A bi-objective model for the location of relief centers and distribution of commodities in disaster response operations

• Alfredo Moreno ^[1] ; Deisemara Ferreira ^[1] ; Douglas Alem ^[1]
  1. [1] Universidad Federal deSãoCarlos, Brasil
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 84, Nº. 200, 2017, págs. 356-366
• Idioma: inglés
• Títulos paralelos:
  • Modelo biobjetivo para el problema de localización de centros de auxilio y distribución de productos en situaciones de respuesta a desastres
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Las consecuencias de los desastres naturales en los últimos años han evidenciado la complejidad de esos eventos. Entre las decisiones importantes en situaciones de desastresestán la localización de centros de auxilio, la distribución de productos y el dimensionamiento de flota. La ejecución de estas operaciones puede implicar objetivos contradictorios, principalmente, costos logísticos y costos por demanda insatisfecha. Por un lado, minimizar la demanda insatisfecha lleva a mayores costos logísticos. Por otro lado, minimizar los costos logísticos sin considerar la demanda insatisfecha implica un atendimiento ineficaz en las áreas afectadas.Eneste artículo es desarrollado un modelo biobjetivo de programación estocástica para el problema integrado de localización-distribución y dimensionamiento de flota. Se solucionaninstancias basadasen elmegadesastre de la región Serrana de Rio de Janeiro en 2011. Las soluciones del modelo biobjetivo son comparadas con una versión mono-objetivo del mismo, resaltando lasventajas y desventajas de cada modelo.

  • English

    Consequences of natural disasters in recent years have shown the complexity of these situations. In disaster situations, the location of relief centers, the distribution of supplies and the fleet sizing are some of the most important decisions. In most cases the execution of thisoperations lead to contradictory objectives, mainly, logistic costs and unmet demand costs. On the one hand, minimize unmet demand implies higher logistics costs. On the other hand, minimize logistics costs without considering the unmet demand may lead with an inefficient attendance in the affected areas.In this paper, we proposea bi-objective stochastic programing model for the integrated problem of location-distribution and fleet sizing. We solve instances based on the mega disaster in the Mountain Region of Rio de Janeiro in 2011. We compare the solutions ofa bi-objective model in respect to solutions ofa mono-objective version, highlighting the advantages and disadvantages of eachmodel.