Doğrusal Fiziki Programlama Yaklaşımı ile Kapalı Döngü Tedarik Zinciri Optimizasyonu

Öz

Kapalı Döngü Tedarik Zinciri (KDTZ) sistemi, ileri ve tersine tedarik akışlarını bütün bir sistem üzerinde görmeyi sağlayarak üretici-müşteri ve müşteri-üretici ilişkilerini bir araya getirmektedir. Kapalı Döngü Tedarik Zinciri’nde ağ yapısı karmaşık olup burada iade edilen ürünlerin geri kazanım miktarı, maliyeti, süresi ve geri dönüşüm oranı gibi belirsizlikler yer almaktadır. Kapalı Döngü Tedarik Zinciri’nde bu belirsizliklerden yola çıkarak toplam kâr ve geri kazanım oranının maksimizasyonu, toplam geri kazanım süresinin minimizasyonunu hedefleyen çok amaçlı optimizasyon problemi ele alınmıştır. Çok amaçlı optimizasyon modelinin çözümü için karşılaşılan zorluklardan biri de amaç fonksiyonundaki hedeflerin ağırlıklarının belirlenememesi ve buna bağlı olarak karar vericinin tutarsız sonuçlarla karşılaşabilmesidir. Bu noktada Doğrusal Fiziki Programlama yöntemi karar vericilerin tercih aralıklarını belirleyerek hedefler için kriter ağırlıklarını tutarlı bir şekilde hesaplanmasına olanak sağlamaktadır. Bu çalışmada Kapalı Döngü Tedarik Zinciri problemi için yeniden üretilebilir ve ortak parçalara sahip 3 farklı ürün ele alınmıştır. Uygulaması yapılan çok amaçlı optimizasyon modelinde optimal ürün seçeneği Doğrusal Fiziki Programlama yaklaşımı ile belirlenmiş ve elde edilen sonuçlar iade edilen ürün sayısı, satış geliri, geri kazanım süresi ve geri kazanım oranındaki değişiklikler üzerinden üç farklı senaryo kullanılarak analiz edilmiştir.

Anahtar Kelimeler

• Kapalı döngü tedarik zinciri
• Doğrusal fiziki programlama
• Çok amaçlı optimizasyon

Close Loop Supply Chain Optimization with Linear Physical Programming Approach

Öz

The Closed-Loop Supply Chain (CLSC) system brings together producer-customer and customer-producer relationships, by enabling the forward and reverse supply flows to be seen on a whole system. In the CLSC, network structure is complex, there are uncertainties such as the recovery amount, cost, time and recycling rate of the returned products. Based on these uncertainties in the CLSC, multi-objective optimization problem aimed at maximizing the total profit, recovery rate, minimizing the total recovery time was discussed. One of the difficulties encountered in the solution of the multi-objective programming model is that the weights of the goals in the objective function which aren’t known and consequently the decision maker may encounter inconsistent results. At this point, Linear Physical Programming method allow decision makers to calculate the weights of the goals in consistent manner, taking into account their preference ranges. In this study, for the CLSC problem, 3 different remanufacturable products with common parts are considered. In the multi-objective optimization model applied, the optimal product option was determined with the LPP approach, the results were analyzed changes in the number of returned products, sales revenue, recovery time and recovery rate using three different scenarios.

Anahtar Kelimeler

• Closed loop supply chain
• Linear physical programming
• Multi-objective optimization

Kaynakça

1. [1] Amin, S. H., Zhang, G., “A three-stage model for closed-loop supply chain configuration under uncertainty,” International Journal of Production Research, vol.51, no. 5, 2013, pp.1405-1425. Doi: https://doi.org/10.1080/00207543.2012.693643.
2. [2] Blog, L., “Tedarik zinciri nedir,” URL:https://blog.logo.com.tr/tedarik-zinciri-ve-tedarik-zinciri-yonetimi-nedir-temel-evreleri-vefaydalari-nelerdir, visited on Jan.10,2020.
3. [3] Çalık, A., “Kapalı Döngü Tedarik Zinciri Optimizasyonu için Çok Kriterli Karar Verme Yöntemleri ile Yeni Etkileşimli Bulanık Programlama Yaklaşımları,” Doktora tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2016.
4. [4] Gupta, S., Imtanavanich, P., “Linear Physical Programming Approach for a Disassembly-To Order System under Stochastic Yields and Product’s Deterioration, Proceedings of the 2006 POMS Meeting”, MA 2006b, 2006, pp. 004-0213.
5. [5] Fleischmann, M., Beullens, P., Bloemhof-Ruwaard, J. M., Wassenhove, L., “The Impact of Product Recovery on Logistics Network Design,” Production Operations Management, vol.10, 2001, pp. 156–173.
6. [6] Hajipour, V., Tavana, M., Caprio, D. D., Akhgar, M., “An Optimization Model for Traceable Closed-Loop Supply Chain Networks,” Applied Mathematical Modelling, vol. 71, 2019, pp 673-699. [7] Ilgın, M. A., Değirmenci, E., Demirtepe, S., “Personel Seçim Problemi için Doğrusal Fiziki Programlama Yaklaşımı,” İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, vol. 28, 2015, pp. 15-28. Doi: https://doi.org/10.1016/j.apm.2019.03.007.
7. [7] Ilgın, M. A., Değirmenci, E., Demirtepe, S., “Personel Seçim Problemi için Doğrusal Fiziki Programlama Yaklaşımı,” İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, vol. 28, 2015, pp. 15-28.
8. [8] Jayaraman, V., Guide, V., Srivastav, R., “A Closed Loop Logistics Model for Remanufacturing,” Journal of the Operational Research Society, vol. 50, 1999, pp. 497-508. Doi: https://doi.org/10.2307/3009998.

9. [9] Kannan, G., Soleimani, H., Kannan, D., “Analysis of closed loop supply chain using genetic algorithm and particle swarm optimisation,” International Journal of Production Research, vol. 47, 2009, pp. 1175-1200. Doi: http://dx.doi.org/10.1080/00207540701543585.
10. [10] Marin, A., Pelegrin, B., “The Return Plant Location Problem: Modelling and Resolution,” European Journal of Operational Research, vol. 104, 1998, pp. 375-392.
11. [11] Pisvaee, M. S., Torabi, S. A., “A possibilistic programming approach for closed-loop supply chain network design under uncertainty,” Fuzzy Sets and Systems, vol. 161, 2010, pp. 2668-2683. Doi: 10.1016/j.fss.2010.04.010.
12. [12] Subulan, K., Taşan, A. S., Baykasoğlu, A., “Fuzzy mixed integer programming model for medium-term planning in a closed-loop supply chain with remanufacturing option,” Journal of Intelligent and Fuzzy Systems, vol. 23, no. 6, 2012, pp. 345-368. Doi: http://dx.doi.org/10.3233/IFS-2012-0525.
13. [13] Zhang, Z. H., Jiang, H., Pan, X., “A Lagrangian relaxation based approach for the capacitated lot sizing problem in closed-loop supply chain,” International Journal of Production Economics, vol. 140, 2012, pp. 249-2. Doi: https://doi.org/10.1016/j.ijpe.2012.01.018