چکیده مقاله
مدیریت پایدار زنجیره تامین معکوس با چالش های پیچیده ای از قبیل عدم قطعیت در حجم بازگشت محصولات، تنوع شرایط کالاها و ضرورت کاهش تاثیرات زیست محیطی مواجه است پژوهش حاضر با هدف ارائه یک چارچوب یکپارچه و عملی برای بهینه سازی شبکه توزیع در این زنجیره، مدلی ترکیبی از بهینه سازی ریاضی چندهدفه و یادگیری عمیق را پیشنهاد می دهد نوآوری اصلی این تحقیق، توسعه یک مدل برنامه ریزی خطی عدد صحیح مختلط است که نه تنها اهداف کلاسیک کمینه سازی هزینه و زمان را دنبال می کند، بلکه شاخص های کلیدی زیست محیطی از جمله انتشار کربن و مصرف انرژی را به عنوان اهداف جداگانه در ساختار خود جای داده است برای غلبه بر عدم قطعیت ذاتی در پیش بینی تقاضا و نرخ بازگشت، یک مدل شبکه عصبی کانولوشنی طراحی شده که با تحلیل داده های تاریخی، ورودی های پویا و دقیقی را برای مدل بهینه سازی فراهم می آورد این یکپارچه سازی، امکان تصمیم گیری های انطباق پذیر و واقع بینانه تر را فراهم می سازد برای اعتبارسنجی عملی، چارچوب پیشنهادی در یک مطالعه موردی در صنعت بازیافت بر روی شبکه ای متشکل از مراکز جمع آوری، بازسازی و بازیافت اعمال شد نتایج کمی حاکی از دستاوردهای قابل توجه مدل بهبودیافته در مقایسه با رویکردهای سنتی بود: کاهش ۱۲ ۴ درصدی هزینه های کل، کاهش ۱۵ ۷ درصدی انتشار کربن، کاهش ۹ ۸ درصدی زمان حمل ونقل و صرفه جویی ۱۱ ۲ درصدی در مصرف انرژی
کلیدواژهها
نویسندگان
مهدی ذراتی
گروه مهندسی صنایع، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
محسن واعظ قاسمی
استادیار گروه ریاضی، دانشگاه آزاد اسلامی واحد رشت، رشت، گیلان
هیلدا صالح
استادیار گروه ریاضی، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
فرهاد حسین زاده لطفی
استاد گروه ریاضی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
شیوه ارجاع
�راتی، مهدی و واعظ قاسمی، محسن و صالح، هیلدا و حسین زاده لطفی، فرهاد،1404،ادغام شبکه عصبی کانولوشنی و بهینه سازی چندهدفه برای طراحی شبکه پایدار زنجیره تامین معکوس در صنعت بازیافت،پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه،ایرانشهر
ارائهشده در
مجموعه مقالات دهمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران26 بهمن 1404 · ایرانشهر