نوع مقاله : مقاله پژوهشی - کاربردی

نویسندگان

• مجید یاراحمدی ¹
• سعیده ساکی نیا ²

¹ گروه ریاضی و علوم کامپیوتر، دانشکده علوم، دانشگاه لرستان، خرم آباد، لرستان، ایران.

² گروه ریاضی و کامپیوتر، دانشکده علوم پایه، دانشگاه لرستان، خرم آباد، ایران

چکیده

هدف: در این مقاله، روشی هوشمند برای به‌کارگیری تحلیل پوششی داده‌ها (DEA) در طراحی زنجیره تامین پایدار ارایه می‌شود.

روش‌شناسی پژوهش: برای این منظور، 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 طراحی‌می‌شود.

یافته‎ها: یک مدل جدید تحلیل پوششی داده‌های فازی ژنتیکی برای ارزیابی بهره‌وری تامین‌کنندگان در زنجیره تامین پایدار ارایه می‌شود.

اصالت/ارزش افزوده علمی: در روش پیشنهادی این مقاله، چون α- برش به دست آمده از الگوریتم ژنتیک، بهینه‌ترین α-برش می‌باشد، دیگر نیازی به محاسبه‌ بهره‌وری به ازای α- برش‌های مختلف به‌صورت سعی‌وخطا نیست. پس یکی دیگر از مزیت‌های روش جدید این است که علاوه بر بهره‌وری بیشتر برای هر تامین‌کننده، رتبه‌بندی پایدارتری نیز خواهیم داشت. مثال ارایه‌شده در این مقاله، برتری روش و مزیت‌های مدل پیشنهادی را نشان می‌دهد.

کلیدواژه‌ها

• الگوریتم ژنتیک
• انتخاب تامین‌کننده پایدار
• تحلیل پوششی داده‌ها
• مدل راسل اصلاح‌شده
• مدیریت زنجیره تامین

موضوعات

• تحلیل پوششی داده ها

عنوان مقاله [English]

Design an Intelligent Model for Suppliers Productivity Evaluation in Sustainable Supply Chain

نویسندگان [English]

• Majid Yarahmadi ¹
• Saeedeh Sakiniya ²

¹ Department of Mathematics and Computer science, Faculty of science, Lorestan, Iran.

² Department of Mathematics and Computer Sciences, Faculty of Base Sciences, Lorestan University, Khorramabad, Iran

چکیده [English]

Purpose: In this paper, an intelligent method for applying data envelopment analysis (DEA) for designing a sustainable supply chain is presented.

Methodology: In the purposed method, for defuzzification of the ERM model, we used the ■(α)-cutting technique. Then to measure the productivity in the presence of environmental uncertainty via different ■(α)-levels, a genetic algorithm is implemented for finding an optimal ■(α)-cutting. Finally, an intelligent DEA model for ranking of the supplier companies, via optimal ■(α) value is designed.

Findings: In this paper, a new fuzzy DEA model based on Genetic Algorithm for evaluating the productivity of suppliers in a sustainable supply chain is presented.

Originality/Value: In the proposed method, ■(α)-cut is obtained from Genetic Algorithm in an optimal approach in comparison with the common trial and error approach. So, one of the advantages of this new method is more productive supply chain designing. Additionally, a simulation example indicates an optimal sustainable ranking and this shows the method's efficiency and the proposed model's advantages.

کلیدواژه‌ها [English]

• Data envelopment analysis (DEA)
• Genetic algorithm
• Integrated enhanced Russell measure (ERM) model
• Supply chain management
• Sustainable supplier selection