طراحی شبکه زنجیره تامین زیست دیزل با در نظر گرفتن عوامل محیط زیستی تحت شرایط عدم قطعیت و حل آن با استفاده از الگوریتم MOPSO

مقاله پژوهشی

علوم و تکنولوژی محیط زیست، دوره بیست و پنجم، شماره سه، خرداد ماه 1402(13-27)

طراحی شبکه زنجیره تامین زیست دیزل  با در نظر گرفتن عوامل محیط زیستی تحت شرایط عدم قطعیت و حل آن با استفاده از الگوریتم MOPSO

غلامرضا جندقی [1] ^*

Jandaghi@ut.ac.ir

  محمد رضا فتحی [2]

محمد حسن ملکی [3]

میثم مولوی[4]

چکیده

زمینه و هدف: افزایش نگرانی‌ها در مورد انرژی و انتشار گازهای گلخانه‌ای حاصل از مصرف سوخت‌های فسیلی بسیاری از محققان را برآْن داشته است تا در توسعه‌ منابع انرژی های تجدیدپذیر نقش داشته باشند. سوخت زیستی می‌تواند نقش مهمی در این زمینه داشته باشد. هدف اصلی این مقاله ارایه یک مدل برنامه ریزی ریاضی برای شبکه زنجیره تامین زیست توده است.

روش بررسی: محققین از طریق مطالعات کتابخانه ای و تهیه پرسش نامه به برآورد پارامترهای دارای عدم قطعیت و داده های مرتبط با آن پارامترهای مورد نظر پرداخته و سپس از طریق مصاحبه، نظرات خبرگان در مورد حدود و شکل تغییرات پارامترهای مورد نظر تصمیم گیری را جمع اوری کرده است. سپس یک مدل برنامه ریزی عدد صحیح مختلط چند هدفه فازی که به دنبال حداقل کردن هزینه ها، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری در یک زنجیره تامین زیست توده می باشد، ارایه کرده است.

یافته ها: پس از حل مدل، مقادیر سه تابع هدف حداقل کردن هزینه کل، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری به ازای مقادیر مختلف درجه برقراری محدودیت به دست آمدند. براساس نتایج به دست آمده، دو تابع هدف اقتصادی و محیط زیستی با یکدیگر در تضاد هستند. به این معنا که حرکت هر یک به سمت مطلوب مستلزم حرکت تابع هدف دیگر به سمت نامطلوب خواهد بود.

بحث و نتیجه گیری: در این پژوهش مدل برنامه ریزی ریاضی پیشنهادی با الگوریتم MOPSO حل شده است که نتایج آن نشان دهنده مکان و ظرفیت تسهیلات، میزان تولید زیست دیزل و گلیسرین، میزان روغن استخراج شده جاتروفا و روغن پسماند تصفیه شده می باشند.

واژه های کلیدی: طراحی شبکه زنجیره تامین، برنامه ریزی چند هدفه فازی، زیست دیزل، الگوریتم فراابتکاری.

Designing a Biodiesel Supply Chain Network by Considering Environmental FactorsUnder Uncertainty Conditions and solving it with the MOPSO algorithm

Gholamreza Jandaghi ^{[5] *}

Jandaghi@ut.ac.ir

Mohammad Reza Fathi ^[6]

Mohammad Hasan Maleki [7]

Meysam Molavi [8]

Abstract

Background and Objective: Increasing concerns about energy and greenhouse gas emissions from fossil fuel consumption have encouraged many researchers to be involved in developing sources of renewable energies. Biodiesel derived from biomass can play a crucial role in this context. The main objective of this paper is to present a mathematical programming model for the biomass supply chain.

Material and Methodology: Researcher through library research and preparing a questionnaire to estimate parameters and data associated with the uncertainty of parameters and then through interviews, expert opinions about the limits and changes to the decision-making parameters have collected. Then a fuzzy multi-objective mixed integer programming model is presented that model to minimize costs, minimize environmental impact and minimize the time of delivery of product in Biodiesel Supply Chain.

Findings: After running the model, increasing objective function is to minimize the total cost, minimize environmental impact and minimizing the time the product reaches the customer contact temperature limits for different values were obtained.

Discussion and Conclusion: In this study, the proposed mathematical programming model is solved with the MOPSO algorithm. The results indicate the location and capacity of the facility, the amount of biodegradable and glycerin production, and the amount of extracted Jatropha oil and refined waste oils.

Key words: Supply Chain Network Design, Fuzzy Multi-Objective Programming, Biodiesel, Meta-Heuristic Algorithm.

مقدمه

رشد جمعیت، تغییر سبک زندگی و بالا رفتن استانداردهای زندگی انسان همگی سبب افزایش مصرف انرژی در دنیا، به ویژه در کشورهای صنعتی شده‌اند. در سالهای اخیر، سیستم‌های تولید انرژی زیستی بعنوان بخشی از راه حل این مسئله توجه زیادی را جلب کرده‌اند زیرا می‌توانند جانشین‌های مناسبی برای سیستم های تولید انرژی سنتی باشند که علاوه بر محدود بودن و غیرقابل تجدیدپذیری با مسائل زیستی محیطی نیز مرتبط هستند (1). با جایگزینی سوخت های پاک و مکمل های زیستی، تولید انرژی با هزینه های محیط زیستی کمتر صورت پذیرد. در این راستا پیشنهاد می گردد از مکمل سوخت زیستی استفاده شود که از منابع تجدید پذیر و ضایعاتی تولید می گردد که نه تنها باعث کاهش آلاینده های زیست محیطی می گردد بلکه باعث افزایش طول عمر دیزل ها و کاهش هزینه های نگهداری می شود. بیو دیزل یک سوخت پاک است که از منابع طبیعی و قابل تجدید مانند روغن‌های پسماند خوراکی تولید می‌شود. کشورهای آسیایی و آفریقایی عمدتاً در نواحی مجاور استوایی می باشند و  بهترین مناطق برای تولید دانه‌های روغنی می باشند و دارای دشت های وسیعی از کرچک و جاتروفا هستند که دو گیاه عمده برای تولید بیودیزل می باشد و مصارف حیوانی و انسانی ندارند و به طور وسیع برای تولید بیودیزل به کار می روند از این رو، آسیا و آفریقا بیشترین پتانسیل را برای تولید بیودیزل دارا می باشند. طراحی شبکه زنجیره تأمین یکی از مهم ترین و اساسی ترین تصمیمات استراتژیکی می باشد و عبارت است از تعیین مکان و تعداد تسهیلات موجود در شبکه، موجودی هر تسهیل و کمیت جریان ارسالی بین آنهاست.  هدف از طراحی شبکه زنجیره تأمین علاوه بر مکان یابی تسهیلات، حداقل کردن هزینه هایی مانند خرید، تولید، حمل ونقل و غیره نیز می باشد (2). طراحی شبکه زنجیره تامین سعی در شناسایی بهترین ساختار برای زنجیره تامین را دارد. یک طراحی مناسب بایستی بتواند سازمان را به عملکرد بلندمدت خود برساند. در حقیقت نبرد اصلی در بازارها و تنوع ترجیحات مشتریان در کنار توسعه سریع تکنولوژی و جهانی سازی، سازمان ها را وادار کرده است که به عنوان عضوی از زنجیره تامین کار کنند. عملیات زنجیره تامین و لجستیک بخشی از فعالیت های مهم اقتصادی امروز هستند و برای رقابت در کسب و کار حیاتی می باشند. طراحی شبکه زنجیره تامین پایه ای ترین تصمیم در مدیریت زنجیره تامین است که تمام تصمیمات زنجیره تامین را یکپارچه می کند و اثری قابل توجه بر روی بازگشت سرمایه و عملکرد کلی در زنجیره دارد (3). هدف از این پژوهش، ارائه یک مدل طراحی شبکه زنجیره تامین زیست دیزل با در نظر گرفتن معیارهای زیست محیطی است.

پیشینه پژوهش

در این بخش، برای نشان دادن کاستی‌های تحقیقات قبلی و مشخص کردن اهمیت تحقیق کنونی برخی از مقالات مورد ارزیابی قرار گرفته‌اند. مورو و همکاران^[9] (4) یک مدل برنامه‌ریزی خطی را برای تعیین مکان‌های بهینه‌ی پالایشگاه‌های زیستی در یک زنجیره تأمین پیشنهاد نمودند که اتانول زیستی را از علف جایگزین و ذرت در ایالات متحده تولید می‌کند.  رن و همکاران^[10] (5) مدلی را برای طراحی زنجیره تأمین اتانول زیستی پایدار ارائه دادند که در آن مواد اولیه متعدد زیست توده، فناوری های تولید، روش‌ها و الگوهای حمل ‌و نقل و روش‌های دفع همگی امکان‌پذیر بودند. در این مدل محدودیت‌های معینی وجود دارند که بر تابع هدف تأثیر می‌گذارند. قابل ذکر است که هدف تابع هدف کمینه سازی کل اثرات زیست محیطی است. شارما و همکاران^[11] (6) نیز یک مدل برنامه ریزی خطی چند مرحله‌ای مبتنی بر سناریو را برای بهینه‌سازی طراحی یک زنجیره تأمین سوخت زیستی تحت شرایط جوی نامطمئن پیشنهاد کردند. تانگ و همکاران (7) برای طراحی یک زنجیره تأمین سوخت زیستی هیدروکربنی پیشرفته یکپارچه با پالایشگاه‌های نفت موجود یک مدل برنامه ریزی عدد صحیح امیخته چندمرحله‌ای را پیشنهاد دادند. به منظور مواجهه با پارامترهای نامشخص، آنها یک رویکرد برنامه‌ریزی احتمالی را ارائه کردند که در آن معیارهای امکانسنجی، ضرورت و اعتبارسنجی براساس ترجیحات تصمیم گیرندگان اعمال شده اند. بایرام‌زاده و همکاران (8) برای طراحی یک زنجیره تأمین اتانول زیستی پایدار تحت شرایط عدم قطعیت های متعدد یک مدل  برنامه ریزی عدد صحیح امیخته چند هدفه را توسعه دادند. بعلاوه، آنها یک رویکرد برنامه‌ریزی احتمالی قوی چند هدفه جدید را برای در نظر گرفتن عدم قطعیت داده‌های مسئله توسعه دادند.  بابازاده و همکاران (9) یک مدل برنامه‌ریزی احتمالی چند هدفه را برای طراحی نسل دوم زنجیره تأمین زیست دیزل تحت شرایط ریسک توسعه دادند. در این مقاله، با تعریف میانگین احتمالی و انحرف مطلق اعداد فازی، فرمول جدیدی از روش برنامه ریزی احتمالی توسعه یافته است.  تانگ و همکاران (10) یک مدل برنامه ریزی عدد صحیح امیخته چند مرحله ای تصادفی را برای مقابله با عدم اطمینان و پویایی دسترس پذیری زیست توده، قیمت سوخت زیستی، تقاضای نفت خام و فناوری تولید پیشنهاد نمودند. زنجیره‌های تأمین سوخت های زیستی پیشرفته هزینه‌های حمل ونقل را حداقل می‌کنند و برای تسهیلات گازسیون نفت زیستی دارای مزیت صرفه‌جویی به مقیاس هستند. سینگ و همکاران (11) یک مدل برنامه ریزی عدد صحیح امیخته با توابع جعبه سیاه را برای طراحی زنجیره تأمین اتانول زیستی در بازارهای رقابتی ذرت ارائه نمودند. برای حل مسئله‌ی بهینه‌سازی پیشنهادی، آنها یک الگوریتم ژنتیک را طراحی نمودند.

تعریف مساله

مسئله مورد بررسی در این تحقیق، طراحی شبکه زنجیره تامین زیست دیزل می باشد. منظور از طراحی شبکه این است که سعی داریم برای شرکتی که هم اکنون به تولید این محصولات می پردازد به خاطر افزایش تقاضا در محصولات، شبکه زنجیره تامین جدید، بهینه و گسترده تری را طراحی کنیم. شبکه زنجیره تامین ممکن است در برخی از تحقیقات برای محصولاتی طراحی گردد که تاکنون تولید نشده اند و یا این که هنوز مرکز تولیدی برای تولید این محصولات وجود نداشته باشد. در مسئله این تحقیق، طراحی شبکه با در نظر گرفتن اهداف اقتصادی و زیست محیطی در جهت تحقق استراتژی سازمان و کسب رضایت ذینفعان عمل می نماید. مساله این تحقیق، طراحی شبکه چند محصولی و چند دوره ای می باشد که در ابتدا دانه های جاتروفا از مراکز کشت و روغن های استفاده شده از شهرهای مختلف، جمع اوری شده و به ترتیب به مراکز استخراج روغن جاتروفا و مراکز تصفیه روغن­های استفاده شده انتقال می یابند. در این زنجیره، روغن جاتروفا با به کارگیری فناوری پرس سرد از دانه های جاتروفا استخراج می گردند و روغن های استفاده شده توسط فیلترینگ های مناسب تصفیه می گردند. سپس روغن های استخراج و تصفیه شده به مراکز پالایش بیودیزل انتقال یافته و با پردازش های صورت گرفته به محصولات زیست دیزل و گلیسرین تبدیل می گردند. محصولات زیست دیزل و گلیسرین به مراکز توزیع منتقل می شوند و در نهایت هر کدام از محصولات از مراکز توزیع به مراکز مشتری زیست دیزل و گلیسرین انتقال می یابند. کلیه نقل و انتقالات بین مراکز از طریق وسایل نقلیه سنگین مختلف که هر کدام میزان آلایندگی متفاوتی دارند صورت می گیرد. مواد اولیه در نظر گرفته شده در این زنجیره، جز مواد اولیه غیر قابل خوردن می باشند که فقط برای تولید زیست دیزل مورد استفاده قرار می گیرند. در این زنجیره مراکز تامین روغن های استفاده شده و مراکز مشتری از قبل مشخص است و مکان ان ها ثابت است. افق زمانی این مساله یک دوره 12 ساله می باشد اما به منظور کاهش پیچیدگی محاسباتی، هر چهار را به عنوان یک دوره زمانی در نظر گرفته ایم. بنابراین کل دوره زمانی به سه دوره تقسیم شده است. همچنین فرض کرده ایم که مواد اولیه جاتروفا در مناطق حاصلخیز هر شهر کشت گردد. متغیرهای تصمیم استراتژیک در این مساله شامل مکان یابی مراکز بالقوه می باشد و همچنین متغیرهای تاکتیکی مساله شامل میزان تولید، سطح موجودی، جریان مواد تجمیعی بین سطوح و وسیله حمل و نقل مناسب در دوره های زمانی مختلف می باشد. شبکه زنجیره تامین مورد مطالعه در این پژوهش در قالب شکل 1 نشان داده شده است.

شکل 1 - شبکه زنجیره تامین پیشنهادی

Figure 1. Suggested supply chain network

مدل سازی مساله

مدل این تحقیق مبتنی بر شبکه نمایش داده شده در شکل 1 می باشد. مدل حاضر یک مدل برنامه ریزی ریاضی عدد صحیح مختلط چند هدفه فازی است که در این قسمت اندیس ها، پارامترها، متغیرها و سپس مدل ریاضی مساله تشریح می گردد. در ادامه مفروضات مساله به صورت ذیل ارایه می گردد:

• مدل به صورت چند سطحی و چند محصولی می­باشد.
• مکان و تعداد مشتریان و همچنین تامین کنندگان روغن استفاده شده ثابت و مشخص است.
• پارامترهایی نظیر ظرفیت، هزینه ها، تقاضا، ظرفیت وسائل حمل و نقل، زمان های حمل محصول به صورت عدم قطعیت در نظر گرفته شده است و از تئوری فازی جهت رفع عدم قطعیت استفاده شده است.
• کمبود در جوابگویی به تقاضای مشتریان اجازه داده می شود و هزینه ای برای تقاضای ارضا نشده مشتری در نظر گرفته می شود. این کمبود به صورت از دست رفته می باشد.
• مکان های مراکز بالقوه تامین جاتروفا، استخراج روغن جاتروفا، تصفیه روغن استفاده شده، پالایش زیستی و توزیع مشخص است.
• موجودی در مراکز استخراج روغن جاتروفا، تصفیه روغن استفاده شده، پالایش و توزیع برای محصولات در نظر گرفته شده است.
• برای هر یک از مراکز قابل احداث، دو سطح ظرفیت در نظر گرفته شده است.

مجموعه ها و اندیس ها

پارامترها و متغیرهای تصمیم

متغیرهای تصمیم

مدل ریاضی مساله

Min Z₁ =[ . + . + . + . + . ]+[ . + . + . + . + . + . + . + . ]+[ .  + .  + .  + .  + .  +   . ] + [ . + . ]+[ . + . + . +   .   . + . ]                                      (1)                                                                          

Min Z₂ = [ . + . + . + . + . ]+[ . + .  + . + . + .  + . + . + . ]                                                         (2)                                  

Min Z₃ = .  + .  + .  + .  + .  + .  + .                 (3)

تابع هدف اول شامل حداقل سازی هزینه های کل می باشد عبارت (1) فرمول ریاضی این تابع هدف را نشان می دهد. تابع هدف دوم شامل حداقل سازی اثرات محیط زیستی است. عبارت (2) فرمول ریاضی این تابع هدف را نشان می دهد. تابع هدف سوم شامل حداقل کردن زمان رساندن محصول به مشتری است. عبارت (3) فرمول ریاضی این تابع هدف را نشان می دهد. در ادامه برخی از محدودیت های مدل پیشنهادی را به خاطر محدودیت فضا به صورت نمونه مورد بررسی قرار می دهیم. محدودیت (4) تضمین می نمایند که مراکز تامین جاتروفا، استخراج روغن جاتروفا، تصفیه روغن UCO، پالایش و توزیع حداکثر با یک سطح ظرفیت احداث شوند.

(4)                                                           

محدودیت (5) ماکزیمم تعداد مراکز توزیع، تولید، جمع آوری، تعمیر، باز تولید، بازیافت، انهدام و توزیع مجدد که پتانسیل احداث را دارا می باشند محدود می کنند.

(5)                                                                                                                                    

محدودیت های (6) محدودیت ظرفیت حمل جریان محصول بین مراکز مختلف را نشان می دهد.

محدودیت های (7) نشان می دهند که حداکثر یک نوع تسهیل برای انتقال جریان بین تسهیلات وجود دارد.

محدودیت (8) نشان می دهند که باید محصولی بین تسهیل مراکز مختلف برقرار شود تا وسیله ای برای حمل انتخاب گردد.

 محدودیت (9) تضمین می کنند که هیچ گونه حمل و نقلی بین مکان هایی که ارتباطی با یکدیگر ندارند، وجود نخواهد داشت. همچنین بیان می کنند که جریان فقط مجاز است که از طریق گزینه های حمل و نقل فعال در شبکه عبور کند.  

محدودیت (10) حداکثر ظرفیت مجاز را برای مراکز تامین جاتروفا، استخراج روغن جاتروفا، تصفیه روغن UCO، پالایش و توزیع نشان می دهند.

محدودیت (11) بیان گر این است که جریان محصول رسیده به مشتریان از طریق مراکز توزیع حداکثر برابر با تقاضا خواهد بود.

محدودیت (12) تقاضای ارضا نشده مشتریان را مشخص می کند.

محدودیت (13) نشان می دهند که همه دانه های جاتروفا و UCO جمع اوری شده اند و به سوی مراکز استخراج روغن و تصفیه UCO در هر دوره منتقل شده اند.

محدودیت (14) نشان می دهند که همه دانه های جاتروفا در هر مرکز کشت، در هر دوره تولید می گردند.

محدودیت (15) نشان می دهند که میزان روغن جاتروفا تولید شده و UCO تصفیه شده، مرتبط به تسهیلات در هر دوره هستند.

محدودیت (16) نشان می دهند که که میزان زیست دیزل و گلیسرین تولید شده در مراکز پالایش در هر دوره از روغن جاتروفا و تصفیه UCO دریافت شده از تسهیلات مرتبط بدست می آیند.

محدودیت (17) نشان دهنده تعادل موجودی در مراکز استخراج روغن دانه های جاتروفا می باشد.

محدودیت (18) نشان دهنده محدودیت های تعادل موجودی برای UCO، زیست دیزل و گلسیرین در تسهیلات مرتبط است.

محدودیت های (19) و (20) به ترتیب نشان دهنده محدودیت های ضروری منطقی روی متغیرهای تصمیم گسسته و پیوسته می باشند.

رویکرد حل مسئله و نتایج محاسباتی

الگوریتم ازدحام ذرات چندهدفه

برای برخی از حیوانات که به صورت گروهی زندگی می کنند از جمله دسته های ماهی، رفتارهای پیچیده ای به هنگام حرکت قابل مشاهده هستند. در چنین مجموعه ای، هر کدام از حیوانات فقط از چند قانون ساده تبعیت می کنند و رفتارهای پیچیده ای که در کل جمع قابل مشاهده هستند، چیزی جز ترکیب این قوانین ساده نیستند. جیمز کندی و ابرهات صاحبان اصلی این الگوریتم می‌باشند. آن ها در ابتدا قصد داشتند که با بهره گیری از مدل‌های اجتماعی و روابط موجود اجتماعی، نوعی از هوش محاسباتی را به وجود بیاورند که به توانایی های فردی ویژه نیازی نداشته باشد و اولین شبیه‌ سازی آنها  برای پیدا کردن دانه توسط پرندگان در سال 1995 صورت گرفت (11). در این الگوریتم، تعدادی از موجودات وجود دارند، که به آن ها ذره گفته می شود و در فضای جستجوی تابعی که قصد کمینه کردن (و یا بهینه کردن) مقدار آن را داریم، پخش شده اند. هر ذره مقدار تابع هدف را در موقعیتی از فضا که در آن قرار گرفته است، محاسبه می­کند. سپس با استفاده از ترکیب اطلاعات محل فعلی اش و بهترین محلی که در گذشته در آن بوده است و همچنین اطلاعات یک یا چند ذره از بهترین ذرات موجود در جمع، جهتی را برای حرکت انتخاب می کند. همه ی ذرات جهتی برای حرکت انتخاب می­کنند و پس از انجام حرکت، یک مرحله از الگوریتم به پایان می­رسد. این مراحل چندین بار تکرار می شوند تا آن که جواب مورد نظر به دست بیاید. در واقع انبوه ذرات که مقدار کمینه یک تابع را جستجو می کنند، همانند دسته‌ای از پرندگان عمل می کنند که به دنبال غذا می‌گردند (12). در ادامه به پیاده سازی مدل مطرح شده با استفاده از داده های شرکت پالایش نفت اصفهان می بپردازیم. زنجیره تامین مورد بررسی دارای بیست مرکز بالقوه تامین جاتروفا (j=1,…,20)، سی مرکز تامین پسماند روغن خوراکی (i=1,…,30)، هفت مرکز بالقوه استخراج روغن جاتروفا (k=1,…,7)، شش مرکز بالقوه تصفیه پسماند روغن خوراکی (l=1,…,6)، هشت مرکز بالقوه پالایش (m=1,…,8)، بیست و پنج مرکز بالقوه توزیع (n=1,…,25)، سی مرکز مشتری زیست دیزل (o=1,…,30)، پانزده مرکز مشتری گلیسرین (p=1,…,15)، دو سطح ظرفیت (h=1,2) و دو نوع وسیله حمل و نقل (f=1,2) می باشد. جدول 1 نتایج حاصل از حل مدل قطعی کمکی با استفاده از روش خیمنز را به ازای مقادیر مختلف درجه برقراری محدودیت (α) نشان می دهد.

جدول 1- نتایج حاصل از حل مدل قطعی کمکی با روش خیمنز

Table 1. The results of solving model

در جدول 1، مقادیر سه تابع هدف حداقل کردن هزینه کل، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری به ازای مقادیر مختلف درجه برقراری محدودیت نشان داده شده است. این مقادیر با استفاده از الگوریتم ازدحام ذرات چندهدفه بدست آمده اند. همان طور که از نتایج نمایش داده شده در جدول 1 بر می آید، دو تابع هدف اقتصادی و زیست محیطی با یکدیگر در تضاد هستند. به این معنا که حرکت هر یک به سمت مطلوب (ارضا بیش تر تابع هدف) مستلزم حرکت تابع هدف دیگر به سمت نامطلوب خواهد بود.

نتیجه گیری

در این مطالعه مدلی جهت طراحی شبکه زنجیره تامین زیست توده طراحی شد که با در نظر گرفتن عوامل زیست محیطی و کوتاه تر شدن مدت زمان تحویل محصول به مشتری تا حدودی خلا مقالات پیشین پوشش داده شد. این موضوع در ادبیات طراحی شبکه زنجیره تامین کمتر مورد مطالعه قرار گرفته است، همچنین مدل مورد استفاده در این تحقیق با در نظر گرفتن یک شبکه چند محصولی سعی در بازتاب واقعی تر شبکه های تامین موجود در واقعیت نموده است. مدل مطرح شده دارای سه تابع هدف (1) حداقل کردن هزینه کل، (2) حداقل کردن اثرات محیط زیستی و (3) حداقل کردن زمان رسیدن محصول به مشتریان در زنجیره تامین زیست توده می باشد. تابع هدف هزینه شامل هزینه حمل و نقل یا انتقال جریان بین تسهیلات، هزینه ثابت راه اندازی، هزینه های تولید، هزینه تقاضای ارضا نشده و هزینه های نگهداری می باشد. در تابع هدف دوم حداقل کردن گاز کربن دی اکسید ناشی از عملیات درون تسهیلات و انتقال جریان بین تسهیلات به عنوان تابع هدف زیست محیطی در نظر گرفته شده است. تابع هدف سوم مدل همواره سعی در کاهش زمان رساندن محصول به مشتری دارد. از موضوعاتی که در تحقیقات آینده می تواند مورد توجه قرار گیرد می توان به توسعه مدل طراحی شبکه زنجیره تامین زیست توده با در نظر گرفتن ابعاد پایداری اشاره کرد.

References

1. Sathre, R. )2014(. Comparing the heat of combustion of fossil fuels to the heat accumulated by their lifecycle greenhouse gases, Fuel, 115, 674–677.
2. Bashiri, M and M. Sherafati. (2013). Advanced Bi-objective closed loop supply chain network design considering correlated criteria in fuzzy environment, Journal of Industrial Engineering Research in Production Systems, 1(1), 25-36. (In Persian)
3. Simchi- Levi, D., P. Kaminsky and E. Simchi- Levi. (2003). managing the Supply chain: The Definitive Guide for the Business professional, Mcgraw- hill.
4. Morrow, W.R., Griffin, W.M., Matthews, H.S. (2006). Modeling switchgrass derived cellulosic ethanol distribution in the United States, Environ. Sci. Technol, 40,2877–2886.
5. Ren, J., Manzardo, A., Toniolo, S., Scipioni, A., Tan, S., Dong, L., Gao, S. (2013). Design and modeling of sustainable bioethanol supply chain by minimizing the total ecological footprint in life cycle perspective, Bioresour Technol, 146, 771–774.
6. Sharma, B., Ingalls, R.G., Jones, C.L., Huhnke, R.L., Khanchi, A. (2013). Scenario optimization modeling approach for design and management of biomass-to-biorefinery supply chain system, Bioresour Technol, 150, 163–171.
7. Tong, K., Gleeson, M.J., Rong, G., You, F. (2014). Optimal design of advanced drop-in hydrocarbon biofuel supply chain integrating with existing petroleum refineries under uncertainty, Biomass Bioenergy, 60, 108–120.
8. Bairamzadeh, S., Pishvaee, M.S., Saidi-Mehrabad, M. (2015) Multi objective robust possibilistic programming approach to sustainable bioethanol supply chain design under multiple uncertainties, Ind. Eng. Chem. Res, 55, 237–256.
9. Babazadeh, R., Razmi, J., Pishvaee, M.S., Rabbani, M. )2016(. A sustainable second-generation biodiesel supply chain network design problem under risk, Omega, in press.
10. Tong, K., Gong, J., Yue, D., You, F. (2013). Stochastic programming approach to optimal design and operations of integrated hydrocarbon biofuel and petroleum supply chains, ACS Sustain. Chem. Engine, 2, 49–61.
11. Singh, A., Chu, Y., You, F. (2014). Biorefinery supply chain network design under competitive feedstock markets: an agent-Based simulation and optimization approach, Ind. Eng. Chem. Res, 53, 15111–15126.
12. Pishvaee, M.S. and Torabi S.A. (2010). A possibilistic programming approach for closed-loop supply chain network design under uncertainty, Fuzzy Sets and Systems, 161, 2668 –2683.
13. Tang, C.S. and Zhou, S. (2012). Research advances in environmentally and socially sustainable operations, European Journal of Operational Research, 223, 585–594.

[1]- استاد گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران، قم، قم، ایران. ^{*(مسوول مکاتبات)}

[2] - دانشیار گروه مدیریت صنعتی و فناوری، دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران، قم، قم، ایران.

[3] - دانشیار گروه مدیریت، دانشکده اقتصاد و مدیریت دانشگاه قم، قم، ایران.

[4] - دکتری مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران، قم، قم، ایران.

[5] Professor., Department of Management and Accounting, College of Farabi, University of Tehran, Qom, Iran *(Correspondence Author)

[6] Associate Professor., Department of Management and Accounting, College of Farabi, University of Tehran, Qom, Iran

[7] Associate Professor, Department of Management, University of Qom, Qom, Iran

[8] Phd of Industrial Management, Department of Management and Accounting, College of Farabi, University of Tehran, Qom, Iran

1- Morrow et al.

2- Ren et al.

3- Sharma et al.