ارائه یک مدل ریاضی چندهدفه مکان‌یابی، تخصیص و توزیع کالاهای امدادی در شرایط عدم قطعیت

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دپارتمان مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران

2 عضو هیات علمی- دانشکده مهندسی صنایع واحد تهران جنوب

چکیده

در این مقاله، تصمیمات مربوط به فازهای مختلف چرخه مدیریت بحران در قالب یک مدل برنامه‌ریزی ریاضی یکپارچه با فرض شرایط واقعی بحران مدل‌‌سازی می‌شود. اهداف، کمینه‌سازی تعداد افراد مجروح خدمت‌دهی نشده و کمینه‌‌سازی هزینه های امدادی در مناطق آسیب دیده هستند. بهینه سازی همزمان مسائل مکانیابی پایگاه های امداد، تخصیص منابع، توزیع و ارسال کالاهای امدادی و تخلیه مجروحین( شرایط قبل و بعد از بحران) از جمله نوآوری های این پژوهش می باشد. از این رو سناریوهایی بر اساس گسل های موجود (چهار گسل) در منطقه یک کلان شهر تهران در نظر گرفته شده است. در این پژوهش ابتدا یک مدل برنامه‌ریزی عددصحیح صفر و یک را ارائه می‌کنیم. برای اعتبارسنجی مدل، در ابعاد کوچک از روش محدودیت اپسیلون در محیط نرم افزاری گمز با حل کننده CPLEX حل شده است. برای حل مسئله در ابعاد بزرگ یک مطالعه موردی را با استفاده از داده‌های پایگاه‌های امداد رسان در منطقه یک شهر تهران بررسی می کنیم. مطالعه موردی نیز با استفاده از رویکرد ژنتیک با مرتب سازی نامغلوب مورد بررسی قرار گرفته است. نتایج تحقیق بیانگر آن است که رویکرد ژنتیک با مرتب سازی نامغلوب با کمترین خطا نسبت به حل دقیق و زمان کمتر قادر حل مدل خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

Multi-Objective Mathematical Model for Location, Allocation and Distribution of Relief Commodities under Uncertainty

نویسندگان [English]

  • Peiman Ghasemi 1
  • Kaveh Khalili Damghani 2
  • Ashkan Hafezalkotob 1
  • Sadigh Raissi 1
1 Department of Industrial Engineering Faculty of Industrial Engineering South-Tehran Branch Islamic Azad University Tehran, Iran
2 Department of Industrial Engineering Faculty of Industrial Engineering South-Tehran Branch Islamic Azad University Tehran, Iran
چکیده [English]

In this paper, decisions about different phases of crisis management cycle are modeled in the form of an integrated mathematical programming model based on the assumption of the real situation of the crisis. Goals are minimizing the number of injured people who are not serviced and minimizing the cost of relief supplies in affected areas. Simultaneous optimization of locating problems of relief bases, allocation of resources, distribution and delivery of relief supplies and evacuation of injured (pre and post-crisis situations) are among the innovations of this research. Therefore, scenarios based on existing faults (four faults) in region one of city of Tehran are considered. In this study, first, we present a binary integer programming model. To validate the model, the Epsilon Constraint method in software environment of GAMS with the CPLEX solver has been used to solve the problem in small scale. To solve the problem in large scale, we have investigated a case study using the data of relief bases in region one of Tehran city. The case study was also investigated using non-dominant sorting Genetic approach. The results of the research show that the non-dominant sorting Genetic approach can solve the model with the least error than the exact solution and in less time.

کلیدواژه‌ها [English]

  • Disaster management
  • Distribution and allocation
  • locating facilities
  • Transfer points
-         آراسته، کریم. بزرگی امیری، علی. جبل عاملی، محمدسعید. (1394). «مکانیابی چندگانه تسهیلات و نقاط انتقال مجروحین در زمان بحران»، مجله تحقیق در عملیات و کابردهای آن، دوره44، شماره اول ، 21-31

-         بزرگی امیری، علی. صبوحی، فاطمه. توکلی، زینب السادات. مراد حاصلی، نیلوفر. (1395). «ارائه مدل مکانیابی تخصیص برای تخلیه افراد و توزیع کمک های امدادی در فاز پاسخ به بحران»، نشریه بین المللی مهندسی صنایع و مدیریت تولید، دوره 3، شماره 27، 404-417

-         بزرگی امیری، علی. فتاحی، سید آرمین. (1394). «ارائه یک مدل لجستیک چند هدفه فازی برای توزیع اقلام امدادی و تخلیه مصدومین در زمان بحران»، مهندسی صنایع و مدیریت شریف، دوره 31، شماره1، 15-23

-         عشقی، کوروش. نجفی، مهدی. (1391). «ارائهیکمدلبرنامهریزیلجستیکیجهتبهبوددرفازپاسخگوییبه زلزله»، نشریه بین المللی مهندسی صنایع و مدیریت تولید، دوره23، شماره 4، 401-416

-         علی نژاد، علیرضا. سالاری، سامرند. سیف، آزاده. (91)، «توسعهمدلمکانیابیشبکهایدرحالتعدمقطعیت )حالتاستوار( »، فصلنامه علمی  پژوهشی مطالعات مدیریت صنعتی ، شماره 26 ، 115—138

-         وحدانی، بهنام. (1395). «طراحیوحلمدلچندهدفهبهینهسازیبرایشبکههایخدماتدرمانیبااثرریسکادغامتحتشرایطعدمقطعیت:روشبهینهسازیاستوار»، فصلنامه علمی پژوهشی مطالعات مدیریت صنعتی، دوره14، شماره 41، 65-107

-       Abounacer, R, Rekik, M, Renaud, J. (2014), An exact solution approach for multi-objective location–transportation problem for disaster response, Computers & Operations Research Volume 41, 83-93

-       Cavdur, F, Kose-Kucuk, M, Sebatli, A. (2016), Allocation of temporary disaster response facilities under demand uncertainty: An earthquake case study, International Journal of Disaster Risk Reduction, Volume 19, 159–166

-       Chen, A, Yu, T.Y. (2016),  Network based temporary facility location for the Emergency Medical Services considering the disaster induced demand and the transportation infrastructure in disaster response, Transportation Research Part B, Volume 91,408–423

-       Chu, X, Yan Zhong, Q. (2015), Post-earthquake allocation approach of medical rescue teams, Nat Hazards, Volume 79, Issue 3, 1809–1824

-       Douglas A, Alistair C, Alfredo M, (2016), Stochastic Network Models for Logistics Planning in Disaster Relief, European Journal of Operational Research, Volume 255, Issue 1, 187–206.

-       Fereiduni,M, Shahanaghi, K, (2017), A Robust Optimization Model for Distribution and Evacuation in the Disaster Response Phase, Journal of Industrial Engineering International, Volume 13, Issue 1, 117–141

-       Khalili-Damghani, K, Abtahi, A.R, Ghasemi, A. (2015), A New Bi-objective Location-routing Problem for Distribution of Perishable Products: Evolutionary Computation Approach, Journal of Mathematical Modelling and Algorithms in Operations Research, Volume 14, Issue 3, pp 287–312

-       Khishtandar, S, Zandieh, M. (2016), Comparisons of some improving strategies on NSGA-II for multi-objective inventory system, Journal of Industrial and Production Engineering, Volume 34,  61-69

-       Kumar, M, Guria, C. (2017), The elitist non-dominated sorting genetic algorithm with inheritance (i-NSGA-II) and its jumping gene adaptations for multi-objective optimization, Information Sciences, Volume 382, 15-37

-       Lu C.C, Sheu J.B. (2013), Robust vertex p-center model for locating urgent relief distribution centers, Computers & Operations Research, Volume 40, 2128–2137

-       Mahootchi, M, Golmohammadi, S. (2017), Developing a new stochastic model considering bi-directional relations in a natural disaster: a possible earthquake in Tehran (the Capital of Islamic Republic of Iran), Annals of Operations Research, 1-35

-       Mohamadi, A, Yaghoubi, S, (2017), A bi-objective stochastic model for emergency medical services network design with backup services for disasters under disruptions: An earthquake case study, International Journal of Disaster Risk Reduction, Volume 23, 204-217

-       Mohammadi, R, Fatemi Ghomi, S.M.T., Jolai, F, (2016), Pre-positioning Emergency Supplies for Earthquake Response: A New Multi-Objective Particle Swarm Optimization Algorithm, Applied Mathematical Modelling, Volume 40, Issues 9, 5183-5199

-       Salehi, F, Mahootchi, M, Moattar Husseini, (2017), S.M, Developing a Robust Stochastic Model for Designing a Blood Supply Chain Network in a Crisis: A Possible Earthquake in Tehran, Ann Oper Res, 1-25

-       Xu, J, Yin, X, Chen, D, Nie, G, (2016), Multi-Criteria Location Model of Earthquake Evacuation Shelters to Aid in Urban Planning, International Journal of Disaster Risk Reduction, Volume 20, 51-62

-       Zahiri, B.  Torabi, S.A., Tavakkoli-Moghaddam, R. (2017), A Novel Multi-Stage Possibilistic Stochastic Programming Approach (with an Application in Relief Distribution Planning), Information Sciences, Volume 385, 225-249

-       Zokaee, S, Bozorgi-Amiri, A, Sadjadi, S.J, (2016), A Robust Optimization Model for Humanitarian Relief Chain Design under Uncertainty, Applied Mathematical Modelling, Volume 40, Issues 17–18, 7996-8016