ارایه یک مدل چندهدفه جهت مکانیابی مراکز توزیع و مسیریابی خودروهای توزیع خون در شرایط بحران

مدیریت فرآورده‌های خونی، یکی از نگرانی‌های مهم بشر است. اگرچه برای یافتن جایگزین‌های مناسبی برای خون تلاش‌هایی شده؛ اما هنوز اهداکنندگان خون، مهم‌ترین منبع تامین نیاز بیماران هستند. خون یک محصول حساس و فاسد‌شدنی است؛ علاوه بر این، اندکی تصادفی‌ بودن عرضه و تقاضای آن، می‌تواند بر پیچیدگی این زنجیره و دشوار کردن مدیریت آن بویژه در شرایط زلزله بیافزاید زیرا کمبود آن موجب مرگ انسان می گردد و مازاد آن پذیرفته نیست. بنابراین در این مقاله یک مدل ریاضی جهت مکانیابی پایگاه های توزیع خون به همراه مسیریابی خودروهای حمل در شرایط زلزله ارائه شده است. اهداف در نظر گرفته شده شامل کمینه کردن کمبود خون، بیشینه کردن رضایت مندی افراد آسیب دیده و کمینه کردن هزینه های حمل و نقل و مکانیابی می باشد. در نظر گرفتن حالت عدم قطعیت سناریویی به همراه، ریسک اختلال و رضایت افراد آسیب دیده از جمله نوآوری های این پژوهش بشمار می آید. مدل پیشنهادی در ابعاد کوچک و متوسط با الگوریتم محدودیت اپسیلون و برای مطالعه موردی (منطقه 7 شهر تهران) با الگوریتم ژنتیک مرتب سازی نامغلوب حل شده است. نتایج تحلیل بیانگر کمینه شدن خطای تخمین در رویکرد ژنتیک مرتب سازی نا مغلوب هست و همچنین با افزایش تقاضا تعداد مراکز توزیع تاسیس شده افزایش می یابد.

Presenting a MultiObjective Model for Locating Distribution Centers and Routing of Blood Distribution Vehicles in Disaster Conditions

Management of blood products is one of the major concerns of mankind. Although efforts have been made to find suitable alternatives to blood, but blood donors are still the most important source of care for patients. Blood is a sensitive and perishable product; in addition, a little it’s randomness of supply and demand can add to the complexity of this chain and make it difficult to manage, especially in earthquakeprone situations, because its deficiency causes human death and excess is not accepted. Therefore, in this paper, a mathematical model for locating blood distribution sites along with transporting vehicles routing in earthquake conditions is presented. The goals are to minimize blood shortages, maximize satisfaction of affected people, and minimize transportation and location costs. One of the contributions of this paper is considering scenariobased uncertainty along with risk of disturbance and satisfaction of affected people. The proposed model is solved in small and medium dimensions with the Epsilon constraint algorithm and for the case study (District 7 of Tehran city) with the nondominated sorting genetic algorithm (NSGA). The results of the analysis show that the estimation error is minimized in the nondominated sorting genetic algorithm and as the number of established distribution centers increases with demand increases.