基于多智能體仿真的突發(fā)事件血液保障研究

摘 要：為提高突發(fā)事件下血液保障水平，尋求合理的應(yīng)對(duì)策略，通過分析血液供應(yīng)鏈的歷史運(yùn)營情況，構(gòu)建一個(gè)考慮采集、庫存、生產(chǎn)以及用血等情況的數(shù)學(xué)模型，基于此構(gòu)建多智能體仿真模型，并將突發(fā)事件系統(tǒng)動(dòng)力學(xué)模型融入多智能體模型中，將系統(tǒng)動(dòng)力學(xué)參數(shù)作為影響系統(tǒng)運(yùn)作的環(huán)境變量。結(jié)果表明，構(gòu)建的仿真模型能較好地模擬現(xiàn)實(shí)情況，突發(fā)事件影響力對(duì)血液保障水平具有顯著影響，需在突發(fā)事件發(fā)生后的一周降低影響水平，同時(shí)設(shè)置訂單優(yōu)先級(jí)，以提高血液保障水平。

關(guān)鍵詞：突發(fā)事件；血液供應(yīng)鏈；血液保障；多智能體建模

中圖分類號(hào)：TP391.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2024）08-0167-05

DOI：10.19850/j.cnki.2096-4706.2024.08.036

收稿日期：2023-09-26

基金項(xiàng)目：重慶工商大學(xué)研究生創(chuàng)新型科研項(xiàng)目（CYS22607，CYS23549）

0 引 言

現(xiàn)今社會(huì)正面臨著自然和人為疾病日益增加的挑戰(zhàn)[1]。而自然災(zāi)害或認(rèn)為災(zāi)害等突發(fā)事件的發(fā)生，對(duì)血液保障有嚴(yán)重影響[2]。血液供應(yīng)鏈涉及血液的收集、生產(chǎn)、儲(chǔ)存和分配[3]。血液供應(yīng)鏈的特殊性使其不同于一般的工業(yè)供應(yīng)鏈，成為一個(gè)極具挑戰(zhàn)性的研究領(lǐng)域[4]。血液是一種高度稀缺的資源，而血液的供應(yīng)不足會(huì)影響輸血治療進(jìn)度，甚至威脅患者生命，而過期會(huì)造成稀缺資源的浪費(fèi)[5]。近年來血液產(chǎn)品的需求規(guī)模也在不斷上升，而血液產(chǎn)品的供給增長相對(duì)需求增長則低很多，近10年來血液產(chǎn)品供求關(guān)系始終處于緊張狀態(tài)[6]。特別是突發(fā)事件發(fā)生期間，由于突發(fā)事件的發(fā)生，若政府采取管控、社交距離等緊急措施[7，8]，采集、供應(yīng)血量會(huì)急劇下滑，醫(yī)療機(jī)構(gòu)的血液供應(yīng)會(huì)處于嚴(yán)重不足狀態(tài)，如2020年2月，全國多地獻(xiàn)血總量較同期下降了67%左右，血液供給面臨嚴(yán)峻考驗(yàn)[9]。在此背景下，通過基于多智能體的仿真建模方法，并融合系統(tǒng)動(dòng)力學(xué)，研究突發(fā)事件下血液保障問題，尋求合理應(yīng)對(duì)策略，提高突發(fā)事件發(fā)生后血液保障水平。

1 模型構(gòu)建

1.1 問題描述

構(gòu)建一個(gè)由獻(xiàn)血者、獻(xiàn)血點(diǎn)、血液中心以及需求點(diǎn)組成的血液產(chǎn)品供應(yīng)鏈結(jié)構(gòu)，并基于此設(shè)計(jì)一個(gè)基于多Agent的供應(yīng)鏈系統(tǒng)框架。供應(yīng)端由獻(xiàn)血者及獻(xiàn)血點(diǎn)Agent組成，完成血液的采集。血液中心Agent負(fù)責(zé)收集獻(xiàn)血點(diǎn)采集到的血液，并進(jìn)行生產(chǎn)加工入庫。需求點(diǎn)主要由醫(yī)院Agent等用血單位組成，該類Agent從中心血庫訂購血液制品，以滿足自身的血液需求。中心血庫及醫(yī)院等有血液庫存的單位，會(huì)進(jìn)行庫存檢查，去除過期的血液產(chǎn)品。取某市血液中心在某突發(fā)事件影響下的運(yùn)作數(shù)據(jù)作為參考，進(jìn)行數(shù)值仿真。

1.2 模型符號(hào)

本章使用的模型及參數(shù)符號(hào)如表1所示。

式（1）中，第一項(xiàng)為獻(xiàn)血點(diǎn)采集成本，第三第四為過期和短缺懲罰成本，最后一項(xiàng)為檢測(cè)成本，判斷獻(xiàn)血者是否符合獻(xiàn)血條件，如傳染病事件發(fā)生時(shí)，需要確定獻(xiàn)血者是否攜帶病毒，才能決定是否進(jìn)入下一環(huán)節(jié)。式（2）表示實(shí)際采集入庫量不能超過可采集量，式（3）表示血液中心期末庫存量等于期初庫存量減去出庫量和過期量，加上入庫量。式（4）表示t期血液中心的采集入庫量，式（5）表示血液中心實(shí)際出庫量等于醫(yī)院總需求減去血液中心短缺量。式（6）表示血液中心第t期過期量，式（7）表示血液中心剩余有效期為s的k類血的庫存量，式（8）表示醫(yī)院期末庫存量等于期初庫存量減去實(shí)際用血量和過期量，再加上補(bǔ)貨量。式（9）表示醫(yī)院h的短缺量，式（10）表示醫(yī)院h第t期k類血的過期量，式（11）表示醫(yī)院剩余有效期為s的k類血的庫存量。

2 仿真模型構(gòu)建

本文采用Anylogic實(shí)現(xiàn)上述血液供應(yīng)鏈模型的仿真建模，Any logic相比其他仿真軟件，能夠結(jié)合多智能體、系統(tǒng)動(dòng)力學(xué)以及離散智能體建模方法混合建模，本文利用其特點(diǎn)，將突發(fā)事件系統(tǒng)動(dòng)力學(xué)融入多智能體模型中，模擬突發(fā)事件發(fā)展進(jìn)程，并反饋到仿真系統(tǒng)中。設(shè)置獻(xiàn)血者智能體、獻(xiàn)血點(diǎn)智能體、血液中心智能體、需求點(diǎn)智能體類型。并設(shè)置訂單、血液智能體類型，模擬訂單類型、血液庫齡和血液類型。另外，構(gòu)建系統(tǒng)動(dòng)力學(xué)模型以模擬事件發(fā)展情況，仿真系統(tǒng)捕捉系統(tǒng)動(dòng)力學(xué)運(yùn)行參數(shù)，并反饋到供需水平以及智能體的決策中。系統(tǒng)動(dòng)力學(xué)模型基于傳統(tǒng)傳染病動(dòng)力學(xué)模型進(jìn)行改進(jìn)，考慮實(shí)際案例情況，以使仿真系統(tǒng)更接近現(xiàn)實(shí)系統(tǒng)，得到更佳的擬合效果。

2.1 智能體行為決策規(guī)則

獻(xiàn)血者獻(xiàn)血方式分為4種，每種對(duì)應(yīng)可采集血量和成分血制備量按一定比例生產(chǎn)血液。而獻(xiàn)血點(diǎn)則分為流動(dòng)獻(xiàn)血點(diǎn)和固定獻(xiàn)血點(diǎn)，受突發(fā)事件影響，能夠到達(dá)固定獻(xiàn)血點(diǎn)的獻(xiàn)血者數(shù)較少。因此，需要增加獻(xiàn)血車或臨時(shí)的獻(xiàn)血點(diǎn)去采集更多的血液。另外，還需進(jìn)行檢測(cè)以確保獻(xiàn)血者能夠獻(xiàn)血。

血液中心Agent行為主要有出庫、補(bǔ)貨決策和庫存更新。而醫(yī)院主要行為有用血、補(bǔ)貨決策以及庫存更新?，F(xiàn)實(shí)中，血液中心通常在上午10點(diǎn)前收到醫(yī)院訂單，并全天發(fā)送。本文仿真模型中，血液中心第t期接收醫(yī)院t-1期的訂單，并與t+1期開始時(shí)送達(dá)醫(yī)院，血液中心根據(jù)訂單類型和訂單總量，包括正常訂單和緊急訂單，按照先進(jìn)先出規(guī)則按比例分配。完成血液分配后，血液中心根據(jù)出庫后以及采集血液入庫前的庫存情況，進(jìn)行庫存更新，將庫存中所有過期的血液產(chǎn)品取出并作廢棄處理，然后做出下一期的補(bǔ)貨計(jì)劃。隨后，當(dāng)期采集到的血液在下一期開始前被添加到血液中心庫存中并于下一期可用。

而醫(yī)院每天結(jié)合需要用血的醫(yī)療救治活動(dòng)，預(yù)測(cè)當(dāng)日的需求量，合理利用庫存處理用血需求。通過歷史數(shù)據(jù)分析，將醫(yī)院的用血需求量擬合為正態(tài)分布，且一周中每天統(tǒng)計(jì)分布參數(shù)值不同。醫(yī)院第t期的訂單于t+1期期初到達(dá)血液中心，并于t+1期期末送達(dá)，t+2期可用。醫(yī)院補(bǔ)貨決策與庫存更新與血液中心方式相同，且醫(yī)院根據(jù)先進(jìn)先出規(guī)則滿足用血需求。由于血液中心或醫(yī)院庫存量可能存在不足以滿足自身需求的情形，故可能出現(xiàn)成分血短缺。

2.2 突發(fā)事件模型

構(gòu)建突發(fā)事件系統(tǒng)動(dòng)力學(xué)模型，以模擬事件發(fā)展情況。以突發(fā)傳染病事件為例，構(gòu)建傳染病系統(tǒng)動(dòng)力學(xué)模型，如圖1所示，主要存量除易感者、接觸人群以及確診之外，本文結(jié)合現(xiàn)實(shí)情況考慮了暴露人群、隔離人群、境外輸入、無癥狀、無癥狀轉(zhuǎn)有癥狀等特殊情況，使得模型更接近實(shí)際情況，得到更好的模擬效果。另外，相關(guān)轉(zhuǎn)換數(shù)據(jù)基于經(jīng)典傳染病系統(tǒng)動(dòng)力學(xué)模型進(jìn)行一定改進(jìn)，如治愈率、死亡率，根據(jù)實(shí)際數(shù)據(jù)進(jìn)行擬合，在系統(tǒng)動(dòng)力學(xué)中作為動(dòng)態(tài)變量。隔離和暴露人群由控制力度等參數(shù)確定。

2.3 仿真步驟

前期準(zhǔn)備包括各種數(shù)據(jù)的分析與整理。在分析血液供應(yīng)鏈歷史運(yùn)作情況，構(gòu)建數(shù)學(xué)模型，基于數(shù)學(xué)模型構(gòu)建仿真框架。完成基于多智能體仿真模型的構(gòu)建，在構(gòu)建系統(tǒng)動(dòng)力學(xué)模型，將參數(shù)反饋到多智能體系統(tǒng)中，完成相應(yīng)的反饋代碼編寫。完成模型構(gòu)建后，運(yùn)行仿真實(shí)驗(yàn)，將各種參數(shù)調(diào)到合理水平，再獲取可靠的運(yùn)行數(shù)據(jù)。模型中相關(guān)執(zhí)行步驟如下：

1）血液中心接收中所有需求點(diǎn)發(fā)出的需求訂單并處理訂單信息。

2）血液中心根據(jù)血液分配決策和出庫策略，向需求點(diǎn)配送血液制品。

3）血液中心通過庫存更新規(guī)則更新庫存狀態(tài)，去除過期并接收新鮮成分血。

4）需求點(diǎn)在期初接收血液中心分配的成分血，記錄期初庫存狀態(tài)。

5）醫(yī)院預(yù)測(cè)當(dāng)日成分血用血量。

6）醫(yī)院按照其的用血規(guī)則，使用成分血，并統(tǒng)計(jì)成分血的短缺量。

7）醫(yī)院根據(jù)其庫存更新規(guī)則更新期末的庫存狀態(tài)，統(tǒng)計(jì)過期量等指標(biāo)。

8）通過控制器輸入某些參數(shù)，控制仿真系統(tǒng)的運(yùn)行，生成需求訂單并發(fā)至血液中心。

9）進(jìn)行下一周期循環(huán)。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

在仿真模型中，初始構(gòu)建10個(gè)獻(xiàn)血點(diǎn)、1個(gè)血液中心以及多個(gè)需求點(diǎn)，以I類血為例進(jìn)行仿真結(jié)果分析，其中I類成分血的最大保質(zhì)期設(shè)置為5天。單位采集成本為10，單位短缺懲罰成本為100，單位過期懲罰成本為50，單位檢測(cè)成本為5?？色I(xiàn)血人數(shù)、可采集量以及需求等數(shù)據(jù)通過歷史數(shù)據(jù)進(jìn)行擬合，且服從一定的概率分布[10]。突發(fā)事件影響力分為3個(gè)等級(jí)，且3種等級(jí)對(duì)應(yīng)突發(fā)事件發(fā)展階段，先后發(fā)生，對(duì)應(yīng)的供需影響情況如表2所，等級(jí)1影響較大，但持續(xù)時(shí)間較短，而等級(jí)2影響相對(duì)適中，對(duì)應(yīng)現(xiàn)實(shí)中爆發(fā)后響應(yīng)措施逐漸成熟的情況，但其持續(xù)時(shí)間會(huì)較長，根據(jù)現(xiàn)實(shí)情況，本文初始設(shè)置持續(xù)時(shí)間為2周。另外，突發(fā)事件影響力會(huì)逐步減弱，但需要較長的時(shí)間處理后續(xù)的問題，因此也會(huì)持續(xù)較長時(shí)間的影響。考慮到現(xiàn)實(shí)中一些不確定性，在仿真模型中獎(jiǎng)影響水平以隨機(jī)分布的形式反饋到仿真系統(tǒng)中。

3.2 仿真結(jié)果分析

3.2.1 仿真結(jié)果

由圖2可知，突發(fā)事件爆發(fā)期擬合情況良好，累計(jì)確診與實(shí)際情況接近。由圖3可知，獻(xiàn)血人數(shù)與現(xiàn)實(shí)情況相符，在突發(fā)事件爆發(fā)時(shí)，即圖中第20期左右，累計(jì)獻(xiàn)血人數(shù)上升出現(xiàn)明顯下降趨勢(shì)，日均獻(xiàn)血人數(shù)減少，但人均獻(xiàn)血量有所增加，與現(xiàn)實(shí)條件吻合。由圖4可知，突發(fā)事件發(fā)生前，短缺水平先對(duì)較低，出現(xiàn)一定的過期情況，突發(fā)事件發(fā)生后，系統(tǒng)短缺急劇上升。從圖5可以看出，突發(fā)事件發(fā)生后，系統(tǒng)累計(jì)成本急劇增加，其中短缺懲罰成本較高。從保障水平變化趨勢(shì)看，突發(fā)事件的發(fā)生對(duì)系統(tǒng)有顯著影響。

3.2.2 策略分析

由圖6可知，在設(shè)置訂單優(yōu)先級(jí)時(shí)，可一定程度減少短缺嚴(yán)重時(shí)緊急情況無法被解決的情況。由圖7三條曲線代表不同的突發(fā)事件影響水平，突發(fā)事件影響水平對(duì)考慮訂單開發(fā)的系統(tǒng)成本有一定影響。此外出現(xiàn)明顯差別主要集中在突發(fā)事件為2的情況，因此，在突發(fā)事件爆發(fā)后，需盡快處理，以在發(fā)生一段時(shí)間后盡量降低影響水平，提升血液保障水平。

4 結(jié) 論

血液在臨床治療中發(fā)揮著不可替代作用，是極稀有的資源。針對(duì)突發(fā)事件的影響，本文構(gòu)建血液供應(yīng)鏈數(shù)學(xué)模型，設(shè)計(jì)了多智能體行為決策規(guī)則，并基于數(shù)學(xué)模型描述建立基于多智能體建模方法血液供應(yīng)鏈仿真模型，同時(shí)構(gòu)建了突發(fā)事件的系統(tǒng)動(dòng)力學(xué)，將其納入仿真系統(tǒng)中。結(jié)果證明，所構(gòu)建的仿真模型能夠準(zhǔn)確模擬血液供應(yīng)鏈的運(yùn)作，具有較強(qiáng)的可靠性。此外，在突發(fā)事件發(fā)生時(shí)，應(yīng)盡快采取措施，降低影響水平。另外，優(yōu)先滿足緊急訂單的措施可提高系統(tǒng)的滿意度，提升系統(tǒng)整體保障績效。

參考文獻(xiàn)：

[1] SHIRAZI H，KIA R，GHASEMI P. A stochastic bi-objective simulation–optimization model for plasma supply chain in case of COVID-19 outbreak [J/OL].Applied Soft Computing，2021，112：107725[2023-08-20].https：//doi.org/10.1016/j.asoc.2021.107725.

[2] 操瑞榮，王長軍.基于獻(xiàn)血行為學(xué)習(xí)的應(yīng)急血液供應(yīng)鏈網(wǎng)絡(luò)魯棒優(yōu)化 [J].系統(tǒng)工程，2023，41（6）：71-82.

[3] SOHRABI M，ZANDIEH M，SHOKOUHIFAR M. Sustainable inventory management in blood banks considering health equity using a combined metaheuristic-based robust fuzzy stochastic programming [J/OL].Socio-Economic Planning Sciences，2023，86：101462 [2023-08-20].https：//doi.org/10.1016/j.seps.2022.101462.

[4] PIRABáN A，GUERRERO W J，LABADIE N. Survey on blood supply chain management：Models and methods [J/OL].Computers amp; Operations Research，2019，112：104756.[2023-08-20].https：//doi.org/10.1016/j.cor.2019.07.014.

[5] ASADPOUR M，OLSEN T L，BOYER O. An updated review on blood supply chain quantitative models： A disaster perspective [J/OL].Transportation Research Part E： Logistics and Transportation Review，2022，158：102583.[2023-08-20].https：//doi.org/10.1016/j.tre.2021.102583.

[6] 汪和建，王卓.血液認(rèn)知與獻(xiàn)血?jiǎng)訂T——“血荒”何以發(fā)生 [J].福建論壇：人文社會(huì)科學(xué)版，2022（3）：183-190.

[7] 鄭茵紅，李阿中，韓文娟.COVID-19疫情對(duì)血液供應(yīng)鏈管理的影響和對(duì)策 [J].中國輸血雜志，2020，33（8）：807-809.

[8] RATURI M， KUSUM A. The blood supply management amid the COVID-19 outbreak [J].Transfusion Clinique et Biologique，2020，27（3）：147-151.

[9] WANG Y J，HAN W J，PAN L，et al. Impact of COVID-19 on blood centres in Zhejiang province China，2020，115（6）：502-506.

[10] 郭心雨，陳旭.基于大數(shù)據(jù)的血液供應(yīng)鏈管理研究綜述及展望 [J/OL].系統(tǒng)管理學(xué)報(bào)，2023：1-23[2023-08-26].https：//kns.cnki.net/kcms2/article/abstract？v=S8jPpdFxNHiG04Va5HP5rt1OpqEo0RRVyxoKf0Ykisc5H9Vp1Dpq_iLlZQ9ApI1FwJs2lOM1QF4S9jBV0gL26PdoWMdbCcvVvPA94eRJ_sLXTMHlzTaCzwHcxAYU0igY17goWrDL50k=amp;uniplatform=NZKPTamp;flag=copy.

作者簡介：毛國偉（1999—），男，漢族，湖北荊州人，碩士研究生，研究方向：物流與供應(yīng)鏈管理。

Research on Emergency Blood Support Based on Multi-agent Simulation

MAO Guowei

（School of Business Administration， Chongqing Technology and Business University， Chongqing 400067， China）

Abstract： In order to improve the level of blood support in emergency situations and seek reasonable response strategies， a mathematical model considering collection， inventory， production， and blood usage is constructed by analyzing the historical operation of the blood supply chain. Based on this， a multi-agent simulation model is constructed， and the emergency system dynamics model is integrated into the multi-agent model. System dynamics parameters are used as environmental variables that affect system operation. The results show that the constructed simulation model can better simulate the real situation， and the impact of emergency has a significant impact on the level of blood support. It is necessary to reduce the impact level one week after the occurrence of emergency， while setting order priority to improve the level of blood support.

Keywords： emergency; blood supply chain; blood support; multi-agent modeling