بکارگیری الگوریتم ژنتیک برای بهینه سازی میزان انتشار گازهای گلخانه ای حاصل از حمل و نقل و هزینه های زنجیره تامین سرد

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

دوره 15، شماره 53، آبان 1399، صفحه 135-153   

نوع مقاله: مقاله پژوهشی

نویسندگان

رسول رضایی¹؛ داود قراخانی^{* 2}؛ رضا احتشام راثی³

¹گروه مدیریت صنعتی ، واحد قزوین، دانشگاه آزاد اسلامی ، قزوین ، ایران.

²استادیار گروه مدیریت صنعتی ، واحد قزوین، دانشگاه آزاد اسلامی ، قزوین ، ایران.

³استادیار، دانشگاه آزاد اسلامی، واحد قزوین، گروه مدیریت صنعتی، قزوین، ایران

چکیده

زنجیره تامین سرد با توجه به مصرف انرژی بالا و نشت گازهای مبرد، سطوح بالایی از انتشار گازهای گلخانه ای را به همراه دارد و یکی از بزرگترین انتشار دهنده های کربن است. در زنجیره تامین سرد محصولات باید در دمای پایین و نزدیک یا زیر نقطه انجماد ذخیره شوند؛ برای این منظور از انبارهای سردخانه ای و کامیون‏های یخچال دار ضروری است، بنابراین این پژوهش به طراحی یک مدل تصمیم‌گیری چند هدفه خطی مدیریت زنجیره تامین سرد می پردازد که هدف آن کاهش هزینه کلی زنجیره تامین، شامل هزینه‏های ظرفیت، حمل و نقل، موجودی و نیز هزینه‏های مربوط به تاثیر گرم شدن کره زمین به دلیل انتشار گازهای گلخانه ای است‏. جهت تحلیل مسئله تحقیق، یک مدل ریاضی در زمینه بهینه‏سازی زنجیره تامین سرد طراحی شده و برای حل این مسئله از الگوریتم ژنتیک استفاده شده است. نتایج تابع اول تحقیق نشان می‌دهد که مدل در حالت ‌تعداد مشتری بالا ‌و هنگامی که تعداد توزیع کننده با تعداد تولید کننده برابر می باشد، بهترین حالت ممکن است. از تحلیل تابع دوم نتیجه گرفته می شود که کاهش زمان ترمیم تسهیلاتی در حداقل نمودن تابع نخست، کاهش هزینه ها و کاهش انتشار گازهای گلخانه ای موثر است. بنابراین با توجه به مطالب بیان شده و نیز نتایج بدست آمده در این تحقیق، می‌توان عنوان نمود که با بهینه سازی وسایل نقیله و نیز استفاده مناسب از تعداد بهینه‌ای از وسایل حمل و نقل می توان انتظار داشت که آلودگی و تکثیر گازهای گلخانه ای به حداقل ممکن برسد.

کلیدواژه‌ها

مدیریت زنجیره تامین سرد؛ مدل تصمیم‏گیری چند هدفه؛ گازهای گلخانه ای؛ الگوریتم ژنتیک

مراجع

1. Apte, A. (2010).  Supply Chain Networks for Perishable and Essential Commodities: Design and Vulnerabilities. Operations and Supply ChainManagement, 3(2), 26-43.
2. Benjaafar, S., Li, Y., Daskin, M. (2013). Carbon footprint and the management of supply chains: insights from simple models. IEEE Trans. Autom. Sci. Eng. 10 (1), 99-116.
3. Bojarski .A. D., J. Lainez .M, Espun˜a .A, Puigjaner, L. (2009). Incorporating environmental impacts and regulations in a holistic supply chains modeling: An LCA approach. Comp. & Chem. Engg, 33(10), 1747– 1759.
4. Bouchery .Y, Ghaffari .A, Jemai. Z, Tan, T. (2017). Impact of coordination on costs and carbon emissions for a two-echelon serial economic order quantity problem. European Journal of Operational Research, 260(2),520-533.
5. Bozorgi, A., Zabinski, J., Pazour, J., Nazzal, D. (2016). Cold Supply Chains and Carbon Emissions: RecentWorks and Recommendations.Working paper, accessed Sept.
6. Bradford. J, E.D.G. Fraser. (2008). Local authorities, climate change and small and medium enterprises: Identifying effective policy instruments to reduce energy use and Carbon Emissions. Corporate Social Responsibility and Environmental Management, 15(3),156–172.
7. Chen, X., Benjaafar, S., Elomri, A. (2013). the carbon-constrained EOQ. Oper. Res. Lett., 41 (2), 172–179.
8. Diabat. A, Al-Salem. M. (2015). An integrated supply chain problem with environmental considerations. International Journal of Production Economics, 164, 330-338.
9. Govindan, K., Jafarian, A., Khodaverdi, R., Devika, K., (2014).  Twoechelon  multiple-vehicle  location–routing  problem  with  time  windows for  optimization  of  sustainable  supply  chain  network  of  perishable food. Production Economics, 152, 9-28.
10. Hariga M. As'ad, R. Shamayleh, A. (2017). Integrated economic and environmental models for a multi stage cold supply chain under carbon tax regulation. Journal of Cleaner Production, 166 (2017), 1357-1371.
11. Hoen, K., Tan, T., Fransoo, J., Van Houtum, G. (2014). Effect of carbon emission regulations on transport mode selection under stochastic demand. Flex Serv. Manuf. J., 26, 170-195.
12. Jaber, M., Glock, C., El Saadany, A. (2013). Supply chain coordination with emissions reduction incentives. Int. J. Prod. Res., 51, 69-82.
13. James, S.J., James, C. (2010). The food cold-chain and climate change. Food Res. Int., 43(7), 1944-1956.
14. Kuo J. C, Chen M.C. (2010). Developing an advanced Multi-Temperature Joint Distribution System for the food cold chain. Food Control, 21(4): 559-566.
15. Lan, W., Ya, Z. Z. (2008). A Research on Related Questions of Chinese Food Cold Chain Development. International Conference on Management of e-Commerce and e-Government, Jiangxi, China, pp.18 – 21.
16. Mallidis, I., Dekker, R., Vlachos, D., (2012). The impact of greening on supply  chain  design  and  cost:  a  case  for  a  developing  region. Transport Geography, 22, 118–128.
17. Modak N.M, Ghosh D.K, Panda S, Sana S.S, (2017).  Managing  greenhouse  gas  emission  cost  and  pricing  policies  in  a  two-echelon  supply chain,  NULL, http://dx.doi.org/10.1016/j.cirpj.2017.08.001.
18. Montanari. R., (2008). Cold chain tracking: a managerial perspective. Trends in Food Science & Technology, 19(8), 425-431.
19. Qi. Q, Wang .J, Bai .Q. (2017). Pricing decision of a two-echelon supply chain with one supplier and two retailers under a carbon cap regulation. Journal of Cleaner Production, 151, 286-302.
20. Ramudhin. A, Chaabane .A, Kharoune. M, Paquet .M, (2008). Carbon market sensitive green supply chain network design. IEEE Int. Conf. Indust. Engg. And Engg. Mgmt., pp. 1093–1097.
21. Rong, A., Akkerman, R., Grunow, M. (2011). An optimization approach for managing fresh food quality throughout the supply chain. ProductionEconomics, 131, 421-429.
22. Saif, A., Elhedhli, S. (2016). Cold supply chain design with environmental considerations: a simulation-optimization approach. Eur. J. Oper. Res. 251, 274-287.
23. Salin V, Nayga R. M. (2003). A cold chain network for food exports to developing countrie. International Journal of Physical Distribution& Lgistics Management, 33(10), 918-933.
24. Shabani, A., Torabipour, S.M.R., Farzipoor Saen, R. (2011). Container Selection in the Presence of Partial Dual-Role Factors. International Journal of Physical Distribution & Logistics Management, 41(10), 991 - 1008.
25. Wang .F, Lai .X, Shi .N, (2011). A multi-objective optimization for green supply chain network design. Decision Support Systems, 51 (2) 262 – 269.
26. Xin H., Ruhe X., Guanghai L. (2009). Analysis on Temperature Field of Refrigerated Car in Cold Chain Logistics.Measuring Technology and Mechatronics Automation International Conference, Zhangjiajie, pp.673-676.
27. Xu. J, Chen .Y, Bai. Q. (2016). A two-echelon sustainable supply chain coordination under cap-and-trade regulation. Journal of Cleaner Production, 135 (1), 42-56
28. Yakavenka, V. Mallidis, I. Siamas, I. Vlachos, D. (2016). A Decision Support System for Cold SupplyChain Network Design. 11^th MIBES Conference – Heraklion, Crete, Greece, 22-24 June 2016.
29. Yang. L, Zhang. Q, Ji .J. (2017). Pricing and carbon emission reduction decisions in supply chains with vertical and horizontal cooperation. International Journal of Production Economics, 191, 286-297.