一般来说供应链选址模型设计，是在假设外部条件确定的情况下进行的。事实上，由于不确定的预测、测量的误差、需求参数的变化，或者其他因素，造成参数估计不够准确。即使供应链的所有参数都是确定的，由于险恶的环境、劳动纠纷、或者怠工等原因，系统也有时不时中断的可能。该篇论文正是针对这两种情况来研究的，一个是供应链的稳健性(在数据或参数不明确的情况下，系统可以运行得很好)方面，另一个是供应链的可靠性(当系统某部分运行失灵后整个系统还能良好运行)方面。文章的前半部分主要研究选址模型的稳健性。这些模型的第一个目标是最小化系统的期望成本，包括设施选址成本、运输成本和存储成本。第二个目标增加了约束，使每种方案在事先给定的条件下进行求解。两种模型都是利用拉格朗日松弛法来求解的。但第二个目标的模型存在另外一个问题，就是可行解并不是很容易的找到，而且很难确定一个方法是否可行。我们提出了克服这些困难的方法。我们也讨论了限定后悔值情况下两种经典设施选址问题的处理方法，也提出了针对这些问题以变量分离法为基础的运算法则。文章的后半部分，我们提出了一个新的方法来对供应链进行优化，那就是选择合适的设施位置，使得一个设施(如，配送中心等)不能使用(失灵)时，整个系统的运行成本(叫做“失灵成本”)不是很大。我们讨论了两种类型的可靠性模型，一种是考虑最大失灵成本时的模型，一种是考虑期望失灵成本时的模型。我们建立了几种最大失灵成本的模型并讨论他们的松弛问题。同时还提出了用启发式法来研究解决这些问题。这些期望失灵成本问题可以用拉各朗日松弛法来解决。两种模型的计算结果显示，通过小小提高成本来大幅度地提高可靠性是可能的。