ارائه یک مدل ریاضی استوار امکانی به‌منظور مسیریابی، زمان‌بندی و توزیع منابع در عملیات کمک‌رسانی پس از زلزله با درنظر گرفتن اختلال در توزیع در شرایط عدم قطعیت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مهندسی صنایع، دانشکده مکانیک، مکانیک و صنایع، دانشگاه زنجان، زنجان، ایران

2 استادیار، گروه مهندسی صنایع، موسسه آموزش عالی سراج، تبریز، ایران

3 کارشناسی ارشد مهندسی صنایع، موسسه آموزش عالی سراج، تبریز، ایران

چکیده

ازآنجایی‌که فاجعه‌های طبیعی اغلب موجب از بین رفتن جان و مال انسان‌ها می‌شوند، طراحی مناسب شبکه توزیع امدادرسانی بعد از وقوع بحران ضروری می‌باشد. به‌علاوه چون افراد آسیب‌دیده نمی‌توانند بیش از چند روز بدون آب، غذا، دارو و سرپناه زنده بمانند، مسئله مسیریابی و توزیع کالاهای امدادی با حداکثر سرعت بسیار مهم بوده و از اهداف اصلی پژوهش در نظر گرفته‌شده است. حداقل کردن تعداد وسایل موردنیاز به‌منظور کاهش هزینه‌ها و توزیع عادلانه کالاهای امدادی به‌گونه‌ای که در یک پناهگاه نسبت به پناهگاه دیگر، کمبود بیش‌ازحد زیاد نباشد، از دیگر اهداف پژوهش می‌باشند. برای دستیابی به اهداف فوق،‌ مدل برنامه ریاضی سه هدفه سیستم لجستیک توزیع برای مسیریابی و زمان‌بندی وسایل نقلیه امدادی جهت توزیع کالاهای امدادی از مراکز توزیع به پناهگاه‌ها تحت شرایط عدم قطعیت و با در نظر گرفتن اختلال در توزیع طراحی‌شده است. به‌منظور برخورد با عدم قطعیت موجود در پارامترهای مسئله از دو روش امکانی مختلف شامل رویکرد امکانی مبتنی بر اندازه اعتبار و روش استوار امکانی بهره گرفته‌شده است. برای حل مدل چندهدفه ارائه‌شده نیز از یک رویکرد فازی تعاملی بهره گرفته‌شده است. درنهایت به‌منظور بررسی کاربردپذیری مدل ریاضی ارائه‌شده، مطالعه موردی در ایران و در شهر تبریز صورت گرفته است. با توجه به نتایج به‌دست‌آمده و اولویت تصمیم‌گیرنده برای کاهش تقاضای برآورده نشده در این مقاله، روش استوار امکانی بهترین روش برای مدل‌سازی مسئله موردنظر انتخاب می‌شود. همچنین نتایج حاصل از حل مطالعه موردی نشان داد که بین میزان عرضه کالاهای امدادی و زمان توزیع کالاهای امدادی رابطه معکوس وجود دارد و درصد کاهش زمان توزیع کالاهای امدادی درازای افزایش بیش‌ازحد عرضه کالاهای امدادی بسیار ناچیز می‌باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Robust possibilistic programming for vehicle routing, scheduling and resource distribution in post-earthquake relief operations regarding disruption and under uncertainty

نویسندگان [English]

  • Sima Ghayebloo 1
  • Faryba Fathipour 2
  • Negar Torkamani 3
1 . Assistant Professor, Department of Industrial Engineering, Faculty of Mechanics, Mechanics and Industries, University of Zanjan , Zanjan , Iran
2 Assistant Professor, Department of Industrial Engineering, Siraj Institute of Higher Education, Tabriz, Iran
3 Master of Industrial Engineering, Siraj Institute of Higher Education, Tabriz, Iran
چکیده [English]

     Since natural disasters often lead to the loss of human lives and property, the proper design of a post-disaster relief distribution network is essential. Besides, because the affected people cannot survive more than a few days without water, food, medicine and shelter, the routing and distribution of relief goods at maximum speed is crucial and is one of the main goals of this research. Minimizing the number of equipment needed to reduce costs and equal distribution of relief goods, so that there is not too much shortage in one shelter than another is the other goal of the study. To achieve these objectives, a tri-objective mathematical model for a distribution logistics system is designed to route and schedule relief vehicles for distributing relief goods from distribution centers (DCs) to shelters under uncertainty, and disruptive distribution. In order to deal with the uncertainty, two different methods have been used, including a credibility-based possibilistic programming method, and the robust possibilistic method. To solve the proposed multi-objective model, an interactive fuzzy approach has been used. Then, to investigate the applicability of the proposed mathematical model, it has been implemented on a real case study in the city of Tabriz, Iran. According to the obtained results and the decision maker's priority to reduce the unmet demand in this paper, the robust possibilistic method is finally selected as the best method to handle this problem. Also, the results of solving the case study show that there is an inverse relationship between the supply of relief goods and the distribution time of relief goods, and the percentage of reduction in the distribution time of relief goods in exchange for an excessive increase in the supply of relief goods is very small, which could be ignored.

کلیدواژه‌ها [English]

  • Possibilistic programming
  • Multi-objectives mathematical
  • Programming
  • Disruption
  • Humanitarian relief logistics

مراجع

[1]    فلاحی، ک.ج.ز.ع. (1388). اصول و مبانی مدیریت بحران, ed. ۱. تهران موسسه آموزش عالی علمی - کاربردی هلال ایران.
[2]    جمالی، ح. (1394). مدیریت عملیات امدادرسانی در شرایط اضطرار با استفاده از مفهوم تور پوششی و امکان ارسال مستقیم. نشریه علمی پژوهشی مدیریت فردا, 1394. ۴۲(بهار).
[3]    Altay, N. and Green,W.G. (2006). OR/MS research in disaster operations management. European Journal of Operational Research, 175(1), 475-493.
[4]    Özdamar, L., E. Ekinci, and Küçükyazici, B. (2004). Emergency Logistics Planning in Natural Disasters. Annals of Operations Research, 129(1), p. 217-245.
[5]    Hale, T. and Moberg, R. (2005). Christopher, Improving supply chain disaster preparedness: A decision process for secure site location. International Journal of Physical Distribution & Logistics Management, 35(3), 195-207.
[6]    Chang, M.-S., Tseng, Y.-L. and Chen, J.-W. (2007). A scenario planning approach for the flood emergency logistics preparation problem under uncertainty. Transportation Research Part E: Logistics and Transportation Review, 43(6), 737-754.
[7]    Balcik, B. and Beamon, B. M. (2008). Facility location in humanitarian relief, International Journal of Logistics Research and Applications, 11(2), 101-121.
[8]    Balcik, B., Beamon, B. M. and Smilowitz, K. (2008). Last Mile Distribution in Humanitarian Relief, Journal of Intelligent Transportation Systems, 12(2), 51-63.
[9]    Lin, Y.-H., et al. (2011). A logistics model for emergency supply of critical items in the aftermath of a disaster. Socio-Economic Planning Sciences, 45(4), 132-145.
[10] de la Torre, L.E., Dolinskaya, I. S. and Smilowitz, K.R. (2012). Disaster relief routing: Integrating research and practice. Socio-Economic Planning Sciences, 46(1), 88-97.
[11] Nolz, P. C., Semet, F. and Doerner, K.F. (2011). Risk approaches for delivering disaster relief supplies. OR spectrum, 33(3), 543-569.
[12] Hamedi, M., Haghani, A. and Yang, S. (2012). Reliable Transportation of Humanitarian Supplies in Disaster Response: Model and Heuristic. Procedia - Social and Behavioral Sciences, 54 1205-1219.
[13] Wex, F., et al., (2014). Emergency response in natural disaster management: Allocation and scheduling of rescue units. European Journal of Operational Research, 235(3), 697-708.
[14] Gan, X., et al., (2015). Emergency vehicle scheduling problem with time utility in disasters. Mathematical Problems in Engineering.
[15] Pourrahmani, E., et al., (2015). Dynamic evacuation routing plan after an earthquake. Natural Hazards Review, 16(4), 04015006.
[16] Moshref-Javadi, M. and Lee, S. (2016). The customer-centric, multi-commodity vehicle routing problem with split delivery. Expert Systems with Applications, 56, 335-348.
[17] صبوحی، ف.، جبارزاده، آرمین. (1398). مدل بهینه‌سازی امکانی استوار برای شبکه‌ی توزیع اقلام امدادی تحت عدم قطعیت. علمی پژوهشی مدیریت بحران، ۸(۱)، 45-۵۳.
[18] Sabouhi, F., M. Heydari, and Bozorgi-Amiri, A. (2016). Multi-objective routing and scheduling for relief distribution with split delivery in post-disaster response. Journal of Industrial and Systems Engineering, 9(3), 17-27.
[19] Li, S. and Teo, K. L. (2019). Post-disaster multi-period road network repair: work scheduling and relief logistics optimization. Annals of Operations Research, 283(1), 1345-1385.
[20] Li, S., Ma, Z. and Teo, K.L. (2020). A new model for road network repair after natural disasters: Integrating logistics support scheduling with repair crew scheduling and routing activities. Computers & Industrial Engineering, 145, 106506.
[21] Zhong, S., et al., (2020). Risk-averse optimization of disaster relief facility location and vehicle routing under stochastic demand. Transportation Research Part E: Logistics and Transportation Review, 141, 102015.
[22] Hasani, A. and Mokhtari, H. (2019). An integrated relief network design model under uncertainty: A case of Iran. Safety Science, 111, 22-36.
[23] Zhang, P., et al., (2020). A distributionally robust optimization model for designing humanitarian relief network with resource reallocation. Soft Computing, 24(4), 2749-2767.
[24] Pishvaee, M.S., Razmi, J. and Torabi, S.A. (2012). Robust possibilistic programming for socially responsible supply chain network design: A new approach. Fuzzy Sets and Systems, 206, 1-20.
[25] Lai, Y.-J. and Hwang, C.-L. (1993). Possibilistic linear programming for managing interest rate risk. Fuzzy Sets and Systems, 54(2), 135-146.
[26] Inuiguchi, M. and Ramı́k, J. (2000). Possibilistic linear programming: a brief review of fuzzy mathematical programming and a comparison with stochastic programming in portfolio selection problem. Fuzzy Sets and Systems, 111(1), 3-28.
[27] Jiménez, M., et al. (2007). Linear programming with fuzzy parameters: An interactive method resolution. European Journal of Operational Research, 177(3), 1599-1609.
[28] Baoding, L. and Yian-Kui, L. (200). Expected value of fuzzy variable and fuzzy expected value models. IEEE Transactions on Fuzzy Systems, 10(4), 445-450.
[29] Li, X. and Liu, B. (2006). A sufficient and necessary condition for credibility measures. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 14(05), 527-535.
[30] Liu, B. and Iwamura, K. (1998). Chance constrained programming with fuzzy parameters. Fuzzy Sets and Systems, 94(2), 227-237.
[31] Boading, L. (1999). Dependent-chance programming with fuzzy decisions. IEEE Transactions on Fuzzy Systems, 1999. 7(3), 354-360.
[32] پیشوایی, میر سامان، (1391). طراحی شبکه تأمین یکپارچه مستقیم-معکوس مبتنی بردیدمان(پارادایم) توسعه پایدار در شرایط عدم قطعیت. دانشگاه تهران: دانشکده مهندسی صنایع.
[33] Torabi, S.A. and Hassini, E.(2008). An interactive possibilistic programming approach for multiple objective supply chain master planning. Fuzzy Sets and Systems, 159(2), 193-214.
[34] تبریز, پورتال شهرداری منطقه ۵، www.m5.tabriz.ir  
نشریه پژوهش های مهندسی صنایع در سیستم های تولید
دوره 8، شماره 17
اسفند 1399
صفحه 275-293

فایل ها

هم رسانی

ارجاع به این مقاله

آمار