چکیده:
ایران جزو کشورهایی به شمار میرود که نرخ وقوع فجایع طبیعی بهویژه زلزله در آن بسیار بالا بوده و ازاینرو، مدیریت زنجیره تأمین بشردوستانه قبل، حین و بعد از حادثه از اهمیت خاصی برخوردار است. یکی از اجزای این زنجیره، مراکز فوریتهای پزشکی هستند. مراکز فوریتهای پزشکی با رسیدگی بهموقع به بیماران باعث کاهش مرگومیر و زیانهای جبرانناپذیر ناشی از جراحات و صدمات حوادث میشوند. بنابراین، محل استقرار این مراکز نقش اساسی در کاهش زمان پاسخ به تقاضا دارد و جانمایی این مراکز از اهمیت بسیار زیادی برخوردار است. هدف اصلی این پژوهش بررسی نحوه جانمایی صحیح مراکز فوریتهای پزشکی با هدف حداکثر کردن پوشش تقاضا و کاهش زمان امداد و نجات در یک زنجیره تأمین بشردوستانه میباشد. بهمنظور پاسخ به مسئله بهبود کیفیت پاسخگویی به تقاضا در مراکز فوریتهای پزشکی یک مدل ریاضی ارائه شد که با درنظرگرفتن برخی شرایط برای مسئله، اقدام به یافتن بهینهترین تعداد مکانها برای بهبود کیفیت پاسخگویی نموده است. برای حل این مسئله، یک الگوریتم ابتکاری که در آن از دو الگوریتم فرا ابتکاری استفاده شده است، ارائه شد. سپس تعداد 16 سناریو با استفاده از الگوریتم ارائهشده حل شد که با توجه بهدقت پاسخهای به دست آمده و سرعت بالای همگرایی الگوریتم پیشنهادی میتوان از آن در شبکههای بزرگ و پیچیدهای که در آنها رسیدن به جواب دقیق در زمان معقول امکانپذیر نیست، استفاده کرد.
In Iran the rate of natural disasters, especially the earthquake, is very high, hence the humanitarian supply chain management before, during and after the disaster occurrence is very important. In other hand emergency medical centers are main part of this chain. Emergency medical centers with timely treatment of injuries reduced the irreversible damage of disaster. Therefore, the location of these centers has a major role in reducing the response time to affected people and the locating of these centers is very important. The main objective of this study is to determine the location of emergency medical centers in order to maximize the demand coverage and reduce the rescue time in a humanitarian supply chain. In order to solve the emergency medical centers location problem a mathematical model was presented, considering some conditions for the problem and sought to find the optimal locations for the establishment of these centers. To solve this problem, an innovative algorithm was presented in which two meta-heuristic algorithms were used. Then, 16 scenarios were solved by using the proposed algorithm. Due to the accuracy of the obtained responses and the high speed of the convergence of the proposed algorithm, it can be used in large and complex problems that cannot reach the exact answer in a reasonable time.
خلاصه ماشینی:
طراحي يک مدل رياضي به منظوربهبود کيفيت پاسخگويي به تقاضا در مراکز فوريت هاي پزشکي در يک زنجيره تأمين بشردوستانه محمدرضا صادقي مقدم ١*، ايمن قاسميان صاحبي ٢ ١-استاديار،گروه مديريت صنعتي، دانشکده مديريت ، دانشگاه تهران، تهران، ايران ٢-دانشجوي دکتري مديريت توليد و عمليات، دانشکده مديريت ، دانشگاه تهران دريافت : ١٣٩٦/٥/٢٦ پذيرش: ١٣٩٦/٨/٣٠ چکيده ايران جزوکشورهايي به شمارميرودکه نرخ وقوع فجايع طبيعي به ويژه زلزلـه درآن بسياربالا بوده وازاين رو، مـديريت زنجيـره تـأمين بشردوسـتانه قبـل ، حـين و بعـد از حادثه از اهميت خاصي برخوردار است .
به منظورپاسخ بـه مسـئله بهبـود کيفيـت پاسـخگويي بـه تقاضـا در مراکـز فوري هـاي پزشکي يک مدل رياضي ارائه شدکه بادرنظرگرفتن برخي شرايط براي مسئله ، اقدام به يافتن بهينه ترين تعدادمکانهابراي بهبود کيفيت پاسخ گويي نموده است .
باتوجه به احتمال بالاي وقـوع زمـين لـرزه درايـران واينکـه درحـال حاضـر سيستم مديريت بحران فاقدابزاري مناسب بـراي جانمـايي صـحيح ايسـتگاههـاي امداد و نجات و تخصيص امکانات وگروههاي امدادي به مناطق آسيب ديده است و باتوجه به اهميت خدماتي که مراکزخدمات فوريت هاي پزشکي در زمان و پـس از زلزله جهت کاهش تلفات انساني ارائه ميدهند،محققـين درايـن پـژوهش قصـد دارندباارائه مدلي رياضي وحل آن به اهداف زير دست يابند: uبهترين نحوه ي تخصيص تقاضادرهردوره ؛ uبهترين نحوه بازآرايي چيدمان آمبولانس هادردورههاي مختلـف بـه منظـور بهبود کيفيت پاسخگويي .
F. Doerner, “Ambulance location and relocation problems with time-dependent travel times,”European journal of operational research.
Reimann, “Heuristic solution of an extended double-coverage ambulance location problem for Austria,”Central European Journal of Operations Research, vol.
Saydam, “Solving large-scale maximum expected covering location problems by genetic algorithms: A comparative study,” European Journal of Operational Research.