تأثیر توانمندی تأمین‌کنندگان در توالی فعالیت‌های پروژۀ توسعۀ محصول پیچیده

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

1 کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

2 دانشیار مجتمع دانشگاهی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران

چکیده

تعیین توالی فعالیت‌های طراحی و توسعۀ یک محصول پیچیده، همواره امری چالش‌برانگیز در مدیریت و برنامه‌ریزی آن بوده است. وجود فعالیت‌های مختلف با وابستگی اطلاعاتی، زمان و هزینۀ گوناگون، به‌خوبی لزوم ارائۀ یک روش قدرتمند را برای تعیین توالی بهینۀ فعالیت‌ها‌ نشان می‌دهد. با توجه به اینکه ممکن است هر‌یک از فعالیت‌های طراحی و توسعۀ یک محصول پیچیده از سوی تأمین‌کنندگان متعدد، با توانمندی‌های مختلف امکان انجام داشته باشد، انتخاب تأمین‌کنندۀ مناسب برای هر فعالیت، در تعیین توالی فعالیت‌ها نقش دارد. به همین منظور، یک مدل چندهدفه برای تعیین توالی فعالیت‌ها با لحاظ‌کردن توانمندی تأمین‌کننده‌ها و با توجه به وضعیت مالی پروژه ارائه شده است. برای تبدیل مدل برنامه‌ریزی چندهدفه به مدلی تک‌هدفه، از روش محدودیت اپسیلون تقویت‌شده استفاده شده است. به‌علت اختلال در پارامتر زمانِ در دسترس هر دوره، مسئله دارای عدم قطعیت است و سناریوهای مختلفی وجود دارد. نظر به اینکه روش بهینه‌سازی استوار برای مقابله با ریسک عدم قطعیت کاربرد دارد، در پژوهش حاضر از آن استفاده شده است. در‌نهایت، کارایی مدل پیشنهادی از‌طریق پیاده‌سازی آن در مطالعۀ موردی طراحی و توسعۀ توربین گازی بررسی و ارزیابی‌های لازم برای اعتبارسنجی این مدل در رابطه با نتایج موجود و بهینۀ معتبر انجام شده است. نتایج پژوهش نشان می‌دهد در نظر گرفتن توانمندی تأمین‌کنندگان در انتخاب آنها، مقدار تابع هدف بازخورد را به میزان درخور توجهی کاهش می‌دهد که این خود به معنای کاهش دوباره‌کاری ناشی از برون‌سپاری فعالیت‌ها و در‌نتیجه کاهش زمان و هزینۀ پروژه خواهد بود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Impact of Suppliers' Capabilities on the Sequence of Activities in Complex Product Development Projects

نویسندگان [English]

  • Behzad Rahati 1
  • Jafar Gheidar-Kheljani 2
1 Industrial Engineering Department, Faculty of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
2 Management and Industrial Engineering Department, Malek-Ashtar University of Technology, Tehran, Iran
چکیده [English]

Purpose: This study aims to develop a robust model for sequencing activities in the design and development of complex products while considering supplier capabilities. Given the intricate nature of product development and the interdependencies among various design activities, optimizing the sequence of these activities is essential for enhancing project efficiency and minimizing redundancies. This study seeks to bridge the gap between supply chain management and product development, addressing an under-researched area where supplier capabilities significantly impact project outcomes.
Design/methodology/approach: This research employs a quantitative and applied methodology, utilizing mathematical modeling and multi-objective optimization techniques to tackle the problem of activity sequencing. A comprehensive literature review informs the development of a theoretical framework to identify critical parameters influencing supplier selection and activity sequencing. The study incorporates uncertainty factors, particularly time constraints, by applying an epsilon-constraint method to transform the multi-objective optimization model into a single-objective one. Data for the research is collected through structured interviews and questionnaires directed at industry experts, ensuring the model's practical applicability and relevance.
Findings: The results indicate that integrating supplier capabilities into the selection process significantly minimizes feedback loops in activity sequences, which consequently reduces the amount of rework and overall project costs. The model was applied in a case study focused on gas turbine development, demonstrating its effectiveness in optimizing project timelines and budgets. The findings highlight the importance of choosing suppliers based on their competencies and the potential for mitigating project risks linked to information feedback among interconnected activities.
Research limitations/implications: While the model offers a comprehensive framework for understanding the relationship between supplier capabilities and activity sequencing, certain limitations must be recognized. The model's applicability may differ across various industries and project types, and further research is recommended to validate the model in diverse contexts. Additionally, the study acknowledges possible biases in the expert interviews and suggests future studies incorporate a broader range of data sources for a more comprehensive analysis.
Practical implications: The implications of this research for practice are significant. By implementing the proposed model, project managers can improve decision-making processes related to supplier selection and activity scheduling. This can result in shorter project durations and reduced costs while enhancing product quality and reliability. The model's framework can assist organizations in aligning supplier capabilities with project requirements, promoting more efficient collaboration within supply chains. Overall, this research contributes to improved resource management practices in complex product development scenarios.
Social implications: The societal impacts of this research are significant. By optimizing the design and development processes of complex products, businesses can promote more sustainable manufacturing practices and produce higher quality products. Enhanced collaboration among suppliers and project teams can stimulate innovation and positively influence industry standards. Furthermore, addressing supplier capabilities can strengthen the overall resilience of the supply chain, which is especially pertinent in today's dynamic market environments prone to disruptions. Additionally, by focusing on supplier capabilities and improving the overall efficiency of product development processes, this research advocates for the adoption of best practices and ethical standards within supply chains. As companies aim to collaborate with suppliers who meet specific competency benchmarks, this can lead to improved working conditions, fair labor practices, and responsible sourcing. Ultimately, such initiatives not only bolster the economic stability of communities but also promote social equity by creating opportunities for local suppliers and fostering inclusive growth within the industry.
Originality/value: This article introduces a novel approach to integrating supplier capabilities into the activity sequencing of complex product development. It offers valuable insights for both practitioners and researchers, highlighting the importance of supplier selection in project success. The originality of this study lies in its comprehensive model that considers both the technical and relational aspects of supplier engagement, thus providing a fresh perspective on the intersection of supply chain management and product development.

کلیدواژه‌ها [English]

  • Complex products
  • Multi-objective programming
  • Supplier capability
  • Robust optimization
  • Gas turbine development
1- مقدمه
سیستم‌های محصول پیچیده ، محصولاتی با هزینۀ ساخت بالا، پروژه‌محور، با فرآیند تولید فوق‌العاده پیچیده، سفارشی و همراه با تمرکز بالا بر مهندسی سیستم  است. پیچیدگی در پروژههای توسعۀ محصول ، ناشی از ساختار، عملکرد محصول یا فناوری به کار رفته در آن است (2007 Danilovic & Browning,). در این راستا، چالش‌های مدیریت زمان و هزینه، به‌ویژه در پروژه‌های توسعۀ محصول، از اهمیت بنیادی برخوردار است.
با توجه به وابستگی‌های متقابل که در فرآیندهای توسعۀ محصول وجود دارد، به‌کارگیری روش‌های مناسب برای تسهیل فعالیت‌ها، از اهمیت بالایی برخوردار است. همچنین‌ کاهش دوباره‌کاری‌های غیرضروری ناشی از جریان اطلاعات بین این فعالیت‌ها، تأثیر بسزایی بر کارایی پروژه‌های توسعه دارد (Lin et al., 2012)؛ از این‌ رو، مدیریت بهینۀ توالی  فعالیت‌ها نیازمند درک عمیق از وابستگی‌ها و ارتباطات موجود بین آنهاست. ‌
بنابراین با وجود این چالش‌ها، مدیران پروژه‌ها باید راهکارهایی را در دسترس داشته باشند که به آنها کمک کند تا توالی بهینه‌تری را برای فعالیت‌های مرتبط تعیین ‌و از منابع موجود به‌طور مؤثر استفاده کنند. این امر به‌ویژه زمانی مهم است که بودجه‌های موجود به‌صورت دوره‌ای و نه یکجا تخصیص ‌یابد‌ (Attari-Shendi et al., 2022). پژوهش‌ها نشان داده‌اند که استفادۀ بهینه از زمان و هزینه، نتایج مناسبی را در پروژه‌های طراحی و توسعه به‌همراه دارد.
در دنیای واقعی، نیاز به برون‌سپاری فعالیت‌ها نیز اجتناب‌ناپذیر است. با توجه به اینکه برای هر فعالیت، تأمین‌کنندگان مختلفی وجود دارد، فرآیند انتخاب تأمین‌کنندۀ مناسب، به یک چالش مهم تبدیل شده است. محققان بررسی‌های مختلفی را انجام داده‌اند تا ارتباطات پایدار میان زنجیرۀ تأمین و فرآیند توسعۀ محصول را شناسایی کنند؛ اما تاکنون مدل جامعی ارائه نشده است که این دو حوزه را به هم پیوند دهد‌.
با وجود پیشینۀ پژوهشی نسبتاً قوی در زمینۀ محصولات پیچیده، توجه محققان کمتر معطوف به ایجاد مدلی شده است که ‌بین دو حوزۀ زنجیرۀ تأمین و توالی محصولات پیچیده ارتباط برقرار کند و توالی انجام فعالیتهای طراحی و توسعۀ این محصولات را با در نظر گرفتن توانمندی‌های تأمین‌کننده بهبود دهد. هدف فعلی این مطالعه برای پر‌کردن این شکاف تحقیقاتی و پاسخگویی به نیاز برای برآورده‌کردن مدلی است که با ایجاد پل ارتباطی بین زنجیرۀ ‌تأمین و توالی فعالیت‌ها، مدل‌ جامعی را برای برنامه‌ریزی محصولات پیچیده ارائه دهد؛ بنابراین با برقراری ارتباط بین توانمندی هر تأمین‌کننده و مفهوم برگشت به عقب، سطح توانمندی تأمین‌کنندگان  در مدل توالی فعالیت‌ها لحاظ شده است. اهمیت و ضرورت این مسئله با چالش‌هایی بیشتر مشخص می‌شود که صنایع در مدیریت کارآمد فرآیندهای توسعۀ محصول پیچیده با آن روبهرو هستند‌. توالی ناکارآمد و انتخاب تأمین‌کنندۀ نامناسب، به تأخیر در پروژه، افزایش هزینه‌ها و کاهش کیفیت محصول منجر میشود و بخش‌هایی مانند هوافضا، انرژی و تولید را تحت تأثیر قرار میدهد. این مسائل به‌ویژه در مطالعۀ موردی کاربردی برای این تحقیق، یعنی توسعۀ توربین‌های گازی،‌ به‌دلیل زنجیرۀ تأمین پیچیده و وابستگی متقابل بالای اجزا، حیاتی‌اند. توربین‌های گازی در تولید برق و کاربردهای صنعتی حیاتی‌اند؛ زیرا طراحی آنها به هماهنگی دقیق بین تأمین‌کنندگان مختلف برای برآورده‌کردن استانداردهای عملکرد و قابلیت اطمینان دقیق نیاز دارد. این مطالعه با پیشنهاد یک مدل جامع که شکاف بین قابلیت‌های زنجیرۀ تأمین و توالی فعالیت در توسعۀ محصول پیچیده را پر می‌کند،‌ یک نیاز برآورده‌نشده را بررسی می‌کند. چنین مدلی برای صنایع و سازمان‌هایی ضروری است که برای کارایی و اثربخشی بیشتر در پروژه‌های پرمخاطره تلاش می‌کنند. برای رسیدن به این مهم و مطابق با بقیۀ گزارش، در بخش دوم خلاصه‌ای از مبانی نظری مرتبط با موضوع مطالعه ارائه می‌شود؛ سپس در بخش سوم دربارۀ روش‌شناسی تحقیق‌ بحث می‌شود و در بخش چهارم یافته‌های تحقیق در دسترس قرار می‌گیرد. در بخش پنجم ارائۀ نتایج و مقایسۀ آن با تحقیقات قبلی انجام‌ و در‌نهایت بخش ششم، شامل نتیجه‌گیری نهایی همراه با فهرستی از پیشنهادهای پژوهشی بر‌اساس محدودیت‌ها و نتیجه‌گیری‌های مطالعه می‌شود.
2- پیشینۀ نظری
2-1- توانمندی تأمین‌کنندگان
توانمندی تأمین‌کنندگان به مجموعه‌ای از قابلیت‌ها، منابع و دانش اشاره دارد که به آنها این امکان را می‌دهد تا به‌طور مؤثر در فرایند توسعۀ محصول جدید مشارکت کنند. این توانمندی‌ها شامل مهارت‌های فنی، ظرفیت‌های تولید، توانایی در نوآوری و همکاری نزدیک با خریداران است (Johnsen, 2009). توانمندی تأمین‌کنندگان، تأثیر زیادی بر موفقیت پروژه‌های توسعۀ ‌محصول دارد و از این ‌رو در تحقیقات مختلف‌ بررسی شده است.
به‌طور خاص، تأمین‌کنندگان باید دارای قابلیت‌هایی باشند که آنها را قادر کند تا نه‌تنها در مراحل ابتدایی توسعۀ محصول جدید  وارد شوند،‌ در طول فرایند نیز به‌عنوان شرکا و همکاران مؤثر عمل کنند (Ragatz et al., 2002)‌. به بیان دیگر، توانمندی‌های تأمین‌کننده‌ در کاهش ریسک‌های مربوط به طراحی و تولید محصولات پیچیده و در‌نهایت ارتقای عملکرد پروژه‌ها مؤثر است (Hartley et al., 1998).
علاوه بر این، وجود یک رابطۀ نزدیک و هماهنگ بین تأمین‌کننده و خریدار، نقش حیاتی در تسهیل جریان اطلاعات و کاهش هزینه‌های مربوط به دوباره‌کاری دارد. در این راستا، اسمالز و اسمیتز  (2012) بیان می‌کنند که ایجاد ارزش مشترک بین تأمین‌کنندگان و تولیدکنندگان، به بهبود کیفیت و کارایی منجر میشود. توانمندی تأمین‌کنندگان، عاملی کلیدی در تسهیل نوآوری و بهبود کیفیت محصولات‌ است (Johnsen, 2009). ‌
از دیدگاه تئوریک، برخی از محققان این مفهوم را ازنظر مدیریت زنجیرۀ تأمین بررسی ‌و نحوۀ تأثیر توانمندی‌های تأمین‌کنندگان را بر فرایندهای تصمیم‌گیری و اجرای پروژه‌های پیچیده ارزیابی کرده‌اند (Kamath & Liker, 1994). این تحقیقات نشان می‌دهد که بهره‌گیری از تأمین‌کنندگان توانمند، نه‌تنها باعث افزایش قابلیت اطمینان در تأمین مواد اولیه می‌شود،‌ زمان و هزینه‌های پروژه را نیز کاهش می‌دهد.
بنابراین، توانمندی تأمین‌کنندگان نه‌تنها به دانش و مهارت‌های فنی آنان مربوط می‌شود،‌ شامل توانایی‌ها و رویکردهایی است که آنها را به شریکان استراتژیک تبدیل می‌کند. این همکاری به‌طور مستقیم، بر کیفیت و زمان عرضۀ محصولات تأثیر می‌گذارد و‌ نقش‌ تعیین‌کننده‌ای در میزان بازخورد اطلاعاتی میان فعالیت‌ها و در‌نتیجه دوباره‌کاری آنها دارد.
 
2-2- برنامه‌ریزی و توالی فعالیت‌ها
برنامه‌ریزی و توالی فعالیت‌ها به فرآیند شناسایی، سازمان‌دهی و اولویت‌بندی وظایف و فعالیت‌هایی اشاره دارد که برای دستیابی به یک هدف خاص در یک پروژه یا فرایند تجاری ضروری‌اند. در‌واقع‌ این دو مفهوم به یکدیگر وابسته‌اند و تأثیر مستقیمی بر موفقیت و کارایی پروژه دارند (Lin et al., 2015) 
برنامه‌ریزی فعالیت‌ها شامل تعیین تکالیف مشخص و زمان‌بندی آنها به‌گونه‌ای است که جریان کار بهینه ‌شود و منابع به‌طور مؤثری مدیریت شوند. این فرآیند معمولاً شامل شناسایی فعالیت‌ها، تعیین الگوهای زمانی و شناسایی وابستگی‌ها و روابط میان فعالیت‌هاست (Zhang et al., 2015). از دیدگاه تئوریک، برنامه‌ریزی صحیح به کاهش هزینه‌ها و زمان‌بر‌بودن پروژه کمک می‌کند و در عین ‌حال، کیفیت نتایج پروژه را نیز افزایش می‌دهد.
توالی فعالیت‌ها نیز به ترتیب اجرای فعالیت‌ها در طول زمان اشاره دارد و بر اهمیت اجرای مؤثر و هماهنگ آنها در رابطه با یکدیگر تأکید می‌کند. یک توالی مناسب، خطر دوباره‌کاری، هدررفت زمان و منابع را به حداقل میرساند و در‌نهایت به ارتباط به‌موقع بین فعالیت‌ها منجر میشود (Steward, 1981) .به ‌عبارت ‌دیگر‌ در یک پروژۀ پیچیده، توالی درست فعالیت‌ها به تسهیل جریان اطلاعات و هماهنگی بین غیرفعال‌ها و تأمین‌کنندگان کمک میکند (Kusiak & Wang, 1993).
بنابراین، درک صحیح از مفاهیم برنامه‌ریزی و توالی فعالیت‌ها، نه‌تنها به شفافیت در اجرای پروژه‌ها کمک می‌کند،‌ نقش بسزایی در بهینه‌سازی عملکرد کلی پروژه و کاهش ریسک‌های مربوط به نبود هماهنگی دارد.
بیشتر فعالیت‌ها در محصولات پیچیده، به هم پیوسته است و سازمان‌دهی این فعالیت‌های به هم پیوسته، همواره یک چالش بوده است. از آن سو، ابزارهای سنتی مدیریت پروژه مانند روش مسیر بحرانی و ارزیابی برنامه و روش بازنگری در مدیریت پروژه‌های پیچیدۀ توسعۀ محصول، در مطالعات مختلف ذکر شده است
 (Yanjun et al., 2011; Qian & Lin, 2014‌) و فعالیت‌های مرتبط را در محصولات پیچیده به‌خوبی نشان نمیدهند (Lin et al., 2008)؛ در‌نتیجه، ماتریس ساختار طراحی  به وجود آمد تا وابستگی اطلاعات فعالیت‌های مرتبط در محصولات پیچیده را به‌خوبی نمایش دهد Browning, 2001)).
ماتریس ساختار طراحی را اولین بار استوارد  (1981) ارائه کرد. او مدلی را ارائه داد که در آن وابستگی دودویی اطلاعاتی بین فعالیت‌ها وجود داشت تا به این‌ شکل، تعداد علائم فیدبک در مثلث فوقانی ماتریس ساختار طراحی به حداقل برسد. مقادیر سلول‌های ماتریس ساختار طراحی، درجۀ وابستگی اطلاعات بین فعالیتها هستند. بر این اساس، مقادیر زیر قطر اصلی انتقال اطلاعات را از فعالیت بالادست، به فعالیت پایین‌دست نشان می‌دهد؛ در حالی که مقادیر بالای قطر اصلی بازخورد اطلاعات را نشان می‌دهد که باعث دوباره‌کاری در فعالیت بالادست و تکرار می‌شود.
کوشیاک و وانگ  (1993) تابع هدف استوارد (1981) را با جایگزینی مقادیر باینری با مقادیر وزنی بین 0 و 1 تغییر دادند.
مدل‌های فوق، فقط بر بازخورد متمرکز شده‌اند. از طرفی، ژانگ و همکاران  (2015) مفهوم خطر دوباره‌کاری را برای نزدیک‌کردن مدل‌های قبلی به دنیای واقعی توصیف کردند. آنها خاطرنشان کردند که علاوه بر زمان و هزینۀ فعالیتها، زمان و هزینۀ دوباره‌کاری فعالیتها نیز باید در مدل تعیین توالی در نظر گرفته شود.
در مدل ارائه‌شده به‌وسیلۀ عطاری شندی و همکاران  (2022)، به سطح بلوغ فناوری در فعالیت‌های مختلف موجود در طراحی یک محصول پیچیده توجه و نیز محدودیت بودجه نیز در مدل لحاظ شده است. وِن و همکاران  (2021) دوباره‌کاری‌های مراتب بالاتر (مرتبه دو و سه) را در مدل خود لحاظ  و از روش مبتنی بر ماتریس ساختار طراحی برای تعیین توالی فعالیتها استفاده کرده‌اند‌. پیکانی و همکاران  (2023) با ارائۀ یک مدل دو مرحله‌ای دریافته‌اند که توجه بیشتر به حداقل‌کردن طول فیدبک، زمان تکمیل پروژه را افزایش می‌دهد. شانگ و همکاران  (2023) با توسعۀ یک الگوریتم موازی شاخه و تحدید مبتنی بر تجزیۀ دوگانه و حداقل‌رساندن طول فیدبک، توالی بهینه‌ای از فعالیت‌ها را به دست آورده‌اند. پنگ و همکاران  (2023) یک مسئلۀ زمان‌بندی واکنشی چند پروژه‌ای را با محدودیت منابع ، با ورود پروژۀ جدید پیشنهاد می‌کنند تا هزینۀ تعدیل برنامۀ خط پایه را در حین دستیابی به هدف زمان‌بندی چند پروژۀ قطعی به حداقل برساند.
با وجود تأکید محققان بر توانمندی و قابلیت تأمین‌کنندگان و نقشی که در پیشرفت پروژه دارد، در تحقیقات گذشته بحث تأمین‌کننده‌ها به‌صورت جداگانه از مدل در نظر گرفته می‌شد؛ حال آنکه یکپارچه‌کردن تصمیمات انتخاب تأمین‌کنندگان در برنامه‌ریزی زنجیرۀ تأمین محصولات پیچیده برای تعیین فعالیت‌ها، به محاسن زیادی ا‌زجمله کاهش هزینه‌ها، بالابردن کیفیت و ... منجر میشود. 
همچنین شرایط و رخدادهای طبیعی و غیرطبیعی بیرونی نظیر سیل، زلزله، جنگ، تحریم‌های سیاسی، خرابی ماشین‌آلات و ... منابع پروژه را دچار عدم قطعیت می‌کند و بر زنجیرۀ ‌تأمین محصولات پیچیده و نیز توالی فعالیت‌های پروژه اثرگذارند. 
به این منظور، این پژوهش به‌دنبال آن است که:
با لحاظ‌کردن تصمیمات تأمین‌کننده‌ها در مسئله، رویکرد جدیدی را ارائه دهد که در آن تأثیر توانمندی تأمین‌کنندگان، بر توالی فعالیت‌ها لحاظ شده است؛
اختلال در منبع مهم پروژه- یعنی زمان- را مدنظر قرار دهد و با عدم قطعیت به وجود آمده در سناریوهای مختلف آن، مقابله کند؛
امکان هم‌پوشانی فعالیت‌ها، مفهوم برون‌سپاری و نقش آن در توالی فعالیت‌ها و همچنین تزریق دوره‌ای - و نه به‌صورت یکجا‌- بودجه به پروژه، از مفاهیمی‌اند که در دنیای واقعی، چالش یک مدیر پروژه است و در مدل ریاضی مقاله حاضر لحاظ شده‌اند تا‌ از آن به‌عنوان یک مدل امکان‌سنجی پروژه‌های محصول پیچیده نیز، بهره جست.
3- رویکرد و مدل‌سازی 
3-1- رویکرد و روش‌شناسی
رویکرد پژوهش حاضر به‌صورت کمّی و کاربردی طراحی شده است؛ به این معنا که با استفاده از تحلیل‌های کمی‌، فرآیندهای توسعۀ محصول را بررسی می‌کند و بهبود می‌بخشد و نتایج آن‌ به‌طور مستقیم در صنعت به کار می‌رود. این تحقیق از نوع سؤال‌محور است و با لحاظ‌کردن سؤالاتی دربارۀ مسئله، تأثیر توانمندی تأمین‌کنندگان را بر توالی فعالیت‌ها بررسی می‌کند.
این سؤالات عبارت‌اند از:
در توسعۀ یک محصول پیچیده، تأمینکننده‌ها به چه شکل باید انتخاب شوند؟
توانمندی تأمین‌کنندگان در مدل به چه صورت در نظر گرفته شود؟
مدل توالی فعالیتها با توجه به توانمندی تأمینکنندگان چگونه باید تشکیل شود؟
اطلاعات مورد نیاز تحقیق حاضر از‌طریق پرسش‌نامه و مصاحبه‌های نیمه‌ساختاریافته با خبرگان صنعت جمع‌آوری شده است. همچنین، از مطالعات کتابخانه‌ای و تحلیل اسناد مرتبط با پروژه‌های توسعۀ محصول پیچیده استفاده شده است.
برای حل مسائل، از روش بهینه‌سازی چندهدفه و مدل‌سازی ریاضی استفاده شده است. برای تبدیل مدل چندهدفه به تک‌هدفه، از روش محدودیت اپسیلون تقویت‌شده استفاده‌ و داده‌های مورد نیاز برای طراحی مدل‌ جمع‌آوری‌ شده است. در این پژوهش با خبرگان صنعت در زمینۀ طراحی و توسعۀ محصولات پیچیده مصاحبه‌ و نمونه‌گیری به روش غیر تصادفی هدفمند انجام شده است تا‌ از تخصص و تجربیات افرادی با دانش عمیق در این زمینه بهره‌مند شویم. 
اعتبار مدل با استفاده از روش تحلیل محتوای کیفی، به تأیید رسیده است. همچنین، از نظرسنجی‌های کارگاهی با حضور خبرگان، برای ارزیابی صحت و قابلیت اطمینان مدل استفاده شده است.
انتخاب مدل‌های بهینه‌سازی به‌دلیل قابلیت آنها در حل مسائل پیچیده و چندهدفه و همچنین توانایی در نمایش تعاملات بین متغیرها و پارامترها انجام‌ و استفاده از روش‌های مدل‌سازی ریاضی، موجب افزایش دقت و شفافیت در تحلیل نتایج می‌شود.
فرایند کلی و گام به گام حل مسئله، به شرح زیر است:
- شناسایی مسئله و تعریف اهداف تحقیق؛
- جمع‌آوری داده‌ها از‌طریق روش‌های ذکر‌شده؛
- طراحی مدل ریاضی برای تعیین توالی فعالیت‌ها با لحاظ‌کردن توانمندی تأمین‌کنندگان؛
- اجرای مدل با استفاده از نرم‌افزارهای بهینه‌سازی؛
- تحلیل نتایج و مقایسه‌های لازم؛
- اعتبارسنجی نتایج با استفاده از نظرات خبرگان.
تولید یک محصول پیچیده، شامل تعداد زیادی فعالیت به‌ هم ‌پیوسته است. به‌عبارتی، یک محصول پیچیده دارای فعالیت‌هایی است که از یکدیگر مستقل نیستند و به هم مربوط‌اند؛ بنابراین ‌در پروژه‌های تولید این محصولات، مدیر پروژه باید نگاه جامع و کاملی نسبت‌به کلیت آن داشته باشد و با دید سیستمی‌ برنامه‌ریزی کند. یکی از مهم‌ترین ابعاد برنامه‌ریزی دقیق و اصولی یک پروژۀ محصول پیچیده، تعیین توالی فعالیت‌های آن است؛ به‌گونه‌ای که وابستگی اطلاعاتی فعالیت‌ها، زمان و هزینۀ انجام هر فعالیت، امکان هم‌پوشانی دو یا چند فعالیت و نیز توانمندی تأمین‌کنندگان هم در آن لحاظ شده باشد. این امر با اهداف ذیل میسر می‌شود:
الف) طوری فعالیت‌ها به‌دنبال یکدیگر قرار گیرند که دوباره‌کاری ناشی از بازگشت اطلاعات کمینه شود؛
ب) اعتبار مالی در نظر گرفته شده در هر دوره از تولید محصول پیچیده، به بهینه‌ترین شکل ممکن مصرف شود؛
پ) تأمین‌کنندگانی برای فعالیت‌ها به کار گرفته شوند که توانمندی بالایی داشته باشند و با انجام اصولی فعالیت‌ها، احتمال برگشت به عقب را در فرایند طراحی و توسعه، به حداقل برسانند.
در این پژوهش نقش توانمندی تأمین‌کنندگان، یک پارامتر مهم در تعیین توالی فعالیت‌های محصول پیچیده در نظر گرفته می‌شود.
همان‌طور که در شکل (1) نشان داده شده است، طراحی و توسعۀ یک محصول پیچیده شامل تعدادی فعالیت مرتبط با یکدیگر است که از 1 تا n شماره‌گذاری شده‌اند. علاوه بر این، به‌دلیل ویژگی‌های عملکردی پیچیدۀ این محصولات، بیشتر پیش‌بینی دقیق پارامترهای فعالیتها دشوار است. پس از برآورد پارامترهای فعالیت‌ها، فعالیت‌ها با در نظر گرفتن معیارهای نشان داده شده در شکل زیر، به دوره‌هایی اختصاص داده می‌شوند و توالی فعالیت‌ها با توجه به زمان و بودجۀ موجود در هر دوره، تعیین می‌شود. شایان ذکر است که برای نشان‌دادن توالی فعالیت‌ها و اعمال رویکرد همپوشانی، n موقعیت برای قراردادن n فعالیت در مدل وجود دارد.
 
 
شکل 1- نمایش مفهومی مدل ارائه‌شده در پژوهش
Fig. 1- Conceptual presentation of the model presented in the research
3-2- تعریف مسئلۀ ارتباط میان توانمندی تأمین‌کنندگان و توالی فعالیت‌ها
در این قسمت، روش ایجاد ارتباط بین سطح توانمندی تأمین‌کنندگان فعالیت‌های محصول پیچیده و توالی فعالیت‌ها بیان می‌شود.
برای این منظور، باید ابتدا مفهوم «برگشت به عقب » در فرایند توسعۀ محصولات پیچیده شرح داده شود. به‌دلیل پیچیده‌بودن ماهیت این محصولات، فعالیت‌های توسعۀ محصولات پیچیده به یکدیگر، وابستگی اطلاعاتی دارند. این وابستگی اطلاعاتی، اگر از فعالیت‌های پایین‌دست (فعالیت‌های دارای عدد توالی بزرگ‌تر) به فعالیت‌های بالادست (فعالیت‌های دارای عدد توالی کوچک‌تر) باشد، بازخورد اطلاعاتی نام دارد و موجب پدیده‌ای به نام دوباره‌کاری می‌شود (Zhang et al., 2015).
مدیر پروژۀ توسعۀ محصولات پیچیده همواره باید تلاش کند توالی فعالیت‌ها را به‌گونه‌ای انجام دهد که حداقل بازخورد اطلاعاتی در توالی وجود داشته باشد تا به این وسیله دوباره‌کاری فعالیت‌ها - و در‌نتیجه هدر‌رفت زمان و هزینه- به کمینۀ خود برسد.
امروزه بیشتر شرکت‌ها بخش‌هایی از فعالیت‌های توسعۀ محصول جدید خود را به تأمین‌کنندگان بیرونی واگذار می‌کنند؛ بنابراین، مشارکت تأمین‌کننده در توسعۀ محصول جدید مهم است؛ زیرا تأمین‌کنندگان دارای قابلیت‌های تخصصی و منحصربه‌فردی‌اند که با پیچیده‌تر‌شدن محصولات، این قابلیت‌ها پارامترهای تعیین‌کننده‌ای خواهند بود (Johnsen, 2009). 
پر‌واضح است که هر سطح توانمندی تأمین‌کنندگان در بخش‌های مختلف در یک پروژۀ توسعۀ محصول پیچیده بیشتر باشد، احتمال برگشت به عقب و درنتیجه دوباره‌کاری ناشی از آن کمتر خواهد بود (Hartley et al., 1998). به همین دلیل، با استفاده از رابطۀ (1)، ارتباط بین مفهوم توانمندی و احتمال برگشت به عقب، نمایش داده می‌شود:
سطح توانمندی تأمین‌کننده i: 〖Ca〗_i
برگشت به عقب، ناشی از انتخاب تأمین‌کننده i: 〖Re〗_i
(1) 〖Re〗_i=1- 〖Ca〗_i
در این پژوهش با استفاده از روش بهترین- بدترین فازی  (Rezaei, 2015)، که توضیحات آن در ادامۀ این بخش خواهد آمد، به هر تأمین‌کننده یک شاخص توانمندی در بازۀ ]1,0[ تخصیص می‌یابد و با استفاده از آن، احتمال برگشت به عقب ناشی از انتخاب هر تأمین‌کننده به دست می‌آید. برای این کار، معیارهای امتیازدهی تأمین‌کنندگان Q_i، E_i، F_i، G_i و H_i در نظر گرفته می‌شود. در این صورت، با توجه به توضیحات بالا،‌ سطح توانمندی یک تأمین‌کننده‌ از رابطۀ (2) به دست می‌آید:
(2) 〖Ca〗_i=w_c1*Q_i+w_c2*E_i+w_c3*F_i+w_c4*G_i+w_c5*H_i
که در آن w_c1 ها از‌طریق اعداد مثلثی فازی w ̃_B و w ̃_j و w ̃_W به دست می‌آیند.
3-3- مدل‌سازی ریاضی مسئله
در این قسمت، مدل ریاضی مسئلۀ تعیین توالی فعالیت‌های پروژۀ توسعۀ محصول پیچیده با شرح مجموعه‌ها، پارامترها، متغیرهای تصمیم، توابع هدف و نیز محدودیت‌های مدل، بیان می‌شود.
3-3-1- علائم مدل ریاضی
مجموعه‌ها و اندیس‌ها
i      مجموعۀ تأمین‌کنندگان
u,v,w  مجموعۀ فعالیت‌ها
p,p^'   مجموعۀ موقعیت مکانی فعالیت‌ها در توالی
t,t'    مجموعۀ دوره‌های زمانی
پارامترها
Q_i     امتیاز تأمین‌کننده در کیفیت
E_i     امتیاز تأمین‌کننده در توان فنی
F_i     امتیاز تأمین‌کننده در موعد تحویل
G_i     امتیاز تأمین‌کننده در خدمات پس از فروش
H_i     امتیاز تأمین‌کننده در موقعیت در صنعت بین رقبا
D_ui    قیمت پیشنهادی تأمین‌کننده i برای انجام فعالیت u
Y_ui    پارامتر باینری برابر 1، اگر فعالیت u به تأمین‌کننده i مربوط باشد و در غیر این صورت 0 است
〖HP〗_uv   پارامتر باینری برابر 1، اگر فعالیت u پیش‌نیاز سخت فعالیت j باشد و در غیر این صورت 0 است
TS    حداقل مقدار توانمندی تأمین‌کنندۀ پذیرفتنی برای هر فعالیت
〖ID〗_uv   وابستگی اطلاعاتی فعالیت u به فعالیت v
〖BID〗_uv  مقدار باینری 〖ID〗_uv (اگر 〖ID〗_uv>0 آنگاه 〖BID〗_uv=1، وگرنه 〖BID〗_uv=0 خواهد بود).
〖RI〗_uv    نسبت مدت دوباره‌کاری به کل مدت انجام فعالیت u در اثر فعالیت v 
〖CT〗_uv   درصد هم‌زمانی فعالیت u با فعالیت v
〖Cost〗_u   هزینۀ فعالیت u
〖Time〗_u  زمان انجام فعالیت u 
〖Bud〗_t   بودجۀ تخصیص‌یافته برای دورۀ زمانی t
〖AT〗_t    زمان در دسترس برای انجام فعالیت در دورۀ زمانی t
متغیر تصمیم
X_ui   متغیر باینری برابر 1، اگر فعالیت u به‌وسیلۀ تأمین‌کننده i انجام شود.
A_upt  متغیر باینری برابر 1، اگر فعالیت u به موقعیت مکانی p در دورۀ زمانی t تخصیص یابد و در غیر این صورت برابر 0 است.
B_uv  متغیر باینری برابر 1، اگر فعالیت u قبل از فعالیت v انجام شود و در غیر این صورت برابر 0 است.
C_uvt  متغیر باینری برابر 1، اگر دوباره‌کاری فعالیت u در اثر بازخورد از فعالیت v در دوره t انجام شود و در غیر این صورت برابر 0 است.
3-3-2- توابع هدف
3-3-2-1- تابع هدف بازخورد ناشی از وابستگی اطلاعاتی فعالیت‌ها
(3) 〖Min Z〗_1= ∑_u▒∑_█(v@v≠u)▒[∑_w▒〖(∑_t▒〖a_uwt×∑_t▒∑_(p=w+1)^n▒a_vpt 〗) 〖ID〗_uv 〗] 
تابع هدف (3)، طوری فعالیت‌ها را به‌دنبال یکدیگر قرار می‌دهد که مقدار کل بازخورد را - که به دوباره‌کاری فعالیت‌ها منجر می‌شود- کمینه کند. اگر فعالیت u قبل از فعالیت v تخصیص یافته باشد (یعنی فعالیت u در موقعیت مکانی w ام و فعالیَت v در یک موقعیت مکانی بعد از w باشد)، آنگاه عبارت (∑_t▒〖a_uwt×∑_t▒∑_(p=w+1)^n▒a_vpt 〗) مقدار می‌گیرد و D_uv در بالای قطر اصلی ماتریس وابستگی اطلاعات خواهد بود که نشان‌دهندۀ بازخورد اطلاعات است؛ بنابراین مقدار آن در تابع هدف لحاظ می‌شود و موجب دوباره‌کاری است. به بیان دیگر، تابع هدف اول‌، طوری توالی فعالیت‌ها را تعیین می‌کند که مقدار دوباره‌کاری فعالیت‌ها به کمینه‌ترین مقدار ممکن برسد.
3-3-2-2- تابع هدف هزینه
(4) Min Z_2=∑_t▒((∑_p▒∑_u▒〖〖Cost〗_u×A_upt+∑_(u=1)▒∑_(v=u+1)▒〖〖BID〗_uv C_uvt (〖RI〗_uv 〖Cost〗_u ) 〗〗)) + ∑_u▒∑_i▒〖X_ui*D_ui 〗
تابع هدف (4)، به جنبۀ مالی مسئله مربوط است و هدف از آن، کمینه‌سازی هزینۀ انجام فعالیت‌های پروژه در هر دوره است. عبارت ∑_p▒∑_u▒〖〖Cost〗_u×A_upt 〗 هزینۀ انجام فعالیت را محاسبه و عبارت ∑_(u=1)▒∑_(v=u+1)▒〖〖BID〗_uv C_uvt (〖RI〗_uv 〖Cost〗_u ) 〗 هزینۀ دوباره‌کاری فعالیت‌های انجام‌شده در هر دورۀ زمانی را حساب می‌کند.
از طرفی، هر تأمین‌کننده برای انجام خدمات یا تأمین کالای مدنظر، یک قیمت پیشنهادی را به مدیر پروژه ارائه می‌دهد. مدیر پروژه باید قیمت‌ها را از تأمین‌کنندگان مختلف دریافت و حتی‌الامکان کم‌هزینه‌ترین تأمین‌کننده را انتخاب کند. عبارت ∑_u▒∑_i▒〖X_ui*D_ui 〗، به تابع هدف اول کمک می‌کند که تأمین‌کنندۀ با کمترین هزینۀ پیشنهادی را انتخاب کند.
3-3-3- محدودیت‌ها
(5) ∑_t▒∑_p▒〖A_upt=1  ∀u〗
محدودیت (5) تضمین می‌کند که در هر دورۀ زمانی، هر فعالیت باید تنها به یک جایگاه مکانی تخصیص یابد.
(6) ∑_u▒∑_t▒〖A_upt=1  ∀p〗
برای تعیین توالی فعالیت‌ها، برای هر فعالیت یک جایگاه در نظر گرفته شده است. محدودیت (6)، موجب می‌شود که در هر جایگاه مکانی، تنها یک فعالیت قرار دهد.
(7) B_uv+B_vu=1  for 1≤u<v≤n
محدودیت (7)، در‌واقع بیانگر آن است که اگر B_uv=1، آنگاه B_vu=0 و برعکس‌ و این یعنی اگر فعالیت u قبل از فعالیت v انجام شده باشد، آ‌نگاه به‌طور منطقی فعالیت v قبل از فعالیت u انجام نشده است.
(8) B_uv+B_vw+B_wu≤2  for u<v,v<w,and v≠w
 
اگر فعالیت u قبل از فعالیت v و فعالیت v قبل از فعالیت w تخصیص یافته باشد، آ‌نگاه به‌طور منطقی فعالیت u باید قبل از فعالیت w تخصیص یافته باشد. این قاعده در محدودیت (8) بیان شده است.
(9) C_uvt≤∑_p▒∑_(t^'=1)^t▒A_(upt^' )    ∀t and for u≠v,〖BID〗_uv≠0
 
محدودیت (9) بیانگر آن است که دوباره‌کاری فعالیت u با استفاده از بازخورد اطلاعات، از فعالیت v در دورۀ زمانی t هنگامی رخ می‌دهد که فعالیت u در آن دورۀ زمانی یا دوره‌های پیشین انجام شده باشد؛ به عبارت دیگر، برای فعالیتی که هنوز انجام نشده است، دوباره‌کاری معنی ندارد.
(10) C_uvt≤∑_p▒∑_(t^'=1)^t▒A_(vpt^' )    ∀t and for u≠v,〖BID〗_uv≠0
 
دوباره‌کاری فعالیت u ناشی از فعالیت v، هنگامی رخ می‌دهد که فعالیت v شروع شده باشد. محدودیت (10) نشان می‌دهد که وقتی فعالیت v شروع‌ و اطلاعات اصلاحی از آن فعالیت دریافت شود، دوباره‌کاری شناسایی و در مدل لحاظ خواهد شد.
(11) ∑_t▒C_uvt =B_uv   for u≠v,〖BID〗_uv≠0
 
اگر امکان دوباره‌کاری فعالیت u ناشی از فعالیت v وجود داشته‌ (〖BID〗_uv≠0) و فعالیت u قبل از فعالیت v تخصیص یافته باشد (B_uv=1)، آنگاه دوباره‌کاری فعالیت u باید در مدل اعمال شده باشد که محدودیت (11) دقیقا بیانگر این موضوع است. 
(12) ∑_u▒∑_p▒〖〖Cost〗_u×A_upt 〗+∑_(u=1)▒∑_█(v=1@v≠u)▒〖〖BID〗_uv C_uvt (〖RI〗_uv 〖Cost〗_u ) 〗≤〖Bud〗_t   ∀t
محدودیت (12) مؤید آن است که هزینه‌های هر دوره کمتر از مقدار بودجۀ تزریق‌شده به آن دوره است. هزینه‌های مربوط به انجام فعالیت‌ها و نیز هزینه‌های مربوط به دوباره‌کاری ناشی از بازخورد از فعالیت‌های پایین‌دستی، ساختار هزینۀ مدل را شکل می‌دهد.
(13) ∑_u▒∑_p▒〖(〖Time〗_u×A_upt-∑_█(v@v≠u)▒〖〖Time〗_u (〖CT〗_uv ) A_(vp-1t) 〗)+∑_(u=1)▒∑_█(v=1@v≠u)▒〖〖BID〗_uv C_uvt (〖RI〗_uv 〖Time〗_u )≤〖AT〗_t 〗〗   ∀t                          
محدودیت (13)، محدودیت زمان را برای هر دوره نشان می‌‌دهد؛ به این صورت که زمان کل انجام و دوباره‌کاری فعالیت‌ها باید کمتر از زمان در دسترس در هر دوره باشد. مشخصۀ بارز این محدودیت، امکان همپوشانی میان فعالیت‌هاست. همان‌گونه که در شکل (2) مشخص است، هر فعالیت به فعالیت پیشین خود در توالی، به‌وسیلۀ اندیس p متصل است.
 
شکل 2- همپوشانی دو فعالیت
Fig. 2- Overlap of two activities
(14) ∑_p▒A_upt +∑_p'▒A_vp't' ≤B_uv+1  ∀u,v and v≠u,t<t^'
 
محدودیت (14)، نمایانگر ارتباط میان متغیرA_upt و B_uv است و تضمین می‌کند که اگر فعالیت u به دورۀ زمانی t و فعالیت v به یک دورۀ زمانی بعد از t تخصیص یافته باشد، آنگاه Y_uv=1 خواهد بود.
(15) ∑_i▒〖X_ui=1 ∀u〗
برای کاهش هزینه‌ها، ممکن است مدیر پروژه تنها با یک تأمین‌کننده در هر فعالیت کار کند. محدودیت (15)، انتخاب حداکثر یک تأمین‌کننده را برای هر فعالیت کنترل می‌کند.
(16) X_ui≤Y_ui  ∀u,i
محدودیت (16)، اجازۀ انتخاب تأمین‌کننده برای هر فعالیت را در صورتی به مدل می‌دهد که آن فعالیت در سبد خدمت آن تأمین‌کننده وجود داشته و یا بهعبارتی، به آن تأمین‌کننده مربوط باشد.
(17) B_uv≥〖HP〗_uv  ∀u,v
در بین فعالیت‌های توسعۀ یک محصول پیچیده، حتماً فعالیت‌هایی وجود دارند که پیش‌نیاز یک فعالیت دیگر محسوب می‌شوند؛ این رابطۀ پیش‌نیازی، نرم یا سخت است. 
فرض کنید فعالیت u، پیش‌نیاز فعالیت v باشد.
الف) اگر این رابطه پیش‌نیازی از نوع سخت باشد، باید لزوماً فعالیت v بعد از اتمام فعالیت u انجام شود؛
ب) در صورت اینکه این پیش‌نیازی از نوع نرم باشد، فعالیت v باید لزوماً بعد از شروع فعالیت u انجام شود. محدودیت (17) تضمین می‌کند که رابطۀ پیش‌نیازی سخت میان فعالیت‌ها در توالی، رعایت شود.
(18) ∑_u▒∑_i▒〖〖Ca〗_i*〗 X_ui≥TS
از مهم‌ترین وظایف یک مدیر پروژه، کم‌کردن احتمال برگشت به عقب است. بسته به ابزارها و شرایط پروژه، این امر‌ به روش‌های مختلفی انجام می‌شود. روشی که در این مقاله‌ به کار رفته است، مبتنی بر توانمندی تأمین‌کنندگان پروژه است؛ به این صورت که به هر‌یک از تأمین‌کنندگان پروژه، با توجه به معیارهای سنجش کیفیت، توان فنی، موعد تحویل، خدمات پس از فروش، موقعیت در صنعت بین رقبا، با استفاده از روش بهترین- بدترین فازی، یک امتیاز در بازۀ (1 و 0) داده می‌شود و توانمندی تأمین‌کننده i (〖Ca〗_i) نامیده می‌شود؛ از طرفی، هر‌چه یک تأمین‌کننده توانمندی بیشتری داشته باشد، احتمال انجام نادرست فعالیت مربوطه به‌وسیلۀ او کمتر خواهد بود؛ بنابراین محدودیت (18) سعی دارد انتخاب تأمین‌کننده را به‌نحوی انجام دهد که توانمندی از یک حدی کمتر نشود. مقدار اولیه پس از تعریف معیارهای ارزیابی و با استفاده از تحلیل داده‌های تاریخی و همچنین نظرسنجی از خبرگان انجام میشود.
(19) A_upt  ,B_uvt  ,C_uv∈{0,1}   ∀u,v,p,t
 
محدودیت (19) نشان می‌دهد که تمام متغیرهای تصمیم‌گیری، باینری‌اند.
3-3-4- خطی‌سازی مدل
همان‌طور که در بخش قبلی مشاهده شد، تابع هدف (3-2) یک تابع کوادراتیک است و به خطی‌سازی و زمان محاسبۀ کمتر نیاز دارد. برای خطی‌کردن تابع هدف اول، از روش لی و سان  (2006) استفاده شده است. اثبات این روش در منبع لین و همکاران  (2012) آمده است.
بنابراین تابع هدف (3)، به‌صورت زیر خطی‌سازی می‌شود:
(20) Min Z_1=∑_(u=1)^n▒∑_█(v=1@v≠u)^n▒[〖ID〗_uv*B_uv ] 
و رابطۀ (21) محدودیت شمرده و به مسئله افزوده می‌شود:
(21) B_uv≥∑_t▒a_uwt +∑_t▒∑_(p=1)^(w-1)▒a_vpt        For w=1,2,…,n  ∀u,v and u≠v
با توجه به رابطۀ بالا، اگر فعالیت u به جایگاه k ام (∑_t▒〖a_uwt=1〗) و فعالیت v به جایگاهی بعد از k (∑_t▒∑_(p=1)^(w-1)▒〖a_vpt=0〗) تخصیص یافته باشد، آنگاه B_uv باید بزرگ‌تر از 1 باشد.
3-4- روش حل مدل
مدل ریاضی ارائه‌شده در قسمت قبل، دارای مشخصۀ ویژه‌ای است که حل آن را تحت‌الشعاع قرار می‌دهد. این مشخصه، عدم قطعیتی است که برخی پارامترهای مدل با آن مواجه‌اند. برای این منظور و برای در نظر گرفتن عدم قطعیت، باید روش مناسبی اتخاذ شود. همچنین، مدل یادشده دارای سه هدف است و به انتخاب یک رویکرد مناسب برای حل مدل چندهدفه نیاز دارد.
با توجه به این موارد، رویکرد زیر برای حل مدل در نظر گرفته شده است:
1- به کار گرفتن یک رویکرد تصادفی استوار سناریومحور  برای لحاظکردن عدم قطعیت پارامترها و ریسک اختلال در مدل ریاضی؛
2- استفاده از روش حل محدودیت اپسیلون تقویت‌شده  برای تبدیل مسئلۀ چندهدفه به یک مسئلۀ تک‌هدفه و درنهایت حل آن.
3-4-1- روش حل مسئله بهصورت چندهدفه
برای تبدیل مسئلۀ چندهدفه به یک مسئلۀ تکهدفه، روش‌های متنوعی وجود دارد. روش مجموع وزنی ، برنامه‌ریزی آرمانی ، روش محدودیت اپسیلون ، لکسیکوگرافی  و ... از جملۀ این روش‌ها هستند. 
 در پژوهش حاضر، از روش محدودیت اپسیلون تقویت‌شده برای تبدیل مسئلۀ چندهدفه به یک مسئلۀ تک‌هدفه استفاده شده است. مهم‌ترین مزیت این روش، که آن را از دیگر روش‌ها متمایز می‌کند، کنترل شمار راه‌حل‌های کارآمد است. این رویکرد یک روش قدرتمند برای حل مسائل برنامه‌ریزی مختلط عدد صحیح خطی  و چندهدفه ، مانند طراحی شبکۀ زنجیرۀ تأمین ، توالی فعالیت‌های یک پروژه و ... است.
روش محدودیت اپسیلون تقویت‌شده برای محاسبۀ مقادیر جدول نتایج نهایی، برای هر تابع هدف از رویکرد لکسیکوگراف استفاده‌ و با این کار، محدودیت‌های مربوط به توابع هدف فرعی را با استفاده از متغیرهای کمکی، به مساوی تبدیل می‌کند.
نکتۀ درخور توجه در بهینه‌سازی با این روش، رتبه‌بندی توابع هدف بر‌اساس اهمیت هر‌کدام از سوی تصمیم‌گیرنده است؛ به این صورت که ابتدا تابع هدف با بیشترین اولویت به‌صورت تک‌هدفه بهینه می‌شود. برای فهم بهتر این موضوع، فرض کنید f_1 (x) اولویت‌دارترین تابع هدف و f_1^* است. حال محدودیت f_1 (x)=f_1^* را به مدل اضافه و تابع هدف دوم را با حفظ جواب بهینۀ بهینه‌سازی اول، بهینه می‌کنیم. به این ترتیب f_2^* محاسبه می‌شود و این روند را برای تابع هدف i ام نیز، ادامه می‌دهیم (Mavrotas, 2009).
3-4-2- بهینه‌سازی استوار غیرقطعی
در این قسمت، مدل‌سازی غیرقطعی با استفاده از رویکرد بهینه‌سازی استوار  توسعه داده می‌شود. در شرایطی که داده‌های تاریخی کامل در دسترس نیستند یا‌ دانش تخمین توزیع احتمالی پارامترهای غیرقطعی وجود ندارد، این تکنیک رویکرد‌ کارآمدی برای مقابله با انواع عدم قطعیت است (Aghezzaf et al., 2010).
با توجه به اینکه روش بهینه‌سازی استوار آقازف و همکاران  (2010) برای مقابله با انواع ریسک عدم قطعیت و اختلال تبحر دارد، در پژوهش حاضر، از آن استفاده شده است. در ادامه، این روش شرح داده می‌شود:
فرض کنید O مجموعۀ سناریوهای ریسک است و هر سناریو با o نمایش داده میشود. همچنین احتمال وقوع سناریوی o برابر π_o است. به‌علاوه، A_o مسئلۀ بهینه‌سازی قطعی برای هر سناریو و A_0^* مقدار بهینۀ مربوط به A_o است. حال باید مراحل زیر طی شود:
(22) Min η∑_(o∈O)▒〖π_o A_o+(1-η)Max(A_o-A_0^* ) 〗
نکتۀ مهم، برآورده‌شدن محدودیت‌های فنی مسئله علاوه بر رابطۀ (22) است که X∈Ω نشانگر فضای شدنی مسئلۀ تحت تمام سناریوهاست. 
(23) X∈Ω
رابطۀ (22) از دو عبارت تشکیل شده است که عبارت نخست (∑_(o∈O)▒〖π_o A_o 〗) نشانگر ارزش مورد انتظار مسئلۀ A_s‌ و عبارت دوم Max(A_o-A_0^* ) نمایانگر حداکثر تأسف برای مسئلۀ A_s در تمامی سناریوهاست. نماد دیگری η است که مقدار آن در بازۀ ]0-1[ است و تصمیم‌گیر به‌وسیلۀ آن، میان ارزش انتظاری و حداکثر تأسف موازنه ایجاد می‌کند؛ برای مثال، در صورتی که تصمیم‌گیر بخواهد یک زنجیرۀ تأمین با سطح تأسف پایین (تغییرپذیری پایین) را طراحی کند، مقدار پارامتر η را باید کوچک در نظر بگیرد.
3-4-3- روش بهترین-بدترین فازی
روش تصمیم‌گیری چندمعیارۀ بهترین- بدترین  را اولین بار‌ آقای رضایی  در سال 2015 ارائه کرد. این روش، توانایی به دست آوردن وزن معیارها و گزینه‌ها را با توجه به مقایسات زوجی با تعداد کمتر داده دارد. در همین حال، روش بهترین- بدترین ‌ به‌طرز شگفت‌آوری، ناسازگاری ناشی از مقایسات زوجی را برطرف میکند. این روش مسئله را به دنیای واقعی نزدیک‌تر می‌کند و نتایج رتبه‌بندی منطقی‌تری را به دست می‌آورد. با توجه به اینکه در پژوهش حاضر، اطلاعات معیارها مبهم‌ است و به کمی‌کردن قضاوت‌های کیفی دربارۀ توانمندی تأمین‌کنندگان نیاز دارد، از روش بهترین- بدترین فازی برای امتیازدهی به معیارهای انتخاب تأمین‌کنندگان استفاده شده است.
در این روش ابتدا نظام معیارهای تصمیم‌گیری تشکیل می‌یابد و بعد بهترین (مهم‌ترین) معیار و بدترین (کم‌اهمیت‌ترین معیار) تعیین می‌شوند؛ سپس مقایسات مرجع فازی به ترتیب برای بهترین و بدترین معیار انجام‌ و درنهایت اوزان فازی بهینه مشخص می‌شود. تشریح کامل این روش، در رضایی (‌‌2015) آمده است.
4- مطالعۀ کاربردی
با توجه به ذخایر فراوان گاز در ایران و افزایش تقاضا برای تولید برق در کشور، امروزه استفاده از توربین گازی در صنایع مختلف، به‌ویژه برای تولید انرژی الکتریکی اجتناب‌ناپذیر تلقی می‌شود. علاوه بر این، شناسایی وضعیت یک فناوری در جهان و همچنین قابلیت‌های فن‌آوری موجود در داخل کشور برای توسعۀ فناوری، برای ترسیم یک برنامۀ راهبردی به کار می‌رود. همان‌طور که در شکل (3) نشان داده شده است، اجزای کلیدی توربینهای گازی عبارت‌اند از توربین، محفظۀ احتراق و کمپرسور. 
 
شکل 3- قسمت‌های اصلی توربین
Fig. 3- Main parts of a gas turbine
4-1- جمع‌آوری داده‌ها
به‌منظور نزدیک‌شدن مسئله به دنیای واقعی، یکی از بزرگ‌ترین شرکت‌های دانش‌بنیان در زمینۀ طراحی و ساخت محصولات پیچیده انتخاب شده است. این شرکت که توربوتک نام دارد، سال‌هاست در این زمینه فعال است و هم‌اکنون از قطب‌های توربین گازی در کشور به حساب می‌آید. با طرح سؤالات مختلف از خبرگان این شرکت، مجموعه‌ای از فعالیت‌های به ‌هم پیوسته برای ساخت یک توربین گازی سفارشی، با نام تجاری IGT25 استخراج شد که نتایج آن در جدول‌های (1)، (2)، (3) و (4) مشاهده می‌شود:
جدول 1- فعالیت‌های اصلی ساخت توربین گاز- عمومی
Table 1- The main activities of gas turbine construction- General
ردیف نام قطعه شمارۀ فعالیت نام فعالیت هزینه زمان
- - 1 بررسی مدارک فنی - 30
2استخراج لیست مواد مورد نیاز-7
3خرید قطعات استاندارد450020
جدول 2- فعالیت‌های اصلی ساخت توربین گازی- توربین
Table 2- The main activities of gas turbine construction- Turbine
ردیف نام قطعه شمارۀ فعالیت نام فعالیت هزینه زمان
1 توربین 4 تأمین مواد خام شفت مانند دیسک‌های آهنگری‌شده 2000 15
5ماشین‌کاری شفت و دیسک500020
6جوشکاری روتور00
7ماشین‌کاری روتور400040
8مونتاژ روتور100012
9بالانس‌کردن روتور300030
10ریخته‌گری پره‌ها200025
11ماشین‌کاری پره‌ها500032
12پوشش‌دهی پره‌ها200017
13ریخته‌گری500024
14ماشین‌کاری300016
15پوشش‌دهی100037
16ریخته‌گری و آهنگری00
17ماشین‌کاری400021
18مونتاژ200010
19رنگ‌کردن600018
20مونتاژ قطعات توربین300019
جدول 3- فعالیت‌های اصلی ساخت توربین گازی- کمپرسور
Table 3- The main activities of gas turbine construction- Compressor
ردیف نام قطعه شمارۀ فعالیت نام فعالیت هزینه زمان
2 کمپرسور 21 تأمین مواد خام پره‌های روتور کمپرسور مانند میله‌های آهنگری 5000 24
22ماشین‌کاری پره‌ها00
23پوشش‌دهی پره‌ها500023
24تأمین مواد خام شفت مانند دیسک‌های آهنگری‌شده400039
25ماشین‌کاری دیسک‌ها و شفت‌ها200036
26جوشکاری روتور500015
27ماشین‌کاری روتور200010
28پوشش‌دهی روتور00
29مونتاژ روتور400012
30بالانس‌کردن روتور00
31تأمین مواد خام وین‌ها مانند میله‌های آهنگری و رینگ رولینگ300018
32ماشین‌کاری وین و رینگ200012
33مونتاژ سگمنت‌های وین400023
34سفارش‌دهی ریخته‌گری پوسته‌ها300014
35ماشین‌کاری پوسته‌ها200018
36پوشش‌دهی پوسته‌ها600030
37رنگ‌زنی پوسته‌ها00
38مونتاژ قطعات کمپرسور400016
جدول 4- فعالیت‌های اصلی ساخت توربین گازی- محفظۀ احتراق
Table 4- The main activities of gas turbine construction- Cobustion Chamber
ردیف نام قطعه شمارۀ فعالیت نام فعالیت هزینه زمان
3 محفظۀ احتراق 39 تأمین مواد خام محفظۀ احتراق مانند ورقه‌های فلزی و رینگ رولینگ 2000 14
40تولید قطعات محفظۀ احتراق از‌طریق ماشین‌کاری، شکل‌دهی و سوراخ‌کاری ورقه‌های فلزی500020
41پوشش‌دهی محفظۀ احتراق200022
42مونتاژ قطعات محفظۀ احتراق400012
43مونتاژ تمام قطعات-30
 
در این بین، فعالیت‌هایی وجود دارند که برای مجموعه‌ به برون‌سپاری نیاز دارند. این برون سپاری‌ به دلایل مختلفی ازجمله تخصصی‌بودن فعالیت، هزینۀ زیاد انجام آن از سوی خود شرکت، اهمیت کم فعالیت و ... است که در جدول‌های بالا با رنگ زرد تمیز داده شده‌اند.
برای فعالیت‌های نیازمند برون‌سپاری، سبدی از تأمین‌کنندگان مختلف با سطوح توانمندی گوناگون در نظر گرفته شده است. طبق فرض مسئله، هر تأمین‌کننده تنها قادر به انجام یکی از فعالیت‌های شش‌گانۀ بالاست. برای آنکه مدل، هر تأمین‌کننده را به فعالیت مخصوص به خود معطوف کند، ماتریسی با عنوان ماتریس نگاشت تأمین‌کننده تعریف شده است که هدف مذکور را محقق می‌کند. نکتۀ مهم، تعریف یک تأمین‌کنندۀ خاص به نام «خود» است. برای آنکه مدل تنها برای فعالیت‌های شش‌گانه، تأمین‌کنندۀ مناسب را برگزیند، تأمین‌کننده «خود» با استفاده از یک محدودیت به فعالیت‌های دیگر تخصیص داده شده است؛ به این معنا که این فعالیت‌ها را خود مجموعه انجام می‌دهد و به برون‌سپاری آنها نیازی نیست.
ضمناً برای آنکه مدل هم‌زمان با تعیین توالی مناسب فعالیت‌ها، تأمین‌کنندۀ مناسب را نیز برای فعالیت‌های مربوطه انتخاب  و به خودی خود هزینه و زمان آن تأمین‌کننده را لحاظ کند، زمان و هزینۀ فعالیت‌های نیازمند برون‌سپاری، صفر در نظر گرفته می‌شود تا زمان و هزینۀ آنها به اشتباه دو بار محاسبه نشود.
4-2- ماتریس‌های وابستگی‌های فعالیتی
برای نمایش میزان وابستگی فعالیت‌ها با یکدیگر از‌نظر جریان اطلاعاتی، میزان دوباره‌کاری و نیز درصد هم‌زمانی به ترتیب باید از ماتریس وابستگی اطلاعاتی، شدت دوباره‌کاری و هم‌زمانی استفاده شود.
همان‌طور که در بخش دوم به آن اشاره شد، مقادیر این ماتریس‌ها همه در بازۀ عددی ]1,0[ هستند که با مشورت با خبرگان به دست آمده‌اند.
یکی دیگر از ماتریس‌هایی که در تعیین توالی فعالیت‌ها تأثیر جدی دارد، ماتریس پیش‌نیاز سخت یا همان 〖HP〗_uv است. در این ماتریس، فعالیت‌هایی که پیش‌نیاز سخت فعالیت دیگرند، مقادیر HP آنها با 1 نمایش داده شده است.
4-3- تعیین اهمیت معیارهای تعریف‌شده برای انتخاب تأمین‌کننده‌ها
محصولات پیچیده با توجه به ماهیت پیچیده‌شان،‌ به تأمین‌کنندگان با ویژگی‌های خاص نیاز دارند. این محصولات تفاوت‌های بنیادینی با محصولات دارای تولید انبوه دارند و درنتیجه تأمین‌کنندگان آنها نیز باید استانداردهای معینی را داشته باشند. زمانی که تعداد معیارهای انتخاب تأمین‌کنندۀ مناسب چندگانه باشد، تعیین اوزان هر‌یک از آنها ضروری است. روش‌های گوناگونی برای این منظور وجود دارد که یکی از معروف‌ترین‌ آنها، روش بهترین- بدترین فازی است. با توجه به اینکه در پژوهش حاضر اطلاعات معیارها مبهم است و‌ به کمی‌کردن قضاوت‌های کیفی دربارۀ توانمندی تأمین‌کنندگان نیاز دارد، از روش بهترین- بدترین فازی برای امتیازدهی به معیارهای انتخاب تأمین‌کنندگان استفاده شده است. 
به این ترتیب، اوزان فازی بهینه برای هر‌یک از معیارها به قرار زیر خواهد بود:
w_c4= 2583/0
w_c5=0783/0 w_c1= 3093/0
w_c2= 2517/0
w_c3= 1024/0
‌مقدار توانمندی هر تأمین‌کننده نیز، با استفاده از رابطۀ (2) به دست می‌آید.
4-4- یافته‌ها
یکی از چالش‌های مهم در زمینۀ طراحی توربین‌های گازی، خرابی ماشین‌آلات است. با توجه به آنکه این دستگاه‌ها به شرایط یا مواد خاصی برای نگهداری نیاز دارند، نگهداری از آنها بسیار چالش‌برانگیز است و کم‌کاری یا بی‌دقتی در این زمینه، موجب خرابی آنها می‌شود؛ در‌نتیجه فرآیند ساخت توربین‌ بهصورت جدی، تحت تأثیر قرار میگیرد. برای آنکه مدل به شرایط واقعی نزدیک‌تر شود، عدم قطعیت پارامترهای ورودی مسئله از‌طریق اعمال اختلال در پارامتر «زمان در دسترس هر دورۀ زمانی»  پیاده‌سازی شده است. اختلال یادشده از‌طریق اعمال ضریب (α-1) در پارامتر زمان در دسترس هر دوره اعمال می‌شود؛ پس از حل مدل با استفاده از نرم‌افزار گمز ، توالی فعالیت‌ها در حالت اعمال اختلال در دوره‌های مختلف، تحت تأثیر سناریوهای پنچ‌گانه در مقایسه با حالت بدون اختلال در شکل (4)، به نمایش درآمده است:
 
Sequence T Disruption Sc.
 
T=1
T=2
T=3
T=4 α=0
α=0
α=0
α=0 1
 
T=1
T=2
T=3
T=4 α=0/1
α=0/4
α=0/6
α=0/25
  T=1
T=2
T=3
T=4 α=0
α=0
α=0
α=0 2
  T=1
T=2
T=3
T=4 α=0/2
α=0/6
α=0/2
α=0/6
  T=1
T=2
T=3
T=4 α=0
α=0
α=0
α=0 3
  T=1
T=2
T=3
T=4 α=0/4
α=0/5
α=0/5
α=0/3
  T=1
T=2
T=3
T=4 α=0
α=0
α=0
α=0 4
  T=1
T=2
T=3
T=4 α=0/6
α=0/3
α=0/4
α=0/4
Sequence T Disruption Sc.
 
T=1
T=2
T=3
T=4 α=0
α=0
α=0
α=0 5
 
T=1
T=2
T=3
T=4 α=0/65
α=0/2
α=0/45
α=0/5
شکل 4- توالی فعالیت‌ها در حالت اعمال اختلال در دوره‌های مختلف، تحت تأثیر سناریوهای پنچ‌گانه در مقایسه با حالت بدون اختلال
Fig. 4- The sequence of activities in the state of disturbance in different periods, under 5 scenarios, compared to the state without disturbance
4-5- اعتبارسنجی مدل
برای تحلیل کارایی و اعتبارسنجی مدل پیشنهادی، از مسئلۀ توربین گازی به‌عنوان مطالعۀ موردی استفاده شد. این انتخاب به‌دلیل اهمیت بالای توربین‌های گازی در صنعت انرژی و تأثیر آنها بر کارایی و هزینه‌های عملیاتی زنجیرۀ تأمین انجام شد.
اعتبارسنجی مدل در دو مرحلۀ اصلی انجام شد:
شبیه‌سازی و اجرا
 - مدل پیشنهادی با استفاده از داده‌های واقعی جمع‌آوری‌شده از پروژه‌های مرتبط با توربین گازی، شبیه‌سازی شد. این داده‌ها شامل اطلاعات عملکردی، هزینه‌ها و زمان‌های اجرایی بودند که به‌طور خاص برای شرایط مختلف عملیاتی تدوین شده بودند؛ سپس نتایج به‌ دست ‌آمده از مدل با داده‌های واقعی مقایسه شد تا دقت پیش‌بینی‌ها‌ ارزیابی شود.
2- تحلیل مقایسه‌ای
 اعتبار مدل با انجام یک تحلیل مقایسه‌ای در دو سناریو مشخص شد.
سناریوی اول شامل انتخاب تأمین‌کنندگان بدون در نظر گرفتن توانمندی‌های آنها بود و
 سناریوی دوم، تأثیر توانمندی‌های تأمین‌کنندگان را در فرآیند انتخاب آنها لحاظ کرده است.
 نتایج این سنجش‌ها نشان‌دهندۀ کاهش درخور توجهی در مقدار تابع هدف در سناریوی دوم (با لحاظ‌کردن توانمندی‌ها) نسبت‌به سناریوی اول بود.
از‌طریق این رویکرد، اعتبار مدل پیشنهادی نه‌تنها از‌نظر دقت پیش‌بینی تأیید شد،‌ همچنین قابلیت آن را در فراهم‌سازی نتایج کاربردی و مفید برای تصمیم‌گیری‌های مدیریتی به اثبات رساند. نتایج به‌ دست ‌آمده نشان می‌دهد که ترکیب قابلیت‌های تأمین‌کنندگان در فرآیند انتخاب آنها، به بهبود عملکرد زنجیرۀ تأمین و کاهش هزینه‌ها منجر میشود.
این مراحل اعتبارسنجی مدل پیشنهادی، کاربردی‌بودن و قابلیت اطمینان آن را در شرایط واقعی، تأیید می‌کند و نشان‌دهندۀ توانایی مدل در مواجهه با عدم قطعیت‌ها و چالش‌های موجود در صنعت انرژی است.
5- بحث
در این بخش، حساسیت آستانۀ توانمندی و استواری‌ تحلیل‌ می‌شود. این تحلیل‌ها به ما این امکان را می‌دهند که قابلیت اطمینان و کارایی مدل پیشنهادی را در شرایط مختلف ارزیابی کنیم. با این حال، به‌منظور شفاف‌سازی نوآوری‌ها و برتری‌های مدل ما نسبت به کارهای پیشین، لازم است چند نکتۀ کلیدی را مد‌نظر قرار دهیم.
5-1- نوآوری و تمایز مدل پیشنهادی
مدل پیشنهادی در این تحقیق، چندین نوآوری و تمایز کلیدی را نسبت‌به مدل‌های پیشین ارائه می‌کند: اول اینکه‌ این مدل به‌طور خاص، بر‌اساس تجزیه و تحلیل عمیق توانمندی‌های تأمین‌کنندگان طراحی شده است و در حالی که بسیاری از مدل‌های موجود به زمینه‌های عمومی و تعاریف اکتفا می‌کنند، در این پژوهش تأکید ویژه‌ای بر تحلیل توانمندی‌های خاص و قابلیت‌های فنی تأمین‌کنندگان شده است. این رویکرد امکان ارزیابی دقیق‌تر و جامع‌تری را در انتخاب تأمین‌کنندگان فراهم می‌آورد.
دوم‌، این مدل با بهره‌گیری از تحلیل حساسیت، عملکرد آن را در مواجهه با تغییرات پارامترهای مختلف‌ شفاف‌سازی می‌کند. با استفاده از مقایسۀ نتایج با داده‌های واقعی و نظر خبرگان، مدل پیشنهادی دقت پیش‌بینی را در شرایط واقعی اعتبارسنجی می‌کند و نشان می‌دهد که چگونه توانمندی‌های تأمین‌کنندگان، نتایج بهتری را در مقایسه با مدل‌های قبلی به ارمغان میآورد. 
سوم، در این تحقیق از داده‌های واقعی مرتبط با عملکرد توربین‌های گازی استفاده‌ و مدل در شرایط واقعی اعتبارسنجی شده است. این ویژگی، این امکان را به مدل می‌دهد که نتایج به ‌دست ‌آمده به‌طور مستقیم برای مدیران صنعت انرژی کاربردی باشد و به بهبود فرآیندهای تصمیم‌گیری، کمک کند.
با توجه به این نوآوری‌ها و تمایزات کلیدی، در ادامه حساسیت آستانۀ توانمندی و تحلیل حساسیت استواری‌ تحلیل ‌ شده است تا ابعاد و قابلیت‌های موجود در مدل پیشنهادی به‌صورت عمیق‌تر‌ بررسی شود.
5-2- تحلیل حساسیت آستانۀ توانمندی
همان‌طور که در شکل (5) مشاهده می‌شود، با افزایش آستانۀ توانمندی تأمین‌کنندگان (〖TS〗_Sup) که در معادلۀ (17-3) آمده است، مدل ریاضی در انتخاب تأمین‌کنندۀ فعالیت‌های نیازمند برون‌سپاری، سخت‌گیری بیشتری به خرج می‌دهد و تأمین‌کننده با سطح توانمندی بالاتر را انتخاب می‌کند؛ در‌نتیجه، احتمال برگشت به عقب ناشی از تأمین‌کنندگان کاهش و به تبع آن، مقدار تابع هدف بازخورد کلی کاهش می‌یابد. به عبارت دیگر، این مدل توالی فعالیت‌ها را به‌گونه‌ای تعیین می‌کند که مقدار فیدبک کلی و در‌نتیجه میزان دوباره‌کاری کمتر شود.
 
 
شکل 5- تحلیل حساسیت مدل- آستانۀ توانمندی
Fig. 5- Model sensitivity analysis- Capability threshold
5-3- تحلیل حساسیت استواری
هر چقدر درجۀ لاندا (ضریب ترجیح ریسک) افزایش یابد، مقدار مورد انتظار تابع هدف بدتر و در مقابل قسمت تأسف آن کمتر می‌شود. ‌همان‌طور که مشاهده می‌شود، Z_s و Z_s^* به یکدیگر نزدیک شده‌اند و چون اختلاف این دو کم است، مقیاس دو محور عمودی تفاوت چشم‌گیری با یکدیگر دارند.
در شکل (6)، نمودار آبی‌رنگ همان استواری بهینگی یا همان مقدار مورد انتظار و یا مقدار میانگین تابع هدف اصلی است و نمودار قرمز‌رنگ، استواری‌شدنی یا همان حداکثر تأسف (اختلاف مقدار تابع هدف تحت سناریوی s از مقدار بهینۀ به دست آمده از حل مدل قطعی تحت آن سناریو) است.
 
 
شکل 6- تحلیل حساسیت استواری
Fig. 6- Robust sensitivity analysis
هر چقدر درجۀ ترجیح ریسک افزایش یابد، ریسک‌پذیری کاهش می‌یابد و مسئله سخت‌گیرانه‌تر می‌شود و به دلیل همین سخت‌گیری، توابع هدف بدتر می‌شوند و ارزش انتظاری زیاد می‌شود. هدف اصلی مسئلۀ کمینه‌سازی، هزینه است و با افزایش درجۀ ترجیح ریسک، مقدار تابع هدف هزینه زیاد می‌شود‌ تا جایی که به حداکثر سطح استواری برسد. این اتفاق در ضریب ترجیح ریسک 0.9 رخ می‌دهد. هرچقدر ضریب ترجیح ریسک از 0.9 زیاد شود، مقدار تابع هدف تغییر نمی‌کند.
در مقابل، نمودار نارنجی‌رنگ قرار دارد. در ابتدای کار که سطح استواری خیلی پایین است، اختلاف بین مقدار تابع هدف و مقدار بهینۀ به دست آمده تحت سناریوی s زیاد است. رفته‌رفته این اختلاف کمتر می‌شود. از 0.9 به بعد، چون بالاترین سطح استواری وجود دارد، کمترین میزان استواری‌شدنی و کمترین میزان تأسف در اختیار خواهد بود.
برای بررسی اعتبار و کارایی مدل پیشنهادی، نتایج تحقیق حاضر با کارهای قبلی در زمینۀ انتخاب تأمین‌کنندگان و تحلیل توانمندی‌ها مقایسه می‌شود.
راگاتز و همکاران  (2002) در مطالعۀ خود، مزایای ادغام تأمین‌کنندگان را در توسعۀ محصولات جدید، تحت شرایط عدم قطعیت فناوری بررسی کرده‌اند. نتایج آنها نشان می‌دهد که مشارکت تأمین‌کنندگان، به محصولات با کیفیت بالاتر و زمان‌بندی دقیق‌تری منجر میشود. در تحقیق حاضر نیز تأکید بر توانمندی‌های تأمین‌کنندگان و تأثیر آنها بر انتخاب بهینۀ تأمین‌کنندگان وجود دارد. یافته‌ها نشان می‌دهند که توانمندی‌های فنی تأمین‌کنندگان نه‌تنها به بهبود کیفیت کمک می‌کند، به کاهش زمان توسعه و بهینه‌سازی فرآیندها نیز منجر می‌شود.
در تحقیق حاضر، حساسیت آستانۀ توانمندی و استواری مدل تحلیل شده است. در این راستا، یافته‌ها با ‌رضایی (‌2015) مقایسه می‌شود که به روش‌های تصمیم‌گیری چندمعیاره اشاره دارد؛ در حالی که روش‌های رضایی (2015) عمدتاً بر ‌ارزیابی گزینه‌ها تأکید دارند، مدل حاضر به‌طور خاص بر تحلیل توانمندی‌های تأمین‌کنندگان و شناسایی تأثیرات آنها بر تصمیمات کلیدی متمرکز است. این رویکرد نه‌تنها دقت تصمیم‌گیری را افزایش می‌دهد، به تجزیه و تحلیل متقابل عامل‌های مختلف نیز کمک می‌کند
‌ون و همکاران‌ (2021)‌، فعالیت‌های مرتبط در پروژه‌های پیچیده را مدل‌سازی کرده است؛ اما بیشتر بر‌ داده‌های شبیه‌سازی شده است. در مقابل، پژوهش حاضر با استفاده از داده‌های واقعی در فرآیند اعتبارسنجی خود، نتایج مدل را در شرایط عملی اعتبارسنجی کرده است. یافته‌ها نشان می‌دهند که نتایج مدل در شرایط واقعی، به‌شدت با پیش‌بینی‌ها مطابقت دارد‌ که این مسئله نشان‌دهندۀ کارآمدی مدل حاضر و قابلیت استفاده از آن در صنعت انرژی است.
بنابراین‌ با توجه به مقایسه‌های انجام‌شده، مدل پیشنهادی ما در مقایسه با کارهای پیشین، بُعد جدیدی را به مفهوم ادغام تأمین‌کنندگان و تحلیل توانمندی‌های آنان اضافه می‌کند. نتایج تحقیق ما نه‌تنها به درک بهتری از فرآیندهای انتخاب تأمین‌کننده کمک می‌کند، بر محدودیت‌های کارهای گذشته نیز تأکید‌ و اهمیت توجه به توانمندی‌ها و ارزیابی‌های جامع‌تر را در این حوزه ریشه‌دار می‌کند.
6- نتیجه‌گیری
وجود ریسک‌های گوناگون در کسب‌وکارها و صنایع مختلف، به‌خصوص ریسک‌های ناشی از اختلال مانند بحران مالی، وقایع طبیعی نظیر سیل و زلزله، کمبود زمان، تحریم‌های بین‌المللی، نبود همکاری نهادهای مختلف داخلی و خارجی و ...، بروز آشفتگی و بحران را در عملکرد زنجیرۀ ‌تأمین آنها به‌دنبال دارد؛ بنابراین تغییرات اساسی در این صنایع، با هدف تاب‌آوری زنجیرۀ تأمین و استوارسازی آن برای مقابله با عدم ‌قطعیت یک نیاز بنیادین به شمار می‌رود؛ زیرا پیش‌بینی‌نکردن این ریسک‌ها و مقابله‌نکردن با آنها، خسارات جبران‌ناپذیری را در صنایع مختلف به‌همراه خواهد داشت.
همچنین به‌سبب ماهیت پیچیدۀ این محصولات و وجود تأمین‌کنندگان مختلف، مدیر پروژه را ناگزیر به انتخاب یکی از آنها می‌کند. روش‌های معمول انتخاب تأمین‌کنندۀ مناسب در مبحث زنجیرۀ تأمین، تمرکز خود را تنها بر امتیاز تأمین‌کنندگان در پارامترهای مختلف- نظیر کیفیت، خدمات پس از فروش، قیمت و ...- گذاشته‌اند؛ در حالی که وجود مفهوم برگشت به عقب در فرآیند توسعۀ محصولات پیچیده، مدیر پروژه را ناگزیر می‌کند که علاوه بر پارامترهای فوق، این مفهوم را نیز در انتخاب تأمین‌کنندۀ مناسب مدنظر قرار دهد که در تحقیق حاضر این مسئله لحاظ شده است. 
یافته‌های مقالۀ حاضر نشان می‌دهد که لحاظ‌کردن توانمندی تأمین‌کنندگان در انتخاب آنها، مقدار تابع هدف بازخورد را به میزان درخور توجهی کاهش می‌دهد. برای ارزیابی دقیق این موضوع، مدل مطالعه‌شده در این تحقیق، در دو وضعیت مختلف اجرا شد: یکی با لحاظکردن توانمندی‌های تأمین‌کنندگان و دیگری بدون در نظر گرفتن این توانمندی‌ها. داده‌های به دست آمده از این دو وضعیت، نشان می‌دهد که در حالت اول، دوباره‌کاری ناشی از برون‌سپاری فعالیت‌ها به میزان چشمگیری کاهش یافته و این امر به سهم خود، به کاهش زمان و هزینه‌های کلی پروژه منجر شده است. همچنین با وجود هزینه‌بر‌بودن استوارسازی زنجیرۀ ‌تأمین در برابر عدم قطعیت در ابتدای امر، این موضوع در بلندمدت، خسارت‌های مربوط به مقابله با ریسک را کاهش خواهد داد. افزون بر این، خروجی به دست آمده از مدل ریاضی،‌ اتکاشدنی خواهد بود. همچنین ابزار‌ مفیدی برای مدیران پروژه است و در تصمیم‌گیری‌های هوشمندانه‌تر و کارآمدتر به کار می‌رود.
پژوهش حاضر در مسیر تکمیل خود، شامل محدودیت‌هایی است؛ از جملۀ آنکه داده‌های استفاده‌شده در این تحقیق ممکن است به‌صورت تاریخی یا محدود به یک منطقۀ خاص باشند. به همین دلیل، نتایج ممکن است در شرایط یا زمینه‌های دیگر اعتبار کمتری داشته باشد. ممکن است مدل ریاضی توسعه‌یافته در پژوهش، برخی از عوامل پیچیده و ‌ پیش‌بینی‌ناپذیر (مانند رفتار تأمین‌کنندگان یا تغییرات ناگهانی در بازار) را نادیده گرفته و بر نتایج تأثیر‌گذار باشد. از طرفی به‌دلیل محدودیت‌های زمان و منابع، این تحقیق ممکن است قادر به بررسی همه‌جانبۀ زنجیرۀ تأمین و تمام اختلالات ممکن نباشد. همچنین اگرچه این تحقیق سناریوهای مختلفی را تحت پوشش قرار داده است،‌ ممکن است برخی از سناریوهای مهم و بالقوۀ دیگری نادیده گرفته شده باشند که‌ نتایج متفاوتی را به‌همراه داشتند.
پینشهادهای زیر برای تحقیقات آتی به کار می‌رود: 
برگزاری ارزیابی‌های دوره‌ای از عملکرد تأمین‌کنندگان به‌منظور پایش مداوم توانمندی‌ها و رعایت الزامات، به افزایش کیفیت خدمات و کاهش ریسک‌ها منجر میشود؛
با توجه به آنکه‌ توجه‌کردن به توسعۀ محصولات پیچیده، به‌ توسعه‌نیافتن زیرساخت‌های حیاتی و مهم کشور منجر می‌شود؛ بنابراین توجه خاصی به برنامه‌ریزی برای بهینه‌کردن توسعۀ این محصولات در کشور مورد نیاز است؛
مدل ریاضی توسعه‌یافته در این پژوهش، توجه خود را به ابعاد مهم یک پروژه- یعنی هزینه، زمان و توانمندی تأمین‌کنندگان- معطوف می‌کند و به همین دلیل یک ابزار علمی و مفید را برای مطالعۀ امکان‌سنجی مالی پروژه‌های ساخت و توسعۀ محصولات پیچیده از سوی مدیران پروژه است؛
طراحی استراتژی‌های خاص تاب‌آوری برای مقابله با اختلالات مختلف در زنجیرۀ تأمین، شامل متنوع‌سازی منابع تأمین و بسط نقاط تأمین‌کننده که به کاهش تأثیرات منفی ریسک‌ها کمک میکند؛
لحاظ‌کردن امکان بروز اختلال در بخش‌های مختلف زنجیرۀ تأمین و همینطور استفاده از راهبردهای تاب‌آوری متنوع برای پاسخ‌گویی به ریسک‌ها و اختلالات واردشده به زنجیرۀ تأمین؛
در مقالۀ حاضر، عدم قطعیت در پارامتر زمان در دسترس هر دوره دیده شده است؛ در حالی که عدم قطعیت در دیگر پارامترهای مدل، نظیر وابستگی اطلاعاتی، بودجه، هزینه انجام فعالیت‌ها و ... پیشنهاد تحقیقاتی آتی است.

 

Aghezzaf, E.-H., Sitompul, C., & Najid, N. M. (2010). Models for robust tactical planning in multi-stage production systems with uncertain demands. Computers & Operations Research, 37(5), 880-889. https://doi.org/10.1016/j.cor.2009.03.012
Attari-Shendi, M., Saidi-Mehrabad, M., & Gheidar-Kheljani, J. (2022). A Comprehensive Mathematical Model for Sequencing Interrelated Activities in Complex Product Development Projects. IEEE Transactions on Engineering Management, 69(6), 2619-2633. https://doi.org/10.1109/tem.2019.2936287
Browning, T. R. (2001). Applying the design structure matrix to system decomposition and integration problems: a review and new directions. IEEE Transactions on Engineering Management, 48(3), 292-306. https://doi.org/10.1109/17.946528
Danilovic, M., & Browning, T. R. (2007). Managing complex product development projects with design structure matrices and domain mapping matrices. International journal of project management, 25(3), 300-314. https://doi.org/10.1016/j.ijproman.2006.11.003
Hartley, J. L., Zirger, B. J., & Kamath, R. R. (1998). Managing the buyer‐supplier interface for on‐time performance in product development. Journal of operations management, 15(1), 57-70. https://doi.org/10.1016/s0272-6963(96)00089-7
Johnsen, T. E. (2009). Supplier involvement in new product development and innovation: Taking stock and looking to the future. Journal of Purchasing and Supply Management, 15(3), 187-197. https://doi.org/10.1016/j.pursup.2009.03.008
Kamath, R. R., & Liker, J. K. (1994). A second look at Japanese product development. Harvard Business Review, 72(6), 154-165. https://doi.org/https://doi.org/10.1016/0024-6301%2895%2991069-7
Kusiak, A., & Wang, J. (1993). Decomposition of the Design Process. Journal of Mechanical Design, 115(4), 687-695. https://doi.org/10.1115/1.2919255
Li, D., & Sun, X. (2006). Nonlinear Integer Programming (Vol. 84). Springer. https://doi.org/10.1007/0-387-32995-1
Lin, J., Chai, K. H., Wong, Y. S., & Brombacher, A. C. (2008). A dynamic model for managing overlapped iterative product development. European journal of operational research, 185(1), 378-392. https://doi.org/10.1016/j.ejor.2006.12.022
Lin, J., Qian, Y., Cui, W., & Goh, T. N. (2015). An effective approach for scheduling coupled activities in development projects. European journal of operational research, 243(1), 97-108. https://doi.org/10.1016/j.ejor.2014.11.019
Lin, J., Qian, Y., Yassine, A. A., & Cui, W. (2012). A fuzzy approach for sequencing interrelated activities in a DSM. International Journal of Production Research, 50(23), 7012-7025. https://doi.org/10.1080/00207543.2011.648779
Mavrotas, G. (2009). Effective implementation of the ε-constraint method in Multi-Objective Mathematical Programming problems. Applied mathematics and computation, 213(2), 455-465. https://doi.org/10.1016/j.amc.2009.03.037
Meier, C., Yassine, A. A., Browning, T. R., & Walter, U. (2016). Optimizing time–cost trade-offs in product development projects with a multi-objective evolutionary algorithm. Research in Engineering Design, 27(4), 347-366. https://doi.org/10.1007/s00163-016-0222-7
Peng, W., Yu, D., & Lin, J. (2023). Resource-Constrained Multi-Project Reactive Scheduling Problem With New Project Arrival. IEEE Access, 11, 64370-64382. https://doi.org/10.1109/access.2023.3289822
Peykani, P., Gheidar-Kheljani, J., Shahabadi, S., Ghodsypour, S. H., & Nouri, M. (2023). A two-phase resource-constrained project scheduling approach for design and development of complex product systems. Operational Research, 23(1), 17. https://doi.org/10.1007/s12351-023-00750-4
Qian, Y., & Lin, J. (2014). Organizing Interrelated Activities in Complex Product Development. IEEE Transactions on Engineering Management, 61(2), 298-309. https://doi.org/10.1109/tem.2013.2285738
Ragatz, G. L., Handfield, R. B., & Petersen, K. J. (2002). Benefits associated with supplier integration into new product development under conditions of technology uncertainty. Journal of Business Research, 55(5), 389-400. https://doi.org/10.1016/s0148-2963(00)00158-2
Rezaei, J. (2015). Best-worst multi-criteria decision-making method. Omega, 53, 49-57. https://doi.org/10.1016/j.omega.2014.11.009
Shang, Z., Hao, J. K., & Ma, F. (2023). A double-decomposition based parallel exact algorithm for the feedback length minimization problem. PeerJ Comput Sci, 9, e1597. https://doi.org/10.7717/peerj-cs.1597
Smals, R. G. M., & Smits, A. A. J. (2012). Value for value—The dynamics of supplier value in collaborative new product development. Industrial Marketing Management, 41(1), 156-165. https://doi.org/10.1016/j.indmarman.2011.11.022
Steward, D. V. (1981). The design structure system: A method for managing the design of complex systems. IEEE Transactions on Engineering Management, (3), 71-74. https://doi.org/https://doi.org/10.1109/TEM.1981.6448589
Wen, M., Lin, J., Qian, Y., & Huang, W. (2021). Scheduling interrelated activities in complex projects under high-order rework: A DSM-based approach. Computers & Operations Research, 130, 105246. https://doi.org/10.1016/j.cor.2021.105246
Yanjun, Q., Jun, L., Thong Ngee, G., & Min, X. (2011). A Novel Approach to DSM-Based Activity Sequencing Problem. IEEE Transactions on Engineering Management, 58(4), 688-705. https://doi.org/10.1109/tem.2011.2107558
Zhang, J., Song, X., Chen, H., & Shi, R. (2015). Optimisation of critical chain sequencing based on activities’ information flow interactions. International Journal of Production Research, 53(20), 6231-6241. https://doi.org/10.1080/00207543.2015.1043157