توسعه ي شبكه ي لجستيك پيشرو و معكوس در خدمات درماني در شرايط عدم قطعيت و بحران

Development of a Forward/Reverse Logistic Network in Health Care under Uncertainty and Disaster

افزايش جمعيت، تغيير سبك زندگي، افزايش بيماري ها و سوانح و حوادث طبيعي و غيرطبيعي موجب اهميت روزافزون زنجيره هاي خدمات درماني شده است. از سويي اهميت خون به منزله ي ماده اي كمياب و حياتي براي بشر و خاصيت فسادپذيري شديد و شرايط خاص حمل و نگهداري آن از سوي ديگر مسائلي هستند كه در سالهاي اخير محققان را به چالش كشيده اند. اهميت اين حوزه به خصوص در شرايط وقوع بحران و كمبود شديد خون مي تواند دوچندان شود. در اين مقاله، يك مدل رياضي در زنجيره ي حلقه ي بسته ي تامين خون در شرايط عدم قطعيت ارائه مي گردد كه در آن لجستيك معكوس و شرايط بحران نيز در نظر گرفته مي شود. با توجه به پيچيدگي در حل مدل پيشنهادي، پس از ارائه ي روش دقيق براي اعتباردهي مدل، از تلفيق دو الگوريتم فراابتكاري ژنتيك (GA) و شبيه سازي تبريد (SA) استفاده مي شود. سپس به سنجش اعتبار الگوريتم فراابتكاري تلفيقي در مقايسه با نتايج نرمافزار GAMS IDE/Cplex در حل مسائل كوچك، متوسط و بزرگ پرداخته ميشود و در خاتمه نيز نتايج تحليل حساسيت ارائه مي‍گردد.

Population growth, changes in lifestyles, increase in diseases, and natural and unnatural accidents have caused ever increasing importance of the health care chains. On the one hand, the importance of blood as a rare and vital element, and on the other hand, the specific conditions of transportation and maintenance, have been challenging researchers in recent years. The importance of this area will escalate especially in crisis occurrence and severe shortage of blood. In this paper, a mathematical model of a closed-loop blood supply chain under uncertainty is proposed, in which reverse logistics and emergency situations are also considered. Due to the complexity in solving the proposed model, after putting forward accurate method to validate the model, a hybrid algorithm based on genetic algorithm (GA) and simulated annealing (SA) is utilized. Then, the validation of this hybrid algorithm is evaluated in comparison with the results of GAMS IDE/Cplex software in solving small, medium and large-sized problems. Finally, the results of the sensitivity analysis are presented.