Providing a model to reduce the cost of supply chain risk with a hybrid approach
Subject Areas : Management Accounting
Fariba Salahi
1
(Department Of industrial Management,Electronic Campus, Islamic Azad University,Tehran,Iran)
Keywords: risk management, Disruption, Supply chain, Fuzzy DEMATEL, Genetic algorithm,
Abstract :
Today, supply chain management has become more important because of the globalization of business markets. As the complexity increases, the vulnerability and risk in the chain increases, resulting in an increase in production or service interruption. This process necessitates the use of new risk management techniques. In this regard, in this study, by providing and solving a fuzzy DEMATEL-Genetic Algorithm hybrid model, the cost of supply chain risk has been investigated. Then the relationships between the disorders are formulated through the fuzzy dematel technique, and the model is solved using genetic algorithm. This study examines the impact of four disruptions on supply chain costs and disruptions are ranked based on the costs incurred in the supply chain. The results show that the most important disruptions in the supply chain, respectively, are disasters, supply, transportation and demand.
* اسلامی بیگدلی، غ.، جلیلی،ص.، (1388). سنجش عملکرد مدیریت زنجیره تامین با رویکرد ارزیابی متوازن. فصلنامه علمی پژوهشی حسابداری مدیریت، سال 2 شماره 1.
* ربانی، م.، معنوی زاده، ن.، فرشباف گرانمایه، ا.، (1394)، طراحی چندهدفه زنجیره تأمین با در نظر گرفتن ریسک اختلال تسهیلات، عرضه و تقاضا در شرایط غیر قطعی بودن پارامترهای اقتصادی. فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی، سال سیزدهم، شماره 73.
* حیاتی، م.، عطایی، م.، خالو کاکایی، ر.، صیادی، ا.، (1393)، ارزیابی و رتبهبندی ریسک در زنجیره تامین با استفاده از روش تحلیل تاکسونومی (مطالعه موردی: مجتمع ذوب آهن اصفهان). مجله تحقیق در عملیات و کاربردهای آن، شماره1،ص 85-103.
* حیاتی، م.، عطایی، م.، خالو کاکایی، ر.، صیادی، ا.، (1392)، ارائه مدلی برای ارزیابی ریسک های زنجیره تامین با استفاده از تکنیک های تصمیم گیری چند شاخصه. فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی، سال دوازدهم، شماره 34.
* فکورثقیه، ا.، الفت، ل.، (1393)، مدیریت ریسک زنجیره تامین با رویکرد شناسایی و مواجهه با نقاط آسیب زا با استفاده از تاپسیس فازی. نشریه علمی پژوهشی مدیریت فردا، سال سیزدهم، شماره 38.
* مقدس، ز.، واعظ قاسمی، م.، رحمانی پرچکلایی، ب.، (1396)، انتخاب بهترین تامین کننده با ورودی و خروجی های انعطاف پذیر در مدیریت زنجیره تامین با تحلیل پوششی داده ها، پژوهش های نوین در ریاضی، سال 3، شماره 11.
* محمدزاده سقاء، پ.، ابراهیمی، ا.، لطفی، م.، (1397). بهینه سازی هزینه، زمان و نرخ قابلیت اطمینان سیستم حمل و نقل در زنجیره تامین چهارسطحی، با بهره گیری از برنامه ریزی خطی عدد صحیح مختلط. فصلنامه علمی پژوهشی حسابداری مدیریت، سال 11 شماره 38.
* محمدی، ع.، شجاعی، ع.، (1395)، ارئه مدل جامع مولفه های مدیریت ریسک زنجیره تامین-رویکرد فرا ترکیب. پژوهش های مدیریت اجرایی، سال هشتم، شماره15.
* میرغفوری، ح.، شریف ابادی، ع.، اردکانی، ف.، (1392)، طراحی مدلی برای ارزیابی ریسک زنجیره تامین با رویکرد شبکه عصبی. فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی، سال یازدهم، شماره 30.
* Abbas, M., Khan, F., Zendehboudi, S., Adebigba, S., (2019). Dynamic Risk assessment of Reservoir Production Using Data-Driven Probabilistic Approach. Journal of Petroleum Science and Engineering.
* Behdani, B., Lukszo, z., Srinivasan, R., (2019). Agent- oriented simulation framework for handling disruptions in chemical supply chains. Computers& Chemical Engineering. Volume 122, pages 306-325.
* Chapman, C. B., Ward, S. C., (2003). Project Risk Management: Processes, Techniques and Insights. John Wiley, Second edition. UK: Chichester
* Faeezi-Rad, M.A., Khatami, M.A., (2014). Positioning business in uncertain condition by weighing a competitive profile matrix using the fuzzy DEMATEL. Management Science Letters, 4, 1425-1432.
* Faisal, M. N. Banwet, D.K. and Shankar, R. (2006),”Supply Chain Risk Mitigation: Modeling the Enablers”, Business Process Management Journal, Vol.12, No4, PP.535-552.
* Kamalahmadi, M., Mellat Parast, m., (2017). An assessment of supply chain disruption mitigation strategies. International Journal of Production Economics. Volume 184, pages 210-230.
* Masar, M., Hadikava, M., Simak, L., Brezina, D., (2019). The current state of project risk management in the transport sector. 13th International Scientific Conference on Sustainable, Modern and Safe Transport
* MehraliDehnavi, Masoume, Aghaei, Abdollah and Sattak, Mostafa (2011). Supply Chain Risk Management: Literature Review, Nineth Internatonal Conference in Managemenr.
* Mirfakhreddini, Seyed Heydar, Ardakani, Davod. Rezaei, Morteza (2011). Using MCDM in Supply Chain Risk Factors in SME, Industrial Management Study, 8(21), 107-130. (in Persian)
* Mohammadi, S., Nazemi, A., (2019). On portfolio management with value at risk and uncertain returns via an artificial neural network scheme. Cognitive Systems Research.
* Thun, J. H., Hoenig, D., (2011). An empirical analysis of supply chain risk management in the German automotive industry. Production Economics, 131 (1), 242-249.
* Wang, H., Gu, T., Jin, M., Zhao .R. Wang, G.U.,(2018). The Complexity measurement and evolution analysis of supply chain network under disruption risks. Chaos, Solation’s & Fractals. Volume 116, pages 72-78.
* ZandHesami, Hesam and Savoji, Ava. (2012). Risk Management in Supply Chain Management, Development and Evolution journal, 9(1), 37-44.
* Zegordi, S.H., Davarzani, H., (2012). Developing a supply chain analysis model: Application of colored Petri-nets. Expert Systems with Applications, 39, 2102-2111.
* Zegordi, S.H., Davarzani, H., Norrman, A., (2011). Contingent management of supply chain disruption: Effects of dual or triple sourcing. Scientia Iranica E, 18, 1517-1528
_||_