روش بهینه سازی تصادفی برای مسئله اختصاص – موقعیت مراکز پیوند اعضا
چکیده
تصمیم گیری مرتبط با موقعیت منبع مهم در شبکه های جغرافیایی در بسیاری از صنایع از اهمیت زیادی برخوردار است. در سیستم های درمانی، این تصمیمات شامل موقعیت مراکز اورژانس و مراکر پیشگیری می شود. تصمیمات موقعیتی بدلیل تعیین زمان سفر در بین نقاط عرضه و تقاضا و همچنین زمان واکنش در اورژانس ها نقش مهمی ایفا می کنند. اندام ها از محصولات بسیار نابود شدنی هستند که تنوع درهر کدام از این محصولات باعث ایجاد زمان مرگ مختلف شده است. علیرغم اهمیت این حوزه، بخش کمی از مراکز درمانی در این حوزه در نظر گرفته شده اند. متناسب سازی و یافتن بهترین گیرنده برای اندام اهدایی یکی از مهمترین مسائل موجود در این حوزه است که فاکتور بسیار مهم برای فرآیند نهایی پیوند اندام است. متعادل سازی عرضه و تقاضا برای یک اندام در زنجیره عرضه جهت کاهش لیست انتظار نیازمند جدول بندی و مدیریت است. مهم ترین مزیت این تحقیق در نظر گرفتن مناطق گیرنده به عنوان مولفه دیگر در زنجیره عرضه می باشد. به علاوه، اهمیت زمان پیوند و لیست انتظار باعث شده است تا یک مدل دو هدفی در نظر بگیریم. علاوه بر این، تردید در داده های ورودی باعث شده است تا یک روش تصادفی در نظر بگیریم.
1. مقدمه
طراحی شبکه زنجیره عرضه یکی از مهم ترین تصمیمات راهبردی است. از میان انواع مختلف مشکلات کاربردی، موقعیت مراکز درمانی نقش مهمی در حداقل رساندن هزینه یا حداکثر رساندن مزایای افراد ایفا می کنند. بسیاری از تخقیقات قبلی به موضوع مشکلات موقعیت تاسیسات پرداخته اند (دریدا و همکاران 2007، فراهانی و همکاران 2010). صیام و کوته (2012) به بررسی مدل اختصاص موقعیت برای دپارتمان های درمانی جراحت های مغزی پرداختند. یکی از محدودیت های رایج در ارتباط با منابع نیز در نظر گرفته شده است و حداقل رساندن هزینه نهایی به عنوان تابع هدف در نظر گرفته می شود. داده های بدست آمده از دپارتمان امور کارآموزی (DVA) برای بررسی قابلیت کاربرد مدل مورد استفاده قرار گرفته اند.
6. نتیجه گیری
در این تحقیق، ما مدل برنامه نویسی غیر هطی ترکیبی را مطرح کردیم که زمان نهایی حمل و نقل را به حداقل می رساند و با توجه به آن مدت زمان نگه داری اعضا به حداکثر می رسد. با توجه به بررسی ماهیت تردید در بعضی از پارامترهای ورودی، یک روش تصادفی سناریو محور مورد استفاده قرار گرفته اند. نتایج محاسبات نشان می دهند که مدل تصادفی می تواند تردید در اطلاعات را بررسی کند، بنابراین می توان نتیجه گیری کرد که مدل MINLP می تواند به عنوان ابزاری قوی در موارد کاربردی استفاده شود. با در نظر گرفتن این مدل در شرایط وجود ماهیت دینامیک امکانات و اختلال در امکانات، استفاده از سایر روشهای موثر برای مثابله با تردید می تواند به عنوان حوزه تحقیقاتی آینده در نظر گرفته شود.
Abstract
Decision-making concerning the location of critical resource on the geographical network is important in many industries. In the healthcare system, these decisions include location of emergency and preventive care. The decisions of location play a crucial role due to determining the travel time between supply and demand points and response time in emergencies. Organs are considered as highly perishable products, whose variety of each product has a specific perish time. Despite the importance of this field, only a small proportion of healthcare sector is dedicated to this field. Matching and finding the best recipient for a donated organ is one of the major problems in this field, which is also crucial for the overall organ transplantation process. Balancing the demand and supply in a transplant organ supply chain in order to decrease the waiting list needs certain scheduling and management. The main contribution of this paper consists of considering recipient regions as another component of the supply chain; inaddition, importance of transportation time and waiting lists has led us to consider a bi-objective model. In addition, uncertainty of input data has led us to consider a stochastic approach.
1. Introduction
The supply chain network design is one of the most important strategic decisions. Among the different kinds of facility problems, healthcare location has an important role in minimizing the cost or maximizing the people benefit. Many previous studies have been devoted to facility location problems (Drira et al., 2007; Farahani et al., 2010).Syam and Côté (2012) addressed a location– allocation model fora treatment department related to traumatic brain injuries. A common resource constraint is also assumed, and minimization of the total cost is considered as objective function. The derived data from the Department of Veterans Affairs (DVA) have been used for testing applicability of the model.
6. Conclusion
In this paper, we have developed mixed-integer nonlinear programming model that minimizes the total transportation time and maximum organ shortage. With regard to handling the uncertain nature of some input parameters, a scenario-based stochastic approach has been utilized. Computational results show that the stochastic model could handle data uncertainty; therefore, it can be concluded that the proposed MINLP model can be used as a powerful tool in practical cases. Considering the model under the dynamic nature of facilities and facility disruptions, utilizing other efficient methods to cope with the uncertainty can be taken into account as the future research in this field.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
1. مقدمه
2. بیان مسئله
3. مدل بهینه سازی تصادفی
4. مثال عددی
5. نتایج محاسباتی
6. نتیجه گیری
منابع
Abstract
1. Introduction
2. Problem Definition
3. Stochastic Optimization Model
4. Numerical Example
5. Computational Results
6. Conclusion
References
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه