پایان نامه ارائه مدل برنامه ریزی امکانی استوار چند هدفه برای لجستیک امداد بلایا

پایان‌نامه یا رساله برای دریافت درجه کارشناسی ارشد

در رشته مهندسی صنایع گرایش سیستم های اقتصادی- اجتماعی

شهریورماه    1393 

چکیده

وقوع حوادث غیر مترقبه و فجایع طبیعی و اثرات ناشی از وقوع آنها جوامع کنونی را ملزم به انجام برنامه ریزی های لازم جهت امدادرسانی در وقوع چنین بحران هایی می نماید که انجام این کار با چالش هایی نظیر آسیب دیدن زیرساخت های حمل و نقل، مسدود شدن راه های ارتباطی، دشوار شدن ایجاد هماهنگی بین عوامل مختلف و ... روبروست. یکی از استراتژی‌های مهم لجستیکی جهت بهبود عملکرد و کاهش زمان تاخیر، مکان‌یابی و ایجاد مراکز توزیع امداد در نزدیکی این مناطق آسیب‌پذیر می‌باشد. لذا وجود مراکز توزیع در محل‌های مناسب از شبکه، که بتوانند تقاضای ایجاد شده در این شرایط را به صورت مناسبی پوشش دهند، درانجام موفق عملیات امداد و نجات، بسیار حائز اهمیت است و در تمام موارد ذکر شده، ضعف در انتخاب مکان مناسب احتمال اتلاف سرمایه را بالاتر خواهد برد و نهایتاً منجر به خسارات و صدمات جانی فراوانی خواهد شد. بدین منظور هدف از این تحقیق بررسی نقاط کاندید به عنوان مراکز توزیع امداد است تا اینکه محل استقرار مراکز از بین یک مجموعه مراکز توزیع کاندید انتخاب می شود.

 اما از آنجایی که معمولا کمبود منابع، کالا و وسایل حمل و نقل جهت امدادرسانی بهینه وجود دارد، انجام برنامه ریزی و ارائه مدلی جهت پاسخگویی کارا و اثربخش با توجه به منابع موجود از جایگاه خاصی برخوردار است. در این میان، مساله بسیار مهم توزیع به موقع اقلام و خدمات مورد نیاز بین آسیب دیدگان و حفظ جان آنها می باشد. همچپنین در مدیریت بلایا، اغلب داده ها غیر قطعی هستند، بدین منظور این تحقیق به ارائه مدلی از برنامه ریزی امکانی استوار در شرایط بحران با حضور عدم قطعیت می پردازد و در پایان تحقیق یک مقاسیه بین روش های حل برنامه ریزی امکانی استوار با استفاده از یک مطالعه موردی با استفاده از نرم افزار 23.5 GAMS و با روش LP-metric مشخص شده است .

ما نتیجه گرفتیم که عملکرد مدل HWRPP از دیگر مدل ها بهتر می باشد و شهرهای گرگان، قزوین و ساری بهترین مکان برای مراکز توزیع امداد جهت باز شدن می باشند.

واژه‌های کلیدی :

روش های حل

Solution Methods

برنامه ریزی فازی

fuzzy programming

برنامه ریزی امکانی استوار

Robust possibilistic programming

عدم قطعیت

Uncertainty

مکان یابی تسهیلات

Facility location

لجستیک امداد

relief logistics

بلایا

Disaster

فصل اول

بیان مسئله و کلیات تحقیق

1- تعاریف کلی از حوزه تحت بررسی

بلایا و انواع آن

نویسندگان مختلف تعاریف متفاوتی از بلا ارائه کردند . در این قسمت به برخی از این تعاریف اشاره خواهیم کرد.

اصطلاح "بلا" معمولا برای خرابی در عملیات های عادی یک جامعه که اثرات منفی قابل توجهی بر روی افراد، کارهای آنها، محیط آنها دارد و نیازهای به وجود آمده از ظرفیت پاسخ محلی تجاوز می کنند، به کار برده می شود]1[.

مرکز تحقیقات اپیدمولوژی بلایا، بلا را به عنوان یک وضعیت یا حادثه ای که از ظرفیت محلی تجاوز کرده، و نیازمند درخواست کمک در سطح ملی یا بین المللی می باشد. یک حادثه غیر قابل پیش بینی یا ناگهانی که منجر به خسارات و صدمات زیاد و درد و رنج انسان ها می شود، تعریف می کند]1[.  

سازمان بهداشت جهانی هر حادثه ای که منجر به صدمه، خسارت، ویرانی، اختلال زیست محیطی، مرگ و میر انسان ها، زوال بهداشت عمومی و خدمات بهداشتی شود و نیاز به پاسخ و کمک سریع از خارج از جامعه یا منطقه ی آسیب دیده داشته باشد را به عنوان فاجعه (بلا یا مصیبت) تعریف می کند. زلزله، طوفان، گردباد، خشکسالی، سیل، نشت مواد شیمیایی، حوادث هسته ای و ... جزء بلایا دسته بندی می شوند و همگی اثرات ویرانگر زیادی از نظر صدمات مالی و جانی دارند]2[.

 یک تعریف کلی برای بلایا که توسط استراتژی بین المللی برای کاهش بلایا ارائه شده است، عبارت است از: یک اختلال جدی در عملکرد جامعه، همراه با تهدید برای زندگی انسان ها، سلامتی، دارایی یا محیط زیست افراد، چه در اثر حادثه، چه طبیعی و چه فعالیت های انسانی ایجاد شود. یکی دیگر از تعاریف گسترده برای بلایا عبارت است از: یک اختلال که بر روی سیستم ها اثرات فیزیکی دارد و همه یا قسمتی از اولویت ها و اهداف را تهدید می کند. تا زمانی که سیستم، یا ملت توانایی مقابله با اثرات این حوادث را داشته باشند، این حادثه به یک بلایای بزرگ تبدیل نمی شود. فاجعه باید شرایط اعلام شده برای وضعیت های اضطراری و نیاز به کمک های بین المللی را داشته باشد]3[. فورمن و همکارانش معتقد هستند که بلایا به طور غیر منتظره رخ می دهند و به حادثه ای گفته می شود که منجر به نتایج با مقیاس بزرگ می شود و اثرات خیلی زیادی در پی دارد]4[.

اوزگون]5[ ویژگی های زیر را برای بلایا بیان می کند:

بلایا حوادثی سریع و بزرگ هستند.

بلایا چه از نظر وقوع و چه از نظر پیامدها همراه با عدم قطعیت هستند.

محیط بلایا (از نظر نوع و مقدار نیازها، منابع موجود، دسترسی به زیرساخت ها و ...) یک محیط پویا است.

بلایا حوادث غیر عادی هستند که می توانند به احتمال کم اتفاق بیافتند یا اصلا اتفاق نیافتند.

طبقه بندی های متفاوتی برای بلایا وجود دارند. انواع مختلفی از بلایا را می توان بر اساس طبیعی یا انسان ساز بودن و زمان وقوع آن که سریع یا آهسته اتفاق می افتد شناسایی کرد.

در جدول (1-1) تقسیم بندی رایج بلایا به همراه مثال آورده شده است]3[. 

(جداول و نمودار در فایل اصلی قابل مشاهده است)

چرخه مدیریت جامع بحران

بدون توجه به نوع بحران، مدیریت این وقایع عموما شامل 4 مرحله ترتیبی پیشگیری، آمادگی، پاسخگویی و بازسازی می باشد. پیشگیری اساس مدیریت بحران است و انجام اقداماتی جهت کمک به کاهش و یا جلوگیری از خطرات یک بحران می باشد. این مرحله به علت متمرکز شدن بر روی اقدامات پیشگیرانه بلند مدت برای حذف یا کاهش ریسک ها متفاوت از دیگر مراحل می باشد. فعالیت های آمادگی به مهیا شدن برای پاسخگویی مواقع وقوع بحران کمک می نماید. فاز پاسخگویی دربرگیرنده فعالیت هایی برای بسیج شدن خدمات و کالاها برای ناحیه بحران زده می باشد. بازیابی پس از یک بحران می تواند ماه ها و یا حتی سال ها بطول بیانجامد. خدمات و زیرساخت ها، تسهیلات، جان مردم و معیشت هزاران فرد ممکن است تا مدت ها تحت تاثیر بحران قرار گیرد. بطور خلاصه ماموریت مدیریت بحران در فاز پیش از بحران کاهش زیان های بالقوه، در فاز هنگام بحران واکنش و اعمال کمک فوری و در فاز پس از بحران ترمیم سریع و مناسب خرابی ها می باشد.

فضای بشردوستانه

سازمان های حقوق بشر با سه اصل انسانیت، بی طرفی و انصاف (عدالت) زندگی می کنند. به عبارت دیگر، آنها به هر فردی که نیاز به کمک دارد، در هر جایی بدون تاثیر از اعتقادات متضاد با خود را کمک می کنند و هیچ گروهی از ذینفعان نهایی را بر دیگری ترجیح نمی دهند]9[. بشریت یعنی این که تمام درد و رنجی که در هر جا وجود دارد از بین برود. انصاف بیانگر کمک بدون تبعیض با اولویت نیازهای فوری است. بی طرفی بیانگر امداد بدون تعصب و وابستگی حزبی می باشد]10[. این اصول "فضا" را هم به صورت فیزیکی و هم به صورت مجازی تعریف می کنند، که توانایی انجام کارآمد وظایف در این فضا امکان پذیر باشد. می توان فرض کرد که یک ساختار مثلثی انعطاف پذیر و پویا داریم و شکل (1-2) بیانگر این ساختار است]9[.

شکل (1-2) ساختار فضای بشردوستانه]9[

از نظر فیزیکی، فضای بشردوستانه بیانگر یک منطقه ی آرام است که در آن غیر نظامیان و افراد غیر جنگی و پرسنل امدادی بدون اسلحه، آزادانه حرکت و فعالیت می کنند. رسیدن به اصول بشردوستانه در محیط های پیچیده اغلب بسیار مشکل است، خصوصا در موارد جنگ و درگیری نظامی]9[.

محیط لجستیک بشردوستانه و چالش های آن

برخلاف لجستیک بخش عمومی، کارکنان بشردوستانه معمولا با ناشناخته ها مواجه هستند: چه هنگام، کجا، چه چیزی، چه مقدار، از کجا و در چه زمانی و اینکه در کوتاه مدت بحران پارامترهای پایه ای مورد نیاز برای استقرار یک زنجیره تامین کارا در سطح بسیار بالایی از عدم قطعیت می باشند. برای مثال در بحران سونامی سال 2004 بزرگترین چالش در مقابل تیم های لجستیک بشردوستانه پیچیدگی شرایط عملیاتی جهت کار، تامین کالا به نواحی آسیب دیده بود. بحران هزاران کیلوکتر از خط ساحلی در سراسر کشورهای هند، اندونزی، مالدیو و تایلند را تخریب نمود. دسترسی عادی به این قبیل از ناحیه ها پیش از بحران و در موقعیت عادی نیز بسیار سخت بود زیرا جاده ها اغلب نامناسب بودند و بعد از بحران زیرساخت های اصلی بکلی از بین رفتند. لجستیک بشردوستانه اغلب تحت سطح بالایی از عدم قطعیت برای تقاضا و کالاهای مورد نیاز کار می کند. در محیط لجستیک بشردوستانه کارکنان بشردوستانه اغلب با ذینفعان زیادی شامل تعداد زیادی از کمک دهندگان، واسطه ها، دولت ها، ذینفعان نظامی و نهایی مواجه هستند. نبود هماهنگی در میان سازمان های بشردوستانه در بحران عادی است بطوریکه می تواند صدها سازمان بشردوستانه جهت انجام عملیات های امدادی با دستورات سیاسی متفاوت، ایدوئولوژی ها و اعتقادات مذهبی متفاوت وجود داشته باشد. بزرگترین چالش در این خصوص هم تراز کردن این سازمان ها بدون توجه به اختیارات و اعتقادتشان می باشد]11[.

زنجیره تامین تجاری

 زنجیره های تامین لینک منابع تامین (تامین کنندگان) به صاحبان تقاضا (مشتریان نهایی) می باشند. یکی از قابل توجه ترین تغییرات در الگوهای مدیریت کسب و کار جدید این است که کسب و کارهای انفرادی نمی توانند به مدت طولانی به عنوان یک واحد مستقل تکی رقابت کنند و ترجیح می دهند در قالب یک زنجیره تامین باشند. مفهوم مدیریت زنجیره تامین بر اساس این مفهوم می باشد که زنجیره های تامین نسبت به واحدهای کسب و کار تکی بهتر می توانند با یکدیگر رقابت کنند. یک زنجیره تامین شامل یک سری از ذینفعان شامل تامین کنندگان، سازندگان، توزیع کنندگان، خرده فروش ها و مشتریان می باشد. ساختار زنجیره تامین برای کمپانی های مختلف و حتی در صنایع مشابه می تواند خیلی متفاوت باشد.

زنجیره تامین بشردوستانه

اگر زنجیره تامین تجاری را به عنوان شبکه ای که جریان کالاها، اطلاعات و مالی را از منبع تا مشتری های نهایی شامل می شود تعریف کینم، زنجیره تامین امداد یا بشردوستانه می تواند بصورت کاملا مشابه تعریف شود و به این صورت که شبکه ای برای مدیریت جریان کالاها، اطلاعات و مالی از منابع امدادی تا افراد بحران زده می باشد.

بر خلاف زنجیره های تامین تجاری که ذینفعان صاحبان زنجیره هستند در زنجیره های تامین بشردوستانه هیچ هدف سود محوری وجود نداشته و تکیه سنگین بر نیروهای داوطلب و کمک دهندگان است. استدلال موفقیت در یک زنجیره تامین تجاری به کمک داده های مربوط به سود آسان است اما موفقیت در زنجیره تامین بشردوستانه روشن نیست زیرا داده های گردش وجوه بطور کامل نتایج را تشریح نمی کند، با این وجود مدل های گوناگونی بر اساس حداقل کردن هزینه ( و یا بطور معادل حداکثر کردن منفعت) برای ساخت زنجیره های تامین کارا توسعه داده شده است که می تواند بصورت مستقیم یا با اصلاحاتی برای ساخت این زنجیره ها بکار برده شوند.

مشابه زنجیره های تامین تجاری ساختار زنجیره های تامین بشردوستانه نیز می تواند برای انواع بحران ها و مناطق مختلف متفاوت باشد. برخلاف اکثر زنجیره های تامین تجاری زنجیره های تامین کمک های بشردوستانه اغلب ناپایدار و بی ثبات هستند.

مدیریت زنجیره تامین بشردوستانه

هماهنگی و مدیریت زنجیره تامین بحران مساله ای چالش برانگیز است، چرا که این شبکه تامین بزرگ، پیچیده و با بازیگران متعددی (کمک دهندگان، سازمان های غیر دولتی[1](NGO ها)، دولت ها، بخش نظامی ، تامین کنندگان) می باشد و هماهنگی همه آنها برای همه آیتم های مورد نیازی که باید تحویل دهی شوند، بسیار سخت است. اگرچه تفاوت های فرهنگی، سیاسی، جغرافیایی و تفاوت های تاریخی در بین آنها وجود دارد ولی همکاری و تخصصی کردن وظایف بین  NGOها، بخش نظامی، دولت ها، بخش عمومی در زنجیره تامین بشردوستانه به شدت مورد نیاز می باشد.

مدیریت زنجیره تامین بشردوستانه اثربخش می تواند پاسخگوی اقدامات بسیاری اغلب در یک مقیاس جهانی، با سرعت هرچه ممکن و در یک چارچوب زمانی کوتاه باشد. از این رو زنجیره های تامین بشردوستانه نیازمندند چندگانه، جهانی، پویا و موقتی باشند.

هرچند بسیاری از مفاهیم وابسته به زنجیره های تامین تجاری بطور مستقیم در زنجیره های تامین بشردوستانه قابل بکارگیری هستند. ولی مشخصات منحصربفرد امداد بشردوستانه باعث وجود چالش هایی در این خصوص شده که بایستی تحقیقات آینده توسعه روش هایی باشد که بصورت خاص این چالش ها را مطرح و حل می نماید. موضوعاتی مثل: ساختارهای زنجیره تامین، پیکره بندی شبکه های توزیع، کنترل موجودی، ارزیابی بحران، همکاری و هماهنگی، محدودیت ها و عدم قطعیت های تدارکات و اندازه گیری عملکرد در این خصوص مطرح است.

بازیگران یا طرفین درگیر شبکه های تامین کمک های بشردوستانه

بر خلاف لجستیک تجاری، لجستیک امداد بازیگران زیادی از جمله تعداد زیادی بخش خصوصی، اهداء کنندگان، دولت های میزبان و ارتش، دولت های کشورهای همسایه و NGO ها دارد. که همگی برنامه های مختلف سیاسی، ایدئولوژی ها و نگرش های مذهبی متفاوت، میزان متفاوت توجه رسانه ای و اهداکنندگان را دارند. اهداکنندگان برای ارتقاء امدادهای بشردوستانه تاثیرگذارترین بازیگران هستند]9[. تامین کنندگان انگیزه های مختلفی برای مشارکت دارند و هیچ امیدی برای تکرار خرید وجود ندارد]12[. شکل (1-3) نشان دهنده ی این بازیگران می باشد. بازیگران مختلف با اشتراک گذاری فرآیندها و کانال های توزیع با یکدیگر همکاری می کنند. این امر نیازمند یک رویکرد مدیریت زنجیره تامین برای عملکرد هماهنگ موثر، حذف دوباره کاری ها، حداکثر کردن بهره وری از نظر هزینه ها و سرعت می باشد. این امر همچنین به ایجاد یک مخزن از داده ها برای تجزیه و تحلیل یادگیری های بعد از حوادث کمک می کند]13[.

( تصاویر در فایل اصلی قابل مشاهده است )

اقلام امدادی

زمانی که یک بحران یا بلا اتفاق می افتد، بسته به مکان وقوع، نوع و شدت بلا به اقلام متفاوتی نیاز است. به دلیل حجم زیاد و تنوع این اقلام، نیاز است که تقسیم بندی هایی برای این اقلام انجام شود. ارائه ی این تقسیم بندی ها، در شناسایی و ارزیابی اقلام مورد نیاز و نیز طراحی سیستم توزیع بسیار مفید خواهد بود]6[.

در یکی از این تقسیم بندی های ارائه شده اقلام به دو گروه اصلی مصرفی و غیر مصرفی تقسیم شده اند. شکل (1-4) گروه بندی اقلام امدادی را نشان می دهد. اقلام امدادی مصرفی چندین بار به جمعیت آسیب دیده تحویل داده می شود، در حالی که اقلام امدادی غیرمصرفی تنها یک بار نیاز است که تحویل داده شوند. اقلام امدادی غیر مصرفی عملیاتی برای راه اندازی یک عملیات نیاز است، در حالی که غیر عملیاتی ها برای ارضاء نیازهای ضروری جمعیت آسیب دیده است]8[.

لجستیک امداد و انواع فعالیت های آن        

لجستیک امداد بلایا یکی از فعالیت‌های اصلی در بحث مدیریت بلایا می‌باشد. رویکردهای مورد استفاده شامل دو گام می‌باشند: در گام اول (فاز آمادگی)، مکان مراکز توزیع امداد، میزان موجودی کالای امدادی جهت ذخیره سازی و تامین‌کنندگان مناسب تعیین می‌شوند. در گام بعد (فاز پاسخ)، در رابطه با تامین‌کنندگان مناسب در زمان بحران، میزان حمل کالاهای امدادی از نقاط تامین به مراکز توزیع امداد و از این مراکز به نقاط آسیب‌دیده تصمیم‌گیری می‌شود.

توسعه و گسترش روز افزون لجستیک امداد بشردوستانه و افزایش پیچیدگی تعامل فرایندهای آنها لزوم کنترل ساختار یافته این فرایندها از طریق سیستم های ارزیابی عملکرد فرایندگرا قابل تحلیل و منسجم بیش از پیش آشکار ساخته است.

لجستیک امداد بلایا یکی از فعالیت‌های اصلی مدیریت بلایا می­باشد. اهمیت درنظر گرفتن عدم قطعیت در این مبحث، سبب ایجاد انگیزه جهت توسعه ابزارهای تصمیم­گیری مناسب برای غلبه بر پارامترهای غیرقطعی و نادقیق در مساله طراحی سیستم لجستیک امداد شده است.

به طور کلی، سازمان های امدادی سه فعالیت عمده در ماموریت خود دارند، جستجو و حفظ، مراقبت های پزشکی و ارضاء نیازهای اولیه افراد آسیب دیده. همان طور که شکل (1-5) نشان می دهد، در هر یک از فرایندهای ذکر شده، لجستیک نقش حمایتی دارد]6[. آنچه که در لجستیک امدادرسانی حائز اهمیت است، ارزش زمان و رساندن کمک ها و خدمات مورد نیاز در کوتاه ترین زمان ممکن است]1[.

منظور از لجستیک امداد تحویل اقلام صحیح به افراد در مکان های صحیح و در زمان مناسب و به میزان صحیح است]26[. لجستیک امداد نیز مانند لجستیک تجاری فعالیت هایی از قبیل برنامه ریزی، پیش بینی، تهیه و تدارکات، حمل و نقل، انبارداری، توزیع و تحویل را شامل می شود. زنجیره تامین امداد تمام دست اندرکاران را به هم متصل می سازد. این دست اندرکاران عبارتند از: اهدا کنندگان، سازمان های امدادی، ارتش، دولت ها و مردم آسیب دیده. تمام این عملیات ها، هدف مشترک کمک به افراد برای زنده ماندن را دارند]11[.

به طور کلی عملیات های اضطراری به دو فاز قبل از وقوع و بعد از وقوع بحران گروه بندی شده اند. به عملیات هایی که قبل از وقوع بلایا انجام می شود عملیات های قبل از بحران گفته می شود و نقش اساسی در برنامه ریزی استراتژیک (مکانیابی تسهیلات و پیش موقعیت موجودی) یا کاهش و پیشگیری بلایا(تخلیه) دارند. به عملیات هایی که بعد از وقوع بلایا فعال می شوند، عملیات های بعد از بحران گویند و به دنبال رفع اثرات بلایا هستند. برنامه ریزی کوتاه مدت بعد از بلایا، برای بلافاصله بعد وقوع بلایا است و شامل فعالیت هایی از قبیل توزیع امداد، تخلیه افراد، همچنین حمل و نقل و درمان مجروحین است. فعالیت هایی که بعد از این اقدامات انجام می شود عملیات های بازیابی بلایا نامیده می شوند]15[.

Abstract:

Current societies are required to conduct outreach programs for occurrence of Disasters and natural calamities and the effects caused by them. Clearly, it is important to transport need goods of damaged areas from distant warehouse or related suppliers and transport injured people in the fastest time during a disaster. Hence, the Facility location problem is one of the most important issues in the world. Disaster relief logistics is one of the major activities in disaster management. The significance of accounting for uncertainty in such context stimulates an interest to develop appropriate decision making tools to cope with uncertain and imprecise parameters in relief logistics system design problems. This paper proposes a multi-objective Robust possibilistic programming model (MORPP) to deal with such issues. Our multi-objective model contains: (i) the minimization of the sum of setup cost, transportation costs and shortage costs of commodity in affected area, (ii) the maximization customer satisfaction. The model includes the imprecise nature of some critical parameters such as demands for various types of relief commodities, cost coefficients and capacity levels. The proposed models solve by using GAMS 23.5 software and Lp-metric method. Numerical experiments demonstrate the significance and applicability of the developed possibilistic models as well as the usefulness of the proposed solution approach for actual decision making problem.

Keywords: Facility location, Uncertainty, relief logistics, Disaster

مراجع

A. M. Afshar, “A MATHEMATICAL FRAMEWORK FOR OPTIMIZING DISASTER RELIEF LOGISTICS”, in Department of Civil and Environmental Engineering.vol. Thesis for Degree Doctor of Philosophy: University of Maryland, 2011.

G. Barbarosoglu and Y. Arda, “A two-stage stochastic programming framework for transportation planning in disaster response”, Journal of the Operational Research Society, vol. 55, pp. 43-53, 2004.

G. Kovacs and K. Spens, “Identifying challenges in humanitarian logistics”, International Journal of Physical Distribution & Logistics Management, vol. 39, pp. 506-528, 2009.

S. Fuhrmann, A. MacEachren, and G. Cai, “Geoinformation technologies to support collaborative emergency management”, Digital Government, vol. 17, pp. 395-420, 2008.

E. E. Ozguven, “A SECURE AND EFFICIENT INVENTORY MANAGEMENT SYSTEM FOR DISASTERS”, in Civil & Environmental Engineering.vol. Thesis for the degree of Doctor of Philosophy: The State University of New Jersey, 2012.

M. Aslanzadeh, E. A. Rostami, and L. Kardar, “Logistics management and SCM in disasters”, in Supply Chain and Logistics in National, International and Governmental Environment: Springer, pp. 221-252, 2009.

K. A. Cyganik, “Disaster preparedness in virginia hospital center-arlington after Sept 11, 2001”, Disaster Manage Response, vol. 1, pp. 2003 , 80-86,

O. Ergun, G. Karakus, P. Keskinocak, J. Swann, M. Villarreal, J. J. Cochran, L. A. Cox, J. P. Kharoufeh, and J. C. Smith, “Operations research to improve disaster supply chain management”, Encyclopedia of Operations Research and Management Science, John Wiley & Sons, Hoboken, NJ, 2010.

L. N. Van Wassenhove, “Humanitarian aid logistics: supply chain management in high gear”, Journal of the Operational Research Society, vol. 57, pp. 475-489, 2005.

R. M. Tomasini and L. N. Van Wassenhove, “Pan-American health organization's humanitarian supply management system: de-politicization of the humanitarian supply chain by creating accountability”, Journal of Public Procurement, vol. 4, pp. 437-449, 2004.

G. Kovacs and K. M. Spens, “Humanitarian logistics in disaster relief operations”, International Journal of Physical Distribution & Logistics Management, vol. 37, pp. 99-114, 2007.

G. Kovacs and K. M. Spens, “Humanitarian logistics in disaster relief operations”, International Journal of Physical Distribution & Logistics Management, vol. 37, pp. 99-114, 2007.

R. M. Tomasini and L. N. Van Wassenhove, “From preparedness to partnerships: case study research on humanitarian logistics”, International Transactions in Operational Research, vol. 16, pp. 549-559, 2009.

Survey, U.S.G. Earthquake hazards program: significant earthquake and news headlines; Available from:

http://earthquake.usgs.gov/eqcenter/eqinthenews/2005/usdyae/#summary.2005.

A. M. Caunhye, X. Nie, and S. Pokharel, “Optimization models in emergency logistics: A literature review”, Socio-Economic Planning Sciences, vol. 46, pp. 4-13, 2012.

Services, U.s.D.o.H.H. Disasters and emergencies: Hurricane katrina; Available from:

http://www.hhs.gov/disasters/emergency/naturaldisasters/hurricanes/katrina/index.html. 2005.

Red Cross. Red Cross: 3M Haitians affected by Quake. CBS News. Available from: http://www.cbsnews.com/stories/2010/01/13/world/main6090601.shtml?tag¼cbsnewsSectionContent.4 [accessed 13 January 2010].2010.

BBC News. Haiti will not die, President Rene Preval insists; 2010. Available from: http://news.bbc.co.uk/2/hi/americas/8511997.stm [accessed 12 February 2010].2010.

The Washington Post. AP. Haiti raises earthquake toll to 230,000; 10 February 2010.  Available from: http://www.washingtonpost.com/wpdyn/content/ article/2010/02/09/AR20100209% -04447.html [accessed 30 April 2010].2010.

A. Doyen, N. Aras, and G. BarbarosoÄŸlu, “A two-echelon stochastic facility location model for humanitarian relief logistics”, Optimization Letters, vol. 6, pp. 1123-1145, 2012.

K. F. Doerner and R. F. Hartl, “Health care logistics, emergency preparedness, and disaster relief: new challenges for routing problems with a focus on the Austrian situation”, The Vehicle Routing Problem: Latest Advances and New Challenges, vol. 43, pp. 527-550, 2008.

J. Wang, H. Yang, and J. Zhu, “A Two-stage Stochastic Programming Model for Emergency Resources Storage Region Division”, Systems Engineering Procedia, vol. 5, pp. 125-130, 2012.

L. E. de la Torre, I. S. Dolinskaya, and K. R. Smilowitz, “Disaster relief routing: Integrating research and practice”, Socio-Economic Planning Sciences, vol. 46, pp. 88-97, 2012.

http://www.emdat.be/database.

Nilay Noyan, “Risk-averse two-stage stochastic programming with an application to disaster management”, 2012.

Segall, “Some quantitative methods for determining capacities and locations of military emergency medical facilities”, R.S, 1999.

Akkihal, A., “Inventory Pre-positioning for Humanitarian Operations”, Thesis for Degree of Master of Engineering in Logistics, MIT CTL, 2006.

Alireza Boloori Arabani, Reza Zanjirani Farahani, “Facility location dynamics: An overview of classifications and applications”, 2012.

Reza Zanjirani Farahani, Nasrin Asgari, Nooshin Heidari, Mahtab Hosseininia, Mark Goh, “Covering problems in facility location: A review”, 2012.

Abbas Afshar Ali Haghani, “Modeling integrated supply chain logistics in real-time large-scale disaster relief operations”, Volume 46, Issue 4, Pages 327–338, December 2012.

Hiroaki Ishii, Yung Lung Lee, “Mathematical Ranking Method for Emergency Facility Location Problem with Block-wisely Different Accident Occurrence Probabilities”, 2013.

Jin Zhang, MingDong, F.FrankChen, “A bottleneck Steiner tree based multi-objective location model and intelligent optimization of emergency logistics systems”, 2013.

Reza Zanjirani Farahani et.al. , “present a comprehensive review of over 40 years of hierarchical facility location modeling efforts”, 2014.

Toregas C, Swain R, ReVelle C, Bergman L. “The location of emergency service facilities”. Operations Research; 19: 1363–73, 1971.

G. H. Tzeng, H. J. Cheng, and T. D. Huang, “Multi-objective optimal planning for designing relief delivery systems”.Transportation Research Part E: Logistics and Transportation Review, vol. 43, pp. 673-686, 2007.

Chang  MS,  Tseng  YL,  Chen  JW, “A  scenario  planning  approach  for  the  flood emergency  logistics  preparation  problem  under  uncertainty”, 2007.

 H. Jia, O. Fernando, and D. Maged, “A modeling framework for facility location of medical services for large-scale emergencies”. IIE Transactions, vol. 39, pp. 41-55, 2007.

Balcik, B., Beamon, B.M., “Facility Location in Humanitarian Relief”, International Journal of Logistics, Research and Applications, Vol. 11, No. 2, pp. 101-121, 2008.

Beraldi, P., Bruni, M.E., “A Probabilistic Model Applied to Emergency Service Vehicle Location”, European Journal of Operational Research, Vol. 196, No. 1, pp. 323-331,2009.

Mete, O. H., Zabinsky, Z.B., “Stochastic Optimization of Medical Supply Location and Distribution in Disaster Management”, International Journal of Production Economics, Vol. 126, No. 1, pp. 76-84, 2010.

Rawls C, Turnquist M. Pre-positioning of emergency supplies for disaster response. Transportation Research Part B 2010; 44(4):521e34.

Lin Y-H, Batta R, Rogerson P, Blatt A, Flanigan M. A logistics model for emergency supply of critical items in the aftermath of a disaster. Socio- Economics Planning Sciences 2011; 45(4):132e45, 2011.

Yen-Hung Lin, Rajan Batta, Peter A. Rogerson, Alan Blatt, Marie Flanigan. Location of temporary depots to facilitate relief operations after an earthquake, 2012.

A. Bozorgi-Amiri, M. Jabalameli, and S. Mirzapour Al-E-Hashem, “A multi-objective robust stochastic programming model for disaster relief logistics under uncertainty”. OR Spectrum, doi: 10.1007/s00291-011-0268-x, In Press, 2011.

Mustafa S. Canbolat, Michael von Massow, “Locating emergency facilities with random demand for risk minimization”, 2011.

Bozorgi-Amiri.A, Jabalameli. M ,Alinaghian.M, Heydari.M, A modified particle swarm optimization for disaster relief logistics under uncertain environment .Int J AdvManufTechnol ,60:357–371 DOI 10.1007/s00170-011-3596-8, 2012.

N. Gormez, M. Koksalan, and F. S. Salman, “Locating disaster response facilities in Istanbul”. Journal of the Operational Research Society, vol. 62, pp. 1239-1252, 2011.

Galbraith.k, “Fractional anticipatory goal responses as cues in discrimiuation learning”, Journal of experiment psycology, 177-181, 1973.

Parkh, Hyoung Kim, Kim.m, “a model of distribution control dependency and uncertainty: information processing letters”, 73-77, 1989.

J.Mula, R.Poler, J.P.Garcia-Sabater, “requirement planning with fuzzy constraints and fuzzy coefficients”, fuzzy sets and systems, 783-793, 2007.

Klibi.F, Blel.A, Neji.O, Ferjaoui.M, Jilani.S.B, Zermani.R, “la valeur examen extemporane dans la chirurgie des no dules thyroidiens”, 80-85, 2009.

Mahdavi-Amiri N., Nasseri S.H.;"Duality results and a dual simplex method for linear programming problems with trapezoidal fuzzy variables"; Fuzzy Sets and Systems, Vol. 158, 2007.

Zadeh L.A.;"Fuzzy sets"; Information and Control, Vol. 8, 1965.

Tanaka H., Okuda T., Asai K.;"On fuzzy mathematical programming", Journal of Cybernetics Systems, Vol. 3, 1973.

Zimmermann H.J.;" Fuzzy programming and linear programming with several objective functions"; Fuzzy Sets and Systems, Vol.1, 1978.

S.A. Torabi et.al. “Credibility-based fuzzy mathematical programming model for green logistics design under uncertainty”, 2012.

 J. B. Sheu, “An emergency logistics distribution approach for quick response to urgent relief demand in disasters”. Transportation Research Part E: Logistics and Transportation Review, vol. 43, pp. 687-709, 2007.

 J. B. Sheu, “hallenges   of emergency    logistics management”. Transportation Research Part E: Logistics and Transportation Review, vol. 43, pp. 655e9, 2007.

B. Adıvar and A. Mert, “International disaster relief planning with fuzzy credibility”. Fuzzy Optimization and Decision Making, vol. 9, pp. 413-433, 2010.

S. Tofighi, S. A. Torabi, and S. A. Mansouri, “A fuzzy stochastic approach for pre-positioning and distribution of emergency supplies in disaster management”, presented at the 22nd Annual POMS Conference, Reno, Nevada, U.S.A, 2011.

S.A. Torabi et.al. “A possibilistic programming approach for closed-loop supply chain network design under uncertainty”, 2010.

S.A. Torabi et.al. “An interactive possibilistic programming approach for multiple objective supply chain master planning”, 2008.

Xiaodong Zhanga, Gordon Huang، “Optimization of environmental management strategies through a dynamic stochastic possibilistic multiobjective program”، 2013.

Hideki Katagiri .et.al. “Random fuzzy multi-objective linear programming: Optimization of possibilistic value at risk (pVaR)”, 2013.

S. Wang , G.H. Huang, “A two-stage mixed-integer fuzzy programming with interval-valued membership functions approach for flood-diversion planning”. Environmental Management, Volume 117, Pages 208-218, 15 March 2013.

Soyster,  “Convex  programming  with  set-inclusive  constraints  and  applications  to  inexact  linear  programming”,  Oper.  Res.  21, 1154–1157, 1973.

M. Inuiguchi, M. Sakawa, “Minimax regret solution to linear programming problems with an interval objective function”, Eur. J. Oper. Res. 86, 526–536, 1995. 

A. Kasperski, M. Kulej, “Choosing robust solutions in discrete optimization problems with fuzzy costs”, Fuzzy Sets Syst. 160, 667–682, 2009. 

Xiaodong Zhang, Guo H. Huang, Xianghui Nie, “Robust stochastic fuzzy possibilistic programming for environmental decision making under uncertainty”, 2009.

Mulvey JM, Vanderbei RJ, Zenios SA, “Robust optimization of large-scale systems”. Oper Res 43(2): 264–281, 1995.

A. Ben-Tal, A. Nemirovski, “Robust convex optimization, Math”. Oper. Res. 2,769–805, 1998.

A. Ben-Tal, A. Nemirovski, “Robust solutions of linear programming problems contaminated with uncertain data”, Math. Programming 88, 411–424, 2000. 

L. El-Ghaoui, F. Oustry, H. Lebret, “Robust solutions to uncertain semidefinite programs”, SIAM J. Optim. 9, 33–52, 1998. 

A. Ben-Tal, L. El-Ghaoui, A. Nemirovski, “Robust Optimization”, Princeton University Press, 2009.

D. Bertas, M. Sim, “The price of robustness”, Oper. Res. 52, 35–53, 2004.

S.C.H.  Leung, S.O.S.  Tsang, W.L.  Ng, Y.  Wu, “A  robust  optimization  model  for  multi-site  production  planning  problem  in  an  uncertain  environment”, Eur. J. Oper. Res. 181, 224–238, 2007.

C.S. Yu, H.L. Li, “A robust optimization model for stochastic logistic problems”, Int. J. Prod. Econ. 64, 385–397, 2000.

M.S. Pishvaee, J. Razmi, S.A. Torabi, “Robust possibilistic programming for socially responsible supply chain network design: A new approach”, 2012.

S.A. Torabi et.al. “A robust optimization approach to closed-loop supply chain network design under uncertainty”, 2011.

A. Ben-Tal, B. D. Chung, S. R. Mandala, and T. Yao, “Robust optimization for emergency logistics planning: Risk mitigation in humanitarian relief supply chains”. Transportation Research Part B: Methodological, vol. 45, pp. 1177-1189, 2011.

Armin Jabbarzadeh, Behnam Fahimnia , Stefan Seuring, “Dynamic supply chain network design for the supply of blood in disasters: A robust model with real world application”. Transportation Research Part E: Logistics and Transportation Review, Volume 70, Pages 225-244, October 2014.

 J. Salmerón and A. Apte, “Stochastic Optimization for Natural Disaster Asset Prepositioning”. Production and Operations Management, vol. 19, pp. 561- 574, 2010.

C. G. Rawls and M. A. Turnquist, “Pre-positioning planning for emergency response with service quality constraints”. OR Spectrum, vol. 33, pp. 481-498, 2011.

N. Gormez, M. Koksalan, and F. S. Salman, “Locating disaster response facilities in Istanbul”. Journal of the Operational Research Society, vol. 62, pp. 1239-1252, 2011.

A. M. Campbell and P. C. Jones, “Prepositioning supplies in preparation for disasters”. European Journal of Operational Research, vol. 209, pp. 156-165, 2011.

Q. Chen, X. Li, and Y. Ouyang, “Joint inventory-location problem under the risk of probabilistic facility disruptions”. Transportation Research Part B: Methodological, vol. 45, pp. 991-1003, 2011.

C. G. Rawls and M. A. Turnquist, “Pre-positioning and dynamic delivery planning for short-term response following a natural disaster”. Socio-Economic Planning Sciences, vol. 46, pp. 46-54, 2012.

 F. Tricoire, A. Graf, and W. J. Gutjahr, “The bi-objective stochastic covering tour problem”. Computers and Operations Research, vol. 39, pp. 1582-1592, 2012.

Rassoul Noorossana, Mostafa Kamali Ardakani, “A weighted metric method to optimize multi-response robust problems”, 2009.

D. Dubois, “Linear programming with fuzzy data, in: J.C. Bezdek (Ed.)”, The Analysis of Fuzzy Information, Applications in Engineering and Science, vol. 3, CRC Press, Boca Raton, FL, pp. 241–263, 1987.

S. Heilpern, “The expected value of a fuzzy number”, Fuzzy Sets Syst. 47, 81–86, 1992.

V. Veleva, M. Ellenbecker, “Indicators of sustainable production: framework and methodology”, J. Cleaner Prod. 9, 519–549, 2001.

A. Boggia, C. Cortina, “Measuring sustainable development using a multi-criteria model: a case study”, J. Environ. Manage. 91, 2301–2306, 2010.

M. Inuiguchi, J. Ramik, “Possibilistic linear programming: a brief review of fuzzy mathematical programming and a comparison with stochastic programming in portfolio selection problem”, Fuzzy Sets Syst. 111, 3–28, 2000.

D. Dubois, H. Prade, “Possibility Theory”, Plenum, New York, 1988.

D. Dubois, H. Prade, “The mean value of a fuzzy number”, Fuzzy Sets Syst. 24, 279–300, 1987.

M.K. Luhandjula, “On possibilistic linear programming”, Fuzzy Sets Syst. 18, 15–30, 1986.

B. Liu, K. Iwamura, “Chance constrained programming with fuzzy parameters”, Fuzzy Sets Syst. 94, 227–237, 1998.

محمد خسروی، سیدمحمدجواد موسوی، علی خاکساری رفسنجانی ، ارائه الگویی جهت مکان‌یابی اثربخش مراکز مدیریت بحران شهری با رویکرد توسعه پایدار ، 1389.

بررسی روش های برنامه ریزی خطی فازی(با استفاده از اعداد و بازه های فازی و  نظریه امکان)، سعید اکبری، 1380

جبل‌عاملی، محمدسعید، بزرگی امیری، علی، حیدری، مهدی. ارائه مدل برنامه‌ریزی امکانی چندهدفه برای مساله لجستیک امداد. نشریه بین المللی مهندسی صنایع و مدیریت تولید.; 22 (1) :66-76 , 1390.

احمد نورنگ و همکاران، رویکرد برنامه ریزی امکانی تعاملی برای طراحی شبکه زنجیره تامین تحت شرایط عدم قطعیت، 1390.

علی بزرگی امیری و همکاران، ارائه چارچوب ارزیابی عملکرد لجستیک امداد در شرایط بحران، 1389.

علی محقر و همکاران، بهینه سازی سبد محصولات صنایع خودروسازی با استفاده از بهینه سازی استوار، 1388.