طراحی شبکه تامین خون تحت عدم قطعیت در عرضه و تقاضا با در نظر گرفتن جنبه‌های اجتماعی ​

طراحی زنجیره تامین خون مساله‌ای است که تا حدودی در مقالات مورد بررسی قرار گرفته‌است. اهدای خون یک فعالیت داوطلبانه است و اهداکنندگان خون در زنجیره تامین خون اهمیت دارند. تلاش برای افزایش سودمندی اهداکنندگان خون به منظور کاهش کمبودها و خسارات مضر، مناسب است. پارامترهای از جمله فاصله اهداکنندگان خون از امکانات خونی، عامل تجربه اهداکنندگان در تسهیلات خونی و بودجه تبلیغات در تسهیلات خونی از جنبه‌های اجتماعی محسوب شده و برای ایجاد تابع منفعت مورد استفاده در این مقاله بکار گرفته شده‌است. هدف افزایش بهره‌وری و انگیزه دادن به اهداکنندگان خون برای اهدای خون بود. ابتدا، یک مدل تخصیص موقعیت قطعی با استفاده از یک بهینه‌سازی خطی عدد صحیح مختلط (MILP)پیشنهاد شده‌است. به دلیل ماهیت تصادفی پارامترهای تقاضا و هزینه، مدل مذکور برای ترکیب عدم قطعیت با استفاده از یک رویکرد بهینه‌سازی استوار توسعه داده می‌شود که می‌تواند بر محدودیت‌های روش‌های راه‌حل مبتنی بر سناریو، یعنی بدون تغییرات بیش از حد در پیچیدگی مدل قطعی پایه استوار باشد. کاربرد مدل پیشنهادی با مطالعه موردی در تهران مورد ارزیابی قرار می‌گیرد. نتا

Blood supply chain design is an issue which has been investigated in the literature to some extent. Blood donation is a voluntary activity and blood donors are important in the blood supply chain. It is suitable to attempt to increase blood donors’ utility in order to reduce shortages and harmful damages. Parameters including distance of blood donors from blood facilities, experience factor of donors in blood facilities and advertising budget in blood facilities are considered social aspects and applied to form utility function used in this paper. The aim was to increase utility and motivate blood donors to donate blood. First, a deterministic location-allocation model is proposed applying a mixed integer linear programming (MILP) optimization. Due to the stochastic nature of demand and cost parameters, the aforementioned model is developed to incorporate uncertainty using a robust optimization approach that can overcome the limitations of scenario-based solution methods, i.e., without