طراحی شبکه زنجیره امداد چندهدفه برای پاسخگویی به زلزله تحت عدم اطمینان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، دانشگاه تهران.

2 کارشناسی ارشد، دانشگاه تهران.

3 استادیار، دانشگاه علم و صنعت ایران.

چکیده

امروزه به­ دلیل رشد جمعیت، خسارت­ های مالی و جانی جبران ­ناپذیری ناشی از بروز بحران ­های طبیعی و غیر­طبیعی در سراسر جهان گریبان­ گیر بشر شده ­است. لجستیک امداد بشردوستانه به ­عنوان یک فعالیت مهم مدیریت بحران، می ­تواند در نجات جان افراد، انتقال آسیب دیده­ گان به مراکز اورژانسی، تخلیه بی‌خانمان­ ها از ناحیه حادثه­ دیده و برآورده ­کردن نیاز افراد در شرایط بحران، نقش کلیدی ایفا کند. در این پژوهش یک مدل ریاضی چند­هدفه برای مسئله طراحی زنجیره امداد تحت شرایط عدم ­قطعیت برای پاسخ به نیاز زلزله پیشنهاد داده شده است که در آن اهداف حداقل‌کردن مجموع تعداد افراد مجروحی که به بیمارستان­ ها منتقل نشده­ اند و مجموع تعداد افراد بی‌خانمانی که از ناحیه حادثه ­دیده تخلیه نشده­ اند و به­ حداقل­ رساندن مجموع تقاضاهای برآورد­نشده کالاهای امدادی است. در این مدل، پارامترهای تقاضا و زمان سفر غیر­قطعی در نظر گرفته شده ­اند و برای مدلسازی عدم ­قطعیت از بهینه ­سازی استوار مبتنی بر مجموعه عدم ­قطعیت جعبه ­ای و چندوجهی استفاده شده است. نتایج حل مدل ­های استوار و قطعی نشان می­دهند که در تمامی سطوح محافظه­ کاری جواب­ های پارتویی قوی تولید شده است؛ همچنین مدل استوار در تمامی سطوح محافظه ­کاری از مدل قطعی در حل با داده ­های اسمی بدتر شده است.

کلیدواژه‌ها


1. Abounacer, R., Rekik, M., & Renaud, J. (2014). An exact solution approach for multi-objective location–transportation problem for disaster response. Computers & Operations Research41, 83-93.

2. An, S., Cui, N., Li, X., & Ouyang, Y. (2013). Location planning for transit-based evacuation under the risk of service disruptions. Transportation Research Part B: Methodological54, 1-16.

3. Barzinpour, F., & Esmaeili, V. (2014). A multi-objective relief chain location distribution model for urban disaster management. The International Journal of Advanced Manufacturing Technology70(5-8), 1291-1302.

4. Ben-Tal, A., & Nemirovski, A. (2008). Selected topics in robust convex optimization. Mathematical Programming, 112(1), 125-158.‏

5. Bertsimas, D., & Sim, M. (2004). The price of robustness. Operations research52(1), 35-53.

6. Bozorgi-Amiri, A., Jabalameli, M. S., & Al-e-Hashem, S. M. (2013). A multi-objective robust stochastic programming model for disaster relief logistics under uncertainty. OR spectrum35(4), 905-933.

7. Caunhye, A. M., Nie, X., & Pokharel, S. (2012). Optimization models in emergency logistics: A literature review. Socio-economic planning sciences, 46(1), 4-13.‏

8. Das, R., & HANAOKA, S. (2013). Robust network design with supply and demand uncertainties in humanitarian logistics. Journal of the Eastern Asia Society for Transportation Studies, 10(0), 954-969.‏

9. De Brito Junior, I., Leiras, A., & Yoshizaki, H. T. Y. (2013). Stochastic optimization applied to the prepositioning of disaster relief supply decisions in Brazil.

10. Döyen, A., Aras, N., & Barbarosoğlu, G. (2012). A two-echelon stochastic facility location model for humanitarian relief logistics. Optimization Letters,6(6), 1123-1145.

11. Gama, M., Santos, B. F., & Scaparra, M. P. (2015). A multi-period shelter location-allocation model with evacuation orders for flood disasters. EURO Journal on Computational Optimization, 1-25.

12. Gonçalves, P., Leiras, A., & Chawaguta, B. Stochastic Optimization for Humanitarian Aid Supply and Distribution of World Food Programme (WFP) in Ethiopia

13. Guan, J. (2014). Emergency Rescue Location Model with Uncertain Rescue Time. Mathematical Problems in Engineering2014.

14. Kalantari, M., Pishvaee, MS., & Yaghoubi, S.,(2015)., A Multi Objective Model Integrating Financial and Material Flow in Supply Chain Master Planning, Journal of Industrial Management Perspective, 19, 9-31 (In Persian)

15. Kulshrestha, A., Lou, Y., & Yin, Y. (2014). Pick‐up locations and bus allocation for transit‐based evacuation planning with demand uncertainty. Journal of Advanced Transportation, 48(7), 721-733.

16. Liu, C. H., & Tsai, W. N. (2015). Multi-objective parallel machine scheduling problems by considering controllable processing times. Journal of the Operational Research Society67(4), 654-663.

17. Rawls, C. G., & Turnquist, M. A. (2010). Pre-positioning of emergency supplies for disaster response. Transportation research part B: Methodological44(4), 521-534.

18. Rahimi, H., Azar, A., & Rezaei Pandari, A., (2015).,Designing a Multi Objective Job Shop Scheduling Model and Solving it by Simulated Annealing, Journal of Industrial Management Perspective, 1, 57-77 (In Persian)

19. Rennemo, S. J., Rø, K. F., Hvattum, L. M., & Tirado, G. (2014). A three-stage stochastic facility routing model for disaster response planning. Transportation research part E: logistics and transportation review62, 116-135.

20. Rezaei-Malek, M., & Tavakkoli-Moghaddam, R. (2014). Robust humanitarian relief logistics network plnning. Uncertain Supply Chain Management2(2), 73-96.

21. Shahbandarzadeh, H., & Paykam, A., (2015).,Employment of a Weighted Fuzzy Multi-Objective Programming Model to Determine the Amount of Optimum Purchasing from Suppliers, Journal of Industrial Management Perspective, 18, 129-152 (In Persian).

22. Sheu, J. B., & Pan, C. (2015). Relief supply collaboration for emergency logistics responses to large-scale disasters. Transportmetrica A: Transport Science11(3), 210-242.

23. Zokaee, S., Bozorgi-Amiri, A., & Sadjadi, S. J. (2016). A Robust Optimization Model for Humanitarian Relief Chain Design under Uncertainty. Applied Mathematical Modelling.

24. Wang, H., Du, L., & Ma, S. (2014). Multi-objective open location-routing model with split delivery for optimized relief distribution in post-earthquake.Transportation Research Part E: Logistics and Transportation Review69, 160-179.

25. Özdamar, L., & Ertem, M. A. (2015). Models, solutions and enabling technologies in humanitarian logistics. European Journal of Operational Research244(1), 55-6.