نوع مقاله : مقاله پژوهشی- فارسی
نویسندگان
1 کارشناسی ارشد مدیریت صنعتی، دانشکدۀ حکمرانی، دانشگاه شاهد، تهران، ایران
2 دانشیار گروه مدیریت صنعتی، دانشکدۀ حکمرانی، دانشگاه شاهد، تهران، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Purpose: In competitive markets, supplier performance is a crucial factor in determining business success. High-performing suppliers generate value for buyers and boost a company’s competitiveness. Therefore, evaluating, ranking, and selecting suppliers has a significant impact on profitability, product quality, service delivery, and overall operations. Effective supplier selection can greatly lower procurement costs and enhance organizational competitiveness, making robust evaluation methods like Data Envelopment Analysis (DEA) essential. This paper aims to propose a hybrid approach for supplier performance evaluation.
Design/methodology/approach: A thorough literature review identified essential supplier selection criteria. Based on these criteria, a questionnaire was created and distributed to managers, academics, and industry experts. The collected data underwent statistical analysis using SPSS and the Fuzzy Delphi Method to refine and finalize the criteria. Supplier performance was subsequently analyzed using Fuzzy DEA and the Ordinal Priority Approach (OPA). Fuzzy DEA assesses suppliers under uncertainty, while OPA combines human judgment and balances empirical data with expert insights.
Findings: The hybrid Fuzzy DEA-OPA model effectively integrates expert opinions and quantitative data for supplier evaluation. When expert knowledge is scarce, the model compensates for data gaps by utilizing available information. Emphasizing expert input also fosters innovative insights. Implementing a weighted Min-Max approach in the multi-objective model enables decision-makers to modify the weights assigned to DEA and OPA objectives. This method is versatile, applicable not only to sustainable supplier evaluation but also to various selection challenges by adjusting inputs and outputs.
Research limitations: Due to the limited number of suppliers at the studied company and the necessity to maintain an appropriate ratio between inputs, outputs, and decision-making units (DMUs), the number of evaluation indicators was limited. Future research should broaden the scope by incorporating more DMUs and a wider range of indicators. Generalizing findings necessitates caution, as the study concentrated on a specific product within Semnan Regional Electric Company.
Practical implications: The model can be adapted to assess other suppliers and components within the organization, although the selection criteria and their weights may need recalibration. The key prioritized criteria included compliance with standards, R&D capability, and technological expertise—indicating that electric utilities should focus on these aspects in procurement. Combining expert judgment with empirical data enhances evaluation accuracy when faced with incomplete information. While equal weights were assigned to OPA and DEA in this study, the model’s flexibility permits adjustments to methodological influence. If the work experience of experts varies significantly, it is advisable to apply the model considering different scenarios of work experience and education.
Social implications: Transparent supplier evaluation fosters partnerships with entities that adhere to ethical, social, and environmental standards. Models that incorporate environmental indicators promote sustainable practices. Hybrid approaches, such as Fuzzy DEA-OPA, assist policymakers in establishing better criteria and support high-performing businesses in the face of data uncertainty. Ultimately, precise supplier assessment enhances product quality and supply chain resilience, contributing to a safer, more robust society.
Originality/value: Effective supplier selection necessitates advanced evaluation methods. While DEA effectively manages multiple inputs and outputs, it neglects human judgment. The Ordinal Priority Approach (OPA) addresses this shortcoming by integrating expert perspectives. Merging these methods establishes a robust framework that tackles multiple experts, incomplete data, input/output weighting, missing values, and lower-risk decision-making—providing substantial value for complex supplier selection.
کلیدواژهها [English]
در میان موضوعات مدیریت زنجیرۀ تأمین مربوط به فرآیند خرید، انتخاب تأمینکننده یکی از مهمترین فعالیتهای واحد خرید شرکتهاست و واحد خرید نقش اساسی در اثربخشی و کارایی سازمان دارد؛ زیرا تصمیمات خرید تأثیر مستقیمی بر کاهش قیمتها، توانایی سودآوری و انعطافپذیری شرکتها دارد (Mwikali, 2012) ؛ در طول سالها، روشهای متعددی برای ارزیابی تأمینکنندگان پیشنهاد شده است. با این حال، کارشناسان معتقدند که در عمل، هیچ روش بهینۀ واحدی برای ارزیابی تأمینکنندگان وجود ندارد؛ درنتیجه، شرکتها رویکردهای مختلفی را برای این موضوع براساس نیازهای خاص خود به کار میگیرند. این تنوع، شناسایی بهترین روش ارزیابی و انتخاب تأمینکننده را چالشبرانگیز میکند (Azimian et al., 2017)؛ بنابراین در پاسخ به افزایش رقابتپذیری، کوتاهشدن چرخۀ عمر محصول و تغییرات سریع در نیازها و سلایق مشتریان، بیشتر شرکتها بر توسعۀ قابلیتهای بلندمدت تأمینکنندگان خود تمرکز کردهاند که نشاندهندۀ اهمیت ارزیابی و انتخاب تأمینکنندگان است (Markabi & Sabbagh, 2014). انتخاب درست تأمینکنندگان نیازمند بهکارگیری روشهای مناسب برای ارزیابی عملکرد آنهاست که یکی از ابزارهای مناسب برای سنجش کارایی، تحلیل پوششی دادهها و توانایی آن در بهکارگیری ورودیها و خروجیهای چندگانه در ارزیابی است؛ اما با توجه به اینکه تحلیل پوششی دادهها [i]، قضاوت انسان را در نظر نمیگیرد، روش رویکرد اولویت ترتیبی[ii] برای چگونگی قضاوت انسان مطرح میشود و دادههای دنیای واقعی و قضاوت انسانی را متعادل میکند. ترکیب این دو روش، رویکرد مفیدی برای انتخاب تأمینکننده است، مسائل مربوط به چندین متخصص و ناقصبودن اطلاعات را حل میکند و همچنین تصمیمگیری با ریسک کمتر را بههمراه دارد، وزن ورودیها و خروجیها را محاسبه و مقادیر از دست رفته را پشتیبانی میکند.
توسلی و همکاران[iii] (2020)، پایداری تأمینکنندگان را با یک مدل جدید تحلیل پوششی دادههای تصادفی-فازی ارزیابی کردند. آنها یک مدل جدید تحلیل پوششی دادهها را برای ارزیابی عملکرد تأمینکنندگان دربارۀ پایداری ارائه دادند که تأمینکنندگان را در زمینۀ پایداری، رتبهبندی و عملکرد تأمینکنندگان را با توجه به دادههای تصادفی و دادههای فازی در یک چارچوب یکپارچه ارزیابی کرد. محمودی و همکاران[iv] (2021)، در پژوهشی با عنوان «تصمیمگیری چند معیاره در مقیاس بزرگ با مقادیر گمشده»، بهدنبال ارائۀ چارچوبی جامع برای فرآیند تصمیمگیری با استفاده از دادههای بزرگ، حتی زمانی که ناقص است، بودند. این رویکرد انعطافپذیر، تعاملی، هوشمند و یکپارچه بود و زمان و هزینههای محاسباتی را به میزان درخور توجهی برای تصمیمگیرندگان کاهش میداد. یعقوبپور شیخ زاهدی و همکاران[v] در سال 2024، مدل تحلیل پوششی دادههای معکوس را برای بهبود کارایی ازطریق افزایش خروجیها بررسی کردند که هدف این مقاله معرفی یک رویکرد جدید برای تخمین مقادیر ورودی با افزایش تدریجی ارزش هر خروجی واحدهای تصمیمگیری در طول فرآیند ارزیابی و درنتیجه حفظ یا بهبود کارایی هزینه بود. جدیدی و همکاران [vi](2024) با کمک دو روش حل، رویهای را برای انتخاب از بین راهحلهای مختلف برای مسئلۀ انتخاب تأمینکنندۀ چند معیاره پیشنهاد دادند که برای تصمیمگیرندگان سودمند است. با توجه به بررسی پیشینۀ گسترده دربارۀ انتخاب و ارزیابی تأمینکنندگان، مشخص است که از مدلهای متفاوتی برای حل مسئلۀ انتخاب و ارزیابی تأمینکنندگان استفاده شده است؛ اما کماکان در پژوهشهای انجامشده، توجهی به دادههای از دست رفته نشده است. به همین دلیل در این پژوهش، به دادههای از دست رفته و ناقص توجه شده و مسئلۀ اصلی تحقیق این است که چگونه با استفاده از ترکیب دو روش تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی عملکرد تأمینکنندگان در مواجهه با دادههای ناقص ارزیابی شود؟
تکامل ارزیابی عملکرد بهطور جداییناپذیری با توسعۀ نظریههای مدیریت و مکاتب مدیریت مرتبط است. هنگام بررسی علت وجودی ارزیابی عملکرد، دو دیدگاه اصلی پدیدار میشوند: دیدگاه سنتی که بر ارزیابی بهعنوان ابزاری برای قضاوت و بازخورد تأکید دارد و دیدگاه مدرن که بر رشد، توسعه و بهبود مستمر تأکید بیشتری دارد و ارزیابی را فرآیندی پویا میبیند که عملکرد آینده را هدایت میکند (Safari & Azar, 2020). انتخاب یک تأمینکنندۀ کارآمد، مزایایی مانند کاهش هزینههای تولید، بهبود کیفیت محصول، تحویل بهموقع و انعطافپذیری را برای برآوردهکردن نیازهای مشتری بههمراه دارد. پیچیدگی این انتخاب مشهود است؛ زیرا تصمیمگیرندگان باید جنبههای کیفی و کمی زنجیرۀ تأمین را درک کنند. تصمیمات مربوط به ارزیابی، انتخاب و مدیریت عملکرد تأمینکنندگان وزن درخور توجهی برای کسب و کارها دارد (Magableh, 2024). تحلیل پوششی دادهها ابزار قدرتمندی برای اندازهگیری کارایی است؛ اما در آن محدودیتهایی وجود دارد که باید در نظر گرفته شوند. در برخی شرایط، دادههای موجود برای تجزیه و تحلیل کارایی، بیشتر بهصورت دادههای کیفی و زبانی خواهد بود و مدل تحلیل پوششی دادهها، قضاوت انسانی را در نظر نمیگیرد. رویکرد اولویت ترتیبی یک پیشرفت مهم در نظریۀ تصمیمگیری چند معیاره است. این روش را عطایی و همکاران[vii] (2020) ارائه کردند. رویکرد اولویت ترتیبی برای بهکارگیری قضاوت انسانی مطرح میشود و دادههای دنیای واقعی و قضاوت انسانی را متعادل میکند. رویکرد اولویت ترتیبی از تصمیمگیری فردی و گروهی و همچنین محاسبۀ وزن معیارها، کارشناسان و گزینهها پشتیبانی میکند. درواقع، سه بعد اساسی تصمیمگیری شامل کارشناسان، معیارها و گزینههای جایگزین را بهطور همزمان در نظر میگیرد. در رویکرد اولویت ترتیبی، بهجای مقایسۀ زوجی یا ماتریس تصمیم، به رتبهبندی ویژگیها و جایگزینها نیاز است (Ataei et al., 2020).
رویکرد اولویت ترتیبی، رتبۀ گزینهها و وزن کارشناسان را بهصورت موازی محاسبه میکند. نقاط قوتی چون مستقل از عادیسازی، مقایسۀ زوجی، مجموعۀ دادههای کامل، راهحلهای ایدهآل مثبت/منفی و روشهای میانگینگیری برای جمعآوری نظرات کارشناسان، آن را نسبتبه دیگر ابزارهای تصمیمگیری برتری میدهد. علاوه بر این، به تصمیمگیرندگان این امکان را میدهد برای مواردی که دانش یا تجربۀ کافی دربارۀ موضوع ندارند، برخی از موارد را بدون پاسخ رها کنند تا دقت و قابلیت اطمینان دادههای خروجی را بهبود بخشد (Mahmoudi et al., 2022). رویکرد اولویت، ترتیبی انعطافپذیری دارد و امکان پردازش اطلاعات کافی و نامشخص را فراهم میکند. در صورت ناآگاهی دربارۀ ویژگیهای خاص تصمیم، این الگوریتم اطلاعات کافی و مطمئن را به دست میآورد (Pamucar et al., 2023). مزایای استفاده از رویکرد اولویت ترتیبی این است که وزن متخصصان، معیارها و گزینههای جایگزین در مسائل تصمیمگیری گروهی را بدون استفاده از روشهای دیگر تصمیمگیری چند معیاره[viii] محاسبه میکند، مستلزم مقایسۀ سادۀ بین کارشناسان، معیارها و گزینههای جایگزین بهعنوان دادههای ورودی است که فرآیند تصمیمگیری را عملی، ساده و چابک میکند و هنگامی که کارشناسان دانش کافی را برای ارائۀ یک معیار ندارند، از دادههای ورودی ناقص پشتیبانی میکند (Mahmoudi et al., 2022).
پژوهش حاضر، پژوهشی کمی و ازلحاظ هدف در زمرۀ پژوهشهای کاربردی قرار میگیرد. ازنظر روش تحلیل دادهها نیز در دستۀ مدلسازی ریاضی و ازلحاظ گردآوری اطلاعات، میدانی و کتابخانهای است. جامعۀ آماری برای شناسایی شاخصها و دیگر دادههای مورد نیاز برای مدلسازی، 30 نفر از خبرگان شرکت برق و کارشناسان دانشگاهیاند که دربارۀ موضوع اطلاعات کافی دارند و به روش نمونهگیری غیر تصادفی هدفدار برای جمعآوری اطلاعات انتخاب شدند. پرسشنامۀ شناسایی و اولویتبندی شاخصهای انتخاب تأمینکننده بین این افراد توزیع شد. بخش دیگر جامعۀ این پژوهش برای اولویتبندی شاخصها، ارزیابی تأمینکنندگان و دیگر دادههای مورد نیاز کارشناسان شرکت با حداقل سابقۀ 18 سالاند که علت این امر هم تخصصیبودن محتوای پرسشنامه است. پرسشنامۀ ارزیابی شاخصها در اختیار آنان قرار داده شد و هدف رتبهبندی اهمیت شاخصها با توجه به نظرات کارشناسان بود.
بهمنطور تجزیه و تحلیل اطلاعات پس از مطالعۀ پیشینۀ پژوهش و شناسایی معیارهای انتخاب تأمینکننده، معیارهای استخراجشده در غالب پرسشنامه در اختیار مدیران و خبرگان شامل استادان و کارشناسان قرار گرفت و پس از جمعآوری برای پالایش معیارهای انتخاب تأمینکننده از آزمونهای آماری و نرمافزار اسپیاساس و همچنین روش دلفی فازی استفاده و درنهایت شاخصهای نهایی تعیین شد. بهمنظور اعتبارسنجی مدل براساس اعتبار محتوایی مدل پیشنهادی براساس مبانی نظری تحلیل پوششی دادهها و اولویت ترتیبی طراحی و اصول اساسی این دو رویکرد در آن رعایت شده است. همچنین پارامترها و شاخصهای انتخابشده برای ارزیابی تأمینکنندگان، مبتنی بر پیشینۀ معتبر و مشورت با متخصصان صنعت (تعداد و زمینۀ تخصص) بوده است. نظرات خبرگان در اصلاح و تأیید نهایی شاخصها نیز لحاظ شده است. براساس اعتبار همگرا، نتایج مدل ترکیبی DEA-OPA با خروجیهای روشDEA مقایسه شده است. براساس اعتبار تشخیصی، مدل قدرت تفکیک و تمیز بیشتری بین تأمینکنندگان با سطوح عملکردی متفاوت نسبتبه مدل DEA دارد. بهعبارتی اختلاف معناداری بین گروههای کارا و ناکارا مشاهده شد. براساس ارزیابی با دادههای واقعی و مطالعات موردی، مدل روی دادههای واقعی اعمال شد. نتایج نشان داد که مدل ترکیبی DEA-OPA قادر است ناسازگاریهای روشهای تکبعدی را کاهش دهد (ترکیب DEA و OPA موجب بهبود دقت در شناسایی تأمینکنندگان کارا و ناکارآ شد). براساس مزیت ترکیب DEA و OPA، ترکیب DEA با OPA به مدل اجازه داد ناکارایی عملیاتی و الزامات استراتژیک را همزمان پوشش دهد. این رویکرد از محدودیتهای ذاتی هر روش (مانند نادیدهگرفتن ترجیحات تصمیمگیرنده در DEA یا وابستگی به دادههای ذهنی در OPA) میکاهد و براساس تأییدپذیری تمام مراحل پیادهسازی مدل (شامل کدهای نرمافزاری، فرمولهای ریاضی و مجموعۀ دادهها) در بخش مکمل مقاله یا پیوست ارائه میشود تا امکان بازتولید نتایج را محققان دیگر فراهم کنند. ابزار استفادهشده در این پژوهش نیز بهمنظور تجزیه و تحلیل دادههای جمعآوریشده، تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی بود. در این پژوهش به دادههای از دست رفته و ناقص توجه و با استفاده از ترکیب دو روش تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی، این مشکل حل شد.
تحلیل پوششی دادهها یک مدل ریاضی غیر پارامتری برای ارزیابی کارایی نسبی واحدهای تصمیمگیری است که در آن هر واحد تصمیمگیری، یک جعبۀ سیاه در نظر گرفته میشود؛ به این معنا که نحوۀ تبدیل ورودیها به خروجیها بهطور مستقیم بررسی نمیشود. تحلیل پوششی دادهها، یک چارچوب کلی برای ارزیابی تأمینکنندگان در مدیریت مواد و تأمین در غیاب وزن معیارها به کار میرود (Vörösmarty & Dobos, 2020). مدلهای تحلیل پوششی دادههای فازی نسبتبه مدلهای تحلیل پوششی دادههای معمولی، مسائل دنیای واقعی را بهطور واقعیتر نشان میدهد. همچنین اجازه میدهند تا دادههای زبانی بهطور مستقیم در مدلهای تحلیل پوششی دادهها استفاده شوند (Lertworasirikul et al., 2003). در ادامه، مجموعهها، پارامترها و متغیرها بهصورت جدول 1 تعریف میشوند:
|
دادههای ورودی واحد تصمیمگیری |
|
|
دادههای خروجی واحد تصمیمگیری |
|
|
مجموعهای از واحدهای تصمیمگیری |
|
|
تابع هدف |
|
|
وزن هر ورودی |
|
|
وزن هر خروجی |
|
|
مقدار ورودی i ام از واحد j ام |
|
|
مقدار خروجی r ام از واحد j ام |
|
|
مقدار واحد تصمیمگیری هدف در ورودی i ام |
|
|
مقدار واحد تصمیمگیری هدف در خروجی r ام |
|
مدلهای برنامهنویسی کسری زیر بهترتیب برای گرفتن بهترین مقادیر ممکن و استفاده میشوند.
|
(1) |
Max St.
|
|
(2) |
Max
St.
|
|
(3) |
Max St.
|
با حل مدل های 3-1 برای هر واحد تصمیمگیری، بهترین بازده نسبی فازی n واحد تصمیمگیری به دست میآید که براساس آن واحدهای تصمیمگیری مقایسه و رتبهبندی میشود. در مدل ارائهشده، تابع هدف بهدنبال بیشینهسازی مقادیر و است؛ به همین دلیل از مقدار فازی پایین در تابع هدف استفاده میشود. استفاده از مقدار فازی پایین در تابع هدف باعث میشود که مدل، حداقل مقدار ممکن را بیشینه کند که درواقع بدترین حالت ممکن را بررسی میکند و به تصمیمات پایدار و محتاطانهتر منجر میشود. مقدار فازی بالا یا میانگین در محدودیتها به این دلیل است که مدل بهسمت در نظر گرفتن شرایط سختگیرانهتر هدایت شود که باعث جلوگیری از نتایج بیش از حد خوشبینانه میشود و تضمین میکند که حتی در بدترین شرایط، محدودیتها همچنان برقرار باشند و تصمیم نهایی عملی و اجرایی باشد. مجموعهها، پارامترها و متغیرها در رویکرد اولویت ترتیبی بهصورت جدول 2 تعریف میشوند:
|
مجموعهای از کارشناسان |
I |
|
مجموعهای از شاخصها |
J |
|
اندیس کارشناسان |
i=(1,...,p) |
|
اندیس شاخص ترجیحات |
j=(1,…,m+s) |
|
تابع هدف |
Z |
|
وزن jامین شاخص براساس نظر کارشناس iام در رتبه |
|
|
رتبۀ کارشناس i |
|
|
رتبۀ شاخص j |
|
|
تعداد ویژگیهای ورودی |
m |
|
تعداد ویژگیهای خروجی |
s |
مراحل روش رویکرد اولویت ترتیبی بهصورت زیر ارائه میشود:
|
(4) |
Max Z St. Z ≤ rᵢ ( rj ( Z
|
آزاد در علامت
این مدل بر محاسبۀ امتیازهای کارایی برای مجموعهای از واحدهای تصمیمگیری متمرکز است. هدف اصلی تعیین مقادیر بهینه برای است که امتیاز کارایی Z را با توجه به محدودیتهای دادهشده به حداکثر میرساند. هدف حداکثرکردن مقدار Z است که نشاندهندۀ امتیاز کارایی برای واحدهای تصمیمگیری است. هدف به حداکثر رساندن کارایی و در عین حال به حداقل رساندن ورودیها یا حداکثرکردن خروجیهاست. محدودیت اول مجموعۀ قیودی برای Z است که به امتیازهای کارایی مربوط میشوند و اطمینان میدهند که Z کمتر یا مساوی عبارت خاصی براساس وزنهاست. محدودیت دوم مجموعۀ قیودی برای Z است که به امتیازهای کارایی و محاسبۀ Z کمک میکند. محدودیت سوم تضمین میکند که مجموع ها برابر یک است. این محدودیت به نرمالکردن وزنها کمک میکند. پس از حل مدل (4)، وزن صفات با استفاده از معادلۀ (5) تعیین میشود.
|
(5) |
|
پس از حل مدل3-1 مقادیر و به دست میآید که به محاسبۀ کارایی واحد تصمیمگیری هدف کمک میکند؛ با این حال این مدلها برای ترکیب با مدل رویکرد اولویت ترتیبی بهدلیل محدودیت ، و نامناسباند؛ پس به شکل دیگری از مدل 1-3 نیاز داریم تا همان کارایی را به دست آوریم. در اینجا دو لم و یک قضیه بررسی میشود که برای پژوهش حاضر ضروری است.
لم 1: فرض کنید که راهحل بهینۀ مدل 3-1 است؛ بنابراین ) = ( ( طرحریزی واحد تصمیمگیری jام در مرز کارآمد نامیده میشود.
لم 2: اگر ضرایب در مدل 3-1 مثبت باشند و باشد، واحد تصمیمگیری jام کاراست.
مدل 6 برای CCR-DEA پیشنهاد میشود.
|
(6) |
Max St.
|
قضیۀ 1: جایی که جواب بهینه مدل 2 است، داریم:
اثبات: مجموعۀ امکان تولید ) = ( ( مشابه مجموعۀ امکان تولید اصلی است. علاوه بر این، با توجه به اینکه ) تصویر مبتنی بر ورودی DMU بر روی مرز کاراست، این حالت یک نقطۀ کارا در نظر گرفته میشود (با توجه به لمهای 1 و 2)؛ پس نتیجه میشود:
براساس اطلاعات ذکرشده پس از تعویض ) = ( ( در مدل6)، مدل7 به دست میآید.
|
(7) |
Max St.
|
هدف مطالعۀ حاضر استفاده از مدل 7، برای ترکیب آن با مدل رویکرد اولویت ترتیبی است که دارای ویژگیهای زیر است: مدل 7، یک مدل تحلیل پوششی دادههای فازی مبتنی بر مدل سیسیآر است. هدف مدل بیشینهسازی مقدار خروجیهای وزنی نسبتبه ورودیهای وزنی است. محدودیت اول بیان میکند که کارایی محاسبهشده برای تمام واحدهای تصمیمگیری نباید بیشتر از یک باشد. محدودیت دوم نیز وزنهای نرمالشده را به دست میآورد که مجموع وزنها برابر 1 است و تضمین میکند که وزنها نرمالسازی شوند تا از مقیاسبندی نادرست جلوگیری شود.
در ادامه، ترکیب مدل تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی با کمک مدل 7 انجام شده است. بهمنظور در نظر گرفتن نظر خبرگان در حین اندازهگیری کارایی واحدهای تصمیمگیری در روش تحلیل پوششی دادهها، انجام برخی بهبودها در مدل اصلی تحلیل پوششی دادهها ضروری است. رویکرد اولویت ترتیبی، یک روش جدید و قوی در زمینۀ تصمیمگیری چند ویژگی است که انواع مختلفی از مسائل تصمیمگیری چند ویژگی را با استفاده از مراحل ساده حل میکند؛ بنابراین، مطالعۀ حاضر برای بهبود عملکرد مدل اصلی تحلیل پوششی دادهها با استفاده از رویکرد اولویت ترتیبی تلاش میکند. با در نظر گرفتن مدلهای 4 و7، مدل چند هدفۀ 8 برای ایجاد تعادل بین مدلهای تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی پیشنهاد میشود.
|
(8) |
Max Max St.
Z ≤ rᵢ ( rj ( Z
|
آزاد در علامت
این مدل نشاندهندۀ یک مدل برنامهریزی ریاضی برای تحلیل پوششی دادهها با تأکید بر مدل سیسیآر است. با توجه به اینکه مدل 8 یک برنامهریزی خطی چندهدفه است، انتخاب یک رویکرد مناسب برای حل آن ضروری است. در این مطالعه از روش Min-Max وزنی استفاده شده است؛ زیرا وزن مخصوص هر تابع هدف را در نظر میگیرد. این روش نسبتبه روش Min-Max برای تصمیمگیرندگان انعطافپذیرتر است؛ زیرا گزینهای برای تعیین این مسئله وجود دارد که کدام مدل باید نقش مهمتری را در نتایج بازی کند. با توجه به اینکه مقیاس اهداف تحلیل پوششی دادههای فازی با هدف رویکرد اولویت ترتیبی متفاوت است، توابع هدف باید به توابع هدف غیر بعدی تبدیل شوند. معادلۀ 9 برای تبدیل توابع هدف به کار برده میشود.
|
(9) |
|
فرض کنید که و به ترتیب وزن توابع هدف تحلیل پوششی دادههای فازی و رویکرد اولویتترتیبیاند؛ در حالی که است؛ بنابراین مدل 8 به مدل Min-Max شمارۀ 10 تبدیل میشود.
|
(10) |
MinMax
St.
Z ≤ rᵢ ( rj ( Z
|
آزاد در علامت
پس از استفاده از روش Min-Max وزنی برای حل مدل چند هدفۀ 10، میتوان آن را بهعنوان مدل 11 نوشت که به آن مدل ترکیبی تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی میگویند. این مدل یک هدف واحد است؛ بنابراین، با استفاده از الگوریتمهای معمولی در زمینۀ برنامهریزی خطی حل میشود.
|
(11) |
Min St.
Z ≤ rᵢ ( rj ( Z
|
آزاد در علامت
باید توجه داشت که وزن اهداف تحلیل پوششی دادهها و رویکرد اولویت ترتیبی بهطور مساوی در نظر گرفته شده است:
(1= )
پس از حل مدل پیشنهادی ترکیبی تحلیل پوششی دادههای فازی و رویکرد اولویتترتیبی و یافتن مقدار بهینۀ و ، معادلۀ 12 مدل پیشنهادی رویکرد اولویت ترتیبی و تحلیل پوششی دادههای فازی، برای تعیین کارایی واحد تصمیمگیری jام استفاده میشود.
|
(12) |
|
براساس اطلاعات ذکرشده در بالا، مدل ترکیبی تحلیل پوششی دادههای فازی و اولویت ترتیبی، روشی جامع است و وزن ورودیها و خروجیها را با استفاده از نظرات کارشناسان و همچنین دادههای کمی دربارۀ تأمینکنندگان محاسبه میکند. جالب است بدانید که این مدل ترکیبی، مقادیر از دست رفته را نیز پشتیبانی میکند. زمانی که متخصص دربارۀ یک خروجی یا ورودی دانش کافی نداشته باشد، نیازی به اظهار نظر دربارۀ آن نیست. در این حالت، محدودیت مربوط به این ورودی یا خروجی باید از محدودیتهای رویکرد اولویت ترتیبی حذف شود.
با مطالعۀ پیشینۀ پژوهش و مطالعات کتابخانهای، معیارهای اساسی مؤثر در انتخاب و رتبهبندی تأمینکنندگان استخراج شد؛ سپس براساس آزمون دوجملهای در نرمافزار اسپیاساس، شاخصهای دارای اهمیت شناسایی شدند. برای رعایت نسبت بین ورودیها و خروجیها و واحدهای تصمیمگیری و با توجه به محدودیت تعداد تأمینکنندگان شرکت بررسیشده، باید شاخصها محدود و از شاخصهای کمتری استفاده شود که به این منظور از روش دلفی فازی استفاده شد. طبق نتایج آزمون دلفی فازی برای شاخصهای بررسیشده در سناریو 5/0 تعداد 26 شاخص، در سناریو 6/0 تعداد 15 شاخص و در سناریو 7/0 تعداد 3 شاخص تأیید شد. با توجه به اینکه نیاز به تعداد شاخص مناسب و برقراری تناسب بین شاخصها و تعداد واحدهای تصمیمگیری وجود دارد، از بین سه سناریوی انجامشده در روش دلفی فازی، سناریو6/0 در بر گیرندۀ تعداد شاخصهای مناسبتری است که معیارهای نهایی مدنظر برای رتبهبندی و انتخاب تأمینکننده در نظر گرفته شد. این معیارها در جدول 3 آمده است.
|
ردیف |
شاخص |
ورودی |
خروجی |
کمی |
کیفی |
|
1 |
کیفیت محصول تولیدشده توسط تأمینکنندگان |
|
* |
* |
|
|
2 |
عملکرد محصول |
|
* |
|
* |
|
3 |
حفظ عملکرد |
|
* |
|
* |
|
4 |
تطابق با استانداردها |
* |
|
|
* |
|
5 |
هزینۀ کل |
* |
|
* |
|
|
6 |
هزینۀ تولید و محصول |
* |
|
* |
|
|
7 |
کیفیت خدمات پس از فروش |
|
* |
|
* |
|
8 |
پایبندی به تعهدات |
|
* |
|
* |
|
9 |
گارانتی و ضمانت |
|
* |
|
* |
|
10 |
شهرت و موقعیت در صنعت |
|
* |
|
* |
|
11 |
اتوماسیون |
* |
|
|
* |
|
12 |
قابلیت فنی |
* |
|
|
* |
|
13 |
قابلیت تکنولوژیکی تأمینکننده |
* |
|
|
* |
|
14 |
توانایی تحقیق و توسعه |
* |
|
|
* |
|
15 |
زمان راهاندازی |
* |
|
* |
|
|
|
|
8 |
7 |
4 |
11 |
اطلاعات مورد نیاز در این تحقیق به دو گروه اطلاعات کمی و کیفی تقسیم و برای جمعآوری اطلاعات مربوط به متغیرهای کمی از بانک اطلاعاتی شرکت برق استفاده شد. برای جمعآوری اطلاعات مربوط به متغیرهای کیفی نیز، پرسشنامهای طراحی و از کارشناسان درخواست شد تا در قالب یک طیف 5 تایی از خیلی زیاد تا خیلی کم، عملکرد تأمینکنندگان را تعیین و به سؤالات پاسخ دهند؛ سپس برای تطبیق عبارات کلامی با اعداد فازی به هریک از این گزینههای کیفی یک عدد فازی تخصیص داده شد. در ادامه برای مدلسازی 45 شرکت تولیدی برحسب 8 ورودی و 7 خروجی ارزیابی شدند. شرکتهای تولیدی همگی یک نوع محصول (سکسیونر هوایی) را با کیفیتهای مختلف تولید میکنند. در این مرحله با استفاده از دادههای ورودی و خروجی برای هر تأمینکننده مدل 3-1، برای هر تأمینکننده بهطور جداگانه حل میشود تا مقدار به دست آید؛ سپس مقادیر به دست آمدۀ فازی به اعداد قطعی تبدیل شدند. طبق نتایج به دست آمده در مقادیر بازده نسبی فازی برای هر تأمینکننده، تعداد 30 تأمینکننده، واحد کارا معرفی شدند. با توجه به اینکه کارشناسان دارای سابقۀ کاری نسبتاً یکسانی بودند، فقط براساس تحصیلات اولویتبندی شدند. شایان ذکر است که اولویت کارشناسان بهصورت کارشناس1 کارشناس3 کارشناس2 کارشناس5 کارشناس4 در نظر گرفته شده است. دادههای به دست آمده ازطریق نظرسنجی از کارشناسان خبره در صنعت برق در مقیاس 1 تا 15 دستهبندی شده است (مهمترین شاخص دارای رتبۀ 1 و کماهمیتترین شاخص دارای رتبۀ 15). با استفاده از دادههای ورودی و خروجی برای هر تأمینکننده و مقادیر بازده نسبی فازی و رتبهبندی اهمیت ورودیها و خروجیها با توجه به نظرات کارشناسان، مدل 8 بهطور جداگانه از سوی هر تابع هدف ساخته و با نرمافزار گمز حل شد. باید توجه داشت که وزن اهداف تحلیل پوششی دادهها و رویکرد اولویت ترتیبی بهطور مساوی در نظر گرفته شده است (1= ). با استفاده از دادههای ورودی و خروجی برای هر تأمینکننده و مقادیر بازده نسبی فازی و رتبهبندی اهمیت ورودیها و خروجیها با توجه به نظرات کارشناسان و مقادیر به دست آمده از جدول قبل، مدل 11 برای به دست آوردن وزن هرکدام از ورودیها و خروجیها ساخته و حل شده است. وزن ورودیها و خروجیها با استفاده از نرمافزار گمز در جدول 4 نشان داده شده است.
|
|
شاخص |
وزن |
رتبه |
|
شاخص |
وزن |
رتبه |
|
ورودیها |
هزینۀ تولید و محصول |
062/0 |
8 |
خروجیها |
عملکرد محصول |
062/0 |
8 |
|
هزینۀ کل |
073/0 |
4 |
حفظ عملکرد |
070/0 |
5 |
||
|
زمان راهاندازی |
070/0 |
5 |
کیفیت خدمات پس از فروش |
070/0 |
5 |
||
|
تطابق با استانداردها |
082/0 |
1 |
گارانتی و ضمانت |
064/0 |
7 |
||
|
اتوماسیون |
065/0 |
6 |
شهرت و موقعیت در صنعت |
065/0 |
6 |
||
|
قابلیت فنی |
060/0 |
9 |
کیفیت محصول تولیدشده توسط تأمینکنندگان |
035/0 |
10 |
||
|
قابلیت تکنولوژیکی تأمینکننده |
076/0 |
3 |
پایبندی به تعهدات |
065/0 |
6 |
||
|
توانایی تحقیق و توسعه |
080/0 |
2 |
|
|
|
همانطور که در جدول 4 میبینید، شاخص تطابق با استانداردها مهمترین و شاخص کیفیت محصول تولیدشده توسط تأمینکنندگان کمترین وزن را دارد؛ سپس کارایی تأمینکنندگان با استفاده از وزنهای به دست آمده در جدول 6 محاسبه میشود. برای این منظور از معادلۀ 12 استفاده شده است و نتایج آن در جدول 5 ارائه شده است. همچنین رتبههای تأمینکنندگان براساس مقادیر کارایی به دست آمده است.
|
تأمینکنندگان |
کارایی |
رتبه |
تأمینکنندگان |
کارایی |
رتبه |
تأمینکنندگان |
کارایی |
رتبه |
|
تأمینکننده16 |
160/0 |
1 |
تأمینکننده6 |
095/0 |
13 |
تأمینکننده28 |
086/0 |
20 |
|
تأمینکننده24 |
134/0 |
2 |
تأمینکننده7 |
093/0 |
14 |
تأمینکننده27 |
085/0 |
21 |
|
تأمینکننده22 |
125/0 |
3 |
تأمینکننده42 |
093/0 |
14 |
تأمینکننده29 |
085/0 |
21 |
|
تأمینکننده5 |
123/0 |
4 |
تأمینکننده34 |
091/0 |
15 |
تأمینکننده32 |
085/0 |
21 |
|
تأمینکننده37 |
123/0 |
4 |
تأمینکننده30 |
090/0 |
16 |
تأمینکننده33 |
085/0 |
21 |
|
تأمینکننده21 |
120/0 |
5 |
تأمینکننده11 |
089/0 |
17 |
تأمینکننده44 |
085/0 |
21 |
|
تأمینکننده25 |
119/0 |
6 |
تأمینکننده1 |
089/0 |
17 |
تأمینکننده4 |
083/0 |
22 |
|
تأمینکننده18 |
119/0 |
6 |
تأمینکننده38 |
089/0 |
17 |
تأمینکننده15 |
071/0 |
23 |
|
تأمینکننده19 |
110/0 |
7 |
تأمینکننده35 |
088/0 |
18 |
تأمینکننده45 |
071/0 |
23 |
|
تأمینکننده36 |
107/0 |
8 |
تأمینکننده31 |
088/0 |
18 |
تأمینکننده12 |
070/0 |
24 |
|
تأمینکننده23 |
106/0 |
9 |
تأمینکننده43 |
088/0 |
18 |
تأمینکننده8 |
070/0 |
24 |
|
تأمینکننده20 |
106/0 |
9 |
تأمینکننده41 |
087/0 |
19 |
تأمینکننده10 |
070/0 |
24 |
|
تأمینکننده3 |
104/0 |
10 |
تأمینکننده17 |
087/0 |
19 |
تأمینکننده14 |
069/0 |
25 |
|
تأمینکننده40 |
100/0 |
11 |
تأمینکننده26 |
087/0 |
19 |
تأمینکننده9 |
068/0 |
26 |
|
تأمینکننده39 |
098/0 |
12 |
تأمینکننده2 |
087/0 |
19 |
تأمینکننده13 |
068/0 |
26 |
این پژوهش با شناسایی شاخصهای مهم و تأثیرگذار در ارزیابی عملکرد تأمینکنندگان براساس مرور پیشینه آغاز و پس از استخراج معیارهای مرتبط با انتخاب تأمینکننده از نظرات استادان دانشگاهی و خبرگان برای پالایش و تعیین معیارهای نهایی استفاده شد. بر این اساس، 77 شاخص اولیۀ استخراجشده از پیشینۀ پژوهش ازطریق پرسشنامه پالایش و با استفاده از آزمون دوجملهای، 45 شاخص تأیید شدند. همچنین برای رعایت تناسب بین ورودیها و خروجیها و واحدهای تصمیمگیری و همینطور محدودیت تعداد تأمینکنندگان بررسیشده از روش دلفی فازی استفاده شد که درنهایت 15 شاخص نهایی این پژوهش شناسایی شد. در ادامه، 45 شرکت تولیدی برحسب 8 ورودی و 7 خروجی پس از جمعآوری دادههای مورد نیاز و حل مدل، ارزیابی و مقدار کارایی برای هر تأمینکننده به دست آمد. در بخش دوم شاخصهای اساسی به دست آمده از مرحلۀ قبل در قالب پرسشنامه در اختیار کارشناسان خبرۀ شرکت قرار گرفت و پس از جمعآوری نظرات کارشناسان، با استفاده از دادههای ورودی و خروجی برای هر تأمینکننده و مقادیر بازده نسبی فازی و رتبهبندی اهمیت ورودیها و خروجیها با توجه به نظرات کارشناسان، برای هر تابع هدف مدلسازی و حل انجام شد. در بخش سوم، پس از یافتن وزن هر تابع هدف و با استفاده از مدل ترکیبی رویکرد اولویت ترتیبی و تحلیل پوششی دادهها، به کمک نرمافزار گمز، وزن هریک از ورودیها و خروجیها محاسبه و رتبهبندی انجام شد. در بخش چهارم، کارایی تأمینکنندگان محاسبه و به رتبهبندی تأمینکنندگان در شرکت مطالعهشده اقدام و درنهایت تأمینکنندۀ برتر انتخاب شد.
بررسی پژوهشهای انجامشده در حوزۀ موضوع تحقیق نشاندهندۀ فراوانی استفاده از تحلیل پوششی دادهها بهعنوان پرکاربردترین تکنیک استفادهشده در زمینۀ رتبهبندی معیارهای انتخاب تأمینکننده است. با این حال، آن را برای در نظر گرفتن قضاوتهای انسانی در طول فرایند تصمیمگیری گسترش میدهیم و به راهحلهای واقعیتر میرسیم. انسان همزمان عوامل زیادی مانند شرایط محیطی، آثار غیرمستقیم، محدودیتهای نامشهود و حتی قضاوتهای ذهنی را در تصمیمگیریهای خود لحاظ میکند؛ در حالی که تحلیل پوششیدادهها یک مدل ریاضی است و فقط ورودیها و خروجیهای کمی و اندازهگیریشدنی را پردازش میکند؛ بنابراین مطالعۀ حاضر مدل ترکیبی تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی را برای غلبه بر این کاستی پیشنهاد داده است. مدل ترکیبی تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی، نظرات کارشناسان و دادههای کمی را برای محاسبۀ کارایی تأمینکنندگان در نظر میگیرد و زمانی که کارشناسان فاقد دانش کافی باشند، دادههای ناقص را در صورت کمبود اطلاعات مدیریت میکند. همچنین اولویت کارشناسان را در محاسبۀ کارایی تأمینکنندگان در نظر میگیرد و به نتایج جدیدی منجر میشود. با توجه به اینکه از رویکرد Min-Max وزنی برای حل مدل چند هدفه استفاده شده است، تصمیمگیرنده وزنهای تحلیل پوششی دادهها و توابع هدف رویکرد اولویت ترتیبی را نیز مشخص میکند. رویکرد پیشنهادی نهتنها برای مشکلات ارزیابی پایدار تأمینکننده استفاده میشود، برای انواع دیگر مشکلات ارزیابی تأمینکنندگان با تغییر ورودیها و خروجیها نیز به کار میرود.
براساس نتایج تحقیق، پیشنهادهای کاربردی زیر ارائه میشود: مدل پیشنهادی برای ارزیابی و انتخاب دیگر تأمینکنندگان و قطعات شرکت استفاده میشود. بدیهی است که در این راستا، بسته به قطعۀ مدنظر، بازنگری در معیارها و اهمیت نسبی آنها اجتنابناپذیر است. در رتبهبندی معیارهای انتخاب تأمینکنندۀ این پژوهش، سه معیار تطابق با استانداردها، توانایی تحقیق و توسعه و قابلیت تکنولوژیکی تأمینکننده در صدر معیارهای انتخاب تأمینکننده قرار گرفتند؛ بنابراین پیشنهاد میشود برای انتخاب تأمینکننده به این شاخصها توجه بیشتری داشته باشند. گفتنی است که مدل پیشنهادی نظر کارشناسان را در انتخاب تأمینکنندگان دخیل میکند؛ درنتیجه شرکتها در تصمیمگیریهای خود از کارشناسان کمک میگیرند و نظرات آنها را تجمیع میکنند. درنهایت با استفاده از این مدل، ضمن مدیریت دادههای ورودی ناقص، دادههای دنیای واقعی با قضاوتهای انسانی ترکیب و درنتیجه دقت و جامعیت در تصمیمگیری افزایش مییابد.
مقایسۀ نتایج این پژوهش با دیگر پژوهشهای انجامشده در حوزۀ مطالعهشده نشان داد که در مقایسه با پژوهش رجبی[ix] (2018)، شاخصهای پایبندی به تعهدات، خدمات پس از فروش، گارانتی، حفظ عملکرد، تطابق با استانداردها و قابلیت فنی وتکنولوژیکی در هر دو تحقیق به کار گرفته شدهاند. در پژوهش محمودی و دیگران (2021)، نحوۀ بهکارگیری رویکرد اولویت ترتیبی متفاوت از پژوهش حاضر است. در پژوهش فوق، رویکرد تحلیل مؤلفۀ اصلی برای خوشهبندی معیارها انتخاب شده است؛ سپس الگوریتم کامیانگین[x] برای خوشهبندی گزینهها به کار رفته است که با استفاده از روش اِلبو تعداد بهینۀ خوشهها را تخمین میزند و از تاپسیس فازی و رویکرد اولویت ترتیبی برای رتبهبندی خوشهها استفاده شده است. درنهایت، بهترین جایگزین در خوشۀ بالا با کمک رویکرد اولویت ترتیبی شناسایی شده است. در این مطالعه، رویکرد اولویت ترتیبی و تحلیل پوششی دادهها دنبال و معیار هزینۀ تولید و محصول در مدل به کار گرفته شده است. در مطالعۀ عطایی و همکاران (2020)، کارشناسان دادهای دربارۀ درجۀ ترجیح ارائه نمیکنند و تنها به رتبهبندی گزینهها، ویژگیها و خبرگان بهعنوان دادۀ ورودی نیاز است؛ اما در این پژوهش بهدلیل استفاده از رویکرد اولویت ترتیبی، به کارشناسانی که دانش کافی ندارند، اجازه داد تا کادر پاسخ را خالی بگذارند. توسلی و همکاران (2020)، عملکرد تأمینکنندگان را با یک مدل جدید تحلیل پوششی دادههای تصادفی فازی ارزیابی کردند که معیارهای هزینۀ کل و کیفیت محصول تولیدشده توسط تأمینکنندگان با پژوهش حاضر مشترک بودند. دیگر پژوهشهای انجامشده در این زمینه، همزمان از هر دو رویکرد به کار گرفته شده در این پژوهش استفاده نکردهاند. نکتۀ دیگری که از مشاهدۀ پژوهشهای انجامشده در این حوزه برداشت میشود، فراوانی استفاده از تحلیل پوششی دادههاست که پرکاربردترین تکنیک استفادهشده در زمینۀ رتبهبندی معیارها، انتخاب تأمینکننده به نظر میرسد.
بررسی سوابق موضوع نشان داد تاکنون از مدلهای متفاوتی برای حل مسئله انتخاب و ارزیابی تأمینکنندگان استفاده شده است؛ اما با توجه به جستوجوهای انجامشده دربارۀ پیشینۀ تحقیقات، کماکان در پژوهشهای انجامشده توجهی به نظرات کارشناسی و دادههای از دست رفته و ابزاری برای حل آن ارائه نشده است؛ به همین دلیل در این پژوهش، به دادههای از دست رفته و ناقص توجه و با استفاده از ترکیب دو روش تحلیل پوششی دادههای فازی و رویکرد اولویت ترتیبی، این مشکل حل شد. در این پژوهش ابتدا از روش تحلیل پوششی دادهها برای رتبهبندی تأمینکنندگان و انتخاب تأمینکنندۀ برتر استفاده شد. طبق نتایج به دست آمده در مقادیر بازده نسبی فازی برای هر تأمینکننده، 30 تأمینکننده بهعنوان واحدهای کارا شناسایی شدند. در این مرحله نظر کارشناسان در انتخاب دخالت داده نشد. چنانکه نتایج نشان میدهد، قدرت تمیز این مدل بسیار پایین و تعداد واحدهای کارا زیاد است. برای حل این مشکل، از رویکرد اولویت ترتیبی استفاده شد که برای به دست آوردن وزن ویژگیها و کارشناسان به دادههای ورودی ساده نیاز داشت. مدل ترکیبی پیشنهادشده، وزن هریک از ورودیها و خروجیها را محاسبه و از مقادیر از دست رفته پشتیبانی کرد و پس از آن کارایی تأمینکنندگان محاسبه و اقدام به رتبهبندی تأمینکنندگان شد. نتایج نشان داد توانایی ارزیابی و ایجاد تمایز بین واحدهای تصمیمگیری در مدل نهایی ترکیبی، بسیار بیشتر از مدل اولیه است.
این مطالعه با محدودیتهای زیر مواجه بود: برای رعایت نسبت بین ورودیها و خروجیها و واحدهای تصمیمگیری و با توجه به محدودیت تعداد تأمینکنندگان، شاخصها محدود و از شاخصهای کمتری استفاده شد که در مطالعات بعدی محققان تعداد واحدهای تصمیمگیری بیشتری را در نظر میگیرند و از تمامی شاخصها استفاده میکنند. تحقیق حاضر برای یک محصول و در شرکت برق منطقهای استان سمنان انجام شد و باید در تعمیم آن به دیگر محصولات و شرکتها احتیاط شود. با توجه به تجربیات به دست آمده در انجام این تحقیق، موارد زیر برای تحقیقات آتی پیشنهاد شده است: وزن رویکرد اولویت ترتیبی و تحلیل پوششی دادهها مساوی در نظر گرفته شد، با توجه به اینکه رویکرد ترکیبی از سطح بالایی از انعطافپذیری برخوردار است، مشخص میشود که کدامیک بر نتایج تأثیر بیشتری داشته باشند. در این مقاله بهدلیل سابقۀ کاری یکسان کارشناسان خبره، نظرات آنها براساس تحصیلات اولویتبندی شد. در صورت یکساننبودن میزان تجربۀ کاری، مدل براساس دو سناریوی تجربۀ کاری و مدرک تحصیلی اجرا میشود.
[i] Data Envelopment Analytic (DEA)
[ii] Ordinal priority Approach (OPA)
[iii] Tavassoli et al
[iv] Mahmoudi et al
[v] Yahyapour Shikhzahedi et al
[vi] Jadidi et al.
[vii] Ataei et al.
[viii] Multi Criteria Decision Making (MCDM)
[ix] Rajabi
[x] The K-means algorithm
)