Uncertainty sources-techniques-planning fit in closed-loop supply chain network design: a systematic literature review with prescriptive design patterns

Closed-loop or circular supply chains (CLSCs) transform traditional linear systems, those that follow a “take-make-dispose” pattern, into regenerative networks that emphasize reuse, repair, remanufacturing, and recycling to maintain product utility. However, research on quantitative CLSC network design (ND) remains fragmented: different studies often use varied techniques to address similar uncertainty sources, and their modeling choices are seldom justified by data conditions or decision-making levels. This systematic review of 30 high-quality papers from 2018 to 2024, selected through a PRISMA-guided process, categorizes findings using a detailed scheme that considers parameters like demand, returns, policies, supply, and transportation; planning levels are either strategic, tactical, or operational; various uncertainty techniques, including scenarios and robust optimization; and solver methods. Beyond simple pairings, I analyze triads (combinations of sources, techniques, and planning levels) using metrics like lift, coverage, and concentration to uncover meaningful associations, which I then synthesize into six practical design patterns. My findings reveal, for example, that returns and quality issues are strongly linked to robust or scenario-based mixed-integer linear programs (MILPs) at higher planning levels; service-related factors like lead times tend to co-occur with chance constraints and distributionally robust optimization at tactical or operational levels; and policy considerations such as carbon emissions often lead to hybrid models that incorporate cost and CO₂ objectives, including conic Distributionally Robust Optimization (DRO) models when data is partial. Methodologically, CPLEX and Gurobi dominate for exact MILPs, while MOSEK and CVX are common for conic and DRO models. Support for large, complex problems comes from advanced techniques such as Benders and Lagrangian methods, and hybrid metaheuristics enable scaling to larger, time-sensitive instances. I also emphasize that circularity indicators, particularly the Material Circularity Indicator (MCI), complement cost and environmental targets by helping to prioritize solutions that promote longer-lasting, more sustainable loops. My contribution is threefold: providing a clear and reproducible codebook at a variable level; explaining why certain techniques are suitable for specific uncertainty sources and decision stages; and offering practical design patterns that link data conditions to model formulations, constraints, key performance indicators, and solver choices. Thus, creating a structured, practitioner-friendly guide for designing sustainable, circular supply chains.

Le catena di fornituraa ciclo chiuso o circolari trasformano i sistemi lineari tradizionali, fondati sul paradigma “take-make-dispose”, in reti rigenerative che privilegiano riuso, riparazione, remanufacturing e riciclo per preservare l’utilità del prodotto. Tuttavia, la ricerca sul progettazione della rete quantitativo delle ciclo chiuso rimane frammentata: studi diversi impiegano tecniche eterogenee per affrontare fonti di incertezza simili, e le scelte modellistiche sono raramente motivate dalle condizioni dei dati o dal livello decisionale. Questa rassegna sistematica di 30 articoli di alta qualità (2018-2024), selezionati con un processo guidato da PRISMA, classifica i risultati mediante uno schema dettagliato che include parametri quali domanda, resi, politiche, approvvigionamento e trasporto; i livelli di pianificazione (strategico, tattico, operativo); le tecniche di gestione dell’incertezza (tra cui scenari e ottimizzazione robusta); e i metodi/solver utilizzati. Oltre alle semplici associazioni bivariate, analizziamo triadi (combinazioni di fonti, tecniche e livelli di pianificazione) con metriche quali lift (indice di associazione), copertura e concentrazione per far emergere legami significativi, che sintetizziamo in sei pattern progettuali applicabili. I risultati mostrano, ad esempio, che resi e qualità sono fortemente collegati a MILP robusti o basati su scenari a livelli strategico/tattico; i fattori di servizio (come i lead time) co-occorrono con vincoli di probabilità e ottimizzazione robusta distribuzionale (DRO) a livelli tattico/operativo; mentre le politiche (es. carbonio) portano spesso a modelli ibridi che integrano obiettivi di costo e CO₂, inclusi modelli conici DRO quando i dati sono parziali. Sul piano computazionale, CPLEX e Gurobi dominano per i MILP esatti, mentre MOSEK e CVX sono ricorrenti per formulazioni coniche/DRO; problemi ampi e complessi sono supportati da tecniche avanzate come decomposizione di Benders e metodi lagrangiani, e da metaeuristiche ibride per scalare istanze multi-periodo e sensibili al tempo. Sottolineiamo inoltre che gli indicatori di circolarità, in particolare il Material Circularity Indicator (MCI), completano gli obiettivi economico-ambientali aiutando a privilegiare soluzioni che favoriscono loop più lunghi e sostenibili. Il contributo è triplice: (i) forniamo un codebook riproducibile a livello di variabile; (ii) spieghiamo perché certe tecniche si adattano a specifiche fonti di incertezza e stadi decisionali; (iii) proponiamo pattern progettuali che collegano condizioni dei dati a formulazioni, vincoli, KPI e scelte di solver, offrendo così una guida strutturata e operativa per progettare filiere circolari sostenibili.