《Heliyon》：Synchronization of donor utility and qualitative measures to optimize a blood supply chain under uncertainty
编辑推荐：
专业摘要翻译：
在当今世界，确保便捷获取医疗服务与成本效益至关重要。为满足这一需求，本文提出了一种新颖的三阶段多属性两阶段随机-鲁棒（3P-MATSSR）方法，用于设计多级血液供应链（Blood Supply Chain, BSC），将服务导向目标与财务考量相
专业摘要翻译：
在当今世界，确保便捷获取医疗服务与成本效益至关重要。为满足这一需求，本文提出了一种新颖的三阶段多属性两阶段随机-鲁棒（3P-MATSSR）方法，用于设计多级血液供应链（Blood Supply Chain, BSC），将服务导向目标与财务考量相结合。该创新模型在一个规划周期内处理多目标、多产品问题。第一个目标函数是最小化定量属性的总网络成本，而第二个目标旨在保持血液新鲜度。第三个目标侧重于最大化献血者效用（Donor Utility），扩大活跃献血者群体，并缓解潜在短缺。研究人员采用交互式基于束的非光滑多目标优化方法（NIMBUS），在各种情景下将这些目标转化为标量值优化问题。为证明实际适用性，研究人员将其应用于真实案例研究，突显了所提出模型及其解决方案在现实情境中的广泛适用性。对关键参数的敏感性分析进一步验证了模型的鲁棒性和求解有效性，凸显了其革新血液供应链管理的潜力。
论文解读文章
一、研究背景与问题
卫生系统致力于提供高质量护理、确保响应性并维持公平的财务贡献。血液供应链（Blood Supply Chain, BSC）在卫生系统中扮演关键角色，被视为社会发展的重要指标。与商业供应链以利润为导向不同，BSC以服务为导向，其管理因血液成分（红细胞RBCs、血小板PLTs、血浆PLS）有限保质期以及血液采集和患者需求的固有波动与不可预测性而变得尤为复杂。献血作为供应链原材料的来源，存在显著变异性；合格献血者通常每年最多献血三次，但每年仅有不到10%的人口参与献血。人口老龄化、献血过程不便以及活动的自愿性等因素会影响献血率并减少献血者群体。此外，血液需求高度不可预测，人口增长、自然或人为灾害等因素可能导致需求突然增加。
现有BSC研究存在多重缺陷：首先，多数研究仅关注战略、战术或运营等单一决策层面，缺乏跨层整合；其次，大多数模型以患者为中心目标（如最小化短缺、改善新鲜度），忽视了献血者在维持供应链可持续性中的关键作用，献血者效用（包括便利性、满意度和持续献血意愿）常被忽略；第三，处理不确定性的方法往往局限于单一策略（如随机或模糊建模），无法充分捕捉BSC面临的混合不确定性；第四，多目标优化常依赖静态方法，缺乏适应利益相关者优先级变化的灵活性。因此，有必要开展一项能够整合多决策层面、纳入献血者效用、管理混合不确定性并支持动态多目标权衡的研究。
二、研究内容与核心方法
研究人员提出了一种三阶段多属性两阶段随机-鲁棒（3P-MATSSR）混合决策框架，旨在同时解决设施选址、不确定性管理和多目标优化问题。该框架分三个阶段：第一阶段采用扩展模糊TOPSIS（Fuzzy TOPSIS）方法，基于定量与定性属性对候选采血设施位置进行评估和排序，利用三角模糊数（Triangular Fuzzy Number）处理决策者的主观偏好；第二阶段应用两阶段随机-鲁棒（Two-Stage Stochastic-Robust, TSSR）优化技术，区分“此处-现在”（第一阶段的先行决策）与“追索”（第二阶段的适应性调整），通过离散情景捕捉供需波动，并结合Bertsimas和Sim的鲁棒优化方法，利用不确定性预算（Uncertainty Budget, Γ）控制保护水平；第三阶段采用交互式NIMBUS（Interactive Nondifferentiable Multiobjective Optimization, NIMBUS）方法处理多目标冲突，允许决策者将目标函数分为改善（I<）、达到期望水平（I≤）、保持当前水平（I=）、允许放松（I≥）和可自由变化（I<>）五类，动态调整优先级以生成帕累托最优解。案例研究基于真实世界数据验证了模型的实际适用性。
三、研究结果
（一）集成决策层级
研究通过构建统一模型，同时整合战略（设施选址）、战术（分配规划）和运营（库存管理）层面的决策，克服了以往研究将各决策层面孤立处理的局限。战略网络设计直接影响战术分配，反之亦然，集成模型能够捕捉这些相互依赖的动态关系，提供更符合实际运营需求的解决方案。
（二）献血者效用优化
模型将献血者效用作为第三个目标函数显式纳入优化框架，涵盖献血者便利性、满意度和持续献血意愿等因素。通过同时优化成本、新鲜度和献血者效用，模型实现了对BSC供需两侧的平衡考量，增强了系统的长期可持续性。敏感性分析表明，提高献血者效用目标权重能够有效扩大活跃献血者群体并缓解潜在短缺。
（三）混合不确定性管理
两阶段随机-鲁棒优化框架有效处理了概率性不确定性（如需求模式变化）和模糊性变量（如献血者行为的不可预测性）。不确定性预算参数Γ提供了三种保护机制：Γ=0时退化为确定性模型；Γ=|J_i|时提供对最坏情况波动的完全保护；Γ在区间(0, |J_i|)内时，决策者可在保守性与可靠性之间进行权衡。模型还提供了约束违反概率的解析表达式，为鲁棒性水平的选择提供了理论依据。
（四）多目标动态权衡
NIMBUS方法使利益相关者能够动态调整成本最小化、血液新鲜度和献血者效用等竞争目标之间的优先级。与静态多目标方法相比，该方法允许决策者根据情景变化和利益相关者偏好的演变，生成定制化和情境敏感的解决方案，提高了解决方案的实际可接受性。
（五）案例验证与敏感性分析
通过真实世界案例研究，模型展示了其广泛适用性。敏感性分析进一步验证了模型对关键参数的鲁棒性和求解有效性，证实了3P-MATSSR框架在复杂BSC管理中的实际应用潜力。
四、讨论与结论
讨论部分指出，现有BSC研究在集成决策层级、纳入献血者效用、管理混合不确定性以及动态多目标优化方面存在显著空白。本文提出的3P-MATSSR框架通过扩展模糊TOPSIS方法增强了多准则决策（MCDM）理论，通过两阶段随机-鲁棒优化克服了传统单一方法的局限，并通过NIMBUS方法弥合了理论与实践决策之间的鸿沟。
研究结论表明，该模型能够有效识别最适合建立采血设施的战略位置，同时处理血液供需中的混合不确定性，并同步考虑成本和来自献血者与患者双方的服务质量要求。通过优化献血者效用、血液新鲜度和总成本三个目标，模型实现了财务效率与服务卓越的平衡。该框架增强了BSC的整体绩效和可靠性，最终改善医疗成果和社会福祉。未来研究可探索将该框架扩展至其他医疗供应链领域，或引入更多不确定性来源和动态决策环境。
