طراحی شبکه زنجیره‌تامین معکوس دارویی با مدیریت جریان برگشتی تحت شرایط عدم قطعیت تقاضا

نویسندگان

  • امیرمهدی رمضانیان گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران.
  • اشکان مزدگیر * گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران. https://orcid.org/0000-0002-0226-5411

https://doi.org/10.22105/mmaa.v2i3.98

چکیده

هدف: مدیریت بهینه داروهای تاریخ مصرف گذشته و کاهش آسیب‌های زیست‌محیطی و اقتصادی ناشی از دفع نامناسب آن‌ها، از طریق طراحی یک شبکه زنجیره‌تامین معکوس دارویی.

روش‌شناسی پژوهش: ارایه یک مدل ریاضی برنامه‌ریزی خطی عدد صحیح مختلط با درنظرگیری سه مسیر دفع، تولید مجدد و بازیافت برای داروهای برگشتی. عدم قطعیت تقاضا با رویکرد مبتنی بر سناریو و مدل در نرم‌افزار GAMS حل شد.

یافته‌ها: مدل پیشنهادی قادر به بیشینه‌سازی سود کل شبکه از طریق ایجاد تعادل بین درآمدهای حاصل از فروش و بازیافت و هزینه‌های مختلف است. نتایج نشان می‌دهد افزایش هزینه‌های انقضا و کمبود، سود کل را کاهش می‌دهد.

اصالت/ارزش افزوده علمی: این مطالعه با ارایه یک مدل یکپارچه کمی که سه مسیر مختلف مدیریت داروهای تاریخ گذشته را هم‌زمان در شرایط عدم قطعیت بررسی می‌کند، گامی فراتر از مطالعات صرفا مفهومی گذشته برداشته و چارچوبی عملی برای پیاده‌سازی اقتصاد چرخشی در صنعت دارو ارایه می‌دهد.

کلمات کلیدی:

زنجیره‌تامین معکوس دارو، مدیریت جریان برگشتی، عدم قطعیت تقاضا، رویکرد مبتنی بر سناریو

مراجع

  1. [1] Zahiri, B., Tavakkoli-Moghaddam, R., & Pishvaee, M. S. (2014). A robust possibilistic programming approach to multi-period location-allocation of organ transplant centers under uncertainty. Computers & industrial engineering, 74, 139–148. https://doi.org/10.1016/j.cie.2014.05.008
  2. [2] Beamon, B. M. (1998). Supply chain design and analysis: Models and methods. International journal of production economics, 55(3), 281–294. https://doi.org/10.1016/S0925-5273(98)00079-6
  3. [3] Zahiri, B., Zhuang, J., & Mohammadi, M. (2017). Toward an integrated sustainable-resilient supply chain: A pharmaceutical case study. Transportation research part E: Logistics and transportation review, 103, 109–142. https://doi.org/10.1016/j.tre.2017.04.009
  4. [4] Kelle, P., Woosley, J., & Schneider, H. (2012). Pharmaceutical supply chain specifics and inventory solutions for a hospital case. Operations research for health care, 1(2–3), 54–63. https://doi.org/10.1016/j.orhc.2012.07.001
  5. [5] Nezhadroshan, A. M., Fathollahi-Fard, A. M., & Hajiaghaei-Keshteli, M. (2021). A scenario-based possibilistic-stochastic programming approach to address resilient humanitarian logistics considering travel time and resilience levels of facilities. International journal of systems science: Operations & Logistics, 8(4), 321–347. https://doi.org/10.1080/23302674.2020.1769766
  6. [6] Shah, N. (2004). Pharmaceutical supply chains: Key issues and strategies for optimisation. Computers & chemical engineering, 28(6–7), 929–941. https://doi.org/10.1016/j.compchemeng.2003.09.022
  7. [7] Uthayakumar, R., & Priyan, S. (2013). Pharmaceutical supply chain and inventory management strategies: Optimization for a pharmaceutical company and a hospital. Operations research for health care, 2(3), 52–64. https://doi.org/10.1016/j.orhc.2013.08.001
  8. [8] Priyan, S., & Uthayakumar, R. (2014). Optimal inventory management strategies for pharmaceutical company and hospital supply chain in a fuzzy-stochastic environment. Operations research for health care, 3(4), 177–190. https://doi.org/10.1016/j.orhc.2014.08.001
  9. [9] Bouziyane, B., Dkhissi, B., & Cherkaoui, M. (2020). Multiobjective optimization in delivering pharmaceutical products with disrupted vehicle routing problem. International journal of industrial engineering computations, 11(2), 299–316. https://pdfs.semanticscholar.org/6393/351ad512e2ae080cc4334f8657206a409d07.pdf
  10. [10] Kapukaya, E. N., Bal, A., & Satoglu, S. I. (2019). A bi-objective model for sustainable logistics and operations planning of WEEE recovery. An international journal of optimization and control: Theories & applications (IJOCTA), 9(2), 89–99. https://doi.org/10.11121/ijocta.01.2019.00718
  11. [11] Taleizadeh, A. A., Haji-Sami, E., & Noori-daryan, M. (2020). A robust optimization model for coordinating pharmaceutical reverse supply chains under return strategies. Annals of operations research, 291(1), 875–896. https://doi.org/10.1007/s10479-019-03200-7
  12. [12] Sazvar, Z., Zokaee, M., Tavakkoli-Moghaddam, R., Salari, S. A., & Nayeri, S. (2022). Designing a sustainable closed-loop pharmaceutical supply chain in a competitive market considering demand uncertainty, manufacturer’s brand and waste management. Annals of operations research, 315(2), 2057–2088. https://doi.org/10.1007/s10479-021-03961-0
  13. [13] Goodarzian, F., Abraham, A., Muñuzuri, J., Taghipour, A., & Ghasemi, P. (2024). A Benders decomposition approach for a new sustainable pharmaceutical supply chain network: A case study in France. Annals of operations research, 1–39. https://doi.org/10.1007/s10479-024-05936-3
  14. [14] Insani, W. N., Qonita, N. A., Jannah, S. S., Nuraliyah, N. M., Supadmi, W., Gatera, V. A., … ., & Abdulah, R. (2020). Improper disposal practice of unused and expired pharmaceutical products in Indonesian households. Heliyon, 6(7), e04551. https://doi.org/10.1016/j.heliyon.2020.e04551
  15. [15] Viegas, C. V., Bond, A., Vaz, C. R., & Bertolo, R. J. (2019). Reverse flows within the pharmaceutical supply chain: A classificatory review from the perspective of end-of-use and end-of-life medicines. Journal of cleaner production, 238, 117719. https://doi.org/10.1016/j.jclepro.2019.117719
  16. [16] Bhatia, M. S., Srivastava, R. K., Jakhar, S. K., & Kumar, S. (2022). What’s critical for closed-loop supply chain operations?-Findings from the Indian small and medium manufacturing enterprises. Journal of cleaner production, 372, 133791. https://doi.org/10.1016/j.jclepro.2022.133791
  17. [17] MacArthur, E. (2013). Towards the circular economy. Journal of industrial ecology, 2(1), 23–44. http://emf.s3.amazonaws.com/downloads/Towards_A_Circular_Economy.pdf
  18. [18] Ang, K. L., Saw, E. T., He, W., Dong, X., & Ramakrishna, S. (2021). Sustainability framework for pharmaceutical manufacturing (PM): A review of research landscape and implementation barriers for circular economy transition. Journal of cleaner production, 280, 124264. https://doi.org/10.1016/j.jclepro.2020.124264
  19. [19] Amin, S. H., & Zhang, G. (2013). A multi-objective facility location model for closed-loop supply chain network under uncertain demand and return. Applied mathematical modelling, 37(6), 4165–4176. https://doi.org/10.1016/j.apm.2012.09.039
  20. [20] Kumar, A., Zavadskas, E. K., Mangla, S. K., Agrawal, V., Sharma, K., & Gupta, D. (2019). When risks need attention: adoption of green supply chain initiatives in the pharmaceutical industry. International journal of production research, 57(11), 3554–3576. https://doi.org/10.1080/00207543.2018.1543969

دانلود

چاپ شده

2025-08-19

شماره

دوره 2 شماره 3 (2025): مدیریت: مدلسازی، تحلیل‌ها و کاربردها

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

رمضانیان ا., & مزدگیر ا. (2025). طراحی شبکه زنجیره‌تامین معکوس دارویی با مدیریت جریان برگشتی تحت شرایط عدم قطعیت تقاضا. مدیریت: مدلسازی، تحلیل‌ها و کاربرد, 2(3), 171-177. https://doi.org/10.22105/mmaa.v2i3.98
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.