ارائه یک مدل چندهدفه به منظور تخصیص و ظرفیت سازی مراکز بازیافت پساب صنعتی با هدف حداقل کردن میزان حمل ونقل و بیشینه نمودن میزان تولید آب قابل بازیافت
محورهای موضوعی : تخصصی
مصطفی محمودابادی
1
,
صادق عابدی
2
*
,
معصومه دانش شکیب
3
1 - دانشجوی دکتری مدیریت صنعتی، گروه مدیریت صنعتی، دانشگاه آزاد اسلامی قزوین، قزوین، ایران
2 - استادیار دانشکده مدیریت، گروه مدیریت صنعتی ، دانشگاه آزاد اسلامی قزوین، قزوین، ایران
3 - استادیار دانشکده مدیریت، گروه مدیریت صنعتی ، دانشگاه آزاد اسلامی قزوین، قزوین، ایران
کلید واژه: بازیافت پساب صنعتی, ظرفیت سازی, تولید آب قابل بازیافت, مدل چند هدفه, الگوریتم گرگ خاکستری,
چکیده مقاله :
پسابها بخصوص پسابهای صنعتی به عنوان مخزن میکروارگانیسم های بیماری زا قادر به ایجاد آلودگی وعفونت هستند. درصورتی که مدیریت دفع پساب از نظر بهداشت و سلامت مناسب نباشد، این میکرو ارگانیسم ها می توانند از طریق هوا وآب و... ویا به وسیله ناقلین به دیگران منتقل شوند. بالابودن رقابت صنایع تولیدی همراه با فشارهای محیطی و الزامات داخلی برای کاهش قیمت و زمان تحویل، افزایش کیفیت و توانایی تامینکنندگان در تولید فراوردههای متنوع و جدید در زمان کوتاهتر شده و همچنین امکان ورود رقبای خارجی به صنعت، در کنار مسائل زیست محیطی و بهداشتی سبب نیاز به عملکرد مطلوب تر نسبت به سایر رقبا در این صنعت است که زمینۀ خوبی برای اجرای این پژوهش فراهم آمده است. در این پژوهش مدلی هوشمند برای برنامه ریزی و سرمایه گذاری زیرساخت های شهری جمع اوری پساب های سطحی و میزان تاثیر آن بر انتشار آلايندگي پرداخته شد. پس از جمع آوري اطلاعات مدلسازي، و با درنظرگیری فرضیات مساله، قادر به تعیین کاهش هزینه های جمع اوری پساب های سطحی و کاهش انتشار آلاینده به محیط بر اساس تعیین مسیر بهینه ماشین های جمع اوری پساب می باشد. از طرفی به دلیل ماهیت NP-Hard بودن مساله، از الگوریتم فرا ابتکاری گرگ خاکستری چند هدفه به منظور کاهش هر دو تابع هدف تحت سناریوها و شرایط مختلف استفاده گردید. نتایج نشان داد که مدل پیشنهادی قادر است مساله در ابعاد مختلف را از نقطه نظر افزایش تعداد ماشین جمع اوری پساب، تعداد مکان های کاندید جمع اوری پساب، افزایش انباشتگی پساب ها در مکان ها، افزایش تعداد خودرو در شبکه و نیز افزایش فاصله مکان های کاندید پساب به نحو مطلوبی تعیین نماید تا تضمین کند تمام پساب های انباشته شده در مکان های کاندید توسط خودروهای شبکه جمع اوری شده اند.
Wastewater, especially industrial wastewater, serves as a reservoir for pathogenic microorganisms capable of causing contamination and infection. If wastewater disposal management is not conducted with proper health and hygiene considerations, these microorganisms can spread through air, water, or via carriers to others. High competition among manufacturing industries, coupled with environmental pressures and internal requirements to reduce costs and delivery times, improve quality, and enhance suppliers' ability to produce diverse and new products in shorter timeframes, as well as the potential entry of foreign competitors into the industry, alongside environmental and health issues, necessitate better performance compared to other competitors in this industry, which provides a suitable context for this research. In this research, an intelligent model for planning and investing in urban surface wastewater collection infrastructure and its impact on pollutant dispersion was developed. After collecting data and modeling, and considering the problem's assumptions, it can determine the reduction of surface wastewater collection costs and the reduction of pollutant emissions to the environment based on the optimal routing of wastewater collection vehicles. Moreover, due to the NP-Hard nature of the problem, the multi-objective grey wolf optimization algorithm was used to minimize both objective functions under different scenarios and conditions. The results showed that the proposed model is capable of determining the problem in various dimensions from the perspective of increasing the number of wastewater collection vehicles, the number of candidate wastewater collection locations, the increase in wastewater accumulation at locations, the increase in the number of vehicles in the network, and the increase in the distance of candidate wastewater locations in a desirable manner to ensure that all accumulated wastewater at the candidate locations is collected by the network vehicles
Khosravi Rastabi, A., Hejazi Taghanaki, S. R., Sadri, S., Kumar, A., & Arshad, H. (2022). A robust optimization model for a dynamic closed-loop supply chain network redesign using accelerated Benders decomposition. Journal of applied research on industrial engineering, 9(1), 1-31.
Goodarzian, F., & Hosseini-Nasab, H. (2021). Applying a fuzzy multi-objective model for a production–distribution network design problem by using a novel self-adoptive evolutionary algorithm. International Journal of Systems Science: Operations & Logistics, 8(1), 1-22.
abbarzadeh, A., Haughton, M., & Khosrojerdi, A. (2018). Closed-loop Supply Chain Network Design under Disruption Risks: A Robust Approach with Real World Application. Computers & Industrial Engineering.
Devika, K., Jafarian, A., & Nourbakhsh, V. (2014). Designing a sustainable closed-loop supply chain network based on triple bottom line approach: A comparison of metaheuristics hybridization techniques. European Journal of Operational Research, 235(3), 594-615.
Farrokh, M., Azar, A., Janaghi, G. and Ahmadi, E (2017), “A novel robust fuzzy stochastic programming for closed loop supply chain network design under hybrid uncertainty”, Fuzzy Sets and Systems, In Persian
Jung, Y. T., Narayanan, N. C., & Cheng, Y. L. (2018). Cost comparison of centralized and decentralized wastewater management systems using optimization model. Journal of environmental management, 213, 90-97.
Awad, H., Alalm, M. G., & El-Etriby, H. K. (2019). Environmental and cost life cycle assessment of different alternatives for improvement of wastewater treatment plants in developing countries. Science of the Total Environment, 660, 57-68.
Zarbakhshnia, N., Kannan, D., Kiani Mavi, R., & Soleimani, H. (2020). A novel sustainable multi-objective optimization model for forward and reverse logistics system under demand uncertainty. Annals of Operations Research, 295(2), 843-880.
Zhen, L., Huang, L., & Wang, W. (2019). Green and sustainable closed-loop supply chain network design under uncertainty. Journal of Cleaner Production, 227, 1195-1209.
Jafar Heydari, Kannan Govindan, Amin Jafari. Reverse and closed loop supply chain coordination by considering government role. 2017.
Rinaldi, M., & Bottani, E. (2023). How did COVID-19 affect logistics and supply chain processes? Immediate, short and medium-term evidence from some industrial fields of Italy. International Journal of Production Economics, 262, 108915.
Ardekani, Z. F., Sobhani, S. M. J., Barbosa, M. W., & de Sousa, P. R. (2023). Transition to a sustainable food supply chain during disruptions: A study on the Brazilian food companies in the Covid-19 era. International Journal of Production Economics, 257, 108782.
Delfani, F., Samanipour, H., Beiki, H., Yumashev, A. V., & Akhmetshin, E. M. (2022). A robust fuzzy optimisation for a multi-objective pharmaceutical supply chain network design problem considering reliability and delivery time. International Journal of Systems Science: Operations & Logistics, 9(2), 155-179.
Kumar, N., Tyagi, M., Sachdeva, A., Kazancoglu, Y., & Ram, M. (2022b). Impact analysis of COVID-19 outbreak on cold supply chains of perishable products using a SWARA based MULTIMOORA approach. Operations Management Research, 15(3-4), 1290-1314.
Kabir, M. R., Kamal, M. S., & Islam, M. Z. (2021, July). An Improved Network Design of Open Loop Reverse Supply Chain. In 2021 International Conference on Automation, Control and Mechatronics for Industry 4.0 (ACMI) (pp. 1-6). IEEE.
Shahbazi, Z., & Byun, Y. C. (2020). A procedure for tracing supply chains for perishable food based on blockchain, machine learning and fuzzy logic. Electronics, 10(1), 41.
Santander, P., Sanchez, F. A. C., Boudaoud, H., & Camargo, M. (2020). Closed loop supply chain network for local and distributed plastic recycling for 3D printing: a MILP-based optimization approach. Resources, Conservation and Recycling, 154, 104531.
امیریان، جواد و عموزاد خلیلی، حسین و مهرابیان، احمد،1402،طراحی و بهینه سازی شبکه زنجیره تامین حلقه بسته با درنظرگرفتن قیمت گذاری اقتصادی و مسائل زیست محیطی تحت شرایط عدم قطعیت فازی: یک مطالعه موردی در زمینه لاستیک سنگین،نهمین کنفرانس بین المللی مهندسی صنایع و سیستم¬ ها،مشهد،https://civilica.com/doc/1772948
فیض الهی، صادق و شرفی، وحید،1402،توسعه مدل ریاضی زنجیره تامین حلقه بسته با محدودیت های تقاضا و ظرفیت تامین کننده فازی و حل آن با الگوریتم های فرا ابتکاری،https://civilica.com/doc/1695093
رضانیا، آرین و موسی زاده، محمد،1402،طراحی شبکه زنجیره تامین حلقه بسته میگو با قابلیت ارتجاعی تحت شرایط عدم قطعیت؛ ارائه یک مدل سه هدفه پایدار،https://civilica.com/doc/1695091
محبی، پیام و عالم تبریز، اکبر و ارشادی، محمدجواد و عزیزی، امیر،1402،ارائه و حل یک مدل برنامه ریزی ریاضی برای زنجیره تامین حلقه بسته تاب آور پایدار با در نظر گرفتن معیار پاسخگویی و اثرات غیر قطعی کووید ۱۹،https://civilica.com/doc/1695090
مدرس، اعظم و بافندگان امروزی، وحیده و مهمی، زهرا و مدرس، آزاده،1402،ارائه مدل برنامه ریزی تولید-توزیع یکپارچه زنجیره تامین حلقه بسته محصولات کشاورزی بر اساس تصمیم گیری گروهی احتمالی و مسائل زیست محیطی،https://civilica.com/doc/1695088