Россия
Россия
с 01.01.1988 по настоящее время
УДК 004.896 Искусственный интеллект в промышленных системах. Интеллектуальные САПР и АСУ. Интеллектуальные роботы
Цель: разработка гибридной многокритериально-имитационной модели зеленой цепи поставок для выбора рациональной комбинации инструментов зеленой логистики. Методы: выполнен анализ существующих подходов к комбинированию многокритериальных методов принятия решений с имитационным моделированием и линейным программированием. Изучена возможность использования многокритериально-имитационных моделей для описания динамических зависимостей между индикаторами зеленой цепи поставок, параметрами и показателями материальных потоков, инструментами зеленой логистики. Основным недостатком существующих комбинированных моделей является выбор инструментов зеленой логистики без комплексной оценки как индикаторов устойчивости, специфичных для каждого структурного элемента зеленых цепей поставок, так и ограничений на логистические ресурсы. Разработка единого подхода к комбинированию методов многокритериального анализа, оптимизации и имитационных моделей является актуальной задачей, решение которой позволит повысить устойчивость зеленых цепей поставок. Результаты: предложен подход к комбинированию методов многокритериального анализа, линейного программирования и имитационного моделирования. Практическая значимость: использование предложенной в работе модели позволяет реализовать многокритериальное принятие решений по выбору и реализации эффективных инструментов зеленой логистики в цепи поставок.
устойчивое развитие, зеленая логистика, цепь поставок, гибридная модель, многокритериальный анализ, имитационная модель, оптимизация
1. Осинцев Н. А., Рахмангулов А. Н. Оценка устойчивости цепей поставок на основе серого реляционного анализа // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. 2023. № 3 (21). С. 180–196.
2. Ahi P., Searcy C. An analysis of metrics used to measure performance in green and sustainable supply chains // Journal of Cleaner Production. 2015. Vol. 86. Pp. 360–377.
3. Осинцев Н. А., Рахмангулов А. Н. Устойчивое развитие логистических цепей грузопотоков: моно- графия. М.: Инфра-М, 2025. 303 c.
4. A systematic literature review on green supply chain management: Research implications and future perspectives / U. R. de Oliveira [et al.] // Journal of Cleaner Production. 2018. Vol. 187. Pp. 537–561.
5. Lu K., Liao H., Zavadskas E. K. An overview of fuzzy techniques in supply chain management: bibliometrics, methodologies, applications and future directions // Technological and Economic Development of Economy. 2021. Vol. 27 (2). Pp. 402–458.
6. Концепция гибридной многокритериальной модели устойчивой цепи поставок / Н. А. Осин- цев [и др.] // Вестник Ростовского государственно- го университета путей сообщения. 2024. № 1 (93). С. 90–104.
7. Hoffa-Dabrowska P., Grzybowska K. Simula- tion modeling of the sustainable supply chain // Sustainability. 2020. Vol. 15 (12). P. 6007.
8. External integration mechanisms effect on the logistics performance of fruit supply chains. A dynamic s
9. Sustainability dimensions and PM 2.5 in supply chain logistics / J. Hong [et al.] // Annals of Operations Research. 2019. Vol. 275. Pp. 339–366.
10. Van Der Vorst J. G. A. J., Tromp S. O., Zee D. J. Simulation modelling for food supply chain redesign; integrated decision making on product quality, sustainability and logistics // International Journal of Production Research. 2009. Vol. 23 (47). Pp. 6611–6631.
11. Eising J. W., Van Onna T., Alkemade F. Towards smart grids: Identifying the risks that arise from the integration of energy and transport supply chains // Applied Energy. 2014. Vol. 123. Pp. 448–455.
12. Moradi S., Sierpiński G., Masoumi H. System dynamics modeling and fuzzy MCDM approach as support for assessment of sustainability management on the example of transport sector company // Energies. 2022. Vol. 13 (15). P. 4917.
13. Sahay N., Ierapetritou M. Supply chain management using an optimization driven simulation approach // AIChE Journal. 2013. No. 2 (59). Pp. 4612– 4626.
14. Bi-objective decision support tool based on system dynamics and discrete event modelling for sustainable supply chain / J. Yu [et al.] // Journal of circular economy. 2023. Pp. 1–20.
15. Vieira A. A. C., Figueira J. R., Fragoso R. A multi-objective simulation-based decision support tool for wine supply chain design and risk management under sustainability goals // Expert Systems with Applications. 2023. P. 120757.
16. Tao Z., Li M. What is the limit of Сhinese coal supplies – A STELLA model of Hubbert Рeak // Energy Policy. 2007. Vol. 6 (35). Pp. 3145–3154.
17. Orji I. J., Wei S. An innovative integration of fuzzy-logic and systems dynamics in sustainable supplier selection: A case on manufacturing industry // Computers & Industrial Engineering. 2015. Vol. 88. Pp. 1–12.
18. Guo W., Chen S., Lei M. Evolutionary game and strategy analysis of carbon emission reduction in supply chain based on system dynamic model // Sustainability. 2023. Vol. 15 (11). P. 8933.
19. Kumar A., Rahman S. RFID-enabled process reengineering of closed-loop supply chains in the healthcare industry of Singapore // Journal of Cleaner Production. 2014. Vol. 85. Pp. 382–394.
20. Jing L., Felix T. S. Chan. An agent-based model of supply chains with dynamic structures // Applied Mathematical Modelling. 2013. Vol. 7 (37). Pp. 5403– 5413.
21. Manufacturers’ green decision evolution based on multi-agent modeling / Z. Li [et al.] // Complexity. 2019. Vol. 14. P. 3512142.
22. Осинцев Н. А. Концепция системы управле- ния логистическими потоками в «зеленых» цепях поставок // Вестник Уральского государственно- го университета путей сообщения. 2020. № 2 (46). С. 81–92.
23. Корнилов С. Н., Рахмангулов А. Н., Шауль- ский Б. Ф. Основы логистики. М.: Учебно-методи- ческий центр по образованию на железнодорожном транспорте, 2016. 302 с.
24. Имитационные модели в цифровых двой- никах железнодорожных узлов / А. Н. Рахмангу- лов [и др.] // Вестник Уральского государственно- го университета путей сообщения. 2022. № 3 (55). С. 43–59.
