آینده‌پژوهی دفاعی

آینده‌پژوهی دفاعی

آینده پژوهی در سیستم‌های دفاعی با استفاده از رویکردی مبتنی بر برنامه‌ریزی ریاضی به‌منظور مکان‌یابی تسهیلات درمانی و تقسیم بندی مناطق

نوع مقاله : مقاله علمی- پژوهشی

نویسندگان
جواد طیبی 1
سید محمد رضا کاظمی 2
اسماعیل هداوندی 1
1 استادیار گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی بیرجند
2 مربی گروه مهندسی صنایع، دانشکده مهندسی صنایع و کامپیوتر، دانشگاه صنعتی بیرجند
چکیده
در این تحقیق با استفاده از ابزار برنامه ­ریزی ریاضی به تعیین مکان احداث تسهیلات درمانی و تقسیم‌بندی مناطق در سیستم‌های دفاعی به‌منظور گسترش سطح مطالعات آینده­پژوهی پرداخته‌شده است. بدین منظور یک مدل ریاضی به‌منظور بهینه­سازی عملیات انتقال مصدومان در هنگام جنگ ارائه ‌شده است. در این مدل مناطق جمعیتی به گروه­هایی بزرگ‌تر تحت عنوان پهنه تقسیم­بندی شده و در هر پهنه یک مرکز درمانی برای سرویس‌دهی به مصدومان حضور دارد. توابع هدف مسأله شامل کمینه­سازی هزینه­های احداث مراکز، هزینه انتقال مصدومان و هزینه بازسازی مراکز است. مسأله شامل 3 نوع محدودیت کلی 1) محدودیت‌های ارسال مصدومان بین مراکز، 2) محدودیت تخصیص موجه مناطق جمعیتی به پهنه‌ها و 3) محدودیت ایجاد ساختارهای موجه در پهنه‌ها است. به‌منظور حل مسأله از حل­کننده CPLEX استفاده‌شده که به‌عنوان یکی از کارآمدترین ابزار بهینه‌سازی شناخته می­شود. نتایج حاصل از حل مسأله می­تواند به‌عنوان یک الگوی نظام­مند در راستای مطالعه شرایط آینده در صورت وقوع بحران­های پدافند عامل مورد استفاده قرار گیرد.
کلیدواژه‌ها
پدافند عامل
آینده پژوهی
برنامه ریزی ریاضی
مکان‌یابی‌ تسهیلات
تقسیم بندی مناطق
  •  Abounacer, R. Rekik, M. & Renaud, J. (2014). An exact solution approach for multi-objective location–transportation problem for disaster response, Computers & Operations Research,  41: 83-93.
  • Amanatkar, H.R. Papagiannopoulos, B. & Grossberg G.T. (2017). Analysis of recent failures of disease modifying therapies in Alzheimer’s disease suggesting a new methodology for future studies, Expert review of neurotherapeutics,  17(1): 7-16.
  • Angst, F., Aeschlimann, A. & Angst, J. (2017). The minimal clinically important difference raised the significance of outcome effects above the statistical level, with methodological implications for future studies. Journal of clinical epidemiology, 82: 128-136.
  • Aslan, I., Çınar, O. & Özen, Ü. (2014). Developing strategies for the future of healthcare in Turkey by benchmarking and SWOT analysis, Procedia-Social and Behavioral Sciences, 150: 230-240.
  • Gaardboe, R. Nyvang, T. & Sandalgaard, N. (2017). Business intelligence success applied to healthcare information systems, Procedia Computer Science, 121: 483-490.
  • Gutjahr, W. J. & Dzubur, N. (2016). Bi-objective bilevel optimization of distribution center locations considering user equilibria, Transportation Research Part E: Logistics and Transportation Review, 85: 1-22.
  • Iversen, T. G. Skotland, T. & Sandvig, K. (2011). Endocytosis and intracellular transport of nanoparticles: present knowledge and need for future studies, Nano today, 6(2): 176-185.
  • Kaján, E. Tervo-Kankare, K. & Saarinen, J. (2015). Cost of adaptation to climate change in tourism: Methodological challenges and trends for future studies in adaptation, Scandinavian Journal of Hospitality and Tourism, 15(3): 311-317.
  • Keikhosrokiani, P. Mustaffa, N. & Zakaria, N. (2018). Success factors in developing iHeart as a patient-centric healthcare system: A multi-group analysis, Telematics and Informatics, 35(4): 753-775.
  • Khayal, D. Pradhananga, R. Pokharel, S. & Mutlu, F. (2015). A model for planning locations of temporary distribution facilities for emergency response, Socio-Economic Planning Sciences, 52: 22-30.
  • Kılcı, F. Kara, B. Y. & Bozkaya, B. (2015). Locating temporary shelter areas after an earthquake: A case for Turkey, European Journal of Operational Research, 243(1): 323-332.
  • Nikolakopoulou, A. Mavridis, D. & Salanti, G. (2016). Planning future studies based on the precision of network meta-analysis results, Statistics in medicine, 35(7): 978-1000.
  • Norbye, B. (2016). Healthcare students as innovative partners in the development of future healthcare services: An action research approach, Nurse education today, 46: 4-9.
  • Park, K. Park, J. Kwon, Y. D. Kang, Y. & Noh, J. W. (2016). Public satisfaction with the healthcare system performance in South Korea: Universal healthcare system, Health Policy, 120 (6): 621-629.
  • Paul, J. A. & MacDonald, L. (2016). Location and capacity allocations decisions to mitigate the impacts of unexpected disasters, European Journal of Operational Research, 251(1): 252-263.
  • Redmond, S. A. Wilcox, S. L. Campbell, S. Kim, A., Finney, K. Barr, K., & Hassan, A. M. (2015). A brief introduction to the military workplace culture, Work, 50(1): 9-20.
  • Ryan, C. Korman, N. J. Gelfand, J. M. Lim, H. W. Elmets, C. A., Feldman, S. R. & Van Voorhees, A. S. (2014). Research gaps in psoriasis: opportunities for future studies. Journal of the American Academy of Dermatology, 70(1): 146-167.
  • Tofighi, S. Torabi, S. A. & Mansouri, S. A. (2016). Humanitarian logistics network design under mixed uncertainty, European Journal of Operational Research, 250(1): 239-250.
  • Van Der Hulle, T. Le Gal, G. Kyrle, P.A. Huisman, M.V. Cannegieter, S.C. & Klok, F.A. (2017) Towards a tailored diagnostic standard for future diagnostic studies in pulmonary embolism: communication from the SSC of the ISTH, Journal of Thrombosis and Haemostasis, 15(5): 1040-1043.
  • Verma, A. & Gaukler, G. M. (2015). Pre-positioning disaster response facilities at safe locations: An evaluation of deterministic and stochastic modeling approaches, Computers & Operations Research, 62: 197-209.
  • Wang, Y. & Hajli, N. (2017). Exploring the path to big data analytics success in healthcare, Journal of Business Research, 70: 287-299.