کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6855887 1437694 2018 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel robust fuzzy stochastic programming for closed loop supply chain network design under hybrid uncertainty
ترجمه فارسی عنوان
برنامه ریزی تصادفی جامع فازی برای طراحی شبکه های زنجیره تامین بسته بندی شده تحت عدم اطمینان هیبریدی
کلمات کلیدی
ترجمه چکیده
در محیط کسب و کار امروز، اهمیت بالا بردن مزایای اقتصادی و اثرات زیست محیطی از استفاده از محصولات ضایعات، بیشتر شرکت ها را به طراحی شبکه زنجیره تامین عرضه حلقه متصل می کنند. در این مقاله مسئله طراحی شبکه شبکه زنجیره تامین بسته به عدم قطعیت هیبرید در نظر گرفته می شود، در حالی که برای اغلب پارامترها دو منبع عدم قطعیت وجود دارد، بنابراین نیاز به تقویت استحکام تصمیم است. اولین منبع این است که برخی از پارامترهای نامشخص ممکن است براساس سناریوهای آینده باشند که براساس احتمال وقوع آنها محاسبه می شود. منبع دوم این است که ارزش این پارامترها در هر سناریو معمولا نامشخص است و می تواند با توزیع های احتمالی مشخص شود. در این مورد، بهترین تصمیم قوی دارای خواص اضافی در رابطه با میانگین و متغیر عملکرد تابع هدف است. ما دو نوع متغیر را با نام متغیر سناریو و متغیر احتمالی معرفی کردیم. نظریه احتمالی برای انتخاب یک راه حل در چنین مشکل استفاده می شود و یک رویکرد قوی برنامه ریزی تصادفی تصادفی فیزیکی پیشنهاد شده است که مزایای قابل توجهی دارد. عملکرد مدل پیشنهادی نیز با مدل های دیگر در شرایط میانگین و متغیر با شبیه سازی مقایسه می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
برنامه ریزی تصادفی جامع فازی برای طراحی شبکه های زنجیره تامین بسته بندی شده تحت عدم اطمینان هیبریدی
چکیده انگلیسی
In today's business environments, the high importance of economic benefits and environmental impacts of using scrapped products has caused most companies to move to designing the closed loop supply chain network. This paper considers the closed loop supply chain network design problem under hybrid uncertainty, while there are two sources of uncertainty for most parameters, thus require fortifying of the robustness of the decision. The first source is that some uncertain parameters may be based on the future scenarios which are considered according to the probability of their occurrence. The second source is that the values of these parameters in each scenario are usually imprecise and can be specified by possibilistic distributions. In this case, the best robust decision has some additional properties in terms of mean value and variability of the objective function. We introduced two types of the variability named scenario variability and possibilistic variability. Possibility theory is used to choose a solution in such a problem and a novel robust fuzzy stochastic programming approach is proposed that has significant advantages. The performance of the proposed model is also compared with that of other models in term of the mean cost and variability by simulation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Fuzzy Sets and Systems - Volume 341, 15 June 2018, Pages 69-91
نویسندگان
, , , ,