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

Abstract

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.

Decision-making processes often contain more than one objective. In technology selection in the blood collection processes, the cost related to the collection technology and the amount of donors required to meet the demand are in conflict. In the same way, in the blood supply chains decisions become more complex when features of the system such as blood type proportions and compatibilities are considered. In order to generate solutions to this problem, an Integer Linear Programming is proposed considering total cost minimisation and amount of donors required. This model also considers distinct constraints such as capacity, proportionality, and demand fulfilment among others. Open Solver 2.1 was used to solve this problem in combination with Visual Basic for Applications for generating the set of efficient solutions that make up the Pareto front through the augmented Epsilon constraint algorithm.