ترجمه مقاله مدل تصادفی رو به جلو – معکوس برای طراحی شبکه لجستیک (منطقی) تحت ریسک - نشریه الزویر

ترجمه مقاله مدل تصادفی رو به جلو – معکوس برای طراحی شبکه لجستیک (منطقی) تحت ریسک - نشریه الزویر
قیمت خرید این محصول
۲۴,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
مدل تصادفی رو به جلو – معکوس برای طراحی شبکه لجستیک (منطقی) تحت ریسک
عنوان انگلیسی
A stochastic model for forward–reverse logistics network design under risk
صفحات مقاله فارسی
25
صفحات مقاله انگلیسی
9
سال انتشار
2010
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
5.321 در سال 2019
شاخص H_index مجله
121 در سال 2020
شاخص SJR مجله
1.469 در سال 2019
شناسه ISSN مجله
0360-8352
شاخص Q یا Quartile (چارک)
Q1 در سال 2019
کد محصول
11219
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به انگلیسی درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
ضمیمه
ندارد ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
دارد ✓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مهندسی صنایع، لجستیک و زنجیره تامین، برنامه ریزی و تحلیل سیستم ها
مجله
کامپیوتر و مهندسی صنایع - Computers & Industrial Engineering
دانشگاه
گروه مهندسی طراحی و تولید، دانشگاه عین الشمس، دانشکده فنی، قاهره، مصر
کلمات کلیدی
زنجیره تامین، برنامه نویسی تصادفی، تخصیص محل، منطق معکوس، SMILP، مدل سازی
کلمات کلیدی انگلیسی
Supply chain - Stochastic programming - Location allocation - Reverse logistics - SMILP - Modeling
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.cie.2008.09.040
فهرست مطالب
چکیده
1. مقدمه
2. توضیحات مدل
3. فرضیان مدل و محدودیت ها
4. مدل فرمول
4.1 تابع هدف
4.2 محدودیت ها
4.2 محدودیت ها
5. نتایج و بحث
5.1 تاثیر میانگین تقاضا
5.2 اثر نسبت بازگشت
6. نمونه
7. نتیجه گیری
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
11219-IranArze     11219-IranArze1     11219-IranArze2
نمونه چکیده متن اصلی انگلیسی
Abstract

Attention with reverse logistics networks has increased during the last decade since their economic impact has been increasingly important and as environmental legislation has been becoming stricter. In this paper, A multi-period multi-echelon forward–reverse logistics network design under risk model is developed. The proposed network structure consists of three echelons in the forward direction, (suppliers, facilities and distribution centers) and two echelons, in the reverse direction (disassembly, and redistribution centers), first customer zones in which the demands are stochastic and second customer zones in which the demand is assumed to be deterministic, but it may also assumed to be stochastic. The problem is formulated in a stochastic mixed integer linear programming (SMILP) decision making form as a multi-stage stochastic program. The objective is to maximize the total expected profit.

1. Introduction

A reverse logistics network establishes a relationship between the market that releases used products and the market for ‘‘new” products. When these two markets coincide, then it is called a closed loop network, otherwise it is called an open loop network (Salema, Barbosa Póvoa, & Novais, 2007a). Very few optimization models for the design of supply chains with reverse flows are available in literature under uncertainty using scenarios to solve the model as uncertainty makes MILP models very hard to solve (Salema, Barbosa Póvoa, & Novais, 2005).

7. Conclusion

From the previous study, the following conclusions can be derived.

The proposed model is successful in designing forward–reverse logistics networks while considering multi-period stochastic demand with three echelons (suppliers, facilities and distributors) in the forward direction and two echelons (disassemblies and redistributors) in the reverse direction. It can only be used for single item, single product problems. The model is flexible to solve larger problems; however, it requires more powerful hardware since the number of scenarios increases exponentially with the increase of the number of periods.

The application of the proposed model showed that the total expected profit is directly affected by demand mean and return ratio for a given capacity of the network. Only integer number of batches can be transported during a period which limits the application of the model.

نمونه چکیده ترجمه متن فارسی
چکیده

توجه به شبکه های منطقی در طول دهه گذشته، از زمانی که اثر اقتصادی آن ها به شکل حائز اهمیتی افزایش یافته و با توجه به اینکه قوانین زیست محیطی سختگیرانه تر شده اند، بیشتر شده است. در این مقاله، یک طراحی شبکه منطقی چند مرحله ای (رده) جلو – معکوس تحت ریسک انجام شده است. ساختار شبکه پیشنهادی متشکل از سه رده در جهت رو به جلو (تامین کنندگان، امکانات و مراکز توزیع) و دو رده در جهت معکوس (امکانات و مراکز توزیع) می باشد، منطقه اولیه مشتری که تقاضا تصادفی بوده و سپس منطقه دوم که در آن تقاضا قطعی فرضی می گردد، اما ممکن است تصادفی نیز فرض گردد. مسئله در یک برنامه ریزی تصمیم گیری چند مرحله ای به صورت خطی عدد صحیح مختلط تصادفی فرموله شده است (SMILP). هدف به حداکثر رساندن سود مورد انتظار کل می باشد.

1. مقدمه

یک شبکه منطقی معکوس ارتباطی را میان بازار فراهم کننده محصولات دست دوم و محصولات جدید فراهم می آورد. هنگامی که این دو بازار با یکدیگر منطبق می شوند، آن را شبکه حلقه بسته می نامند در غیر این صورت به آن شبکه حلقه باز می گویند. (Salema, Barbosa Póvoa, & Novais, 2007a) تعداد بسیاری کمی از مدل های بهینه سازی زنجیره تامین با جریان معکوس به صورت غیرقطعی وجود دارند که از سناریوهایی به منظور حل مدل، با توجه به این که عدم قطعیت حل مدل های MILP را بسیار مشکل می سازد موجود دارند.   (Salema, Barbosa Póvoa, & Novais, 2005).

7. نتیجه گیری

از این مطالعه، نتایج زیر را می توان بدست آورد.

مدل ارائه شده در طراحی شبکه منطقی جلو – معکوس موفق می باشد در حالی که چند دوره تقاضای تصادفی با چند رده (تامین کنندگان، تسهیلات و توزیع کنندگان) در جهت جلو و دو دسته (جداکنندگان و توزیع کنندگان مجدد) در جهت معکوس را در نظر می گیرد. تنها می تواند برای موارد منفرد، مشکلات محصول واحد در نظر گرفته شود. مدل به منظور حل مسائل بزرگتر انعطاف پذیر می باشد: با این حال، با توجه به اینکه تعداد سناریوها به صورت تصاعدی با بیشتر شدن تعداد دوره ها افزایش می یابند به سخت افزار قدرتمندتری نیاز دارد.

استفاده از مدل ارائه شده نشان داد که سود مورد انتظار کل به صورت مستقیم از تقاضای میانگین و نسبت بازگشت برای یک ظرفیت مشخص شبکه تاثیر می پذیرد. تنها دسته های با اعداد صحیح در طول یک دوره منتقل می شوند که کاربردهای مدل را محدود می نماید.


بدون دیدگاه