مقایسه ارزیابی عملکرد زنجیره تأمین با روش های BSC-FDEA و BSC-RDEA در صنایع خودرو سازی تبریز

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

دوره 17، شماره 62، اسفند 1401، صفحه 84-102   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/imj.2023.1968097.1799

نویسندگان

سینا چرتاب جباری¹؛ کمال الدین رحمانی یوشانلویی^{* 2}؛ محمد پاسبان³؛ یعقوب علوی متین⁴؛ مجتبی رمضانی⁵

¹دانشجو دکتری ، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

²استادیار، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

³استاد یار، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی ، تبریز، ایران

⁴گروه مدیریت، دانشکده مدیریت،اقتصاد و حسابداری، دانشگاه آزاد اسلامی تبریز، ایران،تبریز

⁵گروه مدیریت، واحد بناب ، دانشگاه آزاد اسلامی ، بناب، ایران

چکیده

با توجه به اهمیت موضوع کارایی در پیشبرد جوامع و جایگاهی که در سازمان های امروزی به خود اختصاص داده است، استفاده از ارزیابی عملکرد به ضرورتی گریز ناپذیری تبدیل شده است. در پژوهش حاضر ارزیابی عملکرد پنج زنجیره تأمین فعال با ساختار یکسان با هدف مقایسه نتایج مدل های ترکیبیRDEA-BSC و FDEA-BSC در صنایع خودروسازی تبریز اجرا و داده‌های ورودی و خروجی به‌صورت اعداد فازی مثلثی متقارن و مجموعه اعداد ناهموار به مدل وارد شده و خروجی مدل ها نشان‌دهنده‌‌ عملکرد زنجیره‌‌ تأمین می‌باشد. از روش کارت امتیازی متوازن (BSC) به‌عنوان ابزاری برای طراحی شاخص‌های ارزیابی عملکرد در چهار جنبه؛ مالی، فرآیندها، مشتری و یادگیری و رشد نیروی انسانی استفاده شده است و همچنین نوع تحقیق کاربردی-توصیفی و ابزار اندازه‌گیری پرسشنامه، اسناد مالی و روش تجزیه و تحلیل اطلاعات نیز، مدل ریاضی FDEA،RDEA،BSC و تحلیل حساسیت می‌باشد. نتایج تحقیق نشان می‌دهد که میزان کارایی شرکت آمیکو در هر مدل از سایر شرکت‌های مورد مطالعه بیشتر می باشد

کلیدواژه‌ها

خودروسازی؛ کارایی زنجیره تامین؛ تحلیل پوششی داده‌ها؛ مجموعه اعداد راف؛ مجموعه اعداد فازی

مراجع

• Beamon, B. M. (1999). Measuring supply chain performance. International journal of operations & production management, 19(3), 275-292.
• Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.
• Chen, Y., Liang, L., & Yang, F. (2006). A DEA game model approach to supply chain efficiency. Annals of Operations Research, 145(1), 5-13.
• Easton, L., Murphy, D. J., & Pearson, J. N. (2002). Purchasing performance evaluation: with data envelopment analysis. European Journal of Purchasing & Supply Management, 8(3), 123-134.
• Ebrahimnejad, A., Tavana, M., Lotfi, F. H., Shahverdi, R., & Yousefpour, M. (2014). A three-stage data envelopment analysis model with application to banking industry. Measurement, 49, 308-319.
• Eftekhari, H. (2021). A Linear model for performance evaluation of descision making units with DEA in pharmaceutical companies in. Managment Joournal of Sharif univerunivercity, 185, 430-431. [In Persian].
• Estampe, D., Lamouri, S., Paris, J. L., & Brahim-Djelloul, S. (2013). A framework for analysing supply chain performance evaluation models. International Journal of Production Economics, 142(2), 247-258.
• Gunasekaran, A., Patel, C., & McGaughey, R. E. (2004). A framework for supply chain performance measurement. International journal of production economics, 87(3), 333-347.
• Guo, P., & Tanaka, H. (2001). Fuzzy DEA: a perceptual evaluation method. Fuzzy sets and systems, 119(1), 149-160.
• Gh., Hassanzadeh Lotfi, F., Nikomaram, H. (2010). Data Envelopment Analysis and Its Applications. University of Science and Research Publications, [In Persian].
• Xu, J., Li, B., & Wu, D. (2009). Rough data envelopment analysis and its application to supply chain performance evaluation. International Journal of Production Economics, 122(2), 628-638.
• Mirhedayatian, S. M., Azadi, M., & Saen, R. F. (2014). A novel network data envelopment analysis model for evaluating green supply chain management. International Journal of Production Economics, 147, 544-554.
• Nahavandi, N., & Sharifinia, M. (2018). D‌e‌s‌i‌g‌n‌i‌n‌g A M‌o‌d‌e‌l F‌o‌r P‌e‌r‌f‌o‌r‌m‌a‌n‌c‌e E‌v‌a‌l‌u‌a‌t‌i‌o‌n A‌n‌d R‌a‌n‌k‌i‌n‌g O‌f I‌n‌s‌u‌r‌a‌n‌c‌e C‌o‌m‌p‌a‌n‌i‌e‌s B‌y I‌n‌t‌e‌g‌r‌a‌t‌e‌d B‌s‌c-D‌e‌a M‌e‌t‌h‌o‌d. Sharif Journal of Industrial Engineering & Management, 1(2.2), 27-37. doi: 10.24200/j65.2018.5516.
• Shafiee, M., Saleh, H., & Ghaderi, M. (2021). Benchmarking in the Supply Chain Using Data Envelopment Analysis and System Dynamics Simulations. Iranian Journal of Supply Chain Management, 23(70), 55-70.
• Taheri, S. (2020). Productivity analysis in organizations (inclusive productivity management). 28^th Tehran: Hastan Fresh Air Publications. [In Persian].
• Talluri, Srinivas & Narasimhan, Ram & Nair, Anand. (2016). Vendor performance with supply risk: a chance-constrained DEA approach. International Journal of Production Economics, 100 (2), 212–222.
• Wong, W. P., & Wong, K. Y. (2007). Supply chain performance measurement system using DEA modeling. Industrial management & data systems, 212–222.
• Xu, J., Li, B., & Wu, D. (2009). Rough data envelopment analysis and its application to supply chain performance evaluation. International Journal of Production Economics, 122(2), 628-638.