استفاده از شیوه الگوریتم ژنتیکی به منظور توسعه شبکه لجستیک معکوس چند مرحله‌ای برای محصولات مرجوعی
Agenetic algorithm approach to developing the multi-echelon reverse logistics network for product returns
مشخصات کلی
| سال انتشار | 2006 |
| کد مقاله | 1002 |
| فرمت فایل ترجمه | Word |
| تعداد صفحات ترجمه | 33 |
| نام مجله | the international journal of management science |
| نشریه | ScienceDirect |
| درج جداول و شکل ها در ترجمه | انجام شده است |
| جداول داخل مقاله | ترجمه نشده است |
چکیده فارسی
به طور مرسوم، به محصولات مرجوعی به عنوان یک هزینه غیر قابل پرهیز در انجام تجارت ها و کسب و کارها نگاه می‌شود که مانع هر گونه صرفه جویی در هزینه ها می‌گردد. ادامه فشارهای ناشی از هزینه ها در این عرصه از زوال اقتصادی ، باعث شده است که بسیاری از بنگاه‌های تجاری به دنبال امکان مدیریت محصولات مرجوعی به شیوه‌ای مقرون به صرفه باشند. با این حال، تنها تعداد کمی از پژوهش ها به مسئله تعیین تعداد و مکان مراکز ارجاع (یعنی ، نقاط یکپارچه سازی معکوس) پرداخته اند. این مراکز برای جمع آوری محصولات مرجوعی از سوی خرده فروشان یا مشتریان ، انبار کردن ، یکپارچه کردن آنها به منظور انتقال به مراکز مربوط به منظور تعمیرات استفاده می‌شوند. برای پرکردن خلاء موجود در این زمینه پژوهشی ، مقاله حاضر از یک مدل برنامه نویسی عدد صحیح مرکب غیر خطی و یک الگوریتم ژنتیکی استفاده کرده است که می‌تواند مشکل لجستیک معکوس محصول مرجوعی را حل کند. مفید بودن مدل و الگوریتم پیشنهادی با استفاده از بکارگیری آن در یک نمونه عینی کاری (محصولات مرجوعی یک فروشگاه آنلاین) اثبات شده است.
چکیده لاتین
Traditionally, product returns have been viewed as an unavoidable cost of doing business, forfeiting any chance of cost savings. As cost pressures continue to mount in this era of economic downturns, a growing number of firms have begun to explore the possibility of managing product returns in a more cost-efficient manner. However, few studies have addressed the problem of determining the number and location of centralized return centers (i.e., reverse consolidation points) where returned products from retailers or end-customers were collected, sorted, and consolidated into a large shipment destined for manufacturers’ or distributors’ repair facilities. To fill the void in such a line of research, this paper proposes a nonlinear mixedinteger programming model and a genetic algorithm that can solve the reverse logistics problem involving product returns. The usefulness of the proposed model and algorithm was validated by its application to an illustrative example dealing with products returned from online sales
خرید و دانلود ترجمه این مقاله:
جهت خرید این مقاله ابتدا روی لینک زیر کلیک کنید، به صفحه ای وارد می شوید که باید نام و ایمیل خود را وارد کنید و پس از آن روی دکمه خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید، همچنین لینک دانلود به ایمیل شما نیز ارسال خواهد شد.
هیچ دیدگاهی برای این مقاله ثبت نشده است
دیدگاه ها