طراحی مدل یکپارچه استوار زنجیره تأمین فرآورده‌های خونی در شرایط بحران و عدم قطعیت با استفاده از الگوریتم NSGA II و MOPSO
الموضوعات :میثم کرمی پور 1 , محمد علی افشار کاظمی 2 , عزت الله اصغری زاده 3 , عادل آذر 4
1 - دانشجوی دکتری ، گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
3 - دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران، تهران، ایران
4 - استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.
الکلمات المفتاحية: Imperialist Competitive Algorithm, Uncertainty, NSGA II Algorithm, Stable Model,
ملخص المقالة :
حوزه‌ی زنجیره‌ی تأمین خون به دلیل اهمیت چشمگیر در نجات جان انسان‌ها، به یکی از مهم‌ترین حوزه‌های تحقیقاتی تبدیل شده است. بعد از وقوع زمین‌لرزه، تعداد زیادی از مجروحان و آسیب‌دیدگان، دارای خونریزی‌های شدید و سوختگی می‌شوند که به تزریق خون در کوتاه‌ترین زمان ممکن، نیازمند هستند؛ بنابراین، مدیریت مناسب برای تأمین خون مجروحان، حائز اهمیت است و کوچک‌ترین سهل‌انگاری، سبب به خطر افتادن جان انسان‌ها خواهد شد. در چنین شرایطی، امدادرسانی به مصدومان و نیازمندان به خون، بسیار حیاتی است و باید با پاسخ‌گویی به‌موقع به تقاضای به‌وجود‌آمده، تا حد زیادی خسارات جانی و تلفات ناشی از کمبود خون را کاهش داد. در مقاله‌ی حاضر، یک مدل ریاضی دوهدفه تحت شرایط بحران و عدم قطعیت ارائه شده است. به دلیل حد بالای عدم قطعیت موجود در زنجیره‌ی تأمین خون در شرایط بحرانی و با توجه به ماهیت پارامترهای غیرقطعی، از رویکرد برنامه‌ریزی استوار استفاده شده است. همچنین با توجه به NP-hard بودن مسئله، از الگوریتم NSGA II و MOPSO استفاده شده است. برای ارزیابی نتایج مدل، از یک مطالعه‌ی موردی واقعی در شهر تهران استفاده شده و تحلیل حساسیت نیز روی پارامترهای مهم مدل انجام شده است. در نهایت، نتایج محاسباتی، بیانگر آن است که کیفیت جواب‌های خروجی الگوریتم NSGA II بهتر از الگوریتم MOPSO می‌باشد و مسائل را در مدت‌زمان کمتری نیز حل می‌نماید؛ لذا نتایج، نشان‌دهنده‌ی پایداری و ثبات جواب‌های الگوریتم مورد بررسی است.
[1] B. Zahiri, S. Torabi, M. Mousazadeh, and S. Mansouri, "Blood collection management: Methodology and application," Applied Mathematical Modelling, vol. 39, no. 23-24, pp. 7680-7696, 2015.
[2] J. Beliën and H. Forcé, "Supply chain management of blood products: A literature review," European Journal of Operational Research, vol. 217, no. 1, pp. 1-16, 2012.
[3] W.-C. Lee and B.-W. Cheng, "An intelligent system for improving performance of blood donation," vol. 18, no. 2, pp. 173-185, 2011.
[4] س. ذوالفقاری‌انارکی, اطلس جامع انتقال خون. سازمان انتقال خون, 1391.
[5] A. F. Osorio, S. C. Brailsford, and H. K. Smith, "A structured review of quantitative models in the blood supply chain: a taxonomic framework for decision-making," International Journal of Production Research, vol. 53, no. 24, pp. 7191-7212, 2015.
[6] I. Civelek, I. Karaesmen, and A. Scheller-Wolf, "Blood platelet inventory management with protection levels," European Journal of Operational Research, vol. 243, no. 3, pp. 826-838, 2015.
[7] A. Mansur, I. Vanany, and N. I. Arvitrida, "Challenge and opportunity research in blood supply chain management: a literature review," in MATEC Web of Conferences, 2018, vol. 154: EDP Sciences, p. 01092.
[8] A. E. Ezugwu, M. O. Olusanya, and P.
Govender, "Mathematical model formulation and hybrid metaheuristic optimization approach for near-optimal blood assignment in a blood bank system," Expert Systems with Applications, vol. 137, pp. 74-99, 2019.
[9] R. Ramezanian and Z. Behboodi, "Blood supply chain network design under uncertainties in supply and demand considering social aspects," Transportation Research Part E: Logistics and Transportation Review, vol. 104, pp. 69-82, 2017.
[10] S. B. Ghorashi, M. Hamedi, and R. Sadeghian, "Modeling and optimization of a reliable blood supply chain network in crisis considering blood compatibility using MOGWO," Neural Computing and Applications, pp. 1-28, 2019.
[11] S. Rajendran and A. R. Ravindran, "Inventory management of platelets along blood supply chain to minimize wastage and shortage," Computers & Industrial Engineering, vol. 130, pp. 714-730, 2019.
[12] B. Hamdan and A. Diabat, "A two-stage multi-echelon stochastic blood supply chain problem," Computers & Operations Research, vol. 101, pp. 130-143, 2019.
[13] M. R. G. Samani, S.-M. Hosseini-Motlagh, M. I. Sheshkol, and S.-N. Shetab-Boushehri, "A bi-objective integrated model for the uncertain blood network design with raising products quality," European Journal of Industrial Engineering, vol. 13, no. 5, pp. 553-588, 2019.
[14] ب. اسدی‌مقدم, ا. مردان, "ارائه یک مدل ریاضی جهت طراحی شبکه زنجیره تأمین خون هنگام بحران در شرایط عدم قطعیت,"ششمین کنفرانس بین المللی مهندسی صنایع و سیستم‌ها (ICISE 2020), مشهد, 1399.
[15] N. Haghjoo, R. Tavakkoli-Moghaddam, H. Shahmoradi-Moghadam, and Y. Rahimi, "Reliable blood supply chain network design with facility disruption: A real-world application," Engineering Applications of Artificial Intelligence, vol. 90, p. 103493, 2020.
[16] حقیقی، احمدرضا، پیرهادی, نیکو، شهبازی اصل، محمد. (1398). یک مدل ریاضی برای بررسی جریان خون به‌عنوان جریان سیال کراس در طول رگ گرفته شده. پژوهش‌های نوین در ریاضی.5(20).15-30.
[17] یوسفی‌نژاد, ویدا, نیک بخش, احسان. (1400). کنترل موجودی فرآورده‌های خونی در شبکه بیمارستانی تحت شرایط عدم قطعیت. چشم‌انداز مدیریت صنعتی. doi: 10.52547/jimp.2021.184783.1108.
[18] کوچکی تاجانی, طاهر, محتشمی, علی, امیری, مقصود, احتشام راثی, رضا. (1400). ارائه مدل بهینه‌سازی استوار به‌منظور طراحی زنجیره تأمین خون جامع تحت شرایط عدم‌قطعیت عرضه و تقاضا. چشم‌انداز مدیریت صنعتی.11(1).81-116.
[19] R., Mousavi, and., Salehi-Amiri, A., Zahedi, A., & Hajiaghaei-Keshteli, M. (2021). Designing a supply chain network for blood decomposition by utilizing social and environmental factor. Computers & Industrial Engineering, 160, 107501.
[20] M., Shokouhifar., Sabbaghi, M. M., & Pilevari, N. (2021). Inventory management in blood supply chain considering fuzzy supply/demand uncertainties and lateral transshipment. Transfusion and Apheresis Science, 103103.
