OPTIMIZING MULTI-VENDOR MULTI-BUYER SUPPLY CHAINS UNDER HYBRID PRODUCTION SYSTEM WITH SUSTAINABILITY AND OPERATIONALCONSTRAINTS. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF KFUPM MS Thesis final report.pdf - Accepted Version Restricted to Repository staff only until 24 August 2026. Download (1MB)

Arabic Abstract

تقدم هذه الرسالة نماذج سلسلة التوريد (SC) المركزية واللامركزية لنظامي البائع الواحد ومشتري متعدد (SVMB) والبائعين المتعددين ومشتري متعدد (MVMB) تحت الطلب غير المؤكد والقيود التشغيلية. تتضمن النماذج أوقات التسليم القابلة للتحكم وتكاليف الإعداد، بالإضافة إلى قيود تشغيلية أخرى، لتعكس تعقيدات بيئات سلسلة التوريد الحديثة. يتم تقديم نهج إنتاج هجيني، مما يتيح الاستخدام المتزامن لتقنيات الإنتاج التقليدية والخضراء. بينما تنطوي الإنتاجية الخضراء على تكاليف وحدوية أعلى، فإنها تساهم بشكل كبير في الاستدامة البيئية من خلال تقليل انبعاثات $CO_2$، والذي يتم نمذجته كدوال لمعدلات الإنتاج. تم تطوير منهجيات حل فعالة، وتم تقديم دراسة حالة عددية للتحقق من الجدوى العملية للنموذج.علاوة على ذلك، لتحسين منهجية الحل، تم استخدام تقنيات مختلفة من تعلم الآلة (ML) وتم تحسين الوقت الحاسوبي. تظهر النتائج أن دمج معدلات الإنتاج المرنة والاستثمارات الخضراء يمكن أن يقلل بشكل فعال من التكاليف التشغيلية والأثر البيئي. علاوة على ذلك، أثبت اعتماد نهج تعلم الآلة أنه مفيد في تقليل الوقت الحاسوبي

English Abstract

This thesis presents decentralized and centralized supply chain (SC) models for both Single-Vendor Multi-Buyer (SVMB) and Multi-Vendor Multi-Buyer (MVMB) systems under uncertain demand and operational constraints. The models incorporate controllable lead times and setup costs, as well as other operational constraints, to reflect the complexities of modern supply chain environments. A hybrid production approach is introduced, enabling the simultaneous use of conventional and green production technologies. While green production entails higher unit costs, it contributes significantly to environmental sustainability by reducing CO2 emissions, which are modeled as functions of production rates. The models also account for energy consumption, which depends non-linearly on production volume, order size, and the extent of rework operations. The primary objective is to optimize production, inventory, and transportation (PIT) decisions to minimize total supply chain costs while ensuring environmental compliance. Efficient solution methodologies are developed, and a numerical case study is presented to validate the model’s practical applicability. Furthermore, to enhance the solution methodology, different machine learning (ML) techniques were used and computational time was optimized. Finally, sensitivity analysis was done for SVMB SC model depicting the change in cost with change in key parameters. The results demonstrate that incorporating flexible production rates and green investments can effectively reduce operational costs and environmental impact. Moreover, the adoption of a machine learning approach proves advantageous for reducing the computational time.

Item Type:	Thesis (Masters)
Subjects:	Computer Math
Department:	College of Computing and Mathematics > lndustrial and Systems Engineering
Committee Advisor:	Iqbal, Asif
Committee Co-Advisor:	Mujahid, S.N.
Committee Members:	Abdallah Alsawafy, Omar Ghaleb
Depositing User:	AHMED ZARAR (g202315570)
Date Deposited:	25 Aug 2025 07:55
Last Modified:	25 Aug 2025 07:55
URI:	http://eprints.kfupm.edu.sa/id/eprint/143676