دل‌سازی و بهینه‌سازی شبکه زنجیره تأمین پایدار خون در شرایط اختلال با استفاده از پیش‌بینی فازی مبتنی بر یادگیری عمیق

چکیده

زنجیره تأمین خون به دلیل ماهیت حیاتی فرآورده‌های خونی، فسادپذیری، محدودیت زمان نگهداری، عدم‌قطعیت تقاضا و احتمال وقوع اختلالات، از پیچیده‌ترین زنجیره‌های تأمین در نظام سلامت به شمار می‌رود. مدیریت کارآمد این زنجیره مستلزم بهره‌گیری از رویکردهایی است که بتوانند به‌طور هم‌زمان دقت پیش‌بینی تقاضا، تاب‌آوری شبکه و پایداری اقتصادی، اجتماعی و زیست‌محیطی را تضمین کنند. پژوهش حاضر با هدف مدل‌سازی و بهینه‌سازی شبکه زنجیره تأمین پایدار خون در شرایط اختلال، یک چارچوب یکپارچه مبتنی بر پیش‌بینی فازی و بهینه‌سازی ارائه می‌کند. در مرحله نخست، تقاضای فرآورده‌های خونی با استفاده از شبکه عصبی حافظه بلندمدت (LSTM) تحت سه سناريو، پیش‌بینی شده و به‌منظور لحاظ کردن عدم‌قطعیت، خروجی مدل در قالب اعداد فازی به مدل تصمیم‌گیری منتقل می‌شود. سپس یک مدل برنامه‌ریزی ریاضی چندهدفه برای طراحی شبکه زنجیره تأمین خون توسعه یافته است که به‌طور هم‌زمان اهداف اقتصادی، اجتماعي و زیست‌محیطی را دنبال می‌کند. به‌منظور افزایش قابلیت اطمینان تصمیمات در برابر نوسانات پارامترها و وقوع اختلالات، از رویکرد بهینه‌سازی استوار فازی استفاده شده است. همچنین، برای حل مدل با ابعاد بزرگ، از روش‌های حل مناسب با الگوريتم فراابتکاري NSGA-II و تحلیل حساسیت جهت ارزیابی رفتار مدل در سناریوهای مختلف بهره گرفته شده است. نتایج نشان می‌دهد که چارچوب پیشنهادی ضمن افزایش دقت پیش‌بینی تقاضا، موجب بهبود تاب‌آوری شبکه، کاهش هزینه‌های کل، کاهش پیامدهای زیست‌محیطی و ارتقای سطح خدمت در شرایط بحرانی می‌شود. ازاین‌رو، مدل ارائه‌شده می‌تواند به‌عنوان ابزاری اثربخش برای پشتیبانی از تصمیم‌گیری مدیران و سیاست‌گذاران حوزه انتقال خون در طراحی شبکه‌های پایدار و مقاوم در برابر اختلالات مورد استفاده قرار گیرد.