25243

مدل چند هدفه استوار چند دوره‌اي براي برنامه‌ريزي بازتوليد محصولات در حالت عدم قطعيت در كيفيت و زمان‌بندي (مطالعه موردي شركت سازه پويش)

كارشناسي ارشد

مهندسي صنايع

1397-1400

1400/06/13

احمد ماكوئي

مهندسي صنايع

افزايش روز افزون جمعيت، توليد انواع كالاها، پيشرفت سريع فناوري، كوتاه‌تر شدن چرخه عمر محصول‌ها، رها سازي محصولهاي مستعمل و ضايعات در پايان عمرشان در محيط‌ زيست در دهههاي اخير با سرعت قابل توجهي رو به افزايش ‌است. حال به دنبال نگراني‌هاي محيط‌زيستي، كاهش منابع و ظرفيت‌هاي دفن زباله در بسياري از كشورها، فعاليت‌هايي از جمله زنجيره‌هاي تامين حلقه بسته، بازيافت و بازتوليد مورد توجه روزافزون قرار گرفته است. بازتوليد، رساندن كيفيت محصولات استفاده‌شده به سطح استانداردهاي كيفيت محصولات جديد است. بازتوليد با تمركز بر بازيابي ارزش افزوده به جاي بازيابي مواد (بازيافت)، شكل جديدي از استفاده مجدد را نشان مي‌دهد كه نه تنها ارزش كالاي مستعمل را به چيزي بيش از ارزش مواد اوليه آن باز مي‌گرداند، بلكه هزينه‌هاي توليد و انرژي را نيز به شكل قابل توجهي كاهش مي‌دهد. هدف پژوهش حاضر، بررسي حوزه بازتوليد به دليل مزاياي اقتصادي، اجتماعي و زيست‌محيطي عظيمي است كه از آن به جاي توليد محصولات جديد يا بازيافت آن‌ها به‌دست‌ مي‌آيد. به اين منظور، در اين پژوهش يك مدل رياضي چند هدفه استوار چند دوره‌اي براي برنامه‌ريزي بازتوليد محصولات در حالت عدم قطعيت در كيفيت و زمان‌بندي ارايه شده است. اين مدل، سيستم تركيبي عمليات توليد و بازتوليد را به صورت برنامه‌ريزي خطي مختلط با اعداد صحيح با عدم قطعيت‌هاي تصادفي و برنامه‌ريزي استوار سناريو محور مورد بررسي قرار مي‌دهد. الگوريتم ژنتيك با مرتب‌سازي نامغلوب (NSGA-II) به منظور حل مساله انتخاب گرديده و با استفاده از داده‌هاي آزمايشي 16 مثال در اندازه‌هاي كوچك و متوسط با روش قيد اپسيلون و الگوريتم بهينهسازي ذرات چند هدفه (MOPSO) با به‌كارگيري سه معيار تعداد پاسخ‌هاي موجود در جبهه پارتو، پوشش‌دهي و فاصله توزيعي مقايسه شدند. پس از تشخيص عملكرد مطلوب الگوريتم ژنتيك، به بررسي يك مطالعه موردي در اندازه بزرگ اقدام شد. در انتها پارامترهاي مدل رياضي ارائه‌شده با استفاده از روش تحليل حساسيت مورد بررسي قرار گرفت تا از يك طرف كارايي مدل ارزيابي شود و از طرف ديگر پيشنهادهاي مناسب در صورت تغيير پارامترها به مديران زنجيره تامين ارائه گردد.

1400/06/29

A multi-stage robust multi-objective model for remanufacturing planning under uncertain quality and schedule (case study of Sazeh Pouyesh Company)

1/1/1900 12:00:00 AM

The augmentation of population, production of various goods, rapid technological advancement, shortening of products’ life cycles, growth of used products and abandoning waste in the environment are happening swiftly in recent decades. Following environmental concerns, declining resources and disposal centers in many countries, activities such as closed-loop supply chains, recycling and remanufacturing have become increasingly needed. Remanufacturing is making the quality of used products to the level of the quality standards of new products. Remanufacturing with a focus on value-added recovery rather than material recovery (recycling), showed a form of reuse that not only brings back the value of the used products to companies more than the value of raw materials, but also significantly reduces the cost of production and energy. The aim of the present study is to investigate the field of remanufacturing due to the huge economic, social and environmental benefits from which it is obtained instead of manufacturing new products or recycling them. For this purpose, in this research, a multi-echelon robust multi-objective mathematical model for remanufacturing planning under uncertain quality and scheduling is presented. This model examines the Hybrid system of manufacturing and remanufacturing operations in the form of a mixed-integer linear programming, which is a NP-Hardness (Non-Deterministic Polynomial-Time Hardness) problem, and exact solving methods and commercial solvers are not able to solve the problem on a large scale. Therefore, nondominated Sorting Genetic Algorithm II (NSGA-II) was used to solve the problem on a larger scale. This problem was solved using experimental data of 16 examples in small and medium sizes using solving algorithms of Gams software and genetic algorithm. ɛ-Constraint method with NSGA-II and Multi-Objective Particle Swarm Optimization (MOPSO) as meta-heuristic algorithms were compared to each other with different dimensions of the problem using three criteria: Number of Pareto Solutions (NPS), Coverage Metric (CM) and distribution distance. After determining the optimal performance of the genetic algorithm, a large scale case study was examined. The results obtained by solving different examples were evaluated and analyzed. The results showed that NSGA-II had an acceptable performance against Gams software in solving small and medium size examples. On the other hand, the results show that NSGA-II performed better than MOPSO in terms of all three benchmarks. Finally, the parameters of the proposed mathematical model were examined using the sensitivity analysis method to evaluate the efficiency of the model and to provide appropriate suggestions to supply chain managers if the parameters change.

بازتوليد , زنجيره‌ تامين حلقه‌بسته , سيستم تركيبي توليد و بازتوليد , عدم قطعيت , بهينه‌سازي استوار

Remanufacturing , Closed-Loop Supply Chain , Hybrid System of Remanufacturing and Manufacturing , Uncertainty , Robust Optimization