برنامه ریزی زنجیره تامین غیرقطعی اقلام مصرفی اتاق عمل با در نظر گرفتن رضایت جراح: به کارگیری روش‎‍های MOHS، NSGA-II و ARAS

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 63

This Paper With 38 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JPOM-14-1_005

تاریخ نمایه سازی: 30 خرداد 1402

Abstract:

هدف اصلی این پژوهش، کاهش هزینه های لجستیک و افزایش رضایت جراحان در یک زنجیره تامین تجهیزات مصرفی اتاق عمل، با در نظر گرفتن اولویت بندی تامین کنندگان است؛ زیرا امروزه بخش بزرگی از بودجه هر کشور، صرف سیستم های سلامت می شود و این مبالغ کلان، تاثیر مستقیمی بر اقتصاد کشورها دارد؛ از این رو هرگونه تغییر در هزینه های اتاق عمل، بر هزینه های کل زنجیره و بیمارستان نیز تاثیر می گذازد. مدل ریاضی مسئله با استفاده از روش تصمیم گیری چندمعیاره آراس و رویکرد استوار و الگوریتم‎‍های چندهدفه ژنتیک مرتب سازی نامغلوب (NSGA-II) و جست وجوی هارمونی (MOHS) حل شده است. برای حل مسئله در ابعاد مختلف، مثال هایی طراحی و با هر دو روش دقیق و الگوریتم‎‍های فراابتکاری حل شد. برای مقایسه دو روش حل دقیق و فراابتکاری NSGA-II ده مثال نمونه طراحی شد. مقایسه ها نشان داد در هر دو تابع هدف، کیفیت پاسخ‎‍های روش اپسیلون محدودیت بهتر بوده است؛ اما زمان حل بیشتری نسبت به NSGA-II نیاز داشته است؛ به طوری که گاهی تا ۵ برابر زمان حل بیشتر در روش اپسیلون، به محدودیت نیاز بوده است. همچنین برای اعتبارسنجی NSGA-II، از روش فراابتکاری MOHS کمک گرفته شد که نتایج نشان داد مسئله به کمک MOHS نیز به زمان حل کمتری نسبت به NSGA-II نیاز داشته است.

Keywords:

اولویت بندی تامین کنندگان , تجهیزات مصرفی اتاق عمل , زنجیره تامین سلامت , مدیریت موجودی در زنجیره تامین سلامت , NSGA-II , MOHS

Authors

سحر کریمیان

گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران

پروانه سموئی

گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Abedini, A., Ye, H., & Li, W. (۲۰۱۶). Operating room ...
  • Agra, A., Cerveira, A., & Requejo, C. (۲۰۱۶). A branch-and-cut ...
  • Ahmadi, E., Masel, D. T., & Hostetler, S. (۲۰۱۹). A ...
  • Bélanger, V., Beaulieu, M., Landry, S., & Morales, P. (۲۰۱۸). ...
  • Honarvar, M., Khalili, M. (۲۰۱۷). Non-Dominated Sorting Genetic Algorithm for ...
  • Karimyan, S., & Samouei, P. (۲۰۲۲). Robust Multi-Objective Supply Chain ...
  • Orji, I. J., & Ojadi, F. (۲۰۲۱). Investigating the COVID-۱۹ ...
  • Saaty, T. L., & Vargas, L. G. (۲۰۱۳). Sensitivity analysis ...
  • Sadeghi, J. Sadeghi, S. & Niaki, S. T. A. (۲۰۱۴). ...
  • Stević, Ž., Pamučar, D., Puška, A., & Chatterjee, P. (۲۰۲۰). ...
  • Sivasubramani, S., Swarup, K.S., (۲۰۱۱). Multi-objective harmony search algorithm for ...
  • Taleizadeh, A. A., Niaki, S. T. A., & Nikousokhan, R. ...
  • Uthayakumar, R., & Priyan, S. (۲۰۱۳). Pharmaceutical supply chain and ...
  • Valaei, M. R., Behnamian, J. (۲۰۱۴). Comparison of Taguchi experimental ...
  • Yalcinoz, T., Altun, H., & Uzam, M. (۲۰۰۱, September). Economic ...
  • Zavadskas, E. K., & Turskis, Z. (۲۰۱۰). A new additive ...
  • Zitler, E. (۱۹۹۹). Evolutionary Algorithms for multi-objective optimization: method and ...
  • نمایش کامل مراجع