مدیریت ریسک زنجیرۀ تأمین در صنعت فولاد: رویکرد تحلیل استواری

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

1 دانشیار، گروه مدیریت صنعتی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران

2 دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

3 دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران

چکیده

با توجه به پیچیدگی‎‍های جوامع کنونی و عوامل گوناگون دخیل در حیات صنایع، سازمان‎‍ها همواره در معرض ریسک‎‍ها و عدم قطعیت‎‍هایی‎‍اند که بقایشان را تهدید می‎‍کنند. یکی از اصلی‎‍ترین ریسک‎‍های موجود برای صنایع، ریسک‎‍های زنجیرۀ تأمین هر صنعت است. به‎‍منظور کاهش یا حذف کلی ریسک در طول زنجیرۀ تأمین، نیاز به شناسایی و اولویت‎‍بندی ریسک احساس می‎‍شود تا‎‍ سناریوهایی در جهت مدیریت بهتر این ریسک‎‍ها، ارائه شود. در همین راستا، هدف پژوهش، انتخاب بهترین سناریو در شرایط مواجه با ریسک است. مورد مطالعۀ این پژوهش، شرکت مجتمع فولاد اردکان‎‍ است و‎‍ دربارۀ دو کارخانۀ گندله‎‍سازی و آهن اسفنجی‎‍ نیز بحث و بررسی شد. پس از شناسایی ریسک‎‍های زنجیرۀ تأمین مربوط به این شرکت، با استفاده از روش PESTEL، نظر خبرگان صنعت، بررسی پیشینۀ‎‍ پژوهش و بازدیدهای میدانی، اساسی‎‍ترین سناریوهای رخداد ریسک‎‍ها انتخاب‎‍ و با استفاده از روش بهترین – بدترین بر‎‍اساس احتمال رخداد رتبه‎‍بندی شدند. در مرحلۀ بعد، 14 سناریو به‎‍عنوان محتمل‎‍ترین سناریوهای ‎‍رخدادپذیر انتخاب شدند و سپس این سناریوها با روش تحلیل استواری و در 4 دستۀ کلی بر‎‍اساس راهبردهای حل دسته‌بندی شدند که شامل راهبردهای تمرکز، تنوع، تدافعی و یکپارچگی بودند‎‍ و درصد موفقیت هر راهبرد در شرایط ریسک ارائه شد. در‎‍نهایت، نتایج سناریوها به‎‍طور کامل و بر‎‍اساس شباهت در رویکرد حل بر‎‍اساس راهبرهای کلی بیان شد تا بهترین نتایج‎‍ برای مطالعۀ موردی پژوهش به ارمغان آید.

کلیدواژه‌ها


عنوان مقاله [English]

Designing Scenarios for Reducing Supply Chain Risks at the Ardakan Steel Complex

نویسندگان [English]

  • Davood Andalib Ardakani 1
  • Hamidreza Javaherian 2
  • Aref Toghroljerdi 3
1 Departement of Industrial Management, Faculty of Economics, Management and Accounting, Yazd University, Yazd, Iran
2 Departement of Industrial Management, Faculty of Management, University of Tehran, Tehran, Iran
3 Departement of Industrial Management, Faculty of Economics, Management and Accounting, Yazd University, Yazd, Iran
چکیده [English]

Purpose: In the current context, where steel companies are confronting global challenges such as energy price fluctuations, geopolitical crises, and environmental constraints, the necessity for accurate risk identification and the formulation of suitable mitigation strategies is more pressing than ever. This study aims to investigate supply chain risks in the steel industry using scientific methods like the PESTEL framework and robustness analysis, and to propose strategies for alleviating the impacts of these risks.
Design/methodology/approach: After identifying the problem, and to select an appropriate strategy for the steel industry, robustness analysis was employed to evaluate the resilience and vulnerability of decisions in a risk-laden future. Within this approach, the PESTEL method was utilized to identify the most critical indicators related to the industry and to determine the associated threats and opportunities, enabling the design of potential scenarios based on these indicators. Finally, the Best-Worst Method was applied to rank the scenarios according to their likelihood of occurrence. The statistical population of this study includes managers, experts, and specialists in the steel industry who are directly involved in supply chain and risk management. A non-random, purposive sampling method was used to ensure that the selected individuals possessed the necessary expertise and experience in the fields of supply chain and risk management.
Findings: Based on the PESTEL table and the relevant influencing factors, 216 feasible and implementable scenarios were identified. Through expert consultation, 36 scenarios were selected as the most probable. After ranking them using the Best-Worst Method, the weights and ranks of the scenarios were determined. The top 14 scenarios were identified as the most likely to occur. Upon examining these 14 scenarios, they were categorized into four main groups of solvable strategies through robustness analysis. Finally, the robustness and vulnerability scores of the primary strategies were calculated, and the success rate of each strategy under risk conditions was presented.
Research limitations/implications - Among the limitations of this study is the reliance on specific data and analyses derived from expert opinions. While these opinions are valuable, they may be subject to personal biases or the limited experiences of the experts. Additionally, due to the unique characteristics of the steel industry and its environmental conditions, the findings of this research may not be entirely generalizable to other industries or countries. Such simplification may have overlooked certain real aspects of the risks involved in practical implications. This research has enabled the provision of practical insights and applicable strategies for managing supply chain risks in the steel industry, allowing final decisions to be made with minimal risk.
Social implications: Contributing to the enhancement of sustainability and competitiveness for companies in the steel industry is one of the social outcomes of this research. Reducing supply chain risk in these sectors is highly impactful, particularly in an environment where steel companies encounter global challenges such as energy price fluctuations, geopolitical crises, and environmental constraints. In other words, by managing supply chain risk in the steel industry, a significant step is taken toward a green supply chain, whose positive outcomes directly influence the surrounding environment, and toward a sustainable supply chain that operates with consideration for social, economic, and environmental issues throughout the entire supply chain.
Originality/value: Compared to earlier studies, this research aims to present various scenarios by integrating expert opinions and considering the effects of external events through a combined application of scientific methods such as Robustness Analysis and the Best-Worst Method. This approach allows decision-makers to make final choices with greater confidence and enhanced precision. Among the other distinctions of this research compared to prior studies is the introduction of novel managerial strategies, including the use of artificial intelligence for more accurate risk prediction and the application of blockchain technology as an innovative tool for improved supply chain risk management.

کلیدواژه‌ها [English]

  • Supply chain risk
  • Risk management
  • Best-worst method
  • Robustness analysis
  • Ardakan Steel Complex

a.               1- مقدمه

زنجیرۀ تأمین[i] یکی از اجزای اصلی و حیاتی هر شرکت است که تولید، طراحی و عملکرد کارآمد آن شرکت را تضمین و یا دربارۀ آن بحث و بررسی ‎‍ می‎‍کند (Azaron et al., 2008). زنجیرۀ تأمین، زنجیره‎‍ای سلسله‎‍وار از شرکت‎‍هاست که برای برآوردن تقاضای مشتریان سازمان‎‍دهی می‎‍شود و از تأمین‎‍کننده، تولیدکننده، توزیع‎‍کننده و مشتریان شکل گرفته است. از دید بسیاری از محققان، مدیریت زنجیرۀ تأمین[ii] متشکل از یک فرآیند مدیریت استراتژیک است که از تهیه، جابه‎‍جایی و ذخیره‎‍سازی مواد، قطعات و محصولات تشکیل شده است و‎‍ به حداکثر سود و رضایت مشتریان منجر می‎‍شود. دو دهۀ اخیر رویدادهای گوناگونی زنجیره‎‍های تأمین جهانی را به‎‍طور درخور توجهی تحت تأثیر خود قرار داده و باعث شده است تا مدیریت ریسک زنجیرۀ‎‍ تأمین ‎‍یکی از اساسی‎‍ترین دغدغه‎‍ها و مباحث با اهمیت در سازمان‎‍ها به حساب بیاید. ارتباط با شرکت‎‍های بالا‎‍دست و پایین‎‍دست و همچنین شیوۀ ارتباطات درونی یک زنجیرۀ تأمین موجب شده است که بسیاری از شرکت‎‍ها با موانع و ریسک‎‍هایی مواجه شوند.

چنین مشکلات و ریسک‎‍هایی، پیامد عدم قطعیت تعریف می‎‍شود (Khalilabadi et al., 2020) . به‎‍طور کلی ریسک، یک احساس خطر از عدم اطمینان است که ‎‍تأثیر آن‎‍ به‎‍صورت کمی تعیین می‎‍شود. ریسک‎‍ها معضلات بسیاری را در طول هر زنجیرۀ تأمین ایجاد کنند؛ برای مثال ریسک‎‍ها جریان محصولات را قطع می‎‍کنند، درآمد زنجیرۀ تأمین را به میزان چشمگیری کاهش می‎‍دهند، بر رضایت مشتریان تأثیر می‎‍گذارند و در‎‍نتیجه حیات یک شرکت یا سازمان را تحت تأثیر شدید خود قرار می‎‍دهند (Al-Ayed & Al-Tit, 2023). در بازارهای فعلی جهانی که ماهیت رقابتی بالایی دارند، شرکت‎‍ها باید با در نظر گرفتن این ریسک‎‍ها و بررسی اهمیت آنها، راهکارهایی را برای حل آنها ارائه دهند. در بسیاری از موارد، کوچک‎‍انگاشتن این ریسک‎‍ها و عواقب آنها، بسیاری از شرکت‎‍ها و سازمان‎‍ها را به‎‍سمت نابودی و حذف از بازار سوق داد. به‎‍دلیل افزایش رقابت، تنوع راه‎‍حل‎‍های تکنولوژیکی و انتظارات نامحدود مشتری، جهانی‎‍شدن سیستم‎‍های کسب و کار و سازمان‎‍ها، ریسک‎‍های زنجیرۀ تأمین هر شرکت و سازمان افزایش یافته است (Valinejad & Rahmani, 2018). همچنین موارد دیگری از‎‍جمله اختلال در زنجیرۀ تأمین، عدم قطعیت در تقاضا، عدم قطعیت در عرضه و نوسانات اقتصادی نمونه‎‍ای از این ریسک‎‍ها هستند(Vishnu et al., 2019) . خطرات زیست‎‍محیطی نیز مانند حوادث فاجعه‎‍بار همچون جنگ‎‍ها، مشکلات سیاسی و اجتماعی، نوسانات بازار و رویدادهای پیش‎‍بینی‎‍نشده همچون سیل و زلزله و تصادفات نیز ماهیت هر زنجیرۀ تأمین را تهدید می‎‍کند ( ;Khalilabadi et al., 2020Olatunji & Ayoola, 2024). ‎‍به‎‍منظور کاهش آسیب‎‍پذیری زنجیرۀ تأمین و کاهش تأثیر اختلالات و همچنین دستیابی به استحکام و انعطاف‎‍پذیری بیشتر، توجه به ریسک و عدم قطعیت‎‍ها بسیار اساسی و مهم است. سازمان‎‍ها به‎‍طور پیوسته با ریسک‎‍های جدید مواجه می‎‍شوند که به همین دلیل نیاز به مدیریت ریسک زنجیرۀ تأمین در هر سازمان بیش از پیش حس می‎‍شود. مدیریت ریسک زنجیرۀ تأمین[iii] یک رویکرد نظام‎‍مند و دارای چهارچوب برای دستیابی به اهداف فوق ارائه می‎‍دهد و خطرات ریسک‎‍ها را تا حد پذیرفتنی کم‎‍ می‎‍کند و یا از بین می‎‍برد (Baryannis et al., 2019).

صنعت فولاد یکی از بخش‌های مهم و استراتژیک در اقتصاد جهانی و ایران شناخته می‌شود. این صنعت به‎‍دلیل پیچیدگی‌های زنجیرۀ تأمین، از‎‍جمله وابستگی به تأمین مواد اولیه، تولید و توزیع محصولات نهایی، در معرض ریسک‌های زیادی قرار دارد. عواملی مانند نوسانات قیمت مواد اولیه، تغییرات تقاضای بازار، تحریم‌های بین‌المللی و اختلالات حمل‌ونقل، خطرات جدی را برای پایداری و کارایی زنجیرۀ تأمین فولاد به وجود می‌آورند. مدیریت این ریسک‌ها برای تضمین تداوم تولید و حفظ سهم بازار، اهمیت ویژه‌ای دارد.

در شرایط فعلی که شرکت‌های فولادی با چالش‌های جهانی مانند نوسانات قیمت انرژی، بحران‌های ژئوپلیتیکی و محدودیت‌های محیط‌زیستی مواجه‎‍اند،‎‍ به شناسایی دقیق ریسک‌ها و ارائۀ راهکارهای مناسب برای کاهش آنها بیش از پیش نیاز است. این پژوهش تلاش دارد تا با استفاده از رویکردهای علمی همچون روش PESTEL و تحلیل استواری، ریسک‌های زنجیرۀ تأمین را در صنعت فولاد بررسی کند و راهبردهایی را برای کاهش آثار این ریسک‌ها ارائه دهد. هدف اصلی، کمک به ارتقای پایداری و رقابت‌پذیری شرکت‌های فعال در این صنعت است.

از این ‌رو، این پژوهش بر آن است تا ریسک‌های زنجیرۀ تأمین‎‍ مطالعه‎‍شده را با روش PESTEL شناسایی و سپس با استفاده از روش بهترین-بدترین آنها را رتبه‌بندی‎‍ و در‎‍نهایت راهبردهای متناسب با سناریوهای مختلف را با روش تحلیل استواری‎‍ بررسی و ارزیابی کند. برای این منظور در بخش پیشینۀ تحقیق به حوزۀ زنجیرۀ تأمین، ریسک‌های زنجیرۀ تأمین و در ادامه به انواع ریسک‌های زنجیرۀ تأمین اشاره می‌شود. در انتهای این بخش نیز، روش‌های حل ریسک زنجیرۀ تأمین در این حوزه توضیح داده می‎‍شود‎‍. در بخش سوم، روش‌شناسی پژوهش شامل روش PESTEL، بهترین-بدترین و تحلیل استواری شرح داده می‌شود. در بخش چهارم، دربارۀ نتایج و یافته‌های پژوهش‎‍ بحث ‎‍و در بخش پایانی بحث و نتیجه‌گیری انجام می‎‍شود.

b.               2- پیشینۀ تحقیق

امروزه نیز یکی از جدی‌ترین مسائلی که نه‌تنها کارایی و حتی بقای صنایع را دچار معضل کرده است، ریسک به وجود آمده در طول زنجیرۀ تأمین است. پیچیدگی کسب و کارها، سختی در کسب اطلاعات دقیق و مفید، رقابت شدید، تنوع در خواسته‎‍های مشتریان و غیره، باعث افزایش ریسک در زنجیرۀ تأمین می‎‍شود.

در طول تاریخ، عوامل مختلفی همواره موجب تهدید کسب و کارها شده‎‍اند. ریسک همیشه در کسب و کار و زنجیرۀ تأمین وجود داشته است، حتی خیلی قبل از اینکه اصطلاحات زنجیرۀ تأمین و مدیریت زنجیرۀ تأمین بخشی از واژگان مهم کسب و کارها شود. به‎‍طور کلی ریسک‎‍ها به‎‍دلیل‎‍ اطلاع‎‍نداشتن ‎‍دقیق از آینده رخ می‎‍دهند و باعث می‌شوند بین آنچه در واقعیت اتفاق می‎‍افتد و آنچه سازمان‎‍ها و یا شرکت‎‍ها برنامه‌‌‌‌‌‌ریزی کرده‎‍اند، اختلاف به وجود آید (Abdel-Basset et al., 2019).

در ‌سا‌ل‌های اخیر، حجم درخور توجهی از کارهای تحقیقاتی را محققان‎‍ این حوزه انجام داده‎‍اند. خلاصه‌ای از اقدامات انجام‎‍شده به‎‍وسیلۀ محققان در گذشته، در جدول (1) بیان شده است.

                                                                      i.            جدول 1- پژوهش‌ها در زمینۀ ریسک‌های زنجیرۀ تأمین

1. Table 1- Research on supply chain risks

ردیف

نویسنده

نام مجله

عنوان

روش و خلاصۀ پژوهش

1

راجارام و تانگ[iv]

(2001)

European Journal of Operational Research

تأثیر جایگزینی محصول بر تجارت خرده‎‍فروشی

بررسی تأثیرات وجود محصولات جایگزین بر سود در زمان عدم قطعیت تقاضا

2

نورمن و جانسون[v]

(2004)

International journal of physical distribution & logistics management

رویکرد مدیریت ریسک زنجیرۀ تأمین فعال اریکسون پس از حادثۀ جدی زیر تأمین‎‍کننده

تأثیر تأمین‌‌کنندۀ فرعی و شرکت بیمه بر ریسک زنجیرۀ تأمین

3

تانگ[vi]

(2006)

International journal of production economics

مدیریت ریسک زنجیرۀ تأمین

مدل‌های کمی مختلف ریاضی را برای مدیریت خطرات زنجیرۀ تأمین‎‍ بررسی کردند

4

روغانیان و همکاران[vii]

(2007)

Applied Mathematics and Computation

مشکل برنامه‌‌‌‌‌‌ریزی چند سطحی خطی چند هدفه برای برنامه‌‌‌‌‌‌ریزی زنجیرۀ تأمین

ارائۀ برنامه‎‍های کاربردی برای مقابله با مشکلات زنجیرۀ تأمین شامل عدم قطعیت تقاضای بازار‌، ظرفیت تولید و در دسترس بودن منابع و استفاده از برنامه‌ریزی دو سطحی

5

آذرون و همکاران[viii]

(2008)

International Journal of Production Economics

یک رویکرد برنامه‌‌‌‌‌‌ریزی تصادفی چند هدفه برای طراحی زنجیرۀ تأمین با در نظر گرفتن ریسک

ترکیب تکنیک دستیابی به هدف و تکنیک پارتو برای تصمیم‌گیری در شرایط ریسک زنجیرۀ تأمین و برنامه‌‌‌‌‌‌ریزی تصادفی چند هدفه برای طراحی زنجیرۀ تأمین تحت عدم قطعیت

6

پیدرو و همکاران[ix]

(2009)

Fuzzy Sets and Systems

‌‌‌بهینه‌سازی فازی برای برنامه‌‌‌‌‌‌ریزی زنجیرۀ تأمین تحت عدم قطعیت عرضه‌، تقاضا و فرایند

پیشنهاد مدل برنامه‌‌‌‌‌‌ریزی ریاضی فازی برای برنامه‌‌‌‌‌‌ریزی زنجیرۀ تأمین که عرضه، تقاضا و عدم قطعیت‎‍های فرایند را در نظر می‎‍گیرد

7

آذرون و همکاران

(2009)

Operations Research Proceedings

رویکردهای برنامه‌ریزی تصادفی چند هدفۀ تعاملی برای طراحی شبکه‎‍های زنجیره تأمین قوی

استفاده از رویکرد برنامه‌ریزی تصادفی چند هدفه (دو مرحله‌ای) برای طراحی زنجیرۀ تأمین قوی

8

میرزاپور و همکاران[x]

(2011)

International Journal of Production Economics

یک مدل ‌‌‌بهینه‌سازی چند منظورۀ قوی برای برنامه‌‌‌‌‌‌ریزی تولید چند مجموعه‎‍ای چند محصولی در زنجیرۀ تأمین تحت عدم قطعیت

پیشنهاد مدل برنامه‌ریزی صحیح چند منظورۀ قوی برای مقابله با برنامه‌‌‌‌‌‌ریزی تولید کل

9

چن و فن[xi]

(2012)

Transportation Research Part E: Logistics and Transportation Review

برنامه‌‌‌‌‌‌ریزی سیستم زنجیرۀ تأمین بیواتانول تحت عدم قطعیت عرضه و تقاضا

ایجاد یک چارچوب ‌‌‌مدل‌سازی یکپارچه که برای حمایت از برنامه‌‌‌‌‌‌ریزی سیستم سوخت زیستی آینده در شرایط عدم قطعیت به کار می‎‍رود

10

یان و همکاران[xii]

(2016)

Sustainability

راهبرد هماهنگی قرارداد زنجیرۀ تأمین با جایگزینی تحت اختلال عرضه و تقاضای تصادفی

پیشنهاد قرارداد بازخرید برای هماهنگی بیشتر زنجیرۀ تأمین در شرایط ریسک تقاضا

11

فراهانی و همکاران[xiii]

(2017)

Computers & Industrial Engineering

یک مدل موجودی با در نظر گرفتن یک راهبرد برای کاهش خطر ریسک در زنجیرۀ تأمین با محصولات جایگزین

طراحی مدلی برای مقابله با ریسک تقاضا در زنجیرۀ تأمین با استفاده از محصولات جایگزین

12

راجاگوپال و همکاران[xiv]

(2017)

Computers & Industrial Engineering

مدل‌های تصمیم‌گیری برای کاهش خطر زنجیرۀ تأمین

مرور ادبی سیستماتیک و تجزیه و تحلیل جامع مدل‌های تصمیم‌گیری برای کاهش خطر زنجیرۀ تأمین

12

گوویندان و چنگ[xv]

(2018)

Computers & Operations Research

پیشرفت در برنامه‌ریزی تصادفی و ‌‌‌بهینه‌سازی قوی برای برنامه‌‌‌‌‌‌ریزی زنجیرۀ تأمین

بررسی برنامه‌‌‌‌‌‌ریزی زنجیرۀ تأمین از‎‍طریق پیشرفت برنامه‌ریزی تصادفی و ‌‌‌بهینه‌سازی قوی

13

داروم و همکاران[xvi]

(2018)

cleaner production

یک مدل موجودی بازیابی اختلال در زنجیرۀ تأمین با ذخیره‎‍سازی ایمنی و ملاحظۀ انتشار کربن

ارائۀ یک مدل بازیابی از یک زنجیرۀ تأمین دو مرحله‎‍ای در معرض ریسک عرضه

14

هانگ و همکاران[xvii]

(2018)

Industrial Management & Data Systems.

مدیریت ریسک تدارکات تحت عدم قطعیت

پنج ریسک اصلی در فرایند تدارکات شناسایی شده است که جدا از خلاصه‎‍کردن راهبرد‎‍‎‍های فعلی، پیشنهادهایی برای تسهیل انتخاب راهبرد برای مدیریت ریسک‌های تدارکات ارائه شده است.

15

سویرچک و شوزدا[xviii]

(2019)

International Journal of Management and Decision Making

برنامه‌‌‌‌‌‌ریزی تقاضا، رام‌‌کننده و محرک ریسک عملیاتی: شواهدی از زنجیره‎‍های تأمین اروپا

بررسی آثار شیوه‎‍های برنامه‌‌‌‌‌‌ریزی تقاضا بر اختلالات ناشی از ریسک عملیاتی

16

خلیل‌آبادی و همکاران[xix]

(2020)

Computers & Industrial Engineering

یک روش برنامه‌‌‌‌‌‌ریزی تصادفی چند مرحله‎‍ای برای کاهش خطر زنجیرۀ تأمین از‎‍طریق جایگزینی محصول

مقابله با ریسک زنجیرۀ تأمین با استفاده از جایگزینی محصول در صورت کمبود محصول

17

بییر و همکاران[xx]

(2020)

International Journal of Production Research

روش‌های کاهش ریسک در ساختارهای پیچیدۀ زنجیرۀ تأمین

یک مرور سیستماتیک بر پیشینۀ مدیریت ریسک زنجیرۀ تأمین و بررسی مدل‌های موجود

18

دهقانی و همکاران[xxi]

(2021)

Omega

انتقال مجدد فعال در زنجیرۀ تأمین خون: یک روش برنامه‌‌‌‌‌‌ریزی تصادفی

ارائۀ یک مدل پیشنهادی حمل و نقل بر مبنای تقاضای نامشخص خون درخواستی هر بیمارستان به‎‍منظور کاهش ریسک زنجیرۀ تأمین در فضای تصادفی

 

این پژوهش در مقایسه با کارهای پیشین، با دخیل‎‍کردن نظرات خبرگان و در نظر گرفتن تأثیرات رویدادهای خارجی، با استفاده‌ای ترکیبی از روش‌های علمی همچون روش تحلیل استواری و روش بهترین- بدترین، در ارائۀ سناریوهای متفاوتی می‎‍کوشد که تصمیم‎‍گیرندگان در آن با اطمینان‎‍ بیشتر و دقتی بیش از پیش، به اخذ تصمیمات نهایی روی می‎‍آورند.

c.                2-1- زنجیرۀ تأمین

زنجیرۀ تأمین شامل شبکه‌‌ای از افراد، منابع، سازمان‎‍ها، شرکت‎‍ها، واسطه‎‍ها، فعالیت‎‍ها و فناوری‎‍های دخیل در ایجاد، تولید و فروش یک محصول و یا ارائۀ خدمت به مشتری و ایجاد ارزش است (Stadtler, 2014). یک زنجیرۀ تأمین شامل همه‎‍چیز، از تحویل مواد اولیه از تأمین‌‌کننده به سازنده تا تحویل نهایی آن به کاربر نهایی و مشتری می‎‍شود (Hugos, 2018). به فرایندی که نظارت بر مواد، اطلاعات و امور مالی از تأمین‌‌کننده به تولید‌‌کننده و سپس به عمده‌فروش و به خرده‌فروش و در‎‍نهایت به مصرف‌‌کننده منتقل ‌‌‌‌می‌کند‎‍، مدیریت زنجیرۀ تأمین می‎‍گویند. در یک تعریف کلی ﻣﺪﻳﺮﻳﺖ ﺯﻧﺠﻴﺮۀ ﺗﺄﻣﻴﻦ، یکپارچه‎‍ﺳﺎﺯﻱ فرایندهای ﻛﻠﻴﺪﻱ ﻛﺴﺐ ﻭ ﻛﺎﺭ است که ﺍﺯ ﻛﺎﺭﺑﺮ ﻧﻬﺎﻳﻲ ﺗﺎ ﺗﺄﻣﻴﻦ‎‍ﻛﻨﻨﺪۀ ﺍﺻﻠﻲ را در بر دارد و ﺗﺄﻣﻴﻦ ﻣﺤﺼﻮﻻﺕ، ﺧﺪﻣﺎﺕ ﻭ ﺍﻃﻼﻋﺎﺗﻲ ﺭﺍ را ﺑﺮ ﻋﻬﺪﻩ ﺩﺍﺭﺩ ﻛﻪ ﺑﺎﻋﺚ ﺍﻳﺠﺎﺩ ﺍﺭﺯش ﺍﻓﺰﻭﺩﻩ ﺑﺮﺍﻱ ﻣﺸﺘﺮﻳﺎﻥ درون‎‍سازمانی و برون‎‍سازمانی ﻭ ذی‌نفعان ﺳﺎﺯﻣﺎﻥ ﻣﻲﺷﻮﻧﺪ. در یک دسته‌‌بندی کلی، زنجیرۀ تأمین بر‎‍اساس معیار روند آن به‎‍صورت شکل (1) تقسیم می‎‍شود (Serdarasan, 2013): ‌

 

                                                                         i.            شکل 1- انواع زنجیرۀ تأمین بر‎‍اساس معیار روند آن

1. Fig. 1- Types of chains based on their process quality

شایان ذکر است که با توجه به تحقیقات دیگر، زنجیرۀ تأمین در هشت مدل رایج زیر نیز بیان شده است و در همۀ آنها دو بعد پاسخ‎‍گویی و بهره‎‍وری بسیار حائز اهمیت است:

  • 1) مدل زنجیرۀ تأمین جریان پیوسته که یکی از سنتی‌ترین و قدیمی‌ترین روش‌های زنجیرۀ تأمین است؛
  • 2) مدل زنجیرۀ‌ تأمین سریع که در آن افزایش سرعت پاسخ‎‍گویی بسیار مهم است؛
  • 3) مدل زنجیرۀ‌ تأمین کارآمد که برای شرکت‎‍های دارای رقابت شدید، پیشنهاد شده است؛
  • 4) مدل زنجیرۀ تأمین چابک، برای دسته‌های کوچک محصول استفاده می‎‍شود که به اتوماسیون کمتر و تخصص بیشتر نیاز دارند؛
  • 5) مدل زنجیرۀ تأمین سفارشی‌سازی‎‍شده که بر تنظیمات سفارشی در طول تولید و مونتاژ تمرکز دارد؛
  • 6) مدل زنجیرۀ تأمین انعطاف‌پذیر که در آن شرکت‌ها آزادی بیشتری در انتخاب بخش‌های مختلف از مدل‌ دارند‎‍؛
  • 7) مدل زنجیرۀ تأمین سبز که در آن نتایج مثبت آن به‎‍طور مستقیم‎‍ متوجه محیط پیرامون می‌شود؛
  • 8) مدل زنجیرۀ تأمین پایدار که با اهمیت‎‍دادن به مسائل اجتماعی، اقتصادی و زیست‌محیطی در تمامی طول زنجیرۀ تأمین فعالیت ‌‌‌‌می‌کند و فرایندهایی همچون کل چرخۀ عمر زنجیرۀ تأمین از خرید مواد اولیه تا طراحی و توسعۀ محصول و انبارداری و توزیع و تحویل کالای نهایی را شامل می‎‍شود.

d.               2-2- ریسک زنجیرۀ تأمین

در شرایط کنونی جوامع، ﻳﻜﻲ ﺍﺯ ﻣﻮﺿﻮﻋﺎﺕ اساسی ﺩﺭ ﻣﺪﻳﺮﻳﺖ ﺯﻧﺠﻴﺮۀ ﺗﺄﻣﻴﻦ، کارایی زنجیرۀ تأمین ﻭ هماهنگی ﻣﺆﺛﺮ ﺑﻴﻦ ﺍﺟﺰﺍی ﺁﻥ است که نتایج خود را در ﺭﺿﺎﻳﺘﻤﻨﺪﻱ ﻣﺸﺘﺮﻳﺎﻥ نشان می‎‍دهد. به همین منظور، نیاز به زنجیرۀ تأمینی امن و بدون ریسک است که جریان اطلاعات، مواد، محصولات و سرمایه در طول این زنجیره و بین شرکت‌ها حفظ شود (de Oliveira et al., 2017).  با توجه به افزایش پیچیدگی و ارتباط متقابل زنجیره‌های تأمین مدرن، ‌پیش‌بینی نوع و ماهیت تحولات، نامطمئن و تأثیر یک اقدام، دشوار یا حتی غیرممکن شده است (Chopra & Sodhi, 2014; Mizrak, 2024). به‎‍طور کلی با طولانی‎‍تر‎‍شدن و پیچیده‎‍تر‎‍شدن زنجیره‎‍های تأمین، که ناشی از تغییرات در بازار جهانی است، شرکت‎‍ها در برابر ریسک‌های پیرامونی آسیب‎‍پذیر می‌شوند. ﺑﺴﻴﺎﺭﻱ از پژوهشگران به ﻭﺟﻮﺩ ﺭﻳﺴﻚ ﺩﺭ ﺯﻧﺠﻴﺮۀ ﺗﺄﻣﻴﻦ شرکت‌ها و سازمان‌های ﻣﺨﺘﻠﻒ ﻭ ﻣﺪﻳﺮﻳﺖ ﺻﺤﻴﺢ ﺁﻥ ﺩﺭ ‌سا‌ل‌های پیشین‎‍ ﺗﻮﺟﻪ کرده‎‍اند. با بررسی تحقیقات گذشته، اثبات شده است که ریسک مرتبط با زنجیرۀ تأمین، معمولاً به شکل اختلال، بر ارائۀ سطوح خدمات خاص از‎‍طریق مدیریت موجودی یا تعیین زمان استفاده از یک یا چند تأمین‌‌کننده متمرکز بود. ریسک‌ها و عدم قطعیت‌ها بیشتر کارایی عملیاتی زنجیرۀ تأمین را مختل ‌‌‌‌می‌کند و از این رو بر سود شرکت تأثیر منفی می‎‍گذارد (Kumar et al., 2010)؛ از این رو، ارزیابی‌ آسیب‌پذیری اهمیت می‎‍یابد که مجموعۀ وسیع‌تری از تهدیدها و ضعف‌ها و همچنین منابعی را برای بازیابی عملکرد زنجیرۀ تأمین در بر می‎‍گیرد. ریسک زنجیرۀ تأمین زمانی رخ می‎‍دهد که جریان مواد یا خدمات در طول زنجیرۀ تأمین به هر دلیلی متوقف شود (Kim et al., 2015). شرایط درون‎‍سازمانی و برون‎‍سازمانی بر ریسک‌های زنجیرۀ تأمین تأثیر می‎‍گذارد و باعث شدت‎‍یافتن یا ضعیف‎‍شدن آن می‌شوند (Li et al., 2015).

مدیریت ریسک به اجرای راهبرد‎‍ها و برنامه‌هایی برای مدیریت شبکه‎‍های زنجیرۀ تأمین از‎‍طریق ارزیابی ریسک ثابت و کاهش آسیب‌پذیری‌ها برای اطمینان از انعطاف‌‌‌‌‌‌پذیری در زنجیرۀ تأمین اشاره دارد (Ghadge et al., 2012; Mizrak, 2024). به بیانی دیگر، مدیریت ریسک زنجیرۀ تأمین، یک رویکرد سیستماتیک و مرحله‌ای برای شناسایی، ارزیابی، رتبه‌بندی، کاهش و نظارت بر ریسک‌های احتمالی در زنجیرۀ تأمین است (Aqlan & Lam, 2016). به‎‍طور خلاصه به هر عملی مدیریت ریسک می‌گویند که باعث می‎‍شود رویدادهای پر‎‍خطر و دارای ریسک در طول زنجیرۀ تأمین کنترل و یا مرتفع شود‎‍.

e.                2-2-1- انواع ریسک زنجیرۀ تأمین

زنجیره‌های تأمین با طیف گسترده‌ای از عدم قطعیت‌ها از‎‍جمله تقاضا، عرضه، هزینه‌ها و عدم قطعیت‌های زمان سروکار دارند. همان‌طور که بیان شد، اولین مرحله در فرایند مدیریت ریسک زنجیرۀ تأمین، شناسایی ریسک زنجیرۀ تأمین است. این مرحله شامل کشف تمام ریسک‌های مرتبطی است که‎‍ عملیات شرکت را مختل می‎‍کنند. شرکت‎‍ها در این مرحله باید فهرستی از ریسک‌های زنجیرۀ تأمین را شناسایی‎‍ و بر‎‍اساس اهمیت،‌ آنها را رتبه‌‌بندی کنند. به همین منظور شناسایی خطرات و ریسک‌های احتمالی در زنجیرۀ تأمین بسیار مهم واقع شده است.

با توجه به پژوهش‌های انجام‎‍شده، در حالت کلی ریسک زنجیرۀ تأمین به دو بخش ریسک‌های کلان بلند‎‍مدت (ریسک چگونگی بازار در بلند‎‍مدت) و ریسک‌های خرد کوتاه‎‍مدت (مانند ریسک عدم قطعیت تقاضا کالا) تقسیم می‌شود. پیامد ریسک‌های خرد در ایجاد هزینه‎‍های تحمیلی‎‍ مشاهده‎‍شدنی‎‍ و این در حالی است که ریسک‌های کلان به‎‍دلیل عدم قطعیت بیشتر، دارای پیامدهای بسیار بزرگ‌تر و مخرب‌تر نظیر از بین رفتن کسب و کار می‎‍شوند. در جدول (2)، نمونه‌هایی از مطالعات انجام‎‍شده در حوزۀ شناسایی انواع ریسک‌های زنجیرۀ تأمین بیان شده است.

                                                                   i.            جدول 2- انواع ریسک‌های شناسایی‎‍شده در زنجیرۀ تأمین

1. Table 2- Types of risks identified in the supply chain

منبع

موضوع‎‍ بررسی‎‍شده

انواع ریسک‌های شناسایی‎‍شده

هنریک و سینگال[xxii] (2003)

ریسک شبکۀ تأمین

ریسک راهبردی - ریسک عملیات - ریسک عرضه - ریسک مشتری - ریسک کاهش ارزش دارایی - ریسک رقابتی - ریسک شهرت - ریسک مالی - ریسک مالی - ریسک نظارتی

کریستوفر و همکاران[xxiii] (2004)

ریسک زنجیرۀ تأمین

داخلی برای شرکت - خارجی برای شرکت اما داخلی برای زنجیرۀ تأمین - خارجی زنجیرۀ تأمین (محیطی)

مانوج و منتزر[xxiv] (2008)

ریسک زنجیرۀ تأمین

ریسک عرضه - ریسک تقاضا - ریسک‌های عملیاتی - ریسک امنیتی - ریسک کلان - ریسک سیاست - ریسک‌های رقابتی - ریسک منابع

تانگ و تاملین[xxv] (2008)

ریسک زنجیرۀ تأمین

ریسک تأمین مواد اولیه - ریسک‌های فرایند - ریسک تقاضا - یسک مالکیت فکری - ریسک رفتاری - ریسک سیاسی/اجتماعی

وانگر و باد[xxvi] (2008)

منابع ریسک زنجیرۀ تأمین

ریسک تقاضا - ریسک عرضه - ریسک نظارتی، قانونی و بوروکراتیک - ریسک زیرساخت - ریسک رویداد فاجعه بار

رآو و گلدسبی[xxvii] (2009)

ریسک زنجیرۀ تأمین

ریسک زیست‎‍محیطی - ریسک صنعت - ریسک سازمانی - ریسک خاص مشکل - ریسک تصمیم‎‍گیرنده

کومار و همکاران[xxviii] (2010)

ریسک زنجیرۀ تأمین

ریسک‌های داخلی (تقاضا، تولید و توزیع، ریسک‌های عرضه)

ریسک‌های خارجی (حملات تروریستی، بلایای طبیعی، نوسانات نرخ ارز)

تومالا و سچونهر[xxix] (2011)

ریسک زنجیرۀ تأمین

ریسک تقاضا - ریسک تأخیر - ریسک اختلال - ریسک موجودی - ریسک شکست تولید - ریسک ظرفیت فیزیکی - ریسک تأمین - ریسک سیستم - ریسک حاکمیتی - ریسک حمل و نقل

پتیت و همکاران[xxx] (2013)

آسیب‎‍پذیری‌های زنجیرۀ تأمین

ریسک آشفتگی - ریسک تهدیدهای عمدی - ریسک فشارهای خارجی - ریسک محدودیت منابع - ریسک حساسیت - ریسک قابلیت اتصال

سامودی و همکاران[xxxi] (2013)

ریسک زنجیرۀ تأمین

ریسک عرضه - ریسک تقاضا - ریسک فرایند - ریسک خطرات زیست‎‍محیطی

هو و همکاران[xxxii] (2015)

ریسک زنجیرۀ تأمین

ریسک‌های کلان (طبیعی، ساختۀ دست بشر) - ریسک‌های خرد (تقاضا، تولید، عرضه، زیرساخت)

گورتو و جانی[xxxiii] (2021)

ریسک زنجیرۀ تأمین

ریسک تقاضا - ریسک تولید - ریسک تأمین مواد اولیه - ریسک اطلاعات - ریسک حمل و نقل - ریسک مالی - ریسک خرد محیطی

رحمان و همکاران[xxxiv] (2023)

ریسک زنجیرۀ تأمین

ریسک محیطی - ریسک اقتصادی - ریسک مرتبط با تولید - ریسک ناشی از نیروی کار

       

f.                2-2-2- روش‎‍های حل ریسک زنجیرۀ تأمین

بررسی انواع روش‌های حل ریسک زنجیرۀ تأمین، امکان درک بهتر از هدف و چشم‎‍انداز پژوهش را فراهم می‌کند. همچنین با بررسی این روش‎‍ها و به دست آوردن دسته‎‍بندی جامع از رویکردهای حل مسئله،‎‍ شکاف‎‍های موجود‎‍ بهتر شناسایی و روش‎‍های بهینه‎‍ توسعه داده می‎‍شود (Okoye et al., 2024). با توجه به تفاوت در رویکردهای مقابله با ریسک‎‍ها، روش‌های حل ریسک نیز متفاوت است. به‎‍طور کلی در یک دسته‌‌بندی جامع، روش‌های حل ریسک زنجیرۀ تأمین به سه دستۀ زیر تقسیم می‌شود (Paul et al., 2021)‌.

g.               2-2-2-1- روش‌های تجربی

به‎‍طور کلی روش‌های تجربی به روشی برای انجام یک تحقیق بر‎‍اساس آزمایش و مشاهده به‎‍جای حدس و گمان نظری اشاره دارد. یک رویکرد تجربی‎‍ بینش ارزشمندی را دربارۀ جنبۀ رفتاری مدیریت ریسک زنجیرۀ تأمین ارائه می‎‍دهد (Tubis et al., 2021). ازجمله روش‌های تجربی، به برخی ابزارها مانند مدل‌سازی معادلات ساختاری، حداقل مربعات جزئی، تحلیل عاملی اکتشافی و تحلیل رگرسیون سلسله‎‍مراتبی اشاره می‎‍شود. البته شایان ذکر است که استفاده از روش‌های تجربی در تحقیقات ریسک در زنجیرۀ تأمین، به داده‌های مبتنی بر شواهد اولیه نیاز دارد که در آن خروجی مطمئن و برای مدیریت ریسک‌های زنجیرۀ تأمین، کاربردی است.

 

h.               2-2-2-2- روش‌های کیفی

به روش‌های حلی که داده‌ها و نتایج آن از‎‍طریق ارتباطات باز و جلسات متمرکز به دست می‎‍آید تا مسئلۀ مدنظر حل شود، روش کیفی می‎‍گویند (Behzadi et al., 2018). این روش‌ها برای درک بهتر ریسک بسیار مؤثرند و در مواقعی کمک ‌می‌کنند که درک محقق از صنعت و زنجیرۀ تأمینی خاص دچار مشکل شود (Polyviou et al., 2022). از‎‍جمله روش‌های کیفی مهم، به روش‌های مطالعۀ موردی، مصاحبه و نظرسنجی‌ها اشاره می‎‍شود.

i.                 2-2-2-3- روش‌های کمی

یکی از اصلی‌ترین روش‌های حل مسائل در دنیای امروزی، روش‌های کمی‎‍اند. با توجه به فراوانی متغیرها و افزایش بعد‌های مسائل و ارتباطات گستردۀ مشکلات، روش‌های قبلی دارای کارایی کمتری نسبت‎‍به روش‌های کمی‎‍اند. روش‌های کمی برای توجیه راهبرد‌های پایدارتر، دوام و پایدارترکردن ارتباطات زنجیرۀ تأمین بسیار از سوی پژوهشگران توصیه شده‌اند (Berger et al., 2023). مدل‌های کمی دارای روش‌های حل متعددی‎‍اند. در شرح زیر، نمونۀ مدل‌های کمی و روش‌های حل‌ آنها به‎‍همراه تحقیقات انجام‎‍شده در آن حوزه بیان شده است‌:

  • ‌‌‌مدل‌سازی با مذاکرۀ قرارداد[xxxv]؛
  • مدل‌سازی با هماهنگی سلسله‎‍مراتبی[xxxvi]؛
  • ‌‌‌مدل‌سازی با نظریۀ بازی‎‍ها[xxxvii]؛
  • ‌‌‌بهینه‌سازی چند هدفه[xxxviii].

رویکرد بهینه‎‍سازی چند هدفه با در نظر گرفتن اهداف متعدد در هر مرحله از یک زنجیرۀ تأمین، مدلی را برای مرتفع‎‍کردن مشکلات ارائه می‎‍دهد. در این رویکرد، راهبرد، درخواست‎‍ها و محدودیت‎‍های اعضای زنجیرۀ تأمین در هر سطح در نظر گرفته می‎‍شود‎‍. این رویکرد زمانی به کار می‎‍رود که تصمیمات بهینه باید در صورت وجود ارتباط بین دو یا چند هدف متضاد اتخاذ شود (Trisna et al., 2016). این رویکرد شامل بیش از یک تابع هدف برای ‌‌‌بهینه‌سازی هم‎‍زمان است.

هدف اصلی در این پژوهش، شناسایی و تحلیل ریسک‌های زنجیرۀ تأمین و ارائۀ راهبردهای مناسب برای کاهش این ریسک‌هاست؛ از این رو، به‎‍دلیل ماهیت پیچیده و چندبعدی ریسک‌ها و نیاز به ارائۀ راه‌حل‌های دقیق و‎‍ اتکاپذیر، استفاده از روش‌های کمی، مناسب‌ترین رویکرد انتخاب شده است. این روش‌ها به‎‍دلیل توانایی آنها در پردازش حجم بالای داده‌ها، تحلیل دقیق و ارائه نتایج عددی مطمئن، ابزارهای مؤثری را برای تحلیل و مدیریت ریسک‌ها فراهم می‌کنند(Trisna et al., 2016) .

در میان روش‌های مختلف حل ریسک، روش‌های کمی مانند بهترین-بدترین و تحلیل استواری، چارچوب اصلی پژوهش به کار گرفته شده‌اند. این روش‌ها با توجه به قابلیت‌های تحلیلی بالا، امکان رتبه‌بندی و ارزیابی ریسک‌ها را به‎‍صورت دقیق فراهم و به محققان کمک می‌کنند تا با در نظر گرفتن متغیرهای متعدد، تصمیمات بهینه‌ای اتخاذ کنند. به‎‍علاوه، روش‌های کمی به‎‍دلیل برخورداری از مبانی ریاضی و آماری، قدرت پیش‌بینی و تحلیل عمیق‌تری را نسبت‎‍به روش‌های کیفی یا تجربی ارائه می‌دهند. تحلیل استواری یکی از بهترین ابزار‌ها در شرایطی است که تعداد عوامل تأثیرگذار بر محیط زیاد است و عدم قطعیت و ریسک وجود دارد‎‍. تحلیل استواری روشی است که در حوزۀ تحقیق در عملیات نرم جای گرفته و مبتنی بر پارادایم تفسیری است (Rosenhead, 2002). این رویکرد را برای اولین بار لوینز[xxxix]‎‍ در سال 1968، در حوزۀ تحلیل تصمیمات تحت شرایط ریسک ارائه داد و هدف این روش، یافتن نتایج پایدار و مستقل از جزئیات مدل‌های خاص بود. در ادامه، این مسیر نیز پژوهش‌های روزنهاد[xl] (2002) نقش مهمی در توسعۀ روش تحلیل استواری ایفا کرد (Vanĩcek et al., 2023). این روش از ابزار‌هایی همچون تصمیم‌های متوالی، سناریوها و ماتریس استواری استفاده ‌می‌کنند. در زمانی ‌که ریسک بنیادی دربارۀ آینده وجود دارد و یا تصمیم‌‌ها باید به‎‍صورت مرحله‌بندی اجرا شوند، در حالی که عدم قطعیت وجود دارد، تحلیل استواری از‎‍جمله روش‌های پر‎‍کاربرد به حساب می‌آید (Joorbonyan et al., 2024). در زمان عدم قطعیت و با توجه به شاخص‌ها و عوامل گوناگونی که بر مسئله و تصمیم‎‍گیری تأثیرگذارند، نیاز است تصمیماتی که اخذ می‌شود، در مقابل طیف وسیع از آینده‌های ممکن، انعطاف‎‍پذیری لازم و ماندگاری بالایی داشته باشند (Mehregan et al., 2022). در فضای عدم قطعیت، تحلیل استواری روشی است که پیامدهای تصمیم‌ها را در امتداد زمان برای پژوهشگر واضح‎‍تر بیان می‌کند. با استفاده از تحلیل استواری، میزان استواری و ناتوانی یک تصمیم در آینده‌‌ای توأم با ریسک، محاسبه می‌شود و در‎‍نهایت تصمیمی اخذ می‌شود که نه‌تنها نتایج پذیرفتنی و رضایت‎‍بخشی ارائه می‎‍کند، دارای نتایج نامطلوب کمتری هم هست. در کنار این روش‌ها، پستل ابزاری است که به سازمان‌ها کمک می‌کند تا نمایی کامل‌‎‍تر و تحلیلی جامع‎‍تر از محیط خارجی خود داشته باشند.‎‍ استراتژی‌های مناسبی را برای مقابله با تغییرات ایجاد کنند. در این پژوهش، از این ابزار به‎‍منظور ایجاد سناریوهای ممکن استفاده شده است (Kansongue et al., 2023).

بنابراین، استفاده از روش‌های کمی در این پژوهش، رویکرد اصلی انتخاب شده است؛ زیرا این روش‌ها توانایی مدل‌سازی و تحلیل دقیق ریسک‌های زنجیرۀ تأمین را دارند و امکان ارائۀ راه‌حل‌های بهینه و‎‍ اجرایی را برای صنعت فولاد فراهم می‌کنند.

j.                 3- روش‎‍ تحقیق

هدف اصلی این پژوهش شناسایی، تحلیل و رتبه‌بندی ریسک‌های زنجیرۀ تأمین در صنعت فولاد است. در این راستا، پژوهش به‎‍دنبال ارائۀ راهبردهایی بهینه و کاربردی برای کاهش آثار ریسک‌ها با استفاده از روش‌های کمی مانند روش بهترین-بدترین[xli] و تحلیل استواری است. همچنین‎‍ پژوهش بر آن است تا با استفاده از چارچوب PESTEL، عوامل محیطی مؤثر بر ریسک‌ها را شناسایی‎‍ و در‎‍نهایت به بهبود مدیریت ریسک در زنجیرۀ تأمین صنعت فولاد کمک کند. پس از شناخت مسئله و به‎‍جهت انتخاب راهبرد مناسب برای صنعت مربوطه، از تحلیل استواری استفاده شده است. تحلیل استواری ساختار پذیرفتنی در مسائلی ایجاد می‌کند که ریسک و عدم اطمینان وجود دارد و تصمیم‌ها اصولاً به‎‍صورت متوالی اتخاذ می‌شوند (Fathi et al., 2024). ‎‍در دل این روش با استفاده از روش پستل، مهم‌ترین شاخص‌های مربوط به صنعت مربوطه شناسایی و تهدیدها و فرصت‌ها مشخص شده است تا بر‎‍اساس این شاخص‌ها سناریو‌های ممکن طراحی شود. در‎‍نهایت با استفاده از روش بهترین – بدترین‎‍، سناریوها بر‎‍اساس احتمال رخداد آنها‎‍ رتبه‎‍بندی‎‍ خواهد شد.

جامعۀ آماری این پژوهش شامل مدیران، کارشناسان و متخصصان صنعت فولاد است که به‎‍طور مستقیم با زنجیرۀ تأمین و مدیریت ریسک در این صنعت سر و کار دارند. این افراد با داشتن تجربه و دانش کافی در زمینۀ مدیریت زنجیرۀ تأمین،‎‍ اطلاعات مطمئنی را برای شناسایی و ارزیابی ریسک‌ها ارائه می‎‍دهند. از میان جامعۀ آماری، نمونه‌ای به‎‍صورت هدفمند انتخاب شده است که در قالب جدول (3) نشان داده شده است. در این پژوهش، از نمونه‌گیری غیر تصادفی و هدفمند استفاده شده است تا اطمینان حاصل شود که افراد انتخاب‌شده دارای تخصص و تجربۀ لازم در حوزۀ زنجیرۀ تأمین و مدیریت ریسک‎‍اند. حجم نمونه با توجه به دسترسی به خبرگان و با رعایت اصول علمی و تعداد کافی برای تحلیل‌های انجام‌شده در روش‌های کمی، تعیین شده است.

                                                                                                   i.            جدول 3- نمونۀ آماری

1. Table 3- Statistical sample

ردیف

تخصص

سمت

سطح تحصیلات

میزان سابقه

1

مدیریت تولید

مدیر کارخانۀ گندله‌سازی اردکان

دکتری

15

2

مهندسی صنایع

مدیر کارخانۀ آهن اسفنجی اردکان

دکتری

17

3

بازاریابی

مدیر واحد فروش

کارشناسی ارشد

12

4

بازاریابی

مدیر واحد خرید

کارشناسی ارشد

14

5

مهندسی صنایع

مدیر واحد لجستیک

دکتری

19

6

مهندسی متالورژی

مدیر واحد طرح و برنامه

دکتری

27

7

مدیریت صنعتی

مدیر واحد برنامه‌ریزی تولید

کارشناسی ارشد

18

8

مدیریت استراتژیک

مدیر واحد راهبردی

کارشناسی ارشد

23

9

_

واحد صادرات

_

_

10

مهندسی برق-الکترونیک

مدیر واحد ارتباط با صنعت دانشگاه یزد

دکتری

14

k.               3-1- تحلیل استواری

در زمانی‌که ریسک بنیادی دربارۀ آینده وجود دارد و یا تصمیم‌‌ها باید به‎‍صورت مرحله‌بندی اجرا شوند، در حالی که عدم قطعیت وجود دارد، تحلیل استواری از‎‍جمله روش‌های پر کاربرد به حساب می‌آید. با استفاده از تحلیل استواری، توانایی بررسی و تحلیل تصمیم‌های استراتژیک ایجاد و همچنین میزان استواری و ناتوانی یک تصمیم در آینده‌‌ای توأم با ریسک، محاسبه‎‍ و در‎‍نهایت تصمیمی اخذ می‌شود که نه‌تنها نتایج پذیرفتنی و رضایت‎‍بخشی ارائه کند، دارای نتایج نامطلوب کمتری نیز باشد (Neumayer & Plümper, 2017). هدف از ارائۀ این رویکرد، ایجاد گزینه برای تصمیم‌گیری در شرایط توأم با ریسک، تصمیم‌گیری بهتر و ایجاد برنامه‌‌ای منعطف برای دستیابی به اهداف است. در این پژوهش سعی شده است تا محتمل‌ترین سناریوهای ممکن، که استواری بالاتر و شانس موفقیت بیشتری نسبت‎‍به دیگران دارند، تعیین و استخراج و بر‎‍اساس آنها راهکارهایی برای تصمیم‌گیری مؤثر ارائه شود. مراحل روش تحلیل استواری نیز، در شکل (2) ارائه شده است.

در این روش معمولاً تعداد مشخصی از تعهدات پیوسته و بازۀ زمانی محدود نسبت‎‍به افق برنامه‎‍ریزی انتخاب می‌شود. همچنین به‎‍جهت بررسی عملکرد، محدوده‌‌ای برای جداسازی عملکرد پذیرفتنی از عملکرد نامناسب، ایجاد می‌شود. بر این اساس، استواری هر تصمیم در آینده‌های چندگانه طبق رابطۀ (1) ‌به ‌دست می‌آید (Namen et al., 2010):

(1)

 

یا به عبارتی:

 

همچنین ناتوانی یک تصمیم در آینده‌های چندگانه نیز طبق رابطۀ (2) محاسبه می‌شود (Namen et al., 2010):

(2)

 

یا به عبارتی:

 

این رویکرد شامل شش گام زیر است:

                                                                                     i.            شکل 2- مراحل روش تحلیل استواری

1. Fig. 2- Steps of the stability analysis method

l.                 3-2- PESTEL

یکی از راه‌های تشخیص شاخص‌های حوزۀ مورد مطالعه، استفاده از مدل PESTEL است‎‍. این مدل تغییرات، اتفاقاتی را در نظر می‌گیرد که خارج از کنترل شرکت است. همچنین رویدادهایی را شناسایی ‌‌‌‌می‌کند که باعث ایجاد شانس‌های بزرگ برای سازمان می‌شود و‎‍ شرایط افول سازمانی را نیز بررسی ‌‌‌می‌کند (Matović, 2020). در ادامه‎‍ در جدول (4)، فرم کلی مؤلفه‌های سناریو نشان داده شده است. شایان ذکر است که روش PESTEL با توجه به رویکرد جامع خود در شناسایی و بررسی عوامل و همچنین بر‎‍اساس مطالعات پیشینی که از این ابزار استفاده کرده‌اند، ‎‍ادعا می‎‍شود‎‍ این روش از روایی بالایی برخوردار است و قادر است عواملی را بررسی کند که بر ریسک زنجیرۀ تأمین مؤثرند. همچنین تأیید خبرگان صنعت‎‍ مطالعه‎‍شده بر منطقی‎‍بودن جواب‎‍های یافته‎‍شده به دست آمده است و گواهی بر اعتبار آن است .

                                                                                  i.            جدول 4- فرم کلی مؤلفه‌های یک سناریو

1. Table 4- General form of the components of a scenario

عامل

شاخص

حالت

سیاسی

Pi

i=1, 2, 3, …, p

اقتصادی

Eci

i=1, 2, 3, …, c

اجتماعی

Soi

i=1, 2, 3, …, o

فناورانه

Ti

i=1, 2, 3, …, t

محیطی

Eni

i=1, 2, 3, …, n

قانونی

Li

i=1, 2, 3, …, l

m.              3-3- روش بهترین-بدترین

روش بهترین- بدترین، روش تصمیم‌گیری چند معیاره است که رضایی[xlii] آن را در سال 2015 ارائه کرده است. در این روش، بهترین و بدترین شاخص را تصمیم‌گیرنده مشخص می‌کند و بین هر‎‍یک از این دو معیار (بهترین و بدترین) و دیگر شاخص‌ها، مقایسۀ زوجی انجام می‎‍شود؛ سپس یک مسئلۀ مینی ماکس[xliii] برای مشخص‎‍کردن وزن شاخص‌های مختلف فرموله و حل می‌شود.

n.               3-3-1- مراحل روش بهترین-بدترین

  1. 1. مجموعه‌ای از معیارهای تصمیم‌گیری تعیین شود. در این گام، مجموعۀ معیارها به‎‍صورت تعریف می‌شود که برای گرفتن یک تصمیم لازم است؛
  2. بهترین (مهم‌تر، مطلوب‌تر) و بدترین (کمترین اهمیت و‎‍ مطلوبیت) معیار را مشخص کنید. در این مرحله تصمیم‌گیرنده بهترین و بدترین شاخص را به‎‍طور کلی تعریف می‌کند و هیچ مقایسه‌ای در این مرحله انجام نمی‎‍شود؛
  3. 3. ارجحیت بهترین شاخص را نسبت‎‍به دیگر شاخص‌ها، با اعداد 1 تا 9 مشخص کنید. بردار ارجحیت بهترین شاخص نسبت‎‍به دیگر شاخص‌ها به‎‍صورت نمایش داده می‌شود. در این بردار ارجحیت بهترین شاخص (B) نسـبت‎‍بـه شـاخص (j) را نشان می‌دهد، واضح است که  است؛
  4. ارجحیت همه‌ی شاخص‌ها را نسبت‎‍به بدترین شاخص با اعداد 1 تا 9 مشخص کنید. بردار ارجحیت دیگر شاخص‌ها نسبت‎‍به بدترین شاخص به‎‍صـورت نمایش داده می‌شود. در این بردار ارجحیت شاخص (j) را نسبت‎‍به بدترین شاخص (W) نشان می‌دهد، واضح است که است؛
  5. مقادیر بهینۀ وزن‌ها را بیابید ، برای تعیین وزن بهینۀ هر یک از زوج شاخص‌ها باید و برقرار باشد. برای برآورده‎‍کردن این شرایط در همۀ ها، باید راه‌حلی پیدا شود تا عبارت و  برای همۀ هایی‎‍ حداکثر کند که حداقل شده است. با توجه به غیر‎‍منفی‎‍بودن وزن‌ها و مجموع آ‌نها، مدل به‌صورت مدل خطی رابطۀ (3) فرموله می‎‍شود:

(3)

 

د‎‍رنهایت پس از مدل‎‍سازی و قرار‎‍دادن داده‌ها در مدل، مدل ایجاد‎‍شده با نرم‎‍افزار لینگو[xliv] حل می‎‍شود. پس از حل مدل، معیارها براساس وزن به دست آمده رتبه‌بندی می‌شوند. در این رابطه،  همان نرخ سازگاری است. این نرخ سازگاری در بازۀ ]1 0[ قرار می‌گیرد و هر‎‍چه به صفر نزدیک‌تر باشد، مقایسات از سازگاری و ثبات بیشتری برخوردارند و هر‎‍چه به یک نزدیک‌تر باشد، مقایسات ‎‍سازگاری و ثبات کم‌تری دارند.

o.               4- یافته‌ها

فولاد از کالاهای راهبردی و اساسی جوامع مختلف است؛ به‎‍طوری که پس از نفت خام، فولاد در جایگاه دوم از‎‍نظر مصرف در کشورهای مختلف جهان است (Liu et al., 2021). کشور ایران به‎‍دلیل وجود معادن ارزشمند سنگ آهن در خاک سرزمین خود، دارای پتانسیل بالا برای استفاده از صنایع فولادی است. صنایع فولادی به‎‍دلیل ارتباط با مباحثی همچون سطح دانش، میزان اشتغال‌زایی، میزان توسعۀ فرهنگ، سطح فناوری کشور و غیره، یکی از شاخصه‌های توسعه‎‍یافتگی هر کشور محسوب می‌شوند. کارخانۀ فولاد اردکان یزد، اولین و بزرگ‌ترین پروژۀ خصوصی کشور در زمینۀ تولید آهن اسفنجی است که محصولات آن به‌منظور نیاز اولیۀ کارخانه‌های فولادسازی‎‍ استفاده می‎‍شود؛ از این ‌رو‎‍ در بازار رقابتی حاضر نیاز است که شرکت با توجه به شرایط، استراتژی مناسب را اتخاذ کند.

در گام ابتدایی، مهم‌ترین شاخص‌های مربوط به صنعت فولاد شناسایی و تهدیدها و فرصت‌ها مشخص شدند تا بر‎‍اساس این شاخص‌ها سناریو‌های طراحی شود. بر‎‍اساس تحقیقات پیشین، مهم‎‍ترین عوامل خارجی مؤثر شامل عواملی سیاسی، اقتصادی، اجتماعی، فناورانه، قانونی و زیست‎‍محیطی‎‍اند (Sorourkhah et al., 2017). این تکنیک، چهارچوبی است که عوامل ذکر‎‍شدۀ مؤثر را شناسایی و تحلیل و بررسی می‎‍کند (Jafari et al., 2020). جدول (5) شاخص‌های تأثیرگذار بر مسئله و حالت‌های مختلف آن را شرح می‌دهد.

                                                            i.            جدول 5- شاخص‌های تأثیرگذار بر مسئله بر‎‍اساس مدل PESTEL

1. Table 5- Indicators affecting the problem based on the PESTEL model

عامل

شاخص

توضیح شاخص

حالت

سیاسی

مذاکرات برجامی

تأثیر توافق‌های سیاسی بر دسترسی به بازارهای بین‌المللی و تحریم‌ها

ایجاد توافق

توافق‎‍نکردن

اقتصادی

نرخ ارز

تأثیر نوسانات نرخ ارز بر هزینه‌های واردات مواد اولیه و صادرات محصولات

افزایش یابد

کاهش یابد

ثابت بماند

اجتماعی

دید مردم نسبت‎‍به فولاد ایرانی

تأثیر نگرش جامعه بر تقاضای محصولات فولادی و برند شرکت

دید مثبت

دید منفی

فناورانه

فناوری جدید

تأثیر دسترسی به فناوری‌های نوین بر بهره‌وری و رقابت‌پذیری شرکت

قابل دسترس برای شرکت

‎‍در دسترس نبودن برای شرکت

قانونی

مالیات تولید

تأثیر تغییرات قوانین مالیاتی بر هزینه‌ها و سودآوری شرکت

افزایش یابد

کاهش یابد

ثابت بماند

زیست‌محیطی

آلودگی کارخانه

تأثیر فعالیت‌های شرکت بر محیط‎‍زیست و قوانین مرتبط با آلودگی

افزایش یابد

کاهش یابد

ثابت بماند

 

همان‎‍طور که در جدول (5)‎‍ مشاهده می‎‍شود، حالت‌های مختلف شاخص‌ها بیان شده است‎‍ که سناریوهای متفاوتی به‎‍دنبال دارد؛ برای مثال، در سناریوی اول ایجاد توافق، افزایش نرخ ارز، دید مثبت مردم به فولاد ایرانی، دسترسی به فناوری جدید، افزایش مالیات و افزایش آلودگی کارخانه رخ می‎‍دهد؛ بنابراین طبق جدول (5)، 216 سناریو‎‍ بررسی و پیاده‎‍سازی می‎‍شود. در همین بین، باید در نظر داشت که از دیدگاه عملی، عوامل هفت‎‍گانه تأثیر یکسانی در راهبردها ندارند و همچنین میزان تأثیرپذیری و تأثیر‎‍گذاری آنها متفاوت است؛ از همین ‌رو، در ادامه با توجه به تعداد بالای سناریوها، با نظر خبرگان 36 سناریو به‎‍عنوان محتمل‌ترین سناریوها در نظر گرفته شد؛ سپس در گام بعدی، این 36 سناریو محتمل با استفاده از روش بهترین-بدترین رتبه‌بندی شدند که براساس این روش، سناریوهایی که در رتبه‌های ابتدایی قرار می‌گیرند، احتمال رخداد بیشتری دارند. پس از رتبه‌بندی با استفاده از روش بهترین-بدترین، وزن سناریوها و رتبۀ آنها در جدول (6)‎‍ مشاهده می‎‍شود.

                                                       ii.            جدول 6- رتبه‌بندی سناریوهای محتمل براساس روش بهترین-بدترین

1. Table 6- Ranking of possible scenarios based on the best-worst method

کد

رتبه

وزن

کد

رتبه

وزن

S6

1

0458/0

S20

19

0267/0

S18

2

0456/0

S32

20

0266/0

S8

3

0438/0

S16

21

0250/0

S14

4

0430/0

S22

22

0249/0

S21

5

0387/0

S23

23

0245/0

S5

6

0381/0

S24

24

0229/0

S12

7

0363/0

S2

25

0229/0

S17

8

0331/0

S3

26

0227/0

S28

9

0328/0

S25

27

0220/0

S11

10

0321/0

S33

28

0211/0

S9

11

0319/0

S4

29

0209/0

S13

12

0315/0

S26

30

0190/0

S7

13

0309/0

S34

31

0187/0

S10

14

0306/0

S30

32

0187/0

S1

15

0294/0

S27

33

0148/0

S19

16

0303/0

S35

34

0139/0

S31

17

0289/0

S29

35

0128/0

S15

18

0271/0

S36

36

0118/0

 

در جدول (6)، نرخ سازگاری یا همان مقدار  برابر با 0134/0 به‌ دست آمده است که نشان‎‍دهندۀ سازگاری و ثبات مقایسه‎‍هاست. در جدول (6)‎‍ مشاهده می‎‍شود که S6، S18 و S8 به ترتیب در رتبه‌های اول، دوم و سوم قرار دارند. به عبارت بهتر، با توجه به شرایط بازار و شرکت این سناریوها به‎‍عنوان بهترین سناریوهای‎‍ اجرایی شناخته شده‌اند. همچنین‎‍ با توجه به رتبۀ سناریوهای S35، S29 و S36 که آخرین سناریوهای پیشنهادی‎‍اند، در شرایط حال حاضر بازار و شرکت برای پیاده‌سازی پیشنهاد نمی‌شوند. با توجه به وزن سناریوها در جدول (6)، 14 سناریوی ابتدایی به‎‍عنوان محتمل‎‍ترین سناریوهای‎‍ رخدادپذیر انتخاب شدند.

پس از بررسی این 14 سناریو، با استفاده از روش تحلیل استواری، این سناریوها از‎‍نظر راهبردهای‎‍ حل‎‍شدنی در 4 دستۀ کلی دسته‎‍بندی شدند. هر راهبرد اصلی متشکل از چندین سناریو است که به‎‍وسیله آن مرتفع می‎‍شود. راهبرد‌های اصلی[xlv] شامل مواردی همچون راهبرد یکپارچگی (MS1)، راهبرد تمرکز (MS2)، راهبرد تنوع (MS3) و راهبرد تدافعی (MS4) می‌شوند که سناریوهایی زیر را در خود جای می‎‍دهند:

 

 

 

 

 ‎‍درنهایت نمرات استواری و ناتوانی راهبرد‎‍های اصلی محاسبه‎‍شدۀ این روش به شرح جدول (7) است:

                                                             iii.            جدول 7- محاسبۀ نمرات استواری و ناتوانی راهبرد‎‍های اصلی

1. Table 7- Calculating the robustness and weakness scores of the main strategies

راهبرد

MS1

MS2

MS3

MS4

استواری

 

 

 

 

ناتوانی

 

 

 

 

p.               5- بحث

زنجیرۀ تأمین یکی از اجزای اصلی و حیاتی هر شرکت است که تولید، طراحی و عملکرد کارآمد آن شرکت را تضمین و یا دربارۀ آن بحث و بررسی می‎‍کند. زنجیرۀ تأمین، زنجیره‎‍ای سلسله‎‍وار از شرکت‎‍هاست که برای برآوردن تقاضای مشتریان سازمان‎‍دهی می‎‍شود و از تأمین‎‍کننده، تولید‎‍کننده، توزیع‎‍کننده و مشتریان شکل گرفته است. دو دهۀ اخیر، رویدادهای گوناگونی زنجیره‎‍های تأمین جهانی را به‎‍طور درخور توجهی تحت تأثیر خود قرار داده و باعث شده است تا مدیریت ریسک زنجیرۀ تأمین یکی از اساسی‎‍ترین دغدغه‎‍ها و مباحث با اهمیت در سازمان‎‍ها به حساب بیاید. به‎‍منظور کاهش آسیب‎‍پذیری زنجیرۀ تأمین و کاهش تأثیر اختلالات و همچنین دستیابی به استحکام و انعطاف‎‍پذیری بیشتر، توجه به ریسک و عدم قطعیت‎‍ها بسیار اساسی و مهم است. سازمان‎‍ها به‎‍طور پیوسته با ریسک‎‍های جدید مواجه می‎‍شوند که به همین دلیل نیاز به مدیریت ریسک زنجیرۀ تأمین در هر سازمان بیش از پیش حس می‎‍شود. مدیریت ریسک زنجیرۀ تأمین یک رویکرد نظام‎‍مند و دارای چهارچوب را برای کاهش ریسک ارائه می‎‍دهد و خطرات ریسک‎‍ها را تا حد پذیرفتنی کم می‎‍کند و یا از بین می‎‍برد.

با استفاده از مدل PESTEL شاخص‎‍های اصلی ریسک شناسایی شد. این مدل تمامی ریسک‎‍های موجود در این حوزه را تعیین کرد. در‎‍نهایت، 36 سناریوی احتمالی شناسایی و با روش بهترین-بدترین، 14 سناریو به‎‍عنوان محتمل‎‍ترین آنها مشخص شد. در روش تحلیل استواری، عوامل مختلف و تأثیرگذار بر شرکت و صنعت بررسی شد. سناریو‎‍های مختلف در 4 دسته‎‍بندی اصلی براساس راهبرهای‎‍ حل‎‍شدنی دسته‎‍بندی شدند. برای هر‎‍یک از دسته‌های اصلی، راهبردهای مناسبی برای کاهش ریسک زنجیرۀ تأمین ارائه شد. در مطالعات قبلی، مانوج و منتزر (2008)، کومار و همکاران (2010) و هو و همکاران (2015)‎‍، ریسک‎‍های زنجیرۀ تأمین را بررسی و شناسایی کردند. این مطالعات بینش‎‍هایی را دربارۀ کاربرد راهبردهای مدیریت ریسک با توجه به شرایط محیطی ارائه می‎‍دهند.

در تحقیقات پیشین، انواع مختلفی از ریسک‌های زنجیرۀ تأمین شناسایی شده‌اند. این ریسک‌ها معمولاً در چند دسته‌بندی کلی مانند ریسک‌های مرتبط با تأمین‌کنندگان، حمل و نقل، مسائل مالی، فناوری و اطلاعات و ریسک‌های زیست‌محیطی و قانونی قرار می‌گیرند. مشکلات مربوط به تأمین‌کنندگان، نظیر تأخیر در تحویل، کیفیت پایین کالاها یا حتی ورشکستگی تأمین‌کنندگان از مهم‌ترین ریسک‌ها محسوب می‌شوند. همچنین تأخیرهای ناشی از حمل و نقل، مسائل مربوط به حمل و نقل بین‌المللی و مخاطرات ناشی از حوادث طبیعی یا سیاسی نیز، در این دسته‌بندی قرار می‌گیرند. علاوه بر این، نوسانات قیمت مواد اولیه و تغییرات نرخ ارز ریسک‌های مالی زنجیرۀ تأمین را شکل می‌دهند و بر هزینه‌های سازمان‌ها تأثیرگذارند.

استراتژی‌های مدیریت ریسک زنجیرۀ تأمین که در تحقیقات پیشین‎‍ بررسی شده‌اند، بیشتر بر چند راهکار کلیدی متمرکز بوده‌اند. یکی از این استراتژی‌ها، تنوع‌بخشی به تأمین‌کنندگان است که باعث کاهش وابستگی به یک منبع خاص و در‎‍نتیجه کاهش ریسک می‌شود. سازمان‌ها همچنین برای افزایش انعطاف‌پذیری خود در برابر ریسک‌ها، به استفاده از چندین تأمین‌کننده روی می‌آورند. مدیریت قراردادهای تأمین‌کنندگان و استفاده از قراردادهای هوشمند نیز، یکی از ابزارهای مهم برای محافظت در برابر شرایط‎‍ پیش‌بینی‎‍ناپذیر محسوب می‌شود.

در مقایسه با تحقیقات پیشین، ریسک‌های شناسایی‎‍شده از‎‍جمله ریسک‌های تأمین‌کنندگان، اقتصادی، اجتماعی و زیست‎‍محیطی مشابه‌اند. همچنین استراتژی‌های مدیریتی مانند تنوع‌بخشی به تأمین‌کنندگان برای بهبود ریسک تأمین‎‍کنندگان زنجیرۀ تأمین در هر دو مجموعۀ تحقیقات به چشم می‌خورد. این نشان می‌دهد که اصول کلی مدیریت ریسک زنجیرۀ تأمین، همچنان اهمیت خود را حفظ می‎‍کند و ‎‍راهکارهای مؤثری در این زمینه شناخته می‌شوند.

اما تفاوت‌هایی نیز با تحقیقات پیشین وجود دارد. استراتژی‌های نوین مدیریتی، مانند استفاده از هوش مصنوعی برای پیش‌بینی دقیق‌تر ریسک‌ها و بهره‌گیری از فناوری بلاکچین، به‎‍عنوان فناوری‌های نوآورانه در مدیریت بهتر ریسک‌های زنجیرۀ تأمین در پژوهش‌ها، با اهداف ارائۀ رویکردهای نوین ارائه شده است.

q.               6- نتیجه‌گیری و پیشنهادها

ریسک زنجیرۀ تأمین حیات شرکت‌ها و صنایع را در ابعاد مختلفی تحت تأثیر خود قرار می‌دهد. با توجه به ماهیت ناتوانی شناخت دقیق ریسک، در بسیاری از موارد مرتفع‎‍کردن ریسک‌ها بسیار حساس و سخت است. در این پژوهش هم تلاش بر این شد که صنایع مربوطه با استفاده از روش بهترین - بدترین و روش تحلیل استواری، که با چنین مسائلی همواره رو به رو هستند، را مرتفع کنند. هر چند مدل حل پژوهش به‎‍صورت کلی طراحی شده است تا در آینده با توجه به تغییرات جوامع و فضای کسب و کار، توانایی تغییر و اصلاح را داشته باشد. در گام ابتدایی با استفاده از مدل PESTEL، شاخص‎‍های اصلی ریسک شناسایی شد. این مدل تمامی ریسک‎‍های موجود در این حوزه را تعیین کرد. در ادامۀ راه، بر‎‍اساس نظر و تجربۀ بالای خبرگان صنعت، از بین تمامی سناریوهای موجود، 36 سناریوی احتمالی شناسایی و با روش بهترین-بدترین، 14 سناریو به‎‍عنوان محتمل‎‍ترین آنها مشخص شد. در روش تحلیل، عوامل مختلف و تأثیرگذار بر شرکت و صنعت بررسی شد که صنعت آنها را کنترل نمی‎‍کند. یکی از مزیت‌های این روش، خروجی آن است که در نتایج، تصمیمات تحت شرایط ریسک را در سناریوهای مختلف به‎‍همراه درصد موفقیت هر سناریو بیان می‌کند. در‎‍نهایت سناریو‎‍های مختلف در 4 دسته‎‍بندی اصلی براساس راهبرهای ‎‍حل‎‍شدنی دسته‎‍بندی شدند. در صورتی که سناریوهای  رخ دهد، شرکت با استفاده از استراتژی‎‍های یکپارچگی عمودی به بالا، استراتژی‎‍های یکپارچگی عمودی به پایین و استراتژی‎‍های افقی خود را به‎‍جهت رسیدن به مقادیر بهینه یاری می‎‍دهد. در همین راستا، فعالیت‎‍هایی همچون فروش مستقیم محصولات به مشتریان و حذف واسطه‎‍ها، خرید مواد اولیۀ مستقیم از تأمین‎‍کنندگان و حذف واسطه‎‍های این قسمت از زنجیرۀ تأمین و خرید شرکت رقبا را برای تسهیل چنین شرایطی انجام می‎‍دهد. در این قسمت پیشنهاد می‎‍شود شرکت به‎‍منظور ایجاد قرار‎‍دادهای بلند‎‍مدت با تأمین‎‍کنندگان کلیدی و همچنین ایجاد برنامه‎‍های اضطراری برای تأمین منابع اقدام کند. در صورتی که سناریوهای  رخ دهد، شرکت با استفاده از راهبرد‎‍های رسوخ در بازار، راهبرد‎‍های توسعۀ بازار و راهبرد‎‍های توسعۀ محصول خود را به‎‍جهت رسیدن به مقادیر بهینه یاری می‎‍دهد. در همین راستا، فعالیت‎‍هایی همچون افزایش سهم بازار در بازارهای مورد فعالیت خود، ایجاد بازار‌های جدید در مناطق جغرافیایی جدید و افزایش فروش با ‌‌‌بهینه‌سازی محصولات و خدمات را برای تسهیل چنین شرایطی انجام می‎‍دهد. با توجه به نتایج در این بخش پیشنهاد می‎‍شود شرکت با بهره‎‍گیری از تکنیک‎‍های بازاریابی دیجیتال و استفاده از داده‎‍های بزرگ در راستای شناسایی روندهای جدید بازار اقدام کند. در صورتی که سناریوهای  رخ دهد، شرکت با استفاده از راهبرد‎‍های تنوع همگون، راهبرد‎‍های تنوع ناهمگون و راهبرد‎‍های تنوع افقی خود را به‎‍جهت رسیدن به مقادیر بهینه یاری می‎‍دهد. در همین راستا، فعالیت‎‍هایی همچون ایجاد ارائۀ محصول یا خدمات جدید مرتبط با خود، ارائۀ محصول یا خدمات جدید غیر مرتبط با خود به‎‍جهت جذب مشتری جدید و ارائۀ محصول یا خدمات جدید غیر مرتبط با خود و ارائه به مشتریان کنونی را برای تسهیل چنین شرایطی انجام می‎‍دهد. با توجه به نتایج این سناریو، بررسی رفتار مصرف‎‍کنندگان شامل بررسی میزان عرضه و تقاضا در نقاط جدید بازار، شناخت فرهنگ‎‍ها و نحوۀ تعامل در بازارهای گوناگون و همچنین توسعۀ بازار دیجیتال در این بخش شرکت را یاری می‎‍کند تا به‎‍طور مؤثرتری در بازارهای جدید ورود‎‍ و استراتژی بازاریابی و توسعۀ محصولات خود را طراحی کند. در صورتی که سناریوهای  رخ دهد، شرکت با استفاده از راهبرد‎‍های مشارکت، راهبرد‎‍های کاهش، راهبرد‎‍های واگذاری، راهبرد‎‍های انحلال و راهبرد‎‍های ترکیب خود را به‎‍جهت رسیدن به مقادیر بهینه یاری می‎‍دهد. در همین راستا، فعالیت‎‍هایی همچون ایجاد یک شرکت تضامنی موقت، تجدید در ساختارهای هزینه‎‍ها، فروش یک بخش یا جزئی از شرکت، فروش تمام دارایی‎‍های شرکت و یا ترکیبی از موارد بیان‎‍شده را برای تسهیل چنین شرایطی انجام می‎‍دهد.

در همین راستا، پیشنهاد می‌شود که در تحقیقات آتی تأثیر مدیریت ریسک زنجیرۀ تأمین صنایع فولادی بر انعطاف‌‌‌‌‌‌پذیری زنجیرۀ تأمین، با توجه به جهت گیری‌های هوش مصنوعی و بخش مداخله‌گر اینترنت اشیا، شبیه‌سازی ریسک زنجیرۀ تأمین در صنایع فولادی با رویکرد تاب‌‌‌آوری در شرایط تصادفی، ارزیابی موانع و راهبرد‌های مدیریت ریسک زنجیرۀ تأمین با رویکرد پایداری در شرایط تصادفی در صنایع فولادی و تحلیل جهت‌گیری ریسک زنجیرۀ تأمین و قابلیت‌های مدیریت ریسک زنجیرۀ تأمین به‎‍همراه مکانیسم‌هایی برای عملکرد کارای زنجیرۀ تأمین شرکت‌های فولادی‎‍ بررسی شود.

در راستای مدیریت بهتر ریسک‌های زنجیرۀ تأمین پیشنهاد می‎‍شود که اقدامات ذیل برای بهبود کارایی زنجیرۀ تأمین و کاهش ریسک‌ها انجام شود:

الف) تنوع‌بخشی به تأمین‌کنندگان

یکی از اصلی‌ترین استراتژی‌ها برای کاهش وابستگی و ریسک، استفاده از چندین تأمین‌کننده برای هر محصول است. این استراتژی، این امکان را به سازمان‌ها می‌دهد تا در صورت بروز مشکل، با یکی از تأمین‌کنندگان (مانند تأخیر یا مشکلات کیفی)، از دیگر تأمین‌کنندگان بهره‌مند شوند. توصیه می‌شود که مدیران نه‎‍تنها به منابع داخلی، به تأمین‌کنندگان بین‌المللی نیز توجه کنند تا شبکۀ تأمین گسترده‌تری داشته باشند.

ب) استفاده از فناوری‌های دیجیتال و داده‌محور

مدیران زنجیرۀ تأمین باید از فناوری‌های نوین مانند اینترنت اشیا، هوش مصنوعی و سیستم‌های ERP استفاده کنند تا امکان مانیتورینگ و تحلیل داده‌های زنجیرۀ تأمین فراهم شود. این فناوری‌ها ، این امکان را به مدیران می‌دهند که مشکلات بالقوه را پیش از وقوع شناسایی کنند و اقدامات پیشگیرانه را انجام دهند.

ج) ایجاد انعطاف‌پذیری و انعطاف‌پذیری عملیاتی

انعطاف‌پذیری در زنجیرۀ تأمین به معنای داشتن ظرفیت اضافی و گزینه‌های جایگزین در مواقع بحرانی است. این انعطاف‌پذیری‎‍ از‎‍طریق نگهداری موجودی مازاد از کالاهای حیاتی یا توسعۀ ارتباط با تأمین‌کنندگان جدید ایجاد می‎‍شود. همچنین، انعطاف در فرآیندهای تولید و توزیع‎‍ به کاهش ریسک‌های ناشی از تغییرات در تقاضا یا مشکلات در حمل و نقل کمک می‎‍کند.

د) توسعۀ شفافیت زنجیرۀ تأمین

افزایش شفافیت در زنجیرۀ تأمین از‎‍طریق فناوری‌هایی مانند بلاکچین، ریسک‌های مرتبط با عدم قطعیت را در زنجیرۀ تأمین را کاهش می‎‍دهد. بلاکچین این امکان را فراهم می‌کند که هر مرحله از فرآیند تولید و توزیع به‎‍طور شفاف ردیابی شود و از وقوع نقص‌های اطلاعاتی جلوگیری شود. این موضوع به‎‍ویژه در زنجیره‌های تأمین بین‌المللی اهمیت بالایی دارد که تعداد واسطه‌هایش زیاد است‎‍

و) ارزیابی مداوم ریسک‌ها و بهبود مستمر

مدیران ریسک‌های زنجیرۀ تأمین را به‎‍صورت مستمر ارزیابی‎‍ و راهکارهای بهبود را پیاده‌سازی می‎‍کنند. استفاده از تحلیل‌های منظم داده‌ها به مدیریت کمک می‌کند تا تغییرات جدید را در محیط کسب‌وکار یا عوامل خارجی را به‌سرعت شناسایی و اقدامات لازم را انجام دهند.

 این پژوهش از ترکیب روش‌های PESTEL، بهترین-بدترین و تحلیل استواری برای تحلیل ریسک‌های زنجیرۀ تأمین استفاده کرده است. این ترکیب روش‌ها به پژوهش اجازه داده است تا ریسک‌های محیطی را به‎‍طور جامع شناسایی ‎‍و سناریوهای محتمل را با دقت بیشتری ارزیابی کند. همچنین این پژوهش به‎‍طور خاص بر صنعت فولاد متمرکز شده است که یکی از صنایع استراتژیک و پیچیده در ایران محسوب می‌شود. این تمرکز به پژوهش اجازه داده است تا بینش‌های عملی و راهکارهای کاربردی را برای مدیریت ریسک‌های زنجیرۀ تأمین در این صنعت ارائه دهد.

پژوهش حاضر با وجود دستاوردهای ارزشمند، دارای برخی محدودیت‌هاست که باید در تفسیر نتایج و تحقیقات آینده به آن توجه شود: اول اینکه بخشی از داده‌ها و تحلیل‌ها بر‎‍اساس نظرات خبرگان جمع‌آوری شده است. اگرچه این نظرات ارزشمندند‎‍، ممکن است تحت تأثیر سوگیری‌های شخصی یا تجربیات محدود خبرگان قرار گرفته باشند؛ دوم، نتایج این پژوهش ممکن است به‎‍دلیل ویژگی‌های خاص صنعت فولاد و شرایط محیطی ایران، به‎‍طور کامل به دیگر صنایع یا کشورها‎‍ تعمیم‎‍دادنی نباشد. در‎‍نهایت، برای ‎‍‌مدیریت‎‍پذیر‌بودن تحلیل‌ها، برخی از پیچیدگی‌های واقعی زنجیرۀ تأمین ساده‌سازی شده‌اند. این ساده‌سازی ممکن است برخی از جنبه‌های واقعی ریسک‌ها را نادیده گرفته باشد.

 

[i] Supply Chain

[ii] Supply Chain Management

[iii] Supply Chain Risk Management

[iv] Rajaram & Tang

[v] Norrman & Jansson

[vi] Tang

[vii] Roghanian et al.

[viii] Azaron et al.

[ix] Peidro et al.

[x] Mirzapour et al.

[xi] Chen & Fan

[xii] Yan et al.

[xiii] Farahani et al.

[xiv] Rajagopal et al.

[xv] Govindan & Cheng,

[xvi] Darom et al.

[xvii] Hong et al.

[xviii] Swierczek & Szozda

[xix] Khalilabadi et al.

[xx] Bier et al.

[xxi] Dehghani et al.

[xxii] Hendricks & Singhal

[xxiii] Christopher et al.

[xxiv] Manuj & Mentzer

[xxv] Tang & Tomlin

[xxvi] Wagner & Bode

[xxvii] Rao & Goldsby

[xxviii] Kumar et al.

[xxix] Tummala & Schoenherr

[xxx] Pettit et al.

[xxxi] Samvedi et al.

[xxxii] Ho et al.

[xxxiii] Gurtu & Johny

[xxxiv] Rahman et al.

[xxxv]. Modeling with Contract Negotiation

[xxxvi]. Modeling with Hierarchical Coordination

[xxxvii]. Modeling with Game Theory

[xxxviii]. Multi-objective optimization

[xxxix] Levins

[xl] Rosenhead

[xli] Best Worst Method

[xlii] Rezaei

[xliii] Minimax

[xliv] Lingo

[xlv]. The Main Strategies

Abdel-Basset, M., Gunasekaran, M., Mohamed, M., & Chilamkurti, N. (2019). A framework for risk assessment, management and evaluation: Economic tool for quantifying risks in supply chain. Future Generation Computer Systems, 90(1), 489-502. https://doi.org/10.1016/j.future.2018.08.035
Al-Ayed, S., & Al-Tit, A. (2023). The effect of supply chain risk management on supply chain resilience: The intervening part of Internet-of-Things. Uncertain Supply Chain Management, 11(1), 179-186. https:// doi.org/10.5267/j.uscm.2022.10.009
Aqlan, F., & Lam, S. S. (2016). Supply chain optimization under risk and uncertainty: A case study for high-end server manufacturing. Computers & Industrial Engineering, 93, 78-87. https://doi.org/10.1016/j.cie.2015.12.025
Azaron, A., Brown, K., Tarim, S. A., & Modarres, M. (2008). A multi-objective stochastic programming approach for supply chain design considering risk. International journal of production economics, 116(1), 129-138. https://doi.org/10.1016/j.ijpe.2008.08.002
Azaron, A., Furmans, K., & Modarres, M. (2009). Interactive multi-objective stochastic programming approaches for designing robust supply chain networks. In Operations Research Proceedings 2008 (pp. 173-178). Springer. https://doi.org/10.1007/978-3-642-00142-0_28
Baryannis, G., Dani, S., Validi, S., & Antoniou, G. (2019). Decision support systems and artificial intelligence in supply chain risk management. In Revisiting supply chain risk (pp. 53-71). Springer. https://doi.org/10.1007/978-3-030-03813-7_4
Behzadi, G., O’Sullivan, M. J., Olsen, T. L., & Zhang, A. (2018). Agribusiness supply chain risk management: A review of quantitative decision models. Omega, 79, 21-42. https://doi.org/10.1016/j.omega.2017.07.005
Berger, N., Schulze-Schwering, S., Long, E., & Spinler, S. (2023). Risk management of supply chain disruptions: An epidemic modeling approach. European Journal of Operational Research, 304(3), 1036-1051. https://doi.org/10.1016/j.ejor.2022.05.018
Bier, T., Lange, A., & Glock, C. H. (2020). Methods for mitigating disruptions in complex supply chain structures: A systematic literature review. International Journal of Production Research, 58(6), 1835-1856. https://doi.org/10.1080/00207543.2019.1687954
Chen, C.-W., & Fan, Y. (2012). Bioethanol supply chain system planning under supply and demand uncertainties. Transportation Research Part E: Logistics and Transportation Review, 48(1), 150-164. https://doi.org/10.1016/j.tre.2011.08.004
Chopra, S., & Sodhi, M. S. (2014). Reducing the risk of supply chain disruptions. MIT Sloan management review, 55(3), 73-80. https://doi.org/10.1201/9781420013306.ch2 
Christopher, M., Lowson, R., & Peck, H. (2004). Creating agile supply chains in the fashion industry. International Journal of Retail & Distribution Management, 32(8), 367-376. https://doi.org/10.1108/09590550410546188 
Darom, N. A., Hishamuddin, H., Ramli, R., & Nopiah, Z. M. (2018). An inventory model of supply chain disruption recovery with safety stock and carbon emission consideration. Journal of Cleaner Production, 197, 1011-10. https://doi.org/10.1016/j.jclepro.2018.06.246 
de Oliveira, U. R., Marins, F. A. S., Rocha, H. M., & Salomon, V. A. P. (2017). The ISO 31000 standard in supply chain risk management. Journal of Cleaner Production, 151, 616-633 https://doi.org/10.1016/j.jclepro.2017.03.054.
Dehghani, M., Abbasi, B., & Oliveira, F. (2021). Proactive transshipment in the blood supply chain: A stochastic programming approach. Omega, 98, 102112. https://doi.org/10.1016/j.omega.2019.102112 
Farahani, M., Shavandi, H., & Rahmani, D. (2017). A location-inventory model considering a strategy to mitigate disruption risk in supply chain by substitutable products. Computers & Industrial Engineering, 108, 213-224. https://doi.org/10.1016/j.cie.2017.04.032 
Fathi, M., Azar, A., Jandaghi, G., & Ranjebar Totoei, S. (2024). Forecasting the Production and Consumption of Energy Carriers in the Supply Chain and Choosing a Strategy with a Robustness Analysis Approach (Case Study: National Iranian Copper Industries Company). Journal of Logistics Thought Scientific Publication, 23(90), 135-155. magiran.com/p2812600. https://doi.org/10.22034/LOT.2022.1268988.1208
Ghadge, A., Dani, S., & Kalawsky, R. (2012). Supply chain risk management: present and future scope. The International Journal of Logistics Management, 23(3), 313-339. https://doi.org/10.1108/09574091211289200 
Govindan, K., & Cheng, T . (2018). Advances in stochastic programming and robust optimization for supply chain planning. Computers & Operations Research, 100, 262-269. https://doi.org/10.1016/j.cor.2018.07.027 
Gurtu, A., & Johny, J. (2021). Supply chain risk management: Literature review. Risks, 9(1), 16. https://doi.org/10.3390/risks9010016 
Hendricks, K. B., & Singhal, V. R. (2003). The effect of supply chain glitches on shareholder wealth. Journal of operations management, 21(5), 501-522. https://doi.org/10.1016/j.jom.2003.02.003 
Ho, W., Zheng, T., Yildiz, H., & Talluri, S. (2015). Supply chain risk management: a literature review. International Journal of Production Research, 53(16), 5031-5069. https://doi.org/10.1080/00207543.2015.1030467 
Hong, Z., Lee, C. K., & Zhang, L. (2018). Procurement risk management under uncertainty: a review. Industrial Management & Data Systems, 118(7), 1547-1574. https://doi.org/10.1108/imds-10-2017-0469 
Hugos, M. H. (2018). Essentials of supply chain management. John Wiley & Sons. https://doi.org/10.1002/9781119464495 
Jafari, H., and Othman Soleiman, K. (2020). Assessment of effective environmental factors in oil and gas industry policies using PESTLE & SWOT analysis (case study: Kurdistan, Iraq). Environmental Sciences18(3), 134-151. doi: 10.29252/envs.18.3.134. https://doi.org/10.29252/envs.18.3.134 
Joorbonyan, Z. , Sorourkhah, A. and Edalatpanah, S. A. (2024). Identifying and prioritizing appropriate strategies for customer loyalty in a mass environment (case study: clothing house). Journal of Decisions and Operations Research9(1), 98-119. https://doi.org/10.22105/dmor.2024.420185.1800.
Kansongue, N., Njuguna, J., & Vertigans, S. (2023). A PESTEL and SWOT impact analysis on renewable energy development in Togo. Frontiers in Sustainability, 3. https://doi.org/10.3389/frsus.2022.990173.
Khalilabadi, S. M. G., Zegordi, S. H., & Nikbakhsh, E. (2020). A multi-stage stochastic programming approach for supply chain risk mitigation via product substitution. Computers & Industrial Engineering, 149, 106786. https://doi.org/10.1016/j.cie.2020.106786 
Kim, Y., Chen, Y.-S., & Linderman, K. (2015). Supply network disruption and resilience: A network structural perspective. Journal of operations management, 33, 43-59. https://doi.org/10.1016/j.jom.2014.10.006 
Kumar, S. K., Tiwari, M., & Babiceanu, R. F. (2010). Minimisation of supply chain cost with embedded risk using computational intelligence approaches. International Journal of Production Research, 48(13), 3717-3739. https://doi.org/10.1080/00207540902893425 
Levins, R. (1968). Evolution in changing environments: some theoretical explorations (No. 2). Princeton University Press.
Li, G., Fan, H., Lee, P. K., & Cheng, T. (2015). Joint supply chain risk management: An agency and collaboration perspective. International journal of production economics, 164, 83-94. https://doi.org/10.1016/j.ijpe.2015.02.021 
Liu, W., Zuo, H., Wang, J., Xue, Q., Ren, B., & Yang, F. (2021). The production and application of hydrogen in steel industry. International Journal of Hydrogen Energy, 46(17), 10548-10569. https://doi.org/10.1016/j.ijhydene.2020.12.123 
Manuj, I., & Mentzer, J. T. (2008). Global supply chain risk management strategies. International Journal of Physical Distribution & Logistics Management, 38(3), 192-223. https://doi.org/10.1108/09600030810866986 
Matović, I. M. (2020). PESTEL analysis of external environment as a success factor of startup business. Paper presented at the ConScienS Conference Proceedings. https://doi.org/10.5281/zenodo.4058794
Mehregan, M. , Jafari, S. , Azara, A. and Zahedi, S. (2022). The application of methodological approach to strategic choice and robustness analysis (Case study: Deciding on product sales promotion and advancement). Innovation Management and Operational Strategies3(2), 113-129. doi: 10.22105/imos.2022.309117.1174. https://doi.org/10.47297/wspciwsp2516-252722.20220603 
Mirzapour Al-E-Hashem, S., Malekly, H., & Aryanezhad, M. B. (2011). A multi-objective robust optimization model for multi-product multi-site aggregate production planning in a supply chain under uncertainty. International Journal of Production Economics, 134(1), 28-42. https://doi.org/10.1016/j.ijpe.2011.01.027 
Mizrak, K. C. (2024). Crisis management and risk mitigation: Strategies for effective response and resilience. Trends, challenges, and practices in contemporary strategic management, 254-278. https://doi.org/10.4018/979-8-3693-1155-4.ch013 
Namen, A. A., Bornstein, C. T., & Rosenhead, J. (2010). The Use of robustness analysis for planning actions in a poor Brazilian community. Pesquisa Operacional, 30, 267-280. https://doi.org/10.1590/s0101-74382010000200002 
Neumayer, E., & Plümper, T. (2017). Robustness tests for quantitative research.Cambridge University Press. https://doi.org/10.1017/9781108233590 
Norrman, A., & Jansson, U. (2004). Ericsson's proactive supply chain risk management approach after a serious sub‐supplier accident. International journal of physical distribution & logistics management, 34(5), 434-456. https://doi.org/10.1108/09600030410545463 
Okoye, C. C., Ofodile, O. C., Tula, S. T., Nifise, A. O. A., Falaiye, T., Ejairu, E., & Addy, W. A. (2024). Risk management in international supply chains: A review with USA and African Cases. Magna Scientia Advanced Research and Reviews, 10(1), 256-264. https://doi.org/10.30574/msarr.2024.10.1.0024 
Olatunji, A. F., & Ayoola, A. A. (2024). Mitigating Supply Chain Vulnerabilities in Nigeria. ESUT JOURNAL OF SOCIAL SCIENCES, 9(2). Retrieved from https://www.esutjss.com/index.php/ESUTJSS/article/view/219
Paul, A., Shukla, N., Paul, S. K., & Trianni, A. (2021). Sustainable supply chain management and multi-criteria decision-making methods: A systematic review. Sustainability, 13(13), 7104. https://doi.org/10.3390/su13137104 
Peidro, D., Mula, J., Poler, R., & Verdegay, J.-L. (2009). Fuzzy optimization for supply chain planning under supply, demand and process uncertainties. Fuzzy sets and systems, 160(18), 2640-2657. https://doi.org/10.1016/j.fss.2009.02.021 
Pettit, T. J., Croxton, K. L., & Fiksel, J. (2013). Ensuring supply chain resilience: development and implementation of an assessment tool. Journal of business logistics, 34(1), 46-76. https://doi.org/10.1111/jbl.12009 
Polyviou, M., Ramos, G., & Schneller, E. (2022). Supply Chain Risk Management: An Enterprise View and a Survey of Methods. In Supply Chain Risk Mitigation: Strategies, Methods and Applications (pp. 27-58). Springer. https://doi.org/10.1007/978-3-031-09183-4_2 
Rahman, T., Paul, S. K., Agarwal, R., & Sarker, R. (2023). Overview of Supply Chain Risk and Disruption Management Tools, Techniques, and Approaches. In Supply Chain Risk and Disruption Management: Latest Tools, Techniques and Management Approaches (pp. 1-22). Springer. https://doi.org/10.1007/978-981-99-2629-9_1 
Rajagopal, V., Venkatesan, S. P., & Goh, M. (2017). Decision-making models for supply chain risk mitigation: A review. Computers & Industrial Engineering, 113, 646-682. https://doi.org/10.1016/j.cie.2017.09.043 
Rajaram, K., & Tang, C. S. (2001). The impact of product substitution on retail merchandising. European Journal of Operational Research, 135(3), 582-601. https://doi.org/10.1016/s0377-2217(01)00021-2 
Rao, S., & Goldsby, T. J. (2009). Supply chain risks: a review and typology. The International Journal of Logistics Management, 20(1), 97-123. https://doi.org/10.1108/09574090910954864
Rezaei, J. (2015). Best-worst multi-criteria decision-making method. Omega, 53, 49-57. https://doi.org/10.1016/j.omega.2014.11.009
Roghanian, E., Sadjadi, S. J., & Aryanezhad, M.-B. (2007). A probabilistic bi-level linear multi-objective programming problem to supply chain planning. Applied Mathematics and computation, 188(1), 786-800. https://doi.org/10.1016/j.amc.2006.10.032
Rosenhead, J. (2002). Robustness analysis. Newsletter of the European Working Group, 32(4), 181–207 https://doi.org/10.1007/978-1-4419-1153-7_200722 
Samvedi, A., Jain, V., & Chan, F. T. (2013). Quantifying risks in a supply chain through integration of fuzzy AHP and fuzzy TOPSIS. International Journal of Production Research, 51(8), 2433-2442. https://doi.org/10.1080/00207543.2012.741330 
Serdarasan, S. (2013). A review of supply chain complexity drivers. Computers & Industrial Engineering, 66(3), 533-540. https://doi.org/10.1016/j.cie.2012.12.008 
Sorourkhah, A. , Azar, A. , Babaie-Kafaki, S. and Shafiei Nik Abadi, M. (2017). Using Weighted-Robustness Analysis in Strategy Selection (Case Study: Saipa Automotive Research and Innovation Center). Industrial Management Journal9(4), 665-690. https://doi.org/10.22059/imj.2018.247856.1007361.
Stadtler, H. (2014). Supply chain management: An overview. Supply chain management and advanced planning: Concepts, models, software, and case studies, 3-28. https://doi.org/10.1007/978-3-642-55309-7_1 
Swierczek, A., & Szozda, N. (2019). Demand planning as a tamer and trigger of operational risk disruptions: evidence from the European supply chains. Supply chain management: An international journal, 24(6), 748-766. https://doi.org/10.1108/scm-03-2019-0095 
Tang, C., & Tomlin, B. (2008). The power of flexibility for mitigating supply chain risks. International journal of production economics, 116(1), 12-27. https://doi.org/10.1016/j.ijpe.2008.07.008 
Tang, C. S. (2006). Perspectives in supply chain risk management. International journal of production economics, 103(2), 451-488. https://doi.org/10.1016/j.ijpe.2005.12.006 
Trisna, T., Marimin, M., Arkeman, Y., & Sunarti, T. (2016). Multi-objective optimization for supply chain management problem: A literature review. Decision Science Letters, 5(2), 283-316. https://doi.org/10.5267/j.dsl.2015.10.003 
Tubis, A. A., & Werbińska-Wojciechowska, S. (2021). Risk management maturity model for logistic processes. Sustainability,659, 2(3) . https://doi.org/10.3390/su13020659 
Tummala, R., & Schoenherr, T. (2011). Assessing and managing risks using the supply chain risk management process (SCRMP). Supply chain management: An international journal, 16(6), 474-483. https://doi.org/10.1108/13598541111171165 
Valinejad, F., & Rahmani, D. (2018). Sustainability risk management in the supply chain of telecommunication companies: A case study. Journal of Cleaner Production, 203, 53-67. https://doi.org/10.1016/j.jclepro.2018.08.174 
Vanĩcek, P., Krakiwsky, E., Craymer, M., Gao, Y., & Ong, P. (2023). Robustness analysis. https://doi.org/10.1007/s001900100162 
Vishnu, C., Sridharan, R., & Kumar, P. R. (2019). Supply chain risk management: models and methods. International Journal of Management and Decision Making, 18(1), 31-75. https://doi.org/10.1504/ijmdm.2019.096689 
Wagner, S. M., & Bode, C. (2008). An empirical examination of supply chain performance along several dimensions of risk. Journal of business logistics, 29(1), 307-325. https://doi.org/10.1002/j.2158-1592.2008.tb00081.x 
Yan, R., Lu, B., & Wu, J. (2016). Contract coordination strategy of supply chain with substitution under supply disruption and stochastic demand. Sustainability, 8(7), 676.  https://doi.org/10.3390/su8070676