طراحی یک مدل هوشمند ارزیابی بهره‌وری تامین‌کنندگان در یک زنجیره‌تامین پایدار

نویسندگان
doi
10.22105/dmor.2023.363504.1670
چکیده

هدف: این مقاله روشی هوشمند برای به‌کارگیری تحلیل پوششی داده‌ها ( DEA ) در طراحی زنجیره‌تامین پایدار ارایه می‌کند. روش‌شناسی پژوهش: در روش پیشنهادی، برای غیرفازی‌سازی مدل خطی‌شده ERM ، از تکنیک α -برش استفاده می‌شود. سپس، برای اندازه‌گیری بهره‌وری در محیط نامعین با α -سطح‌های مختلف، از الگوریتم ژنتیک برای یافتن α -برش بهینه استفاده می‌شود و با جایگزینی α -برش بهینه در مدل پیشنهادی، یک مدل تحلیل پوششی داده‌های هوشمند برای رتبه‌بندی شرکت‌های تامین‌کننده طراحی ‌می‌شود. یافته‌ها: این مقاله یک مدل جدید تحلیل پوششی داده‌های فازی ژنتیکی برای ارزیابی بهره‌وری تامین‌کنندگان در زنجیره‌تامین پایدار ارایه می‌کند. اصالت/ارزش‌افزوده علمی: در روش پیشنهادی، ازآنجاکه α -برش به‌دست‌آمده از الگوریتم ژنتیک بهینه‌ترین α -برش است، دیگر نیازی به محاسبه‌ بهره‌وری به ازای α -برش­‌های مختلف به‌صورت سعی‌وخطا نیست؛ بنابراین، مزیت روش پیشنهادی این است که علاوه بر بهره‌وری بیشتر برای هر تامین‌کننده، رتبه‌بندی پایدارتری ارایه می‌دهد. مثال ارایه‌شده در این مقاله، برتری و مزایای روش پیشنهادی را نشان می‌دهد.