ارايه يك مدل چند هدفه جهت مكانيابي مراكز توزيع و مسيريابي خودروهاي توزيع خون در شرايط بحران

Presenting a Multi-Objective Model for Locating Distribution Centers and Routing of Blood Distribution Vehicles in Disaster Conditions

مديريت فرآورده‌هاي خوني، يكي از نگراني‌هاي مهم بشر است. اگرچه براي يافتن جايگزين‌هاي مناسبي براي خون تلاش‌هايي شده؛ اما هنوز اهداكنندگان خون، مهم‌ترين منبع تأمين نياز بيماران هستند. خون يك محصول حساس و فاسد‌شدني است؛ علاوه بر اين، اندكي تصادفي‌ بودن عرضه و تقاضاي آن، مي‌تواند بر پيچيدگي اين زنجيره و دشوار كردن مديريت آن بويژه در شرايط زلزله بيافزايد زيرا كمبود آن موجب مرگ انسان مي گردد و مازاد آن پذيرفته نيست. بنابراين در اين مقاله يك مدل رياضي جهت مكانيابي پايگاه­ هاي توزيع خون به­ همراه مسيريابي خودروهاي حمل در شرايط زلزله ارائه شده است. اهداف در نظر گرفته شده شامل كمينه كردن كمبود خون، بيشينه كردن رضايت­مندي افراد آسيب ­ديده و كمينه كردن هزينه­ هاي حمل و نقل و مكانيابي مي باشد. در نظر گرفتن حالت عدم قطعيت سناريويي به­ همراه، ريسك اختلال و رضايت افراد آسيب­ ديده از جمله نوآوري­ هاي اين پژوهش بشمار مي­ آيد. مدل پيشنهادي در ابعاد كوچك و متوسط با الگوريتم محدوديت اپسيلون و براي مطالعه موردي (منطقه 7 شهر تهران) با الگوريتم ژنتيك مرتب­سازي نامغلوب حل شده است. نتايج تحليل بيانگر كمينه شدن خطاي تخمين در رويكرد ژنتيك مرتب­ سازي نا­مغلوب هست و همچنين با افزايش تقاضا تعداد مراكز توزيع تاسيس شده افزايش مي­ يابد.

Management of blood products is one of the major concerns of mankind. Although efforts have been made to find suitable alternatives to blood, but blood donors are still the most important source of care for patients. Blood is a sensitive and perishable product; in addition, a little it’s randomness of supply and demand can add to the complexity of this chain and make it difficult to manage, especially in earthquake-prone situations, because its deficiency causes human death and excess is not accepted. Therefore, in this paper, a mathematical model for locating blood distribution sites along with transporting vehicles routing in earthquake conditions is presented. The goals are to minimize blood shortages, maximize satisfaction of affected people, and minimize transportation and location costs. One of the contributions of this paper is considering scenario-based uncertainty along with risk of disturbance and satisfaction of affected people. The proposed model is solved in small and medium dimensions with the Epsilon constraint algorithm and for the case study (District 7 of Tehran city) with the non-dominated sorting genetic algorithm (NSGA). The results of the analysis show that the estimation error is minimized in the non-dominated sorting genetic algorithm and as the number of established distribution centers increases with demand increases.