A Fuzzy Multi-objective Programming for Optimization of Reverse Logistics for Solid Waste through Genetic Algorithms

He, Bo; Yang, Chao; Ren, Mingming

doi:10.1109/fskd.2007.37

Cited by 14 publications

(5 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A "Indústria" tem como responsabilidades: gestão e investimento em logística reversa e incorporação da economia circular no processo produtivo REN, 2007); KOVAČIĆ; USENIK; BOGATAJ, 2017; COSENZA; ANDRADE; ASSUNÇÃO, 2020); reintroduzir a matéria-prima reciclada na cadeia de produção da indústria (SELLITTO;ALMEIDA, 2019;REBEHY et al, 2017;PALOMBINI;CIDADE;JACQUES, 2017); e coletar e tratar seu produto pós-consumo (POLZER; PISANI; PERSSON, 2016). Aos "Projetistas" cabe utilizar alternativas para reaproveitamento de materiais (SCHAMNE; NAGALLI, 2016); listar e destacar as diferentes tecnologias que estão sendo adotadas e sinalizar as ferramentas que normalmente são usadas para dar suporte às principais decisões dos operadores (MUKHERJEE et al, 2020).…”

Section: -Projetistasunclassified

Responsabilidades compartilhadas dos multistakeholders para proposição de modelo de canal reverso de resíduos sólidos urbanos

De Menezes Nascimento Nagata,

Eduarda Gomes Teixeira,

Gonçalves da Silva

et al. 2023

PRW

View full text Add to dashboard Cite

Para que a logística reversa de resíduos sólidos urbanos se concretize é necessário um canal reverso, onde cada stakeholder seja responsável pelo cumprimento de ações mínimas para seu funcionamento. Estas responsabilidades constituem a responsabilidade compartilhada, preconizada na PNRS. Entretanto, quais seriam estas responsabilidades? Quais seriam estes multistakeholders constituintes deste canal reverso? E quais responsabilidades caberia a cada um deles? Para responder estas perguntas, utilizamos como método a revisão sistemática de literatura, resultando em uma base de 47 artigos, onde identificamos 12 stakeholders e suas respectivas responsabilidades pela análise de conteúdo. Na sequência, esquematizou-se o modelo de funcionamento do canal reverso de RSU com seus fluxos (físicos e de informações) e suas etapas distintivas. Como resultados, propomos um modelo de canal reverso para RSU de 4 etapas a partir das responsabilidades dos 12 stakeholders atuantes. Recomendamos como continuidade da pesquisa, a validação deste modelo com a realização de pesquisas empíricas nos diferentes municípios e regiões metropolitanas.

show abstract

Section: -Projetistasunclassified

Responsabilidades compartilhadas dos multistakeholders para proposição de modelo de canal reverso de resíduos sólidos urbanos

De Menezes Nascimento Nagata,

Eduarda Gomes Teixeira,

Gonçalves da Silva

et al. 2023

PRW

View full text Add to dashboard Cite

show abstract

“…A GA was proposed to solve the model efficiently. (He et al 2007) proposed a novel hybrid method based on fuzzy approach and GA to optimize a deterministic reverse supply chain model. The design decisions are to establish the optimal location of solid waste and determine the number of treatment facilities.…”

Section: Literature Reviewmentioning

confidence: 99%

Performance Evaluation of Meta-Heuristic Algorithms for Designing Multi-Objective Multi-Product Multi-Echelon Supply Chain Network

Duffuaa

2022

Preprint

View full text Add to dashboard Cite

In recent years, interest in designing multi-echelon, multi-product supply chains using multi-objective optimization has surged. This growing interest is exemplified by the number of studies published in this field. The resulting models for these cases are complex multi-objective optimization network models of a combinatorial nature. Exact algorithms can at best provide an Pareto optimal solution for medium size problems. In such situations, metaheuristic algorithms become a viable option for solving these kinds of problems. Therefore, the purpose of this paper is to develop three meta-heuristic algorithms to solve large size multi-objective supply chain network design problems. The algorithms are based on tabu search, genetic algorithm, and simulated annealing to find near optimal global solutions. The three algorithms are designed, coded, tested, and their parameters are fine tuned. The exact ε-constraint algorithm embedded in the General Algebraic Modeling System (GAMS) is used to validate the results of the three algorithms. A well-designed study is used to compare the performance of the three algorithms based on several performance measures using sound statistical tests. A typical multi-objective supply chain model is used to compare the algorithms’ performance. The results show that the tabu search algorithm outperformed the other two algorithms in terms of the percent of domination and computation time. On the other hand, the simulated annealing solutions are the best in terms of their diversity.

show abstract

“…Among the metaheuristic algorithms, the most popular technique utilized to solve SCD problems is genetic algorithm approach (Mohammed & Duffuaa, 2020). He et al (2007) develop a MILP model to integrate forward and reverse SCD by minimising the total cost and maximizing customer satisfaction. The model is solved using genetic algorithm.…”

Section: Solution Approachesmentioning

confidence: 99%

Optimal supply chain design with product family: A cloud-based framework with real-time data consideration

Ali

Alkilabi

et al. 2021

Computers & Operations Research

View full text Add to dashboard Cite

A Fuzzy Multi-objective Programming for Optimization of Reverse Logistics for Solid Waste through Genetic Algorithms

Cited by 14 publications

References 8 publications

Responsabilidades compartilhadas dos multistakeholders para proposição de modelo de canal reverso de resíduos sólidos urbanos

Responsabilidades compartilhadas dos multistakeholders para proposição de modelo de canal reverso de resíduos sólidos urbanos

Performance Evaluation of Meta-Heuristic Algorithms for Designing Multi-Objective Multi-Product Multi-Echelon Supply Chain Network

Optimal supply chain design with product family: A cloud-based framework with real-time data consideration

Contact Info

Product

Resources

About