کارایی زنجیرۀ تأمین چهار مرحله‌ای در حضور عوامل غیرقابل کنترل، نامطلوب و منفی با استفاده از مدل SBM در DEA شبکه‌ای

الموضوعات :

مهدی شجاع ¹ , فرهاد حسین زاده لطفی ² , امیر غلام ابری ³ , علیرضا رشیدی کمیجان ⁴

1 - دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد رودهن
2 - استاد گروه ریاضی کاربردی، دانشکده علوم پایه، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران،
3 - عضو هیات دعلمی واحد فیروزکوه
4 - گروه مهندسی صنایع،واحد فیروزکوه،دانشگاه آزاد اسلامی، تهران، ایران

تاريخ الإرسال : 10 الأحد , رمضان, 1441 تاريخ التأكيد : 18 الأربعاء , ربيع الأول, 1442 تاريخ الإصدار : 05 الثلاثاء , صفر, 1442

الکلمات المفتاحية: D24, طبقه‌بندی JEL: E23, C60 واژگان کلیدی: کارایی زنجیره تأمین, صنعت سیمان, تحلیل پوششی داده‌های شبکه‌ای, عوامل غیرقابل کنترل, خروجی نامطلوب,

ملخص المقالة :

هدف این مقاله ارزیابی عملکرد زنجیره تأمین چهار مرحله‌ای در حضور داده های غیرقابل کنترل، نامطلوب و منفی، در صنعت سیمان است. برای این منظور، مدل(SBM) Slack-Based Measure در تحلیل پوششی داده‌های شبکه ای ارائه شده تا عملکرد این گونه زنجیره‌ها را مورد ارزیابی قرار دهد. در ادامه، 42 شرکت سیمان حاضر در بورس و اوراق بهادار که زنجیرۀ متناظر هر یک از آن ها دارای چهار مرحله ی تأمین کننده، تولیدکننده، توزیع کننده و مشتری می باشد، طی دوره 1396-1394 مورد ارزیابی قرار گرفتند. بر اساس اجرای مدل، 5 شرکت در سه سال متوالی کارا و نمره کارایی مابقی آن ها در همه سال‌ها یا برخی از سال‌ها کمتر از 1 شده است.

المصادر:

-          Azadeh, A., & Alem, S.M. (2010).‏ A flexible deterministic, stochastic and fuzzy Data Envelopment Analysis approach for supply chain risk and vendor selection problem: Simulation analysis. Expert Systems with Applications, 37(12): 7438-7448.

-          Badiezadeh, T., Farzipoor Saen, R., and Samavati, T. (2018). Assessing sustainability of supply chains by double frontier network DEA: A big data approach. Computers & Operations Research, 98: 284-290.

-          Boudaghi, E., and Farzipoor Saen, R. (2018). Developing a novel model of data envelopment analysis–discriminant analysis for predicting group membership of suppliers in sustainable supply chain. Computers & Operations Research, 89: 348-359.

-          Chen, C., and Yan, H. (2011). Network DEA model for supply chain performance evaluation. European journal of operational research, 213(1): 147-155.

-          Cook, W.D., Zhu, J., Bi, G., and Yang, F. (2010). Network DEA: Additive efficiency decomposition. European journal of operational research, 207(2): 1122-1129.

-          Cook, W.D., Liang, L., and Zhu, J. (2010). Measuring performance of two-stage network structures by DEA: a review and future perspective. Omega, 38(6): 423-430.

-          Izadikhah, M., and Farzipoor Saen, R. (2016). Evaluating sustainability of supply chains by two-stage range directional measure in the presence of negative data. Transportation Research Part D: Transport and Environment, 49: 110-126.

-          Izadikhah, M., Farzipoor Saen, R., and Ahmadi, K. (2017). How to assess sustainability of suppliers in volume discount context? A new data envelopment analysis approach. Transportation Research Part D: Transport and Environment, 51: 102-121.

-          Kalantary, M., and Farzipoor Saen, R. (2018). Assessing sustainability of supply chains: An inverse network dynamic DEA model. Computers & Industrial Engineering, 135: 1224-1238.

-          Khodakarami, M., Shabani, A., Farzipoor Saen, R., and Azadi, M. (2015). Developing distinctive two-stage data envelopment analysis models: An application in evaluating the sustainability of supply chain management. Measurement, 70: 62-74.

-          Mirhedayatian, S.M., Azadi, M., and Farzipoor Saen, R. (2014). A novel network data envelopment analysis model for evaluating green supply chain management. International Journal of Production Economics, 147: 544-554.

-          Saranga, H., and Moser, R. (2010). Performance evaluation of purchasing and supply management using value chain DEA approach. European journal of operational research, 207(1): 197-205. ‏

-          Shafiee, M., Lotfi, F.H., and Saleh, H. (2014). Supply chain performance evaluation with data envelopment analysis and balanced scorecard approach. Applied Mathematical Modelling, 38(21-22): 5092-5112.

-          Tajbakhsh, A., and Hassini, E. (2015). A data envelopment analysis approach to evaluate sustainability in supply chain networks. Journal of Cleaner Production, 105: 74-85

-          Tavana, M., Mirzagoltabar, H., Mirhedayatian, S.M., Farzipoor Saen, R., and Azadi, M. (2013). A new network epsilon-based DEA model for supply chain performance evaluation. Computers & Industrial Engineering, 66(2): 501-513.

-          Tavana, M., Kaviani, M. A., Di Caprio, D., and Rahpeyma, B. (2016). A two-stage data envelopment analysis model for measuring performance in three-level supply chains. Measurement, 78: 322-333.

-          Tavassoli, M., and Farzipoor Saen, R. (2019). Predicting group membership of sustainable suppliers via data envelopment analysis and discriminant analysis. Sustainable Production and Consumption, 18: 41-52.

-          Xu, J., Li, B., and Wu, D. (2009). Rough data envelopment analysis and its application to supply chain performance evaluation. International Journal of Production Economics, 122(2): 628-638.

-          Liu, W., & Sharp, J. (1999). DEA models via goal programming. In Data envelopment analysis in the service sector. Deutscher Universitäts-verlag, 79-101.