@article { author = {Roshani, Alireza and Gholamian, Mohammad Reza and Arabi, Mahsa}, title = {A two-stage stochastic programming approach to design a resilient pharmaceutical supply chain network: a case study of COVID-19}, journal = {Journal of Decisions and Operations Research}, volume = {8}, number = {1}, pages = {176-195}, year = {2023}, publisher = {Ayandegan Institute of Higher Education, Tonekabon, Iran}, issn = {2538-5097}, eissn = {2676-6159}, doi = {10.22105/dmor.2022.315105.1527}, abstract = {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 resilience toward 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.}, keywords = {Supply chain network design,Two-stage stochastic programming,Supply Chain Resilience,Pharmaceutical supply chain,COVID-19}, title_fa = {ارایه یک رویکرد برنامه‏ریزی تصادفی دو مرحله‏ای برای طراحی شبکه زنجیره تامین تاب‏آور دارو (مطالعه موردی کووید-19)}, abstract_fa = {هدف: با توجه به افزایش پیچیدگی‏‌های ناشی از عدم‏‌قطعیت و تاثیرات آن در شبکه‌‏های زنجیره تامین، بسیاری از محققین به استفاده از رویکردهای تقابلی با عدم‌‏قطعیت داده‌‏ها روی آورده‌‏اند. به علاوه، وقوع هرگونه اختلال در شبکه‌‏های توزیع، می‌تواند خسارت‌‏های جبران‏‌ناپذیری به بار بیاورد؛ بنابراین اتخاذ استراتژی‏‌های مناسب برای بالا بردن سطح تاب‏‌آوری شبکه زنجیره تامین 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 دوره‌‏ای و سناریو محور ارایه شده است که در آن علاوه بر کمینه‏‌سازی دو هدف زمان تحویل و هزینه، به منظور افزایش تاب‏‌آوری شبکه، معیارهای منفی تاب‌‏آوری نیز کمینه می‌‏گردند. برای غلبه بر ماهیت غیرقطعی داده‌‏ها نیز از رویکرد برنامه‌‏ریزی تصادفی دو مرحله‌‏ای استفاده شده است. همچنین برای تبدیل مدل، به یک مدل تک‏‌هدفه، از برنامه‌‏ریزی آرمانی بهره گرفته شده است.یافته‌ها: به منظور اثبات کاربردی بودن مدل، داده‏‌های واقعی یک مطالعه موردی در مشهد پیاده‌‏سازی 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 ارایه می‌کند که در آن دو شاخص زمان و تاب‏‌آوری به عنوان ابزارهای بهینه‌‏سازی به طور همزمان در نظر گرفته شده‏‌اند.}, keywords_fa = {برنامه‌‏ریزی تصادفی دو مرحله‌‏ای,تاب‌‏آوری,زنجیره تامین دارو,طراحی شبکه زنجیره تامین,کووید-19}, url = {https://www.journal-dmor.ir/article_146557.html}, eprint = {https://www.journal-dmor.ir/article_146557_9792c8ed75a5f9543a41105c8894e6fb.pdf} }