عنوان انگلیسی: Green and Reverse Logistics Management Under Fuzziness
سال نشر: ۲۰۱۴
نویسنده: Mohammad Mousazadeh,S. Ali Torabi,Mir Saman Pishvaee
تعداد صفحه فارسی: ۳۴ – تعداد صفحه انگلیسی: ۳۱
دانشگاه: School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس
چکیده
مدیریت زنجیره تامین سبز ریشه در مدیریت زنجیره تامین (SCM)و مدیریت زیستمحیطی دارد.در واقع، اضافه کردن مفهوم "سبز" به SCM، منجر به مطالعه اثرات زیستمحیطی فرایندهای مربوط به SCM میشود.فعالیتهای لجستیکی که بخش اصلی فرآیندهای مربوط به SCM را تشکیل میدهند، متعلق به موثرترین منابع آلودگی زیستمحیطی و انتشار گازهای گلخانهای هستند که ممکن است تاثیرات مخربی بر سلامت انسان و کیفیت اکوسیستم داشته باشند.به منظور کاهش اثرات زیستمحیطی ناشی از فعالیتهای تدارکات، مفهوم لجستیک سبز (GrLog)و لجستیک معکوس (RL)معرفی شد.عدم قطعیت شبیه به زنجیره تامین سنتی، نقش مهمی را در GrSCM ایفا میکند.با وجود این، با توجه به عوامل محیطی موجود در کنار کمیت و کیفیت محصولات نهایی، میزان عدم قطعیت در مسایل GrLog و RL افزایش مییابد.در این فصل، مسایل طراحی و برنامهریزی در GrLog و RL از طریق مرور سیستماتیک و تجزیه و تحلیل متون اخیر در یک محیط فازی مورد بررسی قرار میگیرند.سه مدل ریاضی فازی انتخابشده از متون اخیر تشریح شدهاند.یک مطالعه موردی سبز صنعتی واقعی توصیف و بررسی شده و تعدادی از راههای تحقیقات بیشتر در نهایت
Abstract
Green supply chain management (GrSCM) has its roots in supply chain management (SCM) and environmental management. In fact, adding “green” concept into traditional SCM leads to studying environmental impact of SCM-related processes. Logistics activities which form the main part of SCM-related processes belong to the most influential sources of environmental pollution and greenhouse emissions which may cause harmful impacts both on human health and ecosystem quality. In order to reduce hazardous environmental impacts of logistics activities, the concept of green logistics (GrLog) and reverse logistics (RL) was introduced. Similar to traditional supply chain, uncertainty plays an important role in GrSCM; however, considering the environmental factors beside the quantity and quality of end-of-life products elevates the degree of uncertainty in GrLog and RL problems. In this chapter, designing and planning problems in GrLog and RL are investigated in a fuzzy environment via a systematic r
امتیاز شما: