طراحی مدل جدیدی برای تولید لامپ‌های LED با در نظر گرفتن تأثیر کیفیت مواد اولیه بر نرخ بازگشتی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

2 کارشناس ارشد گروه مهندسی سیستم، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

چکیده

مدیریت زنجیرۀ تأمین به‌علت ایجاد مزیت‌های رقابتی، همچون کاهش هزینه‌ها و افزایش سطح خدمات به مشتری، همواره مدنظر پژوهشگران بوده است؛ با این حال، مدل‌های ریاضی‌ای که شرایط خاص زنجیرۀ تأمین امروزی را در نظر بگیرد، بسیار اندک است. تأثیر عواملی همچون سطح کیفیت تولید بر نرخ اقلام بازگشتی، ازجمله موضوعاتی است که کمتر به آن توجه شده است. در این پژوهش، مدل ریاضی مسئلۀ زنجیرۀ تأمین حلقه - بسته با در نظر گرفتن انتخاب تأمین‌کننده و تأثیر سطح کیفیت مواد اولیۀ تولیدی بر نرخ بازگشتی توسعه داده شده است. زنجیرۀ تأمین مدنظر، زنجیره‌ای دوسطحی و حلقه - بسته است که به‌صورت چنددوره‌ای مدل‌سازی شده است. مورد مطالعاتی نیز مسئلۀ واقعی تولید و بازیافت لامپ‌های LED است. مشتریان در صورت معیوب‌بودن کالا می‌توانند کالا را به مراکز جمع‌آوری تحویل دهند و کالای نو دریافت کنند. مقدار بازگشتی در هر دوره، به سطح کیفیت تولید مربوط است؛ اما سطح کیفیت تولید نیز به کیفیت مواد اولیه‌ای وابستگی دارد که تأمین‌کنندگان تهیه کرده‌اند و بدین‌ترتیب، نرخ کالاهای بازگشتی به‌طور غیرمستقیم از کیفیت مواد اولیه تأثیر می‌گیرد که براساس مطالعات انجام‌شده، به این موضوع در پژوهش‌های پیشین توجه نشده است. مدل‌سازی نهایی به‌صورت برنامه‌ریزی عدد صحیح خطی انجام شده و برای اعتبار سنجی مدل، تحلیل حساسیت و مقایسۀ نتایج با وضع موجود به کار رفته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Designing a New Model for Producing LED Lamps Considering the Quality Effects of Raw Materials on the Rate of Returned Items

نویسندگان [English]

  • Mohammad Reza Gholamian 1
  • Ebrahim Mohammadi Hosein Hajlu 2
1 Logistics and Supply Chain Engineering Group, School of Industrial Engineering, Iran University of Science and Technology (IUST), Tehran, Iran
2 Systems Engineering Group, School of Industrial Engineering, Iran University of Science and Technology (IUST), Tehran, Iran
چکیده [English]

Purpose: Supply chain management has always been of interest to researchers because of generating competitive advantage, such as reducing costs and increasing customer service levels. However, the mathematical models that can take into account the specific conditions of today’s supply chain are negligible. The impact of factors such as the level of production quality on the returned items rate is one of the subjects that have received less attention. In this research, the mathematical model of the closed-loop supply chain developed concerning supplier selection and the effects of the quality level of provided raw material into the returned items rate
 Design/methodology/approach: The investigated supply chain is a two-level closed-loop supply chain modelled with a multi-period time horizon. If there are defective products, customers can deliver the products to the collection centres and receive new products. In each period, the returned items rate depends on the level of production quality, and the level of production quality depends on the quality of raw materials provided by suppliers; thus, the returned items rate is indirectly affected by the quality of raw materials. Such is a subject that was not studied earlier.
 Findings:Case study represents a real example of production and recycling of LED lamps. By comparing the financial data announced by the company with the results obtained from the model, the model showed a 3.37% improvement in the objective function. In the current situation, all materials purchased from only one supplier at quality level B (out of the three quality levels A, B and C); in the optimal case, however, most of the purchased materials are at quality level A.
 Research limitations/implications: The relationship between quality level and the return rate is recognized by considering nonlinear functions, resulting from the fitting of these functions with real data. Also, the assumptions of multi-products in the supply chain and lateral transshipments between distributors/suppliers suggested for further study. In the case of considering multi-products, different selling prices are reasonable for the products. Also, greater profitability is achievable by considering coordination among the members of the supply chain. 
 Practical implications: As practical implications, manufacturers can use this optimization model to i) determine the amount and quality level of raw materials provided by each supplier at each period; ii) determine the amount and quality of the final product produced at each period; iii) specify the number of distributors' orders at each period as well as the number of backorders; iv) determine the amount of returned items at each period. Thus, solving the model provides a comprehensive plan to the manufacturer in various dimensions of production.
Social implications: This theoretical-practical research performed to investigate one of the main problems of production systems. Unfortunately, in recent years, critical economic conditions, sanctions, and currency fluctuations have caused suppliers to provide raw materials with lower qualities instead of materials with high quality. These low-level materials also have an impact on the final products during production and reduce their quality level. As a result, the return rate of defective items increases and consequently, the loss of the company increases. Therefore, like what happens in the real world, the manufacturing company has to choose a combination of the materials with different qualities from the suppliers to maximize the company's profit. Mathematical modelling is needed to solve such a problem, and current research is an attempt to reach this mathematical model by considering all aspects of the production process.
 Originality/value:The main novelty of this research is considering the quality levels for raw materials and its indirect effect on the return rate of defective items; so that the quality level of raw materials determines the quality level of final products, and the quality level of final products affects the returns rate. For this purpose, an integer programming method developed to formulate and solve the model.

کلیدواژه‌ها [English]

  • Closed-loop supply chain
  • Supplier selection
  • Rate of returned items
  • Production quality

1-              مقدمه

مصرف روشنایی، یکی از بخش‌های مهم تقاضای برق ازنظر میزان قدرت دریافتی، مصرف انرژی و سهم تقاضای بازار اوج توان شبکه است. کاهش سهم این مؤلفه از اوج بار شبکۀ سراسری، یکی از سیاست‌های جاری وزارت نیروست. همچنین، ارزش انرژی و محدودیت منابع تولیدی باعث شده است کشورهای پیشرفته از کلیّۀ راهکارهای صرفه‌جویی در مصرف انرژی به بهترین شکل ممکن استفاده کنند. یکی از این راهکارها جایگزینی لامپ‌های کم‌مصرف به جای لامپ‌های رشته‌ای است و اطلاعات و مستندات موجود نشان می‌دهد مصرف‌کنندگان در سال 2000 میلادی، از 1300 میلیون لامپ کم‌مصرف با مصرف 20هزار مگاوات برق به جای 80هزار مگاوات ضروری همان تعداد لامپ رشته‌ای استفاده کرده‌اند. ذخیرۀ انرژی این تعداد لامپ کم‌مصرف، معادل انرژی حاصل از 28 نیروگاه حرارتی است (حسینی و همکاران، 1379).

در این مطالعه، به‌طور مشخص لامپ‌های کم‌مصرف از نوع LED بررسی شده است. لامپ‌های LED، نوعی از لامپ‌های حالت جامد است که برای روشنایی از دیود نورافشان بهره می‌برد. این لامپ‌ها در گذشته، معمولاً به‌عنوان چراغی قرمزرنگ در درون دستگاه‌های الکترونیکی استفاده می‌شد. با توجه به مصرف برق کم لامپ LED نسبت به سایر لامپ‌ها استفاده‌نکردن از مواد سمی، همچون جیوه در درون لامپ، عمر بسیار زیاد و فنّاوری جدید ساخت این لامپ‌ها جای خود را در صنعت روشنایی در دنیا باز کرده است (حصاری و حنیفی، 1383)؛ ولی متأسفانه کیفیت مواد اولیۀ استفاده‌شده در تولید این نوع لامپ‌ها تأثیر زیادی در کیفیت لامپ‌های تولیدی دارد و در صورت استفاده از مواد اولیۀ نامرغوب، تولیدکنندگان با تعداد زیادی از لامپ‌های بازگشتی مواجه می‌شوند (د سنتی[i] و همکاران، 2015) که این مسئله، هزینه‌های اقتصادی بسیار زیادی را به آنها تحمیل می‌کند.

جدیدترین پژوهش‌ها در این زمینه نیز بر بهبود کیفیت مواد اولیۀ این لامپ‌ها متمرکز است؛ زیرا این بهبود کیفیت، تأثیر زیادی بر افزایش تولید و کاهش نرخ بازگشت دارد (ریتچر[ii] و همکاران، 2019)؛ بنابراین، در این مطالعه، مدل‌سازی ریاضی زنجیرۀ تأمین دوسطحی حلقه - بسته با در نظر گرفتن انتخاب تأمین‌کننده و تأثیر آن بر نرخ بازگشتی با فرض تأثیرگذاری قطعات تأمین‌شده از تأمین‌کنندگان بر کیفیت کالای تولیدی بررسی شده است.

هدف از ارائۀ این مدل ریاضی، آن است که به تولیدکنندگان کمک شود برای انتخاب تأمین‌کنندگان مناسب اقدام کنند؛ به‌گونه‌ای که با لحاظ‌کردن کیفیت مواد اولیۀ ارائه‌شده توسط تأمین‌کنندگان، تولیدکننده، تابع سود خود را به حداکثر برساند و اثر هزینه‌زای محصولات بازگشتی حاصل از این مواد اولیۀ خریداری‌شده را نیز در تابع سود خود لحاظ کند.

بر این اساس، مطالب ارائه‌شده در این مقاله به شرح ذیل است. در بخش دوم، مبانی نظری دربارۀ مدل‌های زنجیرۀ تأمین حلقه - بسته در قالب پیشینۀ پژوهش، مرور و شکاف‌های پژوهشی شناسایی شده‌ است؛ سپس در بخش سوم، مبانی نظری در قالب مدل‌سازی مسئله توسعه داده شده، اجزای مدل به‌صورت جداگانه، ولی گام‌به‌گام تشریح می‌شود. بخش چهارم به روش‌شناسی پژوهش اختصاص دارد و در بخش پنجم، مطالعۀ موردی و یافته‌های پژوهش در قالب نتایج حل مدل با داده‌های واقعی ارائه می‌شود. در بخش بعد، با تحلیل حساسیت پارامترهای اصلی و مقایسۀ نتایج مدل با وضعیت کنونی، اعتبارسنجی مدل و نتایج حاصل از پژوهش، بحث و تجزیه‌وتحلیل می‌شود. درنهایت، بخش آخر به جمع‌بندی و مرور مطالعات بعدی اختصاص یافته است.

2-              پیشینۀ پژوهش

مسئلۀ کیفیت در زنجیرۀ تأمین حلقه - بسته، ازجمله مسائلی است که در سال‌های اخیر به آن بسیار توجه شده است )گویندان[iii] و سلیمانی، 2017). ازجمله پژوهش‌های اولیه در این زمینه، می‌توان به پژوهش جابر و ال سادانی[iv] (2009) اشاره کرد که مدل خود را با این فرض توسعه داده‌اند که کیفیت کالاهای بازگشتی، کمتر از کالاهای تولیدی جدید است و بنابراین، تقاضا برای کالاهای جدید با کالاهای بازتولیدی متفاوت است. ال سادانی و جابر (2010) نیز نرخ بازگشتی را تابعی از کیفیت مطلوب و قیمت محصول نهایی در نظر گرفته‌اند که کیفیت در آن به‌صورت درصدی از قطعات قابل استفاده از کالایی بازگشتی تعریف شده است. این پژوهش با افزودن فرض یادگیری در فرایند تولید و بازتولید نیز توسعه داده شده است (جابر و ال سادانی، 2011). همچنین، در نظر گرفتن زیرمونتاژها در فرایند تولید- بازتولید از دیگر توسعه‌های انجام‌شده در این پژوهش است (ال سادانی و جابر، 2011). همسو با این مورد، موضوع با در نظر گرفتن لیست مواد[v] برای دمونتاژ کالای بازگشتی به زیرقطعات و استفادۀ مجدد آنها نیز بررسی شده است. حسن اوف[vi] و همکاران (2012) نیز گسترشی از مدل جابر و ال سادانی (2009) را با فرض در نظر گرفتن سفارش عقب‌افتادۀ جزئی یا کلی برای تقاضای پوشش‌داده‌نشدۀ کالاهای تولیدی و بازتولیدی (تعمیرشده) ارائه داده‌اند. همچنین، در گسترشی دیگر، فرض محدودیت‌نداشتن تعداد دفعات تعمیر، بازبینی و برای آن محدودیتی در مدل ایجاد شده است (ال سادانی و همکاران، 2011). در پژوهش نیک‌نژاد و پترویچ[vii] (2014)، دو مسیر بازیابی (شامل تعمیر و بازسازی) در شبکۀ لجستیک معکوس در نظر گرفته شده است. کالاهای مرجوعی، سطوح مختلف کیفی دارد و حد کیفی خاصی در نظر گرفته شده است تا کالاهای بازگشتی را برای بازسازی و یا امحا جداسازی کند. مواندیا، جا و تاکر[viii] (2015) نیز مسئلۀ کنترل تولید- موجودی زنجیرۀ تأمین حلقه - بستۀ دوسطحی را توسعه داده‌اند که در آن، خرده‌فروش، تقاضای خود را هم از تولیدکننده و هم از مرکز بازتولید دریافت می‌کند. مایتی و گیری[ix] (2015) به هماهنگی در مدل تولید- بازتولید توجه کرده‌اند و براساس نظریۀ بازی‌ها، پنج مدل مختلف هماهنگی را توسعه داده و با هم مقایسه کرده‌اند. مقدم (a2015) مدل ریاضی چندهدفه برای رتبه‌بندی انتخاب تأمین‌کنندگان و تعیین مقدار بهینۀ کالاهای جدید، نوسازی‌شده و نهایی را با در نظر گرفتن تقاضا، ظرفیت و درصد کالای مرجوعی فازی توسعه داده است. همچنین، برای حل مسئله و استخراج جواب‌های بهینۀ پارتو از شبیه‌سازی مونت‌کارلو استفاده کرده است. علاوه بر این، پژوهش مذکور با در نظر گرفتن برنامه‌ریزی آرمانی به جای برنامه‌ریزی چندهدفه نیز توسعه داده شده است (مقدم، b2015). گیری و شارما[x] (2016)، سیستم زنجیرۀ تأمین حلقه - بسته را با تقاضای تصادفی و نرخ بازگشت تصادفی توسعه داده‌اند. در این پژوهش، مواد اولیۀ حاصل از تأمین‌کنندۀ اولیه، ارزان‌تر اما نامطمئن‌تر است و در مقابل تأمین‌کنندۀ ثانویه، قیمت بیشتری دارد؛ ولی ازلحاظ تأمین مواد اولیه، قابلیت اطمینان کامل را دارد. بنکروف، اسکوری و کانستنتاریس[xi] (2016)، مدلی را با بازه زمانی محدود و تقاضای متغیر با زمان توسعه داده‌اند که در آن، کالای نوسازی‌شده همانند کالای نو در نظر گرفته نمی‌شود و با قیمت کمتر در بازار ثانویه فروخته می‌شود. شکاریان و همکاران (2016)، مدلی با قابلیت بازیابی با نام نظریۀ یادگیری توسعه داده‌اند. فرض بر این است که با افزایش تعداد تولید کالاها، زمان تعمیر کالاهای بازگشتی، به‌علت اثر یادگیری، کاهش می‌یابد.

 مسعودی‌پور و همکاران (2017) برای محصولات بازگشتی، به‌ترتیب، سه سطح کیفی تعمیرشونده، بازتولیدشونده و بازیافت‌شونده قائل شده‌اند و قیمت خرید محصولات بازگشتی از مشتریان را بر مبنای این سطوح کیفی به‌ترتیب، معادل 50، 30 و 5 درصد قیمت اولیه محصول در نظر گرفته‌اند. در پژوهشی مشابه، باتاچریا، کار و آمیت[xii] (2018)، سطوح کیفی محصولات بازگشتی‌ را به‌صورت n سطحی در نظر گرفته‌اند که در آن، قیمت خرید محصولات بازگشتی براساس دورۀ عمر آنها کاهشی بوده؛ ولی تعداد محصولات بازگشتی با توزیع نرمال بین سطوح در نظر گرفته شده است. میرمحمدی و صحرائیان (2018)، مدل مسعودی‌پور را در مدلی سه‌هدفه مبتنی بر ابعاد پایداری و با در نظر گرفتن محدودیت‌های ظرفیت مراکز در لجستیک معکوس و ظرفیت وسایل حمل‌ونقل توسعه داده‌اند. این مدل را طالعی‌زاده و همکاران (2019) توسعه داده‌اند. در مدل چنددوره‌ای ارائه‌شده، تخفیف‌هایی به مشتریان براساس کیفیت محصولات بازگشتی و مبتنی بر عمر محصول داده می‌شود. تخفیف‌ها به‌گونه‌ای طراحی شده است که احتمال بازگشت محصولات قدیمی‌تر، بیشتر از محصولات نو باشد.

جیحونیان و همکاران[xiii](2017)، زنجیرۀ حلقه - بسته‌ای را برای محصولات بادوام توسعه داده‌اند که محصولات در آن به‌صورت ماژولار و هر ماژول نیز شامل چندین قطعه است؛ بنابراین، ماژول‌ها و قطعات سالم، امکان بازگشت به خط تولید را دارند. قطعات باقیمانده نیز یا در بازار ثانویه فروخته می‌شود و یا دورریز می‌شود. در این مدل، کیفیت قطعات بازگشتی به‌صورت تصادفی دیده شده و بر این اساس، مسئله در قالب یک مدل برنامه‌ریزی تصادفی دومرحله‌ای مدل‌سازی شده است. به‌طور مشابه، شاه‌پروری[xiv] و همکاران (2018)، زنجیرۀ حلقه - بسته‌ای را به‌صورت چندمحصولی شامل ماژول‌ها و قطعات طراحی کردند. در این پژوهش، سه سطح کیفی نو، نو-کارکرده و کارکرده برای هر سه ردۀ محصول- ماژول- قطعه در نظر گرفته شده است و مسئله در قالب یک مدل برنامه‌ریزی عدد صحیح مختلط، مدل‌سازی شده است. درنهایت، گوئو و همکاران[xv] (2019)، زنجیرۀ حلقه - بسته‌ای را توسعه دادند که در آن، کیفیت به‌صورت یک تابع نمایی در نظر گرفته شده و هزینه‌های بازخرید، نرخ بازگشتی و هزینه‌های بازتولید، تابعی از سطح کیفیت است.

گفتنی است در پژوهش‌های اندکی، مسئلۀ موجودی زنجیرۀ تأمین حلقه - بسته و انتخاب تأمین‌کننده به‌صورت یکپارچه در نظر گرفته‌ شده است و پژوهش‌های انجام‌شده در این حوزه در ابتدای مسیر خود قرار دارد. در جدول شمارۀ 1، بخشی از مهم‌ترین پژوهش‌ها در این زمینه آورده شده است.

 

 

جدول 1- مقایسۀ پژوهش‌های انجام‌شده در مبانی نظری موضوع

نویسنده

سال

نوع مسئله

سطوح زنجیره

کمبود

دوره

تعداد محصول

عدم قطعیت

کیفیت

انتخاب تأمین‌کننده

وابستگی نرخ بازگشتی

تک‌سطحی

چندسطحی

نامحدود

محدود

چند

تک

فازی

تصادفی

دقیق

جابر، ال سادانی

2009

موجودی / تولید

 

 

 

 

 

 

تقاضا

ال سادانی، جابر

2010

موجودی / تولید

 

 

 

 

 

 

 

کیفیت-تقاضا

جابر، ال سادانی

2011

موجودی/ بازیافت

 

 

 

 

 

 

 

 

تقاضا

ال سادانی، جابر

2011

موجودی / دمونتاژ

 

 

 

 

 

 

 

 

تقاضا

حسن اوف و همکاران

2012

موجودی / تعمیر

 

 

 

 

 

 

 

تقاضا

ال سادانی و همکاران

2013

موجودی / تعمیر

 

 

 

 

 

 

 

 

تقاضا

نیک‌نژاد و پتروویچ

2014

تولید / تعمیر

 

 

 

 

 

 

 

 

موجودی

مواندایا و همکاران

2015

موجودی / تولید

 

 

 

 

 

 

 

 

تقاضا

مایتی و گیری

2015

موجودی

 

 

 

 

 

 

تقاضا

مقدم

2015

موجودی / تولید

 

 

 

 

 

 

فروش

گیری و شارما

2016

موجودی / تولید

 

 

 

 

 

 

تقاضا

بنکروف و همکاران

2016

موجودی / تولید

 

 

 

 

 

 

 

 

تقاضا

شکاریان و همکاران

2016

موجودی

 

 

 

 

 

 

 

 

تقاضا

مسعودی پور و همکاران

2017

تولید / تعمیر

 

 

 

 

 

 

 

تقاضا

جیحونیان و همکاران

2017

تولید

 

 

 

 

 

 

 

تقاضا

باتاچریا و همکاران

2018

تولید

 

 

 

 

 

 

 

فروش

شاه‌پروری و همکاران

2018

تولید

 

 

 

 

 

 

تقاضا

گئو و همکاران

2019

موجودی / تولید

 

 

 

 

 

 

 

کیفیت

طالعی‌زاده و همکاران

2019

تولید / بازیافت

 

 

 

 

 

 

 

تقاضا

این پژوهش

2019

تولید

 

 

 

   

کیفیت-تولید

این پژوهش، توسعه‌ای از مدل مقدم (a2015) است که در آن، تأثیر سطح کیفیت کالاهای تولیدی بر نرخ بازگشتی‌ها بر مبنای مفاهیم توسعه‌داده‌شدۀ ال سادانی و جابر در نظر گرفته شده است. همانگونه که در جدول شمارۀ 1 مشاهده می‌شود، در هیچ یک از پژوهش‌های پیشین، نرخ بازگشت به کیفیت مواد اولیه و تولید وابسته نیست؛ در حالی که، همانگونه که در بخش مقدمه اشاره شد، اگر کیفیت مواد اولیۀ تولید لامپ‌های LED نامناسب باشد، این مسئله، اثر خود را بر تولید می‌گذارد؛ بنابراین، میزان محصولات معیوب پس از استفاده افزایش می‌یابد. نکتۀ مهم در این زمینه آن است که وابستگی نرخ بازگشتی از عواملی همچون تقاضا، فروش یا موجودی، از نوع صنعت و کالای تولیدی در آن صنعت متأثر است. همانگونه که در جدول شمارۀ 1 مشاهده می‌شود، در بسیاری از پژوهش‌ها، نرخ بازگشت، وابسته به تقاضا در نظر گرفته شده است؛ حال آنکه پژوهش‌های میدانی انجام‌شده برای این محصول (لامپ‌های LED) نشان داد با توجه به اینکه این کالا، کالایی اساسی نیست و کالاهای رقیب همچون لامپ‌های فلورسنت و رشته‌ای دارد و بازار آن انحصاری نیست و شرکت‌های متعددی در حال تولید محصول هستند، نرخ بازگشت به تقاضا وابسته نیست و بیشتر، از کیفیت کالای تولید تأثیر گرفته است. همچنین، کیفیت محصول تولیدی نیز به مواد اولیۀ مورد استفاده وابسته است؛ بنابراین؛ مدل بر مبنای وابستگی غیرمستقیم نرخ بازگشتی به کیفیت مواد اولیه توسعه پیدا کرد.

در این مدل‌سازی، زنجیرۀ تأمین مدنظر حلقه - بسته، دوسطحی و تک‌کالایی است. تولیدکننده برای تولید کالا به قطعات مختلفی نیاز دارد که تأمین‌کنندگان خارجی، آنها را تأمین می‌کنند. هر تأمین‌کننده، قطعات اولیه را با کیفیت و قیمت‌های متفاوتی عرضه می‌کند و کیفیت کالای تولیدی به کیفیت قطعات اولیه وابسته است و سطح کیفیت تولید نیز در تعیین نرخ بازگشتی مؤثر است. توزیع‌کنندگان، تقاضای مشتریان را دریافت می‌کنند و در صورت موجودبودن کالا در انبار، تقاضا پاسخ داده می‌شود و در غیر این صورت، توزیع‌کننده با کمبود مواجه می‌شود که در دوره‌های بعدی، جبران‌پذیر است. در صورت معیوب‌بودن کالا، مشتریان می‌توانند کالاها را به مراکز جمع‌آوری تحویل دهند و در مقابل، کالاهای نو دریافت کنند. کالاها در مراکز جمع‌آوری بازرسی می‌شود و اگر کالا بازیابی‌پذیر (تعمیر یا دمونتاژ) باشد، به بخش تعمیرات و دمونتاژ در کارخانه فرستاده می‌شود. کالاهایی که تعمیر می‌شود، وارد انبار کالای نهایی تولیدکننده شده، قطعات حاصل از دمونتاژ کالاهای معیوب، وارد انبار قطعات اولیۀ تولیدکننده می‌شود. فرض می‌شود کالای تعمیری، ارزش کالایی نو را دارد. نرخ بازگشتی، وابسته به میزان تولید و سطح کیفیت تولید در نظر گرفته شده است؛ به این صورت که هرچه سطح تولید بالاتر باشد (در سطح کیفیت ثابت)، نرخ بازگشتی نیز بیشتر می‌شود و هرچه کیفیت بهتر باشد (در سطح تولید ثابت)، نرخ بازگشتی نیز کمتر خواهد بود.

مدل به شکل چنددوره‌ای در نظر گرفته شده و نوآوری پژوهش بر مبنای این واقعیت شکل گرفته که قطعات تأمین‌شده از تأمین‌کنندگان بر کیفیت کالای تولیدی تأثیرگذار است. زنجیرۀ تأمین مدل مبتنی بر مثالی واقعی از شرکت تولیدکنندۀ لامپ‌های LED شکل گرفته و کوشش شده است مدل‌سازی تا حد امکان براساس شرایط واقعی موجود در این زنجیرۀ تأمین انجام شود.

 

 

3-              مدلریاضی

برای مدل‌سازی، از داده‌های مربوط به یک شرکت تولیدکنندۀ لامپ‌های LED استفاده شده است. شرکت با هدف توسعۀ استفاده از محصولات و فنّاوری‌های روز دنیا در صنعت روشنایی برای کاهش مصرف انرژی و افزایش رفاه عمومی تأسیس شده است. کالای مدنظر، پنل‌های LED است که به چهار زیرقطعۀ اصلی تقسیم‌بندی می‌شود که ضریب مصرف هر کدام از آنها در کالای نهایی، برابر یک است: 1- بالاست؛ 2- صفحۀ LED؛ 3- سیم رابط تغذیه و 4- بدنه. شرکت، گارانتی 10ماهه برای کالاها ارائه می‌دهد و در نمایندگی‌های فروش، کالاهای مرجوعی با کالاهای نو معاوضه می‌شود. کالاهای مرجوعی، قابل تعمیر و دمونتاژ هستند؛ بنابراین، در این مدل‌سازی زنجیرۀ تأمین مدنظر، حلقه - بسته و دوسطحی و زنجیره، تک‌کالایی است. شکل شمارۀ 1، زنجیرۀ تأمین مدنظر را نشان می‌دهد. شرکت برای تولید کالا به قطعات مختلفی نیاز دارد که تأمین‌کنندگان خارجی، آنها را تأمین می‌کنند.

 

 

شکل 1- زنجیرۀ تأمین حلقه - بستۀ مدنظر

 

هر تأمین‌کننده، قطعات اولیه را با سطح کیفیت (سطوح کیفیت A, B, C) و قیمت‌های متفاوتی عرضه می‌کند. کیفیت کالای تولیدی به کیفیت قطعات اولیه وابسته است و سطح کیفیت تولید در تعیین نرخ بازگشتی مؤثر است. توزیع‌کنندگان، تقاضای مشتریان را دریافت می‌کنند و در صورت موجودبودن کالا در انبار به تقاضای آنها پاسخ داده می‌شود و در غیر این صورت، توزیع‌کننده با کمبود مواجه می‌شود که در دوره‌های بعدی، جبران‌پذیر است. در صورت معیوب‌بودن کالا، مشتریان می‌توانند کالاها را به مراکز جمع‌آوری تحویل دهند و در مقابل آن، کالاهای نو دریافت کنند. کالاها در مراکز جمع‌آوری بازرسی می‌شود و اگر کالا بازیابی‌پذیر (تعمیر یا دمونتاژ) باشد، به بخش تعمیرات و دمونتاژ در کارخانه فرستاده می‌شود. براساس تجربه، به‌طور متوسط، 1-β درصد از کالاهای فرستاده‌شده به کارخانه، تعمیرشدنی است و در صورتی که کالا قابلیت تعمیر نداشته باشد، به بخش دمونتاژ فرستاده می‌شود. در بخش دمونتاژ نیز g درصد از قطعات، قابلیت نوسازی مجدد را دارد. کالاهای تعمیرشده، وارد انبار کالای نهایی تولیدکننده می‌شود و قطعات حاصل از دمونتاژ، وارد انبار قطعات اولیۀ تولیدکننده می‌شود. نرخ بازگشتی، وابسته به میزان تولید و سطح کیفیت تولید در نظر گرفته شده است؛ به این صورت که هرچه سطح تولید، بیشتر باشد (در سطح کیفیت ثابت)، نرخ بازگشتی نیز زیاد خواهد بود و هرچه کیفیت بهتر باشد ( در سطح تولید ثابت)، نرخ بازگشتی کمتر خواهد بود. در جدول‌های شمارۀ 2 و 3، اندیس‌ها، پارامتر و متغیرهای مسئله معرفی شده‌ است.

 

جدول 2- مجموعه‌ها و اندیس‌ها

 

اندیس مجموعۀ تأمین‌کنندگان J=[1,…,N]

 

اندیس مجموعۀ سطوح زنجیره I=[1,2]

اندیس مجموعۀ سطوح زنجیرۀ معکوسI’      جمع‌آوری– تعمیر – دمونتاژ

 

اندیس مجموعۀ دوره‌هاT=[1…Ƭ]

 

اندیس مجموعۀ قطعه‌ها K=[1...M]

 

جدول 3- متغیرها و پارامترها مدل ارائه‌شده

پارامترها

متغیرها

 

هزینۀ تولید هر واحد محصول در دورۀ t.

 

مقدار فروش در دورۀ t

 

قیمت فروش هر واحد کالا

 

مقدار خرید قطعۀ نوع k از تأمین‌کنندۀ j در دورۀ t

NP

حداکثر ظرفیت تولید برای تولیدکننده

 

مقدار تولید کالا در دورۀ t

 

حداکثر ظرفیت دمونتاژ در هر دوره

 

مقدار سفارش توزیع‌کننده به تولیدکننده در دورۀ t

 

حداکثر ظرفیت تعمیر در یک دوره

 

مقدار کالای موجود در انبار در دورۀ t برای عنصر i

 

حداکثر ظرفیت نوسازی قطعۀ نوع k

 

مقدار قطعۀ k ام در دورۀ t در انبار تولیدکننده.

 

هزینۀ خرید هر واحد قطعۀ k از تأمین‌کنندۀ j

 

مقدار سفارش‌های عقب‌افتادۀ عنصرi  زنجیره در دورۀ t

 

تقاضای محصول نهایی در دورۀt ام

 

پاسخ به سفارش توزیع‌کننده در دورۀ t ( فرستادن کالا)

 

هزینۀ نگهداری هر واحد محصول برای عنصر iام.

 

مقدار بازگشتی کالاها در دورۀ t

 

هزینۀ نگهداری هر واحد قطعۀ k ام در انبار تولیدکننده

 

موجودی کالای بازگشتی در سطح  زنجیرۀ بازگشتی

 

هزینۀ کمبود هر واحد کالا در سطح i زنجیره

 

تعداد کالایی که در دورۀ t برای بازیابی به کارخانه فرستاده می‌شود.

 

هزینۀ تعمیر هر واحد کالای تعمیرپذیر

 

تعداد قطعات نوع k امحاشده در دورۀ t

 

هزینۀ دمونتاژ هر واحد کالای قابل دمونتاژ

 

موجودی قطعۀ k ام قابل نوسازی در دورۀ t

 

هزینۀ امحای هر واحد کالای بازگشتی

 

تعداد کالاهای تعمیرشده در دورۀ t

 

تعداد قطعۀ نوع k در هر کالا- ضریب مصرف

 

زمان آماده‌سازی سفارش برای تولیدکننده

 

هزینۀ سفارش‌دهی یا راه‌اندازی برای سطح iام زنجیره

 

تعداد کالاهای دمونتاژشده در دورۀ t

 

هزینۀ ثابت راه‌اندازی بخش  زنجیرۀ بازگشتی

 

تعداد قطعات نوع k نوسازی‌شده در دورۀ t

 

هزینۀ راه‌اندازی بخش نوسازی برای قطعۀ k

 

متغیر باینری- اگر در دورۀ t سفارش‌دهی و یا راه‌اندازی در سطح iام زنجیره اتفاق بیفتد، برابر 1و در غیر این صورت، صفر است.

 

هزینۀ نوسازی هر واحد قطعۀ نوع k

 

متغیر باینری: اگر سطح  در دورۀ t راه‌اندازی شود، برابر 1، در غیر این صورت، صفر است.

 

هزینۀ امحای هر واحد قطعۀ نوع k

 

متغیر باینری: اگر در دورۀ t از تأمین‌کنندۀ j قطعۀ k خریداری شود، برابر 1 و در غیر این صورت، صفر است.

 

درصد کالاهای تعمیر و دمونتاژنشدنی

 

متغیر باینری- در صورت راه‌اندازی بخش نوسازی برای قطعۀ k ، برابر 1 و در غیر این صورت، صفر است.

 

درصد کالاهای تعمیرشدنی فرستاده‌شده به کارخانه

 

سطح کیفیت کالای تولیدی در دورۀ t

 

درصد قطعات قابل نوسازی نوع k

 

سطح کیفیت قطعات نوع k در دورۀ t

 

عددی بسیار بزرگ

 

مقدار سفارش ثابت در سیاست موجودی (Q,R) برای عضو iام زنجیره

 

حداکثر ظرفیت تأمین قطعۀ k از طرف تأمین‌کنندۀ j

 

نقطۀ سفارش مجدد(R)  در سیاست موجودی (Q,R) در عضو iام زنجیره

 

حداقل مقدار خرید قطعۀ k از تأمین‌کنندۀ j

 

متغیر باینری در صورتی که کیفیت کالا تولیدی در سطح A باشد، برابر 1 و در غیر این صورت، صفر است.

τ

متوسط زمان بازگشت کالا

 

متغیر باینری در صورتی که کیفیت کالا تولیدی در سطح B باشد، برابر 1 و در غیر این صورت، صفر است.

 

کیفیت ارائه‌شده توسط تأمین‌کنندۀ j

)سه سطحA=3 , B=2 , C=1 )

 

متغیر باینری در صورتی که کیفیت کالا تولیدی در سطح  C باشد، برابر 1 و در غیر این صورت، صفر است.

 

ضریب بازگشتی برای کالاها با کیفیت A

 

اگر سطح موجودی در تولیدکننده از مقدارR کمتر شود، برابر 1 و در غیر این صورت، صفر است.

 

ضریب بازگشتی برای کالاها با کیفیت B

 

مقدار تولیدات عقب‌افتاده در انتهای دورۀ t

 

ضریب بازگشتی برای کالاها با کیفیت C

 

برنامه‌ریزی تولید در دورۀ t

 

مفروضات مدل پیشنهادی به شرح ذیل است:

1. تقاضا در ماه‌های مختلف، متفاوت است.

2. تمامی پارامترها قطعی است.

3. کمبود کالا به‌صورت پس‌افت است.

4. در قیمت کالا و سایر پارامترهای هزینه، تخفیف وجود ندارد.

5. زمان تدارک، قطعی و ثابت است.

6. افق زمانی نامحدود در نظر گرفته شده است.

7. مدل مدنظر حلقه - بسته، دوسطحی و تک‌کالایی است.

8. هر تأمین‌کننده، قطعات را با سه سطح کیفیت و قیمت‌های متفاوت عرضه می‌کند.

9. کیفیت کالاهای تولیدی به کیفیت قطعات اولیه وابسته است.

10. کالاهای تعمیری، ارزش کالاهای نو را دارد.

 

 

بر این اساس، مدل توسعه‌داده‌شده به شرح ذیل تشریح می‌شود:

تابع هدف این زنجیره، عبارت است از به حداکثر رساندن سود عملیاتی که برابر است با فروش منهای حاصل‌جمع هزینه‌های تولید، هزینه‌های موجودی و هزینه‌های جریان بازگشتی. هزینه‌های تولید عبارت است از هزینۀ راه‌اندازی و هزینه‌های وابسته به سطح تولید. هزینه‌های موجودی عبارت است از هزینه‌های نگهداری موجودی در انبارها، هزینه‌های مربوط به سفارش‌دهی کالا و هزینه‌های مربوط به سفارش‌های عقب‌افتاده. هزینۀ جریان بازگشتی نیز عبارت است از هزینۀ بازگشت کالا و هزینه‌های تعمیر، دمونتاژ و هزینه‌های نوسازی قطعات حاصل از دمونتاژ.

(1)

 

 

محدودیت‌های شمارۀ 2 تا 5 تضمین می‌کند که مقدار تولید، تعمیر، دمونتاژ و نوسازی قطعات در هر دوره، به‌ترتیب از مقدار ظرفیت تولید، ظرفیت تعمیر ، ظرفیت دمونتاژ و ظرفیت نوسازی بیشتر نباشد.

(2)

   

(3)

   

(4)

   

(5)

   

مجموعه محدودیت‌های موجودی روبه‌جلو به شرح ذیل است. این سری از محدودیت‌ها، تضمین می‌کند که روابط موجودی کالاها و قطعات در زنجیرۀ روبه‌جلو رعایت شود.

(6)

   

(7)

   

(8)

   

(9)

   

(10)

   

محدودیت شمارۀ 6 نشان‌دهندۀ موجودی قطعۀ kام در دورۀ t در انبار تولیدکننده است،. فرض بر این است که برای تولید هر کالا، تعداد ak از قطعه نوع k نیاز است. محدودیت شمارۀ 7 تشریح می‌کند که مقدار موجودی در دورۀ t از مقادیر موجودی باقیمانده از دورۀ پیش، مقدار تولید (Xt) و تعمیر (Rpt) در این دوره و مقدار کالای فرستاده‌شده به مرکز پخش به دست می‌آید. محدودیت شمارۀ 8 بیان می‌کند که اگر مقدار کالای فرستاده‌شده به مرکز پخش، کمتر از مقدار سفارش‌ها باشد، مقدار اختلاف به‌عنوان سفارش عقب‌افتاده در نظر گرفته می‌شود. محدودیت شمارۀ 9 و 10، محدودیت رعایت سیاست موجودی (Q, R) در سطح تولیدکننده است و تضمین می‌کند که اگر سطح موجودی از مقدار مشخصی کمتر آمد، تولید کالا انجام می‌شود. محدودیت شمارۀ 9 تضمین می‌کند که اگر سطح موجودی کالای نهایی تولیدکننده، کمتر از مقدار  باشد، متغیر باینری  برابر 1 خواهد شد. در این صورت، براساس محدودیت شمارۀ 10، میزان سفارش Qsi به برنامۀ تولید افزوده می‌شود.

 

(11)

   

(12)

   

(13)

   

(14)

   

(15)

   

 

محدودیت شمارۀ 11 تضمین می‌کند که اگر مقدار تولیدات با محدودیت ظرفیت، کمتر از مقدار برنامه‌ریزی تولید باشد، اختلاف آنها به‌عنوان تولیدات عقب‌افتاده در نظر گرفته شود و در دوره‌های بعد تولید شود. محدودیت شمارۀ 12، مقدار فروش (کالاهای فرستاده‌شده به مشتریان) را در دورۀ t محاسبه می‌کند. بدین‌ترتیب، اگر نتوان بخشی از تقاضا را پوشش داد، این مقدار در سفارش‌های عقب‌افتاده در نظر گرفته می‌شود.

محدودیت شمارۀ 13 و 14، محدودیت سیاست موجودی (Q, R) در سطح توزیع‌کننده است و تضمین می‌کند که اگر سطح موجودی از مقدار مشخصی کمتر آمد، سفارش کالا انجام شود. محدودیت شمارۀ 13 تضمین می‌کند که هرگاه، سطح موجودی توزیع‌کننده از مقدار کمتر شود، متغیر باینری، مقدار 1 بگیرد. در غیر این صورت، به این علت که متغیر باینری در تابع هدف، هزینه اعمال می‌کند، مقدار پیش‌فرض آن برابر صفر است و مدل می‌کوشد این متغیر باینری برابر صفر شود. محدودیت شمارۀ 14 تضمین می‌کند که فقط اگر مقدار متغیر باینری  برابر 1 باشد، مقدار سفارش برابر خواهد بود. محدودیت شمارۀ 15، موجودی کالای توزیع‌کننده را نشان می‌دهد. همچنین، این محدودیت تضمین می‌کند که مقدار کالای فرستاده‌شده به مرکز پخش، بعد از گذشت زمان LTM به انبار توزیع‌کننده وارد می‌شود. گفتنی است، در این مدل فرض شده است که مقدار LTM به‌صورت یک مقدار عددی (متوسط زمان‌های تدارک) در نظر گرفته شده است.

مجموعه محدودیت‌های موجودی روبه‌عقب به شرح ذیل است. این سری از محدودیت‌ها، تضمین می‌کند که روابط موجودی کالاها و قطعات در زنجیرۀ بازگشتی رعایت شود.

(16)

   

(17)

   

(18)

   

(19)

   

(20)

   

 

محدودیت شمارۀ 16، موجودی کالاهای بازگشتی را در مرکز جمع‌آوری نشان می‌دهد. محدودیت شمارۀ 17، موجودی کالاهای تعمیرپذیر را نشان می‌دهد. محدودیت شمارۀ 18، موجودی بخش دمونتاژ را نشان می‌دهد. محدودیت شمارۀ 19، مقدار افزایش در موجودی قطعۀ نوع k نوسازی‌شدنی در مرکز بازسازی را به نمایش می‌گذارد. محدودیت شمارۀ 20، مقدار قطعات زاید حاصل از دمونتاژ را نشان می‌دهد. قطعاتی که قابلیت نوسازی را نداشته باشد، از سیستم خارج می‌شود.

دستۀ بعد، مجموعه محدودیت‌های مرتبط با نرخ بازگشتی و کیفیت را به نمایش می‌گذارد. در این مدل‌سازی فرض می‌شود قطعات، کیفیت‌های متفاوتی دارد و کیفیت هر کالای تولیدشده با توجه به سطح کیفیت قطعات آن تعیین می‌شود. قطعات در سه سطح کیفی A, B, C ارائه می‌شود و کالاهای تولیدشدۀ حاصل از آنها نیز همان کیفیت را دارد. براساس نظر کارشناسانه فرض می‌شود کالاهایی با سطح کیفیت A، نرخ بازگشتی a درصد و کالاهای تولیدی در سطح B، نرخ بازگشتی b درصد و کالاها با سطح کیفیت C، نرخ بازگشتی c درصد دارد. برای مدل‌سازی، ابتدا باید سطح کیفیت قطعۀ نوع kام در دورۀ t تعیین شود؛ به این صورت که کیفیت قطعۀ خریداری‌شده، به تأمین‌کننده وابسته است و اگر قطعه در دورۀ t از تأمین‌کنندۀ j تأمین شود، سطح کیفیت کلی قطعات نوع k در آن دوره، برابر با حداقل سطح کیفیت ارائه‌شده توسط تأمین‌کنندگان آن خواهد بود.

 

(21)

   

(22)

   

(23)

   

(24)

   

(25)

   

(26)

   

(27)

   
       

محدودیت شمارۀ 21، سطح کیفیت قطعۀ نوع k در انبار تولیدکننده را نشان می‌دهد و نشان می‌دهد سطح کیفیت قطعۀ نوع k در هر دوره برابر است با حداقل سطح کیفیت قطعات خریداری‌شده و یا سطح کیفیت قطعات باقیمانده از دورۀ پیش. محدودیت شمارۀ 22، سطح کیفیت کالاهای تولیدی را تعیین می‌کند و نشان می‌دهد سطح کیفیت کالاهای تولیدی در هر دوره، برابر با حداقل سطح کیفیت قطعات تشکیل‌دهندۀ آن کالاست. با تعیین مقدار  با رابطۀ شمارۀ 22 می‌توان برای فعال‌سازی متغیرهای باینری در محدودیت شمارۀ 23 تصمیم‌گیری کرد. محدودیت شمارۀ 24، تضمین می‌کند که در یک دوره فقط یکی از متغیرهای باینری فعال شود. این متغیرهای باینری در محدودیت‌های شمارۀ 25 تا 27 قرار می‌گیرد و به این علت که در هر دوره فقط یکی از آنها برابر 1 می‌شود، در هر دوره، یکی از محدودیت‌های شمارۀ 25 تا 27 فعال خواهد شد.

دستۀ بعدی محدودیت‌ها، مجموعه محدودیت‌های مرتبط با آثار فعال‌بودن/نبودن متغیرهای باینری بر سایر متغیرهاست که به شرح ذیل ارائه شده‌ است:

(28)

   

(29)

   

(30)

   

(31)

   

(32)

   

 

محدودیت شمارۀ 28 تضمین می‌کند اگر مقدار تولید در دورۀ t مثبت باشد، الزاماً متغیر باینری مربوط به راه‌اندازی خط تولید نیز فعال می‌شود. محدودیت شمارۀ 29 تضمین می‌کند اگر کالای مرجوعی از مرکز جمع‌آوری برای تعمیر و یا دمونتاژ به کارخانه فرستاده شود، مقدار متغیر باینری، نشان‌دهندۀ راه‌اندازی بخش جمع‌آوری فعال شود. به همین ترتیب، محدودیت شمارۀ 30 و 31 نشان می‌دهد به‌ترتیب، اگر در دورۀ t تعمیری/ دمونتاژی انجام شود، متغیر باینری راه‌اندازی بخش تعمیر/ دمونتاژ فعال می‌شود. درنهایت، محدودیت شمارۀ 32 تضمین می‌کند اگر در دورۀ t، قطعات نوع k نوسازی شود، متغیر باینری مربوط به بخش kام، قسمت نوسازی فعال می‌شود.

علاوه بر موارد مذکور، محدودیت‌هایی نیز برای تأمین‌کنندگان در نظر گرفته شده است.

 

(33)

   

(34)

   

 

محدودیت شمارۀ 33 نشان می‌دهد هر تأمین‌کننده با محدودیت عرضه روبروست و همچنین تضمین می‌کند اگر در دورۀ t از تأمین‌کنندۀ j قطعۀk  خریداری شود، متغیر باینری مربوط به آن فعال می‌شود. محدودیت شمارۀ 34 تضمین می‌کند اگر تصمیم گرفته شود از تأمین‌کنندۀ j، قطعۀ kام خریداری شود، مقدار خرید کالا باید از حداقلی که وابسته به تأمین‌کننده و نوع قطعه است، بیشتر باشد.

 

 

درنهایت، سری محدودیت‌های شمارۀ 35 نیز مثبت‌بودن و یا باینری‌بودن متغیرها را به نمایش می‌گذارد.

(35)

   

 

   

 

   

 

4-              روششناسی پژوهش

این پژوهش، پژوهشی نظری از نوع کاربردی است و برای بررسی یکی از معضلات اصلی سیستم‌های تولیدی انجام شده است. متأسفانه، در سال‌های اخیر، شرایط سخت اقتصادی، تحریم‌ها، مشکلات ارزی و ... موجب شده است تأمین‌کنندگان به جای تهیۀ قطعات و مواد اولیه با کیفیت و عملکرد مناسب، به محصولات و مواد اولیه‌ای رو آورده‌اند که عملکرد یا کیفیت ضعیف‌تری دارد. این قطعات و مواد اولیۀ سطح پایین، در هنگام تولید، تأثیر خود را بر محصولات تولیدشده نیز می‌گذارد و سطح کیفی محصولات تولیدی را کاهش می‌دهد؛ درنتیجه، نرخ بازگشتی محصولات افزایش می‌یابد و هزینه و زیان آن متوجه شرکت می‌شود؛ بنابراین، همانند آنچه در دنیای واقعی اتفاق می‌افتد، شرکت تولیدی مجبور به انتخاب ترکیبی از قطعات با کیفیت‌های مختلف از تأمین‌کنندگان است؛ به‌گونه‌ای که سود شرکت را به حداکثر برساند. به‌طور طبیعی، برای حل چنین مسئلۀ بهینه‌سازی به مدل‌سازی ریاضی نیاز است و این مدل‌سازی ریاضی، تمامی جنبه‌های فرایند تولید را دربرمی‌گیرد.

بر این اساس، برای پاسخ به پرسش‌هایی همچون

  • پایین‌بودن سطح کیفیت مواد اولیه، چه تأثیری بر هزینه‌های کلی و هزینه‌های جریان معکوس دارد؟
  • برای به حداقل رساندن هزینه‌های کلی زنجیره، قطعات خریداری‌شده باید در چه سطح کیفی باشد؟
  • رابطۀ هزینه‌های کیفیت و تعمیر و انتخاب تأمین‌کنندگان چگونه است؟
  • مقدار سفارش‌های بهینه بین اعضای زنجیره چه مقدار است؟
  • رابطۀ کیفیت مواد ورودی و نرخ بازگشتی‌ها به چه صورت است؟
  • سیاست‌های موجودی مربوط به جریان مستقیم و معکوس برای زنجیرۀ تأمین مذکور چگونه است؟

توسعه داده شده است.

هدف‌های اصلی این پژوهش، ارائۀ بستر تصمیم‌گیری مناسب برای تعیین سیاست‌های بهینه در یک زنجیرۀ حلقه - بسته است. هدف‌های علمی آن عبارت است از:

  • ارائۀ مدل ریاضی زنجیرۀ تأمین دوسطحی حلقه - بسته با در نظر گرفتن تأثیر سطح کیفیت محصولات بر نرخ بازگشتی؛
  • تعیین تصمیم‌های مربوط به سیاست‌های کنترل موجودی روبه‌جلو و روبه‌عقب زنجیره و سیاست‌های خرید مواد اولیه؛
  • ارائۀ بستر پژوهشی برای حالت‌هایی که کیفیت به‌عنوان عامل بر نرخ بازگشتی تأثیرگذار است؛
  • ارائۀ روش حل کارا و مؤثر برای تحلیل مدل‌های ارائه‌شده و اعتبارسنجی حل‌های به‌دست‌آمده.

نوآوری اصلی این پژوهش، در نظر گرفتن سطح کیفیت برای قطعات اولیه و تأثیر غیرمستقیم آن بر نرخ بازگشتی است؛ به این صورت که سطح کیفیت قطعات اولیه، سطح کیفیت کالای ساخته‌شده را تعیین می‌کند و سطح کیفیت کالای تولیدی بر نرخ بازگشتی تأثیرگذار است. به این منظور، از روش برنامه‌ریزی عدد صحیح برای فرموله‌کردن و حل مسئله استفاده شده است. همچنین بازارهای پخش کالا، چندگانه در نظر گرفته شده است که هر کدام، تقاضای مستقل دارد. همچنین، در مدل‌سازی زنجیرۀ معکوس، هر بخش می‌تواند به‌صورت مستقل راه‌اندازی شود و تمامی بخش‌ها هم‌زمان فعال نمی‌شود.

نتایج این پژوهش را در طراحی سیاست‌های خرید مواد اولیۀ زنجیره‌های تأمین حلقه - بسته (مانند بسیاری از شرکت‌هایی که کالاهای خود را گارانتی تعمیر و یا تعویض می‌کنند) می‌توان به کار برد. به‌طور مشخص، به زنجیره‌های تأمین حلقه - بسته‌ای می‌توان توجه کرد که در آنها بازگشتی‌ها به‌صورت محسوس با سطح کیفیت کالاهای تولید رابطه دارد. همچنین، این مدل‌سازی، مخصوص سازمانی‌هایی است که کالا در عمر میانی و یا ابتدایی خود قرار داد و به کار بردن سیاست‌های مناسب، مزیت رقابتی ایجاد می‌کند. علاوه بر این، نتایج این پژوهش، می‌تواند در توسعۀ مدل‌های موجود در سطح دانشگاهی و واقعی‌ترشدن مدل‌های ریاضی در این حوزه استفاده شود.

 

5-              مطالعۀ موردی و یافته‌ها

5-1-اطلاعات و داده‌های مسئله

مدل ارائه‌شده در این مقاله به‌صورت مدل‌سازی ریاضی عدد صحیح مختلط است که یکی از کاراترین نرم‌افزارها برای حل اینگونه مسائل، نرم‌افزار  GAMS/Cplexاست؛ بنابراین، مدل مدنظر در نرم‌افزار GAMS کدنویسی شد و برای حل این مسئله، روش MIP[xvi] در حل‌کنندۀ Cplex-12 به کار رفت. در روش MIP از الگوریتم شاخه و کران استفاده می‌شود که در آن، مسئلۀ برنامه‌ریزی خطی عدد صحیح به چندین برنامه‌ریزی خطی تبدیل می‌شود و در هر شاخه، یک مدل برنامه‌ریزی خطی حل می‌شود. برای انجام‌دادن محاسبات از پردازندۀ[xvii] Intel Core i5 و حافظۀ رم[xviii] 8 گیگابایت بر سیستم عامل ویندوز 10 نسخۀ 64 بیتی استفاده شده است. فرض می‌شود هر سال از 10 دورۀ ماهیانۀ مفید تشکیل شده است و مقادیر حداکثر و حداقل خرید قطعات برای تمامی تأمین‌کنندگان، به‌ترتیب برابر 20000 و 1000 واحد است. اطلاعات مربوط به سایر پارامترهای مسئله در جدول‌های شمارۀ 4 تا 12 در پیوست الف ارائه شده است. گفتنی است، اطلاعات تقاضا براساس داده‌های فروش دوره‌های گذشته و با به‌کارگیری یک مدل پیش‌بینی منطبق با داده‌های پیشین حاصل شده است.

 

5-2- نتایج حل مدل

متغیرهای اصلی، که تعیین‌کنندۀ سیاست‌های خرید و کنترل موجودی است، در جدول شمارۀ 4 ارائه شده‌ است. همانگونه که در این جدول مشاهده می‌شود، مقدار سفارش اقتصادی تولیدکننده، 45204 واحد و نقطۀ سفارش مجدد وی، 5000 واحد است. همچنین، مقدار سفارش اقتصادی توزیع‌کننده، برابر 11964 واحد است و نقطۀ سفارش مجدد وی، 7827 واحد به دست آمده است. مقدار بهینۀ تابع هدف نیز برابر با 9/183738688 واحد پولی به دست آمده است.

جدول 4- مقادیر سفارش و مقدار سفارش مجدد برای تولیدکنندگان و توزیع‌کنندگان

I

1

2

Q

45204

11946

R

5000

7827

 

جدول شمارۀ 5 نشان می‌دهد در دوره‌های چهارم تا هشتم، خریدهای انجام‌شده از تأمین‌کنندۀ اول بوده است که سطح کیفیت A دارد و فقط در دورۀ سوم از تأمین‌کنندۀ سوم ( سطح کیفیت C) خرید انجام شده است.

 

جدول 5- خرید قطعات اولیه در دوره‌های مختلف برای مدل قطعی

K

j

T

3

4

5

6

8

1

1

0

14000

14000

14000

9756

1

3

14000

0

0

0

0

2

1

0

14000

14000

14000

9756

2

3

14000

0

0

0

0

3

1

0

14000

14000

14000

9856

3

3

14000

0

0

0

0

4

1

0

14000

14000

14000

9656

4

3

14000

0

0

0

0

 

جدول شمارۀ 6 نشان‌دهندۀ فروش کالای نهایی در هر یک از بازارهاست. در دورۀ اول فروش در هر مرکز توزیع، برابر 1000 واحد کالاست که در همۀ جدول‌ها مربوط به فروش یکسان است؛ زیرا موجودی اول دوره در مرکز توزیع، برابر 1000 واحد در نظر گرفته شده است.

 

جدول 6- فروش در هر بازار در مدل قطعی

T

1

3

5

6

7

8

9

10

y

1000

5000

14000

14000

14000

783

11946

11946

 

جدول شمارۀ 7، مقدار تولید در هر دوره و سطح کیفیت تولید در آن دوره را نشان می‌دهد. با توجه به جدول مشاهده می‌شود در دوره‌های سوم تا هفتم، تولید با حداکثر ظرفیت انجام شده و در دورۀ هشتم، کمتر از ظرفیت بوده است. سطح کیفیت تولید در بیشتر دوره‌ها در سطح A است و فقط در دورۀ سوم کیفیت در سطح C قرار دارد.

 

جدول 7- تولید و سطح کیفیت تولید در دوره‌های مختلف در مدل قطعی

T

3

4

5

6

7

8

X

14000

14000

14000

14000

14000

9204

Qu

C

A

A

A

A

A

 

جدول‌های شمارۀ 8 و 9، سفارش در دوره‌های مختلف را نشان می‌دهد. با توجه به سیاست کنترل موجودی (Q, R) اعمال‌شده در مدل، تمامی سفارش‌های مربوط به یک مرکز توزیع، مقدار برابری دارند؛ ولی مشاهده می‌شود که میزان سفارش‌های عقب‌افتاده در زنجیره، سطوح متفاوتی را به نمایش می‌گذارد.

 

جدول 8- سفارش در دوره‌های مختلف در مدل قطعی

T

2

3

4

6

8

9

Qt

7/11945

7/11945

7/11945

7/11945

7/11945

7/11945

 

جدول 9– سفارش‌های عقب‌افتاده در دوره‌های مختلف

Sit

T

1

2

3

4

5

6

7

8

9

I

1

0

7/6945

3/18891

16837

2837

7/782

0

0

0

2

5984

12329

14781

21531

14480

6662

1759

3/7130

7/4118

 

جدول شمارۀ 10، مقدار نرخ بازگشتی در هر دوره را نشان می‌دهد. با توجه به جدول، نرخ بازگشتی از دورۀ پنجم مقدار می‌گیرد و این به‌علت وجود فرض اختلاف فاز دو دوره‌ای بین تولید و تأثیر آن بر نرخ بازگشتی است (تولید از دورۀ سوم شروع شده است).

 

جدول 10- نرخ بازگشتی در دوره‌های مختلف در مدل قطعی

T

6

7

8

9

10

Rt

2800

700

700

700

2/460

 

6-              بحث

6-1- مقایسۀ نتایج با وضعیت کنونی شرکت

با مقایسۀ داده‌های مالی اعلام‌شده توسط شرکت با نتایج به‌دست‌آمده از مدل، مدل، بهبود 37/3 درصدی را در تابع هدف به نمایش می‌گذارد. ضمن آنکه در وضعیت کنونی، قطعات خریداری‌شده از تأمین‌کنندۀ دوم و در سطح کیفی B انجام می‌شود و سیستم سفارش‌دهی براساس پیش‌بینی تقاضای دورۀ آینده با لحاظ‌کردن سفارش‌های عقب‌افتاده عمل می‌کند؛ حال آنکه در حالت بهینه، بیشتر خریدهای انجام‌شده برای قطعات از نوع A است. البته این مسئله موجب افزایش هزینۀ ناشی از بهبود کیفیتی به میزان 6/12474640 واحد می‌شود؛ اما در عین حال، کاهش هزینۀ ناشی از کاهش نرخ بازگشتی به میزان 7/18663681 واحد پولی نیز ایجاد می‌شود که به میزان 1/6189041 واحد پولی، کاهش هزینۀ ایجادشده با افزایش سطح کیفیت تولید را نشان می‌دهد.

 

 

6-2- تحلیل حساسیت

برای بررسی میزان پایداری مدل به حساسیت دو پارامتر اساسی مدل (هزینۀ ثابت سفارش‌دهی و هزینه‌های سفارش‌های عقب‌افتادۀ توزیع‌کنندگان) بر تابع هدف، مقدار بهینۀ سفارش‌دهی و نقطۀ سفارش مجدد توجه می‌شود.

هزینۀ سفارش‌دهی ثابت در صورت سفارش کالا از سوی توزیع‌کنندگان به تولیدکننده، در تابع هدف اعمال می‌شود و از مقدار سفارش، مستقل است ( ). نمودار شمارۀ 2، تأثیر افزایش هزینۀ ثابت سفارش‌دهی بر تابع هدف را نشان می‌دهد. نمودار شمارۀ 3، تأثیر افزایش هزینۀ ثابت سفارش‌دهی بر مقادیر بهینۀ سفارش (Q) و نقطۀ سفارش مجدد (R) را برای تولیدکننده (Plant) و توزیع‌کننده (Distributer) نشان می‌دهد. در این حالت، مقادیر هزینۀ ثابت سفارش برای توزیع‌کنندگان با ضریب m افزایش می‌یابد.

(36)

   

 

 

شکل 2- تأثیر افزایش هزینۀ ثابت سفارش‌دهی بر تابع هدف

 

 

شکل 3- تأثیر افزایش هزینه‌های ثابت سفارش‌دهی بر سفارش اقتصادی و نقطۀ سفارش مجدد

 

هزینۀ سفارش عقب‌افتادۀ توزیع‌کنندگان در صورت پاسخ‌ندادن به تقاضای مشتری، به سیستم اعمال می‌شود ( ). نمودار شمارۀ 4، تأثیر افزایش هزینۀ سفارش‌های عقب‌افتاده را بر نقطۀ سفارش مجدد تولیدکننده و توزیع‌کننده نشان می‌دهد. در این حالت نیز مقادیر هزینۀ سفارش‌های عقب‌افتاده برای توزیع‌کنندگان با ضریب n افزایش می‌یابد.

(37)

   

 

شکل 4- تأثیر افزایش هزینۀ کمبود بر مقادیر نقطۀ سفارش مجدد

 

نمودار شمارۀ 4، به‌خوبی نشان می‌دهد با افزایش هزینه‌های سفارش‌های عقب‌افتاده، مقادیر نقطۀ سفارش مجدد افزایش می‌یابد که با توجه قوانین موجود در کنترل موجودی، پیش‌بینی‌پذیر است. با افزایش هزینۀ کمبود سیستم، مدل، مقادیر نقطۀ سفارش را افزایش می‌دهد تا در دوره‌های مختلف در صورت امکان با کمبود مواجه نشود.

 

7-              نتیجهگیری

در این مقاله، مدل ریاضی مسئلۀ کنترل موجودی زنجیرۀ تأمین حلقه - بستۀ دوسطحی چنددوره‌ای با در نظر گرفتن انتخاب تأمین‌کننده و تأثیر سطح کیفیت تولید بر نرخ بازگشتی توسعه داده شده است و فرض بر این است که مشتریان در صورت معیوب‌بودن کالا می‌توانند کالا را به مراکز جمع‌آوری تحویل دهند و کالای نو دریافت کنند و مقدار بازگشتی در هر دوره، وابسته به سطح تولید و سطح کیفیت تولید در نظر گرفته شده است. مدل‌سازی نهایی به‌صورت برنامه‌ریزی عدد صحیح خطی انجام شده است و با استفاده از داده‌های مورد مطالعاتی برای حل مدل ارائه‌شده از نرم‌افزار GAMS و از حل‌کنندۀ Cplex استفاده شده و نتایج حاصل دربارۀ سیاست‌های کنترل موجودی زنجیره و شبکۀ معکوس بررسی شده است.

وجه نوآوری این پژوهش در آن است که اثر کیفیت مواد اولیه‌ای را که تأمین‌کنندگان تهیه کرده‌اند، بر تولید و بر کالاهای بازگشتی در نظر می‌گیرد. همانگونه که در بخش پیشینۀ پژوهش مشاهده شد، پژوهش‌های فراوانی (حتی در سال‌های اخیر) دربارۀ موضوع کیفیت تولید انجام شده؛ اما تاکنون، در مطالعه‌ای به این موضوع توجه نشده است. شاید این موضوع را موضوعی بومی بتوان به شمار آورد؛ زیرا ممکن است محدودیت‌ها و مشکلات تأمین مواد اولیه (که در بخش روش‌شناسی گفته شد)، در بسیاری از کشورها وجود نداشته باشد؛ حال آنکه این موضوع، معضلی جدی برای تولیدکنندگان داخلی است. به‌ویژه، مخاطب اصلی این پژوهش، تولیدکنندگانی هستند که محصول آنها مونتاژی است یا قابلیت بازتولید دارد؛ بنابراین، قطعات بازگشتی را می‌توان پس از انجام‌دادن عملیات بازیافت، به چرخۀ تولید بازگرداند که با توجه به میان‌رده‌بودن صنایع تولیدی در ایران و وابستگی زیاد آنها به مواد اولیه، این موضوع، جذابیت زیادی برای این صنایع دارد.

درنهایت، برای اعتبارسنجی مدل، تحلیل حساسیت بر پارامترهای مهم مدل انجام شده است. نتایج نشان می‌دهد برای نمونۀ مدنظر این پژوهش، خرید قطعات در سطح کیفیت A، با وجود افزایش هزینه‌های خرید، به کاهش نرخ بازگشتی و درنتیجه، افزایش سوددهی زنجیره منجر می‌شود.

به‌عنوان پیشنهاد کاربردی، تولیدکنندگان می‌توانند با استفاده از این مدل بهینه‌سازی ازنظر عملیاتی و اجرایی:

1- میزان خرید مواد اولیه را از هر تأمین‌کننده در هر دوره مشخص کنند. همچنین، مدل مشخص می‌کند که خرید انجام‌شده، چه سطح کیفیتی (مثلاً بین A تا C) داشته باشد (مشابه جدول شمارۀ 5)؛

2- تعیین کنند در هر دوره، چه میزان محصول نهایی و با چه کیفیتی تولید کنند (مشابه جدول شمارۀ 7)؛

3- مشخص کنند میزان سفارش‌های توزیع‌کنندگان به آنها در هر دوره چقدر خواهد بود و به چه میزان، دچار سفارش‌های عقب‌افتاده می‌شوند (مشابه جدول‌های شمارۀ 8 و 9) و

4- با اتخاذ چنین سیاست‌هایی، چه مقدار کالای بازگشتی در هر دوره دارند (مشابه جدول شمارۀ 10).

بدین‌ترتیب، مشاهده می‌شود که حل مدل، برنامۀ جامعی را برای تولیدکننده در ابعاد مختلف تولید کالا فراهم می‌آورد.

البته مدل ریاضی، علاوه بر کمک به تولیدکننده برای استخراج اطلاعات متغیرهای تصمیم مرتبط با وی، اطلاعاتی نیز دربارۀ سایر اعضا و جریان‌های زنجیره همچون میزان فروش، موجودی محصولات و موجودی کالاهای بازگشتی، تعداد و نوع قطعات بازگشتی، نحوۀ تخصیص اعضای زنجیره به یکدیگر، بازگشایی‌کردن/نکردن سطوح زنجیرۀ مستقیم و معکوس (جمع‌آوری، تعمیر، مونتاژ) و مراکز بازسازی و ... را در هر دوره ارائه می‌کند.

از توسعه‌های بعدی این مدل، می‌توان به استفاده از تقاضای احتمالی همراه با پارامترهای فازی در مدل اشاره کرد. همچنین، می‌توان با افزودن هماهنگی میان اعضای یک زنجیرۀ تأمین، به سودآوری بیشتری برای همه اعضا دست یافت. علاوه بر این، به افزودن فرض‌هایی همچون چندکالایی بودن زنجیره و یا وجود ارتباط بین سطوح موازی توزیع‌کنندگان می‌توان توجه کرد. ضمن آنکه در حالت چندکالایی، قیمت‌های فروش متفاوتی را برای محصولات می‌توان در نظر گرفت. درنهایت، استفاده از توابع غیرخطی (با داده‌های واقعی) برای بیان رابطۀ سطح کیفیت و نرخ بازگشتی ازجمله موضوعات پیشنهادی برای پژوهش‌های بعدی است.



[i]. De Santi

[ii]. Richter

[iii]. Govindan

[iv]. Jaber and El-Saadany

[v]. BOM: Bill of Material

[vi]. Hasanov

[vii]. Petrovic

[viii]. Mawandiya, Jha and Thakkar

[ix]. Maiti and Giri

[x]. Giri and Sharma

[xi]. Benkherouf, Skouri and Konstantaras

[xii]. Bhattacharya, Kaur and Amit

[xiii]. Gendreau

[xiv]. Chhetri and Chan

[xv]. Guo, He and Gen

[xvi]. Mixed Integer Programming (MIP)

[xvii]. CPU (Central Processing Unit)

[xviii]. RAM (Random Access Memory)

 

 

 

 

 

 

پیوست الف: اطلاعات پارامترهای مسئله

جدول 1- الف: اندیس و مجموعه‌ها

اندیس و مجموعه‌ها

تعداد اعضا

I

2

J

3

i¢

3

 

10

 

4

 

جدول 2- الف: هزینه‌های تولید و تقاضا هر واحد کالا در هر دوره

10

9

8

7

6

5

4

3

2

1

T

1500

1500

1500

1500

1500

1500

1500

1500

1500

1500

Ct

6984

6345

7452

6750

6949

6182

9097

6154

8934

7827

Dt

 

جدول 3- الف: پارامترهای مرتبط با عناصر زنجیرۀ روبه‌جلو

2

1

i

30

25

 

65

60

 

300000

1500000

 

1000

6000

موجودی اولیه

 

جدول 4- الف: ظرفیت‌های و ضرایب بازگشتی

05/0

 

14000

NP

1/0

 

1000

 

2/0

 

1000

 

 

1000

 

 

جدول 5- الف: قیمت قطعات مختلف ارائه‌شده توسط تأمین‌کنندگان

K

 

4

3

2

1

380

600

110

150

1

J

350

500

100

100

2

300

400

90

80

3

جدول 6- الف: پارامترهای وابستۀ قطعات

4

3

2

1

k

4/8

3/13

5/2

4/3

 

10000

10000

10000

10000

 

1

1

1

1

 

20

60

10

10

 

1/0

3/0

1/0

2/0

 

7/0

8/0

95/0

95/0

 

 

جدول 7- الف: هزینۀ راه‌اندازی بخش‌های مختلف زنجیرۀ بازگشتی

3

2

1

i¢

70000

100000

50000

 

 

جدول 8- الف: کیفیت ارائه‌شده توسط تأمین‌کنندگان

3

2

1

j

1(C)

2(B)

3(A)

 

 

جدول 9- الف: پارامترهای دیگر

Dc

     

300

0

400

9600

 

Τ

   

1

2

6/0

2/0

 

 

- Benkherouf, L., Skouri, K., and Konstantaras, I. (2016). “Optimal Control of Production, Remanufacturing and Refurbishing Activities in a Finite Planning Horizon Inventory System”. Journal of Optimization Theory and Applications, 168(2): 677-698.
- Bhattacharya, R., Kaur, A., and Amit, R.K. (2018). “Price optimization of multi-stage remanufacturing in a closed loop supply chain”. Journal of Cleaner Production, 186: 943-962.
- De Santi, C., Dal Lago, M., Buffolo, M., Monti, D., Meneghini, M., Meneghesso, G., and Zanoni, E. (2015). “Failure causes and mechanisms of retrofit LED lamps”. Microelectronics Reliability, 55(9–10): 1765-1769.
- El Saadany, A.M., and Jaber, M.Y. (2010). “A production/remanufacturing inventory model with price and quality dependant return rate”. Computers and Industrial Engineering, 58(3): 352-362.
- El Saadany, A.M., and Jaber, M.Y. (2011). “A production/remanufacture model with returns’ subassemblies managed differently”. International Journal of Production Economics, 133(1): 119-126.
- El Saadany, A.M., Jaber, M.Y., and Bonney, M. (2013). “How many times to remanufacture?”. International Journal of Production Economics, 143(2): 598-604.
- Hesari, Z., and Hanifi, M.F. (2004). “Importance and necessity of developing the use of CFLs”, 19th International Power System Conference, Tavanir Org., Tehran, Iran.
- Hosseini, S.H., Roushan Milani, A., and Saba Vand Monfared, H. (2000). “Theoretical and experimental modeling of CFL usage in a distribution network”. Journal of Faculty of Engineering (University of Tabriz), 24: 13-25.
- Giri, B.C., and Sharma, S. (2016). “Optimal production policy for a closed-loop hybrid system with uncertain demand and return under supply disruption”. Journal of Cleaner Production, 112(3): 2015-2028.
- Guo, J., He, L., and Gen, M. (2019). “Optimal strategies for the closed-loop supply chain with the consideration of supply disruption and subsidy policy”. Computers and Industrial Engineering, 128: 886-893.
- Govindan, K., and Soleimani, H. (2017). “A review of reverse logistics and closed-loop supply chains: A Journal of Cleaner Production focus”. Journal of Cleaner Production, 142(1): 371-384.
- Hasanov, P., Jaber, M.Y., and Zolfaghari, S. (2012). “Production, remanufacturing and waste disposal models for the cases of pure and partial backordering”. Applied Mathematical Modelling, 36(11): 5249-5261.
- Jaber, M.Y., and El Saadany, A.M. (2009). “The production, remanufacture and waste disposal model with lost sales”. International Journal of Production Economics, 120(1): 115-124.
- Jaber, M.Y., and El Saadany, A.M. (2011). “An economic production and remanufacturing model with learning effects”. International Journal of Production Economics, 131(1): 115-127.
- Jeihoonian, M., Kazemi Zanjani, M., and Gendreau, M. (2017). “Closed-loop supply chain network design under uncertain quality status: Case of durable products”. International Journal of Production Economics, 183: 470–486.
- Maiti, T., and Giri, B.C. (2015). “A closed loop supply chain under retail price and product quality dependent demand”. Journal of Manufacturing Systems, 37(3): 624-637.
- Masoudipour, E., Amirian, H., and Sahraeian, R. (2017). “A novel closed-loop supply chain based on the quality of returned products”, Journal of Cleaner Production, 151: 344-355.
- Mawandiya, B.K., Jha, J., and Thakkar, J. (2017). “Production-inventory model for two-echelon closed-loop supply chain with finite manufacturing and remanufacturing rates”. International Journal of Systems Science: Operations and Logistics, 4(3): 199-218.
- Mirmohammadi, S.H., and Sahraeian, R. (2018). “A Novel Sustainable Closed-loop Supply Chain Network Design by Considering”. International Journal of Engineering; Transactions B: Applications, 31(11): 1918-1928.
- Moghaddam, K.S. (2015a). “Fuzzy Multi-Objective Model for Supplier Selection and Order Allocation in Reverse Logistics Systems under Supply and Demand Uncertainty”. Expert Systems with Applications, 42(15-16): 6237-6254.
- Moghaddam, K.S. (2015b). “Supplier selection and order allocation in closed-loop supply chain systems using hybrid Monte Carlo simulation and goal programming”. International Journal of Production Research, 53(20): 6320-6338.
- Niknejad, A., and Petrovic, D. (2014). “Optimisation of integrated reverse logistics networks with different product recovery routes”. European Journal of Operational Research, 238(1): 143-154.
- Richter, J.L., Tähkämö, L., and Dalhammar, C. (2019). “Trade-offs with longer lifetimes? The case of LED lamps considering product development and energy contexts”. Journal of Cleaner Production, 226: 195-209.
- Shahparvari, S., Chhetri, P., Chan C., and Asefi, H. (2018). “Modular recycling supply chain under uncertainty: a robust optimisation approach”. The International Journal of Advanced Manufacturing Technology, 96(1–4): 915–934.
- Shekarian, E., Udoncy-Olugu, E., Abdul-Rashid S.H., and Bottani, E. (2016). “A Fuzzy Reverse Logistics Inventory System Integrating Economic Order/Production Quantity Models”. International Journal of Fuzzy Systems, 18(6): 1141-1161
- Taleizadeh A.A., Haghighi, F., and Akhavan Niaki, S.T. (2019). “Modeling and solving a sustainable closed loop supply chain problem with pricing decisions and discounts on returned products”. Journal of Cleaner Production, 207, 163-181.