مقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میزان تقاضای برآورد نشده بیمارستان ها در هر دوره، مدل سازی شده است.روش پژوهش: پژوهش حاضر از نظر هدف، کاربردی، از نظر روش توصیفی و از نوع کمی است. داده های مورد نیاز برای پیاده‌سازی مساله واقعی در سال 1400 با مراجعه به دفتر منطقه ای سازمان انتقال خون استان تهران و با همکاری سیستم نگاره گردآوری شده است. با توجه به ماهیت Np-hard مساله، مدل پیشنهادی با استفاده از سه الگوریتم ژنتیک، NSGAII و MOPSO در نرم افزار گمز حل شده است.یافته‌ها: در مدل پیشنهادی، تطابق گروه های خونی در تامبن تقاضا، سیستم صف، تخصیص گروه های خونی در آزمایشگاه ها و بانک‌های خون، هدر رفت خون در آزمایشگاه، انتقال محصولات بین مراکز تقاضا و نیز پارامترهای حساس و تعیین کننده ای مدل مانند؛ پارامتر تقاضا، اهدای خون و زمان حمل محصولات خونی بین اجزای شبکه، به صورت غیرقطعی در نظر گرفته شده است. یافته‌ها نشان می دهند که در اجرای مسائل 3، 7، 10 و 12 برای شاخص کیفیت الگوریتم MOPSO دارای عملکرد مناسب‌تری است، اما به طور کلی و بر اساس دفعات اجرا و همچنین میانگین آنها، الگوریتم NSGA-II عملکرد بهتری دارد.نتیجه‌گیری: بر اساس نتایج، مدل ارائه شده منجر به کاهش مجموع هزینه ها، زمان کلی ارسال واحدهای خونی و میزان تقاضای برآورد نشده بیمارستان‌ها می شود. تفاصيل المقالة

Management of blood product consumption is a complex and important issue in health systems. Limited blood supply, corruption, special conditions for storage of blood products, and high costs due to losses and lack of blood in medical centers are among the factors affecting the problem. In this study, all three levels of donors, blood collection centers, and customers (hospitals) are considered for modeling the blood supply network in the form of a multi-objective model. Three objectives of the proposed model are: (a) minimizing total costs, (b) minimizing total delivery time of blood units, and (c) minimizing the maximum unmet demand of hospitals in each period. Next, the model used two multi-objective optimization algorithms namely NSGAII and MOPSO algorithms for solving 30 sample problems in different dimensions (small, medium, and large). After solving the sample problems, the efficiency of the two algorithms were compared with each other. According to the results, for the cost objective function and each of its components separately, it can be seen that the values resulted from the NSGA-II algorithm were less than the MOPSO . Finally, a real word data set from the Tehran blood center was used to evaluate the validity of the proposed model. تفاصيل المقالة