طراحی یک شبکه زنجیره تامین داروی دو هدفه در حالت عدم قطعیت با در نظر گرفتن زمان فسادپذیری، تولید و تحویل دارو
الموضوعات :میثم جعفری اسکندری 1 , مهرداد مختاری 2 , محمد عباسی فرد 3
1 - گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران
2 - گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران
3 - گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران
الکلمات المفتاحية: robust optimization, drug perishable times, production and delivery time, design the supply chain network,
ملخص المقالة :
در این مقاله یک شبکه زنجیره تامین داروی دو هدفه در حالت عدم قطعیت پارامترهای هزینه های حمل و نقل و تقاضای مدل سازی و توسعه داده شده است. برای کنترل پارامترهای غیر قطعی از روش بهینه سازی استوار بهره گرفته شده است. هدف اصلی این مقاله تعیین تعداد و مکان بهینه تسهیلات بالقوه از جمله مراکز تولید کننده دارو و مراکز توزیع دارو با در نظر گرفتن کاهش هزینه های طراحی شبکه زنجیره تامین و کاهش حداکثر تقاضای برآورده نشده از توزیع کالا به مناطق تقاضا می باشد. همچنین در این مقاله زمان تولید، تحویل و فساد پذیری دارو نیز در مدل سازی مد نظر قرار گرفته است. برای حل این مدل یک مثال عددی تولید و با روش تصمیم گیری چند هدفه TH به حل مدل پرداخته شده است. نتایج بدست امده حاکی از کارایی این مدل در یافتن جبهه پارتو در زمان مناسب می باشد. نتایج بدست امده حاکی از کارایی این مدل در یافتن جبهه پارتو در زمان مناسب می باشد.
[1] B. Zahiri, M.S. Pishvaee. Blood supply chain network design considering blood group compatibility under uncertainty. International Journal of Production Research. 55(7): 2013-2033 (2017).
[2] S.A.Torabi, E.Hassini. An interactive possibilistic programming approach for multiple objective supply chain master planning. Fuzzy Sets Syst. 159: 193-214 (2008).
[3] M.S.Pishvaee, M.Rabbani, S.A.Torabi. A robust optimization approach to closed-loop supply chain network design under uncertainty. Applied Mathematical Modelling, 35(2): 637-649 (2011).
[4] R.T.Sousa, S.Liu, L.G.Papageorgiou, N. Shah. Global supply chain planning for pharmaceuticals. Chemical Engineering Research and Design. 89(11): 2396-2409 (2011).
[5] N. Susarla, I.A. Karimi. Integrated supply chain planning for multinational pharmaceutical enterprises. Computers & Chemical Engineering. 42: 168-177 (2012).
[6] Z.H. Zhang, H. Jiang. A robust counterpart approach to the bi-objective emergency medical service design problem. Applied Mathematical Modelling. 38(3): 1033-1040 (2014).
[7] B. Zahiri, R. Tavakkoli-Moghaddam, M. Mohammadi, P. Jula. Multi-objective design of an organ transplant network under uncertainty. Transportation Research Part E: Logistics and Transportation Review. 72: 101-124 (2014).
[8] A. Jabbarzadeh, B. Fahimnia, S. Seuring. Dynamic supply chain network design for the supply of blood in disasters: a robust model with real world application. Transportation Research Part E: Logistics and Transportation Review. 70: 225-244 (2014).
[9] M. Mousazadeh, S.A. Torabi, M.S. Pishvaee. Green and reverse logistics management under fuzziness. In Supply Chain Management under Fuzziness. 313: 607-637 (2014).
[10] M. Mousazadeh, S.A. Torabi, B. Zahiri. A robust possibilistic programming approach for pharmaceutical supply chain network design. Computers & Chemical Engineering. 82: 115-128 (2015).
[11] S. Martins, P. Amorim, G. Figueira, B. Almada-Lobo. An Optimization-Simulation Approach to the Network Redesign Problem of Pharmaceutical Wholesalers. Computers & Industrial Engineering. 106: 315-328 (2017).
[12] B. Zahiri, P. Jula, R. Tavakkoli-Moghaddam. Design of a pharmaceutical supply chain network under uncertainty considering perishability and substitutability of products. Information Sciences. 423: 257-283 (2018).
[13] S.S. Kara, S. Onut. A two-stage stochastic and robust programming approach to strategic planning of a reverse supply network: The case of paper recycling. Expert Systems with Applications. 37(9): 6129-6137 (2010).
[14] M. Ramezani, M. Bashiri, R. Tavakkoli-Moghaddam. A new multi-objective stochastic model for a forward/reverse logistic network design with responsiveness and quality level. Applied Mathematical Modelling. 37(1): 328-344 (2013).
[15] S.H. Amin, G. Zhang. A multi-objective facility location model for closed-loop supply chain network under uncertain demand and return. Applied Mathematical Modelling. 37(6): 4165-4176 (2013).
[16] H. Soleimani, M. Seyyed-Esfahani, G. Kannan. Incorporating risk measures in closed-loop supply chain network design. International Journal of Production Research. 52(6): 1843-1867 (2014).
[17] K. Subulan, A.S. Taşan, A. Baykasoğlu. Designing an environmentally conscious tire closed-loop supply chain network with multiple recovery options using interactive fuzzy goal programming. Applied Mathematical Modelling. 39(9): 2661-2702 (2015).
