بهینه‌سازی مانند انبساطی و انقباضی در ظرفیت جمع‌آوری و بازتولید را بررسی می‌کند. نتایج عددی با مثال‌هایی از چرخه‌های عمر و الگوهای بازگشت متفاوت نشان می‌دهد که سیاست‌های انبساطی و انقباضی در ظرفیت جمع‌آوری و سیاست انقباضی در ظرفیت بازتولید، به نوع چرخة عمر و میانگین زمان مصرف بستگی دارد. در حالی که سیاست انبساطی در ظرفیت بازتولید، به‌طور مشخص تحت تأثیر این عوامل نیست. نتایج همچنین نشان می‌دهد که سیاست‌های ظرفیت جمع‌آوری و بازتولید به تقاضای کل محصول، حساس نیستند. این عدم حساسیت سیاست‌های بهینه‌سازی به کل تقاضا یکی از ویژگی‌های مدل ارائه‌شده است که به‌دست‌آوردن پیش‌بینی تقاضای دقیق را مشکل می‌کند.

در سال 2008 جورجیادیس و بسیو[4] (19) تأثیر انگیزه‌های اکولوژیکی و ابداعات تکنولوژیکی را بر رفتار زنجیرة تأمین حلقة بسته با فعالیت بازیافت بررسی کردند. منظور از انگیزة اکولوژیکی عامل اجبار و تصویر سبز است و منظور از ابداعات تکنولوژیکی طراحی برای محیط است. این مدل برای زنجیرة تجهیزات الکتریکی در یونان اجرا شده است. تحلیل‌های عددی نشان می‌دهد که عامل‌هایی مانند تأخیر در قوانین و میزان دسترسی به محل دفن زباله در مدل مؤثرند.

در سال 2010 جورجیادیس و آتاناسیو[5] (20) مقالة سال 2006 جورجیادیس را با معرفی مدل حلقة بستة دومحصولی و درنظرگرفتن زمان ورود محصول دوم به بازار گسترش دادند و رفتار پویای سیستم را در طول دورة عمر دو محصول، تحت سناریوهای ترجیحات بازار و درنظرگرفتن چرخة عمر محصول و بازگشت دو محصول بررسی کردند.

در سال 2010 جورجیادیس و بوسیو (21) یک مدل پویایی سیستم در زنجیرة معکوس حلقة بسته را که فعالیت‌های آن در مقالة سال 2008 خود معرفی شده بود، توسعه دادند. اعتبارسنجی مدل با استفاده از داده‌های دنیای واقعی از زنجیرة تجهیزات الکتریکی و الکترونیکی در یونان انجام شده است. در این مقاله، عوامل استراتژی‌های استواری محیط زیست (تصویر سبز و اجبار قوانین) و ویژگی‌های عملیاتی زنجیره (پارامترهای اقتصادی، ویژگی‌های محصول)، روابط بین آنها و تأثیرشان بر محیط زیست بررسی شده است.

در سال 2013 جورجیادیس و آتاناسیو (22) به سیاست‌های برنامه‌ریزی ظرفیت در زنجیرة معکوس با فعالیت بازتولید و هزینة کسب موجوی بالا به‌همراه عدم‌قطعیت موجود در تقاضا، الگوی فروش، کیفیت و زمان بازگشت محصولات دست دوم پرداختند. هدف تسهیل‌کردن تصمیم‌گیری است، زمانی که مدیریت با مشکل اجراکردن دو استراتژی 1. سرمایه‌گذاری زودهنگام و بزرگ برای سودآوری اقتصادی ظرفیت فروش و آمادگی آن 2. استراتژی منعطف با اندازة کم و فراوانی بیشتر برای افزایش ظرفیت روبه‌رو است. در این مقاله دو محصول پشت سر هم در نظر گرفته شده و رفتار سیستم در شرایط جریان گذرا، ظرفیت واقعی و مطلوب، سیاست انبساطی و انقباضی ظرفیت و سود کل زنجیرة تأمین با استفاده از رویکرد شبیه‌سازی پویا و آنالیز عددی قوی شامل محصولات بازتولیدی تحت سناریوهای مختلف، بررسی شده است.

ابزار مدل و آنالیز در مقالة جاری پویایی‌شناسی سیستم است که در اوایل دهة 60 به‌عنوان متدولوژی مدل‌سازی و شبیه‌سازی بلندمدت برای تصمیم‌گیری دینامیک در مدیریت صنایع معرفی شده است. از آن زمان پویایی‌شناسی سیستم در مسائل استراتژیک و سیاست‌های تجاری بسیاری به کار رفته و تعداد کمی از آن در مدل‌سازی زنجیرة تأمین به کار رفته که بسیاری از آنها به لجستیک روبه‌جلو پرداخته‌اند.

فورستر[6] در کتاب پویایی‌شناسی صنعت [7] یک مدل زنجیرة تأمین را به‌عنوان یکی از اولین مثال‌های خود از رویکرد پویایی‌شناسی سیستم‌ها برای باز طراحی زنجیرة تأمین ارائه کرده است (23). در سال 2000 مینیگشی[8] و همکاران (24) از این رویکرد برای بهبود رفتار لجستیک پیچیدة صنعت یکپارچة غذا استفاده کردند و یک مدل عمومی ارائه دادند و نتایج شبیه‌سازی را به‌طور عملی در زمینة تولید و فرایند ماکیان پیاده کردند.

در کتاب استرمن[9] دو مدل برای مطالعة زنجیرة معکوس پیشنهاد شده است. مدل اول زامودیو-رامیرز[10]، برای بازیابی و بازیافت مواد در صنایع اتوماتیک امریکا است که بینشی را دربارة افزایش بازیافت اتوماتیک ایجاد کرد. مدل دوم تیلور، بر مکانیزم بازار بازیافت کاغذ تمرکز کرده است که معمولاً به بی‌ثباتی و ناکارآمدی در جریان، قیمت‌ها و... مربوط می‌شود (25).

پویایی‌شناسی سیستم برای مسائل مدیریتی پویا و بلندمدت طراحی شده است. تمرکز آن بر درک فرایندهای فیزیکی، جریان‌های اطلاعات و تعامل سیاست‌های مدیریتی است که پویایی متغیرهای موردنظر ما را می‌سازد. روابط بین این اجزا، ساختار سیستم را می‌سازد. ساختار سیستم در طول زمان با عملیات خود الگوی رفتاری پویای سیستم را تولید می‌کند و توصیف معتبری از فرایند دنیای واقعی ارائه می‌دهد. هدف کلی از یک مطالعة پویایی‌شناسی سیستم، درک چرایی و چگونگی پویایی تولید و جستجوی سیاست‌هایی برای بهبود عملکرد سیستم است. منظور از سیاست‌ها، قوانین تصمیم‌گیری در سطح کلان است که توسط مدیران سطح بالا استفاده می‌شود. این رویکرد با شبیه‌سازی معمولی مانند شبیه‌سازی گسسته متفاوت است. برای شبیه‌سازی گسسته هدف این است که مدل نقطه به نقطه واقعیت را دنبال کند و قابلیت پیش‌بینی دقیق داشته باشد در صورتی که در پویایی‌شناسی سیستم مسئلة اصلی این است که رفتار پویای سیستم مانند رشد نمایی، نوسانی و... مدل شود. بنابراین هدف مدل این نیست که سود کل زنجیره به‌ازای هر هفته چگونه خواهد بود؛ بلکه این است که تحت چه شرایطی و چه سیاست برنامه‌ریزی ظرفیت، کل سود بالاتر می‌رود و در حالت منفی، چگونه قابل کنترل است.

در سال 2013 داس[11] و همکاران (26) برای آنالیز سیستم یکپارچة ارائه‌شده بر محصولات الکترونیکی تکیه کردند و برای مقدار اصلی پارامترهای مدل خود از مقالات گییر و بلاس سال 2010، نیرا و همکاران سال 2006 استفاده کردند. با سیاست تبادل محصول (دریافت محصول نو در ازای محصول کهنه) مصرف‌کنندگان برای بازگرداندن محصول کهنه به کارخانه تشویق شدند و در این مقاله نشان داده شد که استفاده از این سیاست جمع‌آوری محصولات کهنه را بیشتر می‌کند و اثر شلاق چرمی را در زنجیره کاهش می‌دهد و اثر شلاق چرمی در زنجیرة حلقة باز بیشتر از زنجیرة حلقة بسته است.

در سال 2008، کینگلی[12] و همکاران (27( رفتار زنجیرة تأمین معکوس را برای یک محصول در بلندمدت با بازتولید و شبیه‌سازی انحرافات موجودی و اثر شلاق چرمی و درنظرگرفتن سیاست‌های حفاظت از محیط زیست و استراتژی‌های برنامه‌ریزی ظرفیت بازتولید همراه با رویکرد متدولوژی پویایی‌شناسی سیستم‌ها بررسی کردند.

 

3- تعریف مسئله

در این تحقیق سیاست‌های برنامه‌ریزی ظرفیت در افق بلندمدت یک زنجیرة تأمین حلقة بسته و تک‌محصول شامل عملیات‌های تأمین، تولید، توزیع، جمع‌آوری، بازیافت بررسی شده که در آن نه تنها مسائل مالی بلکه زیست‌محیطی مانند تأثیر تصویر سبز بر تقاضای مشتری در نظر گرفته شده است. زنجیرة تأمین موردنظر سه‌سطحی (تولیدکننده، خرده‌فروش و مشتری) است. در کانال معکوس عمل جمع‌آوری توسط خرده‌فروش با استراتژی تبادل محصول صورت می‌گیرد، سپس تنها فعالیت، بازیافت سرب موجود در باتری توسط بازیافت‌کنندة خارجی انجام می‌شود که 70درصد سرب موجود در آن بازیافت می‌شود و به‌صورت مواد اولیه وارد خط تولید می‌شود و محصول نهایی به خرده‌فروش انتقال داده می‌شود.

زنجیره‌های تأمین به‌واسطة طبیعت پیچیدشان با حد بالایی از عدم‌قطعیت روبه‌رو هستند، عدم‌قطعیت‌ها در مسائل زنجیرة تأمین به دو دسته تقسیم می‌شوند: 1. عدم‌قطعیت مربوط به پارامترها که خود به دو دسته سیستمی و محیطی قابل تقسیم است 2. عدم‌قطعیت مربوط به حوادث غیرمترقبه. این عدم‌قطعیت‌ها در زنجیرة معکوس به‌علت عدم‌قطعیت در الگوی تقاضایی مشتری و کیفیت محصول بازگشتی شدیدتر است؛ بنابراین در این تحقیق به‌منظور مواجه‌شدن با عدم‌قطعیت، زنجیره به‌صورت حلقة بسته و برنامه‌ریزی ظرفیت در دورة طولانی‌مدت بررسی می‌شود..

مطالعة موردی کارخانة صباباتری است که باتری اسیدی خودرو تولید می‌کند. این محصول در استارت‌زدن، روشن‌کردن و احتراق در خودرو کاربرد دارد. باتری‌های اسیدی شامل آند، کاتد، شبکه‌های فلزی، الکترولیت، پروپیلن و مواد دیگری است (4). طبق قرارداد بیسل که در سال 1992 منعقد شده است باتری‌های که طول عمرشان پایان یافته است به‌عنوان زبالة سمی شناخته می‌شوند؛ چرا که فلزات سنگین و مواد سمی به‌کاررفته در تولید این محصول دارای خاصیت خورندگی، واکنشی و سمی هستند و می‌توانند برای سلامت انسان و محیط طبیعی مضر باشند. سرب مصرفی در تولید باتری اسیدی ازطریق دو منبع تأمین می‌شود: منبع اول مربوط به سرب بازیافتی از باتری خودروها و منبع دوم نیز سرب استخراج‌شده از منابع طبیعی است(11). منبع اول در صنعت باتری ترجیح داده می‌شود؛ زیرا بازیافت سرب باتری نیاز به صرف انرژی و هزینة کمتری به نسبت منبع دوم دارد و باعث کاهش خطرات زیست‌محیطی و حفظ منابع طبیعی برای نسل‌های آینده می‌شود (شکل 1).

 

 

 

شکل 1- فرایند بازیافت باتری اسیدی

 


4- مدل‌سازی مسئله

در این پژوهش از روش‌شناسی ارائه‌شده توسط استرمن در کتاب پویایی‌شناسی کسب‌وکار استفاده شده است.

1. تعریف مسئلة دینامیک و دامنة آن

۲. تعیین متغیرها و تعیین ارتباط بین آنها

3. ترسیم نمودار علی و معلولی

4. انتخاب نرم‌افزار مناسب برای شبیه‌سازی

5. ساختن مدل موجودی و جریان

6. شبیه‌سازی مدل

7. اعتبارسنجی مدل به‌کمک داده‌های کمی

برای مدل‌سازی مسئله ابتدا فرضیة دینامیکی مسئله را نشان داده، سپس چارچوب مسئله و نمودار مرز مدل مشخص شده و با تعیین متغیرهای مهم، نمودار علی حلقوی و جریان موجودی مدل رسم شده است.

4-1- فرضیة دینامیکی

برای نشان‌دادن فرضیة دینامیکی، تفاوت سفارش خرده فروش در زنجیره تأمین و زنجیره رو به جلو در شکل 2 نشان داده شده است.

 

 

شکل 2- مقایسة واریانس سفارش خرده‌فروش: سنتی و حلقة بسته

 

 

همان‌طور‌که در شکل مشخص است، سفارشات خرده‌فروش طی زمان دارای رفتار نوسانی بوده است و واریانس سفارشات در حلقة بسته بیشتر از سنتی است. در این سیستم پاسخ به این مسئله اهمیت دارد که سیاست برنامه‌ریزی ظرفیت و وضعیت محصول تبادلی چگونه باشد تا: 1. قوانین زیست‌محیطی رعایت شود 2. سود کل زنجیره بیشینه شود.

 

4-2- نمودار مرز مدل و چارچوب مسئله

نمودار مرز مدل در جدول 1 نشان داده شده است. لیست متغیرهای درون‌زا، برون‌زا و خارج از مرز مدل در این نمودار قابل مشاهده است.

همچنین در این مطالعه بر زنجیرة تأمین حلقة بستة تک‌محصولی در شکل 3 تمرکز شده است. زنجیره روبه‌جلو شامل تولیدکننده و خرده‌فروش است. تقاضای تولیدکننده برای مواد خام از دو طریق خرید سرب از معدن و خرید سرب از بازیافت‌کننده ارضا می‌شود. محصولات جدید از تولیدکننده به خرده‌فروش منتقل می‌شود و به مشتریان فروخته می‌شود. اعمال سیاست تبادل محصول برای محصولات دست دوم، تأثیر زیادی بر بازیافت این محصولات دارد.

زنجیرة معکوس با جمع‌آوری محصولات در پایان دورة عمرشان با توجه به ملاحظات زیست‌محیطی شروع می‌شود. محصولات جمع‌آوری‌شده توسط خرده‌فروش به کارخانه بازیافت انتقال داده می‌شود.

 

 

جدول 1- نمودار مرز مدل

متغیرهای درون‌زا

متغیرهای برون‌زا

متغیرهای خارج از مرز مدل

ظرفیت تولید

ورودی مواد خام

کشش محصول

ظرفیت جمع‌آوری

مجموع تقاضا

محصولات جایگزین

قیمت باتری نو

فعالیت قانون

محصول مکمل

قیمت باتری خریداری شده از مشتری

ورودی مواد خام

 

درصد بازیافت سرب موجود در باتری

 

 

ظرفیت بازیافت

 

 

ظرفیت تولید

 

 

 

 

شکل 3- جریان زنجیرة تأمین حلقة بستة تک‌محصولی با فعالیت بازیافت


4-3- متغیرهای مدل

در جدول 1 پارامترهای مهم مربوط به مدل پویایی‌شناسی سیستم برای فهم بهتر مدل در متن اشاره شده است. متغیرهای سطح و جریان موجود در نمودار جریان موجودی همراه با توضیحات و واحدهای اندازه‌گیری در پیوست 1 آمده است.
4-4- نمودار علی حلقوی و جریان موجودی

نمودار علی حلقوی و جریان موجودی برای مسئلة ذکرشده به‌ترتیب به‌صورت شکل 3 و شکل 4 است.


 


 

شکل 4- نمودار علی حلقوی

 

شکل 5- نمودار جریان موجودی

 


5- پیاده‌سازی و ارزیابی

مدل این مسئله برای محصول باتری اسیدی خودرو در بازار ایران با نرم‌افزار ونسیم پیاده‌سازی شده است و به‌مدت 20 ماه اجرا شده است. در این مدل تأثیر دو سیاست تبادل محصول بر جمع‌آوری و Kp و Pp بر ظرفیت تولید بررسی شده است.

 

5-1- بررسی تأثیر سیاست تبادل محصول بر جمع‌آوری

تأثیر سیاست تبادل محصول بر تقاضا و جمع‌آوری محصولات کارکرده در شکل 7 نشان داده شده است. همان‌طور که در شکل 7 مشاهده می‌شود با پیاده‌سازی این سیاست میزان جمع‌آوری محصول افزایش می‌یابد. سیاست تبادل محصول در مدل در شکل 6 قابل مشاهده است که توسط معادلات (1) تا (4) فرموله شده است.

1

 

2

 

3

 

4

 

 

که در آن p نشان‌دهندة درصد تبادل محصول (PE) است. نرخ جمع‌آوری کالاهای استفاده‌شده بدون سیاست تبادل محصول با c نشان داده شده است و k عامل وزنی است که به تعریف رابطه بین تقاضا و PE کمک می‌کند. مقادیر k و c از یک شرکت به شرکت دیگر و از محصولی به محصول دیگر متفاوت است. اگر k=0 باشد، PE تأثیری بر تقاضای محصولات جدید ندارد. اگر k > 0، PE بر تقاضا تأثیر دارد.

 

شکل 6- نمودار علی حلقوی برای تقاضا، تبادل محصول و جمع‌آوری

 

 

شکل 7- تأثیر PE بر جمع‌آوری

 

جدول 2- پارامترهای مهم در مدل

پارامتر (واحد اندازه گیری)

نماد

مقدار

تبادل محصول (درصد)

p

5/0

عامل وزنی

k

2/0

جمع‌آوری معمول (درصد)

c

8/0

نرخ بازیافت محصول (درصد)

 

 

نرخ دورریز (درصد)

 

 

زمان‌های تأخیر (هفته‌ها)

 

 

 

5-2- بررسی تأثیر Kp و Pp روی ظرفیت تولید

ظرفیت تولید هر Pp واحد زمانی بازبینی می‌شود و برای سرمایه‌گذاری بر ظرفیت تولید تصمیم‌گیری می‌شود. طول دورة زمانی بازبینی عموماً به چرخة عمر محصول و هزینه‌های عملیاتی تولید بستگی دارد که در این مدل بررسی شده است.

نرخ انبساط ظرفیت تولید وابسته به اختلاف ظرفیت مطلوب تولید از مقدار واقعی تولید است و مقدار اختلاف را طوری تعیین می‌کند که به مقدار مطلوب نزدیک شود. نرخ انبساط ظرفیت تولید در هر دوره مثبت و مضربی صحیح از Pp است. این نرخ با تابع پالس مدل شده است که در آن مقدار هر پالس نسبتی از اختلاف ظرفیت تولید در یک دورة زمانی ضربدر پارامتر Kp است. استراتژی‌های برنامه‌ریزی ظرفیت در شکل 8 نشان داده شده است.

 

 

شکل 8- استراتژی‌های برنامه‌ریزی ظرفیت

 

در استراتژی ظرفیت Leading اضافة ظرفیت جمع‌آوری می‌شود؛ بنابراین تغییرات ناگهانی تقاضا پاسخ داده می‌شود. در حالی که استراتژی ظرفیت Trailing، تقاضا را به تأخیر می‌اندازد و ظرفیت به‌طور کامل بهره‌برداری می‌شود و در استراتژی ظرفیت Matching سعی می‌شود تقاضا و ظرفیت در طول زمان انطباق داده شوند. در KP > 20، استراتژی ظرفیت Leading است که با توجه به نتایج شبیه‌سازی باید از این استراتژی استفاده شود.

واضح است که بین تصمیم افزایش ظرفیت تولید و عملی‌شدن آن فاصلة زمانی وجود دارد که با متغیر نرخ افزایش ظرفیت نشان داده شده و با تأخیری از نرخ انبساط ظرفیت عمل می‌کند. تصمیم‌گیرنده می‌تواند اثر سیاست‌های مختلف را با تغییر پارامترهای فوق بررسی کند. مدل فوق می‌تواند برای افزایش و کاهش ظرفیت تولید استفاده شود. ولی در این تحقیق تنها افزایش ظرفیت مدنظر است به‌دلیل آنکه دورة بلوغ عمر محصول مدنظر است و تقاضا و بازگشت محصول ثابت است.

تأثیر سیاست برنامه‌ریزی ظرفیت بر مدل در شکل 9 و شکل 10 نشان داده شده است. همان‌طور که مشاهده می‌شود، پیاده‌سازی سیاست برنامه‌ریزی ظرفیت بر ظرفیت تولید تأثیرگذار است. با افزایش پارامترها سطح ظرفیت تولید افزایش می‌یابد.

 

 

شکل 9- تأثیر KP بر ظرفیت تولید

 

 

شکل 10- تأثیر PP بر ظرفیت تولید

6- نتایج مدل

در این بخش رفتارهای متغیرهای مهم در مدل مقایسه شده است.

 

6-1- مقایسة نمودار رفتار قیمت و تقاضا

همان‌طور که دو نمودار شکل 11 نشان می‌دهند با افزایش قیمت محصولات در بازار، تقاضای مشتریان کاهش می‌یابد.

 

 

شکل 11- نمودارهای قیمت و تقاضا

 

6-2- مقایسة نمودار رفتار موجودی مواد خام و نرخ تولید

همان‌طور که در نمودار شکل 12 مشاهده می‌شود، در ابتدا نرخ تولید افزایش می‌یابد و میزان موجودی مواد خام کاهش می‌یابد. با شروع کاهش نرخ تولید به علت اعمال سیاست برنامه‌ریزی تولید، میزان موجودی مواد خام افزایش می‌یابد.

 

 

شکل 12- نمودار موجودی مواد خام و نرخ تولید

همچنین از نمودار شکل 13 رفتار متغیر سطح موجودی مواد خام بازیافت‌کننده به‌صورت S شکل قابل مشاهده است.

 

 

شکل 13- رفتار متغیر سطح موجودی مواد خام بازیافت‌کننده

 

6-3- مقایسة رفتار متغیرهای مربوط به جمع‌آوری محصول

دو روش جمع‌آوری محصول به‌صورت جمع‌آوری معمول و جمع‌آوری ازطریق تبادل محصول در مدل اعمال شده است. با مقایسة دو نمودار شکل 14 مشاهده می‌شود که با افزایش جمع‌آوری معمول محصول، میزان محصول جمع‌آوری‌شده ازطریق سیاست تبادل محصول کاهش می‌یابد.

 

 

شکل 14- مقایسة رفتار متغیرهای as usual collection وCollected product through exchange

6-4- نتیجه‌گیری

در این مقاله به مسئلة زنجیرة معکوس محصول باتری همراه با فعالیت بازیافت سرب موجود در آن پرداخته شد. در این مقاله، دو نوع سیاست بهبود بررسی شده است: 1. سیاست تبادل محصول بر تقاضا و جمع‌آوری محصولات کارکرده به‌منظور ایجاد تصویر سبز و 2. تأثیر سیاست‌های برنامه‌ریزی ظرفیت. این مسئله با رویکرد پویایی‌شناسی سیستم‌ها و نرم افزار ونسیم مدل شده است. تحلیل رفتار مدل مسئله نشان می‌دهد که با اعمال سیاست تبادل محصول، نرخ جمع‌آوری کالاهای استفاده‌شده افزایش می‌یابد که این در راستای فعالیت‌های زیست‌محیطی است و موجب ایجاد تصویر سبز شرکت در ذهن مشتریان خواهد شد. در این مسئله به‌دلیل وجود تقاضای ثابت برای محصول، تنها امکان افزایش ظرفیت تولید است و بدین ترتیب استراتژی برنامه‌ریزی ظرفیت Leading اعمال شده است. بدین معنی که با اضافة ظرفیت جمع‌آوری‌شده به تغییرات ناگهانی تقاضا پاسخ داده می‌شود. در این مسئله، تأثیر دو پارامتر طول دورة بازبینی ظرفیت Pp و پارامتر نرخ انبساط ظرفیت تولید Kp بررسی شده است. نتایج آزمایشات نشان می‌دهد که با افزایش پارامترها، ظرفیت تولید افزایش می‌یابد.

 

7- تحقیقات آتی

برای تحقیقات آتی، پارامترهای تأثیرگذار اقتصادی از جمله کشش محصول و تأثیر محصولات جایگزین در تقاضا را می‌توان در نظر گرفت. شایان ذکر است در این تحقیق مرکز بازیافت برای تمام تولیدکنندگان به‌صورت مرکزی در نظر گرفته شده است؛ به‌صورتی که تولیدکننده، اسید موردنیاز خود را تنها از یک مرکز می‌تواند خریداری کند. تحقیقات آتی می‌تواند شامل ادغام این مرکز با کمپانی تولیدکننده باشد یا چند مرکز جمع آوری اسید برای تولیدکننده در نظر گرفته شود. همچنین در این مقاله جمع‌آوری محصولات استفاده‌شده صرفاً ازطریق خرده‌فروشان صورت می‌گیرد و محل جداگانه‌ای برای جمع‌آوری محصولات وجود ندارد که در تحقیقات آتی می‌توان یک محل جمع‌آوری جداگانه ایجاد کرد و تأثیر آن را بر زنجیره بررسی کرد.

 

 

پیوست 1- متغیرهای سطح مدل و جریان

جدول 3- متغیر سطح

متغیرهای سطح

توضیحات

Raw Material

موجودی مواد خام

Serviceable Inventory

موجودی در دست برای تولیدکننده

Retailer Inventory

موجودی خرده‌فروش

Retailer Order backlog

سفارشات ارضانشدة خرده‌فروش که در دورة آتی باید تأمین شود

Retailer Inventory of Used Product

موجودی خرده‌فروش از  جمع‌آوری محصولات کارکرده

Uncontrollable Disposal

تجمع دورریز غیرقابل‌کنترل

Recycler Inventory of Used product

موجودی بازیافت‌کننده از محصول کارکرده

Controllable Disposal

تجمع دورریز قابل‌کنترل

Recycled Raw material

موجودی مواد خام بازیافت‌شده

Production Capacity

ظرفیت تولید

Recycler Order backlog

سفارشات ارضانشدة بازیافت‌کننده که در دورة آتی باید تأمین شود

Recycler order backlog

سفارشات بازیافت‌کننده که در دورة آتی تأمین می‌شود

Price

قیمت محصولات

 

جدول 4- متغیر جریان

متغیرهای جریان

توضیحات

Production Rate

نرخ تولید در هر هفته

Shipment to Retailer

نرخ ارسال به خرده‌فروش

Retailer Sale

نرخ فروش خرده‌فروش

Retailer Order

سفارشاتی که از خرده‌فروش به تولیدکننده داده می‌شود

Retail order backlog reduction rate

مقدار محصولاتی که به خرده‌فروش انتقال داده می‌شود

Uncontrollable disposal Rate

نرخ دورریز غیرقابل‌کنترل

Total collection Rate

نرخ کل جمع‌آوری توسط خرده‌فروش

Shipment to Recycler

نرخ ارسال از خرده‌فروش

Controllable disposal rate

نرخ دورریز قابل‌کنترل

Recycling Rate

نرخ بازیافت

Purchase Rate

نرخ خرید

Recycler order rate

نرخ سفارش بازیافت‌کننده

Back log reduction rate

نرخ کاهش سفارش در دست

Production capacity adding rate

نرخ افزایش ظرفیت تولید

Change Price

نرخ تغییر قیمت

پیوست 2- معادلات مدل

متغیرهای سطح

ü Raw Material (0)=500

Raw Material (t+dt) = Raw Material (t) + (Purchase Rate-Production rate)*dt

ü Serviceable Inventory (0) = 600

Serviceable Inventory (t+dt) = Serviceable Inventory (t) + (Production rate-Shipment to retailer)*dt

ü Retailer Inventory (0) = 800

Retailer Inventory (t+dt) = Retailer Inventory (t) + (Shipment to retailer-Retailer sale)* dt

ü Retail order backlog(0) = 0

Retail order backlog (t+dt) = Retail order backlog (t) + (Retail order-Retail order backlog reduction rate)*dt

ü Retailer Inventory of used product (0) = 100

Retailer Inventory of used product (t+dt) = Retailer Inventory of used product (t) + (Total collection Rate-Shipment to Recycler)*dt

ü Controllable Disposal (0) = 0

Controllable Disposal (t+dt) = Controllable Disposal (t) + Controllable disposal rate* dt

ü Recycler Inventory of Used product (0) = 200

Recycler Inventory of Used product (t+dt) Recycler Inventory of Used product (t) + (Shipment to Recycler-Recycling Rate Controllable disposal rate)*dt

ü Recycled Raw material(0) = 300

Recycled Raw material (t+dt) = Recycled Raw material (t) + (Recycling Rate-Purchase Rate)*dt

ü Recycler order backlog(0)=0

Recycler order backlog (t+dt) = Recycler order backlog (t) + (Recycler order rate-Back log reduction rate)* dt

ü Production Capacity (0) = 100

Production Capacity (t+dt) = Production Capacity (t) + Production capacity adding rate* dt

ü Price (0) = 40

Price (t+dt) = Price (t) + Change Price*dt

متغیرهای جریان

ü Production Rate = MIN(Raw material/Production time, SI Discrepancy/SI Adjust Time)

ü Shipment to Retailer = IF THEN ELSE(Serviceable inventory - Retail order - Retail order backlog>=0, Retail order + Retail order backlog, Serviceable inventory) / Delivery time

ü Retailer Sale = IF THEN ELSE (Retailer Inventory-Demand>=0, Demand, Retailer Inventory)

ü Retailer Order = Expected Demand + RI Discrepancy/RI Adjust Time

ü Retail order backlog reduction rate = Shipment to retailer

ü Uncontrollable disposal Rate = Used Products - Total collection Rate

ü Total collection Rate = SMOOTH(as usual collection + Collected Product through Exchange, 3)

ü Shipment to Recycler = IF THEN ELSE(Retailer Inventory of used product-Recycler order backlog - Recycler order rate>=0, Recycler order rate + Recycler order backlog, Retailer Inventory of used product) / R shipment time

ü Controllable disposal rate = Disposal % * Recycler Inventory of Used product

ü Recycling Rate = Recycler Inventory of Used product * (1-Disposal %)

ü Purchase Rate = Production Capacity

ü Recycler order rate = Purchase Rate - RCI discrepancy /RCI adjust time

ü Back log reduction rate = Shipment to Recycler

ü Production capacity adding rate = DELAY3I (Production Capacity Expansion Rate, 24, 3)

ü Change Price = DELAY1(Coefficient, 2)

 

متغیرهای کمکی

ü Demand = SMOOTH ((As usual Demand +Weight Factor(k) *(PE Percentage (p) *Used Products)) /(0.2*Price),3)

ü Collected Product through Exchange  = PE Percentage (p) * Used Products

ü Used Products = DELAY FIXED( Retailer sale, 5, 0)

ü as usual collection  = (Used Products - Collected Product through Exchange) * As usual collection percentage(c)

ü Expected Retail Order = SMOOTH(Retail order, 1)

ü Desired Production Capacity = DELAY1I (Recycled Raw material, Smoothed factor1, 1)

ü Production Capacity Discrepancy = PULSE (Desired Production Capacity - Production Capacity, Pp)

ü Production Capacity Expansion Rate = MAX (Kp*Production Capacity Discrepancy,0)

ü SI Discrepancy = MAX (Desired SI-Serviceable inventory, 0)

ü RI Discrepancy = MAX ( Desired RI-Retailer Inventory, 0)



[1]- Fleischmann

[2]- Linton

[3]- Georgiadis and Vlachos

[4]- Georgiadis and Besiou

[5]- Athanasiou

[6]- Forrester

[7]- Industrial Dynamics

[8]- Minegishi

[9]- Sterman

[10]- Zamudio-Ramirez

[11]- Das

[12]- Qingli

)1)        S. Mitra. (2007). “Revenue management for remanufactured products,” Omega,  35(5), 553-562.
(2)        S. Lambert, D. Riopel, & W. Abdul-Kader. (2011). “A reverse logistics decisions conceptual framework,” Computers & Industrial Engineering,  61(3), 561-581.
(3)        J. D. Blackburn, V. D. R. Guide, G. C. Souza, & L. N. Van Wassenhove. (2004). “Reverse supply chains for commercial returns,” California management review, 46(2), 6-22.
(4)        G. Kannan, P. Sasikumar, & K. Devika. (2010). “A genetic algorithm approach for solving a closed loop supply chain model: A case of battery recycling,” Applied Mathematical Modelling, 34(3), 655-670.
(5)        M. Pagell, Z. Wu, & N. N. Murthy. (2007). “The supply chain implications of recycling,” Business Horizons, 50(2),  133-143.
(6)        R. K. Pati, P. Vrat, & P. Kumar. (2008). “A goal programming model for paper recycling system,” Omega, 36(3), 405-417.
(7)        A. Muzi. (1995). “Collection of spent batteries in Rome,” Journal of power sources, 57(1), 19-21.
(8)        M. Phillips & S. Lim. (1998). “Secondary lead production in Malaysia,” Journal of power sources, 73(1), 11-16.
(9)        P. Frost. (1999). “Developments in lead–acid batteries: a lead producer's perspective,” Journal of power sources, 78(1), 256-266.
(10)      A. Zabaniotou, E. Kouskoumvekaki, & D. Sanopoulos. (1999). “Recycling of spent lead/acid batteries: the case of Greece,” Resources, conservation and recycling, vol. 25(3), 301-317.
(11)      S. E. Daniel, C. P. Pappis, & T. G. Voutsinas. (2003). “Applying life cycle inventory to reverse supply chains: a case study of lead recovery from batteries,” Resources, Conservation and Recycling,  37(4), 251-281.
(12)      M. Fleischmann, J. M. Bloemhof-Ruwaard, R. Dekker, E. Van der Laan, J. A. Van Nunen, & L. N. Van Wassenhove. (1997). “Quantitative models for reverse logistics: a review,” European journal of operational research, 103(1), 1-17.
(13)      J. D. Linton, R. Klassen, & V. Jayaraman. (2007). “Sustainable supply chains: an introduction,” Journal of Operations Management, 25(6), 1075-1082.
(14)      P. A. Horvath, C. W. Autry, & W. E. Wilcox. (2005). “Liquidity implications of reverse logistics for retailers: A Markov chain approach,” Journal of Retailing, 81(3), 191-203.
(15)      M. S. Pishvaee & S. Hamed. (2009). “A System Dynamics Approach for Capacity Planning and Price Adjustment in a Closed-Loop Supply Chain,” in Proceeding of Computer Modeling and Simulation, 2009. EMS'09. Third UKSim European Symposium on, 435-439.
(16)      D. Vlachos, P. Georgiadis, & E. Iakovou. (2007). “A system dynamics model for dynamic capacity planning of remanufacturing in closed-loop supply chains,” Computers & Operations Research, 34(2), 367-394.
(17)      P. Georgiadis & D. Vlachos. (2003). “Analysis of the dynamic impact of environmental policies on reverse logistics,” Operational Research, 3(2), 123-135.
(18)      P. Georgiadis, D. Vlachos, & G. Tagaras. (2006). “The Impact of Product Lifecycle on Capacity Planning of Closed‐Loop Supply Chains with Remanufacturing,” Production and Operations Management, 15(4), 514-527.
(19)      P. Georgiadis & M. (2008). Besiou, “Sustainability in electrical and electronic equipment closed-loop supply chains: a system dynamics approach,” Journal of Cleaner Production, 16(15), 1665-1678.
(20)      P. Georgiadis & E. (2010). Athanasiou, “The impact of two-product joint lifecycles on capacity planning of remanufacturing networks,” European Journal of Operational Research, 202(2), 420-433.
(21)      P. Georgiadis & M. (2010). Besiou, “Environmental and economical sustainability of WEEE closed-loop supply chains with recycling: a system dynamics analysis,” The International Journal of Advanced Manufacturing Technology, 47(5-8), 475-493.
(22)      P. Georgiadis & E. (2013). Athanasiou, “Flexible long-term capacity planning in closed-loop supply chains with remanufacturing,” European Journal of Operational Research, 225(1), 44-58.
(23)      D. R. Towill, M. M. Naim, & J. Wikner. (1992). “Industrial dynamics simulation models in the design of supply chains,” International Journal of Physical Distribution & Logistics Management, 22(5), 3-13.
(24)      S. Minegishi & D. Thiel. (2000). “System dynamics modeling and simulation of a particular food supply chain,” Simulation Practice and Theory, 8(5), 321-339.
(25)      J. D. Sterman. (2000). Business dynamics: systems thinking and modeling for a complex world, 19: Irwin/McGraw-Hill Boston, 2000.
(26)      D. Das & P. Dutta. (2013). “A system dynamics framework for integrated reverse supply chain with three way recovery and product exchange policy,” Computers & Industrial Engineering, 66(4), 720-733.
(27)      D. Qingli, S. Hao, & Z. Hui. (2008). “Simulation of remanufacturing in reverse supply chain based on system dynamics,” in Proceeding of Service Systems and Service Management, 2008 International Conference on, 1-6.