ارائه مدل دو هدفه تصادفي كاهش هزينه و زمان در زنجيره تامين دارو

Presenting a bi objective stochastic pharmaceutical supply chain model considering time and cost

در اين مقاله، يك مدل برنامه ريزي خطي عدد صحيح مختلط (BOMILP) براي يك مساله طراحي شبكه زنجيره تامين دارويي توسعه داده مي شود. اين مدل كمك مي كند تا تصميمات متفاوتي درباره موضوعات استرتژيك زنجيره از قبيل افتتاح مراكز توليد دارويي و مراكز توزيع اصلي يا محلي همراه با جريان هاي مواد بهينه در طول يك افق برنامه ريزي ميان مدت به عنوان تصميمات تاكتيكي اتخاذ كنيم. اين مدل كمك مي كند تا هزينه هاي كل و مدت زمان هاي حمل و نقل به ترتيب به عنوان توابع هدف اول و دوم به طور همزمان مينيمم گردند. با توجه به اينكه پارامترهاي بحراني مساله با درجه بالايي از عدم قطعيت ناشي از دانش بشر همراه مي باشند، يك رويكرد برنامه ريزي استوارربه كار مي بريم تا پارامترهاي غير قطعي مدل را كنترل كنيم. براي اينكه از صحت مدل توسعه داده مطمعن شويم، آن را بر روي يك مطالعه موردي واقعي (كپسول آموكسي سيلين 500 ميلي گرم براساس داده ها و اطلاعات جمع آوري شده از سازمان غذا و داروي ايران) تست مي كنيم.

In this paper, a bi-objective mixed integer linear programming (BOMILP) model is developed for a pharmaceutical supply chain network design (PSCND) problem. The model helps to make several decisions about the strategic issues such as opening of pharmaceutical manufacturing centers and main/local distribution centers along with optimal material flows over a mid-term planning horizon as the tactical decisions. It aims to concurrently minimize the total costs and flow times as the first and second objective functions. Since the critical parameters are tainted with great degree of epistemic uncertainty, a robust possibilistic programming approach is used to handle uncertain parameters. In order to verify and analyze the proposed model, it is tested on a real case study according to Iran’s National Organization of Food & Drug’s data. Finally, a well-known multi-objective decision making (MODM) techniques i.e. the ɛ-constraint method is applied to yield both trade-off surface and final preferred compromise solution for the real case study whose results were also comprehensively analyzed.