ارايه مدل دو هدفه برنامه‌ريزي تسهيلات براي مساله لجستيك امدادي با به كارگيري روش بهينه سازي استوار

Designing a Bi-Objective Mathematical Model of Facility Planning for Relief Logistics Applying Robust Optimization Method

هرساله بسياري از انسان ها در سرتاسر جهان تحت تاثير انواع مختلفي از حوادث طبيعي قرار مي گيرند. همچنين هزينه ي زيادي صرف كمك رساني به افراد آسيب ديده مي شود. لجستيك امدادي به عنوان ستون فقرات تمامي عمليات امدادي و كمك رساني و به عنوان يكي از زيرسيستم هاي اصلي لجستيك و زنجيره تامين محسوب مي شود. يكي از مشكلاتي كه در لجستيك امدادي با آن مواجه هستيم غيرقابل‌پيش‌بيني بودن حوادث است كه غيرقطعي كردن برخي از پارامتر ها را به دنبال دارد. در اين مقاله مدلي دو هدفه ارايه مي شود كه شامل چندين مركز تامين، توزيع و تقاضا (نقاط آسيب پذير) است. هدف اول كمينه كردن مجموع هزينه ها و هدف دوم بيشينه كردن رضايت مندي متقاضيان (آسيب ديدگان) است. براي حل مدل پيشنهادي در گام اول با استفاده از روش بهينه سازي استوار، مدل را تبديل به يك مدل قطعي مي كنيم. در گام دوم با به-كارگيري روش برنامه ريزي آرماني مدل دو هدفه قطعي شده را حل مي نماييم. در نهايت با حل يك مثال جامع به ارزيابي مدل و تجزيه و تحليل آن پرداخته كه مي تواند به درك مسايل واقعي كمك كند.

Each year, many people around the world are affected by a variety of natural disasters. It also costs a lot of helping time for injured people. Relief logistics is considered to be as the principal of all of relief operations and aid, and it is one of the main subsystems of logistics and supply chain management. One of the problems existed in relief logistics is unpredictable events that cause some uncertain parameters. This paper presented a bi-objective model that includes several supply centers, distribution centers and demand (vulnerable) centers. The first objective is minimizing the total cost and the second one is maximizing satisfaction of applicants (injury victims). The first step, the proposed model is determined by using robust optimization method. In the second step, the bi-objective model is solved by goal programing method. Finally a comprehensive example is solved and analyzed which can be a help to understand real problems.