طراحی شبکه زنجیره تامین سبز و حلقه بسته محصولات دارو با استفاده از الگوریتم جستجوی فاخته
محل انتشار: مجله مهندسی سیستم و بهره وری، دوره: 5، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 145
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SYS-5-1_007
تاریخ نمایه سازی: 13 اردیبهشت 1404
چکیده مقاله:
شرکت های داروسازی به دلیل الزامات نظارتی داخلی، ملی و بین المللی و همچنین محدودیت های تحمیل شده توسط دولت ها در زمینه هایی نظیر تامین مواد اولیه، توزیع، نرخ ارز، و شرایط تولید و نگهداری، با چالش های پیچیده ای در طراحی و مدیریت زنجیره تامین خود روبه رو هستند. طراحی شبکه زنجیره تامین سبز و حلقه بسته می تواند نقش کلیدی در کاهش هزینه ها، افزایش کارایی، و کاهش اثرات زیست محیطی این صنعت ایفا کند. در این مقاله، مدلی برای طراحی شبکه زنجیره تامین سبز و حلقه بسته محصولات دارویی ارائه شده است که به بررسی مکان یابی بهینه مراکز تولید، توزیع، و بازیافت می پردازد. مدل پیشنهادی عوامل درون سازمانی مانند انتخاب مواد اولیه و فناوری های سبز و عوامل بیرونی نظیر مکان یابی بهینه و بهینه سازی سیستم حمل ونقل را در نظر می گیرد. هدف این مدل، کاهش هزینه های ثابت و جاری، کاهش انتشار آلاینده های زیست محیطی، و بهبود پایداری زنجیره تامین است. برای حل مسئله، از مدل سازی ریاضی در نرم افزار GAMS و الگوریتم فرا ابتکاری جستجوی فاخته (CSA) در نرم افزار MATLAB استفاده شده است. این رویکرد با ارائه راه حل های بهینه و کارآمد برای مسائل پیچیده، نتایج قابل اتکایی به دست داده است. یافته های این پژوهش نشان می دهد که رویکرد پیشنهادی می تواند نقش مهمی در بهبود عملکرد و سبز سازی زنجیره تامین دارو داشته باشد.
کلیدواژه ها:
طراحی شبکه زنجیره تامین حلقه بسته ، محصولات دارویی ، بازگشت کالا ، زنجیره تامین سبز ، الگوریتم جستجوی فاخته
نویسندگان
مرضیه مظفری
نویسنده مسئول: استادیار، گروه مهندسی صنایع، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
جعفر سواری
کارشناسی ارشد، گروه مهندسی صنایع، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :