نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی لجستیک و زنجیره تامین، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

10.22105/dmor.2022.315105.1527

چکیده

هدف: با توجه به افزایش پیچیدگی‏های ناشی از عدم ‏قطعیت و تأثیرات آن در شبکه ‏های زنجیره تأمین، بسیاری از محققین به استفاده از رویکردهای تقابلی با عدم‏ قطعیت داده ‏ها روی آورده‏ اند. به علاوه، وقوع هرگونه اختلال در شبکه‏ های توزیع، می‏تواند خسارت‏های جبران‏ ناپذیری به بار بیاورد. بنابراین اتخاذ استراتژی‏های مناسب برای بالا بردن سطح تاب‏ آوری شبکه زنجیره تأمین به دنبال کاهش آثار مخرب ناشی از هرگونه اختلال امری مهم و ضروری به نظر می‏رسد.

روش‌شناسی پژوهش: در این مقاله، یک مدل ریاضی چندهدفه، چند دوره‏ ای و سناریو محور ارائه شده است که در آن علاوه بر کمینه‏ سازی دو هدف زمان تحویل و هزینه، به منظور افزایش تاب ‏آوری شبکه، معیارهای منفی تاب ‏آوری نیز کمینه می‏گردند. برای غلبه بر ماهیت غیرقطعی داده‏ ها نیز از رویکرد برنامه‏ ریزی تصادفی دو مرحله‏ ای استفاده شده است. همچنین برای تبدیل مدل، به یک مدل تک ‏هدفه، از برنامه‏ ریزی آرمانی بهره گرفته شده است.

یافته‎ ها: به منظور اثبات کاربردی بودن مدل، داده‏ های واقعی یک مطالعه موردی در مشهد پیاده ‏سازی شده است. در نهایت، بر اساس اعتبارسنجی و تحلیل حساسیت صورت گرفته، مدل غیرقطعی پیشنهادی از برتری مشهودی نسبت به مدل قطعی برخوردار است.

اصالت/ارزش افزوده علمی: این مقاله یک مدل ریاضی خطی چندهدفه را برای طراحی شبکه زنجیره تامین دارو تحت شرایط کووید-19 ارائه می‌کند که در آن دو شاخص زمان و تاب‏ آوری به عنوان ابزارهای بهینه‏سازی به طور همزمان در نظر گرفته شده‏ اند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A two-stage stochastic programming approach to design a resilient pharmaceutical supply chain network: a case study of COVID-19

نویسندگان [English]

  • Alireza Roshani
  • Mohammad Reza Gholamian
  • Mahsa Arabi

Department of Logistics and Supply Chain, School of Industrial Engineering, Iran University of Science and technology (IUST), Tehran, Iran

چکیده [English]

Purpose: Due to the increasing complexity of uncertainty and its impact on the supply chain network, many researchers have resorted to coping approaches with data uncertainty. In addition, the occurrence of any disruption in the supply chain networks can cause irreparable damage. Therefore, adopting appropriate strategies to increase the level of the supply chain network resiliencetoward any disruptive events seem to be necessary.

Methodology In this paper, a multi-objective, multi-period, and scenario-based mathematical model is presented in which objective functions of delivery time and total network cost are minimized, and to increase network resilience, non-resilience measures are also minimized. Furthermore, a two-stage stochastic programming (TSSP) approach has been utilized to overcome the uncertain nature of the input parameters. Goal programming has also been used to transform the model into a single-objective one.

Findings: In order to prove the model's applicability, the real-world data of a case study of Mashhad has been implemented. Eventually, according to the validation and sensitivity analysis results, the proposed uncertain model has clear superiority over the deterministic model.

Originality/Value: This paper presents a multi-objective linear mathematical model for designing the pharmaceutical supply chain (PSC) network under the COVID-19 situation. Two indicators of time and resilience as optimization tools have been considered simultaneously.

کلیدواژه‌ها [English]

  • Supply chain network design
  • Two-stage stochastic programming
  • Supply Chain Resilience
  • Pharmaceutical supply chain
  • COVID-19