سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

جعفرنژاد, احمد, جلالی, رضا, فردانیان, امیر. (1404). شناسایی و تحلیل موانع شکل‏‌گیری همکاری مبتنی بر مشارکت مردم در بحران‌‏های همزمان مبتنی بر نقشه شناختی فازی و مدلسازی چندهدفه. , 15(2), 9-36. doi: 10.48308/jimp.15.2.9
احمد جعفرنژاد; رضا جلالی; امیر فردانیان. "شناسایی و تحلیل موانع شکل‏‌گیری همکاری مبتنی بر مشارکت مردم در بحران‌‏های همزمان مبتنی بر نقشه شناختی فازی و مدلسازی چندهدفه". , 15, 2, 1404, 9-36. doi: 10.48308/jimp.15.2.9
جعفرنژاد, احمد, جلالی, رضا, فردانیان, امیر. (1404). 'شناسایی و تحلیل موانع شکل‏‌گیری همکاری مبتنی بر مشارکت مردم در بحران‌‏های همزمان مبتنی بر نقشه شناختی فازی و مدلسازی چندهدفه', , 15(2), pp. 9-36. doi: 10.48308/jimp.15.2.9
جعفرنژاد, احمد, جلالی, رضا, فردانیان, امیر. شناسایی و تحلیل موانع شکل‏‌گیری همکاری مبتنی بر مشارکت مردم در بحران‌‏های همزمان مبتنی بر نقشه شناختی فازی و مدلسازی چندهدفه. , 1404; 15(2): 9-36. doi: 10.48308/jimp.15.2.9

شناسایی و تحلیل موانع شکل‏‌گیری همکاری مبتنی بر مشارکت مردم در بحران‌‏های همزمان مبتنی بر نقشه شناختی فازی و مدلسازی چندهدفه

چشم‌انداز مدیریت صنعتی
دوره 15، شماره 2 - شماره پیاپی 58، 1404، صفحه 9-36    اصل مقاله (1.45 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.48308/jimp.15.2.9
نویسندگان
احمد جعفرنژاد* 1؛ رضا جلالی2؛ امیر فردانیان3
1استاد، گروه مدیریت صنعتی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.
2استادیار،گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران.
3دانشجوی دکتری، گروه مدیریت صنعتی، پردیس کیش، دانشگاه تهران، کیش، ایران.
چکیده
هدف: وقوع فجایع همزمان، چه طبیعی و چه انسان‌ساخت، چالش‌های عظیمی برای دولت‌ها ایجاد می‌کند که معمولا به دلیل محدودیت‌های منابع، مشکلات لجستیکی و مقیاس وسیع این حوادث قادر به ارائه امدادرسانی سریع و مؤثر نیستند. در این شرایط، همکاری و مشارکت عمومی نقش اساسی ایفا می‌کند. با این حال، مشارکت مردم در تلاش‌های امدادی با موانع متعددی مواجه است که کارایی و اثربخشی این تلاش‌ها را محدود می‌کند. این مطالعه، هدف خود را شناسایی این موانع و سپس پیشنهاد راهکارها و استراتژی‌های مؤثر برای افزایش مشارکت عمومی در امدادرسانی قرار داده است. با تمرکز بر شناسایی و غلبه بر این موانع، هدف مطالعه، ارائه نقشه‌راهی برای بهبود مشارکت جامعه در مدیریت بحران‌ها است.
روش: این تحقیق به روش‌های چندگانه‌ای برای تحلیل موانع مشارکت عمومی در امدادرسانی می‌پردازد. در ابتدا، موانع شناسایی و دسته‌بندی می‌شوند و برای تحلیل این موانع از روش نقشه شناختی فازی (FCM) استفاده می‌شود که یک نمای تصویری از تعاملات پیچیده میان موانع مختلف ارائه می‌دهد. این روش کمک می‌کند تا ارتباطات بین عوامل مختلف و تأثیرات آن‌ها بر مشارکت عمومی در امدادرسانی به‌طور دقیق‌تر درک شود. پس از شناسایی موانع، برای انتخاب استراتژی‌های مؤثر در ارتقاء مشارکت عمومی، از ترکیب روش خانه گسترش کیفیت (QFD) و مدلسازی چندهدفه استفاده می‌شود. برای حل مدل چندهدفه، از روش محدودیت اپسیلون و نرم‌افزار Gems بهره‌برداری شده است تا استراتژی‌های بهینه برای مقابله با موانع شناسایی‌شده انتخاب شوند.
یافته‌ها: از طریق مرور جامع ادبیات موجود و مصاحبه با خبرگان، 30 مانع اصلی شناسایی و در چهار دسته کلی شامل توانمندی‌ها و ویژگی‌های شخصیتی افراد، عوامل فرآیندی، عوامل فرهنگی و عوامل زیرساختی طبقه‌بندی شدند. یافته‌ها نشان می‌دهند که مهم‌ترین موانع مشارکت عمومی در امدادرسانی به شرح زیر است: آموزش عمومی پایین در خصوص امدادرسانی و آمادگی بحران‌ها، که موجب ناآگاهی عمومی از نحوه واکنش در مواقع بحرانی می‌شود؛ هماهنگی ضعیف بین دولت‌ها، سازمان‌های مردم‌نهاد و استان‌ها به دلیل تفاوت اهداف و ماموریت‌ها، که مانع از تشکیل شبکه‌ای مؤثر برای امدادرسانی می‌شود؛ کمبود اعتماد بین مردم و مسئولان، که منجر به تمایل کمتر مردم به مشارکت در تلاش‌های امدادی و کاهش اثربخشی آن‌ها می‌گردد؛ و زیرساخت‌های ناکافی از جمله مشکلات در ارتباطات و فناوری اطلاعات، که جریان اطلاعات را در زمان بحران مختل کرده و کارایی عملیات امدادرسانی را کاهش می‌دهد.
نتیجه‌‏گیری: برای افزایش همکاری مبتنی بر مشارکت عمومی در امدادرسانی، این تحقیق پیشنهاد می‌کند که استراتژی‌ها باید بر سه محور اصلی متمرکز شوند: توانمندسازی، زیرساخت‌ها و فرهنگ. استراتژی‌های توانمندسازی مانند توسعه آموزش‌های عمومی در خصوص امدادرسانی و آمادگی بحران‌ها از اهمیت ویژه‌ای برخوردارند تا سطح آگاهی و مشارکت عمومی افزایش یابد. در زمینه زیرساخت‌ها، باید بر تقویت زیرساخت‌های فناوری اطلاعات، بهبود شبکه‌های ارتباطی و تأمین حمایت‌های مالی و دولتی برای تسهیل عملیات امدادی تمرکز شود. از نظر فرهنگی، ترویج شعائر امدادرسانی و پرورش فرهنگ مسئولیت اجتماعی باید در اولویت قرار گیرد و شهرداری‌ها و سازمان‌هایی مانند جمعیت هلال احمر نقش رهبری در این زمینه داشته باشند. با تمرکز بر این سه محور، می‌توان مشارکت عمومی را به‌طور مؤثری افزایش داد و به بهبود توانایی‌های پاسخ‌دهی و تاب‌آوری در برابر بحران‌ها کمک کرد.
کلیدواژه‌ها
امداد بشردوستانه؛ همکاری مبتنی بر مشارکت عمومی؛ نقشه شناختی فازی؛ خانه گسترش کیفیت؛ برنامه‏ریزی چندهدفه
عنوان مقاله [English]
Identification and Analysis of Obstacles to the Formation of Cooperation Based on Public Participation in Simultaneous Crises Using Fuzzy Cognitive Mapping and Multi-Objective Modeling
نویسندگان [English]
Ahmad Jafarnejad1؛ Reza Jalali,2؛ Amir Fardanian3
1Professor, Department of Industrial Management, Faculty of Management, University of Tehran, Tehran, Iran.
2Assistant Professor, Department of Industrial Management, Faculty of Business and Economics, Persian Gulf University, Bushehr, Iran.
3Ph.D. Student, Department of Industrial Management, Kish Campus, University of Tehran, Kish, Iran.
چکیده [English]
Objective: The occurrence of simultaneous disasters, whether natural or human-made, poses significant challenges for governments, which often cannot provide rapid and effective relief due to resource limitations, logistical problems, and the large scale of these events. In such situations, cooperation and public participation play a fundamental role. However, public engagement in relief efforts faces numerous obstacles that limit the efficiency and effectiveness of these efforts. This study aims to identify these obstacles and then propose effective solutions and strategies to enhance public participation in disaster relief. By focusing on identifying and overcoming these barriers, the goal of the study is to present a roadmap for improving community involvement in crisis management.
 
Method: This research uses multiple methods to analyze the obstacles to public participation in disaster relief. First, the obstacles are identified and categorized, and the fuzzy cognitive mapping (FCM) method is used to analyze them, which provides a visual representation of the complex interactions among different obstacles. This method helps to more accurately understand the relationships between different factors and their effects on public participation in relief efforts. After identifying the obstacles, to select effective strategies for promoting public participation, a combination of Quality Function Deployment (QFD) and multi-objective modeling is used. To solve the multi-objective model, the epsilon constraint method and Gems software are employed to select optimal strategies for addressing the identified barriers.
Findings: Through a comprehensive literature review and expert interviews, 30 main obstacles were identified and categorized into four general groups: individual capabilities and personality traits, process-related factors, cultural factors, and infrastructural factors. The findings show that the most significant obstacles to public participation in disaster relief are as follows: Low public education regarding relief and disaster preparedness, which leads to public unawareness of how to react during crises; Poor coordination between governments, NGOs, and provinces due to differing objectives and missions, which prevents the formation of an effective relief network; Lack of trust between the public and authorities, which leads to reduced public willingness to participate in relief efforts and reduces their effectiveness; and Inadequate infrastructure, including problems in communication and information technology, which disrupts the flow of information during crises and reduces the efficiency of relief operations.
Conclusion: To enhance cooperation based on public participation in relief efforts, this study proposes that strategies should focus on three main areas: empowerment, infrastructure, and culture. Empowerment strategies, such as developing public education programs on disaster preparedness and relief, are particularly important for increasing awareness and public engagement. In the area of infrastructure, efforts should focus on strengthening information technology infrastructure, improving communication networks, and providing financial and governmental support to facilitate relief operations. From a cultural perspective, promoting relief values and fostering a culture of social responsibility should be prioritized, with municipalities and organizations such as the Red Crescent Society playing a leadership role in this regard. By focusing on these three areas, public participation can be effectively increased, helping to improve response capabilities and resilience in the face of crises.
کلیدواژه‌ها [English]
Humanitarian aid, cooperation based on public participation, fuzzy cognitive mapping, Quality Function Deployment, multi-objective planning
مراجع
  1. Agostinho, C. F. (2013). Humanitarian Logistics: How to help even more? IFAC Proceedings Volumes, 46(24), 206–210. https://doi.org/10.3182/20130911-3-BR-3021.00075
  2. Ahmed, S. )1994(. Key-note Paper on Disaster Preparedness and Management. SAARC Workshop Report. Edited by Fazlul Bari, Kamaluddin Ahmed and Begum Nurun Naher. Kotbari, Comilla : BARD.
  3. Altay N, Heaslip G, Kovács G, Spens K, Tatham P, Vaillancourt A. (2024). Innovation in humanitarian logistics and supply chain management: a systematic review. Ann Oper Res. 335, 965-987. doi:10.1007/s10479-023-05208-6
  4. Anthony, M;.Manzanero, L, Bollettino, V (2022) Community-based leadership in disaster resilience: The case of small island community in Hagonoy, Bulacan, Philippines; International Journal of Disaster Risk Reduction; 71, 102797,  https://doi.org/10.1016/j.ijdrr.2022.102797.
  5. Arasteh, K., Ghousi, R., Makui, A. (2024). A Review of Articles on the Location of Humanitarian Logistics Facilities. Journal of Industrial Management Perspective, 14(1), 57-90. https://doi.org/10.48308/jimp.14.1.57. (In Persian).
  6. Balcik, B., Beamon, B. M., Krejci, C. C., Muramatsu, K. M., Ramirez, M. (2010). Coordination in humanitarian relief chains: Practices, challenges and opportunities. International Journal of Production Economics, 126(1), 22–34. https://doi.org/10.1016/j.ijpe.2009.09.008
  7. Besiou M, Van Wassenhove LN. (2021). System dynamics for humanitarian operations revisited. J Humanit Logist Supply Chain Manag. 11(4), 599-608. doi:10.1108/JHLSCM-06-2021-0048
  8. Blecker T, Kersten W. (2006). Managing Risks in Supply Chains: How to Build Reliable Collaboration in Logistics. 1. Berlin: Erich Schmidt Verlag GmbH & Co KG.
  9. Bozorgi Amiri, A., Mansoori, S., Pishvaee, M. S. (2017). Multi-objective Relief Chain Network Design for Earthquake Response under Uncertainties. Journal of Industrial Management Perspective, 7(1), 9-36. (In Persian).
  10. Bruder, M., Baar, T. (2024). Innovation in humanitarian assistance—a systematic literature review. Journal of International Humanitarian Action, 9(1). https://doi.org/10.1186/s41018-023-00144-3
  11. Byman, D., Lesser, I.O., Pirnie, B.R., Benard, C. and Waxman, M. (2000), Strengthening the partnership, Product Page, available at: http://www.rand.org/pubs/monograph_reports/ MR1185.html.
  12. Crejci, C. C. (2015). Hybrid simulation modeling for humanitarian relief chain coordination. Journal of Humanitarian Logistics and Supply Chain Management, 5(3), 325–347. https://doi.org/10.1108/jhlscm-07-2015-0033
  13. Charles, A., Lauras, M. (2011). An enterprise modelling approach for better optimisation modelling: application to the humanitarian relief chain coordination problem. OR Spectrum, 33(3), 815–841. https://doi.org/10.1007/s00291-011-0255-2
  14. Chen, Y., Zhang, J., Wang, Z., Tadikamalla, P. R. (2020). Research on the Construction of a Natural Hazard Emergency Relief Alliance Based on the Public Participation Degree. Sustainability, 12(7), https://doi.org/10.3390/su12072604
  15. Chowdhury, Md. M. H., Quaddus, M. A. (2015). A multiple objective optimization based QFD approach for efficient resilient strategies to mitigate supply chain vulnerabilities: The case of garment industry of Bangladesh. Omega, 57, 5–21. https://doi.org/10.1016/j.omega.2015.05.016
  16. Congdong, L., Fanshun, Z., Cejun, C., Yang, L (2019). Organizational Coordination in Sustainable Humanitarian Supply Chain: An evolutionary game approach; Journal of Cleaner Production 219 (2019) 291-303.https://doi.org/10.1016/j.jclepro.2019.01.23
  17. Da Costa SRA, Bandeira RAM, Mello LCB, Campos VBG. (2014). Humanitarian supply chain: an analysis of response operations to natural disasters. Eur J Transp Infrastruct Res. 14(3). doi:10.18757/ejtir.2014.14.3.3035
  18. Davidson, A. L. (2024). Key performance indicators in humanitarian logistics. Handle.net. http://hdl.handle.net/1721.1/35540
  19. Deb, K. (2011). Multi-objective Optimisation Using Evolutionary Algorithms: An Introduction. Multi-Objective Evolutionary Optimisation for Product Design and Manufacturing, 3–34. https://doi.org/10.1007/978-0-85729-652-8_1
  20. Dynes, R. R. (1970). Organized Behavior in Disaster. Heath Lexington Books.
  21. Erden C, Ateş Ç, Esen S. (2024). Distribution center location selection in humanitarian logistics using hybrid BWM–ARAS: a case study in Türkiye. J Homeland Secur Emerg Manag. 21(3):383-415. doi:10.1515/jhsem-2022-0052
  22. Gaurav, K., Ramesh, A., Kaur, A (2015). Identification and prioritization of coordination barriers in humanitarian supply chain management; International Journal of Disaster Risk Reduction, 13, 128–138. https://doi.org/10.1016/j.ijdrr.2015.01.011
  23. Gavidia, J.V. (2017). A model for enterprise resource planning in emergency humanitarian logistics. Journal of Humanitarian Logistics and Supply Chain Management, 7(3), 246–265. https://doi.org/10.1108/jhlscm-02-2017-0004
  24. Heaslip G. (2013). Services operations management and humanitarian logistics. J Humanit Logist Supply Chain Manag. 3(1), 37-51. doi:10.1108/20426741311328501
  25. Herlin, H., Pazirandeh, A. (2015). Avoiding the pitfalls of cooperative purchasing through control and coordination: insights from a humanitarian context. International Journal of Procurement Management, 8(3), 303. https://doi.org/10.1504/ijpm.2015.069155
  26. Hossain A. (2013). Community participation in disaster management: role of social work to enhance participation. Antrocom Online J Anthropol. 9, 159-171.
  27. Hosseini, S.H., Amanat, N., Ghanbari, V., Nakhaee, M., Abbasabadi, M., Najafi, M., Khankeh, H. And Pashaei, S.F. (2017); Community-Based Management Challenges in Disaster Risk Reduction: A Content Analysis in Iran. Health in Emergencies and Disasters Quarterly. 2(2), 63-70 .(In Persian).
  28. Jafarnejad Chaghoshi, A. , Khani, A. M. and Rezasoltani,, A. (2024). Risk Modeling in Banking Services for the Blind Using Fuzzy FMEA and Graph Neural Network (GNN). Journal of Industrial Management Perspective, 14(4), 223-255. https://doi.org/10.48308/jimp.14.4.223.(In Persian).
  29. Jafarnejad A, Rezasoltani A, Khani AM. (2025). Cost-sensitive machine learning for predicting production defects: a novel approach based on MetaCost. Res Prod Oper Manag. 16(2), 73-94. doi:10.22108/pom.2025.144489.1610. (In Persian).
  30. Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24(1), 65–75. https://doi.org/10.1016/s0020-7373(86)80040-2
  31. Kovács, G., K. Spens (2009). Identifying Challenges in Humanitarian Logistics. International Journal of Physical Distribution & Logistics Management, 39(6), 506–528.
  32. Lester, W., Krejci, D. (2007). Business “Not” as Usual: The National Incident Management System, Federalism, and Leadership. Public Administration Review, 67, 84–93. https://doi.org/10.1111/j.1540-6210.2007.00817.x
  33. Lin, B.C., Lee, C.H. (2023). Constructing an adaptability evaluation framework for community-based disaster management using an earthquake event. International Journal of Disaster Risk Reduction, 93, https://doi.org/10.1016/j.ijdrr.2023.103774
  34. Maiers, C., Reynolds, M., Haselkorn, M. (2005). Challenges to effective information and communication systems in humanitarian relief organizations. IPCC 2005. Proceedings. International Professional Communication Conference, 2005. https://doi.org/10.1109/ipcc.2005.1494163
  35. Malalgoda, C., Amaratunga, D., Haigh, R. (2016). Overcoming challenges faced by local governments in creating a resilient built environment in cities. Disaster Prevention and Management: An International Journal, 25(5), 628–648. https://doi.org/10.1108/dpm-11-2015-0260
  36. Mazumdar, S., Hajjeh, R., Brennan, R., Awad Mataria. (2024). Health System Financing and Resource Allocation in Humanitarian Settings: Toward a Collaborative Policy Research Agenda in the Eastern Mediterranean Region. Value in Health Regional Issues, 39, 20–23. https://doi.org/10.1016/j.vhri.2023.07.005
  37. McEntire, D.A. (2002). Coordinating multi‐organisational responses to disaster: lessons from the March 28, 2000, Fort Worth tornado. Disaster Prevention and Management: An International Journal, 11(5), 369–379. https://doi.org/10.1108/09653560210453416
  38. McLennan, B. (2022). Volunteers and community participation; Routledge Handbook of Environmental Hazards and Society; 1st Edition.
  39. Mehregan M.R., Khani A.M. (2024). Improving organizational performance: the role of supply chain 4.0 and financing in reducing supply chain risk. J Int Bus Adm. 7(3):39-59. doi:10.22034/jiba.2024.60005.2164
  40. Méheux K, Dominey-Howes D, Lloyd K. (2010). Operational challenges to community participation in post-disaster damage assessments: observations from Fiji. Disasters. 34(4):1102-1122. doi:10.1111/j.1467-7717.2010.01185.x
  41. Motiei, M. , Beyrami, S. and Khani, A. M. (2022). The Impact of Applying Knowledge, Social Capital and E-Commerce Activism on Organizational Agility in Response to the Corona Crisis (Case Study: Golestan Export Companies). Journal of International Business Administration, 5(2), 167-192. https://doi.org/10.22034/jiba.2022.48850.1797 .(In Persian).
  42. Murillo, F. (2001). Community-based disaster management. Disaster Response Journal. Experiences from Malawi, United Nations Office for Disaster Risk Reduction.
  43. Nahar, N. (2001). Coping with cyclone disasters: a study in two coastal locations in Bangladesh. In: Disaster Issues and Gender Perspectives. Conference Proceedings. Dhaka: Bangladesh Geographical Society and CARE Bangladesh, 389-402.
  44. Nguyễn, L., Bostrom, A., Abramson, D., Moy, P. (2023); Understanding the role of individual- and community-based resources in disaster preparedness, International Journal of Disaster Risk Reduction, 103882–103882. https://doi.org/10.1016/j.ijdrr.2023.103882
  45. Nikkhoo, F., Bozorgi-Amiri, A., Heydari, J. (2018). Coordination of relief items procurement in humanitarian logistic based on quantity flexibility contract. International Journal of Disaster Risk Reduction, 31, 331–340. https://doi.org/10.1016/j.ijdrr.2018.05.024
  46. Nsiah-Kumi, P. A. (2008). Communicating effectively with vulnerable populations during water contamination events. Journal of Water and Health, 6(S1), 63–75. https://doi.org/10.2166/wh.2008.041
  47. Oloruntoba, R., Gray, R. (2006). Humanitarian aid: an agile supply chain? Supply Chain Management: An International Journal, 11(2), 115–120. https://doi.org/10.1108/13598540610652492
  48. Peng, L. (2017). Crisis crowdsourcing and China’s civic participation in disaster response: Evidence from earthquake relief. China Information, 31(3), 327–348. https://doi.org/10.1177/0920203x17735668
  49. Pietropaolo, M. G. (2015). Observations on strengthening community participation in disaster risk reduction in disaster law and policy. Geneva, Switzerland: International Federation of Red Cross and Red Crescent Societies Disaster Law Working Paper Series.‏
  50. Ponomarov, S.Y., Holcomb, M.C. (2009). Understanding the concept of supply chain resilience. The International Journal of Logistics Management, 20(1), 124–143. https://doi.org/10.1108/09574090910954873
  51. Putnam, R.D. (2000). The Collapse and Revival of American Community. New York: Simon & Schuster.
  52. Fazlur Rahman M. (2008). National Progress Report on the Implementation of the Hyogo Framework for Action.
  53. Rameshwar, D., Zongwei, L., Angappa, G., Shahriar, A., Benjamin, H., Matthew, D. (2017). Big data and predictive analytics in humanitarian supply chains Enabling visibility and coordination in the presence of swift trust; The International Journal of Logistics Management, 29(2), 485-512
  54. Ramsey B.J. (2014). Barriers to Community-Wide Disaster Preparedness in Manila, California [thesis]. Arcata, CA: Cal Poly Humboldt.
  55. Simatupang, T. M., Sridharan, R. (2002). The Collaborative Supply Chain. The International Journal of Logistics Management, 13(1), 15–30. https://doi.org/10.1108/09574090210806333
  56. Van Krieken T, Kulatunga U, Pathirage C. (2017). Importance of community participation in disaster recovery. In: Proceedings of 13th IPGRC 2017 Full Conference Proceedings. 860-869.
  57. Tierney, K. J. (2007). From the Margins to the Mainstream? Disaster Research at the Crossroads. Annual Review of Sociology, 33(1), 503–525. https://doi.org/10.1146/annurev.soc.33.040406.131743
  58. Trogrlić, R., Duncan, M., Wright, G., Homberg, M., Adeloye, A, Mwale, F. (2022). Why does community-based disaster risk reduction fail to learn from local knowledge? Experiences from Malawi, International Journal of Disaster Risk Reduction, 83, 103405, https://doi.org/10.1016/j.ijdrr.2022.103405.
  59. Tsadiras, A., Zitopoulos, G. (2016). Fuzzy cognitive maps as a decision support tool for container transport logistics. Evolving Systems, 8(1), 19–33. https://doi.org/10.1007/s12530-016-9161-9
  60. Vahdani, B., Farzaneh Kol Tappeh, F. (2022). A Location-Inventory Model for Casualty Response Planning in Crisis Situations. Journal of Industrial Management Perspective, 12(3), 239-278. https://doi.org/10.52547/jimp.12.3.239. (In Persian).
  61. Victoria, L.P (2003). Community-based disaster management in the Philippines: Making a difference in people's lives. Philippine Sociological Review, 51, 65-80.
  62. Vugrin, E. D., Warren, D. E., Ehlen, M. A. (2011). A resilience assessment framework for infrastructure and economic systems: Quantitative and qualitative resilience analysis of petrochemical supply chains to a hurricane. Process Safety Progress, 30(3), 280–290. https://doi.org/10.1002/prs.10437
  63. Waqar, A., Arsalan, N., Farhana, K., Hasan, A. (2019). Developing and analyzing framework to manage resources in humanitarian logistics; Journal of Humanitarian Logistics and Supply Chain Management, 9(2), 270–291. https://doi.org/10.1108/jhlscm-01-2019-0012
آمار
تعداد مشاهده مقاله: 866
تعداد دریافت فایل اصل مقاله: 990