پیشگیری از ترویج آلودگی زیست محیطی در زنجیره تامین پایدار صنعت سیمان: رهیافت تحلیل عاملی و تصمیم گیری فازی

الموضوعات :

محمد حسین درویش متولی ¹ (دانش آموخته دکتری، گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.)
فرهاد حسین زاده لطفی ² (استاد گروه ریاضی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. *(مسوول مکاتبات))
نقی شجاع ³ (دانشیار گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.)
امیر غلام ابری ⁴ (دانشیار گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.)

تاريخ الإرسال : 08 الخميس , محرم, 1439 تاريخ التأكيد : 24 السبت , جمادى الأولى, 1439 تاريخ الإصدار : 05 الثلاثاء , صفر, 1442

الکلمات المفتاحية: شاخص‌های عملکرد, ترویج آلودگی محیط زیست, زنجیره تامین پایدار, مدل ویکور,

ملخص المقالة :

زمینه و هدف: امروزه توجه به شاخص‌های محیط زیست پایدار، بسیار با اهمیت است و بخش قابل توجهی از مدیریت محیط زیست را به خود معطوف ساخته است. بروز آلودگی های زیست محیطی در صنایع و انتشار آن ها در طول زنجیره تامین، پایداری را تحت الشعاع خود قرار می دهد. هدف از این مقاله شناسایی شاخص‌های زیست محیطی موثر بر زنجیره تامین پایدار در صنعت سیمان و رتبه بندی زنجیره های این صنعت است به گونه ای که کمک کند تا از بروز و ترویج آلودگی زیست محیطی پیشگیری به عمل آید. روش بررسی: بدین منظور، از تحلیل عاملی و تکنیک تصمیم گیری ویکور فازی استفاده شده است. یافته‌ها: شاخص‌های موثر در قالب چهار سطع پایداری، استراتژیک، فرایندی و عملیاتی شناسایی و تبیین شده اند. سپس با توجه به شاخص‌های تعیین شده عملکرد زیست محیطی زنجیره تامین پایدار 42 کارخانه حاضر در بورس اوراق بهادار تهران رتبه بندی شدند. نتایج اجرای مدل نشان می دهدکه سطح پایداری دارای بالاترین همبستگی با متغیر مکنون عملکرد زنجیره تامین پایدار بوده و این میزان همبستگی 44 درصد است. وزن سطح عملیاتی 40 درصد، سطح استراتژیک 23 درصد و سطح فرایندی 12 درصد به دست آمد. بحث و نتیجه‌گیری: نتایج نشان می دهد که شاخص‌های سطح پایداری در زنجیره تامین پایدار صنعت سیمان دارای اهمیت بالاتری در راستای جلوگیری از بروز و ترویج آلودگی زیست محیطی می باشند. و زنجیره تامین پایدار کارخانه ایلام بر مبنای شاخص‌های زیست محیطی رتبه اول و زنجیره تامین کارخانه باقران رتبه آخر را کسب نموده اند.

المصادر:

1. Shabanpour, H., Yousefi, S., Farzipoor Saen, R. 2017. Forecasting efficiency of green suppliers by dynamic data envelopment analysis and artificial neural networks. Journal of Cleaner Production 142, 1098e1107.


2. Olfat, Liaia, Morning Sufi, Migmar et al. 1391. "A Model for Assessing Supply Chain Performance Using a Network Data Envelopment Analysis Model in the Drug Industry", Journal of Industrial Management Studies, Vol. 10, No. 26, 26-1. (In Persian).


3. Kiani, Fatemeh, Ansari, Rahimi,. 2014."Economic, social and environmental impacts of Hegmatan cement plant on Shangjarin Village". Quarterly Journal of Rural Space and Rural Development,, 4 (2), 144-133.


4. Management and Planning and Budget Organization "Fourth Development Plan of the Country", 2007, Tehran. In Persian.


5. Seied Hosseini, Seyyed Mohammad, "Advanced Engineering Economics and Decision Analysis". Science and Technology University Press, 2014. (In Persian (.


6. Liou, J.J.H., 2013. New concepts and trends of MCDM for tomorrow–in honor of Professor. Journal Technological and Economic Development of Economy Volume 19,331-347.


7. Wolf, C., & Seuring, S. 2010/ Environmental impacts as buying criteria for third party logistical services. International Journal of Physical Distribution & Logistics Management, 40(1/2), 84–10/


8. Gandhi, S., Kumar Mangla, S., Kumar, P. 2015. Evaluating factors in implementation of successful green supply chain management using DEMATEL: A case study. International Strategic Management Review 3, 96–109


9. Mollenkopf, D., Stolze, H., Tate, W.L. and Ueltschy, M. 2010/ Green, lean, and global supply chains. International Journal of Physical Distribution and Logistics Management, 40(1/2): 14-41.


10. 10/ Badiezadeh, T., Farzipoor Saen, R., Samavati, T. 2017. Assessing sustainability of supply chains by double frontier network DEA: A big data approach. Computers & Operations Research, In Press, Corrected Proof, Available online 6 June.


11. Brandenburg, m. 2014. Quantitative models for sustainable supply chain management: Developments and directions. European Journal of Operational Research Volume 233, Issue 2, 1 March 2014, Pages 299-312.


12. Mathiyazhagan, K., Govindan, K. and Noorul Haq, A. 2014. Pressure analysis for green supply chain management implementation in Indian industries using analytic hierarchy process. International Journal of Production Research, 52: 1-16.


13. Toke, L. K., Gupta, R. C, Dandekar M. 2012. An empirical study of green supply chain management in Indian perspective. International Journal of Applied Science and Engineering Research, 1(2): 372–83.


14. Hsu, C.W., and Hu. A.H. 2008. Green Supply Chain Management in the Electronic Industry. International Journal of Science and Technology, 5(2): 205- 216.


15. Mariadoss, B., TingChi, H., Tansuhaj, P., Pomirleanu, N. Polyakovskiy, S., Varasi, M. 2016. Sustainable supply chain network design: A case of the wine industry in Australia. Omega Volume 66, Part B, January 2017, Pages 236–247.


16. Azadi, m. Jafarian, m. 2015. A new fuzzy DEA model for evaluation of efficiency and effectiveness of suppliers in sustainable supply chain management context. Computers & Operations Research 54, 274 -285.


17. Olfat, L., Amiri, M., Bamdad Soufi, J., Pishdar, M. 2016. A dynamic network efficiency measurement of airports performance considering sustainable development concept: A fuzzy dynamic network-DEA approach. In Journal of Air - - Transport Management 57, 272e290/


18. Genovese, A. Adolf A, A. Alejandro, F. 2017. Sustainable supply chain management and the transition towards a circular economy: Evidence and some applications. O mega 344- 357.


19. Genovese, A. Adolf A, A. Alejandro, F. 2017. Sustainable supply chain management and the transition towards a circular economy: Evidence and some applications. O mega 344- 357