ترجمه مقاله مدل تصادفی رو به جلو – معکوس برای طراحی شبکه لجستیک (منطقی) تحت ریسک – سال 2010
مشخصات مقاله:
عنوان فارسی مقاله:
مدل تصادفی رو به جلو – معکوس برای طراحی شبکه لجستیک (منطقی) تحت ریسک
عنوان انگلیسی مقاله:
A stochastic model for forward–reverse logistics network design under risk
کلمات کلیدی مقاله:
زنجیره تامین، برنامه نویسی تصادفی، تخصیص محل، منطق معکوس، SMILP، مدل سازی
مناسب برای رشته های دانشگاهی زیر:
مهندسی صنایع
مناسب برای گرایش های دانشگاهی زیر:
لجستیک و زنجیره تامین، برنامه ریزی و تحلیل سیستم ها
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. توضیحات مدل
3. فرضیان مدل و محدودیت ها
4. مدل فرمول
4.1 تابع هدف
4.2 محدودیت ها
4.2 محدودیت ها
5. نتایج و بحث
5.1 تاثیر میانگین تقاضا
5.2 اثر نسبت بازگشت
6. نمونه
7. نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Attention with reverse logistics networks has increased during the last decade since their economic impact has been increasingly important and as environmental legislation has been becoming stricter. In this paper, A multi-period multi-echelon forward–reverse logistics network design under risk model is developed. The proposed network structure consists of three echelons in the forward direction, (suppliers, facilities and distribution centers) and two echelons, in the reverse direction (disassembly, and redistribution centers), first customer zones in which the demands are stochastic and second customer zones in which the demand is assumed to be deterministic, but it may also assumed to be stochastic. The problem is formulated in a stochastic mixed integer linear programming (SMILP) decision making form as a multi-stage stochastic program. The objective is to maximize the total expected profit.
1. Introduction
A reverse logistics network establishes a relationship between the market that releases used products and the market for ‘‘new” products. When these two markets coincide, then it is called a closed loop network, otherwise it is called an open loop network (Salema, Barbosa Póvoa, & Novais, 2007a). Very few optimization models for the design of supply chains with reverse flows are available in literature under uncertainty using scenarios to solve the model as uncertainty makes MILP models very hard to solve (Salema, Barbosa Póvoa, & Novais, 2005).
چکیده
توجه به شبکه های منطقی در طول دهه گذشته، از زمانی که اثر اقتصادی آن ها به شکل حائز اهمیتی افزایش یافته و با توجه به اینکه قوانین زیست محیطی سختگیرانه تر شده اند، بیشتر شده است. در این مقاله، یک طراحی شبکه منطقی چند مرحله ای (رده) جلو – معکوس تحت ریسک انجام شده است. ساختار شبکه پیشنهادی متشکل از سه رده در جهت رو به جلو (تامین کنندگان، امکانات و مراکز توزیع) و دو رده در جهت معکوس (امکانات و مراکز توزیع) می باشد، منطقه اولیه مشتری که تقاضا تصادفی بوده و سپس منطقه دوم که در آن تقاضا قطعی فرضی می گردد، اما ممکن است تصادفی نیز فرض گردد. مسئله در یک برنامه ریزی تصمیم گیری چند مرحله ای به صورت خطی عدد صحیح مختلط تصادفی فرموله شده است (SMILP). هدف به حداکثر رساندن سود مورد انتظار کل می باشد.
1. مقدمه
یک شبکه منطقی معکوس ارتباطی را میان بازار فراهم کننده محصولات دست دوم و محصولات جدید فراهم می آورد. هنگامی که این دو بازار با یکدیگر منطبق می شوند، آن را شبکه حلقه بسته می نامند در غیر این صورت به آن شبکه حلقه باز می گویند. (Salema, Barbosa Póvoa, & Novais, 2007a) تعداد بسیاری کمی از مدل های بهینه سازی زنجیره تامین با جریان معکوس به صورت غیرقطعی وجود دارند که از سناریوهایی به منظور حل مدل، با توجه به این که عدم قطعیت حل مدل های MILP را بسیار مشکل می سازد موجود دارند. (Salema, Barbosa Póvoa, & Novais, 2005).
