مدل برنامه ريزي تاكتيكي امكاني استوار زنجيره تامين دارو تحت شرايط اختلال همراه با انتقال عرضي و در نظر گرفتن فساد

A Robust Possibilistic Tactical Planning Model for Pharmaceutical Supply Chain under Disruption considering Lateral Transshipment and deterioration

صنعت داروسازي به صورت يك صنعت جهاني در نظر گرفته مي شود و با توجه به اينكه جان انسان ها را تحت تاثير خود قرار مي دهد، مي تواند زندگي انسان ها را از طريق ايجاد مشكل دسترسي به اقلام دارويي با توجه به حجم توليد و توزيع به خطر بيندازد و ازين منظر بسيار حائز اهميت است. استفاده از ابزار بهينه سازي در حوزه زنجيره تامين دارو به طور قابل ملاحظه اي مورد توجه محققين و دانشمندان قرار گرفته است. از اين رو در اين مقاله به ارائه يك مدل بهينهسازي براي زنجيره تامين دارو اختصاص يافته است. همچنين به منظور واقعي تر كردن مساله و با شرايط عدم قطعيت در داده هاي ورودي مساله و همچنين اختلالات زنجيره به ، توجه به ماهيت غير قطعي بودن دنياي واقعي و نوسان پارامترها طور همزمان در مدلسازي لحاظ شده اند. به منظور مقابله با عدم قطعيت در داده هاي ورودي و تسهيلات از رويكرد برنامه ريزي امكاني استوار بهره گرفته شده است .نتايج حاصله به ازاي ده بار شبيه سازي به ازاي پنج جريمه براي مدل قطعي و امكاني استوار، بيانگر اين موضوع هستند كه مدل برنامه ريزي امكاني استوار پيشنهادي عملكرد بهتري نسبت به مدل قطعي داشته و نسبت به آن از ميانگين كمتري برخوردار است.

Pharmaceutical industry is considered as a global industry because of its effects on human life. Indeed, the access to pharmaceutical items can significantly influence the quality of human. Therefore, the production and distribution of pharmaceutical products is quite important and critical for human societies. Optimization tools are rarely used by researchers and practitioners to cope with pharmaceutical supply chain planning problems. Because of that, this paper proposed an optimization model to deal with tactical level pharmaceutical supply chain planning problem. In addition, according to uncertainty of input parameters in real-life situation disruptive events are considered in the concerned problem. A robust possibilistic programming approach is developed to confront with uncertainty in the studied problem. The numerical results achieved from simulation experiments shows that the developed robust possibilistic programming model has a better performance compared to deterministic model.