بهینه سازی شبکه زنجیره تامین زیست توده در چهار سطح (مقاله پژوهشی دانشگاه آزاد)
درجه علمی: علمی-پژوهشی (دانشگاه آزاد)
آرشیو
چکیده
آلایندگی بر اثر دفن زیست توده ها، امکان تولید انرژی پاک از زیست تودهها و تقاضای زیاد برای دریافت انرژی، بهینه سازی شبکه زنجیره تامین زیست توده را مهم و ضروری ساخته است. هدف این مقاله، بهینه سازی شبکه زنجیره تامین زیست توده در چهار سطح به منظور کاهش هزینه های اقتصادی و زیست محیطی است. مهم ترین شکاف پژوهشی برطرف شده در این مقاله، تعیین خروجیهای مطلوب و نامطلوب زیست توده ها در مراکز تفکیک سازی و در نظرگرفتن حالت چند دوره ای، چندمحصولی با وسایل حمل و نقل ناهمگن است. مدل پژوهش، دو هدفه برنامهریزی خطی عدد صحیح مختلط با عدم قطعیت و اختلال است بدین منظور چهار سناریو، طراحی گردید. مدل با روش الگوریتم ژنتیک و MOPSO و با نرم افزار پایتون حل گردید.اعتبارسنجی مدل، در یک مورد مطالعه ای واقعی در استان فارس بررسی شده است. مدل پیشنهادی توانسته است پایداری و تاب آوری را همزمان، پیاده سازی نماید که موجب کاهش هزینه ها، کاهش انتشار کربن و افزایش تجاری شدن تولید انرژی از زیست توده ها شده است از اینرو سبب افزایش تمایل سرمایه گذاران به سرمایه گذاری در این شبکه از زنجیره تامین میشود مدل پیشنهادی میزان تولید انرژی را 1/2 درصد نسبت به زمانی که خروجیهای مطلوب و نامطلوب در نظر گرفته نشوند کمتر تشان می دهد یعنی به واقعیت بسیار نزدیکتر می کند. با انجام تحلیل حساسیت بر روی داده های واقعی، کارایی مدل اثبات گردید.Optimization of biomass supply chain network in four levels
Pollution due to biomass burial, the possibility of producing clean energy from biomass and the high demand for energy have made the optimization of the biomass supply chain network important and necessary. The purpose of this article is to optimize biomass supply chain network at four levels in order to reduce economic and environmental costs. The most important gap in research, resolved in this article, is the determination of the desirable and undesirable outputs of the masses in the centers. Separating and considering the multi-period, multi- product mode with heterogeneous transport means. The research model is a two-objective linear programming of a correct number mixed with uncertainty and disturbance, four scenarios were designed for this purpose. The model was solved with genetic algorithm and MOPSO method and with Python software. Validation of the model was investigated in a real case study in Fars province has been The proposed model has been able to implement sustainability and resilience at the same time, which has reduced costs, reduced carbon emissions, and increased the commercialization of energy production from biomass, thus increasing the willingness of investors to invest in this network. It is supplied from the supply chain. The proposed model makes the amount of energy production 2.1% lower than when the favorable and unfavorable outputs are not considered, which means it is much closer to reality. By performing sensitivity analysis on real data, the efficiency of the model was proved
تبلیغات
