供应商不确定情景下药品物流多中心选址优化研究

      2018年12月6日，第一批国家组织药品带量集中采购中标结果揭晓。2019年12月，第二次集中采购推广至全国，集采中标品种32个，122家企业参与招标，最终中选企业77家。多个品种第一次集采中标的企业，在第二次集采中却未能中标。可以看到，药品集中采购由国家顶层设计并组织实施，未来或将成为公立医疗机构采购药品的主流模式。集中带量采购每年开展一次，而中标的药品生产企业每年都可能发生变化，供应商的不确定性成为当前药品物流中心选址面临的新问题。

      针对物流中心选址，已有研究主要围绕需求不确定以及配送过程不确定展开。需求不确定方面，如周愉峰等[1]为了规避应急条件下的不确定风险，构建了国家血液战略储备库选址—库存问题的随机p-鲁棒优化模型；迟伊宁[2]综合考虑物流成本和碳排放量最小两个目标，建立需求不确定条件下的多目标鲁棒优化模型；陈希等[2]在医疗中心动态选址中考虑了需求的不确定性，采用基于隶属度函数的加权方法求解得出医疗中心选址与分配方案；苑敬云[4]针对需求不确定下的中心选址问题，构建了加入决策偏好的冷链物流中心选址多目标优化模型；梁希[5]在考虑碳排放成本情况下，构建了需求不确定下的低碳配送中心选址模型。这些研究主要是针对需求不确定的情况下中心选址的研究，而针对供应商不确定的情况下，中心选址的研究很少涉及。由于食品和医药物流涉及易腐易烂问题，现有研究多在传统模型的基础上增加时间约束，或提高运输成本（制冷成本、货损成本、碳排放成本等）。如王晶等[6]针对应急资源配送路径问题，构建了应急设施定位、障碍道路修复以及配送路径选择的综合优化模型；邹建城[7]构建考虑碳排放因素综合配送成本最小以及顾客满意度最大的生鲜农产品冷链配送路径优化模型；陶帝豪等[8]综合考虑车辆固定成本、燃油成本、货损成本及碳税成本，构建了成本最小目标数学模型；Bayan Hamdan等[9]针对灾后血液供应链中断风险，为最大限度地减少灾难发生后向医院运送血液的时间和成本，构建了一个双目标稳健优化模型。

      综合国内外文献，无论是传统的物流中心还是针对食品和医药的物流中心，目前都没有针对供应商不确定的情况下，物流中心选址的研究。由于药品物流配送中心技术含量高，配送时效性强，质控要求高等特点，传统物流和普通冷链物流很难达到药品物流配送的要求。因此，在全国药品集中带量采购的背景下，构建新的药品物流中心，并考虑供应商的不确定性，成为一个全新的研究问题。

      本文基于全国药品集中带量采购这一背景，针对药品供应商不确定情景下的药品物流中心选址问题，建立整体成本最优的选址模型，设计多阶段改进禁忌搜索算法对其求解。

      1 供应商不确定情景下的第四方药品物流多中心选址优化模型

      我们假定：1）同一种规格的药品有多家生产企业参与竞标，生产企业h生产的f种药品未来三年的中标概率为；2）共有J个备选城市可建立物流中心，第j个城市至多建立一个物流中心；3）需求城市Ⅰ个，需求城市i未来三年的药品f销售量估计为；4）生产企业到物流中心，以及物流中心到需求城市之间可由多个第三方物流企业承担运输服务。

      1.1 药品物流中心选址优化模型

      根据4+7带量集中采购招标评审标准对国内近年来药品生产企业生产质量、供应能力、国家基本要求和同类药品参标中标次数等数据进行梳理和分析，建立药品供应商不确定情景下物流整体费用最小的中心选址模型。物流整体费用包括药品运输成本，中心建设成本，药品在中心装卸转运成本等。

      该问题需要的基本标记符号、参数和决策变量采用如下记号。

      基本标记符号和参数：

      

      

      约束（2）表示仅有一个物流中心给第i个需求城市配送f种药品；约束（3）表示第j个物流中心给第i个需求城市配送第f种药品的前提是第j个城市要建立物流中心；约束（4）表示至少建设1个药品物流中心；约束（5）表示企业h生产的f种药品运输到各物流中心的总量等于h企业生产的f种药品预测中标量；约束（6～7）表示决策变量均为0-1整数变量。

      1.2 药品生产企业中标概率预测

      依据药品带量采购评审标准和药品生产企业投入的持续性和生产的连贯性，结合大数据预测概率计算公式[10-13]，药品生产企业未来3年中标概率预测模型建立如下：