انتخاب تأمین‌کننده با استفاده از روش ترکیبی مبتنی بر محاسبۀ ارزش در محیط فازی نوع2 (مطالعۀ موردی شرکت مهندسی نصر نیروی یزد)

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

گروه مهندسی صنایع، دانشگاه علم و هنر، یزد، ایران

چکیده

افزایش شدید رقابت در بازارهای جهانی، توسعۀ تکنولوژی و ضرورت توجه به کارایی، کیفیت و هزینۀ تولیدات، موجب شده است تا شرکت‎‍های تولیدی و خدماتی، در جهت توسعۀ کسب و کار و بقا در بازار، نیازمند همکاری با شرکت‎‍ها و مؤسسات دیگری با عنوان تأمین‌کنندگان باشند. تأمین‌کنندگان می‎‍توانند بر کیفیت، قیمت و بسیاری از عوامل اثرگذار بر فروش محصولات تأثیرگذار باشند و این موضوع ضرورت توجه به مبحث انتخاب تأمین‌کنندۀ مناسب را ضروری می‎‍کند. در این پژوهش در ابتدا، عوامل مؤثر بر انتخاب تأمین‌کننده و ارزش هریک از معیارهای مؤثر در انتخاب تأمین‌کننده، با استفاده ازنظر خبرگان سازمان و با بهره‌گیری از اعداد فازی نوع2 بررسی و شاخص ارزش خرید از هر تأمین‌کننده، بر مبنای روش مهندسی ارزش محاسبه ‌می‌شود. در انتها با توجه به عوامل کمی شامل قیمت، میزان خرید و نرخ خرابی و با استفاده از یک مدل چندهدفه که در نرم‌افزار گمز حل‌ شده است، میزان سفارش خرید از هریک از تأمین‌کنندگان مشخص شده است. در این پژوهش عدم قطعیت موجود در بررسی مسائل کیفی از 2 جنبه مدنظر قرار گرفته است؛ هم از این لحاظ که اعضای مجموعۀ تخصیص داده‌ شده به هر معیار، قطعی نیست و فازی است و دوم آنکه درجۀ عضویت این اعداد فازی نیز قطعی نیست و با تغییرات همراه است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A model for supplier selection using value engineering-based type-2 fuzzy approach – The case of Nasr Niroo Engineering Company in Yazd

نویسندگان [English]

  • Afarin Akhavan
  • Seid Mahdi Ebrahimi
  • Ali Sadri Esfahani
Industrial Engineering Group, Faculty of Engineering, Science and Arts University, Yazd, Iran
چکیده [English]

Purpose: This research aims to propose an integrative approach for selecting suppliers for Nasr Niroo Engineering Company in Yazd. The proposed model applies value engineering in a type-2 fuzzy environment.
Design/methodology/approach: First, the purchase value has been calculated for each supplier using type-2 fuzzy data and the experts' opinions. Then, by dividing the value by the cost coefficient, the purchase value function of each supplier has been calculated for each product. The purchase value coefficients have been determined according to the opinion of experts and the buyers of equipment. In this research, verbal data has been collected from the experts, and out of this data, type-2 fuzzy numerical data has been extracted, calculated, and applied. The influence of type-2 fuzzy numbers in reducing uncertainty in the collected expert opinions has been the cause of such a problem. Following the determination of the purchase value function for each supplier, it has been assumed that quantitative information such as order cost, purchase cost, as well as each supplier's return rate, are also effective in selecting each supplier.
Findings: In this study, the subject of supplier selection was examined and solved for four separate product categories - iron, fibre, insulators, and fittings - for which there were two, two. Four, and four different suppliers, respectively. After examining and solving the model considering the purchase value index as well as additional parameters including ordering and purchasing costs, each supplier's capacity, and the rate of return and failure of parts, five suppliers were selected. Two suppliers were selected for iron, and one supplier was selected for each of the other three products.  
Research limitations/implications: The application of the proposed model appears to be highly difficult due to the numerous fuzzy number calculations, and obtaining information in this area is one of the limitations of this model. Also, type-2 fuzzy numbers could not be used for mathematical modelling and solution, because no model has been presented yet for the optimal solution of linear programming problems using type-2 fuzzy numbers.
Practical implications: The simultaneous use of value engineering techniques or multi-criteria decision-making methods with mathematical models can improve qualitative factors along with improving quantitative factors. This method can be used in project portfolio selection problems and problems with multiple quantitative and qualitative factors as well as different prices and values.
Social implications: For reasons such as the utilization of experts' perspectives on the quality factors affecting the selection of suppliers, the model described in this study can help ensure proper supplier selection; transforming the opinions of experts into type-2 fuzzy numbers, which is a practical method for reducing errors and uncertainty in judgments; employing value engineering to analyze viewpoints while keeping in mind the value of purchasing from each provider; using a mathematical model that accounts for costs, the percentage of orders that fail, and defects of order, which may be based on prior experiences or the supplier's announcement. Also, the use of type-2 fuzzy numbers is one of the solutions to face uncertainty in a system.
Originality/value: The topic of measuring the value of purchasing from suppliers is concentrated in this study instead of using other indicators such as purchasing risk, as a new indicator. Also, the simultaneous review of quantitative and qualitative data for the selection of suppliers can be considered one of the strengths of the reviewed model. Utilizing indications such as purchase value will be far more effective and better than using multi-criteria decision-making procedures, as seen when comparing this model with other applied models. The use of type-2 fuzzy numbers to lessen the uncertainty associated with using expert opinions and the development of the value calculation method in the area of supplier selection are the two major innovations of this study.

کلیدواژه‌ها [English]

  • Supply chain
  • Supplier selection
  • Value engineering
  • Type-2 fuzzy numbers

اصل مقاله

1- مقدمه

امروزه با توجه به جهانی‌شدن اقتصاد، رقابت مابین شرکت‌های تولیدی و خدماتی به‌شدت افزایش یافته است. بر این اساس، قیمت و کیفیت به‌عنوان یکی از عوامل اساسی مؤثر بر خرید کالاها و خدمات توسط مشتریان، از عوامل اصلی حیات شرکت‌ها در نظر گرفته می‌شوند. با توجه به اینکه بسیاری از شرکت‌ها برای ساخت محصولات خود یا ارائۀ خدمات به مشتریان، به بهره‌گیری از خدمات و محصولات دیگر شرکت‌ها و خدمات‌دهندگان یا در اصطلاح تأمین‌کنندگان نیازمندند، بنابراین به باور بسیاری از پژوهشگران، انتخاب تأمین‌کنندۀ مناسب ازجمله عوامل مؤثر بر بقا و رقابت شرکت‌هاست که می‌تواند در قیمت و کیفیت محصول نهایی اثرگذار باشد.

فرآیند انتخاب تأمین‌کنندۀ مناسب را نه‌تنها باید فراتر از بررسی مجموعه‌ای از لیست قیمت‌های موجود و مقایسۀ آنها دانست، باید شامل بررسی طیف گسترده‌ای از معیارهای مختلف، چه کیفی و چه کمی نیز باشد. در مدیریت زنجیرۀ تأمین معاصر، عملکرد تأمین‌کنندۀ بالقوه براساس معیارهای متعدد ارزیابی می‌شود، نه اینکه هزینه به‌عنوان ملاک اصلی در تصمیم‌گیری در نظر گرفته شود. این امر به‌دلیل تعدد معیارهایی است که باید در فرآیند ارزیابی در نظر گرفته شود (بادی و پاموکار[i]، 2020). با این حال مطابق پژوهش‌های انجام‌گرفته، 70درصد از هزینه‌های تولیدی مربوط به خرید کالاها و خدمات می‌شود (قدسی‎‍پور و اوبراین[ii]، 1998). با توجه به موارد بیان‌شده، تاکنون پژوهش‌های متعددی در حوزۀ انتخاب تأمین‌کننده انجام شده است. با بررسی پژوهش‌های این حوزه، طیف وسیعی از روش‌ها و مدل‌ها مشاهده‌شدنی است. به‌صورت کلی تعدادی از پژوهش‌ها تنها موارد و معیارهای کمی همچون قیمت، زمان تحویل و میزان ضایعات را در انتخاب تأمین‌کننده و تعدادی نیز مباحث کیفی همچون کیفیت را بررسی کرده‌اند. همچنین تعدادی نیز با ارائۀ مدل‌های ترکیبی، به‌صورت هم‌زمان عوامل کمی و کیفی مؤثر بر انتخاب تأمین‌کننده را بررسی کرده‌‌اند. بر این اساس، در این پژوهش نیز معیارهای کمی و کیفی به‌صورت هم‌زمان در نظر گرفته شده است. با وجود این، موضوعی که می‎‍تواند در زمینۀ انتخاب تأمین‌کنندگان درخور توجه قرار گیرد، مبحث ارزش انتخاب و خرید از تأمین‎‍کنندگان است که تاکنون مدنظر واقع نشده است. بر این اساس این پژوهش، با استفاده از شاخصی با عنوان ارزش خرید تأمین‌کنندگان، سعی در گسترش کاربرد این شاخص دارد. همچنین با توجه به عدم اطمینان نسبت‌به داده‌های قطعی، در بررسی شاخص ارزش خرید، از داده‌های فازی نوع2 استفاده شده است. این تحقیق می‌کوشد تا بتواند گامی دربارۀ تجزیه و تحلیل داده‌ها برای رتبه‎‍بندی شرکت‌های تأمین‌کننده بردارد تا در آینده، مدیران و تصمیم‌گیرندگان سازمان‌ها بهتر بتوانند با محیط اقتصادی نامطمئن، تصمیمات درست را اتخاذ کنند. زنجیرۀ تأمین عبارت است از همۀ فعالیت‌های مرتبط با جریان و تبدیل کالاها از مرحلۀ مادۀ خام )استخراج) به حالت نهایی )مصرف) و نیز جریان‌های اطلاعاتی مرتبط با آنها. همچنین، مدیریت زنجیرۀ ‌تأمین را می‌توان یکپارچه‌سازی کلیۀ فعالیت‌های موجود در زنجیرۀ ‌تأمین، ازطریق بهبود روابط زنجیره برای دستیابی به موقعیت رقابتی اتکاشدنی و مستدام در نظر گرفت. منظور از مدیریت زنجیرۀ تأمین، شبکه‌ای از سازمان‌هاست که با صنایع پایین‌دستی و بالادستی در فرایندها و فعالیت‌ها در ارتباط‌اند و به‌صورت محصول و خدمات ارائه‌شده به مشتری نهایی، تولید ارزش می‌کنند .زنجیرۀ تأمین از چند سازمان تشکیل می‌شود که رسماً از هم جدا هستند، ولی توسط جریان‌های مواد، مالی و اطلاعات به هم مربوط‌اند. هدف مدیریت زنجیرۀ تأمین این است که به‌گونه‌ای جریان اطلاعات، مالی و مواد با هم هماهنگ شوند که مشتریان بتوانند خدمت خود را با بالاترین سطح اطمینان، سرعت، کیفیت و هزینۀ مناسب دریافت کنند (آقاجانی و همکاران[iii]، 1393). بر این اساس در این پژوهش، در ابتدا معیارهای مناسب انتخاب تأمین‌کنندگان با استفاده از نظرات خبرگان جمع‎‍آوری شده و سپس این معیارها توسط خبرگان و با استفاده از یک طیف اعداد فازی نوع2 رتبه‎‍بندی شده است. در ادامه ضریب اهمیت، ضریب هزینه و ارزش خرید از هریک از تأمین‎‍کنندگان نسبت‌به یکدیگر محاسبه شده و با استفاده از یک مدل چندهدفه با توجه به درصد بازگشت کالاها، ارزش خرید از هر تأمین‌کننده و هزینۀ خرید و سفارش‌دهی هر قطعه و تعداد بهینۀ خرید از هر تأمین‌کننده مشخص شده است.

 

2- پیشینۀ نظری پژوهش

 براساس پژوهش نصیری و پورمحمدضیا[iv] (1394)، فرآیند انتخاب تأمین‌کننده شامل سه مرحلۀ اساسی تعیین معیارهای انتخاب، پیش‌ارزیابی و انتخاب نهایی تأمین‌کنندگان است. با توجه به اینکه در این پژوهش بخش‌های پیش‌ارزیابی و انتخاب نهایی تأمین‌کنندگان مدنظر است، بنابراین، سعی شده است که پیشینۀ روش‌های ارزیابی و انتخاب نهایی بیشتر بررسی شود. می‌توان گفت اولین مراحل در ارزیابی تأمین‌کنندۀ مناسب، بررسی شاخص‌های مناسب برای ارزیابی است که در این حوزه فعالیت‌های متعددی انجام شده است. در پژوهش سهیلی‌فر و فلاح لاجیمی[v] (1398)، ابتدا با استفاده از پرسش‌نامۀ دلفی فازی، 14 معیار پایداری از میان معیارهای برگرفته از تحقیقات پیشین شناسایی شد؛ سپس با استفاده از تکنیک دیمتل خاکستری، اوزان هریک از معیارها محاسبه شده است. دورسان و کارساک[vi] (2013)، برای انتخاب تأمین‌کننده ابتدا با استفاده از تکنیک تاپسیس، معیارهای کیفی انتخاب تأمین‌کنندگان را بررسی کردند؛ سپس با استفاده از یک مدل چندهدفه، تخصیص سفارش به هریک از تأمین‌کنندگان انجام گرفته است. برای رسیدن به جواب مناسب در انتخاب تأمین‌کنندگان، از روشQFD[vii]و روش میانگین وزنی فازی برای انتخاب تأمین‌کننده استفاده شده است. پژوهش پویا و علیزادۀ زوارام[viii] (1393)، مسئلۀ انتخاب تأمین‌کننده را در یک شرکت تولید آب معدنی با استفاده از مدل ترکیبی تحلیل سلسله‌مراتبی دلفی فازی و ویکور بررسی کرده است‌. سمیع‌زاده و افشاری[ix] (1396) در پژوهش خود بیان کردند که برای انتخاب تأمین‌کنندگان با انعطاف‌پذیری بالاتر و قیمت بهتر، کاهش هزینه‌ها و درنهایت افزایش سود مورد انتظار، میزان تخفیف پیشنهاد‌شده توسط تأمین‌کنندگان در فرآیند انتخاب و تخصیص سفارش به آنها نقش کلیدی دارد. مسئلۀ انتخاب تأمین‌کننده به‌صورت یک مسئلۀ دو هدفه تحت شرایط زمان و حجم تقاضای احتمالی مدل‌سازی شده است. با توجه به اینکه مسئلۀ مدنظر جزء مسائل [x]NP-hard به شمار می‌آید، الگوریتم‌های فراابتکاری برای حل مدل به کار گرفته شده است و درنهایت الگوریتم ژنتیک رتبه‌بندی غلبه‌نشده ([xi]NSGA-II) و الگوریتم ژنتیک مرتب‌سازی غلبه‌نشده ([xii]NRGA) با هم مقایسه شده‌اند. رسولی تکلیمی[xiii] (1396) در پژوهش خود برای رتبه‌بندی عوامل مؤثر بر انتخاب تأمین‌کنندگان صنعت سیمان، از تکنیک تاپسیس و ویکور استفاده کرده است. آسمی و آسمی[xiv] (2014) مسئلۀ انتخاب تأمین‌کنندۀ مناسب را با استفاده از روش تاپسیس در محیط فازی بررسی کرده است. همچنین در پژوهش بوران و همکاران[xv] (2009)، از تاپسیس فازی برای انتخاب تأمین‌کننده استفاده شده است. داوودآبادی و همکاران[xvi] (2020) در پژوهشی از روش PCA [xvii] برای کاهش ابعاد و همبستگی بین معیارها در انتخاب تأمین‌کنندگان انعطاف‌پذیر استفاده کردند. در پژوهش آنان علاوه بر این، از تجزیه و تحلیل پوششی داده‌ها DEA)) [xviii] برای تعیین وزن معیارها و رتبه‌بندی تأمین‌کنندگان استفاده شده است. وزن معیارها با استفاده از روش DEA، آنتروپی[xix] و داوری‌های تصمیم‌گیرندگان [xx]DM)) به‌طور هم‌زمان تعیین شده است. علی‌خانی و همکاران[xxi] (2019) بیان می‎‍کنند که انتخاب تأمین‌کننده، یک تصمیم استراتژیک چند وجهی است؛ اما هیچ تحقیقی وجود ندارد که عواملی مانند پایداری و ریسک را به‌طور هم‌زمان در نظر بگیرد. آنها در پژوهش خود از مجموعه‌های فازی بازه‌ای نوع 2 برای تعیین کمیت ورودی‌های تصمیم‌گیرندگان استفاده و یک مدل DEA با کارایی فوق‌العاده را پیشنهاد می‎‍کنند که شامل ورودی‌ها و خروجی‌های مطلوب و نامطلوب برای ارزیابی تأمین‌کنندگان است. این رویکرد به‌طور هم‌زمان پایداری و ریسک تأمین‌کنندگان را در مسئلۀ انتخاب تأمین‌کننده گنجانده است.

گیانکیس و همکاران[xxii] (2020) با استفاده از نظرات 144 نفر در کشورهای فرانسه و انگلیس، تأمین‌کنندگان را با استفاده از روش ANP دسته‌بندی و رتبه‌بندی کرده‌اند. چن و همکاران[xxiii] (2020) در پژوهشی، مطالعۀ یک رویکرد DEMATEL[xxiv]-TOPSIS[xxv] فازی ترکیبی را برای انتخاب تأمین‌کنندۀ پایدار برای یک زنجیرۀ تأمین هوشمند پیشنهاد می‌کنند. اثربخشی و دقت روش پیشنهادی ازطریق کاربرد آن در انتخاب تأمین‌کنندۀ انتقال خودرو پایدار و ازطریق مقایسه با روش‌های دیگر نشان داده می‌شود. آگراوال و همکاران[xxvi] (2021) مسئلۀ انتخاب تأمین‌کننده را برای 5 تأمین‌کننده و 14 پارامتر با استفاده از روش شباهت به گزینۀ ایده‌آل یا تاپسیس و با استفاده از داده‌های فازی بررسی کرده‌اند. دویری و همکاران[xxvii] (2016) یک مدل ترکیبی روش تحلیل سلسله‌مراتبی را بر پایۀ سیستم پشتیبانی تصمیم‌گیری در یک شرکت خودروسازی توسعه دادند. تانگ و همکاران[xxviii] (2023) در پژوهشی، توسعۀ یک مدل یکپارچه را برای ارزیابی ریسک حمل‌ونقل زباله‌های پزشکی COVID-19 با ادغام یک مدل ساختاری تفسیری کل فازی نوع 2 توسعه‌یافته (TISM[xxix]) با یک شبکۀ بیزی (BN)  بررسی کرده‌اند. همچنین در این پژوهش یک مقیاس رتبه‌بندی ریسک حمل‌ونقل مبتنی بر فازی نوع 2 برای کمک به کارشناسان، برای بیان اطلاعات ارزیابی نامشخص معرفی می‌شود که در آن یک روش جدید برش آلفای دوگانه برای فازی‌زدایی اعداد فازی نوع 2 ایجاد شده است. نظری شیرکوهی و همکاران[xxx] (2013) در پژوهش خود، مسئلۀ انتخاب تأمین‌کننده و تخصیص سفارش را با یک مدل دو مرحله‌ای برنامه‌ریزی خطی چندهدفۀ فازی، با توجه به میزان نقص در محصولات و میزان کمبود بررسی کرده‌اند. روی و همکاران[xxxi] (2020) به این موضوع اشاره کرده‌اند که انتخاب تأمین‌کننده، یک موضوع چالش‌برانگیز و مستلزم ارزیابی معیارهای کمی و کیفی براساس اطلاعات نادرست و محدود است. بر این اساس این پژوهش، برای تعیین وزن معیارها از روش تحلیل سلسله‌مراتبی با اعداد فازی و برای رتبه‌بندی تأمین‌کننده از روش پرومته استفاده کرده است. اردوغان و کایا[xxxii] (2014) مسئلۀ انتخاب دانشگاه را با استفاده از روش تاپسیس در محیط فازی نوع2 بررسی کرد‌ه‌اند‌. کشاورز قرابائی و همکاران[xxxiii] (2014) مسئلۀ انتخاب تأمین‌کننده را با استفاده از متغیرهای کلامی فازی نوع2 و با روش کوپراس[xxxiv]«COPRAS» بررسی کرده‌اند. زاوادسکاس و همکاران[xxxv] (2020) بیان می‌کنند که تصمیم‌گیری صحیح هنگام انتخاب تأمین‌کننده امری حیاتی است؛ زیرا انتخاب بهینه باعث تضمین هزینۀ کمتر و کیفیت بالاتر محصول و درنتیجه رقابت بیشتر در بازار می‌شود. بر این اساس در پژوهش خود از روش تحلیل سلسله‌مراتبی با استفاده از داده‌های فازی استفاده کرده‌اند. اکا[xxxvi](2020) در پژوهشی برای انتخاب تأمین‌کنندۀ سبز و به‌منظور مقابلۀ بهتر با ابهام در حل مسئله، از روش تحلیل سلسله‌مراتبی با استفاده از داده‌های فازی نوع2 استفاده کرده است. همچنین برای نشان‌دادن اثربخشی و کارایی مدل IT2FAHP [xxxvii]یک کاربرد واقعی نیز در یک تولیدکنندۀ لوازم خانگی انجام شده است. مندل[xxxviii] (2003) روش عملیات بر داده‌های فازی نوع2 را شرح داده است. دوسی و همکاران[xxxix] (2022) در مطالعه‎‍ای به رتبه‌بندی شاخص‌های مؤثر بر انتخاب مکان تأسیسات خردکردن خودرو، با استفاده از رویکرد دلفی و مجموعه‌های فازی نوع ۲ پرداخته‌اند.

 

3-مفاهیم و مبانی نظری پژوهش

تأمین‌کننده می‌تواند مواد اولیه، تجهیزات تولیدی، انرژی و یا حتی نیروی انسانی مورد نیاز سازمان را تأمین کند. در برخی موارد تأمین‌کنندگان سازمان‌ها انحصاری‌اند و سازمان چاره‌ای جز خرید از آنها و یا ساخت محصول ندارد؛ اما در بسیاری از موارد تأمین‌کنندگان توانایی آن را دارند که به‌طور هم‌زمان چندین نیاز سازمان را برطرف کنند و سازمان باید با توجه به نیازهای حال و آیندۀ خود با آنان همکاری کند؛ بنابراین یکی از مسائلی که همیشه در مدیریت زنجیرۀ تأمین مطرح است، انتخاب تأمین‌کننده است.

در فرآیندهای تصمیم‌گیری در زنجیرۀ تأمین، فاکتور اصلی که ممکن است اثربخشی پیکربندی و هماهنگی را در طول زنجیره تحت تأثیر قرار دهد، عدم قطعیت است (آذر و همکاران[xl]، 1393). برای بررسی این عدم قطعیت و کاهش هرچه بیشتر اثر آن در تصمیم‌گیری، معمولاً از داده‌های فازی استفاده می‌شود. انتخاب تأمین‌کننده مسئلۀ مهمی در زنجیرۀ تأمین محسوب می‌شود؛ به‌گونه‌ای که تولیدکنندگان معمولاً 60درصد از زمان خود را صرف تأمین مواد اولیه، اجزا و قطعات می‌کنند (کراجوسلد و ریتزمن[xli]، 2002). به علاوه اینکه 70درصد هزینه‌های تولیدی مربوط به خرید کالا و خدمات می‌شود (قدسی‎‍پور و اوبراین، 1998)؛ بنابراین انتخاب و تعیین مناسب‌ترین تأمین‌کننده موضوع مهمی در زنجیرۀ تأمین محسوب می‌شود که باید به‌گونه‌ای استراتژیک بررسی شود. معمولاً در مباحثی که تاکنون برای مبحث انتخاب تأمین‌کنندگان معرفی شده است، سعی بر این بوده است که یا با استفاده از تحلیل نظرات خبرگان با روش‌های گوناگون همچون ویکور، تاپسیس و تحلیل سلسله‌مراتبی و ... بهترین تأمین‌کنندگان شناسایی شوند و یا اینکه با استفاده از مدل‌های ریاضی همچون برنامه‌ریزی آرمانی، به این مهم دست یابند؛ اما موضوعی که از آن غفلت شده است، این است که بهتر است علاوه بر در نظر گرفتن نظرات خبرگان یک سازمان، سعی شود عوامل کمی انتخاب ‌تأمین‌کنندگان نیز مطرح و ارزیابی شود. بر این اساس در این پژوهش سعی شده است تا انتخاب تأمین‌کننده با توجه به مبحث مهندسی ارزش بررسی شود که مهم‌ترین هدف آن کاهش هزینه‌ها در قبال افزایش و یا حداقل ثابت‌ماندن کیفیت است. برای این منظور با استفاده از نظرات خبرگان سازمان دربارۀ تأمین‌کنندگان یک محصول خاص، در ابتدا ارزش خرید از هریک محاسبه و سپس با استفاده از مدل ریاضی براساس داده‌هایی همچون قیمت و میزان خرید از هریک از تأمین‌کنندگان، تعداد بهینۀ خرید از هریک از تأمین‌کنندگان محاسبه شده است.

 

1-3- تشریح مبانی فازی نوع2

با توجه به هدف این پژوهش که یکی از فعالیت‌های اساسی محاسبۀ ارزش خرید از تأمین‌کنندگان با استفاده از تئوری فازی نوع2 است، در ابتدا اعداد فازی نوع2 بررسی شده است؛ در حالی که مجموعه‌های فازی نوع 1 در توابع عضویت دو بعدی MFs))[xlii] مشخص می‌شوند، مجموعه‌های فازی نوع 2 با MF های سه بعدی مشخص می‌شوند. به‌دلیل این ساختار گسترده، مجموعه‌های فازی نوع ۲ اغلب پتانسیل بهتری نسبت‌به مجموعه‌های نوع ۱ برای گرفتن عدم قطعیت دارند (دوسی و همکاران، 2022). تابع فازی نوع2 در حالت پیوسته به‌صورت رابطۀ (1) و براساس جفال و چنگ[xliii] (2011) تعریف می‌شود.

 (1)

 

در رابطۀ (1)  تابع عضویت ثانویه نامیده می‌شود و میزان آن عضویت دوم یا دومین عضو است. به‌علاوه Uیک آرگومان از تابع عضویت ثانویه است و از  به‌عنوان عضو اصلی x نام برده می‌شود.  تابع عضویت این عدد فازی نوع2 است و بازۀ تعرف آن ]1و 0[ است و به‌صورت رابطۀ (2) براساس جفال و چنگ (2011) تعریف می‌شود.

(2)

 

اگر  یک عدد فازی نوع2 ذوزنقه‌ای باشد، به شرح رابطۀ (3) تعریف می‌شود.

(3)

 

که در آن  تابع عضویت بالا،  تابع عضویت پایین نامیده می‌شود.  نقاط مرجع نامیده می‌شوند.  بیشترین میزان تابع عضویت و  کمترین میزان تابع عضویت نام‌گذاری می‌شود. جمع، تفریق، ضرب، ضرب اسکالر در عدد فازی و رابطۀ  اعداد فازی نوع2 استفاده‌شده در این تحقیق، طبق روابط تعریف‌شده توسط جفال و چنگ (2011) است.

توابع عضویت فازی نوع2 به‌وسیلۀ مشخصه‌ای بـه نـام نگاشت عدم قطعیت‌ها «Fou[xliv]» توصـیف می‌شوند. «FOU» را می‌توان به‌صورت یک ناحیۀ محدود از نامعینی‌ها در توابع عضـویت اولیۀ فازی نوع2 تعریف کرد که نمایانگر اجتماع توابـع عضویت‌های اولیه است. همچنین برای تبدیل اعداد فازی نوع2 ذوزنقه‌ای به اعداد قطعی، می‌توان از رابطه‌های (7-4) استفاده کرد که در منبع جفال و چنگ (2011) آمده است. j کران بالا و یا پایین اعداد فازی را نشان می‌دهد.

   

(4)

رابطۀ (5) میانگین عدد مرجع تا عدد را نشان می‌دهد.

(5)

 

 

رابطۀ (5) برای محاسبۀ انحراف معیار سه عدد مرجع اول عدد ذوزنقه‌ای برای هرکدام از حدود بالا و پایین، از اعداد قبل و بعد خود به کار می‌رود و برای محاسبۀ انحراف معیار عدد 4ام نیاز است از رابطۀ (6) استفاده شود که انحراف معیار عدد مرجع 4ام را نسبت‌به 3 عدد قبل از خود محاسبه می‌کند.

 

(6)

 

معادلۀ کلی تبدیل اعداد فازی نوع2 به عدد قطعی در رابطۀ (7) ارائه ‌شده ‌است. همان‌طور که قبلاً گفته شد  درجۀ عضویت حدود بالا و پایین عدد فازی نوع2 را نشان می‌دهد.

 

(7)

 

 

2-3- محاسبۀ ضریب ارزش خرید تأمین‌کننده با استفاده از اعداد فازی نوع2

در این تحقیق، در ابتدا معیارهای مناسب برای انتخاب تأمین‌کنندگان با استفاده ازنظر خبرگان (کارشناسان شاغل در بخش خرید و فنی) مشخص شد. این معیارها عبارتند از: قیمت، کیفیت، تحویل به‌موقع، انعطاف‌پذیری، میزان پاسخگویی؛ سپس از کارشناسان خواسته ‌شد تا اهمیت این معیارها را در طیف 7 تایی «خیلی‌کم» تا «خیلی‌زیاد» طبق جدول (1) مشخص کنند.

جدول 1- اعداد فازی نوع2 نسبت داده شده به متغیرهای کلامی (کشاورز قرابائی و همکاران، 2014)

Table 1- Type 2 fuzzy numbers attributed to verbal variables.(Ghorabaee et al,. 2014)

Fuzzy number

متغیرهای کلامی

Linguistic variable

 

خیلی کم

VL (Very Low)

 

کم

L(Low)

 

متوسط به پایین

ML (Medium Low)

 

متوسط

M (Medium)

 

متوسط به بالا

MH (Medium High)

 

زیاد

H (High)

 

خیلی زیاد

VH (Very High)

 

نظرات 3 کارشناس  دربارۀ معیارهای انتخاب تأمین‌کنندگان آهن‌آلات و میانگین فازی نظرات کارشناسان دربارۀ اهمیت هر معیار (اهمیت معیار)، که با استفاده از رابطه‌های (7-4) محاسبه می‌شود، در جدول (2) آورده شده‌ است. به‌طور نمونه، نحوۀ محاسبۀ میانگین فازی نظرات کارشناسان (اهمیت معیار) دربارۀ معیار قیمت در رابطۀ (8) نشان داده ‌شده ‌است.

(8)

MH+MH+H=((0.5,0.7,0.75,0.9;1,1),(0.6,0.7,0.75,0.8;0.9,0.9))+((0.5,0.7,0.75,0.9;1,1),(0.6,0.7,0.75,0.8;0.9,0.9))+((0.7,0.85,0.9,1;1,1),(0.8,0.85,0.9,0.95;0.9,0.9))=((1.7,2.25,2.4,2.8;1,1),(2,2.25,2.4,2.55;0.9,0.9))

1/3*((2.5,2.85,2.9,3;1,1),(2.7,2.85,2.9,2.95;0.9,0.9))=((0.566,0.75,0.8,0.933;1,1),(0.6,0.75,0.8,0.85;0.9,0.9))

جدول 2- اهمیت معیارهای انتخاب تأمین‌کنندگان براساس نظر کارشناسان

Table 2- Importance of supplier selection criteria based on experts opinion

D3

D2

D1

معیار

H

MH

MH

قیمت

VH

VH

H

کیفیت

H

VH

MH

تحویل به‌موقع

MH

H

H

انعطاف‌پذیری

H

VH

H

پاسخگویی

 

در مرحلۀ دوم به بعد، از کارشناسان خواسته ‌شد تا تجهیزات هریک از تأمین‌کنندگان را با توجه به 5 معیار انتخاب تأمین‌کننده ارزش‌گذاری کنند. میانگین نظرات کارشناسان در هر سطر به‌عنوان اهمیت تأمین‌کننده در معیار آورده شده است.

در مرحلۀ سوم، ضریب اهمیت فازی هر تأمین‌کننده در معیارهای مختلف (کل وزن معیار نسبت داده شده به تأمین‌کننده j ام) ازطریق ضرب اهمیت معیار (از جدول2) در اهمیت تأمین‌کننده هر معیار محاسبه می‌شود.

پس از محاسبۀ ضریب اهمیت فازی تأمین‌کنندگان در هر معیار، در مرحلۀ بعد با استفاده از رابطه‌های (7-4) این اعداد به اعداد قطعی تبدیل می‌شوند. نحوۀ محاسبۀ ضریب اهمیت قطعی تأمین‌کنندۀ 1 آهن‌آلات در معیار قیمت به شرح زیر است:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

a.               3-3- محاسبۀ ضریب هزینۀ هر تأمین‌کننده

در مرحلۀ چهارم ارزش کل هر تأمین‌کننده ( ) از جمع ضرایب اهمیت آن تأمین‌کننده در همۀ معیارها محاسبه می‌شود. ضریب ارزش ( ) هر تأمین‌کننده، از تقسیم ارزش کل هر تأمین‌کننده بر مجموع ارزش کل همۀ تأمین‌کنندگان، به دست ‌می‌آید. با توجه به میزان تقاضا و همچنین هزینه‌های خرید و حمل‌و‌نقل، ضریب هزینۀ کل هر تأمین‌کننده محاسبه می‌شود. از تقسیم هزینۀ کل هر تأمین‌کننده بر مجموع هزینه‌های کل، ضریب هزینه به دست می‌آید. نتایج برای تأمین‌کنندگان آهن‌آلات در جدول (2) آورده ‌شده است.

 

b.               4-3- محاسبۀ ارزش خرید از هر تأمین‌کننده

تابع ارزش خرید از هر تأمین‌کننده برای هر کالا، با تقسیم ضرایب ارزش بر ضرایب هزینه محاسبه می‌شود. ارزش خرید آهن‌آلات از تأمین‌کنندگان در جدول (3) آورده ‌شده است. پس از محاسبۀ ارزش کل، نیاز است ضریب عملکرد هر تأمین‌کننده نسبت‌به کل تأمین‌کنندگان موجود محاسبه و نیز ارزش کل تمامی تأمین‌کنندگان محاسبه شود.

 

جدول 3- محاسبۀ ضریب هزینۀ هر تأمین‌کننده و ارزش خرید آهن‌آلات از هر تأمین‌کنندۀ آهن

Table3- Calculation of the cost factor of each supplier and the purchase value of iron from each iron supplier

ارزش خرید

ضریب ارزش

ضریب هزینه

هزینۀ کل

میزان تقاضا

تأمین‌کنندگان

11/1

219/0

19/0

14,214

3000

1

98/0

19/0

2/0

14,505

3000

2

94/0

19/0

20/0

14,643

3000

3

03/1

20/0

2/0

14,508

3000

4

92/0

18/0

2/0

14,715

3000

5

 

همان‌طور که در جدول (3) مشخص است، اولویت خرید از تأمین‌کنندگان آهن‌آلات با توجه به معیار ارزش خرید به ترتیب و با توجه به میزان ارزش بالاتر به‌صورت است و همچنین با توجه به محاسبات اولویت خرید یراق‌آلات به‌صورت ، اولویت خرید مقره به‌صورت و اولویت خرید فیبر نوری است. اگر هدف، تخصیص مجموعه‌ای از سفارش‌ها با کیفیت و قیمت‌های متفاوت باشد، می‌توان با استفاده از روش مهندسی ارزش و محاسبه به‌وسیلۀ اعداد فازی، ارزش کل خرید هر کالا از هر تأمین‌کننده مشخص شود و سپس با توجه به مدل ارائه‌شده در بخش بعد، میزان سفارش به هریک از تأمین‌کنندگان را با در نظر گرفتن قیمت خرید، تعداد سفارش و میزان خرابی قطعات و همچنین با توجه به تابع ارزش آنها محاسبه کرد.

 

 

5-3- مدل ریاضی انتخاب تأمین‌کننده

در این پژوهش مدل ریاضی به‌گونه‌ای بررسی شده است که ارزش خرید کالاها یا خدمات از تأمین‌کنندگان تا حد امکان افزایش یابد. در این مدل سعی شده است تا خرید از تأمین‌کننده به‌ صورتی انجام شود که هزینۀ خرید و سفارش‌دهی محصول و درصد بازگشت قطعات معیوب تا حد ممکن کاهش یابد و همچنین ارزش خرید تا حد ممکن افزایش یابد. این مدل با توجه به مدل فازی بررسی‌شده توسط منبع نظری شیرکوهی و همکاران (2013)، با افزودن تابع هدف افزایش ارزش خرید نوشته شده است که در ادامه اجزای مدل به‌طور کامل شرح داده خواهد شد.

اندیس‌های مدل:

تنوع محصولات

 

مجموعۀ تأمین‌کنندگان

 

سطح کیفی ارائه‌شده برای محصول

 

پارامترهای مدل:

تعداد قطعۀ i ام که باید خریداری شود (تقاضا).

 

ارزش خرید قطعۀ i ام از تأمین‌کنندۀ j ام در سطح قیمتی k ام

 

میزان خرید قطعۀ i ام از تأمین‌کنندۀ j ام در سطح قیمتی k ام

 

هزینۀ خرید کالای i ام و تنوع k ام از تأمین‌کنندۀ j ام

 

هزینۀ سفارش کالای i ام از تأمین‌کنندۀ j ام

 

درصد بازگشت کالای i ام و تنوع k ام از تأمین‌کنندۀj ام

 

ظرفیت تأمین‌کنندۀ j ام برای تولید کالای i ام

 

پارامتر عدد بزرگ

 

متغیرهای تصمیم:

اگر کالای i از تأمین‌کنندۀ j در سطح قیمت k خریداری شود 1 و در غیر این صورت 0 است.

 

اگر حداقل یک کالا از تأمین‌کنندۀ j خریداری شود 1 و در غیر این صورت صفر است

 

 

 

مدل ریاضی:

 

 

(9)

 

(10)

 

(11)

 

 

Subject to:

(12)

 

 

(13)

 

 

(14)

 

 

(15)

 

 

,integer

(16)

 

 

 

تابع هدف رابطۀ (9) بیان می‌کند که میزان خرید و سفارش‌دهی از تأمین‌کنندگان باید به صورتی انجام گیرد که هزینۀ خرید و سفارش‌دهی تا حد امکان کاهش یابد. تابع هدف رابطۀ (10) بر این نکته تأکید دارد که با توجه به اینکه هریک از تأمین‌کنندگان در تحویل اقلام به میزان متغیری درصد بازگشت و معیوبی قطعات را لحاظ می‌کنند، این میزان تا حد امکان کاهش یابد. در تابع هدف رابطۀ (11) با توجه به اینکه خرید هر کالایی از تأمین‌کنندگان دارای ارزش‌های متفاوتی است، لازم است خرید به صورتی انجام شود که ارزش خرید از تأمین‌کنندگان تا حد امکان افزایش یابد. محدودیت رابطۀ (12) بیان می‌کند که کل خرید کالای i از هرکدام از تأمین‌کنندگان و در هر سطح قیمتی باید به میزان تقاضای آن کالا باشد. محدودیت رابطۀ (13) به این نکته اشاره دارد که اگر محصول i از تأمین‌کنندۀ j در هر سطح قیمتی k خریداری شود، این میزان باید کمتر یا حداقل مساوی با ظرفیت آن تأمین‌کننده برای آن نوع از کالا باشد. ضمن آنکه اگر قرار است خریدی شود، حداقل مقدار باید خریداری شود و اگر خریدی نشود، میزان خرید صفر است. محدودیت رابطۀ (14) این موضوع را بیان می‌کند که اگر کالای i از تأمین‌کنندۀ j خریداری شود، در هر سطح قیمتی k که باشد، ضریب هزینۀ سفارش یعنی برابر 1 می‌شود و در تابع هدف، هزینۀ سفارش محاسبه می‌شود. محدودیت رابطۀ (15) بیان می‌کند که میزان خرید از تأمین‌کنندگان می‌تواند صفر و یا عددی مثبت باشد. در مدل ریاضی بیان‌شده، فرض بر این است که تابع ارزش خرید و میزان خرید عددی مثبت است. البته در واقعیت میزان خرید می‌تواند به‌صورت بازگشتی به تأمین‌کننده نشان داده شود؛ اما در این مدل در نظر گرفته نشده است. همچنین رابطۀ (16) بیانگر این موضوع است که از هریک از تأمین‌کنندگان و در هر سطح کیفی یا خرید می‌شود یا نمی‌شود.

 

6-3- یافته‎‍ها

پس از جمع‌آوری داده‌ها، با استفاده از تلفیق مبحث مهندسی ارزش و تئوری فازی نوع2، تابع ارزش خرید برای هریک از تأمین‌کنندگان مشخص می‌شود. موضوعی که در واقعیت مطرح است، این است که معمولاً خریداران، نیازمند خرید چند نوع کالا در سطح قیمت و کیفیت متفاوت‌اند؛ ‌بنابراین در مرحلۀ بعد، با استفاده از مدل ریاضی، میزان تخصیص سفارش برای هر کالا و به هر تأمین‌کننده، برای کاهش هرچه بیشتر هزینۀ خرید و افزایش هرچه بیشتر ارزش حاصل از خرید، بررسی خواهد شد. در اینجا از نظرات سه نفر از کارشناسان شرکت مطالعه‌شده، استفاده شده است. همچنین هدف، مشخص‌کردن میزان خرید کالا از تأمین‌کنندگان مناسب برای 4 گروه کالایی آهن‌آلات، فیبر، مقره و یراق است. در این تحقیق برای رعایت اصل امانت‌داری، نام شرکت‌های تأمین‌کننده آورده نشده و به‌جای آن از کدهای عددی برای نام‌گذاری استفاده شده است.

برای حل این مدل سه هدفه، می‌توان از روش‌های برنامه‌ریزی آرمانی «Goal programing» و RPM, LP-norm استفاده کرد که در اینجا از روش LP-norm با توجه به دقت و سادگی آن و با توجه به اینکه می‌توان به هریک از اهداف درجه‌ای از اهمیت را نسبت داد، استفاده شده است و نتایج حل و تخصیص خرید، مشاهده‌شدنی است. روش حل به این ‌گونه است که هرکدام از توابع هدف، ابتدا جداگانه با تمام محدودیت‌ها حل می‌شوند؛ سپس تابع هدف مینیمم جدیدی تعریف می‌شود که برای توابع هدف، ماکزیمم مقدار تابع هدف به دست آمده از مرحلۀ قبل، از مقدار بهینه کم و بر مقدار بهینه تقسیم می‌شود و برای توابع هدف‌های مینیمم، مقدار بهینه از مقدار تابع هدف به دست آمده در مرحلۀ قبل کم و بر مقدار بهینه تقسیم می‌شود. همانند رابطۀ (17)، به هریک از توابع هدف با توجه به اهمیت آنها، ضریبی اختصاص می‌یابد که مجموع این ضریب باید  یک شود. پس از نوشتن تابع هدف جدید، این تابع هدف با محدودیت‌های قبل حل می‌شود. برای حل مدل، پس از به دست آوردن ,  تابع هدف جدیدی به‌صورت رابطۀ (18) نوشته و با توجه به تمامی محدودیت‌های گذشتۀ مدل، دوباره حل می‌شود. همچنین در این مسئله با توجه به اهمیت قیمت، بیشترین میزان ضریب تابع هدف برای تابع قیمت تعریف شده است.

(17)

 

 (18)

 
     

 

Subject to:

 

 

        

 

 

 

 

 

 

 
     

پارامترهای مدل عبارتند از:

,  به ترتیب نیاز کالاهای 1، 2، 3 و 4 است که مقدار آن به ترتیب برابر است با 3000 و 18000 و 3000 و 80 است. همچنین میزان بازگشتی و خرابی قطعات به‌صورت تصادفی تعریف شده است.  ، همان‌طور که قبلاً گفته شد، ظرفیت و قیمت هر تأمین‌کننده برای هرکدام از کالاها را می‌توان در چند سطح قیمتی و کیفیتی بررسی کرد که در اینجا با توجه به نیازهای شرکت و اینکه تأمین‌کنندگان تقریباً کالاهای خود را در یک سطح قیمتی و کیفی تولید می‌کنند، فقط در یک سطح قیمتی در نرم‌افزار Gams مسئله حل شده است. مقادیر بهینۀ متغیرهای خرید و هزینه‌های سفارش متغیرهای صفر و یک، در جداول (4) و (5) آورده شده است. yijk نمایش‌دهندۀ این است که از کدام تأمین‌کننده و در چه سطح کیفی خرید انجام شده است؛ بنابراین تمامی yijk که مقدار 1 دارند، از آنها خرید شده است.

جدول 4- متغیر میزان بهینۀ خرید و متغیر صفر و یک

Table 4- variable of optimal amount of purchase and zero and one variable Y_ijk

متغیرهای تعداد خرید

تعداد بهینۀ خرید

متغیرهای هزینۀ سفارش yijk

مقدار yijk در جواب بهینه

 

1

 

1

 

2999

 

1

 

18000

 

1

 

3000

 

1

 

80

 

1

 

جدول 5- متغیر صفر و یک هزینۀ سفارش‌دهی

Table 5- variable zero and one ordering cost

 

 

 

 

 

 

متغیر هزینۀ سفارش

 

 

 

 

 

 

متغیر صفر و یک

 

همچنین میزان بهینۀ هرکدام از توابع هدف با استفاده از نرم‌افزار گمز به‌صورت زیر محاسبه شده است:

 

 

 

 

 

 میزان بهینۀ توابع هدف، مینیمم قیمت، بازگشتی و ماکزیمم ارزش خرید تأمین‌کنندگان است. همچنین عددی بسیار کوچک شده است که نشان‌دهندۀ کم‌بودن انحرافات و نزدیکی جواب‌ها به جواب بهینه است. همچنین از اینکه  مقدار گرفته‌اند، این‌گونه برداشت می‌شود که فقط از تأمین‌کنندگان 2 و 3، از هر کالا خرید می‌شود.

7-3- اعتبارسنجی و آنالیز حساسیت

یکی از راهکارهای اعتبارسنجی مدل‌ها و به‌خصوص مدل‌های تحقیق در یک عملیات را می‌توان بهره‌گیری از روش آنالیز حساسیت در نظر گرفت. این موضوع به‌وضوح در مرجع اسمیث و همکاران[xlv] (2008) تشریح شده است؛ بنابراین با توجه به نوع ساختار مدل بررسی‌شده، در پژوهش پیش ‌رو از روش آنالیز حساسیت برای بررسی اعتبار مدل استفاده شده است. در آنالیز حساسیت، هدف تعیین حساسیت نسبت‌به پارامترهای تعریف‌شده در مدل ریاضی است. پارامترهای تغییردادنی در بازۀ کاهش 20درصدی تا افزایش 20درصدی تغییر داده می‌شوند تا میزان حساسیت آ‌نها بررسی شود. در ابتدا برای پارامتر تقاضا، بررسی انجام شده است (جدول6).

جدول 6- جدول تغییرات تابع هدف‌ها نسبت‌به تغییر تقاضا

Table 6- The table of changes in the function of objectives with change in demand

تابع هدف

حل مسئله به‌ازای میزان تغییرات تقاضا

8/0

9/0

1

1/1

2/1

 

032/0

028/0

028/0

034/0

043/0

 

6/9E+8

05/1E+9

14/1E+9

33/1E+9

43/1E+9

 

28/817

6/1021

6/1021

84/1126

080/1248

 

85/20513

76/25279

76/25279

56/27602

02/29925

 

با توجه به جدول (6)، به‌ازای کاهش 10درصدی، تغییری حاصل نشده است، ولی به‌ازای کاهش 20درصدی، مقدار mobj زیاد شده است، برای افزایش تقاضا نیز مقادیر mobj در حال افزایش است. همچنین به‌ازای کاهش 10درصدی تقاضا،  تغییر نکرده و به‌ازای کاهش 20درصدی کاهش یافته است. به‌ازای افزایش پارامتر تقاضا نیز مقدار افزایش یافت. در ادامه برای پارامتر ارزش خرید، تحلیل حساسیت با افزایش و کاهش 20درصدی مقادیر محاسبه شده است (جدول7).

جدول 7- تغییرات تابع هدف‌ها نسبت‌به تغییر ارزش خرید

Table 7- The table of changes in the function of objectives with change in purchase value

تابع هدف

حل مسئله به‌ازای میزان تغییرات پارامتر ارزش خرید

8/0

9/0

1

1/1

2/1

 

041/0

041/0

028/0

041/0

041/0

 

146124/1E+9

146124/1E+9

146124/1E+9

146124/1E+9

146124/1E+9

 

600/1021

600/1021

60/1021

60/1021

60/1021

 

01/33092

52/45501

76/25279

52/45501

02/49638

 

در این بخش با افزایش 10درصدی ارزش خرید، mobj افزایش و با کاهش 10درصدی ارزش خرید نیز mobj افزایش می‌یابد و به‌ازای مقادیر دیگر افزایش و کاهش، تغییری در mobj رخ نمی‌دهد. همچنین با افزایش و کاهش 10درصدی حجم فروش، مقدار z3 افزایش و با کاهش 20درصدی نسبت‌به کاهش 10 درصدی، دوباره z3 کاهش می‌یابد، ولی با افزایش این پارامتر، مقدار z3 در حال افزایش است که این میزان افزایش برای 10درصد اول بیشتر است. تغییرات تابع هدف‌ها نسبت‌به تغییر قیمت هر تأمین‌کننده یا هزینۀ خرید کالا در جدول (8) آورده شده است.

جدول 8- جدول تغییرات تابع هدف‌ها نسبت‌به تغییر قیمت هر تأمین‌کننده یا هزینۀ خرید کالا

Table 8- The table of changes in the function of objectives in relation to the change in the price of each supplier or the cost of purchasing goods

تابع هدف

حل مسئله به‌ازای میزان تغییرات پارامتر قیمت فروش

8/0

9/0

1

1/1

2/1

 

027/0

028/0

028/0

029/0

029/0

 

628792/9E+8

054502/1E+9

146124/1E+9

489708/1E+9

604236/1E+9

 

60/1021

60/1021

60/1021

60/1021

60/1021

 

76/25279

76/25279

76/25279

76/25279

760/25279

 

با افزایش 10درصدی قیمت فروش، میزان mobj افزایش می‌یابد و با افزایش 20درصدی، نسبت‌به افزایش 10درصدی ابتدایی تغییری حاصل نمی‌شود. با کاهش 10درصدی نیز تغییری نداریم، ولی با کاهش 20درصدی، مقدار mobj کاهش یافته است.

 

4- بحث

در این پژوهش، مسئلۀ انتخاب تأمین‌کننده برای 4 نوع کالای مختلف شامل آهن‌آلات، فیبر، مقره و یراق‌آلات، که به ترتیب برای هرکدام2،2،4و4 تأمین‌کنندۀ متفاوت وجود داشته است، بررسی و حل شده است. در ابتدا ارزش خرید از هریک از تأمین‌کنندگان با استفاده از نظرات خبرگان و داده‌های فازی نوع ۲، محاسبه شده است. همان‌گونه که توضیح داده شد، تابع ارزش خرید از هر تأمین‌کننده برای هر کالا با تقسیم ضرایب ارزش بر ضرایب هزینه، محاسبه می‌شود. با توجه به اینکه ضرایب ارزش خرید با توجه به نظر خبرگان و کارشناسان و به‌صورت کلی خریداران تجهیزات مشخص می‎‍شود، در این پژوهش از داده‎‍های جمع‎‍آوری‌شدۀ کلامی خبرگان و صاحب‎‍نظران، داده‎‍های عددی فازی نوع دو استخراج، محاسبه و از آنها استفاده شده است. علت این موضوع نیز شرایط اعداد فازی نوع دو در کاهش عدم قطعیت در نظرات جمع‎‍آوری‌شدۀ خبرگان و کارشناسان است. پس از مشخص‌شدن تابع ارزش خرید از هر تأمین‌کننده، باید این موضوع نیز مدنظر قرار گیرد که داده‌های کمی همچون هزینۀ سفارش، هزینۀ خرید و همچنین میزان بازگشتی هریک از تأمین‌کنندگان نیز در انتخاب هر تأمین‌کننده مؤثر است؛ بنابراین در این پژوهش، مدل ترکیبی ارائه شده است تا علاوه بر موضوع کیفی شاخص ارزش خرید از هر تأمین‌کننده، دیگر شاخص‎‍های کمی مهم در بحث انتخاب آن نیز بررسی شود. پس از بررسی و حل مدل با توجه به شاخص ارزش خریدی و همچنین دیگر پارامترها، همچون هزینۀ سفارش‌دهی، خرید و ظرفیت هریک از تأمین‌کنندگان و همچنین میزان بازگشتی و خرابی قطعات، درنهایت 5 تأمین‌کننده شامل 2 تأمین‌کنندۀ آهن‌آلات تعیین و برای هریک از سه کالای دیگر، یک تأمین‌کننده انتخاب شده است. در ادامۀ پژوهش برای نشان‌دادن مبحث کارایی مدل ارائه‌شده دربارۀ مسائل دنیای واقعی، تحلیل حساسیت بر پارامترهای مهم و اساسی مدل تحقیق در عملیات انجام شده است.

 

5- نتیجه‌گیری

استفاده از مدل ارائه‌شده در این پژوهش، می‌تواند برای انتخاب مناسب یک تأمین‌کننده مفید واقع شود. بنا به دلایلی از قبیل استفاده ازنظر خبرگان دربارۀ عوامل کیفی مؤثر بر انتخاب تأمین‌کنندگان، تبدیل نظرات خبرگان به اعداد فازی نوع 2 که یکی از شیوه‌های مفید برای کاهش خطا و عدم قطعیت در تصمیم‌گیری‌هاست، تجزیه و تحلیل نظرات با استفاده از مهندسی ارزش و توجه به مفهوم ارزش خرید از هر تأمین‌کننده، استفاده از مدل ریاضی و با در نظر گرفتن هزینه‌ها، میزان

خرابی و نقص سفارش‌ها، که می‌تواند براساس تجربیات گذشته و یا براساس اعلام تأمین‌کننده باشد، استفاده از مدل ارائه‌شده در این پژوهش می‌تواند برای انتخاب مناسب یک تأمین‌کننده مفید واقع شود. همچنین استفاده از اعداد فازی نوع دو، یکی از‌ را‌هکارهایی است که به‌منظور مواجهه با عدم قطعیت در یک سیستم ارائه می‌شود. موضوعی که در این پژوهش بر آن تأکید شده است، مبحث اندازه‌گیری ارزش خرید از تأمین‌کنندگان به‌جای بهره‌گیری از دیگر شاخص‌ها همچون ریسک خرید است که به‌نوعی یک شاخص جدید در این مبحث است. همچنین بررسی هم‌زمان داده‌های کمی و کیفی برای انتخاب تأمین‌کنندگان را می‌توان یکی از نقاط قوت مدل بررسی‌شده بیان کرد. در مقایسۀ این مدل با دیگر مدل‌های استفاده‌شده، این موضوع به‌وضوح مشخص است که استفاده از شاخص‌هایی همچون ارزش خرید، بسیار کاراتر و بهتر از بهره‌گیری از روش‌های تصمیم‌گیری چندمعیاره خواهد بود. نوآوری این پژوهش را می‌توان درمجموع، بسط روش محاسبۀ ارزش در مبحث انتخاب تأمین‌کنندگان و همچنین استفاده از اعداد فازی نوع2 برای کاهش عدم قطعیت بهره‌گیری از نظرات خبرگان بیان کرد. در ادامۀ تحقیقات مسائل انتخاب تأمین‌کننده، مدل ریاضی که بتواند هم‌زمان عوامل کمی و کیفی را در نظر گیرد، می‌تواند مدنظر قرار گیرد. همچنین مدلی بررسی شود که به ‌صورتی ساده، علاوه بر ارزش خرید از هریک از تأمین‌کنندگان، ریسک خرید از آنان را به‌طور هم‌زمان مدنظر قرار دهد.

 

[i] Badi & Pamucar

[ii] Ghodsypour & O'Brien

[iii] Aghajani et al.

[iv] Nasiri & Pourmohammadzia

[v] Soheilifar & Fallah Lajimi

[vi] Dursun & Karsak

[vii] Quality Function Deployment

[viii] Pouya & Alizadeh Zavaram

[ix] Samizadeh & Afshari

[x] Nondeterministic polynomial time problem.

[xi] Non dominated sorting genetic algorithm II

[xii] Non-dominated Ranking Genetic Algorithm

[xiii] Rasouli Taklimi

[xiv] Asemi & Asemi

[xv] Boran et al.

[xvi] Davoudabadi

[xvii] Principal components analysis

[xviii] Data Envelopment Analysis

[xix] Entropy

[xx] Decision Maker

[xxi] Alikhani et al.

[xxii] Giannakis

[xxiii] Chen et al.

[xxiv] Technique for Order of Preference by Similarity to Ideal Solution

[xxv] Decision making trial and evaluation laboratory

[xxvi] Agrawal

[xxvii] Dweiri

[xxviii] Tang et al.

[xxix] Total interpretive structural model

[xxx] Shirkouhi et al.  

[xxxi] R. la te yo

[xxxii] Erdogan & Kaya

[xxxiii] Ghorabaee et al  

[xxxiv] Complex proportional assessment

[xxxv] Zavadskas et al.  

[xxxvi] Ecer

[xxxvii] interval type-2 fuzzy AHP

[xxxviii] Mendel  

[xxxix] Deveci et al.  

[xl] Azar et al.

[xli] Krajewsld & Ritzman

[xlii] Membership Functions  

[xliii] Jaffal & Cheng

[xliv] Footprint of uncertainty

[xlv] Smith et al.

مراجع

Aghajani, H.A., Samadi, H., & Farmanzadeh, M. (2014). Investigation and Measurement of Flexibility of Supply Chain with Fuzzy Logic Approach, (Experimental Evidence: Automotive Manufacturing Industry in Mazandaran Province). Quarterly Journal of Industrial Management, 9(27), 83-94. (In Persian)
Agrawal, V., Dixit, J. K., & Agarwal, S. (2021). FTOPSIS approach for material supplier selection: A study. Materials Today: Proceedings, 6(4), 635-664.
https://doi.org/10.1016/j.matpr.2021.01.91310.
Alikhani, R., Torabi, S. A., & Altay, N. (2019). Strategic supplier selection under sustainability and risk criteria. International Journal of Production Economics, 45(6), 69-82. https://doi.org/10.1016/j.ijpe.2018.11.018
Alizadeh Zoeram A, Pooya A. Solving the Supplier Selection Problem Using a Model Based On Fdahp-Vikor Combined Approach. ORMR 2015; 4 (4), 23-48.
Asemi, A., & Asemi, A. (2014). Intelligent MCDM method for supplier selection under fuzzy environment. International Journal of Information Science and Management (IJISM), 33-40.
Azar, Adel; Mousavi, Seyyed Fazel, (2013). Designing a three-stage integrated probabilistic and stable model for supplier selection with an uncertainty approach. Journal of Research in Operations and Its Applications, 11(1), 63-79. (In Persian)
Badi, I., & Pamucar, D. (2020). Supplier selection for steel making company by using combined Grey-MARCOS methods. Decision Making: Applications in Management and Engineering, 3(2), 37-48. https://doi.org/10.31181/dmame2003037b
Boran, F. E., Genç, S., Kurt, M., & Akay, D. (2009). A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method. Expert systems with applications, 36(8), 11363-11368. https://doi.org/10.1016/j.eswa.2009.03.039
Chen, Z., Ming, X., Zhou, T., & Chang, Y. (2020). Sustainable supplier selection for smart supply chain considering internal and external uncertainty: An integrated rough-fuzzy approach. Applied Soft Computing, 87, 106004. https://doi.org/10.1016/j.asoc.2019.106004
Davoudabadi, R., Mousavi, S. M., & Sharifi, E. (2020). An integrated weighting and ranking model based on entropy, DEA and PCA considering two aggregation approaches for resilient supplier selection problem. Journal of Computational Science, 40, 101074. https://doi.org/10.1016/j.jocs.2019.101074
Deveci, M., Simic, V., Karagoz, S., & Antucheviciene, J. (2022). An interval type-2 fuzzy sets based Delphi approach to evaluate site selection indicators of sustainable vehicle shredding facilities. Applied Soft Computing, 118, 108465. https://doi.org/10.1016/j.asoc.2022.108465
Dursun, M., & Karsak, E. E. (2013). A QFD-based fuzzy MCDM approach for supplier selection. Applied Mathematical Modelling, 37(8), 5864-5875. https://doi.org/10.1016/j.apm.2012.11.014
Dweiri, F., Kumar, S., Khan, S. A., & Jain, V. (2016). Designing an integrated AHP based decision support system for supplier selection in automotive industry. Expert Systems with Applications, 62, 273-283. https://doi.org/10.1016/j.eswa.2016.06.030
Ecer, F. (2020). Multi-criteria decision making for green supplier selection using interval type-2 fuzzy AHP: a case study of a home appliance manufacturer. Operational Research, 1-35. https://doi.org/10.1007/s12351-020-00552-y
Erdoğan, M., & Kaya, İ. (2014). A type-2 fuzzy MCDM method for ranking private universities in İstanbul. In Proceedings of the World Congress on Engineering, 1, 2-4.
Ghodsypour, S. H., & O'Brien, C. (1998). A decision support system for supplier selection using an integrated analytic hierarchy process and linear programming. International journal of production economics, 56, 199-212. https://doi.org/10.1016/S0925-5273(97)00009-1
Giannakis, M., Dubey, R., Vlachos, I., & Ju, Y. (2020). Supplier sustainability performance evaluation using the analytic network process. Journal of cleaner production, 247, 119439. https://doi.org/10.1016/j.jclepro.2019.119439
Jaffal, H., & Cheng, T. (2011). Multiple Attributes Group Decision Making by Type-2 Fuzzy Sets and Systems, Masters Thesis, for Degree of Master of Sciences in Mathematical Modeling and Simulation. Blekinge Institute of Technology.
Keshavarz Ghorabaee, M., Amiri, M., Salehi Sadaghiani, J., & Hassani Goodarzi, G. (2014). Multiple criteria group decision-making for supplier selection based on COPRAS method with interval type-2 fuzzy sets. The International Journal of Advanced Manufacturing Technology, 75(5), 1115-1130.
Krajewski, L. J., & Ritzman, L. P. (2002). Operations management: strategy and analysis (Vol. 120). Upper Saddle River, NJ: Prentice Hall.
Mendel Jerry, M. (2003). Type-2 Fuzzy Sets: Some Questions and Answers. Department of Electrical Engineering. University of Southern California, Los Angeles, CA, 49(1), 128-117.
Nasiri, M.M., & Pourmohammadzia, N. (2015). A Combined Model for Selecting Suppliers and Assigning Orders in the Supply Chain. Specialized Journal of Industrial Engineering, 49(1). (In Persian)
Nazari-Shirkouhi, S., Shakouri, H., Javadi, B., & Keramati, A. (2013). Supplier selection and order allocation problem using a two-phase fuzzy multi-objective linear programming. Applied Mathematical Modelling, 37(22), 9308-9323.
Rasouli Taklimi, S.W. (2017). Identification and Optimization of Factors Affecting the Selection of Cement Industry Suppliers with Topsis and Vikor Model. M.Sc. Thesis, Islamic Azad University, Naraq Branch. (In Persian)
Roy, S. A., Ali, S. M., Kabir, G., Enayet, R., Suhi, S. A., Haque, T., & Hasan, R. (2020). A framework for sustainable supplier selection with transportation criteria. International Journal of Sustainable Engineering, 13(2), 77-92. https://doi.org/10.1080/19397038.2019.1625983
Samizadeh, R., & Afshari, P. (2017). Provide a Two-Tier Model of Supplier selection in the Supply Chain and Solve it Through Meta-Innovative Algorithms. International Journal of Industrial Engineering and Production Management, 28(3), 391-404. (In Persian)
Smith, E. D., Szidarovszky, F., Karnavas, W. J., & Bahill, A. T. (2008). Sensitivity analysis, a powerful system validation technique. The Open Cybernetics & Systemics Journal, 2(1), 39-56. https://doi.org/10.2174/1874110X00802010039
Soheilifar, S., & Fallah Lajimi, H. (2019). Evaluate the Effective Criteria in Selecting Suppliers of Raw Materials Used in the Marine Industry with a Sustainability Approach. Journal of Marine Science and Technology, 23(90), 23-13. (In Persian)
Tang, J., Liu, X., & Wang, W. (2023). COVID-19 medical waste transportation risk evaluation integrating type-2 fuzzy total interpretive structural modeling and Bayesian network. Expert Systems with Applications, 213, 1-9. https://doi.org/10.1016/j.eswa.2022.118885
Zavadskas, E. K., Turskis, Z., Stević, Ž., & Mardani, A. (2020). Modelling procedure for the selection of steel pipes supplier by applying fuzzy AHP method. Operational Research in Engineering Sciences: Theory and Applications, 3(2), 39-53. https://doi.org/10.31181/oresta190101s

فایل ها

هم رسانی

ارجاع به این مقاله

آمار