Identifying and Prioritizing Indicators for Optimizing the Financing Chain in Order to Improve Performance

Subject Areas : Journal of Investment Knowledge

Reyhaneh Ziloochi ¹ (Ph.D Student, Departman of Industrial management, Centrla Tehran Branch, Islamic Azad University, Tehran, Iran.)
Mohammad Ebrahim Mohammad Pourzarandi ² (Professor, Departman of Industrial management , Centrla Tehran Branch , Islamic Azad University, Tehran, Iran.)
Zadollah fathi ³ (Assistant professr ,Departman of Financial management , Centrla Tehran Branch , Islamic Azad University, Tehran, Iran..)

Received: 2022-11-26 Accepted : 2023-05-09 Published : 2024-09-22

Keywords: Swara Model, Prioritization of Indicators, Optimization of Financing Chain, Improve Performance,

Abstract :

This research is a sequential mixed study in the sense that qualitative data from the literature review is first collected through in-depth interviews and then analyzed. After collecting the data and identifying them, the coding stage was done using the Swara method using the opinion of experts. The data was collected according to the reliable information and data of large companies accepted in the stock exchange and the Kodal system, and the reports and financial statements of the aforementioned machinery and equipment industry companies were used. The examined experts are all managers and experts of machinery and equipment industry companies and university professors, who are somehow considered experts in the concepts of the current research.In general, the main goal of this research is provide a model of the financing supply chain that can identify the optimized indicators influencing the financial supply chain in order to improve its performance and introduce the degree of influence of each one.This research creates a model of the financing chain that studies the management and control of risk and obstacles and bottlenecks, as well as the effects of the financing decision, and the relationship between the management of the financing chain and finally shows what Factors can improve and upgrade the production cycle and affect the performance of the company.

References:

• افخمی، رضا.(1389).مدیریت چرخه تولید تا مصرف داده های پژوهشی: چالش ها و فرصت ها،همایش ملی مدیریت پژوهش و فناوری.


• اصغری زاده، عزت اله.محمدی بالایی، عبدالکریم.(1396). تکنیک های تصمیم گیری چندشاخصه. انتشارات دانشگاه تهران.


• پیرایش، رضا و ارشدی، سمیه،1401،بررسی تاثیر مدیریت زنجیره تامین بر کیفیت محصول و عملکرد مالی در شرکتهای شهرک صنعتی روی شهر زنجان،سومین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع، مدیریت و حسابداری،چابهار،https://civilica.com/doc/1565001


• حاجیلو، مهدی. نصراللهی، مهدی. قاسمی، احمدرضا.(1397). تاثیر عوامل تولید بهنگام بر عملکرد زنجیره تامین با نقش میانجیگری عملکرد تولید و پایدار در شرکت های منتخب پارک علم و فناوری دانشگاه تهران. پایان‌نامه برای دریافت درجه کارشناسی ارشد رشته مدیریت صنعتی گرایش تحقیق در عملیات. موسسه غیرانتفاعی ارشاد دماوند.


• خاتمی فیروزآبادی، سید محمد علی و مرادی، حمید و فیضی، کامران،1400،مدلی ریاضی برای تامین مالی شرکتهای کوچک و متوسط تولیدی در زنجیره تامین


• شاهبندرزاده، حمید. کبگانی، محمدحسین.(1396). تحلیل کمی ریسک های موجود در مدیریت زنجیره تامین سبز با استفاده از مدل سازی ریاضی. فصلنامه پژوهشنامه بازرگانی. شماره 82.


• عسگرنژادنوری، باقر. امکانی، پریسا.(1396). تأثیر مدیریت اثربخش ریسک در عملکرد مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران: نقش واسطه ای سرمایه فکری و اهرم مالی.


• کلانتری، محدثه. پیشوایی، میرسامان. یعقوبی، سعید. (1394). یک مدل بهینه سازی چند هدفه برای یکپارچه سازی جریان مالی و فیزیکی در برنامه ریزی اصلی زنجیره تأمین. چشم انداز مدیریت صنعتی. شماره 19. 9-31


• محمدی، امیرسالار. عالم تبریز، اکبر. پیشوایی، میرسامان.(1397). ارائه‌یک‌ مدل ‌برای‌برنامه ریزی ‌اصلی‌زنجیره تأمین پایدار ‌با ملاحظه یکپارچگی ‌جریان ‌مالی ‌و ‌فیزیکی. چشم انداز ‌مدیریت‌ صنعتی. شماره 29. صص 39-62.


• همتی، داود و طالبانی، نسترن،1400،شناسایی شاخص های مدل مدیریت ریسک مالی زنجیره تامین اینترنتی،نهمین کنفرانس بین المللی مدیریت امور مالی، تجارت، بانک، اقتصاد و حسابداری


• Bal, M., & Pawlicka, K. (2021). Supply chain finance and challenges of modern supply chains. LogForum, 17(1).‏


• Chen, J., Cai, T., He, W., Chen, L., Zhao, G., Zou, W., & Guo, L. (2020). A blockchain-driven supply chain finance application for auto retail industry. Entropy, 22(1), 95.‏


• Farsijani, H. & Moradi, M. (2019). Identification and Prioritization of Risk and the effect of the Renewable Energy Life Cycle based on performance and risk indicators, ANP Gray approach. International Journal of Accounting and Finance.


• Ghadimi, P., Wang, C., & Lim, M. K. (2019). Sustainable supply chain modeling and analysis: Past debate, present problems and future challenges. Resources, conservation and recycling, 140, 72-84.‏


• Gugulothu, S. K. (2020). A novel assessment study on a dynamic analysis of hydrodynamic journal bearing performance: A Taguchi-fuzzy based approach optimization. Transportation Engineering, 2, 100033.‏


• Himma-Kadakas, M. (2017). Alternative facts and fake news entering journalistic content production cycle. Cosmopolitan Civil Societies: An Interdisciplinary Journal, 9(2), 25-41.‏


• Lam, H. K., & Zhan, Y. (2021). The impacts of supply chain finance initiatives on firm risk: evidence from service providers listed in the US. International Journal of Operations & Production Management.‏


• Li, T., Yang, J., & Cui, D. (2021). Artificial-intelligence-based algorithms in multi-access edge computing for the performance optimization control of a benchmark microgrid. Physical Communication, 44, 101240.‏


• Lam, H. K., & Zhan, Y. (2021). The impacts of supply chain finance initiatives on firm risk: evidence from service providers listed in the US. International Journal of Operations & Production Management.‏


• Moraes, C. A., Fernandes, I. J., Calheiro, D., Kieling, A. G., Brehm, F. A., Rigon, M. R., ... & Osorio, E. (2014). Review of the rice production cycle: by-products and the main applications focusing on rice husk combustion and ash recycling. Waste Management & Research, 32(11), 1034-1048.‏


• Moretto, A., & Caniato, F. (2021). Can Supply Chain Finance help mitigate the financial disruption brought by Covid-19?. Journal of Purchasing and Supply Management, 100713.‏


• Sim, J., & Prabhu, V. V. (2022). The impact of credit risk on cash-bullwhip in supply chain. The Engineering Economist, 67(4), 266-287.‏


• Wang, L., Jia, F., Chen, L., & Xu, Q. (2022). Forecasting SMEs’ credit risk in supply chain finance with a sampling strategy based on machine learning techniques. Annals of Operations Research, 1-33.‏


• Yang, Q., Wang, Y., & Ren, Y. (2019). Research on financial risk management model of internet supply chain based on data science. Cognitive Systems Research, 56, 50-55


• Yan, N., & Sun, B. (2013). Coordinating loan strategies for supply chain financing with limited credit. OR spectrum, 35(4), 1039-1058.‏