مدلسازی مساله انتخاب و تخصیص سفارش به تامین‌کنندگان برپایه برنامه‌ریزی آرمانی و رویکرد ترکیبی QFD و ANP
محورهای موضوعی : آمار
میلاد توکلیان
1
(گروه مهندسی صنایع دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران)
محمد جواد ارشادی
2
(عضو هیئت علمی پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)، تهران، ایران)
امیر عزیزی
3
(عضو هیئت علمی گروه مهندسی صنایع دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران)
کلید واژه: Goal Programming (GP), Quality Function Deployment (QFD), Analytical Network Process (ANP), Supplier selection,
چکیده مقاله :
عملکرد تأمین‌کننده نقش کلیدی در قیمت، کیفیت، تحویل به موقع و سرویس دهی در دست‌یابی به اهداف زنجیره تأمین دارد که با توجه به این امر، امروزه عملکرد تأمین‌کنندگان تبدیل به یک عنصر حیاتی در موفقیت یا عدم موفقیت یک شرکت شده است. در این مطالعه یک مدل برنامه‌ریزی آرمانی با رویکرد تصمیم‌گیری چند معیاره با ابزار فرآیند تحلیل شبکه و برپایه گسترش عملکرد کیفیت فازی توسعه داده شده است. همچنین، روشی جدید در رتبه‌بندی، انتخاب و تخصیص سفارش به تأمین‌کنندگان ارائه شده است. مدل مورد نظر همزمان انتخاب تأمین‌کننده، انتخاب حامل و تخصیص سفارش به تأمین‌کننده را انجام می‌دهد و دارای اهداف حداقل‌کردن هزینه‌ها در شبکه، حداقل کردن کالاهای برگشتی در شبکه، حداقل کردن تاخیرها در شبکه و حداکثر کردن ارزش خرید مشتری می‌باشد. روش ارائه شده در این مقاله، یک روش امکانپذیر، عملی و مفید به منظور شناسایی و رتبه بندی تأمین‌کنندگان و همچنین تخصیص سفارش به آنها می‌باشد. مزیت این مدل نسبت به روش‌های مشابه در استفاده توام از ابزارهای QFD و ANP به منظور اندازه‌گیری اولویت‌ها و نیازهای شرکت جهت رتبه بندی تأمین‌کنندگان می‌باشد که قابلیت شنیدن صدای مشتری و در نظر گرفتن خواست آنان را میسر میکند و همچنین ادغام این دو ابزار با برنامه ریزی آرمانی جهت تخصیص سفارش یک رویکرد نوین را ارائه داده است. برپایه نتایج این پژوهش، تکنولوژی و تحویل به موقع به ترتیب مهمترین ویژگی‌ها در ارزیابی انتخاب پیمانکاران بدست آمده‌اند. انتخاب پیمانکاران به‌گونه‌ای که همزمان برگشتی‌ها از تامین‌کننده، تاخیرها و هزینه‌های تامین در کمترین مقدار ممکن باشد، از مهمترین نتایج این پژوهش محسوب می‌شود.
Vendor performance plays a key role in price, quality, timely delivery and service in achieving the goals of the supply chain. Given this, today's supplier performance has become a critical element in the success or failure of a company. In this study, an idealized planning model with multi-criteria decision-making approach with network analysis tool based on the expansion of fuzzy quality function has been developed. Also, a new way of ranking, selecting, and assigning orders to suppliers is provided. To this end, the concept of expanding fuzzy quality function and network analysis are used to evaluate and rank suppliers and the math planning model for assigning orders to suppliers. The method presented in this paper is a feasible, practical, and useful method for identifying and ranking suppliers as well as assigning orders to them. The advantage of this model compared to similar methods in using QFD and ANP tools is to measure the priorities and needs of the company to rank suppliers, which can listen to the voice of the customer and take their demands, as well as integrate the two tools with planning Ideal for ordering a new approach. Based on the results of this research, technology and timely delivery are the most important features in order to evaluate contractor selection. Selection of contractors in such a way that at the same time returns from the supplier, delays and costs of supply are the least possible, are the most important results of this research.
[1] Bhattacharya, A., Sarkar, B., Mukherjee, S. K., (2005). Integrating AHP with QFD for robot selection under requirement perspective. International Journal of Production Research, 43(17), 1 September, 3671–3685.
[2] Dursun, M., & Karsak, E. E. (2013). A QFD-based fuzzy MCDM approach for supplier selection. Applied Mathematical Modelling, 37(8), 5864-5875.
[3] Kahraman, C., Ruan, D., Dogan, I. (2003). Fuzzy group decision-making for facility location selection. Information Sciences, 157, 135–153.
[4] مفرح, مژده؛ دکتر علی محمد احمدوند و مهندس حسین اقبالی، ۱۳۹6، ارزیابی و انتخاب تأمین‌کننده با استفاده از تکنیک fahp، سومین کنفرانس بین المللی علوم و مهندسی، استانبول- کشور ترکیه، موسسه مدیران ایده پرداز پایتخت ویرا.
[5] صفایی قادیکلایی, عبدالحمید و فاطمه هندوکلایی، ۱۳۹۶، ارزیابی و انتخاب تأمین‌کنندگان در مدیریت زنجیره تأمین سبز با استفاده از روش ترکیبی QFDفازی و VIKOR فاز ی، دومین کنفرانس بین المللی مدیریت و حسابداری، تهران، موسسه آموزش عالی صالحان.
[6] ولی زاده, جابر و مهدی علیزاده برمی، ۱۳۹۶، ارزیابی و انتخاب تأمین‌کنندگان در زنجیره تأمین سبز با در نظر گرفتن ریسک و استفاده از تکنیک تلفیقی DEMATEL و VIKOR در محیط فازی (مطالعه موردی انتخاب تأمین‌کننده اگزوز در شرکت ایران خودرو)، کنفرانس بین المللی زنجیره تأمین سبز.
[7] بابایی.مهدیه، عمرانی.هاشم،(1393)، رویکرد بهینه سازی استوار در انتخاب تأمین‌کننده تحت تدارکات ناب، یازدهمین کنفرانس بین المللی مهندسی صنایع، دانشگاه تربیت مدرس، دی ماه 1393.
[8] فیروزآبادی.علی، خداوردی.روح اله،(1391)، انتخاب تأمین کنندگان قطعات در صنعت خودروسازی با استفاده از روش فرایند تحلیل سلسله مراتبی، فصلنامه مدیریت توسعه و تحول، شماره 9.
[9] Babbar, C., & Amin, S. H. (2018). A multi-objective mathematical model integrating environmental concerns for supplier selection and order allocation based on fuzzy QFD in beverages industry. Expert Systems with Applications, 92, 27-38.
[10] Yazdani, M., Chatterjee, P., Zavadskas, E. K., & Zolfani, S. H. (2017). Integrated QFD-MCDM framework for green supplier selection. Journal of Cleaner Production, 142, 3728-3740.
[11] Lima-Junior, F. R., & Carpinetti, L. C. R. (2016). A multicriteria approach based on fuzzy QFD for choosing criteria for supplier selection. Computers & Industrial Engineering, 101, 269-285.
[12] Karsak, Eul. , & Dursun, M. (2015). An integrated fuzzy MCDM approach for supplier evaluation and selection. Computers & Industrial Engineering, 82 , 82–93 .
[13] Dweiri, F., Kumar, S., Khan, S. A., & Jain, V. (2016). Designing an integrated AHP based decision support system for supplier selection in automotive industry. Expert Systems with Applications, 62, 273-283.
[14] Efendigil, T., S. Önüt, and E. Kongar,(2013). "A holistic approach for selecting a third-party reverse logistics provider in the presence of vagueness". Computers & industrial engineering. 54(2): p. 269- 287.
[15] Bottani, E. and A. Rizzi, (2012). "A fuzzy TOPSIS methodology to support outsourcing of logistics services". Supply Chain Management: An International Journal. 11(4): p. 294-308.
[16] Wang, W. P. (2010). A fuzzy linguistic computing approach to supplier evaluation. Applied Mathematical Modelling, 34(10), 3130-3141.
[17] Bhattacharya, A., Geraghty, J., & Young, P. (2010). Supplier selection paradigm: An integrated hierarchical QFD methodology under multiple-criteria environment. Applied Soft Computing, 10(4), 1013-1027.
[18] Amin, S. H., & Razmi, J. (2009). An integrated fuzzy model for supplier management: A case study of ISP selection and evaluation. Expert systems with applications, 36(4), 8639-8648.
[19] Nazari-Shirkouhi, S., Shakouri, H., Javadi, B., & Keramati, A. (2013). Supplier selection and order allocation problem using a two-phase fuzzy multi-objective linear programming. Applied Mathematical Modelling, 37(22), 9308-9323.
[20] Tseng, M. L., Chiang, J. H., & Lan, L. W. (2009). Selection of optimal supplier in supply chain management strategy with analytic network process and choquet integral. Computers & Industrial Engineering, 57(1), 330-340.
[21] Demirtas, E. A., & Üstün, Ö. (2008). An integrated multiobjective decision making process for supplier selection and order allocation. Omega, 36(1), 76-90.
[22] Chan, F. T., & Kumar, N. (2007). Global supplier development considering risk factors using fuzzy extended AHP-based approach. Omega, 35(4), 417-431.
[23] Gencer, C., & Gürpinar, D. (2007). Analytic network process in supplier selection: A case study in an electronic firm. Applied mathematical modelling, 31(11), 2475-2486.
Noorul Haq, A., & Kannan, G. (2006). Design of an integrated supplier selection and multi-echelon distribution inventory model in a built-to-order supply chain environment. International Journal of Production Research, 44(10), 1963-
