مرکز منطقه ای اطلاع رسانی علوم و فناوری نشریه صنعت و دانشگاه 2717-0446 19 71 2026 11 1 Synergistic Optimization of Green Inventory-Routing with Heterogeneous Fleets and Demand Risk (Case Study: Iran's Automotive Industry) بهینه‌سازی هم‌افزایانه مسیریابی موجودی سبز با در نظر گرفتن ناوگان ناهمگن و ریسک تقاضا (مطالعه موردی: صنعت خودروسازی ایران) 47 68 fa یاسر امامیان سازمان پژوهش هاي علمي و صنعتي ايران نگین فلاح حقیقی پژوهشکده مطالعات فناوری های نوین سید مسلم موسوی درچه سازمان پژوهش هاي علمي و صنعتي ايران 2026 8 29 <p>The Iranian automotive industry faces significant challenges regarding environmental performance, energy consumption, and logistics efficiency. The transportation sector accounts for approximately 25% of the country's total greenhouse gas emissions. Integrated inventory management and transportation decisions are recognized as effective approaches to reduce costs and carbon emissions in supply chains. This study presents a novel multi-objective synergistic optimization framework for heterogeneous fleet management, dynamic emission factors, Conditional Value at Risk (CVaR) for demand uncertainty, and a comparative analysis of four carbon policies (carbon tax, cap, cap-and-trade, and hybrid) within a Mixed-Integer Linear Programming (MILP) model using real-world data from the Iranian automotive industry. The model simultaneously minimizes total cost, environmental impact (direct and indirect CO2 emissions), and energy consumption. It incorporates dynamic load-based emission factors and indirect emissions from cold storage electricity consumption. To solve the model, the augmented epsilon-constraint method (AUGMECON2), Non-dominated Sorting Genetic Algorithm II (NSGA-II), and Multi-Objective Particle Swarm Optimization (MOPSO) are utilized. Results demonstrate that the proposed synergistic approach reduces carbon emissions by 23% with only a 2.4% increase in cost. The cap-and-trade policy provides the best economic-environmental trade-off, particularly under high uncertainty and risk-averse conditions. Indirect emissions account for about 12% of total emissions. MOPSO shows better coverage (hypervolume of 0.90), while NSGA-II provides a more uniform distribution (spacing metric of 0.12). The proposed model enables simultaneous improvement of economic and environmental objectives in the Iranian automotive supply chain by creating synergy among inventory, routing, and fleet selection decisions</p> <p style="text-align: justify;">صنعت خودروسازی ایران با چالش&zwnj;های جدی در زمینه عملکرد زیست&zwnj;محیطی، مصرف انرژی و کارایی لجستیک مواجه است؛ به&zwnj;گونه&zwnj;ای که بخش حمل&zwnj;ونقل حدود ۲۵ درصد از کل انتشار گازهای گلخانه&zwnj;ای کشور را به خود اختصاص می&zwnj;دهد. یکپارچه&zwnj;سازی تصمیم&zwnj;های حمل&zwnj;ونقل و مدیریت موجودی، از مؤثرترین رویکردها برای کاهش هزینه&zwnj;ها و انتشار کربن در زنجیره&zwnj;های تأمین شناخته شده است. پژوهش حاضر یک چارچوب بهینه&zwnj;سازی هم&zwnj;افزایانه چندهدفه نوین برای مدیریت ناوگان ناهمگن، ضرایب انتشار پویای کربن، معیار شرطی ارزش در معرض خطر برای عدم&zwnj;اطمینان تقاضا، و تحلیل مقایسه&zwnj;ای چهار سیاست کربنی (مالیات، سقف، سقف و مبادله و ترکیبی) در قالب یک مسئله&nbsp; مسیریابی موجودی سبز ارائه می&zwnj;دهد و آن را با داده&zwnj;های صنعت خودروسازی ایران به&zwnj;کار می&zwnj;گیرد. یک مدل برنامه&zwnj;ریزی خطی با عدد صحیح آمیخته سه&zwnj;هدفه توسعه یافته است که به&zwnj;طور هم&zwnj;زمان هزینه کل، اثر زیست&zwnj;محیطی (شامل انتشار مستقیم و غیرمستقیم دی&zwnj;اکسیدکربن) و مصرف انرژی را کمینه می&zwnj;کند. مدل شامل ضریب انتشار پویای مبتنی بر بار و انتشار غیرمستقیم ناشی از مصرف برق سردخانه است. برای حل مسائل بزرگ&zwnj;مقیاس، الگوریتم ژنتیک مرتب&zwnj;سازی نامغلوب نوع دوم و الگوریتم بهینه&zwnj;سازی ازدحام ذرات چندهدفه با روش دقیق آگمکون&zwnj;دو مقایسه شده&zwnj;اند. نتایج نشان می&zwnj;دهد رویکرد هم&zwnj;افزایانه پیشنهادی، انتشار کربن را ۲۳ درصد کاهش و هزینه را تنها ۲.۴ درصد افزایش می&zwnj;دهد. سیاست سقف و مبادله بهترین تعادل اقتصادی زیست&zwnj;محیطی را به&zwnj;ویژه در شرایط عدم&zwnj;اطمینان بالا و ریسک&zwnj;گریزی شدید با ضریب ریسک&zwnj;گریزی ۰.۰۱ ارائه می&zwnj;دهد. انتشار غیرمستقیم حدود ۱۲ درصد از کل انتشار را تشکیل می&zwnj;دهد. الگوریتم بهینه&zwnj;سازی ازدحام ذرات چندهدفه با حجم فوق&zwnj;بعد ۰.۹۰ پوشش بهتری در فضای اهداف دارد، در حالی که الگوریتم ژنتیک مرتب&zwnj;سازی نامغلوب نوع دوم با معیار فاصله&zwnj;گذاری ۰.۱۲ توزیع یکنواخت&zwnj;تری از جواب&zwnj;ها ارائه می&zwnj;دهد. مدل پیشنهادی با ایجاد هم&zwnj;افزایی بین تصمیم&zwnj;های موجودی، مسیریابی و انتخاب ناوگان، امکان بهبود هم&zwnj;زمان اهداف اقتصادی و زیست&zwnj;محیطی را در زنجیره تأمین خودروسازی ایران فراهم می&zwnj;سازد</p> http://jiu.ir/ar/Article/Download/54595