رتبه بندی اختلالات زنجیره تامین با استفاده از روش ترکیبی دیمتل فازی و الگوریتم‌های فراابتکاری
محورهای موضوعی : آمارفریبا صلاحی 1 , رضا رادفر 2 , عباس طلوعی اشلقی 3 , محمود البرزی 4
1 - گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: Disruption rankings, Supply chain, Meta-Heuristic Algorithm, Fuzzy DEMATEL,
چکیده مقاله :
در میان انواع ریسک های زنجیره تامین، اختلالات گروهی از انواع ریسک هستند که از بلایای طبیعی، تحریم، مشکلات حمل و نقل و خرابی تجهیزات حاصل میشوند. این ریسک ها بطور جدی میتوانند موجب اخلال در جریان مواد، اطلاعات و جریان نقد گردند. این مطالعه یک مدل ترکیبی را برای مدیریت، ارزیابی و رتبه بندی اختلالات پیشنهاد میکند. در این تحقیق با ارایه یک مدل ریاضی با در نظر گرفتن پارامتر اختلال به ارزیابی ریسک اختلالات زنجیره تامین پرداخته شده است . در ابتدا روابط بین اختلالات از طریق تکنیک دیمتل فازی فرموله شده، و خروجی دیمتل به عنوان پارامتر وزن وارد مدل شده و سپس مدل با استفاده از الگوریتم های فراابتکاری ژنتیک و روشهای جستجوی محلی حل شده است. نهایتا اختلالات براساس هزینههایی که به زنجیره اعمال میکنند ارزیابی و رتبه بندی شده اند و سپس تعداد تامین کننده مناسب به ازای هر اختلال مشخص گردیده است.
Among the types of supply chain risks disruptions are risks that resulting from natural disasters, sanctions, transportation problems and equipment failure. These risks can seriously disrupt the flow of materials, information and cash flow. This study proposes a hybrid model for managing, evaluating and rating disorders. In this research, by presenting a mathematical model with disruption parameter, supply chain disruption risk assessment is investigated. Initially, the relationships between the disturbances are formulated by fuzzy DEMATEL technique, and the DEMATEL output as a weighted parameter, and then the model is solved using meta-heuristic algorithms, genetic and local search methods. Finally, the disruptions are evaluated and ranked based on the costs incurred in the chain, and then the number of appropriate suppliers for each disruption is determined.
]2[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.
]5[ 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.
]13 [همایون فر، م.، گودرزوند چگینی، م.، دانشور، ا.، (1396)، الویتبندی تامینکنندگان زنجیره تامین سبز با استفاده از رویکرد ترکیبی MCDM فازی.مجله تحقیق در عملیات و کاربردهای آن، سال چهاردهم، شماره1،ص 77-93.
]14[محمدنژادچاری، ف.، صفایی قادیکلایی، ع.، (1395)، شناسایی و رتبه بندی معیارهای انتخاب تامینکنندگان در زنجیره تامین لارج. مجله تحقیق در عملیات و کاربردهای آن، سال سیزدهم، شماره4،ص 103-120.
]15[ چراغعلی، آ.، پایدار، م.، حاجی آقاکشتلی، م.، (1396)، طراحی شبکه زنجیره تامین چنددوره ای و سه سطحی برای محصولات زارعی فاسدشدنی با استفاده از الگوریتم های فراابتکاری. مجله تحقیق در عملیات و کاربردهای آن، سال چهارهم، شماره3،ص 34-15.
]16[ لاله، م.، شفائی، ر.، (1391)، رویکردی یکپارچه برای طراحی و مدیریت زنجیره های تامین تحت ریسک با استفاده از مقیاسcvar . نهمین کنفرانس بین المللی مدیریت ریسک.
]17[ 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.
]18[ جان نثاری، م.، کرباسیان، م.، یوسفی، ا.، (1393)، شناسایی و اواویت بندی اختلالات زنجیره تامین با استفاده از روش ترکیبیPROMETHEEو ANPفازی. دومین همایش ملی مهندسی صنایع و مدیریت پایدار.
]19[ 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.
]20[ بهارستانی، پ.، رضایی نیک، ا.، (1396)، ارائه مدلی برای ارزیابی و رتبه بندی پاسخ های ریسک زنجیره تامین با استفاده از روش ترکیبی DEMATEL-ANP در محیط فازی. اولین کنفراس بین المللی بهینه سازی سیستم ها و مدیریت کسب و کار.
[1] Marchese, K, Paramasivam, S, (2013). The Ripple Effects How Manufacturing and Retail Executives View the Growing Challenge of Supply Chain Risk Retrieved.
[3] Chopra, S., Sodhi, M.S., (2014). Reducing the risk of supply chain disruption. MIT Sloan Manage. Rev. 55, 73-80.
[4] PMI (Project Management Institute), (2004). A Guide to the Project Management Body of Knowledge (PMBOK Guide), Pennsylvania, Newtown Square.
[6] Tang, O., Musa, S. N., (2011). Identifying risk issues and research advancements in supply chain risk management. Int. J. Production Economics, 133(1), 25–34.
[7] Olson, D. L., Wu, D. D., (2010). A review of enterprise risk management in supply chain. Kybernetes, 39 (5), 694-706.
[8] 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.
[9] Jia, F., Rutherford, C., (2010). Mitigation of supply chain relational risk caused by cultural differences between China and the West. International Journal of Logistics Management, 21 (2), 251-270.
[10] Tuncel, G., Alpan, G., (2010). Risk assessment and management for supply chain networks: A case study. Computers in Industry, 61 (3), 250-259.
[11] Matook, S., Lasch, R., Tamaschke, R., (2009). Supplier development with benchmarking as part of a comprehensive supplier risk management framework. International Journal of Operations & Production Management, 29 (3), 241-267.
[12] Chapman, C. B., Ward, S. C., (2003). Project Risk Management: Processes, Techniques and Insights. John Wiley, Second edition. UK: Chichester
[21] PrasannaVenkatesan, S., Goh, M., (2016). Multi-objective supplier selection and order allocation under disruption risk. Transportation Research Part E, 95, 124-142.
[22] Schmitt, T.G., Kumar, S., Stecke, K.E., Glover, F.G., & Ehlen, M.A., (2016). Mitigating Disruptions in a Multi-echelon Supply Chain using Adaptive Ordering. Omega. 106, 72-78.
[23] Rajesh, R., Ravi, V., (2015).Modeling enablers of supply chain risk mitigation in electronic supply chains: A grey-dematel approach. Computers & Industrial Engineering. 110و 102-118.
[24] Cao, E., Wan, C., & Lai, M., (2013). Coordination of a supply chain with one manufacturer and multiple competing retailers under simultaneous demand and cost disruptions. Int. J. Production Economics, 141, 425-433.
[25] Zegordi, S.H., Davarzani, H., (2012). Developing a supply chain analysis model: Application of colored Petri-nets. Expert Systems with Applications, 39, 2102-2111.
[26] Schmitt, A., Singh, M., (2012). A quantitative analysis of disruption risk in a multi-echelon supply chain. Int. J. Production Economics, 139, 22-32.
[27] Sawik, T., 2011. Selection of supply portfolio under disruption risks. Omega, 39, 194-208.
[28] 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
[29] Meena, P.L., Sarmah, S.P., & Sarkar, A., (2011). Sourcing decisions under risks of catastrophic event disruptions. Transportation Research Part E, 47, 1058-1074.
[30] Kamalahmadi, M., Mellat Parast, m., (2017). An assessment of supply chain disruption mitigation strategies. International Journal of Production Economics. Volume 184, pages 210-230.
[31] 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. 116, 72-78.
[32] Behdani, B., Lukszo, z., Srinivasan, R., (2019). Agent- oriented simulation framework for handling disruptions in chemical supply chains. Computers& Chemical Engineering. 122, 306-325.
[33] 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.
