ارائه مدل زنجیره تامین با روش برنامه‌ریزی ریاضی به منظور بهینه‎سازی برنامه‎ریزی تولید و توزیع میوه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد مهندسی صنایع، دانشکده فناوری‌های صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایران

2 دانشیار گروه مهندسی صنایع، دانشکده فناوری‌های صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایران

3 استادیار گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه ارومیه، ارومیه، ایران

چکیده

توزیع سریع کالاهای فسادپذیر امروزه از اهمیت ویژه‎ای برخوردار بوده و از میان رفتن کیفیت این محصولات هزینه‎های بسیاری را ایجاد می‎کند. در این پژوهش، الگوی یکپارچه شبکه زنجیره تأمین با استفاده از روش برنامه‌ریزی ریاضی برای بهینه‌سازی برنامه تولید، ذخیره و توزیع میوه با هدف کاهش هزینه‌ها برای چند دوره ارائه شد. حلقه‌های ‌این زنجیره شامل تامین‌کنندگان، مراکز مرتب‌سازی، سردخانه‌ها، مشتریان میوه و مشتریان ضایعات میوه است. هدف، تعیین برنامه میزان خرید بهینه از تأمین‌کنندگان، میزان نگهداری شده در سردخانه‎ها و میزان توزیع بهینه آن می‌باشد که در نهایت باعث می‌شود هزینه کل زنجیره کمینه گردد. برای اعتبارسنجی مدل، مطالعه موردی محصول سیب در شهرستان‌های تولید کننده سیب در استان‌های آذربایجان غربی و شرقی در سال 1398 استفاده شد. با توجه به الگوی بهینه پیشنهادی، تصمیمات بهینه در مورد میزان بهینه خرید و حمل از تامین‌کننده به مکان مرتب‌سازی و حمل به مشتریان ضایعات، مقدار بهینه موجودی سردخانه و مکان بهینه احداث مراکز مرتب‌سازی اتخاذ شد. نتایج عددی نشان داد که محل‌های بهینه برای احداث مراکز مرتب‌سازی میوه در شهر ارومیه خواهد بود. طبق نتایج تحلیل حساسیت، با افزایش 10 تا 80 درصدی تقاضای میوه، هزینه‌های کل از 8 تا 18 درصد افزایش می یابد. همچنین با افزایش 2 تا 15 درصدی هزینه‌های حمل و نقل، هزینه‌های کل تغییر کم از 0.04 تا 0.11 درصد را نشان می‌دهد.

کلیدواژه‌ها


  1. Amorim, P., Günther, H. O., & Almada-Lobo, B. (2012). Multi-objective integrated production and distribution planning of perishable products. International Journal of Production Economics, 138(1), 89-101.
  2. Anousha G. Didehkhani H., & Sharif SH. M., (2019). Introducing an Entrepreneurial Supply Chain Conceptual Model with Emphasis on Technology in Dairy Industry: Fuzzy Delphi Approach. Iranian Journal of Agricultural Economics and Development Research, 50 (2), 803-817. (In Farsi).
  3. Babazadeh R., Razmi J., & Ghodsi R. (2012). Supply chain network design problem for a new market opportunity in an agile manufacturing system. Journal of Industrial Engineering International, 8 (1), 1-8.
  4. Coelho, L. C., & Laporte, G. (2014). Optimal joint replenishment, delivery and inventory management policies for perishable products. Computers & Operations Research, 47, 42-52.‏
  5. dabbagh, R., Khoshsirat, M., Bozorgi Amiri, A. (2018). Presenting the Relief Items Procurement Model under Multi-attribute Reverse Auction Using a Fuzzy Multi-objective Programming Approach. Iranian Journal of Trade Studies, 22(86), 189-218.
  6. Dabbagh, R., Aga poor asbag, S. (2020). A Suitable Decision-Making Approach to Select Green Manufacturing Practices for Bonab Sanat Steel Complex. Journal of Industrial Engineering Research in Production Systems, 8(16), 57-75.
  7. Khoshsirat, M., dabbagh, R., Bozorgi-Amiri, A. (2018). Modeling the bidding approach and its application for the procurement of relief items. Iranian Journal of Trade Studies, 22(87), 67-100.
  8. Khoshsirat, M., Dabbagh, R., & Bozorgi-Amiri, A. (2021). A multi-objective robust possibilistic programming approach to coordinating procurement operations in the disaster supply chain using a multi-attribute reverse auction mechanism. Computers & Industrial Engineering, 107414.
  9. Gholamian, M. R., & Taghangzadeh, A. H., (2018). An Integrated Bread Flour Supply Chain Model Considering Import, Storage, Production and Distribution Planning. Iranian Journal of Agricultural Economics and Development Research, 50(1), 65-78. (In Farsi).
  10. Hajimirzajan, A., Pirayesh, M.A. & Dehghanian, F. (2015). Developing a Supply Chain Planning Model for Perishable Crops. Journal of Production and Operations Management, 6(1), 35-60. (In Farsi).
  11. Huang S. H., Sheoran S. K. & Keskar H. (2005). Computer-assisted supply chain configuration based on supply chain operations reference (SCOR) model. Computers and Industrial Engineering, 48(2): 377-394.
  12. Mirmajlesi, S. R., & Shafaei, R. (2016). An integrated approach to solve a robust forward/reverse supply chain for short lifetime products. Computers & Industrial Engineering, 97, 222-239.‏
  13. Mousavi, S.M., Alikar, N., Akhavan Niaki, S. T., & Bahreininejad, A. (2015) Optimizing a location allocation-inventory problem in a two-echelon supply chain network: A modified fruit fly optimization algorithm. Computers & Industrial Engineering, 87, 543-560.
  14. Nakandala D., Lau H., & Zhang J. (2016) Cost-optimization modelling for fresh food quality and transportation. Industrial Management & Data Systems, 116(3), 564-583.
  15. Soto-Silva W.E., González-Araya M.C., Oliva-Fernández M.A., Plà-Aragonés L.M. (2017) Optimizing fresh food logistics for processing: Application for a large Chilean apple supply chain. Computers and Electronics in Agriculture, 136, 42-57.
  16. Van Elzakker, M. A. H., Zondervan, E., Raikar, N. B., Hoogland, H., & Grossmann, I. E. (2014). Optimizing the tactical planning in the Fast-Moving Consumer Goods industry considering shelf-life restrictions. Computers & Chemical Engineering, 66, 98-109.

Velychko, O. (2014). Integrated modeling of solutions in the system of distributing logistics of a fruit and vegetable cooperative. Business: Theory and Practice, 15(4): 362-370