بهینه سازی یک مسئله چند هدفه برای واکنش اورژانسی مدیریت بحران‌ در بلایای طبیعی با تأکید بر کاهش تأخیر در رسیدن نیروهای امدادی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

2 استاد گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

3 استادیار دانشگاه دفاع ملی، تهران، ایران

چکیده

بحرانهای ناشی از سوانح غیر مترقبه آثار قابل ملاحظه ای بر جامعه دارند. بنابراین شیوه های صحیح مدیریت بحران می تواند در راه جلوگیری از وقوع حوادث محیطی بسیار موثر واقع شود. پس در دسترس بودن برنامه های اجرای مناسب درمواقع بحرانی از یک سو باعث تقویت بنیه و اساس جامعه در تمامی زمینه ها شده و از سوی دیگر میزان خسارات مالی و تلفات انسانی و از هم گسیختگی اجتماعی، اقتصادی و زیست محیطی را به شدت کاهش می دهد. برای کاهش صدمات و تلفات اقتصادی در طی فاز پاسخ، واحدهای اعزام شده باید تخصیص و به طور مؤثر زمان بندی شوند. با توجه به اینکه این مشکل یکی از موضوعات کلیدی در پاسخ اورژانس محسوب می‌شود و ندرتاً در منابع بررسی شده است، این مقاله به بررسی لجستیک بحران شامل کلیه فرآیندهای برآورد، تأمین، حمل و نقل ، نگهداری و توزیع کالاها، تجهیزات، خدمات و تمامی نیازمندی های آسیب دیدگان و تیم های امدادی می باشد که باید در زمان مناسب و در مکان مناسب و به میزان مناسب به افراد مشخص و با روش علمی و دقیق و دارای کمترین مشکلات به دست آنها برسد. در این تحقیق مدل ریاضی چند هدفه‌ای برای مدیریت سوانح طبیعی با رویکرد اعزام و کنترل نیرو در شرایط بحرانی ارائه شده و شرایط مختلف پاسخ اورژانسی با مدیریت بحران بررسی می‌شود. نهایتا نتایج بررسی بحران بر اساس تحقیقات مختلف ارائه می‌شود.

کلیدواژه‌ها


Altay, N., & Green III, W. G. (2006). OR/MS research in disaster operations management. European journal of operational research, 175(1), 475-493.

Atencia, I., & Moreno, P. (2004). The discrete-time Geo/Geo/1 queue with negative customers and disasters. Computers & Operations Research, 31(9), 1537-1548.

Barzinpour, F., & Esmaeili, V. (2014). A multi-objective relief chain location distribution model for urban disaster management. The International Journal of Advanced Manufacturing Technology, 70(5-8), 1291-1302.

Bodaghi, B., Palaneeswaran, E., and Abbasi, B., (2018) Biobjective multi-resource scheduling problem for emergency relief operations, Production Planning & Control, 29:14, 1191-1206.

Bozorgi-Amiri, A., Jabalameli, S. M., Mirzapour Al-e-Hashem, S. M. J., (2013), A multi-objective robust stochastic programming model for disaster relief logistics under uncertainty., Operation research spectrum., 35:905–933.

Cao, C., Li, C., Yang, Q., Liu, Y., & Qu, T. (2018). A novel multi-objective programming model of relief distribution for sustainable disaster supply chain in large-scale natural disasters. Journal of cleaner production, 174, 1422-1435.

Galindo, G., and R. Batta. (2013). Review of Recent Developments in OR/MS Research in Disaster Operations Management. European Journal of Operational Research 230 (2): 201–211.

Hermann, CH., F., (1972). Indicators of international political crises: Some initial steps toward prediction. The political System in Crisis. pp:233-243.

Jia, H., F. Ordóñez, and M. M. Dessouky. (2007). Solution Approaches for Facility Location of Medical Supplies for Large-scaleEmergencies. Computers & Industrial Engineering 52 (2): 257–276.

Liu, X., and Yan, X., (2011),. Generation mechanism of emergency decision-making:links, elements and serial processing, J. Shanghai Adm. Inst. 12 (4) 37–43.

Maharjan, R,. Hanaoka, Sh,. (2018) A multi-actor multi-objective optimization approach for locating temporary logistics hubs during disaster response, Journal of Humanitarian Logistics and Supply Chain Management, Vol. 8 Issue: 1, pp.2-21.

Özdamar, L., and M. A. Ertem. (2015). Models, Solutions and Enabling Technologies in Humanitarian Logistics. European Journal of Operational Research 244 (1): 55–65.

Ransikarbum, K., and S. J. Mason. (2016a). Goal Programming-based Post-disaster Decision Making for Integrated Relief Distribution and Early-stage Network Restoration. International Journal of Production Economics 182: 324–341.

Ransikarbum, K., and S. J. Mason. (2016b). Multiple-objective Analysis of Integrated Relief Supply and Network Restoration in Humanitarian Logistics Operations. International Journal of Production Research 54 (1): 49–68.

Rawls, C. G., and M. A. Turnquist. (2010). Pre-positioning of Emergency Supplies for Disaster Response. Transportation Research Part B: Methodological 44 (4): 521–534.

Rodríguez-Espíndola, O., Albores, P., & Brewster, C. (2018). Disaster preparedness in humanitarian logistics: A collaborative approach for resource management in floods. European Journal of Operational Research, 264(3), 978-993.

Sabouhi, F., Tavakoli, Z. S., Bozorgi-Amiri, A., & Sheu, J. B. (2019). A robust possibilistic programming multi-objective model for locating transfer points and shelters in disaster relief. Transportmetrica A: transport science, 15(2), 326-353.

Shin,Y.W. (2004). BMAP/G/1 Queue with CorrelatedArrivals of Customers and Disasters. Operations Research Letters 32 (4): 364–373.

Song, J., M., W. Chen., and L. Lei., (2018). Supply chain flexibility and operations optimisation under demand uncertainty: a case in disaster relief. International Journal of Production Research. 56:10, 3699-3713.

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.

Vahdani, B., Veysmoradi, D., Shekari, N., & Mousavi, S. M. (2018). Multi-objective, multi-period location-routing model to distribute relief after earthquake by considering emergency roadway repair. Neural Computing and Applications, 30(3), 835-854.

Vahdani, B., Veysmoradi, D., Noori, F., & Mansour, F. (2018). Two-stage multi-objective location-routing-inventory model for humanitarian logistics network design under uncertainty. International journal of disaster risk reduction, 27, 290-306.

Zhou, L., Wu, X., Xu, Z., & Fujita, H. (2018). Emergency decision making for natural disasters: An overview. International journal of disaster risk reduction, 27, 567-576.