ارائه يك مدل بهينه‌سازي استوار دوهدفه براي طراحي شبكه تامين خون اضطراري تحت عدم‌قطعيت

A Bi-Objective Robust Optimization Model for Emergency Blood Supply Network Design under Uncertainty

وقوع بحران‌‌هاي طبيعي و غيرطبيعي از امور اجتناب‌ناپذيري است كه ساليانه تلفات جاني و مالي هنگفتي را در زندگي بشر به دنبال دارد. در زمان بحران، تقاضا براي اقلام ضروري از قبيل دارو و اقلام بهداشتي افزايش قابل‌ توجهي داشته و پاسخ به اين تقاضا به‌ منظور حفظ سلامتي افراد از اهميت بالايي برخوردار است. بر اين اساس، يك مدل دوهدفه مكان‌يابي-تخصيص براي عرضه خون تحت عدم‌‌قطعيت در اين مقاله ارائه شده است. اهداف مدل دربرگيرنده كمينه‌كردن ميزان كمبود خون در مراكز خون و نيز كمينه‌كردن مجموع هزينه‌هاي عملياتي شامل هزينه‌هاي جا‌به‌جايي تسهيلات موقت و هزينه جمع‌آوري و انتقال خون در دوره‌هاي زماني پس از وقوع بحران است. با توجه به عدم وجود اطلاعات كافي در مورد ويژگي‌‌هاي بحران و به ‌منظور برنامه‌ريزي دقيق‌تر، ميزان تقاضا، حجم خون اهدايي، هزينه‌‌هاي ارسال خون و جابه‌‌جايي تسهيلات به‌ صورت مولفه‌هاي غيرقطعي در نظر گرفته شده‌اند. براي مدل‌سازي عدم‌قطعيت، از روش بهينه‌‌سازي استوار مبتني بر مجموعه عدم‌قطعيت جعبه‌‌اي بهره گرفته شده است و براي حل مدل دوهدفه از روش جامع وزني چبيشف استفاده شده است. درنهايت با اجراي مثال عددي، همتاي استوار مدل پيشنهادي با مدل قطعي مقايسه شده و نتايج حاصل از تحليل حساسيت‌هاي مختلف ارائه شده است.

Natural and anthropogenic disasters annually give rise to huge financial and human losses. Disasters make a large amount of demand for relief items (e.g. medicine and hygiene products) in the affected area. There is a great deal of importance in appropriate response to demand of these items, as they have a vital role in preserving injured people's life. This paper presents a bi-objective location-allocation model for blood supply under uncertainty. The objectives are minimizing the blood shortage in blood centers and also minimizing the operational costs including cost of transporting temporary blood facilities and the cost of blood collection and transportation in a multi-period context. Due to the lack of information about the real values of some input parameters such as demand, amount of donated blood and also unit operational cost in disaster, these are considered as uncertain parameters in order to make more precise decisions. Robust optimization approach based on box uncertainty set is used to tackle the model uncertainty. Moreover, Lexicographic weighted Tchebycheff method is used to obtain the pareto-optimal solutions. Finally, a numerical example is presented to compare the performance of the robust model and its deterministic counterpart.