بازیافت دارو در بستر بلاکچین: مدل ریاضی و تدوین استراتژی عملیات برای ارائه دهندگان لجستیک معکوس شخص ثالث

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 120

فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-9-3_004

تاریخ نمایه سازی: 21 اسفند 1403

چکیده مقاله:

بازیافت دارو از جمله موضوعاتی است که اخیرا از ابعاد گوناگونی همچون کاهش عواقب زیست محیطی، تامین داروهای ضروری و توسعه اقتصاد چرخشی مورد توجه قرار گرفته است. در این راستا، جمع آوری داروهای مازاد شهروندان هم با هدف بازیافت مجدد داروهای ضروری مورد نیاز بیماران و هم در راستای مدیریت اصولی پسماندهای دارویی خطرناک از طریق لجستیک معکوس بیش از پیش اهمیت یافته است. از طرفی، با تخصصی تر شدن موضوعات مرتبط با مدیریت لجستیک معکوس، سازمان ها به منظور تمرکز بیشتر بر فعالیت های اصلی خود و صرفه جویی در هزینه ها، به دنبال واگذاری تمام و یا بخشی از فعالیت های خود به شرکت های ارائه دهنده لجستیک معکوس شخص ثالث (۳PRLP) هستند و در نتیجه لزوم انتخاب استراتژی عملیات مناسب توسط شرکت های ۳PRLP اهمیت فراوانی یافته است. در این پژوهش با هدف مدیریت بازیافت دارو با محوریت دولت، خرید و جمع-آوری داروهای مازاد شهروندان به شرکت های ۳PRLP واگذار گردیده است. در اینجا با در نظر گرفتن سه ذینفع اصلی شامل دولت، جامعه و فروشندگان دارو و اهداف هر یک، از پتانسیل سه ابزار بلاکچین، لجستیک زنجیره سرد و همکاری میان شرکت های ۳PRLP در جهت تامین این اهداف و انتظارات استفاده شده است و در ادامه یک استراتژی عملیات مناسب برای شرکت های ۳PRLP پیشنهاد گردیده است. با توجه به مدلسازی ریاضی پژوهش و محاسبه تابع هدف سود شرکت های ۳PRLP در قالب درآمد حاصل از فروش داروهای خریداری شده به دولت، نتایج نشان می دهد برنامه ریزی همکارانه بهتر از عدم همکاری بوده و از طرفی تعریف پارامتر "ضرورت دارو" بر سود نهایی شرکت تاثیرگذار خواهد بود.

کلیدواژه ها:

نویسندگان

مهدی علی محمدی

دانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران

جواد بهنامیان

استاد، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان ، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :