بهینه‌سازی چند‌هدفه شبکه تامین فرآورده‌های خونی به منظور حداقل‌سازی زمان ارسال و میزان تقاضای برآورد نشده بیمارستانی

مقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میزان تقاضای برآورد نشده بیمارستان ها در هر دوره، مدل سازی شده است.روش پژوهش: پژوهش حاضر از نظر هدف، کاربردی، از نظر روش توصیفی و از نوع کمی است. داده های مورد نیاز برای پیاده‌سازی مساله واقعی در سال 1400 با مراجعه به دفتر منطقه ای سازمان انتقال خون استان تهران و با همکاری سیستم نگاره گردآوری شده است. با توجه به ماهیت np-hard مساله، مدل پیشنهادی با استفاده از سه الگوریتم ژنتیک، nsgaii و mopso در نرم افزار گمز حل شده است.یافته‌ها: در مدل پیشنهادی، تطابق گروه های خونی در تامبن تقاضا، سیستم صف، تخصیص گروه های خونی در آزمایشگاه ها و بانک‌های خون، هدر رفت خون در آزمایشگاه، انتقال محصولات بین مراکز تقاضا و نیز پارامترهای حساس و تعیین کننده ای مدل مانند؛ پارامتر تقاضا، اهدای خون و زمان حمل محصولات خونی بین اجزای شبکه، به صورت غیرقطعی در نظر گرفته شده است. یافته‌ها نشان می دهند که در اجرای مسائل 3، 7، 10 و 12 برای شاخص کیفیت الگوریتم mopso دارای عملکرد مناسب‌تری است، اما به طور کلی و بر اساس دفعات اجرا و همچنین میانگین آنها، الگوریتم nsga-ii عملکرد بهتری دارد.نتیجه‌گیری: بر اساس نتایج، مدل ارائه شده منجر به کاهش مجموع هزینه ها، زمان کلی ارسال واحدهای خونی و میزان تقاضای برآورد نشده بیمارستان‌ها می شود.

multi-objective optimization of blood products supply network to minimize delivery time and non-estimated hospital demand

introduction: due to the importance of blood as a vital element in the health system, in this study, the blood supply chain is modeled at three levels of donors, banks (blood centers) and hospitals in the form of a multi-objective model to minimize total costs, total delivery time of blood units and non-estimated demand of hospitals in each period.methods: the present study is applied in terms of purpose and descriptive and quantitative in terms of method. the data needed to implement the real problem in 2021 have been collected by through the regional office of the tehran blood transfusion organization along with the negareh system. due to the np-hard nature of the problem, the proposed model is solved using three algorithms of ga, nsga-ii and mopso in gams software.results: in the proposed model, matching the blood type in meeting demand; blood type delivery and allocation system in laboratories and blood banks, blood wasting in laboratory, transfer of products between demand centers, sensitive and determinative parameters of the model such as; demand, blood donation and delivery time of blood products between network components are considered indefinitely. the findings show that the mopso algorithm has a better performance in problems 3, 7, 10 and 12 for the qm index, but generally, based on running times and their average, the nsga-ii algorithm is better.conclusion: based on the results, the proposed model leads to a reduction in total costs, total delivery time of blood units and unapproved demand of hospitals.