RT - Journal Article T1 - Designing multi-objective supply chain design relief services with considering to equipment, screening and fuzzy demand in earthquake using the LP-metric method JF - dpmk YR - 2021 JO - dpmk VO - 11 IS - 4 UR - http://dpmk.ir/article-1-446-fa.html SP - 385 EP - 400 K1 - relief K1 - earthquake K1 - location K1 - fuzzy demand K1 - production center AB - زمینه و هدف: این روزها بسیاری از انسان‌ها در اثر وقوع حوادث طبیعی مانند سیل، زلزله و توفان جان و مال خود را از دست می‌دهند. برنامه‌ریزی های قبل از بحران باعث کاهش تلفات و امدادرسانی سریع‌تر می‌گردد. همچنین، تعیین تعداد و مکان مراکز تولید و نقاط خدمت رسانی باعث تسهیل کار گروه‌های امدادی و استفاده حداکثری از فضا و امکانات می‌گردد. در این مقاله، یک مدل ریاضی دو هدفه پیشنهاد می گردد که ضمن کمینه کردن هزینه‌های ارسال اقلام امدادی و زمان امدادرسانی به تعیین تعداد نقاط خدمت‌دهی متناسب با شدت زلزله کمک می نماید. روش : در این تحقیق، بسته به شدت جراحت، مجروحان به سه دسته سبز، قرمز و زرد تقسیم می‌شوند. به دلیل اینکه موضوع مورد نظر برای برنامه ریزی های قبل از وقوع بحران می‌باشد، مدل پیشنهادی در دو مرحله حل می گردد. در مرحله اول، حالتی در نظر گرفته می شود که کلیه مجروحان و اقلام امدادی به‌ موقع فرستاده شوند. سپس در مرحله دوم با فرض این‌که ممکن است در تعیین ظرفیت‌ها و یا پیش‌بینی ها به ویژه در شرایطی که با زلزله شدید مواجه هستیم، اندکی خطا وجود داشته باشد و به همین دلیل تعدادی از مجروحان و اقلام به دلیل محدودیت، به موقع فرستاده نشوند، لذا مدل پیشنهادی در نرم افزار گمز و با روش معیار جامع حل شده است. یافته ها :تحلیل مدل نشان می‌دهد که دسته بندی بیماران به ما کمک می کند تا بتوانیم در مواقعی که کمبود منبع داریم و نمی توانیم به تعداد کافی اقلام امدادرسانی ارسال کنیم، تصمیم بگیریم که به کدام یک از مراکز خدمت رسانی اقلام امدادی ارسال کنیم و به کدام مراکز ارسال نکنیم. مشابه این نتیجه برای زمانی که آمبولانس‌ها و هلی کوپترها فضلی کافی برای ارسال مجروحان ندارند نیز صدق می کند. در این شرایط، مدل به ما کمک می کند تا درباره ارسال یا عدم ارسال بیمارن تصمیم بگیریم، به گونه ای که زمان ارسال اقلام و بیماران و هزینه های عدم خدمت رسانی کمینه گردند. نتیجه گیری : کارایی مدل با حل مثال‌های عددی مختلف مورد بررسی قرارگرفته است. نتایج تحلیل حساسیت مدل نشان می‌دهند پیش‌بینی های صورت گرفته برای تعداد تلفات و همچنین هزینه‌ عدم فرستادن به‌ موقع مجروحان از مهم ترین عوامل مؤثر بر نتیجه مدل است. همچنین پیش‌بینی ما از درصد تبدیل مجروحان به مجروح سبز، زرد و قرمز و درصد تبدیل مجروح زرد به قرمز اثر مهمی بر تعداد بیماران ارسالی به مراکز خدمت رسانی و تخصیص اقلام درمانی به مراکز خدمت‌رسانی دارد LA eng UL http://dpmk.ir/article-1-446-fa.html M3 ER -