|
|
|
|
ارائه مدل دو هدفه تصادفی کاهش هزینه و زمان در زنجیره تامین دارو
|
|
|
|
|
|
|
|
نویسنده
|
جویبان نادیلوئی فرشید ,یوسفی نژاد عطاری مهدی ,نیشابوری جامی انسیه
|
|
منبع
|
مديريت راهبردي در سيستم هاي صنعتي - 1397 - دوره : 13 - شماره : 44 - صفحه:15 -28
|
|
چکیده
|
در این مقاله، یک مدل برنامه ریزی خطی عدد صحیح مختلط (bomilp) برای یک مساله طراحی شبکه زنجیره تامین دارویی توسعه داده می شود. این مدل کمک می کند تا تصمیمات متفاوتی در باره موضوعات استرتژیک زنجیره از قبیل افتتاح مراکز تولید دارویی و مراکز توزیع اصلی یا محلی همراه با جریان های مواد بهینه در طول یک افق برنامه ریزی میان مدت به عنوان تصمیمات تاکتیکی اتخاذ کنیم. این مدل کمک می کند تا هزینه های کل و مدت زمان های حمل و نقل به ترتیب به عنوان توابع هدف اول و دوم به طور همزمان مینیمم گردند. با توجه به اینکه پارامترهای بحرانی مساله با درجه بالایی از عدم قطعیت ناشی از دانش بشر همراه می باشند، یک رویکرد برنامه ریزی استوارربه کار می بریم تا پارامترهای غیر قطعی مدل را کنترل کنیم. برای اینکه از صحت مدل توسعه داده مطمعن شویم، آن را بر روی یک مطالعه موردی واقعی (کپسول آموکسی سیلین 500 میلی گرم براساس داده ها و اطلاعات جمع آوری شده از سازمان غذا و داروی ایران) تست می کنیم.
|
|
کلیدواژه
|
طراحی شبکه زنجیره تامین دارو، مدل سازی ریاضی، مدل دو هدفه، مکان یابی- تخصیص چند دوره ای
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد بناب, دانشکده تحصیلات تکمیلی, ایران, دانشگاه آزاد اسلامی واحد بناب, دانشکده تحصیلات تکمیلی, ایران, دانشگاه آزاد اسلامی واحد بناب, دانشکده تحصیلات تکمیلی, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Presenting a bi objective stochastic pharmaceutical supply chain model considering time and cost
|
|
|
|
|
Authors
|
Jouyban Farshid ,yousefi mahdi ,Neyshaboori Ensiyeh
|
|
Abstract
|
In this paper, a biobjective mixed integer linear programming (BOMILP) model is developed for a pharmaceutical supply chain network design (PSCND) problem. The model helps to make several decisions about the strategic issues such as opening of pharmaceutical manufacturing centers and main/local distribution centers along with optimal material flows over a midterm planning horizon as the tactical decisions. It aims to concurrently minimize the total costs and flow times as the first and second objective functions. Since the critical parameters are tainted with great degree of epistemic uncertainty, a robust possibilistic programming approach is used to handle uncertain parameters. In order to verify and analyze the proposed model, it is tested on a real case study according to Iran’s National Organization of Food Drug’s data. Finally, a wellknown multiobjective decision making (MODM) techniques i.e. the ɛconstraint method is applied to yield both tradeoff surface and final preferred compromise solution for the real case study whose results were also comprehensively analyzed.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|