مدل لجستیک امدادرسانی برای کاهش تلفات پس از زلزله در ابعاد بسیار بزرگ و واقعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 مهندسی صنایع- لجستیک و زنجیره‌ی تأمین، دانشکده‌ی مهندسی صنایع و سیستم‌های مدیریت، دانشگاه صنعتی امیرکبیر

2 دانشکده مهندسی صنایع و سیستم‌های مدیریت،دانشگاه صنعتی امیرکبیر

3 مهندسی صنایع، گروه مهندسی صنایع، دانشکده‌ی فنی- مهندسی، دانشگاه بوعلی سینا

چکیده

با نگاهی به حوادث طبیعی چند دهه‌ی اخیر به روشنی در می‌یابیم که بروز بلایای طبیعی موجب به وجود آوردن هزینه‌های مالی و انسانی سنگین برای دولت‌ها و جوامع می‌شود و روز به روز نگرانی‌ها را در این زمینه افزایش می‌دهد. یکی از اصلی‌ترین فعالیت‌هایی که در هر عملیات امدادرسانی صورت می‌پذیرد و تقریبا 80 درصد حجم کل فعالیت‌ها را شامل می‌شود، لجستیک است. لجستیک امدادرسانی که در چند سال اخیر مطرح شده است، می‌کوشد تا با استفاده از مدل‌های رایج در لجستیک تجاری و در نظر گرفتن شرایط خاص و ویژه‌ای همچون تقاضای نامشخص، دسترسی نداشتن به اطلاعات دقیق در شرایط پس از بحران، خراب شدن و از بین رفتن مسیرهای حمل و نقل شهری و برون شهری و محدود بودن زمان امدادرسانی در صورتی که حجم فعالیت‌ها و هماهنگی‌های مورد نیاز بسیار بالا و فشرده است، تا حد امکان تلفات انسانی را کاهش دهد. در این پژوهش یک مدل لجستیک امدادرسانی با رویکرد برنامه‌ریزی غیرخطی مختلط عدد صحیح (MINLP) با در نظر گرفتن خرابی مسیرهای حمل و نقل شهری پس از وقوع زلزله، زمان استاندارد و بین‌المللی امدادرسانی و استفاده از داده‌های برخط حاصل شده از نظام اطلاعات مکانی (GIS)، برای مکان‌یابی مراکز توزیع محلی کالاهای امدادی و همچنین مسیریابی وسایل حمل و نقل ارائه شده است. در طراحی مدل سعی شده است تا حد ممکن عوامل حیاتی دخیل در لجستیک امدادرسانی مورد توجه قرار گیرد. سپس مدل ارائه شده در مقیاس بزرگ و واقعی و با استفاده از داده‌های برگرفته از نظام اطلاعات مکانی، به صورت یک مطالعه‌ی موردی پیاده‌سازی شده و نتایج آن به صورت کامل ارائه شده است. برای حل این مدل در شرایط واقعی از روش جستجوی همسایگی متغیر که برای اولین بار برای یک مدل لجستیک امدادرسانی ارائه شده، بهره گرفته شده است.

کلیدواژه‌ها


عنوان مقاله [English]

A humanitarian logistics model to minimize losses aftermath of an earthquake in large-scale and actual size

نویسندگان [English]

  • Morteza Ahmadi 1
  • Abbas Seifi 2
  • Alireza Gharahi 3
1 M.Sc graduated. industrial engineering- logistics and supply chain engineering, Faculty of industrial engineering and management systems, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran
2 Assoc. prof., Faculty of industrial engineering and management systems, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran.
3 M.Sc Graduated, department of industrial engineering, faculty of engineering, Bu-Ali Sina University, Hamedan, Iran.
چکیده [English]

In recent decades, natural disasters imposed financial and humanitarian costs to the governments and societies. One of the most important activities which is done in every relief operation and encompass roughly 80 percent of all activities is logistics operations. Thus, a new area and subject with title of humanitarian logistics are stated in literature in recent years. Humanitarian logistics aims to minimize loss of lives by using common models in commercial logistics and considering specific situation and issues such as stochastic demand, lack of precise information aftermath of a crisis, transportation network failure, and very short and limited relief time. This study aims to utilize a mix integer linear humanitarian logistics model. Transportation network failure aftermath of an earthquake, standard relief time and online datawere obtained by the geographic information systems (GIS).These data were used in the model to locate distribution centers of relief supplies. Moreover, this study indicated vehicle routing for the response time.  Then, the developed model was implemented in San Francisco city as a real life and large-scale case study by GIS's data. To solve the model, variable neighborhood search (VNS) was used. Variable neighborhood search (VNS) is used for the first time to solve a large-scale humanitarian logistics model in this study.

کلیدواژه‌ها [English]

  • Humanitarian logistics
  • Transportation network failure
  • Location-routing
  • Variable neighborhood search
  • GIS