مكان يابي چندگانه ي تسهيلات و نقاط انتقال مجروحين در زمان بحران

The Multiple Locations of Facilities and Transfer Points in Disaster

يكي از مسايل مهم در مكان يابي محور، مساله ي مكان يابي نقاط انتقال به عنوان نقاط جمع آوري مشتريان مي ياشد كه به سرويس هايي از يك تسهيل نيازمند است. براي مثال، تقاضا براي خدمات اورژانسي به وسيله ي بيماران در مجموعه اي از نقاط تقاضا به وجود مي آيد كه به خدمات يك تسهيل (نظير بيمارستان) نيازمند است. مصدومين به محل چرخ بال (نقاط انتقال) با يك سرعت معمولي منتقل و از آنجا با يك سرعت بالاتر به تسهيل منتقل مي شوند. در اين مقاله، يك مدل جديد برنامه ريزي عددصحيح مختلط براي مساله ي مكان يابي چند تسهيل و چند نقطه ي انتقال با فرض محدوديت در ظرفيت تسهيلات ارايه شده است. هدف مدل كمينه سازي زمان كل ارسال مصدومين در زنجيره امداد و جريمه براي عدم ارسال آن هاست. قابليت انتقال هر مشتري به طور مستقيم و يا با استفاده از نقاط انتقال به تسهيل در مدل درنظر گرفته شده است. براي نشان دادن كارايي مدل پيشنهادي در عمل، مطالعه ي موردي از منطقه ي 4 كلان شهر تهران اجرا شده است. نتايج، نشان از كارايي و سودمندي مدل پيشنهادي براي مسايل تصميم گيري واقعي دارد.

One of the related models in the facility location literature for the hubs location is transfer point location problem (TPLP) to serve as collector points for customers who need the services of a facility. For example, demand for emergency services by patients is generated at a set of demand points that need the services of a central facility (such as a hospital). Patients are transferred to a helicopter pad (transfer point) at normal speed, and from there they are transferred to the facility at increased speed. In this paper, we have developed a new mixed integer-programming model for multi facility and multi transfer point location problem (MFMTPLP) with capacity constraint on facilities. Our model attempts to minimize the sum of the total time cost of patients travel in the relief chain and, patients that are not transfered to a facility. Each customer goes to one of the facilities directly or via one of the transfer points. A case study of district 4 of Tehran municipality is presented to illustrate the potential applicability of our model. Numerical experiments demonstrate the significance and applicability of the proposed model for actual decision making problems.