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

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

2 استادیار، گروه مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

3 استادیار، گروه زیست شناسی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

چکیده

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 حداقل­سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل­سازی میزان تقاضای برآورد نشده بیمارستان­ها در هر دوره، مدل­سازی شده است.
روش پژوهش: پژوهش حاضر از نظر هدف، کاربردی، از نظر روش توصیفی و از نوع کمی است. داده­های مورد نیاز برای پیاده‌سازی مساله واقعی در سال 1400 با مراجعه به دفتر منطقه­ای سازمان انتقال خون استان تهران و با همکاری سیستم نگاره گردآوری شده­است. با توجه به ماهیت Np-hard مساله، مدل پیشنهادی با استفاده از سه الگوریتم ژنتیک، NSGAII و MOPSO در نرم­افزار گمز حل شده است.
یافته‌ها: در مدل پیشنهادی، تطابق گروه­های خونی در تامبن تقاضا، سیستم صف، تخصیص گروه­های خونی در آزمایشگاه­ها و بانک‌های خون، هدر رفت خون در آزمایشگاه، انتقال محصولات بین مراکز تقاضا و نیز پارامترهای حساس و تعیین­کننده­ای مدل مانند؛ پارامتر تقاضا، اهدای خون و زمان حمل محصولات خونی بین اجزای شبکه، به­صورت غیرقطعی در نظر گرفته شده است. یافته‌ها نشان می­دهند که در اجرای مسائل 3، 7، 10 و 12 برای شاخص کیفیت الگوریتم MOPSO دارای عملکرد مناسب‌تری است، اما به­طور 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 هزینه­ها، زمان کلی ارسال واحدهای خونی و میزان تقاضای برآورد نشده بیمارستان‌ها می­شود.

کلیدواژه‌ها


1- Manavizadeh N, Mashayekhi N, Shabani M. Designing a fuzzy green blood supply chain network with regard to reducing blood product waste, Second International Conference on Challenges and New Solutions in Industrial Engineering, Management and Accounting, Damghan, 2021. [In Persian]
2- Zahiri B, Pishvaee MS. Blood supply chain network design considering blood group compatibility under uncertainty. International Journal of Production Research, 2017; 55(7): 2013-2033.
3- Dehghani M, Abbasi B. An age-based lateral-transshipment policy for perishable items. International Journal of Production Economics, 2019; 198: 93-103.
4- Cheraghi S, Hoseini Motlagh S, Ghatreh Samani M. A robust bi-objective model for integrated blood supply chain network design considering transshipment between facilities under uncertainty. Quarterly Journal of Transportation Engineering, 2019; 10(4): 737-770. [In Persian]
5- Tofighi S, Torabi SA, Mansouri SA. Humanitarian logistics network design under mixed uncertainty. European Journal of Operational Research, 2016; 250(1): 239-250.
6- Mousavi R, Salehi-Amiri AH, Zahedia A, Hajiaghaei-Keshteli M. Designing a supply chain network for blood decomposition by utilizing social and environmental factor. Computers & Industrial Engineering, 2021; 160: 107501.
7- Kazemi Matin R, Azadi M, Farzipoor-Saen R. Measuring the sustainability and resilience of blood supply chains, Decision Support Systems, 2021; 21356765.
8- Shokouhifar M, Sabbaghi MM, Pilevari N. Inventory management in blood supply chain considering fuzzy supply/ demand uncertainties and lateral transshipment. Transfusion and Apheresis Science, 2021; 60: 103103
9- Civelek I, Karaesmen I, Scheller-Wolf A. Blood platelet inventory management with protection levels. European Journal of Operational Research, 2015; 243(3): 826-838.
10- Doodman M, Bozorgi Amiri A. Integrate Blood Supply Chain Network Design with Considering Lateral Transshipment under Uncertainty. Journal of Industrial Management Perspective, 2020; 9(4): 9-40. [In Persian]
11- Eskandari-Khanghahi M, Tavakkoli-Moghaddam R, Taleizadeh AA, Amin SH. Designing and optimizing a sustainable supply chain network for a blood platelet bank under uncertainty. Engineering Applications of Artificial Intelligence, 2018; 71: 236-250.
12- Dehghani M, Abbasi B, Oliveira F. Proactive transshipment in the blood supply chain: A stochastic programming approach. Omega, 2019; 23: 1245-1253.
13- Bohonek M, Kutac D, Acker JP, Seghatchian J. (2020). Optimizing the supply of whole blood-derived bioproducts through the combined implementation of cryopreservation and pathogen reduction technologies and practices: an overview. Transfus Apher Sci: 102754.
14- Ahmadimanesh M, Tavakoli A, Pooya A, Dehghanian F. Designing an optimal inventory management model for the blood supply chain. Quality Improvement Study, 2020; 1-8. [In Persian]
15- Zhou Y, Zou T, Liu C, Yu H, Chen L, Su J. Blood supply chain operation considering lifetime and transshipment under uncertain environment. Applied Soft Computing, 2021; 106: 107364.
16- Arani M, Chan Y, Liu X, Momenitabar M. A lateral resupply blood supply chain network design under uncertainties. Applied Mathematical Modelling, 2021; 93: 165–187.
17- Maashisani F, Hajiaghaei-Keshteli M, Gholipour- kanani Y, Harsej F. Development of Multi - Objective, Multi- Period and Multi- Level Blood Supply Chain Planning Model. Journal of healthcare management, 2021; 12(2): 71-85. [In Persian]
18- Arvan M, Tavakkoli-Moghaddam R, Abdollahi M. Designing a bi-objective, multi-product supply chain network for blood supply. Uncertain Supply Chain Management, 2015; 3: 57-68.
19- Gunpinar S, Centeno L. Stochastic integer programming models for reducing wastages and shortages of blood products at hospitals. Computers & Operations Research, 2015; 54: 129-141.