کارایی زنجیرۀ تأمین چهار مرحله‌ای در حضور عوامل غیرقابل کنترل، نامطلوب و منفی با استفاده از مدل SBM در DEA شبکه‌ای

مدلسازی اقتصادی

مقاله 4، دوره 14، شماره 51، مهر 1399، صفحه 73-98   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.30495/eco.2020.1899015.2357

نویسندگان

مهدی شجاع¹؛ فرهاد حسین زاده لطفی²؛ امیر غلام ابری^{* 3}؛ علیرضا رشیدی کمیجان⁴

¹دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد رودهن

²استاد گروه ریاضی کاربردی، دانشکده علوم پایه، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران،

³عضو هیات دعلمی واحد فیروزکوه

⁴گروه مهندسی صنایع،واحد فیروزکوه،دانشگاه آزاد اسلامی، تهران، ایران

چکیده

هدف این مقاله ارزیابی عملکرد زنجیره تأمین چهار مرحله‌ای در حضور داده­های غیرقابل کنترل، نامطلوب و منفی، در صنعت سیمان است. برای این منظور، مدل(SBM) Slack-Based Measure در تحلیل پوششی داده‌های شبکه­ای ارائه شده تا عملکرد این گونه زنجیره‌ها را مورد ارزیابی قرار دهد. در ادامه، 42 شرکت سیمان حاضر در بورس و اوراق بهادار که زنجیرۀ متناظر هر یک از آن­ها دارای چهار مرحله­ی تأمین کننده، تولیدکننده، توزیع کننده و مشتری می­باشد، طی دوره 1396-1394 مورد ارزیابی قرار گرفتند. بر اساس اجرای مدل، 5 شرکت در سه سال متوالی کارا و نمره کارایی مابقی آن­ها در همه سال‌ها یا برخی از سال‌ها کمتر از 1 شده است.

کلیدواژه‌ها

طبقه‌بندی JEL: E23؛ D24؛ C60 واژگان کلیدی: کارایی زنجیره تأمین، صنعت سیمان، تحلیل پوششی داده‌های شبکه‌ای، عوامل غیرقابل کنترل، خروجی نامطلوب

اصل مقاله

1.‌ مقدمه

در سال­های اخیر در خصوص ارزیابی عملکرد و تعیین میزان بهره‌وری سازمان‌ها توجه خاصی صورت گرفته و کاربردهای مختلف زنجیره تأمین نیز مورد توجه بسیاری از محققین قرار گرفته است. زنجیره تأمین شبکه­ای شامل چهار بخش تأمین کننده، تولید کننده، توزیع کننده و مشتری از نظر اندازه و پیچیدگی با یک زنجیره ساده که نشان دهنده تصمیم­گیری مستقل می­باشد، متفاوت است. رفتارها و تعاملات آن‌ها نیز باهم فرق می­کنند. بنابراین سنجش عملکرد زنجیرۀ تأمین چهار بخشی باید طوری طراحی شود تا ویژگی­های شبکه­ای این زنجیره و تعاملات آن مد نظر قرار گیرد. به­طور کلی هرچه زنجیرۀ تأمین بزرگتر و پیچیده­تر باشد، ارزیابی آن مشکل­تر و چالش برانگیزتر خواهد بود.

در بین روش­های ارزیابی، تحلیل پوششی داده­ها[1]( DEA) به طور گسترده­ در ارزیابی عملکرد نسبی مجموعه­ای از فرآیندهای تولید به نام واحدهای تصمیم گیرنده[2]، استفاده می­شود. این روش غیر پارامتریک با ارائه مدل­های مختلف قادر است واحدهای تصمیم گیرنده­ای که با مصرف چندین ورودی، چندین خروجی تولید می­نمایند را ارزیابی نماید. مدل­های کلاسیک DEA، هیچ نظریه­ای در ارتباط با فعالیت داخلی زنجیره تأمین (واحدهای تصمیم گیرنده) نداشته و آن­ها را به عنوان یک جعبه سیاه[3] درنظر می­گیرند به­طوریکه ورودی­های اولیه مصرف شده و خروجی­های نهایی تولید شده آن‌ها را جهت محاسبه کارایی مد نظر قرار می­دهند. اینکه فعالیت­ها و محصولات میانی زنجیره تأمین درنظر گرفته نمی­شود، مناسب فرآیند تولید ساده بوده و در سیستم شبکه­ای پیچیده کاربرد لازم راندارد. در این پژوهش ارزیابی زنجیره تأمین شبکه‌ای در حضور ورودی­ها و خروجی­های غیرقابل کنترل، خروجی­های نامطلوب و منفی مورد تجزیه و تحلیل قرار ­می‌گیرد.

برای تشخیص  ناکارایی و علل آن در بخش­های میانی، محققین زیادی تلاش کردند مدل جعبه سیاه را رد کنند و ساختار درونی زنجیره تأمین را در مدل­های DEA، در نظر بگیرند. این مدل­ها در ادبیات تحلیل پوششی داده‌ها، DEA شبکه­ای نامیده می­شوند. زنجیره تأمین یکی از مهمترین و کاربردی­ترین حالت­های DEA شبکه­ای می­باشد. تهیۀ برنامه­ریزی شدۀ مواد اولیه، طراحی و تولید محصولات مناسب، توزیع و حمل و نقل بهینۀ آن­ها و درنهایت ارائه خدمات به مشتریان و رضایت آن­ها در قالب مدیریت زنجیره تأمین، مورد توجه بسیاری قرار دارد. در مدیریت زنجیره تأمین، کلیه اندازه­گیری کارایی­ها به دنبال دو هدف نهایی کاهش هزینه و افزایش سود می­باشد.

ادامه این مقاله شامل بخش­های : مروری بر ادبیات، ارائه مدلی مناسب در حضور شاخص­های غیرقابل کنترل، نامطلوب و منفی و همچنین برآورد مدل با ارائه مثالی کاربردی در زمینه صنعت سیمان با ساختار مدل پیشنهاد شده، می­باشد و در نهایت نتایج مورد بحث و بررسی قرار می­گیرد.

 

2. مروری بر ادبیات

2-1 مفاهیم پایه

-         مدل SBM

n  واحد تصمیم گیرنده  را درنظر بگیرید که   به ترتیب بردارهای ورودی و خروجی  است و  و . برای تخمین زدن کارایی واحد ، با ورودی  و خروجی ، مدل زیر را برحسب متغیرهای و و   در نظر بگیرید که به آن مدل SBM گویند.

(1)

در مدل (1) فرض بر این است که  و . اگر ، در این صورت جمله   از تابع هدف حذف می‌گردد.

ثابت می‌شود که تابع هدف P، در مقابل تغییر واحد پایدار می‌باشد یعنی با هر واحدی که ورودی‌ها یا خروجی‌ها اندازه‌گیری شوند، کارایی تغییر نمی‌کند. به عبارت دیگر اگر به جای ها،  و به جای ها،  که:  قرار داده شود، مقدار P تغییر نمی‌کند. واضح است که اگر در جواب بهینه مدل (1)، مقدار تمامی متغیرهای کمکی برابر صفر باشند، در این صورت .

تعریف 1 : اگر به ازای جواب بهینه مدل (1)،  آنگاه  پاراتوکارا یا کارای قوی می‌باشد.

مدل (1) غیر خطی است. با تغییر متغیر   این مدل به مسأله برنامه‌ریزی خطی زیر تبدیل می‌گردد.

(2)

با قرار دادن  و  و  ، مساله (2) به مساله برنامه‌ریزی خطی زیر تبدیل خواهد شد.

(3)

در مساله برنامه‌ریزی خطی (3) معنی  آن است که تبدیل قابل برگشت می‌باشد بنابراین اگر  جواب بهینه مدل (3) با مقدار تابع هدف باشد آنگاه    و   و   جواب بهینه مدل (1) با مقدار تابع هدف  خواهد بود.

تعریف 2:  ، SBM کارا است اگر و فقط اگر  

بیان تعریف فوق آن است که  کارا است اگر هیچ ورودی را هدر ندهد و هیچ کمبودی در خروجی نداشته باشد. یعنی به ازای هر جواب بهینه مساله (3) داشته باشیم  و .

تعریف 3: فرض کنید  بردار ورودی و خروجی یک  دلخواه باشد.  را انتقال یافته این واحد نسبت به مقادیر ثابت  و  گوییم هرگاه:

تعریف 4: یک مدل  نسبت به انتقال پایا نامیده می‌شود هرگاه با انتقال ورودی‌ها یا خروجی‌های ها مقدار کارایی آن‌ها (مقدار تابع هدف)تغییر نکند.

اگر بعضی از خروجی‌های واحدهای تصمیم گیری منفی باشند، قرار می‌دهیم :

 

در این صورت مدل (1) به مدل زیر تبدیل می‌شود.

(4)

در صورت برابر بودن خروجی ام همه ها، قرار می‌دهیم:

قضیه 1: مدل (4) نسبت به انتقال خروجی‌ها پایا است.

برهان: بدیهی است.

 قضیه فوق بیانگر آن است که اگر در مدل (4) خروجی‌ها انتقال یابند مقدار تابع هدف آن یا نمره کارایی به دست آمده، تغییر نمی‌یابد.

این مدل نیز مانند مدل (1) خطی می‌گردد.

(5)

 

-         مدل کنترل متمرکز

مدل کنترل متمرکز توسط چن و یان در سال 2011 برای ارزیابی عملکرد زنجیره تأمین دو مرحله­ای ارائه گردید. آن­ها برای سادگی، یک زنجیره تأمین کننده - تولیدکننده، مانند شکل (1)را درنظر گرفتند.

 

 

شکل 1. زنجیره تأمین دو مرحله­ای

 

که در آن  Sتأمین کننده و  و  به ترتیب تولید کننده اول و دوم را نشان می­دهد.  بردار ورودی تأمین کنندۀ S می­باشد و  و  بردارهای خروجی آن هستند که همچنین بردارهای ورودی تولیدکنندگان  نیز خواهند بود. و  بردار خروجی متناظر تولیدکنندگان به ترتیب  می­باشند.

فرض کنید  واحدهای تصمیم گیرنده متناظر به ترتیب زنجیره اول، ... ، زنجیره nام، باشند. مدل ارائه شده توسط چن و یان برای محاسبۀ کارایی کل زنجیرۀ متناظر  با فرض بازده به مقیاس ثابت به صورت زیر می­باشد.

(6)

بحث اصلی مدل (4)، نحوه ارزیابی زنجیره تأمین با درنظر گرفتن تولیدات میانی در مدل­های DEA می­باشد. با استفاده از مدل فوق، زنجیرۀ تأمین تحت ارزیابی کارا است اگر و فقط اگر .

2-2 پیشینه تحقیق

در زمینه تحلیل پوششی داده­ها با ساختار شبکه­ای، تحقیقات زیادی انجام شده که در تمامی آن­ها سعی شده حالت­های مختلفی از یک شبکه را مورد تجزیه و تحلیل قرار دهند. به منظور اندازه­گیری مناسب جهت محاسبه کارایی زنجیره تأمین، لازم است هم خواص شبکه­ای زنجیره درنظر گرفته شود و هم روابط بین "تأمین کننده"، "تولید کننده"، "توزیع کننده" و "مشتری"نیز لحاظ گردد. درنظر گرفتن این ملاحظات موجب گردید که سارانجا و موزر (2010) و چن و یان (2011)، مدل­­های مختلفی با ساختارهای متفاوت زنجیره تأمین ارائه دهند.

ژو و همکاران (2009) عملکرد زنجیره تامین صنایع تولید مبلمان در جنوب غربی چین را با ارئه مدلی از تحلیل پوششی داده­های تقریبی ارزیابی کردند. آن­ها عوامل اصلی عدم قطعیت را که بر روند ارزیابی تأثیر می­گذارد، شناسایی و سپس آن­ها را با استفاده از مدل های تحلیل پوششی داده­های تقریبی[4](RDEA) مدل سازی و آنالیز نمودند.

آزاده و عالم(2010) سه نوع مدل جهت انتخاب تأمین کننده در زنجیره تأمین را در شرایط قطعی، غیرقطعی و احتمالی ارائه دادند. این مدل­ها، به تحلیل پوششی داده­ها (DEA)، تحلیل پوششی داده­های فازی [5](FDEA) و محدودیت شانس درتحلیل پوششی داده ها[6] (CCDEA) معروفند.

بدیع­زاده و همکاران(2017) زنجیره تأمین را در حضور داده­های بزرگ[7] و خروجی­های نامطلوب، مورد بحث و بررسی قرار دادند.

بوداغی و فرضی­پور سائن(2018) برای پیش­بینی عضویت گروهی تامین کنندگان در زنجیره تامین پایدار، مدلی تلفیقی از تحلیل پوششی داده ها و تحلیل ممیز[8] ( DEA-DA)، ارائه نمودند که مدل ارائه شده، عضویت گروهی تامین کنندگان را با توجه به ماهیت عوامل، مانند ورودی­ها، خروجی­ها و کارایی هر تامین کننده پیش بینی می­نمود.

ایزدی­خواه و فرضی­پور سائن(2016) پایداری زنجیره­های تأمین در حضور داده های منفی را با ارائه مدل دو مرحله ای، مورد ارزیابی قرار دادند.

ایزدی­خواه و همکاران (2017) با توسعۀ مدل‌های مرسومDEA ، روشی برای ارزیابی پایداری تامین کنندگان در حضور داده های بازه­ای و فازی ارائه نمودند.

کلانتری و فرضی­پور سائن (2018) پایداری زنجیره­های تأمین را با مدلی از DEA پویای شبکه­ای معکوس، مورد ارزیابی قرار دادند.

خداکرمی و همکاران(2015) پایداری مدیریت زنجیره تأمین 27 شرکت ایرانی را بر اساس توسعه مدل دو مرحله­ای، بررسی نمودند.

میرهدایتیان و همکاران (2014) مدیریت زنجیره تامین سبز[9] را در حضور خروجی‌های نامطلوب و داده‌های فازی ارزیابی کردند.

شفیعی و همکاران(2014) ترکیبی از DEA شبکه­ای و روش کارت امتیازی متوازن[10] را در ارزیابی زنجیره تأمین به کار بردند. در این روش، ابتدا ترکیب روش کارت امتیازی متوازن(BSC) و روش دی­متل[11] برای ساختار شبکه­ای استفاده گردید. سپس ساختار این شبکه، در قالب DEA شبکه­ای بیان و ارزیابی در این ساختار انجام گرفت.

تاج­بخش و حصینی(2015) روشی برای ارزیابی پایداری شبکه­های زنجیره تأمین ارائه دادند. و بر 3 موضوع: به حداکثر رساندن بازده اقتصادی، به حداقل رساندن اثرات محیطی و دستیابی به انتظارات اجتماعی، تمرکز نمودند.

توانا و همکاران (2013) با ارائه مدل اپسیلون محور شبکه­ای[12]، عملکرد زنجیره تامین را ارزیابی نمودند و تغییرات همزمان در ورودی­ها و خروجی­ها در شبکه را  به­صورت شعاعی و غیرشعاعی (ترکیبی)، مورد تأکید قرار دادند.

توانا و همکاران(2016) یک روش دو مرحله­ای جهت ارزیابی عملکرد زنجیره تأمین سه بخشی شامل تهیه کننده، تولید کننده و توزیع کننده، ارائه نمودند.

توسلی و فرضی­پور سائن(2019) پیش بینی عضویت در گروه تأمین­کنندگان پایدار را از طریق DEA  و تحلیل ممیز مورد ارزیابی قرار دادند.

اولین تحقیق در خصوص خروجی نامطلوب در تحلیل پوششی داده‌ها، توسط لیو و شارپ در سال 1999 انجام گرفت، آن‌ها خروجی نامطلوب را به عنوان ورودی در نظر گرفتند. هر واحد تصمیم گیرنده سعی می‌کند کارایی خود را با مینیمم نمودن ورودی‌های مطلوب و خروجی‌های نامطلوب در حالی‌که خروجی‌های مطلوب و ورودی‌های نامطلوب را ماکزیمم کند افزایش دهد.

نکته مهمی که وجود دارد این است که در بعضی مواقع، تغییرات در برخی ورودی­ها و خروجی­های زنجیرۀ تأمین، کاملا و یا درصدی از آن در اختیار مدیر نمی­باشد که به این شاخص­ها، عوامل غیرقابل کنترل یا درصدی کنترل­پذیر گویند. به­علاوه در برخی مواقع ممکن است در فعالیت­های میانی زنجیره تأمین، علاوه بر عوامل غیرقابل کنترل، شاخص­های نامطلوب و منفی هم وجود داشته باشد. مواجهه با این شاخص­ها در مدل­های کلاسیک DEA، مطرح گردیده ولی در مطالعاتی که تاکنون در رابطه با زنجیره­ تأمین انجام شده، در خصوص آن‌ها کمتر بحث شده است. در این مقاله، محقق سعی براین دارد که در زنجیره تأمین کامل، این شرایط را نیز بررسی نماید.

3. روش تحقیق

در این پژوهش، کاربرد مدل SBM در DEA شبکه‌ای جهت ارزیابی عملکرد زنجیره تأمین چهار مرحله‌ای در حضور عوامل غیرقابل کنترل، نامطلوب و منفی مورد بررسی قرار می­گیرد و مدلی با لحاظ قرار دادن شرایط خاص فوق ارائه می­شود که بر اساس آن عملکرد شرکت­های سیمان واقع در بورس و اوراق بهادار محاسبه می­گردد.

بررسی عملکرد زنجیره تأمین در صنایع، نمونه­ای از واحدهای تصمیم­گیرنده چند مرحله­ای و شبکه­ای به شمار می­آید که باید محصولات میانی و ارتباط فعالیت­های بین بخش­های مختلف درون سیستمی آن مد نظر قرار گیرد. در این سیستم­ها خروجی­های یک مرحله(فرآیند) به عنوان ورودی­های مرحله بعدی محسوب می­شوند که به آن­ها داده­های میانی گویند (کوک و همکاران، 2010). همچنین در هر مرحله، امکان دارد ورودی­های مستقل برای آن مرحله هم وجود داشته باشد که باید درنظر گرفته شوند. مدیران باید سعی کنند با ایجاد شیوه­های مناسب، عوامل موثر بر عملکرد زنجیره تأمین را نیز شناسایی و از آن­ها برای اندازه­گیری کارایی آن، استفاده نمایند. برخی از این عوامل موثر، ورودی­ها و خروجی­های غیر قابل کنترل و خروجی­های نامطلوب و خروجی­های منفی می­باشند که لازم است شناسایی و در ارائه مدل برای ارزیابی، مورد توجه قرار گیرند. در این پژوهش زنجیره تأمینی در صنعت سیمان را در حضور عوامل غیرقابل کنترل، نامطلوب و منفی مورد ارزیابی قرار می­دهیم که دارای ساختار ذیل باشد:

شکل 2. زنجیره تأمین چهار مرحله­ای

در زنجیره فوق:

•   ، ،  و  نشان دهنده به ترتیب تأمین کننده، تولید کننده، توزیع کننده و مشتری می­باشند.
•  به ازای  بردار ورودی ، شامل ورودی­های قابل کنترل و غیرقابل کنترل به مرحه  می­باشد.
• به ازای  و  داده میانی از مرحله  به مرحلۀ  واحد j ام می­باشد که شامل داده­های قابل کنترل و غیرقابل کنترل است یا به عبارت دیگر بردار خروجی مرحلۀ  واحد j ام، شامل خروجی­های قابل کنترل و غیرقابل کنترل را نشان می­دهد که بردار ورودی مرحلۀ  آن واحد نیز خواهد بود.
• به ازای  بردار خروجی نامطلوب مرحله  می­شد.
• بردار خروجی مرحلۀ می­باشد.
•  و  به ازای  مجموعه اندیس ورودی­های به ترتیب قابل کنترل و غیرقابل کنترل را نشان می­دهند.
•  و  به ازای  و  مجموعه اندیس شاخص­های به ترتیب قابل کنترل و غیرقابل کنترل را نشان می­دهند.
•  به ازای  مجموعه اندیس خروجی­های نامطلوب مرحله  را نشان می­دهد.

n زنجیره تأمین یکسان همانند زنجیرۀ شکل(2) که در ادبیات تحلیل پوششی داده­ها n واحد تصمیم­گیرنده  نامیده می­شوند را درنظر بگیرید و فرض کنید بعضی از خروجی‌های نهایی زنجیره منفی باشند برای محاسبه کارایی آن­ها به یک مدل DEA شبکه­ای نیاز است که دارای ساختار سری باشد. مدلSBM، به طور خاص نمی­تواند عملکرد جعبه سیاه متناظر زنجیره تأمین شکل (2) را مورد شناسایی قرار دهد. چرا که فقط ورودی­های اولیه و خروجی­های نهایی زنجیره تامین را مد نظر قرار می­دهد و تولیدات میانی ناشی از مراحل زنجیره تامین و عوامل موثر بر عملکرد آن را نادیده می­گیرد. در این مقاله برای ارزیابی عملکرد ، مدل شبکه‌ای غیر شعاعی زیر پیشنهاد می­­گردد:

(7)

که در آن  و اسلک‌های  در تابع هدف مدل (7) نمی‌آید چون مربوط به ورودی‌های غیر قابل کنترل است. همچنین اسلک‌های  و  و  نیزدر تابع هدف این مدل نمی‌آید زیرا ساختار شبکه طوری طراحی شده که فروش یا عرضه خروجی مطلوب در مراحل میانی نداریم. لذا لزومی ندارد اختلاف تولید هر مرحله با مصرف مرحله بعد را در مراحل میانی ماکزیمم نماییم.

برای حل مدل (7) که غیر خطی است، لازم است به مدلی خطی تبدیل شود. برای این منظور، با تغییر متغیر  و تبدیلات مناسب، آن را به مسألۀ برنامه‌ریزی خطی زیر تبدیل می‌نماییم.

 

(8)

قضیه 2 : مدل (8) همواره شدنی است.

برهان: چون جواب ذیل، یک جواب شدنی مدل (8) می‌باشد. پس این مدل شدنی خواهد بود.

(9)

تعریف 5: زنجیرۀ تأمین متناظر  ، در ارزیابی با مدل (8) پاراتوکارا است هرگاه  و در هر جواب بهینه، مقدار همه متغیرهای کمکی برابر صفر باشند.

4. برآورد مدل

مدیریت زنجیره تأمین، یکی از موضوعات حیاتی در سازمان­ها می­باشد که مدیران جهت ارزیابی عملکرد آن، نیاز به طراحی مدل­های مناسب در این زمینه دارند. ارزیابی کارخانه­های سیمان کشور در قالب زنجیره­های تأمین کامل، با حضور عوامل نامطلوب و منفی و همچنین عوامل غیرقابل کنترلی که تغییرات در آن­ها یا به طور کلی از حوزۀ اختیارات مدیر خارج و یا درصدی قابل تغییر می­باشند، انگیزه­ای برای انجام این تحقیق گردید ه است.

شاخص­های مدنظر در صنعت سیمان که در جداول ذیل بیان شده است، علاوه بر شاخص­های مالی، اقتصادی و تولیدی ، دربرگیرنده شاخص­ها و عوامل غیرقابل کنترل، خروجی­های نامطلوب و منفی نیز می­باشد. مدل ارائه شده در این مقاله قادر است زنجیره تأمین متناظر این صنعت را ارزیابی نماید.

 

جدول 1. شاخص­ها و تعاریف آن­ها برای واحد تصمیم گیرندۀ j ام در ورودی­ها و داده­های میانی

نمادها		دسته­بندی شاخص­ها	عنوان شاخص­ها
		ورودی اولیه زنجیره	مجموع هزینه­های جاری یا عملیاتی
			مجموع سرمایه گذاری اولیه در بهره برداری از معادن و فرآیند کارخانه
			مجموع بدهی های کارخانه
			مجموع هزینه های مالی
			مجموع هزینه حقوق و دستمزد پرداختی
			کیفیت تأمین کنندگان به لحاظ  پایداری در عرضه مواد معدنی و لوازم مصرفی
		داده­های میانی (خروجی مرحله اول و ورودی مرحله دوم)	مجموع ذخایر معدنی در اختیار
			مجموع تناژ مواد اولیه برداشت شده از معادن که باید در فرایند تولید مصرف شود
			مجموع تناژ مواد شیمیایی و معدنی دیگر که در فرآیند تولید مصرف می شود
			مجموع مواد اولیه معدنی دپو شده برای استفاده در فصل سرما
			مجموع هزینه تحقیق و توسعه
			ظرفیت واقعی صنعت
		داده­های میانی (خروجی مرحله دوم و ورودی مرحله سوم)	مجموع تناژ تولیدی کلینکر کارخانه
			مجموع تناژ تولیدی  سیمان کارخانه
		داده­های میانی (خروجی مرحله سوم و ورودی مرحله چهارم)	مجموع ارزش ریالی دارایی ها و موجودی نگهداری شده آماده برای فروش
			مجموع تناژ فروش سیمان پاکتی و فله در بازار داخلی و صادرات
			مجموع تناژ فروش کلینکر
			بهای تمام شده محصول

 

جدول 2. شاخص­ها و تعاریف آن­ها برای واحد تصمیم گیرندۀ j ام در خروجی نهایی

نمادها		وضعیت شاخص‌ها	دسته­بندی شاخص­ها	عنوان شاخص­ها
		نامنفی	خروجی نهایی	مجموع دارایی‌های جاری
				رقابت پذیری و جهانی سازی برند کارخانه
		نامنفی یا منفی		مجموع سود حاصل شده
				نرخ رشد سالانه بر اساس عملکرد
				بازده حساب حقوق صاحبان سهام
				رضایت‌مندی مشتریان

 

جدول 3. شاخص­ها و تعاریف آن­ها برای واحد تصمیم گیرندۀ j ام در ورودی­های مستقل هر مرحله

نمادها		قابل کنترل و غیرقابل کنترل بودن شاخص­ها	دسته­بندی شاخص­ها	عنوان شاخص­ها
			ورودی مستقل مرحله دوم	مجموع هزینه پرداخت انرژی
			ورودی مستقل مرحله سوم	مجموع هزینه در راستای افزایش قابلیت اطمینان در زنجیره تامین
			ورودی مستقل مرحله چهارم	هزینه طراحی سازگاری با محیط زیست
				مجموع هزینه بازاریابی

 

 

جدول 4. شاخص­ها و تعاریف آن­ها برای واحد تصمیم گیرندۀ j ام در خروجی­های نامطلوب

نمادها		وضعیت شاخص‌ها	دسته­بندی شاخص­ها	عنوان شاخص­ها
			خروجی‌های نامطلوب مرحله اول	ایجاد آثار مخرب زیست  محیطی در برداشت از معادن
			خروجی­های نامطلوب مرحله دوم	مجموع ذرات غبار تولید شده (mg/m3)
				میانگین سالانه گازهای گلخانه ای  از نوع NOX منتشر شده
				میانگین سالانه گازهای    گلخانه ای  از نوع  CO منتشر  شده
				میانگین سالانه گازهای    گلخانه ای  از نوع  SO2 منتشر  شده
				تاثیر مجموع نفوذ آب مصرفی و فاضلاب در آب های زیر زمینی
				تاثیر عملکرد کارخانه بر ایجاد شرایط منفی در اکوسیستم پیرامون

 

برای نشان دادن کاربرد روش ارائه شده، داده­های واقعی 42 شرکت سیمان حاضر در بورس و اوراق بهادار در سال‌های 1394، 1395 و 1396 را با ورودی­ها، خروجی­ها و داده­های میانی مطابق با جداول فوق، درنظر می­گیریم. با درنظر گرفتن قضیه 1 برای خروجی­های منفی مرحله چهارم زنجیره متناظر شرکت‌های سیمان، مدل (8) را اجرا می­نماییم. با اجرای این مدل، کارایی هر یک از شرکت­ها در سال‌های 1394، 1395 و 1396 مشخص می­گردد. که نتایج به دست آمده در جدول (5) نشان داده شده است.

جدول 5. کارایی کل شرکت­ها

ردیف	کارخانه	کارایی سال 1396	کارایی سال 1395	کارایی سال 1394
1	ساباد	710/0	493/0	680/0
2	سابیک	1	1	1
3	ساراب	545/0	292/0	097/0
4	ساربیل	678/0	613/0	549/0
5	ساروم	605/0	330/0	524/0
6	ساوه	532/0	320/0	335/0
7	سباقر	480/0	379/0	1
8	سبجنو	865/0	1	900/0
9	سبزوا	995/0	415/0	082/0
10	سبهان	994/0	818/0	1
11	سپاها	349/0	1	983/0
12	ستران	1	262/0	203/0
13	سجام	083/0	080/0	082/0
14	سخاش	628/0	992/0	127/0
15	سخرم	373/0	084/0	083/0
16	سخزر	618/0	098/0	355/0
17	سخواف	1	1	1
18	سخوز	1	835/0	678/0
19	سدشت	998/0	1	984/0
20	سدور	481/0	087/0	109/0
21	سرود	612/0	273/0	385/0
22	سشرق	100/0	985/0	388/0
23	سشمال	910/0	678/0	322/0
24	سصفها	509/0	271/0	432/0
25	سصوفی	689/0	428/0	150/0
26	سغرب	637/0	460/0	161/0
27	سفار	688/0	584/0	261/0
28	سفارس	670/0	433/0	1
29	سفاروم	773/0	1	989/0
30	سفانو	819/0	826/0	728/0
31	سفیروز	683/0	416/0	980/0
32	سقاین	1	986/0	172/0
33	سکارون	756/0	383/0	186/0
34	سکرد	079/0	406/0	397/0
35	سکرما	996/0	1	430/0
36	سلار	1	1	1
37	سمازن	998/0	1	1
38	سمتاز	846/0	851/0	790/0
39	سنیر	1	1	1
40	سهرمز	1	1	1
41	سهگمت	533/0	088/0	432/0
42	سیلام	264/0	301/0	830/0

همانطور که ملاحظه می‌گردد تعداد 9 شرکت در سال 94، 11 شرکت در سال 95 و 8 شرکت در سال 96 کارا می‌باشند. 5 شرکت یعنی کارخانه‌های سابیک، سخواف، سلار، سنیر و سهرمز در همه سال‌های 94، 95 و 96 دارای عملکرد مطلوب بوده و کارا هستند. عملکرد 13 شرکت سال به سال بهبود یافته به طوری که از بین آن‌ها 3 شرکت در سال 96 به نمره کارایی دست یافتند ولی نمره کارایی کارخانه سیلام در مقایسه با کارخانه‌های دیگر هر سال نسبت به سال گذشته کاهش یافته است. کارخانه سمازن در سال‌های 94 و 95 کارا است و نمره کارایی آن در سال 96 برابر   می‌باشد که می‌توان در این سال نیز آن را کارا تلقی نمود.

5. نتیجه گیری و پیشنهادها

در این مقاله با ارائه مدل غیر شعاعی، عملکرد زنجیره تأمین شامل 4 مرحله تأمین کننده، تولیدکننده، توزیع کننده و مشتری با ورودی‌ها و خروجی‌هایی که دارای ساختار خاص اعم از ورودی‌ها و خروجی‌های غیرقابل کنترل، خروجی‌های نامطلوب و خروجی‌های منفی هستند، مورد بررسی قرار گرفت.

نتایج نشان می‌دهند که از 42 زنجیره تأمین با این ساختار، 5 شرکت در 3 سال متوالی 94، 95 و 96 کارا و 25 شرکت در همه این سال‌ها، ناکارا می‌باشند یعنی دارای نمره کارایی کمتر از 1 هستند. واحد 13 (کارخانه سجام) ناکاراترین زنجیره تأمین با نمره کارایی حدود  در هر سال می‌باشد و در این سال‌ها دارای عملکرد بسیار ضعیفی است.

تمرکز محقق در این مطالعه، ارائه مدل غیرشعاعی جهت ارزیابی عملکرد زنجیره تأمین کامل با ورودی‌ها و خروجی‌های دارای ساختار خاص بوده و به محققین پیشنهاد می‌گردد: 1- درخصوص ارائه مدلی به منظور تعیین علت ناکارایی زنجیره‌های تأمین و ارائه راه‌کارهایی جهت بهبود کارایی آن‌ها، 2- محاسبه کارایی هر یک از مراحل زنجیره تأمین با استفاده از مدل  SBM و 3- ارائه مدل بهره‌وری مالم کوئیست جهت تعیین میزان پیشرفت یا پسرفت واحدها در سال‌های متفاوت، تحقیق نمایند.

---

[1] Data Envelopment Analysis(DEA)

[2] Decision Making Units(DMU)

[3] Black Box

[4] Rough Data Envelopment Analysis

[5] Fuzzy data Envelopment Analysis (FDEA)

[6] Chance Constrained Data Envelopment Analysis (CCDEA)

[7] Big Data

[8] Discriminant Analysis

[9] Green Supply Chain Management(GSCM)

[10] Balance Score Card (BSC)

[11] De Matel

[12] Network Epsilon – Based Measure (NEBM)

مراجع

-          Azadeh, A., & Alem, S.M. (2010).‏ A flexible deterministic, stochastic and fuzzy Data Envelopment Analysis approach for supply chain risk and vendor selection problem: Simulation analysis. Expert Systems with Applications, 37(12): 7438-7448.

-          Badiezadeh, T., Farzipoor Saen, R., and Samavati, T. (2018). Assessing sustainability of supply chains by double frontier network DEA: A big data approach. Computers & Operations Research, 98: 284-290.

-          Boudaghi, E., and Farzipoor Saen, R. (2018). Developing a novel model of data envelopment analysis–discriminant analysis for predicting group membership of suppliers in sustainable supply chain. Computers & Operations Research, 89: 348-359.

-          Chen, C., and Yan, H. (2011). Network DEA model for supply chain performance evaluation. European journal of operational research, 213(1): 147-155.

-          Cook, W.D., Zhu, J., Bi, G., and Yang, F. (2010). Network DEA: Additive efficiency decomposition. European journal of operational research, 207(2): 1122-1129.

-          Cook, W.D., Liang, L., and Zhu, J. (2010). Measuring performance of two-stage network structures by DEA: a review and future perspective. Omega, 38(6): 423-430.

-          Izadikhah, M., and Farzipoor Saen, R. (2016). Evaluating sustainability of supply chains by two-stage range directional measure in the presence of negative data. Transportation Research Part D: Transport and Environment, 49: 110-126.

-          Izadikhah, M., Farzipoor Saen, R., and Ahmadi, K. (2017). How to assess sustainability of suppliers in volume discount context? A new data envelopment analysis approach. Transportation Research Part D: Transport and Environment, 51: 102-121.

-          Kalantary, M., and Farzipoor Saen, R. (2018). Assessing sustainability of supply chains: An inverse network dynamic DEA model. Computers & Industrial Engineering, 135: 1224-1238.

-          Khodakarami, M., Shabani, A., Farzipoor Saen, R., and Azadi, M. (2015). Developing distinctive two-stage data envelopment analysis models: An application in evaluating the sustainability of supply chain management. Measurement, 70: 62-74.

-          Mirhedayatian, S.M., Azadi, M., and Farzipoor Saen, R. (2014). A novel network data envelopment analysis model for evaluating green supply chain management. International Journal of Production Economics, 147: 544-554.

-          Saranga, H., and Moser, R. (2010). Performance evaluation of purchasing and supply management using value chain DEA approach. European journal of operational research, 207(1): 197-205. ‏

-          Shafiee, M., Lotfi, F.H., and Saleh, H. (2014). Supply chain performance evaluation with data envelopment analysis and balanced scorecard approach. Applied Mathematical Modelling, 38(21-22): 5092-5112.

-          Tajbakhsh, A., and Hassini, E. (2015). A data envelopment analysis approach to evaluate sustainability in supply chain networks. Journal of Cleaner Production, 105: 74-85

-          Tavana, M., Mirzagoltabar, H., Mirhedayatian, S.M., Farzipoor Saen, R., and Azadi, M. (2013). A new network epsilon-based DEA model for supply chain performance evaluation. Computers & Industrial Engineering, 66(2): 501-513.

-          Tavana, M., Kaviani, M. A., Di Caprio, D., and Rahpeyma, B. (2016). A two-stage data envelopment analysis model for measuring performance in three-level supply chains. Measurement, 78: 322-333.

-          Tavassoli, M., and Farzipoor Saen, R. (2019). Predicting group membership of sustainable suppliers via data envelopment analysis and discriminant analysis. Sustainable Production and Consumption, 18: 41-52.

-          Xu, J., Li, B., and Wu, D. (2009). Rough data envelopment analysis and its application to supply chain performance evaluation. International Journal of Production Economics, 122(2): 628-638.

-          Liu, W., & Sharp, J. (1999). DEA models via goal programming. In Data envelopment analysis in the service sector. Deutscher Universitäts-verlag, 79-101.