نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

1 گروه مدیریت بحران-مجتمع دانشگاهی پدافند غیرعامل-دانشگاه صنعتی مالک اشتر

2 دانشجوی دکتری مدیریت بحران دانشگاه صنعتی مالک اشتر

3 گروه مدیریت بحران، مجتمع دانشگاهی پدافند غیرعامل، دانشگاه صنعتی مالک اشتر

چکیده

سوانح طبیعی در مقیاس بزرگ بارها رخ‌داده و منجر به پیامدهای اجتماعی، اقتصادی و زیست‌محیطی شده است. به عبارتی سوانح طبیعی تهدیدی جدی برای توسعه پایدار محسوب می‌ شوند. اخیراً مدل‌ سازی پایدار لجستیک امداد بلایا توجه فزاینده‌ای را به خود جلب کرده است. درنظرگرفتن جنبه‌ های اقتصادی، اجتماعی و زیست‌ محیطی پایداری برای کاهش اثرات منفی فاجعه در مسئله لجستیک امداد بلایا ضروری است. هدف اصلی این پژوهش ارائه یک مدل ریاضی چند هدفه به‌ منظور طراحی شبکه توزیع پایدار کالاهای اضطراری در لجستیک امداد بلایا است. ویژگی اصلی این مدل این است که جنبه‌های اقتصادی، اجتماعی (هزینه محرومیت) و زیست‌ محیطی پایداری را در تابع هدف در نظر می‌ گیرد. با توجه به اینکه عدم قطعیت در ماهیت این مسئله وجود دارد، به‌ منظور مقابله با عدم قطعیت از رویکرد بهینه‌ سازی استوار فازی و برای حل مدل چند هدفه از روش برنامه‌ ریزی آرمانی چند گزینه‌ ای استفاده شده است. به‌ منظور بررسی کارایی مدل یک مطالعه موردی بر اساس داده‌ های واقعی (سیل شهرستان ساری) انجام ‌شده است. در این پژوهش تعداد بهینه مراکز توزیع و مکان هر مرکز توزیع به‌ گونه‌ای تعیین می‌ شوند که هزینه‌ های اقتصادی، اجتماعی و میزان آلایندگی‌ های زیست‌ محیطی به حداقل برسد و هر مرکز توزیع با توجه به ظرفیت ویژه خود به مجموعه‌ ای از نقاط تقاضا با انواع متفاوتی از کالاها خدمت‌ رسانی ‌کند. با استفاده از مدل پیشنهادی ما تصمیم‌ گیرندگان و مدیران قادر به تصمیم‌ گیری‌ های استراتژیکی و تاکتیکی با کمترین هزینه و زمان می‌ شوند و در برنامه‌ ریزی‌ های امداد می‌ توانند ساختار شبکه توزیع را بهبود بخشیده و نارضایتی آسیب‌ دیدگان را کاهش دهند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Sustainable Emergency Goods Distribution Network Design in Disaster Relief Logistic Considering the Deprivation Cost under Uncertainty (Case Study: 2019 flood in Sari city)

نویسندگان [English]

  • mahdi modiri 1
  • samira hasanzadeh 2
  • Mohammad Eskandari 3

1 Full professor at Malek Ashtar University of technology

2 Ph.D student in Crisis Management, Malek Ashtar University of technology

3 Assistant professor at Malek Ashtar University of Technology

چکیده [English]

Large-scale natural disasters have occurred many times and led to social, economic and environmental consequences. In other words, natural disasters are a serious threat to sustainable development. Recently, sustainable modeling of disaster relief logistics has increasingly attracted attention. It is vital to take the economic, social, and environmental aspects into account in the disaster relief logistic problem to reduce the harmful effects of a disaster. The present study aims to develop a multi-objective mathematical programming model for designing a sustainable distribution network of emergency goods in disaster relief logistics. The key feature of this formulation being the fact that it explicitly considers the economic, social (deprivation cost) and environmental aspects of sustainability in the objective function. Considering the inherent uncertainty in this issue a robust fuzzy optimization approach is utilized to deal with the uncertainty. Further, multi-choice goal programming is used to solve the multi-objective model. Finally, a case study was conducted on Sari city, Mazandaran Province, to verify the model performance. In this investigation, the optimal number and location of distribution centers are determined such that the economic, social costs and the environmental pollution level are minimized, and each distribution center provides services concerning its particular capacity to a set of demand points with different types of commodities. Using the proposed model, decision-makers and managers are able to make strategic and tactical decisions with the least cost and time, and in relief planning can enhance the structure of distribution networks and inventory and reduce victims’ dissatisfaction.

کلیدواژه‌ها [English]

  • Sustainable distribution network
  • Emergency goods
  • Disaster relief logistics
  • Deprivation cost
  • Uncertainty