دانلود رایگان مقاله انتخاب تامین کننده با استفاده از مدل چند معیاره TOPSIS

چکیده

        انتخاب تامین کننده , مسئله بسیار حیاتی در مدیریت زنجیره تامین (SCM) است. در سال های اخیر، انتخاب تامین کنندگان در زنجیره تامین به عامل تعیین کننده ای برای تشکیل یک موازنه بین معیارهای کیفی و کمی تبدیل شده است. این معیارها برای تصمیم گیری های نهایی در مورد انتخاب تامین کننده به طور جامع مورد بحث و بررسی قرار می گیرند. با این حال، این تصمیمات معمولاً به معیارهای مختلف و یا اهداف مختلف در میان تمام پارامترهای متضاد امکان پذیر مرتبط می شود. این مطالعه با موضوع غیرقطعی انتخاب تامین کننده با استفاده از مدل TOPSIS یکپارچه برای تصمیم گیری چند معیاره (MCDM) سر و کار دارد. مزیت این کار اینست که بین معیارهای هزینه (کمتر و بهتر) و سود (بیشتر و بهتر) تمایز قائل می شود و راه حل هایی را انتخاب می کند که از راه حل ایده آل مثبت و منفی , نزدیکترین و دورترین هستند. تجزیه و تحلیل حساسیت برای بررسی اثر وزن معیارها بر انتخاب تامین کننده انجام شده است. یک مدل محاسباتی برای یک واحد تولید فولاد کوچک در هند نشان داده شده است.

1. مقدمه

          انتخاب تامین کننده , جنبه بسیار حیاتی در SCM است که شرکت ها حداقل 60 درصد کل فروش خود را روی خرید آیتم هایی مانند قطعات، اجزا و مواد خام صرف می کنند [1]. علاوه بر این، تولیدکنندگان , خدمات و کالاها را با استفاده از حدود 70 درصد هزینه محصول تدارک می بینند [2]. انتخاب تامین کننده , یک حوزه با اهمیت بسیار زیاد است و باید به عنوان یک جنبه تاکتیکی در نظر گرفته شود.

         در طول دهه 1990 , تولیدکنندگان تلاش کردند تا مشارکت های استراتژیک را برای بهبود اولویت و رقابت در مدیریت خود توسعه دهند. انتخاب و ارزیابی تامین کننده , وظایف پیچیده ای برای تصمیم گیرندگان هستند زیرا برای در نظر گرفتن معیارهای مختلف نیاز هستند. Dickson [4] ,  23معیار برای انتخاب تامین کننده را شناسایی نمود که بر اساس آن , Weber et al. [5] عملکرد تأمین کنندگان را با توجه به معیارهای قیمت، تحویل، کیفیت، محل، قابلیت فنی، قابلیت تولید، موقعیت صنعتی، شهرت، ثبات مالی، قابلیت نگهداری و تاریخ، اندازه گیری نمودند. ایوانز [6] , معیارهای کلیدی مختلف برای انتخاب تامین کننده مانند قیمت، کیفیت و تحویل را مورد مطالعه قرار داد

          به تازگی، نوشته های مدیریت بازاریابی , توجه چشمگیری فرایند به انتخاب تامین کننده معطوف نموده است. چند معیار معدود  عبارتند از: سودآوری تامین کنندگان، قابلیت های فناورانه، نزدیک بودن رابطه، حل و فصل منازعات و کیفیت عملکرد. لین و چانگ [7] تأکید می کنند که شهرت، پاسخگویی مشتری، ارتباطات، نزدیک بودن رابطه و موقعیت صنعت در انتخاب فروشنده ضروری است. با توجه به ماهیت نادرست، نادرست، مبهم و غیرقابل اطمینان داده ها، مدل سازی بسیاری از شرایط ممکن است غیرکافی یا غیر دقیق باشد [8].

         یکی از مهمترین کارکردهای کسب و کار، تامین منابع استراتژیک (SS) است. با توجه به گسترش بخش تدارکات، در حال حاضر SS یک بخش ضروری از برنامه شرکت برای پوشش طرح های خرید است. شرکت ها علاقه مند به پیدا کردن چگونگی ارائه سریع امکانات به مشتریان با قیمت مناسب در مقایسه با رقبای خود هستند. بنابراین، مدیران متوجه شدند که باید در یک سیستم متقابل با بهترین شرکت در شبکه های تدارکاتی خود شامل انبارها، تامین کنندگان، مشتریان بدون شک، واحد های تولید و مراکز توزیع، کار کنند. دوام درازمدت شرکت بر اساس انتخاب تصمیم گیرنده تعیین می شود [9].

          لیائو و کوا [10] مسائل مربوط به انتخاب تامین کننده در SCM را مورد تجزیه تحلیل قرار دادند. هر دو معیارهای کیفی و کمی , معیارهای چندگانه برای مسئله انتخاب تامین کننده را پیچیده تر می کنند [11]. روش ها برای تصمیم گیران به شیوه ای مناسب برای مقابله با مسئله مربوط به انتخاب تامین کننده به طور موثرتر توسعه می یابند [12]. کاربردهای مدل های مختلف نوع فازی در چارچوب مسائل تصمیم گیری [13] مورد کاوش قرار می گیرند. لیائو و کوا [10] , رویکردهای MCGP و TOPSIS فازی را به طور همزمان برای مسائل انتخاب عرضه کننده با استفاده از عدد فازی ذوزنقه ای ارائه دادند. آساوا و همکاران [14] , یک رویکرد AHP را در یک واحد تولید دارو در غنا برای ارزیابی و انتخاب تامین کنندگان گزارش کردند. کومار و روی [15] عواملی را مورد مطالعه قرار دادند که از نظر کمیتی برای دستیابی به تامین کنندگان مناسب مهم هستند. وانگ و همکاران [16] به طور مشترک برای انتخاب تامین کننده، برنامه ریزی پیشگیرانه (PGP) و فرایند سلسله مراتبی تحلیلی (AHP) را ارائه دادند. اصطلاحات زبان شناختی یا مفاهیم مبهم برحسب ارزش تردید برای تدوین مدل برای شرایط زندگی- واقعی ارائهمی شوند [17]. Amid et al [2] یک مدل خطی چند هدفه را با استفاده از نظریه فازی برای غلبه بر ضعف اطلاعات ارائه کردند. Amid et al [18] , مسائل انتخاب تامین كننده را با استفاده از مدل حداكثر-حداقل وزنی فازي براي حل موثر یک مسئله تعریف کردند. چن [19] در مورد توضیح هر وزن معیار و هر جایگزین با مقادیر زبان شناختی که می تواند بر حسب اعداد فازی مثلثی (TFN) چارچوب بندی شود، مطالعه نمودند. چانگ و همکاران [20] , یک روش جدید MCGP را برای ارزیابی خانه ها به منظور کمک به خریداران خانه برای یافتن یک خانه مناسب پیاده سازی کردند. لتورا و همکاران [21] , فشار اکولوژیکی از بازارها، دانش مشتری و سهامداران مختلف تحلیل کردند. این کار کمک می کند تا مدیران و متخصصان کسب و کار , موثرترین تامین کننده برای پایداری در زنجیره تامین را ارزیابی نمودند. Sureeyatanapas و همکاران. [22] , روش TOPSIS را تجزیه و تحلیل کردند تا انتخاب منطقی یک تامین کننده را تسهیل نمایند حتی وقتی عدم دسترسی و یا عدم قطعیت اطلاعات برآورد ظاهر می شود. Cheraghalipour و Farsad [23] یک ابزار تصمیم گیری برای حل تخصیص سفارش پایدار و مسئله انتخاب تامین کننده در محیط چند منظوره، چند تامین کننده و چند دوره ای با توجه به تخفیف های عمده در معرض ریسک های اختلال پیشنهاد دادند.

          در این مطالعه فعلی، مسئله انتخاب چند تامین کننده با استفاده از مدل TOPSIS فازی مورد بررسی قرار گرفته است. در مورد اول، اصطلاحات زبان شناختی در TFN چارچوب بندی می شوند تا وزن های رتبه بندی و معیارها برای انتخاب یک تامین کننده محاسبه شوند. در مورد دوم، مدل TOPSIS فازی برای به دست آوردن ضرایب نزدیک بودن تامین کنندگان اعمال می شود. در نهایت، تحلیل حساسیت برای ارزیابی احتمال ممکن وزن های معیارها بر برآورد عملکرد تامین کنندگان انجام می شود.

2. TOPSIS فازی

          Zadeh [24] , نظریه فازی را به عنوان تقویت نشانه گذاری کلاسیک مجموعه معرفی کرد. یک TFN مثبت می تواند با استفاده از سه نقطه مانند   بیان شود که در شکل 1 نشان داده شده است. 

Abstract

          Selection of supplier is very critical problem in supply chain management (SCM). In the recent years, selection of suppliers in the supply chain has become very decisive to mould a trade-off between the qualitative and quantitative criteria. These criteria are considered for making final decisions on supplier selection advertently and comprehensively. However, these decisions usually in- volve in various criteria or objectives to compromise among all possible conflicting parameters. This study deals with the uncertain issue of the supplier selection using integrated TOPSIS model for multi criteria decision making(MCDM). The advantage is that it distinguishes between the cost (less the better) and benefit (more the better) criteria and select the solutions which are closest and farthest from the positive and negative ideal solution. Sensitivity analysis is carried out to investigate the effect of criteria weights on the supplier selection. A computative model is illustrated for a small scale steel manufacturing unit in India.

1. Introduction

          Selection of supplier is very critical aspect in SCM where firms expend minimum 60 percent of its total sales on purchasing items like parts, components and raw materials [1]. Further, manufacturers procure services and goods us- ing upto 70 percent of product cost [2]. Supplier selection is a region of enormous significance and must be considered as a tactical aspect in effectual SCM.

         During 1990s, manufacturers attempted to develop strategic partnerships to improve their management’s preference and competitiveness [3]. Supplier selection and evaluation are complex tasks for decision makers as they required to consider various criteria. Dickson [4] recognized 23 criteria for the selection of supplier based on which Weber et al. [5] measured supplier performance considering the criteria of price, delivery, quality, location, technical capability, productive capability, industry position, reputation, financial stability, maintainability and history. Evans [6] studied various key criteria for the selection of supplier such as price, quality and delivery.

         Recently, the marketing management literature has been paid considerable attention to the supplier selection pro- cess. Few important criteria are: suppliers’ profitability, technological capabilities, relationship closeness, conflict resolution and performance quality. Lin and Chang [7] emphasized that reputation, customer responsiveness, com- munication, relationship closeness and industry position are necessary in vendor selection. Due to inexact, imprecise, vague and uncertain nature of data, modeling of many situations may be insufficient or inexact [8].

          The one of the most important business function is strategic sourcing (SS). Under the expanded heading of logistics, now SS is an essential segment of the firm program to cover the purchasing schemes. Companies are interested to find out how they can provide facilities to the customers rapidly with reasonable pricing compared to their competitors. So, managers realized that they should work in a mutual system with the best corporation in their logistics networks containing warehouses, suppliers, customers undoubtedly,production units and the distribution centers. The long-term viability of the company is determined on the selection of supplier decision [9].

         Liao and Kao [10] analyzed issues related to selection of supplier in SCM. Both qualitative and quantitative criteria make multi criteria for selection of supplier problem more complex [11]. Methods are developed for decision makers in a suitable way to deal with the problem related to the selection of supplier more effectively [12]. The applications of various type fuzzy models are explored in the context of decision making problems [13]. Liao and Kao [10] presented MCGP and fuzzy TOPSIS approaches simultaneously for selection of supplier problems using trapezoidal fuzzy number. Asamoah et al. [14] reported an AHP approach in a pharmaceutical manufacturing unit in Ghana for evaluation and selection of suppliers. Kumar and Roy [15] studied factors which are qualitatively important to obtain suitable suppliers. Wang et al. [16] presented preemptive goal programming (PGP) and analytic hierarchy process (AHP) jointly for selection of supplier. The linguistic terms or vague concepts are represented in crisp value to formulate the model for real-life situations [17]. Amid et al. [2] proposed a multi objective linear model using fuzzy theory to overcome the blurriness of the information. Amid et al. [18] defined the supplier selection problems using fuzzy weighted max-min model to solve a problem effectively. Chen [19] studied about the elaboration of each criterion weight and each alternative by linguistic values which could be framed in triangular fuzzy numbers (TFN). Chang et al. [20] implemented a new method of MCGP to evaluate the houses in order to help home buyers to find a suitable house. Luthra et al. [21] analyzed the ecological pressure from markets, customer knowledge and various stakeholders. It helps managers and business professionals to assess the most effective supplier for sustainability in supply chain. Sureeyatanapas et al. [22] analyzed the TOPSIS method to make easy for practitioners to logically select a supplier even when unavailability and /or uncertainty of the estimation information emerge. Cheraghalipour and Farsad [23] proposed a decision making tool to solve the sustainable order allocation and selection of supplier problem in multi-item, multi-supplier and multi-period environment considering bulk rebate under disruption risks.

         In this current study, multi supplier selection problem is addressed using fuzzy TOPSIS model. In the first case, linguistic terms are framed in TFN to compute rating and criteria weights for the selection of a supplier. In the second case, fuzzy TOPSIS model is applied to get the supplier closeness coefficients. Finally, sensitivity analysis is carried out for evaluating the possible effect of criteria weights on the performance estimation of suppliers.

2. Fuzzy TOPSIS

        Zadeh [24] introduced fuzzy theory as an augmentation of the classical notation of set. A positive TFN can be expressed using three points such as: B˜ = (n, o, p) which is depicted in Fig. 1.

چکیده

1. مقدمه

2. TOPSIS فازی

3. یک مطالعه موردی

4. تجزیه و تحلیل حساسیت

5. نتیجه گیری ها

منابع

Abstract

1. Introduction

2. Fuzzy TOPSIS

3. A Case Study

4. Sensitivity Analysis

5. Conclusions

References