جلیل مهرجو

Energy saving and environmental protection are important issues of today. Concerning the environmental and social need to increase the utilization of used products, this paper introduces two remanufacturing reverse logistics (RL) network models, namely, the open-loop model and the closed-loop model. In an open-loop RL system, used products are recovered by outside firms, while in a closed-loop RL system, they are returned to their original producers. The openloop model features a location selection with two layers. For this model, a mixed-integer linear program (MILP) is built to minimize the total costs of the open-loop RL system, including the fixed cost, the freight between nodes, the operation cost of storage and remanufacturing centers, the penalty cost of unmet or remaining demand quantity, and the government-provided subsidy given to the enterprises that protect the environment. This MILP is solved using an adaptive genetic algorithm with MATLAB simulation. For a closed-loop RL network model, a special demand function considering the relationship between new and remanufactured products is developed. Remanufacturing rate, environmental awareness, service demand elasticity, value-added services, and their impacts on total profit of the closed-loop supply chain are analyzed. The closed-loop RL network model is proved effective through the analysis of a numerical example

از موضوعات مهم حال حاضر صرفه جویی در مصرف انرژی و حفاظت از محیط زیست امروز است. با توجه به نیاز اجتماعی و محیطی در راستای افزایش به کارگیری از محصولات استفاده شده، این مقاله دو مدل شبکه لجستیکی معکوس بازسازی شده (RL)، یعنی مدل حلقه باز و مدل حلقه بسته را مطرح می کند. در سیستم RL حلقه باز، محصولات استفاده شده توسط شرکتهای خارجی بازیابی می شوند، در حالی که در یک سیستم RL حلقه بسته، محصولات استفاده شده به تولید کنندگان اصلی خود برگشت داده می شود. مدل حلقه باز انتخاب مکان با دو لایه ترسیم می شود. در این مدل، یک برنامه ریزی خطی عدد صحیح مختلط (MILP) ایجاد می شود تا هزینه های کلی سیستم حلقه باز RL را به حداقل ممکن برساند، از جمله هزینه ثابت، حمل و نقل بین گره ها، هزینه عملکرد انبارداری و مراکز بازسازی، هزینه تاخیر وصول نشده یا باقیمانده مقدار تقاضا و یارانه دولتی که به شرکت ها برای محافظت از محیط زیست داده می شود. با استفاده از یک الگوریتم ژنیتکی انطباقی همراه با شبیه سازی MATLAB این MILP حل می شود. در یک مدل شبکه RL حلقه بسته، یک تابع تقاضای ویژه با توجه به ارتباط بین محصولات جدید و بازسازی شده مطرح می شود. میزان تولید مجدد، آگاهی از محیط زیست، کشش تقاضای خدمات، خدمات ارزش افزوده و تأثیرات آنها بر سود کل زنجیره تأمین حلقه بسته آنالیز می شود. بواسطه آنالیز یک نمونه عددی، موثر بودن مدل شبکه RL حلقه بسته اثبات می شود

One purpose of reverse logistics (RL) is to find appropriate methods that help dispose final waste products. By recycling the waste, enterprises can regain their value and raise resource utilization rates, while at the same time, environmental pollution and ecological destruction would be reduced. In an RL system, used products would undergo testing, warehousing, demolition, and remanufacturing. Since this system is directly affected by the location of nodes, the location of network nodes is important to remanufacturing enterprises. However, uncertainty would occur in an RL network due to the mistakes or delays in the supplier’s deliveries and the inexact forecasting demands. Because of the uncertainty of product recovery and demand, minimizing the total cost of an RL supply chain is more complex than that of a forward logistics supply chain.

یکی از اهداف لجستیک معکوس (RL) یافتن روش های مناسبی است که به دفع ضایعات محصولات نهایی کمک می کند. با بازیافت ضایعات، شرکت ها می توانند مرغوبیت آنها را دوباره بدست آورند و میزان بهره وری منابع را افزایش دهند، در حالی که همزمان، آلودگی محیط زیست و نابودی زیست محیطی نیز کاهش یابد. در یک سیستم RL ، محصولات استفاده شده تحت آزمایش، انبار، تخریب و بازسازی قرار می گیرند. از آنجا که این سیستم به طور مستقیم تحت تأثیر محل گره ها قرار دارد، مکان گره های شبکه برای شرکت های بازسازی از اهمیت بسیاری برخوردار است. با این وجود، در یک شبکه RL به دلیل اشتباه یا تأخیر در تحویل تأمین کننده و پیش بینی غیردقیق تقاضا بی ثباتی هایی نیز رخ می دهد. به دلیل تزلزل بازیابی و تقاضای محصول، به حداقل رساندن هزینه کل زنجیره تأمین RL پیچیده تر از زنجیره تأمین لجستیک پیش خرید است.

The purpose of this study is to better understand how the quality of a Business Intelligence (BI) system improves the diagnostic and interactive dimensions of management control systems (MCS), thereby enhancing performance measurement capabilities, which in turn are positively associated with competitive advantage. Integrating theory from performance measurement, organizational learning and the knowledge-based view of the firm, a theoretical model is developed that considers three concepts of BI quality (infrastructure integration, functionality, and self-service) and the roles they play in enhancing diagnostic and interactive performance measurement capabilities. Data collected via survey from 324 CEOs and CFOs provides support for the theorized effects of BI quality on performance measurement capabilities. These capabilities in turn are positively associated with competitive advantage.

هدف این پژوهش، درک بهتری از نحوه بهبود ابعاد تشخیصی و تعاملی سیستم های کنترل مدیریت (MCS) توسط کیفیت سیستم «هوش کسب و کار» (BI) و در نتیجه بهبود قابلیت های سنجش عملکرد است که هریک به نوبه خود ارتباط مثبتی با مزیت رقابتی دارند. با تلفیق نظریه های سنجش عملکرد، یادگیری سازمانی و دیدگاه دانش محور شرکت، یک مدل نظری مطرح شد که سه مفهوم کیفیت BI (تلفیق زیرساخت، کارایی و خود مدیریتی) و نقش هایی که در بهبود قابلیت های سنجش عملکرد تشخیصی و تعاملی ایفا می کنند، را مورد ملاحظه قرار می دهد. داده های گردآوری شده از مطالعه پیمایشی از 324 مدیرعامل (CEO) و CFO، صحت نظریه اثرات کیفیت BI بر قابلیت های سنجش عملکرد را اثبات می کند. این قابلیت ها به نوبه خود ارتباط مثبتی با مزیت رقابتی دارند.