طبقهبندی و تخصیص تأمینکنندگان به مشتری در زنجیره تأمین تابآور با استفاده از یادگیری ماشین
نویسندگان
1 استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی.
2 دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی.
3 استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی.
4 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی.
doi
10.48308/jimp.13.3.39چکیده
انتخاب و تخصیص در زنجیره تأمین تاب آور، زمانی که اختلال زنجیره تأمین را تهدید میکند، بهعنوان یک تصمیم استراتژیک و به کانون پژوهشهای بسیاری تبدیل شده است؛ از سوی دیگر افزایش کاربردهای یادگیری ماشین در سراسر مطالعات زنجیره تأمین به ظهور روشهای تصمیمگیری سریعتر و مطمئنتر منجر شده است، بااینحال در مطالعات کمی از یادگیری ماشین برای مقابله با مشکل انتخاب و تخصیص تأمینکننده به مشتری در حالت تابآور استفاده شده است. هدف پژوهش حاضر برداشتن گامی در جهت رفع این شکاف با استفاده از الگوریتمهای یادگیری ماشین بر روی دادههای دنیای واقعی از زنجیره تأمین خودرو در ایران است. بدین منظور از دادههای عملکردی441 تأمینکننده و 7 مشتری در سال 1401 استفاده شد. در این پژوهش از دو الگوریتم خوشهبندی برای تولید برچسب بر اساس مفهوم ظرفیت تابآوری استفاده شده است؛ سپس ازآنجاکه تفسیرپذیری نتایج در اولویت قرار داشت، بر اساس لیبلگذاری خوشهها توسط خبرگان از درخت تصمیم برای طبقهبندی تأمینکنندگان بر اساس عملکرد آنها استفاده شد. نتایج نشان داد که درختK-means عملکرد بهتری نسبت به درخت DBSCAN دارد و معیارهای چون تحویل بهموقع، درصد تأمین، توقف خط تولید، اخطارهای کیفی، عملکرد لجستیکی و عملکرد کیفی بر تابآوری تأمینکنندگان مؤثر هستند.
