بهینه سازی مصرف گلبول قرمز خون با استفاده از فرآیند تصمیم گیری مارکوف (مطالعه موردی: بانک خون پایگاه انتقال خون استان زنجان)
بهینه سازی مصرف گلبول قرمز خون با استفاده از فرآیند تصمیم گیری مارکوف (مطالعه موردی: بانک خون پایگاه انتقال خون استان زنجان)
عنوان فارسی :
بهینه سازی مصرف گلبول قرمز خون با استفاده از فرآیند تصمیم گیری مارکوف (مطالعه موردی: بانک خون پایگاه انتقال خون استان زنجان)
عنوان انگلیسی :
Optimizing Red Blood Cell Consumption Using Markov's Decision-Making Process
(Case study: Blood Bank of Zanjan Province Blood Transfusion Center)
چکیده:
در این تحقیق روشی برای بهینه‌‌سازی هزینه‌‌های مرتبط با موجودی زنجیره تأمین محصولات خونی با عمر مفید کوتاه انتخاب شده است که نسبت به سایر روش‌‌های موجود متفاوت است. با توجه به جدید بودن این روش و عدم آشنایی با مشکلات این روش، مقیاس‌گذاری صورت گرفته است تا فضای وضعیت مسئله کوچکتر گردد که این مقیاس‌گذاری‌‌ها ممکن است دقت جواب مسئله را کمتر نماید. از سوی دیگر با توجه به ابعاد حل مسئله تعداد تکرار‌‌های حل محدود شده است. در نهایت پس از حل مشکلات ذکر شده، داده‌‌های جمع‌‌آوری شده با قرار دادن در فرمولاسیون فرآیند تصمیم‌‌گیری مارکوف و با روش تقریب متوالی حل شده است که جواب این حل برای تصمیم‌‌گیری انتخاب یکی از سیاست‌‌هایLIFO-LIFO) )،FIFO-FIFO) ) و LIFO,FIFO)) به تصمیم‌گیرنده کمک می‌‌کند. با بررسی انواع هزینه و مقایسه انواع سیاست‌‌های (LIFO-LIFO) ، (FIFO-FIFO) و(LIFO-FIFO) می‌‌توان در طول تکرار به این نتیجه دست پیدا کرد که سیاست‌‌های (LIFO-LIFO) و(LIFO-FIFO) به نسبت سیاست (FIFO-FIFO) بهتر عمل می‌‌کنند و هزینه به مراتب کمتری را در طولانی‌مدت به همراه دارند.
چکیده انگلیسی:
In this research, a novel method is proposed to optimize the costs associated with the supply chain of short-lived blood products, which is different from other existing methods. According to the novelty of this approach and the lack of familiarity with its difficulties, a scaling is applied in order to reduce the size of problem space, which can lower the accuracy of the solution. On the other hand, with regard to the problem solving dimensions, the number of solution iterations would be limited. Ultimately, after solving the above problems, the collected data are entered into the formulation of Markov’s decision-making process and solved using the successive approximation approach. The solution of this approach helps the decision-maker to choose one of (LIFO-LIFO), (FIFO-FIFO), and (LIFO, FIFO) policies. By investigating different costs and comparing various (LIFO-LIFO), (FIFO-FIFO), and (LIFO, FIFO) policies, it can be concluded over iterations that policies (LIFO-LIFO) and (LIFO -FIFO) policies have better performances than the (FIFO-FIFO) policy, and will cost much less in the long run.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
