استفاده از روش خوشه‌بندی و روشTOPSIS برای انتخاب تأمین‌کنندگان با محدودیت عرضه

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی صنایع، دانشگاه پیام نور، تهران

2 استادیار گروه مهندسی صنایع، دانشگاه پیام نور، تهران

چکیده

  بررسی زنجیره ‌تأمین معمولاً دو مشکل اساسی دارد. مشکل اول زمانی ظاهر می‌شود که تعداد تأمین‌کنندگان، محصولات و اقلام بسیار زیاد باشند. امروزه به‌خاطر پیچیدگی سیستم‌های تولیدی، تأمین‌کنندگان با محدودیت‌هایی مواجه هستند. این همان مشکل دوم است. یکی از محدودیت‌ها این است که تقاضاها باید توسط تأمین‌کنندگان به ‌طور کامل ارضا شوند. در این مقاله، این مشکل از طریق خوشه‌بندی اقلام و تأمین‌کنندگان و نیز استفاده از روش TOPSIS حل می‌شود. روش پیشنهادی در شرکتی تولیدی به عنوان مطالعه موردی پیاده‌‌سازی می‌شود. در انتها نتایج به دست آمده از روش پیشنهادی با روش DEA که نتایج‌شان مشابه است، مقایسه می‌شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Utilization of Clustering and TOPSIS Method for Selecting Suppliers with Supply’s Limitation

نویسندگان [English]

  • Mahmood Masnadjam 1
  • Ramin Sadeghian 2
1 M.sc of Industrial Engineering Department, Tehran Payam Noor University Tehran, Iran
2 Assistant Professor of Industrial Engineering Department, Tehran Payam Noor University, Tehran, Iran
چکیده [English]

Generally supply chain's investigation has two basic problems. The first problem occurs when the number of suppliers, products and items are very much. Nowadays, due to the complexity of production systems, the suppliers have some limitations. This is the second problem. One of the constraints is that the demands should be completely met by suppliers. In this paper, the mentioned problem is solved by clustering both items and suppliers, and also applying TOPSIS model. The proposed method is performed on a production plant as a case study; also the obtained results are compared with the results of DEA method. The results of both methods are the same. 

کلیدواژه‌ها [English]

  • Supply Chain
  • Suppliers Selection
  • Clustering
  • Topsis model

1- مقدمه

از دهه 90 میلادی مفاهیم زنجیره تأمین بیش از هر زمان دیگری مورد توجه تولیدکنندگان و عرضه‌کنندگان قرار گرفت. بها دادن به تمامی بخش‌های مؤثر بر تهیه، تولید و تحویل کالا و خدمات به مشتری نهایی منجر به پدیدآمدن مفهومی اساسی به‌نام "زنجیره‌تأمین"[1] گردید (تیموری، 1378).

 از زمان پیدایش مفهوم زنجیره‌تأمین، مقالات، پایان‌نامه‌‌ها و تحقیقات گسترده‌ای بر روی تعاریف، مفاهیم و خصوصیات آن صورت گرفته‌است )الرام[2]، 1991؛ کریستوفر[3]، 1992؛ لی و همکاران[4]، 1992؛ بلاک هورست و همکاران[5]، 2005؛ فلین و همکاران[6]، 2010؛ ناگورنی[7]، 2010؛ ژو و همکاران[8]، 2009(

در مسائل زنجیره‌تأمین چنانچه تعداد تأمین‌کنندگانی که می‌توانند اقلام مشابهی را عرضه نمایند، بیش از یک تأمین‌کننده باشد، دو سؤال اصلی مطرح می‌شود,

سؤال اول) کدام یک از تأمین‌کنندگان برای عرضه اقلام موردنظر انتخاب گردند؟

سؤال دوم) هر تأمین‌کننده چه میزان از اقلام موردنظر را عرضه نماید؟ ( دیمیرتاس و همکاران[9]، 2008)

بیکر و همکارش از روش تحلیل پوششی دادها (DEA)[10] برای انتخاب تأمین‌کنندگان باتوجه به کارآیی‌شان استفاده کردند (بیکر و همکاران[11]،1997). چوی و همکارانش از روش [12]CBR برای مسأله انتخاب تأمین‌کننده استفاده کردند (چوی و همکاران[13]، 2002). بارلا  یک روش ارزیابی تأمین‌کننده مبتنی بر روش [14]SMART را برای یک کارخانه‌ی شیشه‌سازی ارائه داد (بارلا[15]، 2003). دینگ و همکارانش یک مدل بهینه‌سازی برای مسأله‌ی انتخاب تأمین‌کننده با استفاده از الگوریتم ژنتیک ارائه کردند (دینگ و همکاران[16]، 2005).

    مدل‌های تصمیم‌گیری چندمعیاره اعم از چندهدفه و چندشاخصه نیز در انتخاب تأمین‌کنندگان به کرّات استفاده شده‌اند. مورالدیاران یک روش فرایند تحلیل سلسله مراتبی را برای انتخاب تأمین‌کنندگان ارائه نمود (مورالدیاران[17]، 2002). قهرمان و همکارانش  از روش فرایند تحلیل سلسله مراتبی فازی برای انتخاب تأمین کنند‌گان در یک شرکت ترکیه‌ای استفاده کردند (قهرمان و همکاران[18]، 2005). تالوری و همکارش یک مدل برنامه‌ریزی ریاضی خطی برای ارزیابی تأمین‌کنندگان بالقوه با توجه به میزان عملکرد تأمین‌کنندگان موجود، ارائه کردند (تالوری و همکاران[19]، 2005). بوتانی و همکاران نیز با استفاده از روش خوشه‌بندی و مدل‌ ‌AHP روالی برای انتخاب تأمین‌کنندگان با محوریت کاهش یافتن زمان تحویل نهایی ارائه دادند (بوتانی و همکاران[20]، 2007). تحقیقات متعدد دیگری نیز در زمینه انتخاب تأمین‌کنندگان قابل مشاهده است (ان جی[21]، 2008؛ لیو و همکاران[22]، 2005؛ هونگ و همکاران[23]، 2005؛ قدسی پور و همکاران[24]، 2001؛ ناراسیمان و همکاران[25]، 2001)

با توجه به اینکه زاناکیس و همکاران  ثابت کردند که با افزایش تعداد گزینه‌ها در روش‌های تصمیم‌گیری چندمعیاره، این روش‌ها ناکارامد شده و قادر به اولویت‌بندی گزینه‌ها نیستند، بنابراین، در حالتی‌‌که تعداد تأمین‌کنندگان و اقلام مورد تقاضا زیاد باشد، بهتر است از روش‌هایی استفاده نمود که قابلیت استفاده در حجم بالای تأمین‌کنندگان و اقلام مورد تقاضا را دارا باشد (زاناکیس و همکاران[26]، 1998).

برخی از این روش‌ها عبارتند از,

  1. روش‌های طبقه‌بندی[27] و خوشه‌بندی[28]
  2. روش DEA
  3. سیستم های CBR

در این مقاله در راستای برآورده نمودن دو محدودیت ذیل به‌صورت توأم که در تحقیقات قبلی معمولاً به صورت جداگانه منظور می‌شدند، از یک روش خوشه‌بندی به شکل مناسبی استفاده می‌گردد. این دو محدودیت عبارتند از,

1) تأمین‌کنندگان در عرضه انواع اقلام دارای محدودیت بوده و تمام انواع اقلام را نمی‌توانند ارائه نمایند.

2) تمام تقاضاها باید جبران گردد.

برای برطرف نمودن محدودیت‌های مذکور، از روش‌ خوشه‌بندی AGNES[29] برای تأمین‌کنندگان و اقلام به‌طور جداگانه و نیز از روش TOPSIS در دو مرحله استفاده می‌گردد که نحوه پیاده‌سازی مدل پیشنهادی در ادامه توضیح داده‌می‌شوند. البته، استفاده از روش خوشه‌بندی AGNES و روش تصمیم گیری TOPSIS علت خاصی ندارد و هر روش مناسب خوشه بندی و تصمیم گیری دیگری نیز می تواند در این الگوریتم استفاده شود، منتها این دو روش همان گونه که در ادبیات موضوع نیز عنوان شد، بیشتر مورد استفاده و پسند محققان قرار دارد. در ادامه روش خوشه‌بندی AGNES معرفی شده و سپس الگوریتم پیشنهادی برای تخصیص و نیز یک مطالعه موردی در یک شرکت قطعه سازی ارائه می‌گردد و نتایج حاصل از الگوریتم پیشنهادی با نتایج به دست آمده از روش DEA مقایسه می‌شود.

 

1-1-     بیان مسأله

در این تحقیق تعداد تأمین‌کنندگان و اقلام بسیار زیاد در نظر گرفته می‌شوند، و با توجه به زیاد بودن تعداد تأمین‌کنندگان و اقلام، نمی‌توان از روش‌های تصمیم‌گیری به طور مستقیم استفاده نمود. زاناکیس و همکاران (1998) نشان دادند که با افزایش تعداد گزینه‌ها در روش‌های تصمیم‌گیری چند شاخصه، این روش‌ها ناکارامد شده و قادر به نمایش اهمیت و اولویت‌‌بندی صحیح گزینه‌ها نیستند، بنابراین، در این تحقیق برای تخصیص از یک روش خوشه‌بندی، تأمین‌کنندگان و اقلام را دسته‌بندی نموده و سپس از مدل‌های تصمیم‌گیری چندشاخصه استفاده می‌شود  و یک الگوریتم نیز برای پیاده‌سازی روش مذکور پیشنهاد می‏گردد.

 

1-2-   مفروضات تحقیق

  • مطلوبیت معیارها به‌طور یکنواخت افزایشی یا کاهشی بوده و این فرض برای تمام معیارهای درنظر گرفته‌شده صادق است.
  • مجموع عرضه تمام تأمین‌کنندگان  از میزان اقلام مورد تقاضا بیشتر است.
  • تعداد تأمین کنندگان و تعداد اقلام می‌تواند بسیار زیاد باشد.
  • میزان عرضه اقلام از جانب تأمین کنندگان محدودیت دارد.

2-     ارائه مدل پیشنهادی

2-1-  روش خوشه‌بندی AGNES

در این تحقیق از الگوریتم AGNES که در بین روش‌های خوشه‌بندی، جزء روش‌های سلسله مراتبی از نوع ترکیبی است، استفاده می‌گردد. در روش AGNES ابتدا هر شی در داخل یک خوشه جداگانه قرار می‌گیرند. مثلاً در شکل(1) برای مجموعه‌ی {a,b,c,d,e}، ابتدا 5 خوشه تک عضوی در نظر گرفته می‌شود. سپس خوشه‌ها گام به گام و براساس فواصل اقلیدسی و مبتنی بر معیارهای در نظر گرفته ‌شده با هم ترکیب شده و به خوشه‌های بزرگتری تبدیل می‌گردند.

 

 

 


 

 

شکل(1): یک نمونه از مراحل خوشه‌بندی از طریق روش AGNES

 

در روش خوشه‌بندی AGNES از فواصل مابین مراکز خوشه‌ها استفاده می‌شود که به معیار c-means معروف است. به‌عبارت دیگر فاصله‌ مابین دو خوشه برابر با فاصله‌ی مراکز دو خوشه و یا میانگین مختصات مربوط به هر خوشه است (غضنفری و همکاران، 1385).

 

2-2-  الگوریتم پیشنهادی

الگوریتم پیشنهادی در این مقاله در طی 9 مرحله کلی، مشابه شکل (2) ارائه می‌گردد که گام‏های آن به طور کاملتر در ذیل توضیح داده می‌شود.

 

گام صفر) شروع

گام 1) تعیین معیارها و اوزان معیارهای اقلام

تعیین نمودن معیارها و محاسبه‌ی وزن مربوط به هر معیار، اولین گام روش حل پیشنهادی است. معیارهای اقلام بهتر است توسط متخصصان یا خبرگان بخش مورد بحث و متناسب با روش حل و مسأله‌ی مورد نظر تعیین گردند. وزن معیارها نیز می‌تواند از طریق روش‌هایی مانند آنتروپی، AHP، وزن‌دهی مستقیم افراد خبره و یا به ‌صورت ترکیبی از آنها تعیین گردد (اصغرپور، 1388). البته،، لازم نیست اشاره شود، معیارها بهتر است مستقل باشند تا هم کارایی روش بالاتر رود و هم در جمع آوری داده‏های نسبتاً تکراری صرفه‌جویی به عمل آید. برای مستقل بودن یا نبودن معیارها می‌توان از آزمون های مناسب و یا به کمک نرم افزارهای مناسب آن را بررسی نمود، ولیکن، مستقل نبودن معیارها و یا استقلال کامل نداشتن آنها خللی در مراحل روش الگوریتم و پیاده‌سازی آن وارد نمی‌کند، بلکه، فقط یک حسن محسوب می شود.

 

 

شکل (2): مراحل اجرای الگوریتم پیشنهادی

 


گام 2) خوشه‌بندی اقلام

در این مقاله از روش خوشه‌بندی AGNES برای خوشه‌بندی اقلام استفاده می‌شود. یک ماتریس
 m1 × n1 از مشخصات اقلام در دست است، که n1 تعداد اقلام و m1 تعداد معیارهای مربوط به خوشه‌بندی اقلام است. با توجه به این ماتریس، ماتریس فاصله اقلیدسی بین اقلام مختلف در یک فضای m1 بعدی برای خوشه‌بندی اقلام مشخص و استفاده می‌گردد. تعداد خوشه‌ها طوری انتخاب می‌شوند که تعداد اقلام درون هر خوشه تاحد قابل قبولی از دید خبرگان قرار گیرند. البته، در این مرحله، برای تعداد خوشه‌ها محدودیتی وجود ندارد.

گام 3) رتبه‌بندی خوشه‌های اقلام با استفاده از روش TOPSIS

پس از آنکه خوشه‌‌بندی اقلام انجام گردیده و خوشه‌ها مشخص شد، روش TOPSIS طوری استفاده می‌شود که با در نظرگرفتن تعدادی معیار مناسب به‌ازای خوشه‌ها، بتوان خوشه‌های تعیین شده را رتبه‌بندی نمود. البته، این معیارها می‌توانند با معیارهای اقلام یکسان هم در نظر گرفته شوند (آذر و همکاران، 1387). به این ترتیب درصورتی‌که تعداد اقلام بسیار زیاد باشند، با خوشه‌بندی می‌توان مدل‌های تصمیم‌گیری چندشاخصه را به‌ازای تعداد کمتری از عناصر به ‌کار برد.

گام 4) تعیین معیارهای تأمین‌کنندگان و محاسبه اوزان آنها

مشابه گام (1)، برای تأمین‌کنندگان نیز معیارهایی برای خوشه‌بندی و رتبه‌بندی خوشه‌ها درنظر گرفته و از روش‌های مذکور، اوزان آنها تعیین می‌شوند. در این گام نیز خبرگان می‌توانند در تعیین معیارها و اوزان آنها مؤثر باشند.

 

گام 5) خوشه‌بندی تأمین‌کنندگان

پس از تعیین معیارها و اوزان آنها مطابق گام (4)، از روش خوشه‌بندی AGNES آنها را به تعداد مناسب خوشه‌بندی نمایید. در این گام نیز تعدادی معیار برای خوشه‌بندی تأمین‌کنندگان درنظر گرفته می‌شود. نقطه‌ی شروع این مرحله یک آرایه‌ی m2 × n2 بعدی است. که در آن n2 تعداد تأمین‌کنندگان و m2 تعداد معیارها برای ارزیابی تأمین‌کنندگان است. بهتر است تعداد خوشه‌ها طوری انتخاب شود که تعداد تأمین‌کنندگان موجود در هر خوشه بیش از 20 تأمین‌کننده نباشد (غضنفری و همکاران، 1385).

 

گام 6) رتبه‌بندی خوشه‌های تأمین‌کنندگان با استفاده از روش TOPSIS

همانند گام (3) از روش TOPSIS برای رتبه‌بندی خوشه‌ها به‌جای خودِ تأمین‌کنندگان استفاده می‌شود.

 

گام 7) رتبه‌بندی تأمین‌کنندگان داخل هر خوشه

با توجه به اینکه یکی از محدودیت‌های اصلی این تحقیق، تأمین تمامی تقاضا‌هاست، از این رو، برای تخصیص اقلام به تأمین‌کنندگان، نیاز به رتبه‌بندی تأمین‌کنندگانِ موجود در هر خوشه به ‌کمک یکی از مدل‌های تصمیم‌گیری چند شاخصه مانند روش TOPSIS است. با توجه به توضیحات مربوط به گام (5)، تعداد تأمین‌کنندگان درون هر خوشه بهتر است بیش از 20 تأمین‌کننده نشود. در این ‌صورت بهتر است روند خوشه‌بندی پیش، همچنان ادامه یابد تا تمام خوشه‌ها از حداکثر مجاز بیشتر نشود.

 

گام 8) تخصیص اقلام به تأمین‌کنندگان برای سفارش

در این گام باید روشی را اتخاذ نمود تا اقلام به تأمین‌کنندگان به‌نحوی تخصیص یابند که دو سؤال زیر پاسخ داده شود,

1-    کدام‌یک از تأمین‌کنندگان انتخاب شوند؟

برای انتخاب تأمین‌کنندگان، خوشه با بالاترین اولویت را که هنوز تأمین‌کننده‌ی تخصیص داده نشده‌ای دارد، انتخاب نموده و در خوشه مذکور نیز تأمین‌کننده تخصیص داده نشده با بالاترین اولویت را درنظر بگیرید.

2-    چه میزان از اقلام توسط هر تأمین‌کننده عرضه گردد؟

نحوه تعیین میزان اقلام قابل عرضه توسط تأمین‌کنندگان بدین صورت است که هر تأمین‌کننده‌ای که براساس سؤال اول انتخاب گردد، باید اقلام تخصیص داده شده را به ‌میزان مورد نیاز  و تا حد ظرفیت خود عرضه نماید. در حالتی که یک تأمین‌کننده نتواند به تنهایی نیاز برخی اقلام را تأمین کند، باید از تأمین‌کنندگان در اولویت‌های بعدی استفاده گردد. این روند تا ارضای کامل تقاضای تمامی اقلام توسط تأمین‌کنندگان ادامه می‌یابد.

 

گام 9) پایان

 در بخش بعدی الگوریتم پیشنهادی بر روی یک کارخانه‌ی تولید قطعات خودرو پیاده‌سازی شده و سپس نتایج حاصل از الگوریتم پیشنهادی با نتایج حاصل از روش DEA مقایسه می‌گردد.

 

3-   مطالعه‌ موردی

برای پیاده‌سازی مدل پیشنهادی، کارخانه‌ قطعه‌سازان سینا، واقع در شهرک صنعتی بوعلی در شهر همدان که در سال 1378 تأسیس گردیده و حدود 100 پرسنل دارد، در نظر گرفته می‌شود. تنوع تولیدات این کارخانه زیاد بوده و محصولاتی مانند مکانیزم تعویض دنده انواع خودرو‌های سواری از قبیل پراید، زانتیا، پژو 405، پژو 206، سمند، 90L، ریو و نیز پدال‌ گاز خودروهای سورن و پژو 405 تولید می‌کند. این کارخانه تولیدی با شرکت‌هایی مانند ساپکو برای تأمین قطعات شرکت ایران‌خودرو، شرکت سازه‌گستر برای تأمین‌ قطعات شرکت سایپا و با شرکت رنو در فرانسه به‌ عنوان یکی از تأمین‌کننده‌های معتبر همکاری دارد. سهم این کارخانه در بازار برای مکانیزم‌های تعویض دنده خودرو‌ها به‌ازای انواع خودروها به‌ صورت
 جدول (1) است.

 

 

جدول(1): سهم بازار کارخانه مورد مطالعه

 

پراید

زانتیا

پژوه 405

پژوه 206

سمند

L90

ریو

سورن

مکانیزم تعویض دنده

70%

100%

70%

50%

70%

100%

100%

0

پدال گاز

0

0

80%

0

0

0

0

80%

 

 

تعداد تأمین‌کنندگانی که در تأمین قطعات موردنیاز شرکت، مشارکت دارند 42 تأمین‌کننده است و این کارخانه برای تولید محصولات خود، از 94 قطعه‌‌ ورودی به کارخانه اعم از ساختنی و خریدنی استفاده می‌کند. برای قطعات[30] مذکور، معیارهایی به صورت ارزش افزوده، میزان تقاضا و مدت زمان مؤثر در تولید و ضرایب اهمیتی به ترتیب معادل
 0.3، 0.4 و 0.3 توسط افراد خبره این کارخانه در نظر گرفته می‌شوند. این سه معیار کاملاً مستقل بوده و به طور مستقیم از پیشنهاد کارشناسان خبره شرکت مذکور استفاده می‏شود.

ارزش افزوده، به میزان افزایش ارزش پولی‌ای که یک قطعه در محصول نهایی ایجاد می‌کند، اطلاق می‌شود.
تقاضا، به میزانی از هر قطعه گفته می‌شود که شرکت تولیدی در هر واحد از زمان به آن نیازمند است. در این مقاله، دوره‌های زمانی به صورت هفتگی درنظر گرفته می‌شوند. همچنین، منظور از مدت زمان مؤثر در تولید، فاصله زمانی از ورود هر قطعه تا تکمیل محصول نهایی است. واحد مورد استفاده در این مقاله برای این معیار، ثانیه است (بوتانی، 2007)

در ادامه، گام‌های الگوریتم پیشنهادی با‌توجه به پیاده‌سازی در شرکت مذکور، ارائه می‌گردد.

 

3-1 - خوشه‌بندی اقلام

اطلاعات اقلام مورد نیاز شرکت با توجه به سه معیار ارزش افزوده، میزان تقاضا و مدت زمان مؤثر در تولید و ضرایب اهمیت‌شان که به‌ترتیب معادل با 0.3، 0.4 و 0.3 است، ابتدا بی‌مقیاس نموده و سپس با استفاده از الگوریتم AGNES، این اقلام به 10 خوشه، خوشه‌بندی می‌شوند. تمامی فواصل در خوشه‌بندی به‌ صورت اقلیدسی در نظر گرفته شده   و تمامی محاسبات با استفاده از نرم‌افزار Matlab برنامه‌نویسی و انجام شده‌است. در این مقاله به ازای هر 10 قلم کالا، طبق نظر افراد خبره، یک خوشه در نظر گرفته می‌شود. از این رو، تعداد کل خوشه‌ها برابر با 10 است. روش بی‌مقیاس‌سازی در اینجا بدین صورت است که برای معیارهای مثبت[31] مقادیر معیارها به بیشترین مقدار موجود برای آن معیار تقسیم می‌شوند و برای معیارهای منفی[32] کمترین‌ مقدار موجود برای آن معیار، بر مقادیر آن معیار تقسیم می‌شوند(اصغرپور، 1388).

 

3-2- رتبه‌بندی خوشه‌های اقلام

با توجه به خوشه‌های به ‌دست آمده از روش AGNES، ماتریس تصمیم‌گیری برای رتبه‌‌بندی خوشه‌ها به‌ صورت جدول (2) بوده و نرمالیزه شده این ماتریس در جدول (3) آمده‌است.

مقادیر مربوط به جدول (2) از میانگین‌گیری حسابی مقادیر تمامی عناصر داخل آن خوشه به ‌دست می‌آید. حال با توجه به جدول (3) و اجرای روش TOPSIS، رتبه‌بندی خوشه‌ها به‌ صورت جدول (4) است.

 

جدول(2): ماتریس تصمیم‌گیری خوشه‌ها

زمان تولید

تقاضا

ارزش افزوده

شماره خوشه

406

2050

115

1

312

2410

119

2

280

2860

128

3

285

2620

160

4

193

2660

148

5

189

2880

147

6

132

3980

93

7

102

4200

93

8

72

4100

90

9

89

5070

88

10

 

جدول(3): ماتریس تصمیم‌گیری نرمالیزه شده

زمان تولید

تقاضا

ارزش افزوده

شماره خوشه

0.165

0.076

0.09

1

0.129

0.088

0.093

2

0.114

0.108

0.099

3

0.117

0.096

0.126

4

0.078

0.1

0.117

5

0.078

0.108

0.117

6

0.054

0.148

0.072

7

0.042

0.156

0.072

8

0.03

0.152

0.069

9

0.036

0.188

0.069

10

 

 

جدول (4): رتبه‌بندی خوشه‌های اقلام

اولویت

1

2

3

4

5

6

7

8

9

10

شماره خوشه

6

2

9

7

8

5

10

3

4

1

 

3-3 - خوشه‌بندی تأمین‌کنندگان

در این مقاله به ازای هر ده تأمین‌کننده، طبق نظر افراد خبره، یک خوشه در نظر گرفته می‌شود. از این رو تعداد کل خوشه‌ها برابر با 5 است.

  نحوه خوشه‌بندی اقلام بر خوشه‌بندی تأمین‌کنندگان و اولویت‌بندی اقلام بر اولویت‌بندی تأمین‌کنندگان اثر می‌گذارد. زیرا معیارهایی مانند کیفیت، قیمت و زمان تحویل از کالایی به کالای دیگر به‌ازای هر تأمین‌کننده متفاوتند. بنابر این برای خوشه‌بندی تأمین‌کنندگان باید براساس تمام اقلامی که هر تأمین‌کننده قادر به عرضه آنها است، برآیندی، صورت گیرد. از این رو، میانگین وزنی اقلام هر تأمین‌کننده محاسبه شده و تأمین‌‌کنندگان بر اساس مقادیر به‌دست آمده خوشه‌بندی می‌گردند. همان‏گونه که اشاره شد، معیارهای درنظر گرفته شده برای تأمین‌کنندگان عبارت از کیفیت، قیمت و زمان تحویل است، که به‌ترتیب دارای ضریب اهمیت 0.2، 0.5، 0.3 هستند. معیار کیفیت به‌صورت یک شاخص کیفی درنظر گرفته و از روش دوقطبی فاصله‌ای مقادیر مربوط به آن به مقادیر کمی تبدیل می‌شوند (آذر و همکاران، 1387).

 

جدول (5): روش دوقطبی فاصله‌ای

خیلی بالا

بالا

متوسط

پایین

خیلی پایین

9

7

5

3

1

 

با توجه به اولویت خوشه‌های اقلام، ضرایب اهمیت خوشه‌ها از خوشه 1 تا 10 به‌ ترتیب به‌صورت 1، 0.95، 0.9، 0.85، 0.8، 0.75، 0.7، 0.65، 0.6 و 0.55  فرض می‌شوند. محاسبات مربوط به فاصله‌ی اقلیدسی در الگوریتم AGNES مانند خوشه‌بندی اقلام با استفاده از نرم‌افزار MATLAB انجام می‌شود.

 

3-4 - رتبه‌بندی خوشه‌های تأمین‌کنندگان

خوشه‌های تأمین‌کنندگان نیز در براساس 3 معیار کیفیت، قیمت و زمان تحویل که استثنائاً همان معیارهای تأمین‌کنندگان[33] هستند، تشکیل یک ماتریس تصمیم‌گیری همانند جدول (6) می‌دهند. ماتریس تصمیم‌گیری مذکور نرمالیزه شده و
 جدول (7) را ارائه می‌دهد.

 

جدول (6): ماتریس تصمیم‌گیری

زمان تحویل (روز)

قیمت

کیفیت

شماره خوشه

27

0.7

0.74

1

21

0.81

0.71

2

16

0.76

0.84

3

21

0.62

0.77

4

16

0.61

0.73

5

 

 

جدول (7): ماتریس تصمیم‌گیری نرمالیزه شده

زمان تحویل (روز)

قیمت

کیفیت

شماره خوشه

0.018

0.225

0.088

1

0.0138

0.255

0.082

2

0.0102

0.245

0.096

3

0.0138

0.200

0.092

4

0.0105

0.195

0.088

5

 

 

حال به‌کمک روش TOPSIS خوشه‌های موجود را رتبه‌بندی نموده و اولویت خوشه‌ها برای تخصیص به‌ صورت جدول (8) قابل مشاهده است.

جدول (8): رتبه‌بندی خوشه‌های تأمین‌کنندگان

اولویت

1

2

3

4

5

شماره خوشه

1

4

5

3

2

 

 

3-5- اولویت‌بندی تأمین‌کنندگان درون هر خوشه‌

برای محاسبه‌ی اولویت‌بندی کلی تأمین‌کنندگان که پیش‌نیاز مرحله‌ی انتخاب و تخصیص تأمین‌کنندگان است، نیاز به اولویت‌بندی درون خوشه‌ایست. در اینجا چون تعداد تأمین‌کنندگان درون تمام خوشه‌ها از 20 کمتر است، مستقیماً از روش TOPSIS استفاده می‌شود، در غیر این‌ صورت باید خوشه‌بندی تا زمانی ادامه یابد که تعداد درون هر خوشه بیش از 20 عنصر نباشد. پس از انجام ا اولویت‌بندی درون خوشه‌ای به‌کمک روش TOPSIS، اولویت‌بندی کلی همانند جدول (9) است.

 

جدول (9): اولویت‌بندی کلی و درون خوشه‌ای تأمین‌کنندگان

شماره تأمین‌کننده

اولویت‌بندی کلی

اولویت درون خوشه‌ای

شماره خوشه

اولویت خوشه

8

1

1

1

1

9

2

2

22

3

3

34

4

4

3

5

1

4

2

13

6

2

24

7

3

36

8

4

31

9

5

35

10

6

41

11

7

37

12

8

38

13

9

26

14

10

4

15

1

5

3

11

16

2

21

17

3

25

18

4

39

19

5

30

20

6

14

21

1

3

4

17

22

2

28

23

3

33

24

4

5

25

5

27

26

6

40

27

7

19

28

8

18

29

9

6

30

1

2

5

10

31

2

23

32

3

12

33

4

16

34

5

2

35

6

1

36

7

15

37

8

32

38

9

29

39

10

20

40

11

42

41

12

7

42

13

 

 

 

3- 6 - تخصیص اقلام به تأمین‌کنندگان

با توجه به اینکه در این مقاله ظرفیت عرضه انواع اقلام توسط تأمین‌کنندگان، محدود و از قبل مشخص است، و با توجه به اولویت‌های به‌ دست آمده برای خوشه‌ها و اقلام، تخصیص اقلام به تأمین‌کنندگان به‌ صورت جدول (10) درنظر گرفته می‌شود. به این ترتیب که مثلاً تکه جدول زیر که از جدول (10) آمده است، نشان دهنده اینست که 800 مورد از قلم 1، توسط تأمین کننده 3 و 2100 مورد آن توسط تأمین کننده 8 صورت گیرد.

 

 اقلام

نحوه تخصیص

1

 

3

 

8

 
 

800

 

2100

 

 

 

 

شکل(3): یک واحد تصمیم‌گیری


3-7 - حل با استفاده از روش DEA

در این مقاله و در روش DEA، کیفیت به ‌عنوان خروجی و قیمت و زمان تحویل به عنوان ورودی در نظر گرفته می‌شوند، زیرا کیفیت بالاتر مطلوبتر و قیمت بالاتر و زمان تحویل طولانی‌تر نامطلوبتر محسوب می‌شوند.

 

با حل مدل فوق با استفاده از نرم‌افزار لینگو اولویت‌بندی همانند جدول (11) به‌دست می‌آید، که با مقایسه با جواب به دست آمده از الگوریتم پیشنهادی در جدول (9)، مشاهده می‌شود که دارای جواب یکسانی هستند، که می‌تواند تا حدودی مهر تأییدی بر اعتبار الگوریتم پیشنهادی باشد. البته، روش DEA نحوه تخصیص را ارائه نمی‌دهد فقط کارایی را بررسی می‌کند، در حالی که روش پیشنهادی نحوه تخصیص را همانند جدول (10) ارائه می‌دهد.

 

4-  نتیجه‌گیری

استفاده‌ همزمان از روش خوشه‌بندی و روش تصمیم‌گیری چند معیاره برای انتخاب تأمین‌کنندگانی که دارای ظرفیت‌های محدودی هستند برای تأمین تعداد زیادی از اقلام ضروری، در این تحقیق مطالعه و بررسی شد.

امروزه با توجه با سرعت زیاد تغییرات در  عوامل تصمیم‌گیری و لزوم واکنش سریع در قبال بروز این تغییرات، نیاز به توسعه‌ی روش‌هایی است که این تغییرات را هر چه سریع‌تر اعمال نموده و به‌کارگیری آنها نیز دارای پیچیدگی چندانی نباشد.

 

جدول (10): تخصیص اقلام به تأمین‌کنندگان

اقلام

نحوه تخصیص

 

اقلام

نحوه تخصیص

 

اقلام

نحوه تخصیص

 

اقلام

نحوه تخصیص

1

 

3

 

8

   

2

 

35

       

3

 

37

       

4

 

34

     
 

800

 

2100

     

2500

         

2300

         

2400

     

5

 

22

       

6

 

8

       

7

 

3

 

8

   

8

 

31

     
 

2550

         

2100

         

1220

 

3000

     

2400

     

9

 

31

       

10

 

13

       

11

 

3

 

8

   

12

 

22

 

35

 
 

2500

         

2350

         

1450

 

3600

     

2000

 

3150

 

13

 

3

 

8

   

14

 

31

 

37

   

15

 

22

 

35

   

16

 

35

     
 

1950

 

2500

     

2000

 

750

     

2500

 

1400

     

2100

     

17

 

22

       

18

 

3

 

8

   

19

 

8

       

20

 

22

     
 

2450

         

2100

 

3000

     

2220

         

2400

     

21

 

35

       

22

 

22

       

23

 

8

       

24

 

37

 

41

 
 

2950

         

2700

         

2950

         

1150

 

1500

 

25

 

8

       

26

 

8

       

27

 

31

       

28

 

24

     
 

2110

         

2500

         

2700

         

3000

     

29

 

22

       

30

 

8

       

31

 

9

       

32

 

25

     
 

3000

         

2500

         

2200

         

3000

     

33

 

3

 

8

   

34

 

4

 

8

   

35

 

31

 

37

   

36

 

34

     
 

500

 

2000

     

1300

 

2000

     

3000

 

20

     

2980

     

37

 

11

       

38

 

41

       

39

 

3

 

8

   

40

 

22

     
 

2180

         

3000

         

350

 

3800

     

2600

     

41

 

17

       

42

 

3

       

43

 

24

 

26

   

44

 

35

     
 

3800

         

2700

         

3500

 

490

     

2050

     

45

 

22

       

46

 

8

 

14

   

47

 

22

       

48

 

22

     
 

2170

         

3000

 

680

     

2610

         

2700

     

49

 

11

 

13

   

50

 

3

 

8

   

51

 

22

       

52

 

24

     
 

140

 

2000

     

1100

 

2000

     

2780

         

4040

     

53

 

31

 

37

   

54

 

13

       

55

 

37

       

56

 

8

     
 

2000

 

800

     

2050

         

2600

         

4210

     

57

 

9

       

58

 

35

       

59

 

9

 

26

   

60

 

35

     
 

2100

         

3020

         

4000

 

400

     

2450

     

61

 

31

 

37

   

62

 

22

       

63

 

22

       

64

 

24

     
 

1800

 

700

     

2500

         

2300

         

2400

     

65

 

34

       

66

 

13

 

34

   

67

 

13

       

68

 

31

 

41

 
 

2400

         

500

 

2000

     

2800

         

2000

 

70

 

69

 

37

       

70

 

4

 

38

   

71

 

4

 

14

   

72

 

35

     
 

2500

         

1400

 

1500

     

1500

 

2000

     

2850

     

73

 

13

       

74

 

31

 

37

   

75

 

31

       

76

 

9

     
 

2400

         

2500

 

180

     

2350

         

2980

     

77

 

22

       

78

 

31

 

37

   

79

 

4

 

14

   

80

 

14

 

38

 
 

2900

         

1500

 

1200

     

2100

 

2000

     

1400

 

2800

 

81

 

4

 

38

   

82

 

10

 

14

   

83

 

6

 

14

   

84

 

21

 

25

 
 

1500

 

3500

     

1700

 

2500

     

1100

 

3100

     

400

 

4000

 

85

 

22

       

86

 

31

 

37

   

87

 

34

       

88

 

13

 

34

 
 

2500

         

2000

 

500

     

2400

         

450

 

2000

 

89

 

35

       

90

 

24

       

91

 

38

       

92

 

4

 

38

 
 

2780

         

3000

         

2700

         

1000

 

2000

 

93

 

37

       

94

 

35

                                 
 

2200

         

2500

                                 

 

 

 

چارچوب اصلی این تحقیق مبتنی بر ترکیبی از مدل‌های موجود در تحقیقات پیشین و و ارائه رویکردی ابتکاری براساس آنها و پیاده‌سازی در محیط‌های واقعی و صنعتی است.

 جدول عرضه‌ی تأمین‌کنندگان تأثیری در اولویت‌بندی تأمین‌کنندگان نداشته و این رو در صورت به ‌روز شدن این جدول و در صورتی ‌که سایر ارزش‌های مربوط به معیارهای تأمین‌‌کنندگان ثابت بماند، می‌توان این تغییرات را فقط در مرحله‌ی تخصیص اعمال نمود، بدون آنکه در مراحل پبیشین خود تأثیری بگذارند.

برای ارزیابی میزان اثر‌گذاری این روش، وضعیت شرکت تولیدی مورد مطالعه، قبل و بعد از پیاده‌سازی روش پیشنهادی مقایسه گردید، و نتایج زیر به‌دست آمد,

1- به علت انتخاب تأمین‌کنندگان با کارایی بالاتر و استفاده از استاندارد‌های تولیدی بالاتر، میزان  سفارش  تخصیص داده شده از طرف کارخانجات بالادستی بیشتر شد. این مقدار از متوسط 1،654،120 واحد در سال به متوسط 1،920،100 واحد در سال افزایش یافت.

2- به علت کاهش یافتن هزینه‌ی خرید و میزان ضریب ضایعات، میزان هزینه‌های تولید کاهش یافت. میزان ارزش پولی ضایعات کارخانه در هر هفته از 153،650 تومان به 133،770 تومان کاهش پیدا کرد.

3- زمان اختصاص یافته به تولید، کاهش یافته و در نهایت میزان تولید سالیانه افزایش یافت. ظرفیت تولید سالیانه از 2،250،500 واحد در سال به 2،440،300 واحد در سال افزایش پیدا کرد.

همان‌طور که از جدول (11) نیز مشاهده می‌شود، به تعدادی از تأمین‌کنندگان، اقلامی برای عرضه اختصاص داده نشده‌است. برخی از تأمین‌کنندگان فقط مجاز به تأمین بخشی از اقلام شدند.

 

 

جدول(11): اولویت‌بندی به‌دست آمده از روش DEA

شماره تأمین‌کننده

8

9

22

34

3

13

24

36

31

35

41

37

38

26

اولویت‌بندی DEA

1

2

3

4

5

6

7

8

9

10

11

12

13

14

                             

شماره تأمین‌کننده

4

11

21

25

39

30

14

17

28

33

5

27

40

19

اولویت‌بندی DEA

15

16

17

18

19

20

21

22

23

24

25

26

27

28

                             

شماره تأمین‌کننده

18

6

10

23

12

16

2

1

15

32

29

20

42

7

اولویت‌بندی DEA

29

30

31

32

33

34

35

36

37

38

39

40

41

42



[1] -Supply Chain

[2]- Ellram

[3]- Christopher

[4]- Lee et al.

[5]- Blackhurst et al.

[6]- Flynn et al.

[7]- Nagurney

[8]- Xu et al.

[9]- Demirtas et al.

[10]- Data Envelopment Analysis

[11]- Baker et al.

[12] -Case-Based  Reasoning

[13]- Choy et al.

[14] -Simple Multi-Attribute Rating Technique

[15]- Barla

[16]- Ding et al.

[17]- Muralidharan et al.

[18]- Kahraman et al.

[19]- Talluri et al.

[20]- Bottani et al.

[21] -Ng

[22]- Liu et al.

[23]- Hong et al.

[24]- Ghodsypour et al.

[25]- Narasimhan et al.

[26]- Zanakis et al.

[27] -Classification

[28] -Clustering

[29] -Agglomerative Nesting

[30] -  در این مقاله گاهی اصطلاح اقلام به‌جای قطعات به‌کار می‌رود.

[31]  - معیارهایی که مقادیر بیشتر در آنها بهتر است. مانند سود

[32]  - معیارهایی که مقادیر کمتر در آنها بهتر است. مانند هزینه

[33]  - معیارهای درنظر گرفته شده برای خوشه‌ها می‌توانند در صورت نیاز و صلاحدید افراد خبره شرکت، با معیارهای اقلام و یا تأمین‌کنندگان متفاوت باشند.

 

 

 

آذر عادل و رجب‌زاده علی، تصمیم‌گیری کاربردی رویکردMADM ، تهران:نگاه دانش، چاپ دوم، (1387)،  130-126.

اصغرپور، محمد جواد، تصمیم‌گیری‌های چند معیاره، تهران: دانشگاه تهران، چاپ هفتم، (1388).

تیموری ابراهیم، مقدمه­ای بر مدیریت زنجیره ‌تأمین، تهران: دانشگاه علم و صنعت ایران، (1378).

غضنفری مهدی و رضایی محمود، مقدمه‌ای بر نظریه‌ی مجموعه های فازی، تهران: علم و صنعت ایران، چاپ اول، (1385).

Baker, R. C. & Talluri, S., (1997), "A closer look at the use of DEA for technology selection", Computers and Industrial Engineering, 32 (1), 101–108.

Barla, S. B., (2003), "A case study of supplier selection for lean supply by using a mathematical model", Logistics Information Management, 16 (6), 451–459.

Blackhurst, J., Wu, T. & O’Grady P., (2005), "PCDM, A decision support modeling methodology for supply chain, product and process design decisions", Journal of Operations Management, 23(3-4), 25-343.

Bottani, e. & Rizzi, A., (2007), "An adapted multi-criteria approach to suppliers and products selection-An application oriented to lead-time reduction", International Journal of Production Economics, 111,763-781.

Choy, K. L. & Lee, W. B., (2002), "A generic tool for the selection and management of supplier relationships in an outsourced manufacturing environment, The application of case based reasoning", Logistics Information Management, 15 (4), 235–253.

Christopher, M., (1992), Logistics and Supply Chain Management, Pitman Publishing, London.

Demirtas, E. A. & Ustun, O., (2008), "An integrated multiobjective decision making process for supplier selection and order allocation", The International Journal of Management Science, 36, 76-90.

Ding, H., Benyoucef, L. & Xie, X., (2005), "A simulation optimization methodology for supplier selection problem", International Journal Computer Integrated Manufacturing, 18 (2–3), 210–224.

Ellram, L. M., (1991), "Supply chain management, the industrial organization perspective", International Journal of Physical Distribution and Logistics Management, 21 (1), 13-22.

Flynn B., Huo B. & Zhao X., (2010), "The impact of supply chain integration on performance, A contingency and configuration approach", Journal of Operations Management, 28 (1), 58-71.

Ghodsypour, S. H. & O’Brien, C., (2001), "The total cost of logistics in supplier selection, under conditions of multiple sourcing, multiple criteria and capacity constraint", International Journal of Production Economics, 73 (1), 15–27.

Hong, G. H., Park, S. C., Jang, D. S. & Rho, H. M., (2005), "An effective supplier selection method for constructing a competitive supply-relationship", Expert Systems with Applications, 28 (4), 629–639.

Kahraman, C., Cebeci, U. & Ulukan, Z., (2003), "Multi-criteria supplier selection using fuzzy AHP", Logistics Information Management, 16 (6), 382–394.

Lee, H. L. & Billington, C., (1992), "Managing supply chain inventory, pitfalls and opportunities", Sloane Management Review, 33 (3), 65-73.

Liu, F. H. F. & Hai, H. L., (2005), "The voting analytic hierarchy process method for selecting supplier", International Journal of Production Economics, 97 (3), 308– 317.

Muralidharan, C., Anantharaman, N. & Deshmukh, S. G., (2002), "A multi-criteria group decision-making model for supplier rating", Journal of Supply Chain Management, 38 (4), 22–33.

Nagurney, A, (2010), "Optimal supply chain network design and redesign at minimal total cost and with demand satisfaction", International Journal of Production Economics, 128 (1), 200-208.

Narasimhan, R., Talluri, S. & Mendez, D., (2001), "Supplier evaluation and rationalization via data envelopment analysis, An empirical examination", Journal of Supply Chain Management, 37 (3), 28–37.

Ng, W.L., (2008), "An efficient and simple model for multiple criteria supplier selection problem", European Journal of Operational Research, 186 (3), 1059–1067.

Talluri, S. & Narasimhan, R., (2005), "A note on ‘‘a methodology for supply base optimization”", IEEE Transactions on Engineering Management, 52 (1), 130–139.

Xu, N. & Nozick, L., (2009), "Modeling supplier selection and the use of option contracts for global supply chain design", Computers & Operations Research, 36 (10), 2786-2800.

Zanakis, S. H., Solomon, A., Wishart, N. & Dublish, S., (1998), "Multi-attribute decision making, a simulation comparison of selected methods", European Journal of Operational Research, 107, 507–529.