هزینه تجهیزات انبارداری
هزینه حمل و نقل
عامل های مهم دیگر شامل خصوصیات محصول، ویژگی های بازار و نیازمندی های منابع می باشد.
دبریتو و دکر^[۶۶] (۲۰۰۲) یک چارچوب تصمیم گیری برای لجستیک معکوس در سه سطح استراتژیک، تاکتیکال و عملیاتی ارائه می دهند.آنها اشاره می کنند که تصمیمات سطح استراتژیک ، یعنی طراحی شبکه بازیابی می بایست در ابتدای امر صورت بگیرد. ایشان بیان میدارند که یک شبکه لجستیک معکوس می تواند شامل موارد زیر باشد

جمع آوری محصولات برگشتی
بررسی و تفکیک محصولات (درصورتی که بخواهیم مقاصد مختلفی برای محصولات در نظر بگیریم)
دوباره کاری یا تعمیر
منهدم کردم محصولات
توزیع مجدد
۱-۴-۲-واگذاری شبکه های لجستیک معکوس به شرکت های خارجی^[۶۷] (۳PL)
مدیریت یک سیستم توزیع در حالتی که تنها جریان مستقیم محصولات و مواد موجود است امری پیچیده است که با وارد کردن جریان معکوس محصولات پیچیده تر هم می شود (راجرز^[۶۸]، ۱۹۹۹). به همین دلیل طراحی مدل های زنجیره تامین با در نظر گرفتن لجستیک معکوس امری پیچیده و زمان بر می باشد. برخی شرکت برای جلوگیری از صرف منابع و زمان خود در سیستم بازگشتی مواد، سیستم لجستیک معکوس خود به ۳PL ها می سپارند.نتیجتا صنعت ۳PL به عنوان پاسخی به نیاز روزافزون سیستم های لجستیک پیشرفته گسترش یافته است (دو و ایوانس^[۶۹] ،۲۰۰۸) .خدمات عمده ای که به ۳PL ها معمولا واگذار می شود شامل حمل و نقل ها، انبارداری، موجودی، خدمات ارزش افزوده، سرویس های اطلاعاتی و مهندسی مجدد زنجیره تامین می باشد(هرتزل و همکاران^[۷۰]،۲۰۰۳) البته لازم به ذکر است که به کارگیری ۳PL ها می تواند هزینه مضاعفی بر سیستم تحمیل نماید و قبل از تصمیم راجع به واگذاری سیستم لجستیک یا طراحی شخصی آن می بایست آنالیز هزینه ها که برای هر شرکت وابسته به شرایط محیطی می تواند متفاوت باشد صورت گیرد.
محصولات در برخی موقعیت ها می توانند وارد چرخه معکوس زنجیره تامین بشوند .معمولا، جریان های بازگشتی به دسته های زیر تقسیم می شوند( فلیشمن ،۲۰۰۱)
برگشتی های تجاری
برگشتی های بواسطه گارانتی
برگشتی های محصولات در پایان دوره عمر مفید
برگشتی های محصولات قابل استفاده مجدد
۲-۴-۲-پیچیدگی شبکه های لجستیک معکوس
فلیشمن و همکاران (۲۰۰۴) بیان می دارند که یک شبکه لجستیک معکوس به دلیل نیازمندی اش به موارد زیر پیچیده می شود
بررسی و تفکیک محصولات برگشتی
درنظر گرفتن عدم قطعیت در مقدار، کیفیت و زمان تحویل محصولات برگشتی
در نظر گرفتن برهم کنش، یکپارچه سازی و هماهنگی جریان های مختلف مستقیم و معکوس
از جمله مواردی که در لجستیک معکوس بدان پرداخته می شود، می توان به طراحی شبکه لجستیک معکوس، مسیریابی جمع آوری و توزیع، کنترل و برنامه ریزی تولید و هماهنگ سازی زنجیره های تامین حلقه بسته اشاره نمود. از بین این موارد، طراحی شبکه لجستیک معکوس یکی از مهم ترین موارد تحقیق می باشد زیرا یک شبکه لجستیک معکوس پیچیده تر از شبکه های متعارف می باشد (ساسیکومار و کانان ،۲۰۰۸b) .
به طور اخص یک شبکه لجستیک معکوس می تواند به سوال های زیر جواب دهد
فعالیت های مختلف لجستیک معکوس را در کجا قرار دهیم
مسیرهای ارتباطی برای حمل و نقل موادکدام است
محصولات برگشتی از مشتریان را چگونه جمع آوری کنیم
محصولات جمع آوری شده را کجا دوباره کاری کنیم
محصولات تعمیر شده را چگونه به مشتریان بازگردانیم
…
برای پاسخ به سوالات بالا از مدل های ریاضی گوناگونی در تحقیقات صورت گرفته استفاده شده است. دکر و همکاران (۲۰۰۴) بیان می دارند که مدل های ریاضی برای طراحی شبکه های لجستیک معکوس مناسب بوده و منجر به تصمیمات اقتصادی بهتری می شوند.
جونگ و همکاران^[۷۱] (۲۰۰۸) به طراحی شبکه لجستیک بر اساس کمترین میزان تبادل اطلاعات بین تولید کننده و شرکت تامین کننده ۳PL پرداخته و یک مدل MILP تک هدفه، چند طبقه، چند محصوله با چند تجهیز حمل و نقل مختلف با ظرفیت حمل و نقل و نگهداری مواد در انبار محدود ارائه داده اند. مدل ارائه شده توانایی یافتن میزان تولید و حمل و نقل مواد توسط هر تجهیز بین نهادهای مختلف زنجیره تامین در طول زمان را دارا می باشد اما هیچگونه تصمیم جایابی تجهیزات ویا گسترش ظرفیت در این مدل مشاهده نمی شود.
موتا و پوخارل^[۷۲] (۲۰۰۹) به اهمیت طراحی شبکه لجستیک معکوس برای تولید کنندگان تجهیزات اصلی^[۷۳](OEM) با توجه به قوانین حافظ محیط زیست اشاره می نماید که OEM ها را مجبور به بازیافت محصولات استفاده شده یا در پایان دوره عمر مصرفی یا محصولات دارای گارانتی تعمیر و تعویض به منظور کمینه کردن دور ریزها و حفظ منابع اشاره می نماید. ایشان یک مدل ریاضی برای طراحی یک شبکه بازیافت (یک طرفه) لحستیک معکوس طراحی می نمایند که در آن محصولات مرجوعی می بایست ابتدا در انبارها دسته بندی شده سپس به مراکز دوباره کاری فرستاده شوند تا دمونتاژ گردند. قطعات دمونتاژ شده به کارخانه تولیدی برای استفاده مجدد بازگردانده شده ویا به فروشگاه ها به عنوان قطعات یدکی فرستاده می شود.
زیانگرو و وی^[۷۴] (۲۰۰۹) یک شبکه لجستیک معکوس حلقه بسته ایستا برای بازیافت قطعات معیوب طراحی نموده اند که در آن محصولات معیوب برای کاربرد دوباره به کارخانه بازگردانده شده و قطعات آنها پس از دمونتاژ مورد مصرف مجدد قرار می گیرد. ظرفیت های تولید محدود بوده و خرید از تولید کنندگان خارجی نیز در نظر گرفته شده است. متغیرهای تصمیم مدل MILP ارائه شده مقدار جریان های معکوس محصولات معیوب به کارخانه و متغیرهای منطقی مربوط به باز و بسته بودن مراکز بازیافت و تولید بوده، هدف کمینه کردن هزینه کل شامل هزینه های ثابت و متغیر و حمل و نقل می باشد. از نرم افزار LINGO برای حل مدل استفاده شده می باشد.
کین و جی^[۷۵] (۲۰۰۹)یک مدل تک دوره ای فازی برای طراحی سیستم لجستیک معکوس از نوع بازیافت طراحی نموده و در آن تصمیمات راجع به انتخاب مکان های قرار گیری مراکز بازیافت و مقدار جریان های بازگشتی را مشخص می نمایند. از تئوری امکاناتی برای رفع و رجوع پارامترهای فازی استفاده شده است و به واسطه پیچیدگی مدل یک الگوریتم ژنتیک ترکیبی بر پایه شبیه سازی فازی برای حل آن ارائه گردیده و نتایج گزارش شده است.
یانگشنگ و شویانگ^[۷۶](۲۰۰۸) اشاره می نمایند که در ادبیات موضوع کمتر به مساله تعمیر محصولات مرجوعی پرداخته شده و بیشتر به دمونتاژ و کاربرد مجدد قطعات محصولات در صنعت توجه شده است. ایشان یک مدل تک دوره ای و ایستا برای کمینه سازی هزینه های سیستم لجستیک معکوس حلقه بسته در شرایط قطعی ارائه داده و به مشخص کردن مقادیر جریان های مستقیم و معکوس مواد و باز بسته کردن مراکز تولید و توزیع و بازیافت می پردازند.
۵-۲- مرور ادبیات پیکر بندی زنجیره تامین در شرایط عدم قطعیت
عدم قطعیت را می توان تفاوت بین مقدار اطلاعاتی که لازم است تا یک فعالیت را انجام دهیم و مقدار اطلاعاتی که در واقع در دسترس ما می باشد تعریف نمود (گالبریث،۱۹۷۳).در فرایند تصمیم گیری زنجیره تامین، عدم قطعیت عامل بسیار مهمی است که می تواند اثربخشی پیکربندی زنجیره و هماهنگی نهاد های آن را بشدت تحت تاثیر قراردهد(دیوس^[۷۷]، ۱۹۹۳). تصمیمات طولانی مدت و استراتژیک جایابی تجهیزات همواره در محیطی غیر قطعی گرفته می شوند. تقاضاها و هزینه ها در طول افق برنامه ریزی به احتمال زیاد تغییر خواهند کرد. با وجود این، مدل های کلاسیک جایابی تجهیزات این تغییرات در پارامترها را با وجود اینکه هزینه گزافی برای سیستم بوجود میاورد لحاظ نمی کردند اما باگذر زمان این روش ها جای خود را به رویکردهایی که سعی در بررسی تاثیر عدم قطعیت بر سیستم داشتند دادند. اکثر رویکردهای تصمیم گیری تحت شرایط عدم قطعیت، یک سری توابع توزیع احتمال برای پارامترهای غیرقطعی مدل در نظر می گیرند. (داسکین و همکاران، ۲۰۰۵). در مواردی که داده های آماری غیر معتبر باشند یا نتوان تابع توزیع احتمال مناسب را از آنها استخراج نمود ، تئوری مجموعه های فازی ابزاری برای رفع و رجوع عدم قطعیت مهیا می نماید. (زیمرمن^[۷۸]، ۱۹۷۸).
عواملی که موجب بروز عدم قطعیت در زنجیره تامین می گردند را می توان به موارد زیر تقسیم بندی نمود (دیویس،۱۹۹۳)
عدم قطعیت در تامین مواد
عدم قطعیت در فرایندها
عدم قطعیت در تقاضای بازار
عدم قطعیت تامین مربوط به تغییرپذیری یا عملکرد تامین کنندگان بواسطه تحویل موادهای دیر یا معیوب است. عدم قطعیت فرایند ناشی از بی اعتباری فرایند تولید بدلیل خرابی های ماشین آلات می باشد. نهایتا، عدم قطعیت در تقاضا، که مهمترین مورد از موارد بالا به شمار می آید، ناشی از تقاضاهای ناپایدار ویا پیش بینی های غیردقیق می باشد. همچنین سه نوع مدل برای پیش بینی تقاضا در ادبیات موضوع مشاهده می شود (آرنولد، ۱۹۹۸)
کیفی^[۷۹]
حقیقی^[۸۰]
تصادفی^[۸۱]
دو مورد آخر معمولا تقاضا را بر پایه داده های تاریخی و تکنیک های آماری مدل می کنند. باوجود این، بواسطه محیط رقابتی دنیای امروز که از کوتاه تر شدن هر روزه دوره عمر محصولات می توان به آن پی برد، حتی این داده ها نیز که از آنها برای استنتاج تابع توزیع احتمالی استفاده می شود غیر قابل اعتماد هستند یا گاها اصلا وجود خارجی ندارند . مشکلات مشابهی در تخمین هزینه های زنجیره تامین مانند هزینه نگهداری، حمل و نقل و … وجود دارد. در کشورهای با تورم فزاینده و اقتصاد نا متعادل قیمت هیچ محصول و خدماتی در مدتی طولانی ثابت نمی ماند و از آن جهت که پیکربندی زنجیره تامین یک فرایند هزینه بر بوده و نتایج آن تا سال ها بر عملکر شرکت تاثیر می گذارد، این عدم قطعیت ها می تواند به قیمت گزافی برای شرکای زنجیره تامین تمام شود و معادله های سودآوری تجارت ایشان را بر هم بزند. علاوه بر این، بخش زیادی از هزینه های نگهداری وابسته به از رده خارج شدن محصولات می باشد که به سختی می توان در قالب اعداد حقیقی بیان داشت. نتیجتاً، پیش بینی های کیفی تقاضا و تقریب هزینه ها بر پایه نظر و تجربه مدیریت می تواند گزینه مناسب تری در بسیاری از موارد برای هر شرکتی باشد.
در حالتی که با تقاضای بازار و هزینه های موجودی سر و کار داریم، عوامل عدم قطعیت بیشتر ابهام، بی اعتباری آماره ها، و مشکلات اندازه گیری ای می باشند که در صورت بازه ای ،مجموعه ای و یا به شکل زبان شناختی بودن متغیرها رخ می دهند (زیمرمن، ۲۰۰۰). در این موقعیت ها علم آمار ابزار مناسبی برای سر و کار داشتن با این داده ها در اختیار ما نمی گذارد. مقادیری که این متغیرها می توانند بگیرند بیشتر وابسته به امکان رخدادشان است تا احتمال رخداد آن ( به دلیل بی اعتباری آماره ها). برای مدل کردن این متغیرها تئوری مجموعه های فازی استفاده می گردد که بر مبنای امکان رخداد پیشامدها بوده و اجازه کار با اعداد کیفی را می دهد( برای مثال گزاره های زبان شناختی مانند اینکه نرخ تقاضا تقریبا برابر ۵۰ عدد در واحد زمان بوده ویا نرخ هزینه نگهداری مواد تقریبا حول و حوش ۳۰ واحد می باشد (زاده، ۱۹۷۵)
در یک مرور ادبیات نسبتا قدیمی ارائه شده توسط گایفریدا و ناگی^[۸۲](۱۹۹۸) مقالاتی که به کاربرد تئوری فازی در حوزه مدیریت تولید پرداخته اند گردآوری و بررسی گردیده اند. اما یک مرور ادبیات جدید و به روز که به بررسی عدم قطعیت در مسائل طراحی زنجیره تامین پرداخته توسط پیدرو و همکاران^[۸۳] (۲۰۰۹) ارائه گردیده است.ایشان رویکردهای مختلف مدل سازی برای رفع و رجوع عدم قطعیت در زنجیره تامین را به چهار دسته تقسیم بندی می نمایند
مدل های عددی : شامل بهینه سازی استوار، برنامه ریزی احتمالی، تئوری بازی ها، برنامه ریزی خطی و برنامه ریزی پارامتریک