طراحی شبکه زنجیره تأمین توجه محققان زیادی را در سالهای اخیر به خود جلب کرده است. در این مقاله، یک مدل برنامهریزی خطی عدد صحیح مختلط امکانی جدیدی برای مسأله طراحی شبکه زنجیره تأمین (شامل سه بخش خرید، تولید و توزیع) چند کالایی، چند دورهای تحت شرایط عدم قطعیت ارایه میشود. این مدل دو هدفه است که هدف اول با استفاده از مفاهیم هزینهگذاری مبتنی بر فعالیت و هزینه مالکیت کل و هدف دوم با استفاده از مفهوم تولید به هنگام (JIT) به ترتیب دو عامل هزینه و زمان را بهینه میکند. برای حل مدل مذکور از یک رویکرد حل فازی تعاملی استفاده میشود. خروجیهای مدل شامل مقدار خرید از هر تأمینکننده، مقدار تولید از هر محصول، میزان موجودی، مقدار زودکرد و دیرکرد کالاها، نوع حمل کالاها، مقدار حمل مواد اولیه و محصولات بین تسهیلات مختلف و نیز انتخاب تأمینکنندگان در دورههای متفاوت است. به منظور ارزیابی و اعتبارسنجی مدل و رویکرد حل مذکور، یک مثال عددی ارایه و سپس با روش فوق حل شده و در ادامه، نتایج آن با نتایج یک روش غیرفازی مقایسه میشود. در خاتمه نتایج تحقیق ارایه میگردد.

The supply chain network design has attracted the attention of many researchers during recent years. This paper presents a new bi-objective mixed-integer linear programming (MILP) model to integrate procurement, production and distribution planning under uncertainty. This model is set up for the network of a multi-echelon, multi-product, multi-channel, multi-period supply chain with regard to two conflicting objectives, which minimize the costs and minimize the sum of backorders and surpluses of products in all periods using “activity-based costing and the total cost of ownership” and “JIT” concepts, respectively. To solve the presented model, an interactive fuzzy approach is used. The associated results show the amount of purchasing of each supplier, the quantity of producing, the inventory of raw materials and products, backorder or surplus delivery of goods, the mode of transportation, the amount of goods transported between facilities and suppliers used in each period. In addition, a numerical example is presented to demonstrate the applicability of the presented model and exhibit the efficiency of the proposed interactive fuzzy approach. Finally, the results and conclusion are provided.