Un modelo de optimización bi-objetivo para la selección de tecnología y asignación de donantes en la cadena de suministro de sangre

Los procesos de toma de decisiones suponen frecuentemente más de un objetivo. En el caso de la selección de tecnologías en procesos de captación de productos sanguíneos, están en conflicto los costos de recolección asociados a la tecnología utilizada y la cantidad de donantes requeridos para la sati...

Full description

Autores:
Brailsford, Sally
Smith, Honora
Osorio Muriel, Andrés Felipe
Tipo de recurso:
Article of investigation
Fecha de publicación:
2014
Institución:
Universidad ICESI
Repositorio:
Repositorio ICESI
Idioma:
spa
OAI Identifier:
oai:repository.icesi.edu.co:10906/77512
Acceso en línea:
http://hdl.handle.net/10906/77512
http://www.icesi.edu.co/revistas/index.php/sistemas_telematica/article/view/1854
http://biblioteca2.icesi.edu.co/cgi-olib/?infile=details.glu&loid=273407
https://doi.org/10.18046/syt.v12i30.1854
Palabra clave:
Cadena de suministros
Producción intelectual registrada - Universidad Icesi
Sangre
Optimización
Toma de decisiones
Rights
openAccess
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:Los procesos de toma de decisiones suponen frecuentemente más de un objetivo. En el caso de la selección de tecnologías en procesos de captación de productos sanguíneos, están en conflicto los costos de recolección asociados a la tecnología utilizada y la cantidad de donantes requeridos para la satisfacción de la demanda. De igual forma, en la cadena de suministro de sangre este tipo de decisiones se tornan más complejas cuando se consideran las características propias del sistema, como proporcionalidad de tipos de sangre y compatibilidad entre productos. Para dar solución a este problema se propone un modelo de programación lineal entera que contiene como objetivos la minimización del costo total y del número de donantes. Este modelo está sujeto a restricciones de capacidad, proporcionalidad de tipos de sangre y satisfacción de demanda entre otras. Para la solución del modelo se utilizó Open Solver 2.1 y para la generación de las soluciones eficientes que conforman el frente de Pareto se implementó en VBA el algoritmo épsilon restricciones aumentado.