شناسایی و تحلیل ریسک‌های زنجیره تأمین شرکت خودروسازی سایپا با بهره‌گیری از مدل کوزو و رویکرد تحلیل شبکه‌های اجتماعی (SNA)

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

1 استادیار گروه مدیریت صنعتی، دانشکدۀ مدیریت، دانشگاه تهران، ایران

2 استاد گروه مدیریت صنعتی، دانشکدۀ مدیریت، دانشگاه تهران، ایران

3 کارشناس ارشد گروه مدیریت صنعتی، دانشکدۀ مدیریت، دانشگاه تهران، ایران

چکیده

صنایع خودروسازی به‌دلیل داشتن زنجیره تأمین طولانی و شبکۀ ارتباطات گسترده میان عناصر متشکلۀ آن با ریسک‌های بسیاری مواجه‌اند. شرکت سایپا (یکی از مهم‌ترین قطب‌های خودروسازی کشور) در سال‌های اخیر درزمینۀ چگونگی شناسایی، اولویت‌بندی و مدیریت ریسک‌های موجود در زنجیره تأمین خود با چالش‌های بسیاری مواجه بوده است؛ به‌طوری‌که همواره مقابله با این چالش از اولویت‌های اصلی پژوهش‌های این مجموعه بوده است. هدف این پژوهش، شناسایی و ارزیابی ریسک‌های موجود در زنجیره تأمین شرکت خودروسازی سایپا برای تعیین ریسک‌های بحرانی و اتخاذ تصمیم مناسب برای هریک از دسته‌های تعیین‌شده است. مدل‌های موجود ارزیابی ریسک، هر ریسک و اثر و اهمیت آن در عملکرد شرکت را به‌صورت مجرد و بدون توجه به شبکۀ ارتباطی میان ریسک‌های مختلف موجود در سیستم بررسی می‌کنند. ازطرفی این روش‌ها درصورتی به کار گرفته می‌شوند که تعداد ریسک‌های شناسایی‌شده محدود باشند. در این پژوهش تلاش شده است با تعبیۀ رویکرد تحلیل شبکه‌های اجتماعی درقالب گام‌های مدل ارزیابی ریسک کوزو، رویکرد جدیدی در ارزیابی ریسک‌ها استفاده شود. بدین‌منظور، نخست باتوجه‌به اسناد و مدارک شرکت و مصاحبه با خبرگان و بهره‌گیری از روش تحلیل تم، ریسک‌های زنجیره تأمین شرکت سایپا شناسایی شده است. در مرحلۀ دوم، رویکرد تحلیل شبکه‌های اجتماعی در گام‌های مدل کوزو پیشنهاد شده است و با استفاده از این رویکرد، کلیدی‌ترین ریسک‌ها شناسایی شده‌اند. درنهایت نتایج حاصل با بهره‌گیری از ماتریس اهمیت - عملکرد تجزیه و تحلیل و تصمیمات لازم ارائه شده است. باتوجه‌به نتایج تحلیل، 48 درصد از کل ریسک‌ها در دسته‌های مالی- اقتصادی، تأمین‌کنندگان، اطلاعاتی، و حمل و نقل قرار دارند. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identifying and Analyzing Supply Chain Risks of Saipa Automobile Company using the Coso Model and Social Network Analysis (SNA)

نویسندگان [English]

  • Mahnaz Hosseinzadeh 1
  • mohammad reza mehregan 2
  • Mohammad Ghomi 3
1 Assistant professor, Department of Industrial Management, Faculty of Management, University of Tehran, Iran
2 Professor, Department of Industrial Management, Faculty of Management, University of Tehran, Iran
3 MA, Department of Industrial Management, Faculty of Management, University of Tehran, Iran
چکیده [English]

This paper aimed at identifying and analyzing supply chain risks of Saipa automotive company to determine those seemly critical and the appropriate decision for each category to be made. To this end, first, according to company’s documents and interviews with experts, and using theme analysis method, the identification and categorization of supply chain risks are addressed. In the second step, by using of SNA approach, the most important risks in terms of the effects they have on emerging other risks in the risks’ relationship network are determined. The results are analyzed using the IPM matrix and the necessary decisions are made according to this matrix. According to the results, 48% of the total risks are categorized in financial-economic, suppliers, information, and transportation categories. Therefore, it seems that paying particular attention to these areas can result in significant improvement in system’s status.
Introduction: The automotive industry is the second largest industry in Iran, the survival of which is of great importance for the country. Today, various factors, such as fluctuations in the foreign exchange market, have led to uncertainties in this industry. In addition, other factors, including increasing the variety of products and services, reducing product life cycle, demand fluctuations, rising costs, technological changes, political issues, financial instability, and natural disasters have also increased the uncertainty and risk in the industry’s supply chain. On the other hand, the automotive industry has faced many risks owing to its long supply chain, in which diverse companies interact with each other. Hence, the supply chain risk management of this industry to identify and evaluate the risks and reduce their adverse effects is counted as a critical issue on which many researchers have been embarked. So far, various models, such as Fault Tree Analysis (FTA) (Zhang et al., 2016) and Failure Modes and Effects Analysis (FMEA) (Liu & Zhou, 2014) have been developed as risk analysis tools. However, in these models, each risk, its significance, and its impact on the performance of the company or supply chain has been deemed as a single concept regardless of various possible relationship among different kinds of risks in the system. Regarding the promising relationships among different types of risks, some have used Analytic Hierarchical Process (ANP) method (Talebi & Iron, 2015) to evaluate and prioritize the risks. The main problem is that this method is only applicable when the number of risks is low, thus the pairwise comparison of the risks would be difficult while the inconsistency is high. Whereas, if the number of identified risks is high (usually in the case of long supply chains such as the automotive supply chain), a risk will be counted as critical in co-occurrence with other risks. Thus, in addition to detecting the risks, identifying their communication network and the features of such a network is also important in analyzing and presenting solutions. Social Network Analysis (SNA) is an approach which emphasizes on the pairs of points and their relationships instead of focusing just on single points and their features. On the other hand, Coso is a new approach providing a comprehensive framework for managing and evaluating risks. To this end, in order to overcome the deficiencies of the existing models, it has been attempted to exploit the capabilities of SNA and to innovatively conduct it in the framework of the steps taken by the Coso risk management model, hoping to develop a new approach in risk evaluation and to apply it for assessing Saipa automotive supply chain risk.
Materials and Methods: The current study has been carried out in two stages. First, an initial framework has been proposed to categorize the existing risks in the supply chain of Saipa automotive regarding the sources of risks. After two stages of refinement, a list of risks have been obtained by using expert opinions. The process of identifying the risks based on the Coso model framework and the theme analysis method are as follows:
1-       Investigating the Saipa control environment (internal environment) by reviewing company’s documents and interviewing with experts (Step 1 of the Coso model);
2-       Target setting as to risk identification after conducting interviews with experts (step 2 of the COSO model).
3-       Detecting risk sources in the organization by interviewing experts and using the theme analysis method (Step 3 of the Coso model).
The second phase of the research is quantitative, in which the following steps have been followed:
4-       Risk evaluation (Step 4 of the COSO Model). Risk assessment has been conducted from two perspectives. One in terms of the importance of the risks in their relationship network, and the other in terms of the impact of the risks on the performance of the Saipa Supply Chain. First, by using SNA approach, the communication network among the identified risks has been depicted, then the key risks associated with other risks in the network have been identified using the concepts of degree and betweenness centrality. Afterwards, a survey of experts has been conducted to determine the impact of risks on the supply chain performance.
5-       At the last step, the identified risks have been classified in IPM matrix. Risk categorization as for importance dimension has done with respect to SNA output and upon performance dimension based the survey output.
 
Results and Discussion: Upon the results of the qualitative part of the study, 93 kinds of risks were identified as to Saipa automotive supply chain. Afterwards, the identified risks were branded in four categories as presented in Figure 1.
 Fig. 1- Pareto diagram of risk categorization risks on the concepts of coso model
 In the quantitative stage, the network causal relationship network of the identified risks were depicted and the degree of centrality and betweenness centrality measures were calculated in UCINET software. The more degree of centrality in the target network implies the risks most influenced by other risks (in degree) and the risks most affects other risks to be created. Betweenness centrality indicates the risks through which many risks lead to creating other risks.
 
Fig. 2- Network of Causal Relationships among Saipa Supply Chain Risks
Finally, the IPM matrix was used to label the identified risks. In this matrix, the importance of the risks was determined based on centrality measures, so that risks with centrality degree higher than their mid-range (115) and those with betweenness centrality higher than their mid-range (31.9) were determined and their common points were taken as important risks. Besides, the risks were divided in two categories of high and low performance upon the cut- point of 0.5 for the scores in this dimension. Thus, the identified risks were assigned to each cell of the IPM matrix as presented in Figure 3, where the distribution of the risks was 36.6% in “keeping the current situation”, 16.1% in “critical”, 28% in “resource waste”, and 19.4% in “indifference” cells.
Conclusion: In this paper, SNA approach is conducted in the framework of the steps taken by the Coso risk management model to develop the current risk evaluation models and to identify critical risks in Saipa automotive supply chain by applying the developed framework in practice. According to the results, 48% of the total critical risks were categorized in financial-economic, suppliers, information, and transportation categories. Therefore, it seems that paying particular attention to these areas can result in significant improvement in system’s status.
References
Zhang, M., Song, W., Chen, Z., & Wang, J. (2016). Risk assessment for fire and explosion accidents of steel oil tanks using improved AHP based on FTA. Process Safety Progress, 35(3), 260-269.
Liu, J., & Zhou, Y. (2014), Improved FMEA Application to Evaluation of Supply Chain Vulnerability, 7th International Joint Conference on Computational Sciences and Optimization (CSO) Location: Beijing, China.
Talebi, D., & Iron, F., (2015). Identification of Risk Factors of Supply Chain and Supplier Selection with Analytical Network Process (Case: Automobile Indastry), Industrial Management Perspective, 17, 31- 43.

کلیدواژه‌ها [English]

  • Supply Chain
  • Supply Chain Risk Management
  • Coso Risk Management Model
  • Social Network Analysis (SNA)

اصل مقاله

مقدمه

امروزه به‌دلیل افزایش عدم قطعیت در زنجیره تأمینِ محصولات، سازمان‌ها برای کاهش آسیب‌پذیری و افزایش قابلیت تحمل زنجیره تأمین خود مجبور به صرف منابع بیشتر برای پیش‌بینی تقاضا و رفع عدم قطعیت‌های داخلی سازمان شده‌اند؛ بنابراین مدیریت ریسک زنجیره تأمین برای شناسایی و مقابله با این عدم قطعیت‌ها و کاهش آسیب‌پذیری زنجیره تأمین امری ضروری است (ونانی و همکاران[i]، 2009). در این میان امروزه شرکت‌های خودروسازی در محیط کسب و کار خود همواره با عدم اطمینان در تأمین منابع و تحویل به‌موقع محصولات خود روبه‌رو هستند. با وجود اینکه توسعۀ تکنولوژی اطلاعات و ارتباطات، قابلیت و توانایی‌های سازمان‌های عضو زنجیره تأمین این صنعت را افزایش داده است، وابستگی آنها به یکدیگر بیشتر شده است (پک[ii]، 2006). این وابستگی‌ها در عین حال که مزایای بسیاری را برای سازمان‌های عضو زنجیره فراهم آورده است، موجب افزایش عدم قطعیت و ریسک در برنامه‌ریزی و فعالیت‌های آنها شده است (بلکهرست و همکاران[iii]، 2011)؛ به‌طوری‌که اختلال یا رخداد ریسکی در هر قسمت از زنجیره اثر مستقیمی بر توانایی شرکت در ادامۀ فعالیت و ارائۀ محصولاتش به بازار می‌گذارد و تأثیرات منفی مانند زیان‌های مالی، کاهش کیفیت محصولات، آسیب به تجهیزات و دارایی‌ها، بدنامی سازمان از دید مشتری، عرضه‌کننده و جامعه و تأخیر در تحویل محصول بر سازمان دارد (فکور و همکاران، 1391)؛ ازاین‌رو ریسک یکی از چالش‌های بسیار مهم زنجیره تأمین است که اگر وقوع آن در زنجیره پیش‌بینی نشده باشد و برای مقابله با آن راه‌کار مناسبی اتخاذ نشود، اهداف این زنجیره را متأثر می‌کند، آن را مختل می‌کند و درنتیجه موجب تهدید بقای سازمان می‌شود.

صنعت خودروسازی پس از صنعت نفت، بزرگ‌ترین صنعت در ایران است و بقای این صنعت در کشور اهمیت زیادی دارد. امروزه عوامل مختلفی ازجمله نوسانات بازار ارز باعث بُروز عدم قطعیت‌های بسیار در این صنعت شده است. علاوه بر این، عوامل دیگری ازجمله افزایش تنوع محصولات و خدمات، کاهش دورۀ عمر محصول، نوسانات تقاضا، افزایش هزینه‌ها، تغییرات تکنولوژی، مسائل سیاسی، ناپایداری مالی و حوادث طبیعی نیز موجب افزایش عدم قطعیت و بروز ریسک در زنجیره تأمین صنایع خودرو می‌شوند (مهرعلی دهنوی و همکاران، 1390). ازطرفی صنعت خودرو به‌دلیل برخورداری از زنجیره تأمین طولانی و وجود تنوع شرکت‌هایی که از مرحلۀ تأمین مواد تا تحویل کالای نهایی به مشتری با هم در تعامل‌اند با ریسک‌های بسیاری مواجه است (طالبی و آیرون، 1394)؛ از این رو، موضوع مدیریت ریسک زنجیره تأمین این صنعت با هدف شناسایی و ارزیابی ریسک و کاهش اثر نامطلوب آنها اهمیت زیادی دارد.

گروه خودروسازی سایپا با در اختیار داشتن سهم 43.6 درصدی از بازار خودروی ایران، بزرگ‌ترین عرضه‌کنندۀ خودروی کشور در هفت سال گذشته شناخته شده است. این شرکت عضو بزرگی از صنعت مادر خودرو محسوب شده که تأثیرگذاری آن بر صنایع پایین دستی و اقتصاد کشور بسیار درخور توجه است و محصولات آن سهم بزرگی در هزینه‌های زندگی خانواده‌ها دارد (گزارش تفسیری مدیریت سایپا، 1397). این شرکت همواره با ریسک‌های متعددی مواجه بوده است. یکی از دغدغه‌های مهم آن، شناسایی ریسک‌های زنجیره تأمین شرکت و مدیریت اثربخش آن است؛ به‌طوری‌که همواره یکی از اولویت‌های پژوهشی این شرکت شناسایی و اولویت‌بندی این ریسک‌ها است. از این‌رو در این پژوهش یکی از اهداف اصلی شناسایی و ارزیابی ریسک‌های موجود در زنجیره تأمین شرکت خودروسازی سایپا برای شناسایی ریسک‌های بحرانی و تصمیم مناسب برای هریک از دسته‌های تعیین‌شده است تا مدیران ارشد سازمان بتوانند باتوجه‌به زمانِ دراختیار، برای مقابله با هریک از آنها آمادگی لازم را کسب کنند.

ازطرفی تاکنون مدل‌های مختلفی مانند تجزیه و تحلیل درخت خطا [iv](یزدی[v]، 2017؛ ژانگ و همکاران[vi]، 2016)، تجزیه و تحلیل شکست و اثرات آن[vii] (لیو و ژو[viii]، 2014؛ ماروسک و نووتنی[ix]، 2014)، روش‌های تصمیم‌گیری چندشاخصه (پو و همکاران[x]، 2018؛ ایلباهار و همکاران، [xi]2018؛ ژانگ و همکاران[xii]، 2018) و غیره برای ارزیابی ریسک شناسایی و استفاده شده است. نکتۀ مهم در تمامی این مدل‌ها این است که آنها هر ریسک، اهمیت و تأثیر آن در عملکرد شرکت یا زنجیره تأمین را به‌عنوان یک مفهوم مجرد و بدون توجه به انواع ارتباطات موجود میان ریسک‌های مختلف موجود در یک سیستم ارزیابی و تحلیل می‌کنند. بدین منظور برخی با در نظر گرفتن ارتباطاتی که ممکن است میان انواع ریسک‌ها وجود داشته باشد از روش فرآیند تحلیل شبکه[xiii] برای ارزیابی و اولویت‌بندی ریسک‌ها بهره گرفته‌اند (طالبی و آیرون، 1394، جعفری و قزلباش، 1394). مشکل اساسی این است که این روش تنها زمانی کاربرد دارد که تعداد ریسک‌ها اندک باشد تا مقایسۀ زوجی میان آنها امکان‌پذیر و ناسازگاری در قضاوت‌ها اندک باشد؛ درحالی‌که اگر تعداد ریسک‌های شناسایی‌شده زیاد باشند (که معمولاً دربارۀ زنجیره‌های تأمین طولانی مانند زنجیره تأمین صنعت خودرو این چنین است)، آن‌گاه یک ریسک درصورت هم‌حضوری با ریسک یا ریسک‌های دیگر بحرانی تلقی می‌شود؛ بنابراین علاوه بر شناسایی ریسک‌ها، شناسایی شبکۀ ارتباطی میان آنها و ویژگی‌های این شبکه نیز اهمیت بسیاری در تحلیل و ارائۀ راه‌کارها دارد. رویکرد تحلیل شبکه‌های اجتماعی ازجمله روش‌هایی است که کانون توجه را از نقاط مجرد به جفت نقاط و ارتباطاتشان تغییر داده است و تحلیل و تفسیر جزئی برحسب ویژگی‌های موضوعات مستقل را به تفسیر و تحلیل پدیده‌ها برحسب روابط میان کنشگران یک سیستم تبدیل می‌کند (کنگرانی و حسین زاده، 1395). ازطرفی کوزو[xiv] رویکرد جدیدی است که یک ساختار جامع برای مدیریت و ارزیابی ریسک ارائه می‌دهد. بدین منظور در این پژوهش برای رفع نقصان ذکرشده در مدل‌های موجود، تلاش شده است تا با بهره‌گیری از قابلیت‌های رویکرد تحلیل شبکه‌های اجتماعی و تعبیه آن به‌صورت نوآورانه در ساختار کلی مدل کوزو (به‌علت داشتن ساختار منسجم) رویکرد جدیدی در ارزیابی ریسک ارائه و برای مورد مطالعه یعنی شرکت سایپا باتوجه‌به ضرورت ذکرشده به کار گرفته شود.

 

مروری بر مبانی نظری پژوهش

در این بخش، بررسی پیشینه درقالب سه حوزۀ روش‌های مدیریت و ارزیابی ریسک، دسته‌بندی انواع ریسک‌های زنجیره تأمین، ارزیابی و مدیریت ریسک در زنجیره تأمین خودرو در داخل کشور و تحلیل شبکه‌های اجتماعی انجام شده است.

تاکنون روش‌های متعددی برای ارزیابی و مدیریت ریسک‌ها توسعه یافته‌اند. یکی از مهم‌ترین روش‌ها، روش ﺍﺣﺘﻤﺎﻝ ﻭ ﺍﺛﺮ ﺭﻳﺴﻚ[xv] است. در این روش ریسک زنجیره تامین به‌عنوان حاصل‌ضرب احتمال در اثر یک رخداد محاسبه می‌شود و دو شاخص «میزان تأثیر» و «احتمال وقوع» ریسک در قالب ماتریس احتمال - اثر ریسک استفاده می‌شود (یوسودا و همکاران[xvi]، 2016). روش FMEA، روش متدوال دیگری در ارزیابی ریسک است که میزان بزرگی ریسک را براساس حاصل‌ضرب سه شاخص شدت، میزان کشف و احتمال وقوع ریسک محاسبه می‌کند (زارع مهرجردی و دهقان باشی[xvii]، 2013؛ رضایی و همکاران[xviii]، 2018؛ راحمتین و همکاران[xix]، 2018). ازجمله مشکلات استفاده از این روش‌ها چنین ذکر شده است که ممکن است اهمیت ریسک‌های با احتمال کم و اثر مهم نادیده گرفته شود. همچنین ریسک‌هایی که احتمال زیاد و اثر غیر مهم دارند با ریسک‌هایی که احتمال کم و اثر مهم دارند معادل فرض شوند (گلگچی و پونوماروو[xx]، 2013). روش متداول دیگر در ارزیابی ریسک روش  FTA است. در این روش وضعیت نامطلوبی در نظر گرفته می‌شود و همۀ راه‌هایی شناسایی می شوند که باعث بروز آن می‌شوند. از روش‌های تصمیم‌گیری چندشاخصه به‌ویژه روش فرآیند تحلیل سلسله مراتبی (AHP) و ANP در ارزیابی ریسک‌ها بسیار استفاده شده است (دهداشت و همکاران[xxi]، 2017؛ دینگ و همکاران[xxii]، 2016). ازجمله معایب این روش‌ها این است که تنها درصورتی استفاده می‌شوند که تعداد ریسک‌های شناسایی‌شده محدود باشند. برای ﺁﻧﺎﻟﻴﺰ ﻛﻤﻲ ﺭﻳﺴﻚ نیز، ﺍﺑﺰﺍﺭﻫﺎﻳﻲ مانند مدل‌های ﺁﻣﺎﺭﻱ ﭼﻨﺪمتغیره[xxiii]، پویایی‌شناسی سیستم، آناﻟﻴﺰ ﺣﺴﺎﺳﻴﺖ، ﻣﺪل‌هاﻱ ﺷﺒﻴﻪﺳﺎﺯﻱ، ﺁﻧﺎﻟﻴﺰ ﻟﺤﻈۀ ﺩﻭﻡ[xxiv]، ﺁﻧﺎﻟﻴﺰﻫﺎﻱ ﻣﺒﺘﻨﻲ‌ﺑﺮ روش ﻣﺮﻭﺭ ﻭ ﺍﺭﺯﻳﺎﺑﻲ[xxv]، بهینه‌سازی تک‌هدفه و چندهدفه خطی و غیرخطی و غیره تاکنون استفاده شده است. اگرچه در این پژوهش‌ها ارزیابی ریسک، بیشتر به‌صورت کمی یا نیمه‌کمی انجام شده است، شناسایی ریسک‌ها بسیار محدود بوده است. از طرف دیگر میزان بزرگی ریسک‌ها براساس شاخص‌های مختلف بیان نمی‌شود؛ بنابراین میزان بحرانی‌بودن ریسک‌ها نسبت به هم تعیین نمی‌شود.

برخی از پژوهشگران در مطالعات خود به شناسایی، دسته‌بندی و ساختار شکست ریسک‌های زنجیره تأمین پرداخته‌اند؛ مثلاً برخی ریسک‌ها را در نُه دستۀ شکست‌ها، تأخیرها، سیستم‌ها، پیش‌بینی، دارایی‌های ذهنی، تهیه، دریافت‌کردنی، موجودی و ظرفیت (چوپرا و سودهی[xxvi]، 2004) و یا در شش دستۀ تأمین، تولید، تقاضا، لجستیک، ریسک با عوامل طبیعی کنترل‌ناپذیر و ریسک‌های اجتماعی کنترل‌ناپذیر دسته‌بندی کرده‌اند (لیو و همکاران[xxvii]، 2009). برخی دیگر ریسک‌ها را در پنج دستۀ تأمین، تقاضا، فرآیند، کنترل و محیطی، یا تأمین، تقاضا، فرآیند، برنامه‌ریزی، کنترل و ریسک محیط قرار داده‌اند (معین‌زاده و فتاحی ها[xxviii]، 2009). تعدادی از پژوهش‌ها ریسک‌ها را در قالب چهار دستۀ تأمین، تقاضا، عملیاتی و ایمنی (منوج و منتزر[xxix]، 2008) یا تأمین، تقاضا، شکست‌ها و حوادث طبیعی (کلیندورفر و سعد[xxx]، 2005)، تقسیم‌بندی کرده‌اند. همچنین برخی دیگر، ریسک‌ها را در سه دستۀ انحرافات، شکست‌ها و حوادث (جنکار و ویزونادام[xxxi]، 2004) یا سه دستۀ تأمین، تقاضا و ریسک‌های فاجعه‌آمیز (واگنر و بود[xxxii]، 2006) یا تأمین، تقاضا و ریسک‌هایی که موجب افزایش هزینه می‌شود (اوک و گاپالاکریشنان[xxxiii]، 2009) و یا در دو دستۀ تامین و تقاضا، ارائه کرده‌اند. در یک ارزیابی کلی، این مطالعات به‌صورت بخشی و محدود بوده‌اند و ساختار جامع شکست ریسک را ارائه نمی‌کنند. از پژوهش‌های این بخش برای ساختاردهی ذهنی برای دسته‌بندی انواع ریسک‌های شناسایی‌شده در گام‌های بعدی پژوهش بهره گرفته شده است.

عظیمی (1392) در پایان‌نامۀ ارشد خود ریسک‌های مدیریت زنجیره تأمین را در شرکت سایپا شناسایی کرده است. وی ریسک‌ها را در چند عنوان کلی شناسایی و مهم‌ترین ریسک را نوسانات نرخ ارز مشخص کرده است. جلالی (1393) ریسک‌های شرکت ایران خودرو را ارزیابی کرده است. وی این ریسک‌ها را در قالب ریسک‌های مشتریان، دولت‌ها، جنبه‌های زیست‌محیطی و الزامات فناوری دسته‌بندی می‌کند. طالبی و آیرون (1394) ریسک‌های انتخاب تأمین‌کننده را در شرکت زامیاد شناسایی کرده است. آنها ریسک‌های تأمین‌کننده را در قالب ریسک‌های اقتصادی، سیاسی، ارتباطات و مسافت دسته‌بندی کرده‌اند. مجلسی (1392) در پایان‌نامۀ کارشناسی ارشد خود 13 ریسک را به‌عنوان ریسک‌های بحرانی زنجیره تأمین شرکت سایپا شناسایی کرده است. در این بین ریسک تحریم، مهم‌ترین ریسک شناخته شده است. صمدی و محمدی (1395) عوامل ریسک در مدیریت زنجیره تأمین را در شرکت پارس خودرو با روش AHP فازی شناسایی و ارزیابی کرده‌اند. آنها ریسک‌های دستۀ عملیاتی را مهم‌ترین اولویت شرکت شناسایی کرده‌اند.

مرور مطالعات و پژوهش‌های گذشته چندین شکاف پژوهشی را آشکار می‌کند که در ادامه به آنها اشاره شده است:

1- در روش‌های ارزیابی ریسک اهمیت و اثر ریسک در عملکرد یک سازمان یا یک زنجیره تأمین بررسی شده است؛ این بررسی بدون توجه به اثرات متقابلی بوده است که این ریسک‌ها ممکن است در ایجاد یا شکل‌گیری ریسک‌های دیگر داشته باشند؛ درحالی‌که در بسیاری از مواقع یک ریسک ممکن است به خودی خود آنقدر اهمیت نداشته باشد، اما سبب شکل‌گیری عامل دیگری شود که موجب ریسک‌هایی با تأثیرات بیشتر شود.

2- بسیاری از روش‌ها تنها برای مواقعی استفاده می‌شوند که تعداد ریسک‌های شناسایی‌شده محدود باشند. اگر تعداد ریسک‌های شناسایی‌شده بسیار زیاد باشند، امکان بررسی ارتباطی میان آنها حتی در روشی مانند ANP (که ارتباطات میان عوامل را مدنظر قرار می‌دهد) به‌راحتی میسر نیست؛ بنابراین به روش تحلیل پیشرفته‌تری نیاز است.

3- مقالات منتشرشده در زمینۀ مدیریت ریسک زنجیرۀ خودرو بیشتر با اطلاعات کلی صنعت خودرو، شرکت ایران‌خودرو یا شرکت‌های جزء ارائه شده‌اند و کمتر شرایط خاص شرکت سایپا را در نظر گرفته‌اند. به‌علاوه یکی از مهم‌ترین اولویت‌های پژوهشی شرکت سایپا شناسایی و ارزیابی ریسک‌های زنجیره تأمین است.

این پژوهش تلاش دارد تا با استفاده از رویکرد تحلیل شبکه‌های اجتماعی (که کانون توجه آن به‌جای نقاط بر ارتباط میان زوج نقاط قرار دارد و قابلیت آن در تحلیل عوامل با تعداد بسیار زیاد است) ریسک‌های بحرانی را در شرکت سایپا شناسایی و ارزیابی کند. برای ساختاردهی رویکرد ارائه‌شده از ساختار کلی ارزیابی ریسک کوزو بهره گرفته می‌شود و رویکرد تحلیل شبکه‌های اجتماعی در بخشی از آن به‌صورت نوآورانه تعبیه می‌شود. رویکرد تحلیل شبکه‌های اجتماعی دارای قابلیت گسترده برای استفاده در حوزه‌های مختلف شامل سیاست‌گذاری (کنگرانی، حسین زاده، 1395)، بررسی روابط عوامل زنجیره تأمین (کنگرانی و حسین زاده، 1396)، تحلیل شبکه‌های اطلاعاتی (نایینی و همکاران، 1394) و ... است.

 

روش پژوهش

مراحل اجرایی پژوهش

پژوهش حاضر دارای رویکردی آمیخته است. بدین صورت که برای شناسایی ریسک‌های زنجیره تأمین شرکت سایپا از رویکردی کیفی بهره گرفته می‌شود. تعیین اهمیت و تأثیر ریسک‌ها در عملکرد شرکت با رویکردی کمی انجام می‌شود. تمامی این مراحل در قالب ساختار مدل کوزو انجام می‌شود.

پژوهش حاضر در دو مرحله انجام می‌شود که در ادامه به آنها اشاره شده است:

در مرحلۀ نخستِ پژوهش چارچوبی برای دسته‌بندی ریسک‌های موجود در زنجیره تأمین شرکت خودروسازی ساپیا باتوجه‌به منابع ریسک‌ها پیشنهاد می‌شود و درنهایت بعد از دو مرحله پالایش، فهرستی از ریسک‌ها استخراج می‌شود که ازطریق روش تحلیل تم و مصاحبه با افراد خبره به دست آمده است و برای نشان‌دادن صحت و اعتبار آن از نظرات کارشناسان وافراد خبره استفاده می‌شود.

فرایند شناسایی ریسک‌ها براساس چارچوب مدل کوزو و روش تحلیل تم به‌صورت گام‌های زیر است:

  • بررسی محیط کنترلی (محیط داخلی) شرکت سایپا ازطریق بررسی اسناد و مدارک شرکت و مصاحبه با خبرگان (گام یک مدل کوزو)
  • هدف‌گذاری درزمینۀ شناسایی ریسک پس از انجام مصاحبه‌هایی با کارشناسان (گام دو مدل کوزو)
  • شناسایی رویدادهای سازمان که منشأ ریسک هستند با مصاحبه با خبرگان و استفاده از روش تحلیل تم (گام سه مدل کوزو).

انتخاب خبرگان در این مرحله با استفاده از روش نمونه‌گیری هدفمند از میان مدیران مربوطه در قسمت‌های مختلف زنجیره تأمین در شرکت سایپا، شرکت سازه‌گستر سایپا و شرکت مگاموتورز (تأمین‌کننده‌های اصلی شرکت سایپا) انجام شده است. جدول 1 فهرست سمت‌های سازمانی مصاحبه‌شوندگان را ارائه می‌کند.

 

جدول 1- فهرست سمت مصاحبه‌شوندگان

سمت مصاحبه‌شونده

کد

سمت مصاحبه‌شونده

کد

مسئول واحد بهبود فرآیندهای زنجیره تأمین سایپا

L1

مدیر مطالعات و برنامه‌ریزی استراتژیک سازه‌گستر سایپا

L5

مدیر ادارۀ توسعۀ سیستم‌های مدیریت سایپا

L2

معاونت تأمین، برنامه‌ریزی و لجستیک

L6

مدیر مهندسی شرکت سازه‌گستر سایپا

L3

مدیر ادارۀ سیستم روش‌ها و تکنولوژی اطلاعات

L7

مدیر مهندسی سازمان شرکت سازه‌گستر سایپا

L4

 

 

 

فاز دوم پژوهش از نوع کمی است. گام‌های این فاز در ادامه تشریح می‌شود:

  • ارزیابی ریسک‌ها (گام چهارم مدل کوزو): ارزیابی ریسک‌ها از دو منظر انجام می‌شود. ابتدا از نظر میزان اهمیت ریسک‌ها در شبکۀ ارتباطی میان آنها و دیگری از نظر میزان تأثیر ریسک‌ها در عملکرد زنجیره تأمین شرکت سایپا.
  • در گام آخر ریسک‌های شناسایی‌شده ازطریق نمودار IPM دسته‌بندی می‌شود؛ به‌طوری‌که دسته‌بندی ریسک‌ها براساس بعد اهمیت باتوجه‌به خروجی SNA و بعد عملکرد براساس نظرسنجی از کارشناسان انجام و سپس تحلیل‌های لازم ارائه می‌شود (گام پنجم مدل کوزو).
  • نخست با استفاده از رویکرد تحلیل شبکه‌های اجتماعی (SNA)، شبکۀ ارتباطی میان ریسک‌های شناسایی‌شده ترسیم و کلیدی‌ترین ریسک‌ها در ارتباط با سایر ریسک‌ها با استفاده از مفاهیم مرکزیت در شبکه مشخص می‌شوند. در این مرحله ماتریس مدنظر باتوجه‌به تقسیم‌بندی گام دو به بخش‌های مختلفی در بخش‌های سازمانی تقسیم می‌شوند و هر بخش را کارشناسان همان بخش به‌صورت گروهی پُر می‌کنند.
  • برای تعیین میزان تأثیر ریسک‌ها در عملکرد زنجیره تأمین از نظرسنجی از متخصصان استفاده می‌شود (متخصصان جدول 2).

شکل (1) نمودار مراحل اجرایی پژوهش را نشان می‌دهد.

 

شکل 1- نمودار مراحل اجرایی پژوهش

 

چارچوب مفهومی مدل کوزو در مدیریت ریسک

چارچوب کوزو، مدیریت ریسک را به‌عنوان فرآیندی دائمی در سطح سازمان تشریح می‌کند. این فرایند شامل هشت مؤلفۀ وابسته به‌هم است. برای ایجاد زیربنایی برای مدیریت ریسک سازمان اثربخش، سازمان باید:

1. محیط درونی ایجاد کند که تعهد به شایستگی را پرورش دهد، نظم وانضباط را فراهم آورد و ساختارهای حاکمیتی را درون فرهنگِ ریسکِ سازمان تشریح کند.

2. مدیریت باید هدف‌گذاری درزمینۀ شناسایی ریسک را با یک زیربنای استوار و به‌جا انجام دهد.

3. ریسک‌هایی را شناسایی کند که عملکرد فرآیندهای کسب و کار را تحت تأثیر قرار می‌دهد.

4. ارزیابی ریسک را ازطریق احتمال وقوع رویداد مذکور و برآورد اثر احتمالی این رویداد در صورت وقوع، انجام دهد.

5. پاسخی مناسب برای ریسک‌ها باتوجه‌به ریسک‌پذیری شرکت و رابطۀ هزینه/منفعت برای گزینه‌های مختلف ارائه کند.

6. فعالیت‌های کنترلی را برای حصول اطمینان از اجرای درست پاسخ‌ها اعمال کند.

7. اطلاعات و ارتباطاتی ایجاد کند که کارکنان را قادر به انجام مسئولیت‌های خود کند و برای مدیریت، بازخوری در این مورد فراهم کند تا میزان موفقیت سازمان در دستیابی به اهدافشان سنجیده شود.

8. پایش عملکرد هر رکن و ردیابی عملکرد در طول زمان.

دستورالعمل کوزو چگونگی به‌کارگیری این 8 رکن را برای طبقات مختلف از اهداف سازمانی (استراتژیک، عملیات، گزارش‌دهی و انطباق در تمام سطح سازمان (در سطح نهاد، بخش، واحد کسب و کار و شرکت‌های فرعی) تشریح می‌کند. نتیجه، ماتریس سه‌بعدی از فعالیت‌های مدیریت ریسک سازمان است که مشخص می‌کند چگونه 8 رکن مدیریت ریسک با چهار هدف عملکرد نهاد در سرتاسر چهار سطح بالقوه کسب و کار سازمان مرتبط هستند (مجلوف و هکس،1387؛ دفت، 1387).

 

رویکرد تحلیل شبکه‌های اجتماعی (SNA)

در مرحلۀ کمی این پژوهش تلاش می‌شود تا با استفاده از رویکرد تحلیل شبکه‌های اجتماعی، شبکۀ ارتباطی میان ریسک‌های شناسایی‌شده برای مدیریت ریسک زنجیره تأمین شرکت سایپا ترسیم و کلیدی‌ترین ریسک‌ها در ارتباط با سایر ریسک‌های شناسایی‌شده با استفاده از مفاهیم مرکزیت در شبکه مشخص شوند.

تحلیل شبکه رویکردی برای مطالعۀ ساختارهای اجتماعی با استفاده از تئوری گراف‌ها است. قاعدۀ کلی در رهیافت شبکه‌ها این است که در ابتدای امر باید ویژگی‌های روابط میان و درون واحدها و نه ویژگی‌های خود واحدها بررسی شود؛ درواقع تحلیل شبکه‌ها رویکردی رابطه‌ای است. مهم‌ترین ویژگی این رویکرد آن است که کانون توجه را از افراد و ویژگی‌هایشان به جفت افراد و ارتباطات میانشان تغییر داده است.

 

مهم‌ترین مفاهیم مطرح در تئوری شبکه‌ها عبارت‌اند از:

شبکه: به‌طورکلی شبکه مجموعه‌ای از حداقل سه نقطه و تعدادی یال است که نشان‌دهندۀ وجود یا عدم وجود ارتباط میان نقطه‌ها است. نقاط می‌توانند افراد، گروه‌ها، واحدها و یا سازمان‌ها باشند. شبکه‌ها براساس روابطشان به دو نوع تک‌وجهی و دووجهی تقسیم می‌شوند.

مرکزیت: به‌طورکلی مرکزیت دارای مفهوم گسترده‌ای است که برای شناسایی و تعیین مهم‌ترین کنشگران و یا ارتباطات در یک شبکه استفاده می‌شود. مرکزیت انواع مختلفی دارد که مهم‌ترین آنها عبارت‌اند تز مرکزیت درجه و مرکزیت بینابینی.

مرکزیت درجه: یکی از مهم‌ترین و کاربردی‌ترین مرکزیت‌ها، مرکزیت درجه است. ارزش مرکزیت درجۀ هر نقطه تنها با شمارش تعداد همسایگانش به دست می‌آید. هرچه میزان درجۀ یک نقطه بیشتر باشد، دسترسی آن به منابع بیشتر است و مرکزی‌تر محسوب می‌شود. این مرکزیت در گراف‌های بی‌جهت، یک نوع و در گراف‌های جهت‌دار، دو نوع ورودی و خروجی دارد.

مرکزیت بینابینی: این مرکزیت براساس موقعیت کنشگران در شبکه و قرارگرفتن در کوتاه‌ترین مسیر میان جفت کنشگران دیگر محاسبه شده و بر دو نوع نقطه‌ای و یالی است. تفاوت آنها براساس تحلیل و بینابین‌بودن یک نقطه یا یال است؛ بنابراین نقطه‌ای دارای بیشترین مرکزیت بینابینی است که بینابین بسیاری از جفت نقاط دیگر قرار گرفته باشد و راه‌های ارتباطی نقاط دیگر از آن بگذرد (کنگرانی و حسین زاده، 1395).

در روش تحلیل شبکه‌های اجتماعی از نرم‌افزارهای UCINET و NetDraw برای تحلیل یافته‌ها استفاده می‌شود. در این مرحله پرسشنامه‌هایی در اختیار ذی‌نفعانِ درحال بررسی در مرحلۀ قبل قرار می‌گیرد تا تأثیر یا عدم تأثیر هر ریسک شناسایی‌شده را بر ریسک‌های دیگر مشخص کنند؛ بنابراین یک ماتریس تأثیر ریسک‌ها بر یکدیگر به‌عنوان ورودی در نرم‌افزار UCINET وارد می‌شود و شبکۀ روابط در نرم‌افزار NetDraw ترسیم می‌شود. سپس مقادیر مختلف مرکزیت در شبکه با استفاده از امکانات دو نرم‌افزار محاسبه و تحلیل می‌شود.

مرکزیت درجه در شبکۀ ریسک‌های زنجیره تأمین (ریسک‌های که بیشترین تأثیر را از سایر موارد می‌پذیرند و ریسک‌هایی که بیشترین تأثیر را بر شکل‌گیری سایر ریسک‌ها دارند) مشخص می‌کند. این ریسک‌ها به‌علت تأثیری که بر سایر موارد دارند ریسک‌های کلیدی در شبکه تلقی می‌شوند؛ بنابراین نسبت به بقیۀ عوامل ارزش سرمایه‌گذاری برای رفع را دارند.

در پژوهش حاضر، ریسک‌های با مرکزیت‌های بینابینی بیشتر، نشان‌گر عواملی هستند که تأثیرگذاری بسیاری از ریسک‌ها در شکل‌گیری ریسک‌های دیگر ازطریق آنان انجام می‌شوذ؛ بنابراین این ریسک‌ها نیز در سیستم، مسئلۀ پراهمیتی هستند و تحلیل‌های متفاوتی باتوجه‌به نتایج آنها ارائه می‌شود؛ برای مثال تلاش برای حذف این ریسک‌ها شکل‌گیری بسیاری از ریسک‌ها را در اثر ریسک‌های دیگر متوقف خواهد کرد.

 

ماتریس اهمیت- عملکرد

در مدل تحلیل اهمیت- عملکرد، هر مؤلفه از دو بعد «اهمیت و عملکرد»، ارزشیابی می‌شود. در این مدل، از معیار اهمیت برای مشخص‌کردن حیاتی‌ترین مکان برای تخصیص منابع استفاده می‌شود (انجل و همکاران[xxxiv]، 2008). در این راستا از تحلیل اهمیت- عملکرد به‌عنوان ابزاری برای تعیین وضعیت یک سیستم استفاده می‌شود تا با تعیین وضعیت فعلی سیستم اقدامات مثبتی در آن راستا انجام شود. در این ماتریس، مقادیر مربوط به اهمیت روی محور عمودی و مقادیر مربوط به عملکرد روی محور افقی نمایش داده می‌شوند و بدین ترتیب یک ماتریس 2×2 به دست می‌آید (شکل 2). تحلیل‌ها براساس محل قرارگرفته در هریک از مناطق این ماتریس به‌شرح زیر انجام می‌شود. ربع اول این ماتریس نشان‌دهندۀ اهمیت زیاد، عملکرد کم و نشان‌دهندۀ ناحیۀ بی‌تفاوتی است؛ به عبارت‌دیگر وضعیت فعلی تهدید محسوب نمی‌شود، درعین‌حال ضرورتی برای بقا وجود ندارد. ربع دوم نشان‌دهندۀ اهمیت و عملکرد زیاد است که قرارگرفتن در این ناحیه به‌منزلۀ ناحیۀ بحرانی (اولویت‌دار و نیازمند اقدام فوری) است. ربع سوم نشان‌دهندۀ اهمیت و عملکرد کم، حاکی از وضعیت مناسب سیستم فعلی و لزوم حفظ آن یا همان تداوم وضعیت خوب (ادامۀ استراتژی فعلی) و نشان‌دهندۀ نقاط قوت و مزیت رقابتی سازمان است. درنهایت ربع چهارم معرّف اهمیت کم و عملکرد زیاد است که نشان‌دهندۀ اتلاف منابع است و می‌توان از منابع موجود سیستم استفادۀ بهتری در حیطۀ دیگر داشت (آزوپاردی و نش[xxxv]، 2003). زاویۀ 45 درجه محل تلاقی محور افقی و عمودی نیز خطی است که نقاط روی آن دارای اهمیت و عملکرد مساوی است.

در این پژوهش در مرحلۀ آخر دسته‌بندی ریسک‌ها براساس بُعد اهمیت باتوجه‌به خروجی SNA و بُعد عملکرد براساس نظر کارشناسان و خبرگان انجام و سپس تحلیل‌های لازم ارائه می‌شود.

 

ربع اول

بی تفاوتی

ربع سوم

تداوم وضعیت خوب

ربع چهارم

اتلاف منابع

ربع دوم

بحرانی

عملکرد

شکل 2- ماتریس اهمیت- عملکرد

 

بحث

باتوجه‌به مراحل اجرایی پژوهش تشریح‌شده، یافته‌ها درادامه ارائه شده‌اند.

1- بررسی محیط کنترلی زنجیره تأمین شرکت سایپا برای شناسایی ریسک‌های شناخته‌شده به‌وسیلۀ شرکت (گام یک مدل کوزو): پس از جلسات طولانی با مسئولین بخش‌های مختلف تمامی ریسک‌های شناخته‌شدۀ موجود در اسناد و مدارک شرکت و پروژه‌های پیشین در اختیار پژوهشگر قرار گرفت. در این مرحله، 82 ریسک شناسایی شد.

 

2- هدف‌گذاری درزمینۀ شناسایی ریسک (گام دو مدل کوزو): در این مرحله پس از صحبت با کارشناسان ریسک‌های شناسایی‌شده دسته‌بندی شد. این دسته‌بندی برای هدف‌گذاری در شناخت گروه‌هایی از متخصصان انجام گرفت که قادرند در هر زمینه دسته‌بندی ریسک در تکمیل اطلاعات مصاحبه و پرسشنامه‌ها در مراحل بعد به پژوهشگر کمک کنند. طبقات شناسایی‌شده در جدول 2 ارائه شده است.

 

جدول 2- دسته‌بندی اولیۀ ریسک‌ها

مالی و اقتصادی

سیاسی اجتماعی

ارتباطات

تأمین‌کننده

بازار و صنعت

قانونی/حقوقی

برنامه‌ریزی تأمین

حمل و نقل

برنامه‌ریزی فروش

توزیع

خرید و بازرگانی

تولید

برنامه‌ریزی مالی و سازمانی

برنامه‌ریزی نیروی انسانی

کیفیت

تکنولوژی اطلاعات

 

3- شناسایی ریسک‌ها با استفاده از نظر متخصصان و روش تحلیل تم (گام سوم مدل کوزو): برای شناخت ریسک‌های بیشتر پس از مراجعه به مدیر زنجیره تأمین شرکت سایپا تصمیم گرفته شد که مصاحبه‌هایی با مدیران مربوطه در قسمت‌های مختلف زنجیره تأمین در شرکت سایپا و شرکت سازه‌گستر سایپا (تأمین‌کننده‌های اصلی شرکت سایپا) انجام شود. در مجموع ریسک‌های شناسایی‌شده در مرحلۀ بررسی مدارک و تحلیل تم، 174 مورد شناسایی شد که بعد از پالایش با نظر کارشناسان و مدیران برخی با یکدیگر ادغام و برخی حذف شدند و در مرحلۀ اول به 121 ریسک، و بعد از پالایش دوم به 93 ریسک کاهش یافتند که در جدول 3 ارائه شده‌اند.

جدول 3- فهرست ادغامی تمامی ریسک های شناسای‌شده از مصاحبه و اسناد

Id

ریسک

Id

ریسک

1

افزایش قیمت سوخت و حامل‌های انرژی

2

پایین‌بودن روند بازده

3

زیادبودن هزینه‌های تولید

4

نوسانات بازارهای مالی

5

نرخ بدهی و اعتبار

6

وصول‌نشدن مطالبات مالی از مشتریان

7

توان مالی و قدرت خرید مشتریان

8

بحران‌های اقتصاد جهانی

9

مشکلات نقدینگی

10

سیاست‌های انقباظی و انبساطی بانک‌ها

11

تحریم

12

جنگ و حملات تروریستی

13

مسئولیت‌پذیری در برابرحفظ محیط‌زیست

14

نارضایتی مردم از کیفیت کالاها

15

ظهور رقبای جدید یا خارجی

16

تغییر در مزیت رقابتی

17

تغییر تکنولوژی

18

تغییر در سیاست‌های دولت (کنترل قیمت‌ها، تعیین حداقل دستمزد، ...)

19

افزایش تعرفه‌ها و مقررات گمرکی

20

مشکلات قراردادی ناشی از تجدید تحریم‌ها

21

متکی‌بودن به تکنولوژی اطلاعات برای انجام تصمیمات و فرآیندها

22

پیش‌بینی نادرست تقاضا

23

ضعف در بازاریابی

24

اتر شلاقی

25

تغییرات سریع در انتظارات مشتری

26

تأخیر در تحویل محصول نهایی به مشتریان

27

خرابی ماشین‌آلات حمل

28

کمبود ظرفیت حمل

29

عدم توانایی لازم در پیش‌بینی کردن تغییرات بازار و صنعت

30

فساد اداری

31

ضعف در بودجه‌بندی و تخصیص منابع مالی

32

ضعف در پیش‌بینی و واکنش به تقاضای بازار

33

تغییر یا جابه‌جایی پرسنل کلیدی

34

ضعف یا عدم توانایی در ایجاد انگیزه‌های شغلی

35

مشکلات فرهنگی

36

ضعف در تدوین سیستم‌ها و روش‌های کاری مناسب

37

ارتباطات ضعیف بین واحدها

38

جزیره‌ای عمل‌کردن واحدها

39

نوسانات نرخ ارز

40

نوسانات نرخ بازده

41

مشکلات مالی

42

افزایش هزینۀ نیروی کار

43

خروج تأمین‌کننده از محیط کسب و کار

44

ورشکستگی تأمین‌کننده

45

محدودیت ظرفیت تولید تأمین‌کننده

46

عدم تأمین به موقع اقلام درخواستی

47

ظرفیت و پاسخگویی تأمین‌کنندگان جایگزین

48

اشتباه در تحویل سفارش

49

فرصت‌طلبی تأمین‌کنندگان

50

تعهد تأمین‌کنندگان

51

شرایط انحصار یا انحصار چندجانبه در بازار تأمین

52

کیفیت پایین مواد اولیه یا خام

53

عدم توانایی در به اشتراک‌گذاری اطلاعات با تأمین‌کنندگان

54

ریسک ایجاد لابی ازطریق شرکت‌های رقیب و تأمین کنندگان مشترک

55

اشتباه در سفارش‌گذاری

56

وابستگی به یک تأمین‌کننده

57

انتخاب اشتباه تأمین‌کننده

58

تغییرات طراحی محصول

59

ضعف فرآیندی در فرآیند پذیرش تأمین‌کنندگان

60

نشریفات اداری و برنامه‌ریزی حمل و نقل

61

روش انتخابی حمل و نقل

62

افزایش هزینه‌های حمل و نقل

63

محدودیت ظرفیت حمل و نقل

64

تراکم بیش از حد در کانال‌های حمل و نقل

65

طولانی‌بودن مسیرهای حمل و نقل

66

حمل و نقل نامناسب محموله‌ها

67

ظرفیت محدود بنادر و راه آهن

68

ریسک زمان‌بندی تحویل مواد شیمیایی

69

مشکلات گشایش اعتبار ارزی

70

ترخیص کالا از گمرک

ادامه جدول 3- فهرست ادغامی تمامی ریسک های شناسای‌شده از مصاحبه و اسناد

Id

ریسک

Id

ریسک

71

اشتباه در برنامه‌ریزی تولید

72

خرابی و ازکار افتادگی تجهیزات و ماشین‌آلات تولید

73

تغییرات سریع تکنولوژی تولید

74

تغییر در مهندسی محصول

75

تحقق‌نیافتن برنامه تولید

76

ایمنی و حوادث کاری

77

ریسک‌های محدودیت منابع در تولیدات آتی که دارای تنوع بیشتر هستند

78

حمل نامناسب در انبار داخلی شرکت

79

کیفیت پایین و غیراستاندارد قطعات

80

ضعف در روش انجام فرآیندهای کاری

81

ضعف در انجام فرآیندهای کنترل کیفی

82

عدم نظارت صحیح در محل انجام فرآیند

83

نیروی کار بی تجربه و آموزش‌ندیده

84

شکست سیستم‌ها و فرآیندهای اطلاعاتی

85

ضعف زیرساخت‌های اطلاعاتی

86

ضعف صحت اطلاعاتی

87

عدم دسترسی به اطلاعات

88

عدم یکپارچگی مؤثر سیستم‌های اطلاعاتی

89

عدم گستردگی مؤثر شبکه سستم‌های اطلاعاتی

90

انتخاب نرم‌افزارهای نامناسب برای انجام فرآیندهای خاص

91

مالکیت معنوی اطلاعات و سیستم‌های اطلاعاتی

92

برون‌سپاری و به‌اشتراک‌گذاری اطلاعات

93

مقاومت کارکنان در برابر استفاده از سیستم‌های جدید اطلاعاتی

 

 

درادامه، باتوجه‌به الزامات مدل کوزو، با طرح و توزیع پرسشنامه‌ای از متخصصین ذکرشده، خواسته شد تا هریک از ریسک‌های شناسایی‌شده را در جلسه‌ای که بدین منظور برگزار شده بود در یکی از دسته‌های استراتژیک، عملیاتی، انطباق و گزا رش‌دهی قرار دهند. شکل 3 نمودار پارتو را برای بررسی سهم مشارکت هریک از دسته‌ها نشان می‌دهد.

 

 

شکل 3- نمودار پارتو برای دسته‌بندی ریسک‌ها در قالب مفاهیم مدل کوزو

 

همان‌گونه‌که مشاهده می‌شود، بیشترین ریسک‌ها در دسته‌بندی عملیاتی قرار می‌گیرند (9/69%). به‌علاوه دسته‌های انطباق (1/16%) و استراتژیک (9/12%) و گزارش‌دهی (1/1%) در رده‌های بعدی قرار دارند.

 

4- ارزیابی ریسک‌ها (گام چهارم مدل کوزو): همان‌طورکه بخش سوم ذکر شد، ارزیابی ریسک‌ها از دو منظر انجام می‌شود. یکی از نظر میزان اهمیت ریسک‌ها در شبکۀ ارتباطی میان آنها و دیگر از نظر میزان تأثیر ریسک‌ها در عملکرد زنجیره تأمین شرکت سایپا که درادامه چگونگی محاسبات ارائه شده است.

4-1- تعیین کلیدی‌ترین ریسک‌ها در شبکۀ ارتباطی میان آنها با استفاده از SNA

  • ·            محاسبۀ مرکزیت درجه

مرکزیت درجه در شبکۀ ریسک‌های زنجیره تأمین. در این بخش ریسک‌هایی مشخص می‌شوند که بیشترین تأثیر را از سایر موارد می‌پذیرند (مرکزیت درجه درونی) و بیشترین تأثیر را بر شکل‌گیری سایر ریسک‌ها دارند (مرکزیت درجۀ بیرونی). این ریسک‌ها به‌علت تأثیری که بر سایر ریسک‌ها دارند ریسک‌های کلیدی در شبکه تلقی می‌شوند؛ بنابراین ارزش سرمایه‌گذاری را برای برطرف‌شدن نسبت به سایر عوامل دارند.

محاسبۀ میزان مرکزیت درجه برای 20 ریسک ابتدایی در ماتریس UCINET در جدول 4 ارائه شده است. شکل 4 نمایش ترسیمی مرکزیت درجه برای ماتریس تأثیر ریسک‌ها را در نرم‌افزار Net Draw نشان می‌دهد. اندازۀ بزرگ‌تر برای هر گره نشان‌گر مرکزیت درجۀ بیشتر برای آن گره است.

 

جدول 4- اهمیت ریسک‌های شناسایی‌شده ازلحاظ مرکزیت درجه

مرکزیت درجه

ریسک

مرکزیت درجه

مرکزیت درجه

ریسک

رتبه

189

تغییرات سریع در انتظارات مشتری

11

259

تحریم

1

189

نشریفات اداری و برنامه‌ریزی حمل و نقل

12

218

پیش‌بینی نادرست تقاضا

2

187

تغییر در سیاست‌های دولت (کنترل قیمت‌ها، تعیین حداقل دستمزد، ...)

13

206

ضعف در بازاریابی

3

180

تغییر یا جابه‌جایی پرسنل کلیدی

14

204

تغییر تکنولوژی

4

177

ضعف در بودجه‌بندی و تخصیص منابع مالی

15

201

متکی بودن به تکنولوژی اطلاعات برای انجام تصمیمات و فرآیندها

5

174

مشکلات مالی

16

198

جنگ و حملات تروریستی

6

170

ضعف در تدوین سیستم‌ها و روش‌های کاری مناسب

17

196

سیاست‌های انقباظی و انبساطی بانک‌ها

7

165

زیادبودن هزینه‌های تولید

18

195

عدم توانایی لازم در پیش‌بینی‌کردن تغییرات بازار و صنعت

8

163

مشکلات قراردادی ناشی از تجدید تحریم‌ها

19

191

ضعف در پیش‌بینی و واکنش به تقاضای بازار

9

163

فساد اداری

20

190

اتر شلاقی

10

 

 

شکل 4- نمای شبکه باتوجه‌به مرکزیت درجه

  • ·            محاسبۀ مرکزیت بینابینی

در پژوهش حاضر، ریسک‌های با مرکزیت‌های بینابینی بیشتر، نشان‌دهندۀ عواملی‌اند که تأثیرگذاری بسیاری از ریسک‌ها در شکل‌گیری ریسک‌های دیگر ازطریق آنان انجام می‌شود؛ بنابراین این ریسک‌ها نیز در سیستم، مسئلۀ پراهمیت تلقی می‌شوند. تلاش برای حذف این ریسک‌ها شکل‌گیری بسیاری از ریسک‌ها در اثر ریسک‌های دیگر را نیز متوقف می‌کند.

رتبه‌بندی 20 ریسک ابتدایی ازلحاظ مرکزیت بینابینی به‌صورت جدول 5 ارائه شده است.

 

جدول 5- اهمیت ریسک‌های شناسایی‌شده ازلحاظ مرکزیت بینابینی

مرکزیت بینابینی

ریسک

رتبه

013/292

سیاست‌های انقباظی و انبساطی بانک‌ها

1

317/153

متکی‌بودن به تکنولوژی اطلاعات برای انجام تصمیمات و فرآیندها

2

314/144

ضعف در بودجه‌بندی و تخصیص منابع مالی

3

952/143

اثر شلاقی

4

026/143

تغییر تکنولوژی

5

803/129

تغییر در سیاست‌های دولت (کنترل قیمت‌ها، تعیین حداقل دستمزد، ...)

6

535/125

زیادبودن هزینه‌های تولید

7

283/121

پایین‌بودن روند بازده

8

679/112

روش انتخابی حمل و نقل

9

432/97

تشریفات اداری و برنامه‌ریزی حمل و نقل

10

731/91

تغییر یا جابه‌جایی پرسنل کلیدی

11

461/91

تأخیر در تحویل محصول نهایی به مشتریان

12

618/79

ضعف در پیش‌بینی و واکنش به تقاضای بازار

13

838/77

افزایش هزینه‌های حمل و نقل

14

088/73

نرخ بدهی و اعتبار

15

855/71

وابستگی به یک تأمین‌کننده

16

582/69

فساد اداری

17

449/69

عدم توانایی در به اشتراک‌گذاری اطلاعات با نأمین‌کنندگان

18

641/67

تغییر در مزیت رقابتی

19

921/63

ضعف در بازاریابی

20

 

شکل 5 نمایش مرکزیت بینابینی ریسک‌ها را در نرم‌افزار Net Draw نشان می‌دهد (اندازۀ نقاط متناسب با مرکزیت بینابینی آنها است).

باتوجه‌به جدول 5 و شکل 5، بیشترین مرکزیت بینابینی و به‌عبارتی عواملی که تأثیرگذاری بسیاری از ریسک‌ها در شکل‌گیری ریسک‌های دیگر ازطریق آنان صورت می‌گیرد، مربوط به سیاست‌های انقباظی و انبساطی بانک‌ها، متکی‌بودن به تکنولوژی اطلاعات برای انجام تصمیمات و فرآیندها و ضعف در بودجه‌بندی و تخصیص منابع مالی به‌دست‌آمده است.

 

شکل 5- نمای شبکه باتوجه‌به مرکزیت بینابینی

 

4-2- تعیین میزان تأثیر هر ریسک در عملکرد زنجیره تأمین شرکت سایپا

در این مرحله برای تعیین میزان تأثیر هر ریسک بر عملکرد زنجیره تأمین، پرسشنامه‌ای با مقیاس درجه‌ای به‌صورت شکل 6 در اختیار متخصصان گام دوم و سوم قرار گرفت و از آنها خواسته شد برای هریک از 93 ریسک شناسایی‌شده مقداری را در این مقیاس مشخص کنند.

 

شکل 6- مقیاس درجه‌بندی پرسشنامۀ تأثیر ریسک‌ها در عملکرد شرکت

 

در مقیاس فوق، درجۀ بیشتر نشانگر تأثیر بیشتر ازلحاظ عملکرد است.

 

5- تشکیل و تحلیل ماتریس اهمیت – عملکرد (گام پنجم مدل کوزو): در این بخش، از ماتریس اهمیت – عملکرد برای رده‌بندی ریسک‌ها استفاده می‌شود. در این ماتریس، میزان اهمیت هر گره باتوجه‌به مقدار مرکزیت درجۀ خروجی و مرکزیت بینابینی آن گره مشخص شده است. برای تعیین ریسک‌های کلیدی، ریسک‌های با مرکزیت درجۀ بالاتر از میانه (115) و ریسک‌های با مرکزیت بینابینی بالاتر از میانه (31.9) مشخص و موارد مشترک میان آنها مشخص شده‌اند. به‌علاوه ازلحاظ عملکرد نیز ریسک‌ها به دو دستۀ بالا و پایین 5/0 با عملکردهای زیاد و کم تقسیم شده‌اند.

درنهایت، ریسک‌های دارای وضعیت بحرانی به‌صورت جداگانه در جدول 6 نمایش داده شده‌اند که به توجه جدی نیاز دارند.

 

 

جدول 6- ریسک‌های دارای وضعیت بحرانی در ماتریس اهمیت- عملکرد

دسته

ریسک

عملکرد

اهمیت

بحرانی

اثر شلاقی

80

بالا

بحرانی

ارتباطات ضعیف بین واحدها

50

بالا

بحرانی

پیش‌بینی نادرست تقاضا

80

بالا

بحرانی

تأخیر در تحویل محصول نهایی به مشتریان

50

بالا

بحرانی

تحریم

60

بالا

بحرانی

تغییر تکنولوژی

50

بالا

بحرانی

تغییر در مزیت رقابتی

50

بالا

بحرانی

تغییرات طراحی محصول

60

بالا

بحرانی

سیاست های انقباظی و انبساطی بانک‌ها

50

بالا

بحرانی

ضعف در پیش‌بینی و واکنش به تقاضای بازار

50

بالا

بحرانی

ظرفیت و پاسخگویی تأمین‌کنندگان جایگزین

60

بالا

بحرانی

ناتوانایی در پیش‌بینی‌کردن تغییرات بازار و صنعت

50

بالا

بحرانی

متکی‌بودن به تکنولوژی اطلاعات برای انجام تصمیمات و فرآیندها

60

بالا

بحرانی

مشکلات قراردادی ناشی از تجدید تحریم‌ها

50

بالا

بحرانی

نرخ بدهی و اعتبار

60

بالا

 

در شکل 7 نمودار پارتو برای دسته‌بندی ریسک‌ها نمایش داده شده است. مطابق با این نمودار، بیشترین تعداد ریسک‌ها را دسته‌های ادامۀ وضعیت فعلی (با 36.6%)، بحرانی (با 16.1%)، اتلاف منابع (با 28 %) و بی‌تفاوتی (با 19.4%) تشکیل می‌دهند.

 

 

شکل 7- تحلیل پارتو برای دسته‌بندی ریسک‌ها

 

دسته‌بندی ریسک‌ها ازلحاظ زمینه به‌صورت شکل 8 است.

از شکل 8 نمایان است که 48 درصد از کل ریسک‌ها در دسته‌های مالی-اقتصادی، تأمین‌کنندگان، اطلاعاتی و حمل و نقل قرار دارند؛ بنابراین به نظر می‌رسد توجه ویژه به این زمینه‌ها بهبود درخور توجهی در وضعیت سیستم ایجاد می‌کند.

 

شکل 8- تحلیل پارتو برای دسته‌بندی حیطۀ تأثیر ریسک‌ها

نتیجه‌گیری

در این پژوهش ریسک‌های زنجیره تأمین شرکت سایپا با رویکردی آمیخته، شناسایی و تحلیل شده است. شناسایی و ارزیابی این ریسک‌ها درقالب گام‌های مدل مدیریت ریسک کوزو انجام شده است. در فرآیندی کلی، نخست این ریسک‌ها با بررسی اسناد و مدارک موجود و مصاحبه با خبرگان شناسایی و دسته‌بندی شده است. سپس برای ارزیابی و تحلیل ریسک‌های شناسایی‌شده (برخلاف مدل‌های موجود ارزیابی و مدیریت ریسک که تنها اهمیت و اثر ریسک را براساس مفهوم هر ریسک به‌صورت جداگانه در عملکرد زنجیره بررسی می‌کنند) شبکۀ ارتباطی میان ریسک‌ها در نظر گرفته شده است. همچنین اهمیت ریسک از منظر تأثیر آن در عملکرد زنجیره و از حیث اهمیت آنها در شبکۀ ارتباطی میان ریسک‌ها و با تمرکز بر روابط با استفاده از مفاهیم مرکزیت در رویکرد تحلیل شبکه‌های اجتماعی تعیین شده است. پاسخ‌گویی به ریسک‌ها با استفاده از ماتریس IPM انجام شد که ورودی‌های آن از گام ارزیابی در نظر گرفته شده است.

 

برخی نتایج حاصل از تحلیل‌های انجام‌شده عبارتند از:

  • ریسک‌هایی مانند تحریم، پیش‌بینی نادرست تقاضا، سیاست‌های انبساطی و انقباظی بانک‌ها، ضعف در بازاریابی، تغییر تکنولوژی، متکی‌بودن به تکنولوژی اطلاعات برای انجام تصمیمات، جنگ و حملات تروریستی، عدم توانایی لازم در پیش‌بینی بازار و صنعت، تغییر یا جابه‌جایی پرسنل کلیدی، دارای مرکزیت درجۀ بالاتری نسبت به ریسک‌های دیگر هستند و باعث به‌وجودآمدن بسیاری از ریسک‌های دیگر در شبکه شده‌اند، به‌نحوی‌که بسیاری از ریسک‌های دیگر به‌علت وجود این ریسک‌ها به وجود آمده‌اند؛ بنابراین شرکت خودروسازی سایپا باید به‌دنبال کاهش ریسک‌های نام‌برده باشد. طبیعتاً کنترل ریسک‌هایی مانند تحریم، سیاست‌های انبساطی و انقباظی بانک‌ها و جنگ و حملات تروریستی در اختیار شرکت سایپا نیست؛ ولی شرکت خودروسازی سایپا با سرمایه‌گذاری در این بخش‌ها" شاید" بتواند تا حد امکان از تأثیرات این ریسک‌ها روی شرکت جلوگیری کند و احتمال آن را کاهش دهد؛ این یکی از راه‌کارهای مناسب برای جلوگیری از این ریسک‌های مهم است.
  • ریسک‌های دیگری مانند پیش‌بینی نادرست تقاضا، ضعف در بازاریابی، تغییر تکنولوژی، متکی‌بودن به تکنوتوژی اطلاعات برای انجام تصمیمات، عدم توانایی لازم در پیش‌بینی بازار و صنعت، تغییر یا جابه‌جایی پرسنل کلیدی؛ کنترل این ریسک‌ها در اختیار شرکت است و شرکت می‌تواند با سرمایه‌گذاری و برنامه‌ریزی درست در این بخش‌ها تا حد زیادی از به‌وجودآمدن این ریسک‌ها جلوگیری کند و ارزش سرمایه‌گذاری در این ریسک‌ها برای شرکت توجیه‌پذیر است.
  • ریسک‌هایی مانند سیاست‌های انقباظی و انبساطی بانک‌ها، ضعف در بودجه‌بندی و تخصیص منابع مالی، اثر شلاقی، تغییر در سیاست‌های دولت، زیادبودن هزینه‌های تولید، پایین‌بودن روند بازده، تشریفات اداری و برنامه‌ریزی حمل و نقل، تغییر تکنولوژی و متکی‌بودن به تکنولوژی برای انجام تصمیمات، دارای مرکزیت بینابینی بیشتری نسبت به ریسک‌های دیگر است. شاید این ریسک‌ها به خودی خود کلیدی نباشند؛ اما اثر بسیاری از این ریسک‌ها روی ریسک‌های دیگر ازطریق وجود همین ریسک‌ها است؛ بنابراین رفع و یا کاهش این ریسک‌ها برای شرکت اهمیت زیادی دارد. شرکت خودروسازی سایپا با سرمایه‌گذاری در این بخش نیز می‌توانند به‌طور فزاینده‌ای از خسارات و اتفاقات غیر قابل پیش‌بینی در آینده جلوگیری کند.
  • در میان ریسک‌های بحرانی اثر شلاقی، ارتباطات ضعیف بین واحدها، پیش‌بینی نادرست تقاضا، تأخیر در تحویل محصول نهایی به مشتریان، تحریم، تغییر تکنولوژی، تغییر در مزیت رقابتی، تغییرات طراحی محصول، سیاست‌های انقباظی و انبساطی بانک‌ها، ضعف در پیش‌بینی و واکنش به تقاضای بازار، ظرفیت و پاسخگویی تأمین‌کنندگان جایگزین، عدم توانایی لازم در پیش‌بینی‌کردن تغییرات صنعت و بازار، متکی‌بودن به تکنولوژی اطلاعات برای انجام تصمیمات و فرآیندها، مشکلات قراردادی ناشی از تجدید تحریم‌ها و نرخ بدهی و اعتبار را می‌توان با سرمایه‌گذاری و صرف هزینه درزمینۀ مدیریت ریسک‌های بحرانی زنجیره تأمین، ازطریق طراحی صحیح شبکۀ زنجیره تأمین و انتخاب استراتژی‌های مناسب (مانند مدیریت و برنامه‌ریزی صحیح مالی، کنترل ونظارت مستمر بر تأمین‌کنندگان، کنترل و مدیریت بازار و تقاضا و مدیریت موجودی‌ها) با ریسک‌های بحرانی داخلی و خارجی شرکت مقابله کرد. دیگر ریسک‌ها نیز با استوارسازی سیستم حداقل می‌شوند.

از مقایسۀ نتایج این پژوهش با نتایج پژوهش مشابه در شرکت سایپا مشاهده می‌شود که برخلاف اینکه پژوهش‌هایی مانند مجلسی (1392)، طالبی و آیرون (1394) و عظیمی (1392) (که مهم‌ترین ریسک‌ها را به عوامل خارجی و محیطی مانند تحریم نسبت می‌دهند)، نتایج پژوهش حاضر علاوه بر ریسک‌های محیطی، ریسک‌های مرتبط با عملیات شرکت را نیز بحرانی شناسایی کرده است. این نتیجه با نتایج پژوهش صمدی و محمدی (1395) مطابقت دارد که ریسک‌های دستۀ عملیاتی شرکت پارس‌خودرو را جزءِ مهم‌ترین عوامل دسته‌بندی می‌کنند.         

 در صحبت بیشتر با مدیران شرکت راه‌کارهای زیر برای غلبه بر ریسک‌های شناسایی‌شده مؤثر به نظر می‌رسید؛ البته مفیدبودن این راه‌کارها خود نیازمند پژوهش است؛ اما ذکر آنها خالی از فایده به نظر نمی‌رسد:

1- استفادۀ مناسب از اطلاعات: شرکت‌ها باید اطمینان حاصل کنند که داده‌های دقیق و به‌موقع از همۀ از تولیدکنندگان به آنها می‌رسد. این چالش کوچکی نبوده و نیازمند تلاش زیادی است که ازطریق انگیزه‌دادن به تأمین‌کنندگان و درگیرشدن در روند، پشتیبانی می‌شود.

برای کسب اطلاعات دقیق و قابل اعتماد از سراسر کل زنجیره تأمین، کسب و کار باید اقدامات زیر را انجام دهد:

- ارتباطات قوی با همکاران خود ایجاد و انگیزه‌ها و چالش‌های آنها را درک کند.

- چشم‌انداز جذاب موفقیت را با آنها به اشتراک بگذارد.

- ارسال داده‌ها را ساده‌سازی کند.

- بازخورهای شفاف و مستندی به تأمین‌کنندگان ارجاع دهد تا از عملکرد خود آگاه شوند.

استانداردسازی فرایندهای زنجیره تأمین برای کمک به شرکت‌ها در استفادۀ بهتر از اطلاعات مشترک در میان شرکای زنجیره تأمین کمک می‌کند. به اشتراک‌گذاری اطلاعات وسیله‌ای است برای ردیابی دینامیک زنجیره تأمین و درنتیجه کاهش عدم اطمینان در محیط‌های خارجی و داخلی. هنگامی که استانداردسازی در زنجیره تأمین مؤثر باشد، کاهش این عدم قطعیت به بهبود عملکرد کمک می‌کند. شرکت دل نمونه‌ای خوبی از استفادۀ فناوری اطلاعات برای دریافت اطلاعات از مشتریان خود و به اشتراک‌گذاشتن اطلاعات با تأمین‌کنندگان است. این شرکت از روش‌های زنجیره تأمین مؤثر برای استانداردکردن فرایندهای زنجیره تأمین و کاهش عدم اطمینان فرآیند از این اطلاعات استفاده می‌کند ( ژو و بنتون[xxxvi]، 2007).

2- استوارسازی سیستم: رویدادهای اخیر مالی دوباره نشان می‌دهد که رویدادهای ریسکی اجتناب‌ناپذیر هستند و حتی بیشتر به زنجیره‌های تأمین بستگی دارند. برای مقابله با این ریسک‌ها، مطالعات اخیر نشان می‌دهد انعطاف پذیری، همکاری (سوسای[xxxvii]، 2009) و چشم‌انداز (وی و وانگ[xxxviii]، 2010) قابلیت‌های زنجیره تأمین پویای نامتجانس هستند که نه تنها می‌توانند اختلالات زنجیره تأمین را در خود حل کنند، بلکه مزایای رقابتی را در زمان‌های معمول و غیرمعمول فراهم می‌آورند. داده‌های غنی از مطالعات موردی کیفی مدیران را در برخی از اصول مدیریت مقاوم کمک می‌کند؛ برای مثال به نظر می‌رسد برنامه‌ریزی زنجیره تأمین متمرکز با ظرفیت‌های غیرمتمرکز محلی یکی از این اصول کلیدی باشد. علاوه بر این، داشتن منابع کمکی در نقش‌های پروژۀ زنجیره تأمین استراتژیک، یکی دیگر از اصول اولیه برای ایجاد انعطاف‌پذیری است.

آنچه که در این میان حائز اهمیت است، برقراری تعادل و بالانس مناسب میان استراتژی‌های مدیریت ریسک و افزایش هزینه‌های ناشی از این استراتژی‌ها در مدیریت ریسک زنجیره تأمین است.

یکی از مهم‌ترین محدودیت‌های این پژوهش استفاده از مقیاس درجه‌بندی برای تعیین تأثیر هر ریسک در عملکرد شرکت است که امکان ناسازگاری را افزایش می‌دهد. به‌علت تعداد زیاد ریسک‌ها امکان استفاده از طیف لیکرت یا مقایسۀ زوجی وجود نداشت؛ بنابراین از مقیاس 1 تا 100 استفاده شد. اگر بتوان در پژوهش‌های آتی راه‌کاری برای شناسایی بهتر و سازگارتر تأثیر ریسک‌ها شناسایی کرد (به‌گونه‌ای که ناسازگاری در قضاوت‌ها را به حداقل برساند)، کارایی رویکرد پیشنهادی افزایش می‌یابد.

ازطرفی در این پژوهش راه‌کاری درجهت چگونگی مقابله با ریسک‌های بحرانی ارائه نشده است. ارائۀ راه‌کار در جهت کاهش این دسته از ریسک‌ها با در نظر گرفتن تأثیرات متقابل و شبکه ارتباطی میان آنها زمینه‌ای برای انجام پژوهش‌های آتی ایجاد می‌کند.

از مهم‌ترین محدودیت‌های پژوهشگران بزرگ‌بودن ماتریس مجاورت ریسک‌ها است که باعث صرف زمان زیادی برای پرکردن پرسشنامۀ مربوطه به این ماتریس در UCINET شد.

 


[i] Vanany et al., 2009

[ii] Peck, 2006

[iii] Blackhurs et al., 2011

[iv] Fault Tree Analysis

[v] Yazdi, 2017

[vi] Zhang et al., 2016

[vii] Failure modes and effects analysis 

[viii] Liu and Zhou, 2014

[ix] Marousek and Novotny, 2014

[x] Pu et al., 2018

[xi]Ilbahar et al., 2018

[xii] Zhang et al., 2018

[xiii] Analytic Hierarchical Process (ANP)

[xiv] Coso

[xv] Risk probability and Impact Matrix

[xvi] Usuda et.al, 2016

[xvii] Zare mehrjerei and Dehghanbaghi, 2013

[xviii] Rezaee et al., 2018

[xix] Rahmatin et al., 2018

[xx] Golgeci, I., & Ponomarov, 2014

[xxi] Dehdasht et al., 2017

[xxii] Ding et al., 2016

[xxiii] Multivariate Statistical Models

[xxiv] Second Moment Approach

[xxv] Program Evaluation & Review Technique (PERT)

[xxvi] Chopra and Sodhi., 2004

[xxvii] Liu et al., 2009

[xxviii] Moeinzadeh and Hajfathaliha, 2009

[xxix] Manuj and Mentzer, 2008

[xxx] Kleindorfer and Saad, 2005

[xxxi] Gaonkar and Viswanadham, 2004

[xxxii] Wagner and Bode, 2006

[xxxiii] Oke and Gopalakrishnan, 2009

[xxxiv] Angell et al., 2008

[xxxv] Azzopardi and Nash, 2013

[xxxvi] Zhou and Benton, 2007

[xxxvii] Sosay, 2009

[xxxviii] Wei and Wang, 2010

مراجع

Angell, R. J., Heffernan, T. W., & Megicks, P. (2008). "Service quality in postgraduate education". Quality Assurance in Education, 16(3), 236–254.
Azimi, S. (2013). “Applying Fazzy approach in supply chain risk management (case study of Saipa automotive industry)”, Master Thesis, Islamic Azad University of Central Tehran Branch.
Azzopardi, E., & Nash, R. (2013). "A critical evaluation of importance–performance analysis". Tourism Management, 35, 222–233.
Blackhurst, J., Dunn, K. S., & Craighead, C. W. (2011). "An empirically derived framework of global supply resiliency". Journal of Business Logistics, 32(4), 374–391.
Chopra, S., & Sodhi. M.M.S. (2004), "Managing risk to avoid supply-chain breakdown". MIT Sloan Management Review, 46 (1), 53- 61.
Daft, R.L. (2008). “Organization theory and design”, translated by Arabi, S.M., & Parsayian, A., Office of Cultural Research, - Public Sector, Hall 4, Corridor 22, Pavilion 15.
Dehdasht, G., Zin, R.M., Ferwati, M. S. et al. (2017). "DEMATEL-ANP risk assessment in oil and gas construction projects", Sustainability, 9(8), 14-20.
Dehnavi, M.M., Aghaei, A., & Setak, M. (2011). “Supply Chain Risk Management: Literature Review”, 9th International Management Conference. Tehran, Iran.
Ding, J., Chen, Y., & Chen, Z. et al. (2016). "Construction of risk assessment index system of P2P net loan platform based on ANP", 7th Annual Meeting of Risk-Analysis-Council of China-Association-for-Disaster-Prevention (RAC), Changsha, China.
Fakoor Sagihe, A.M., Olfat, L., Feizi, K., & Amiri, M. (2014). “A model of Supply chain resilience for competitiveness in Iranian automotive companies”. Productions and Operations Management, 5 (2), 143- 164.
Golgeci, I., & Ponomarov, S. Y. (2013). "Does firm innovativeness enable effective responses to supply chain disruptions? An empirical study". Supply Chain Management, 18(6), 604–617.
Gaonkar, R., & Viswanadham, N. (2004), "A Conceptual and Analytical Framework for the Management of Risk in Supply Chains", Proceeding of the 2004 IEEE international Conference onRobotics and Automation, 2699- 2704.
Hux, A., & Magalof, N. (2018). “Strategic Management: Concept and Process (Practical Approach)”, translated by Poursadeq, N, Memarzadeh, G., Sayyad, Thoughts of Goharbar, Tehran.
Ilbahar, E., Karasan, A., Cebi, S. et al. (2018). "A novel approach to risk assessment for occupational health and safety using Pythagorean fuzzy AHP & fuzzy inference system", Safety Science, 103, 124-136.
Interpretative Management Report of Saipa Automobile Industry, (2018), Iranian Automobile Manufacturing Co. (SAIPA), Public Joint-Stock Financial and Economic Deputy of SAIPA GROUP, Tehran.
Jafari, D., & Qizilbash, A.M. (2015). “Choosing the right reduction strategy against supply chain risks using the classic Network Analysis Process (ANP), Case study of Iran's Automotive Industry”.  Second International Management Conference in the 21st Century.
Jalali, Gh. (2014). “Risk Management in Automotive Supply Chain”, 2nd International Conference on Challenges and Solutions, Shiraz, Iran.
Khajenaieni, A., Ashtarian, K., Mohammadi Kangarani, H., &, Ghonchepour, D. (2015). “Identification of Information Network in Iran’s Nanotechnology Domain Using Network Analysis”. Management Research in Iran, 19 (3), 113-139.
Kleindorfer. P.R., & Saad. G.H. (2005), "Managing Disruption Risks in Supply Chains", Production and Operations Management, 14 (1), 53-68.
Liu, J., & Zhou, Y. (2014), "Improved FMEA Application to Evaluation of Supply Chain Vulnerability", 7th International Joint Conference on Computational Sciences and Optimization (CSO) Location: Beijing, China.
Liu, Zh., Lai, M., Zhou, T. & Zhou. Y. (2009), "A Supply Chain Risk Assessment Model Based on Multistage Influence Diagram", Proceeding of the 6th International Conference on Service Systems and Service Management, IEEE, 72-75.
Majlesi, A. (2013). “Identification and evaluation of risk in the supply chain of Saipa Automobile Company”, Mster Thesis, Ministry of Science, Research and Technology - Tarbiat Modares University - Faculty of Engineering.
Manuj, I., Mentzer, J.T. (2008), "Global supply chain risk management strategies". International Journal of Physical Distribution & Logistics Management, 38 (3), 192-223.
Marousek, R., & Novotny, P. (2014). "The FMEA Exploitation in supply chin resilience evaluation", 23rd International Conference on Metallurgy and Materials Location, Brno, Czech Republic.
Moeinzadeh, P., Hajfathaliha, A. (2009). "A Combined Fuzzy Decision Making Approach to Supply Chain Risk Assessment". World Academy of Science Engineering and Technology, 60, 519-535.
Mohammadi Kangarani, H., & Hosseinzadeh, M. (2016). “Investigating the structure and distribution of power among the institutions in charge for the Fifth Development Plan using Social Network Analysis approach”. Public Policy, 2(4), 89-107.
Mohammadi Kangarani, H., Hosseinzadeh, M., & Sepahi Parsa, M. (2017). “The analysis of the status for handicrafts’ supply chain participants in Qeshm Island using Social Network Analysis (SNA)”. Journal of Tourism and Development, 6 (4), 139-159.
Oke, A., & Gopalakrishnan, M. (2009), "Managing disruptions in supply chains: A case study of a retail supply chain", International Journal of Production Economics, 118 (1), 168- 174.
Peck, H. (2006). "Reconciling supply chain vulnerability, risk and supply chain management". International Journal of Logistics: Research and Applications, 9(2), 127- 142.
Pu, H., Luo, K., & Zhang, S. (2018). "Risk assessment model for different food stuff drying methods via AHP-FCE method: A case study of "coal-burning" fluorosis area of Yunan and Guizhou Province, China", Food Chemistry, 263, 74-80.
Rahmatin, N., Santoso, I., & Indriani, C. et al., (2018). "Intergration of the fuzzy failure mode and effect analysis (Fuzzy FMEA) and the analytic network process (ANP)", International Journal of Technology, 9 (4), 809-818.
Rezaee, M.J, Yousefi, S., & Valipour, M. et al., (2018). "Risk analysis of sequential processes in food industry integrating multi-stage fuzzy cognitive map and process failure mode and effects analysis", Computer & Industrial Engineering, 123, 325-337.
Samadi, M., & Mohammadi, M. (2016). “Identification and Prioritization of Risk Factors in Green Supply Chain Management by Fuzzy Hierarchy Process Analysis Method Case study: Pars Khodro Co.”, Second World Conference on Supply Chain and Logistics Managers.
Sosay, G. (2009). "Delegation and accountability: Independent regulatory agencies in Turkey". Turkish Studies, 10(3), 341-363.‌
Talebi, D, & Iron, F. (2015). “Identification of Risk Factors of Supply Chain and Supplier Selection with Analytical Network Process (Case: Automobile Industry)”. Industrial Management Perspective, 5 (1), 31-43.
Usuda, K., Ueno, T., & Ito, Y. et al., (2016). "Risk assessment study of Fluoride salts: Probability-Impact Matrix of Renal and Hepatic toxicity markers", Biological Trace Element Research, 173 (1), 154-160.
Vanany, I., Zailani, S., Pujawan, N. (2009), "Supply Chain Risk Management: Literature Review and Future Research", International Journal of Information Systems and Supply ChainManagement, 2 (1), 16-33.
Wei, H. L., & Wang, E. T. (2010). "The strategic value of supply chain visibility: increasing the ability to reconfigure". European Journal of Information Systems, 19(2), 238-249.‌
Wagner, S.M., & Bode, Ch. (2006), "An empirical investigation into supply chain vulnerability", Journal of Purchasing & Supply Management, 12 (6), 301-312.
Yazdi, M. (2017). "Hybrid probabilistic risk assessment using Fuzzy FTA and Fuzzy AHP in a process industry", Journal of Failure Analysis and Prevention, 17 (4), 756-764.
Zare mehrjerei, Y ., Dehghanbaghi, M.,( 2013)." A Dynamic Risk Analysis on New product Development Process". International Journal of Industrial Engineering & Production Research, 24 (1), 17-35.
Zhang, M., Song, W., Chen, Z., et al. (2016). "Risk assessment for fire and explosion accidents of steel oil tanks using improved AHP based on FTA", Process Safety Progress, 35 (3), 260-269.
Zhang, J. He, P., Xiao, J. et al. (2018). "Risk assessment model of expansive soil slope stability based on Fuzzy-AHP method and its engineering application", Jeomatics Natural Hazards & Risks, 9(1), 389-402.
Zhou, H., & Benton, W. C. (2007). "Supply chain practice and information sharing". Journal of Operations management, 25(6), 1348-1365.
پژوهش در مدیریت تولید و عملیات
دوره 10، شماره 1 - شماره پیاپی 18
اردیبهشت 1398
صفحه 111-132

فایل ها

هم رسانی

ارجاع به این مقاله

آمار