چکیده:
در سالهای اخیر افزایش روزافزون آلودگی محیطزیست و پیامدهای مخرب آن و همچنین افزایش نگرانیها در این مورد سبب بروز مفاهیم و رویکردهای جدیدی برای کاهش این اثرات و اقدامات پیشگیرانهی زیستمحیطی شده است. ازجمله مهمترین این رویکردها، زنجیره تامین سبز است. زنجیرهی تامین سبز، یکپارچه کنندهی مدیریت زنجیرهی تامین با الزامات زیستمحیطی در تمام مراحل طراحی محصول، انتخاب و تامین مواد اولیه، تولید و ساخت، فرایندهای توزیع و انتقال، تحویل به مشتری و بالاخره پس از مصرف، مدیریت بازیافت و مصرف مجدد بهمنظور بیشینه کردن میزان بهرهوری مصرف انرژی و منابع همراه با بهبود عملکرد کل زنجیره تامین است. در این مقاله یک مدل چندهدفه برای شبکه زنجیره تامین سبز ارائهشده است. برای حل آن از روش LP-متریک استفادهشده که در نرمافزار Gams کد شده است. نتایج نشان میدهد که بررسی دو عامل مهم هزینه و انتشار گاز کربندیاکسیدی، بهعنوان یکی از مهمترین و شناختهشدهترین آلایندهها، باعث کاربردی شدن این مدل در شبکهی زنجیره تامینشده است و همچنین نتایج نشان میدهد که توجه به انتشار گازهای گلخانهای در تقاضاهای بالاتر ضروریتر است.
In recent years, the increasing pollution of the environment and its destructive consequences, as well as the growing concern about it, has led to new concepts and approaches to reduce these effects and preventive environmental measures. One of the most important of these approaches is the green supply chain. Green supply chain integrates supply chain management with environmental requirements in all stages of product design, selection and supply of raw materials, production and manufacturing, distribution and transfer processes, delivery to customer and finally after consumption, recycling management and Re-consumption is designed to maximize energy efficiency and resources while improving the overall performance of the supply chain. In this paper presents a multi-objective model for a green supply chain network. To solve it, the LP-metric method is used, which is coded in Gams software. The results show that the study of two important factors of cost and carbon dioxide emissions, as one of the most important and well-known pollutants, has led to the application of this model in the supply network and. The results also show that it is more important to pay attention to greenhouse gas emissions at higher demand.