Abstract
Supplier selection, a multi-criteria decision making (MCDM) problem, is one of the most important strategic issues in supply chain management (SCM). A good solution to this problem significantly contributes to the overall supply chain performance. This paper proposes a new integrated mixed integer programming ‐ data envelopment analysis (MIP‐DEA) model for finding the most efficient suppliers in the presence of imprecise data. Using this model, a new method for full ranking of units is introduced. This method tackles some drawbacks of the previous methods and is computationally more efficient. The applicability of the proposed model is illustrated, and the results and performance are compared with the previous studies
چکیده
انتخاب تولید کننده، مسئله تصمیم گیری چند معیاره ای (MCDM) است که یکی از راهبردی ترین مسائل در مدیریت زنجیره تأمین (SCM) بشمار می آید. یک راه حل خوب برای این مسئله، تأثیری زیادی بر عملکرد کلی زنجیره تأمین دارد. این مقاله یک مدل برای یافتن کارآمدترین تولیدکننده با وجود داده های تقریبی پیشنهاد خواهد کرد که تلفیقی از برنامه نویسی صحیح ترکیبی و تحلیل پوش داده ها (MIP-DEA) می باشد. بااستفاده از این مدل؛ روش رتبه بندی کامل واحدها معرفی خواهد شد. این روش برخی از نقاط ضعف مدل های پیشین را نداشته و از لحاظ محاسباتی کارآمدتر است. قابلیت استفاده از مدل پیشنهادی تشریح خواهد شد و نتایج و عملکرد آن با مطالعات پیشین مقایسه خواهد شد.
1- مقدمه
کارنس و همکاران (6) یک روش ریاضیاتی مبتنی بر داده های ساختگی بنام تحلیل پوش داده ها (DEA) به منظور ارزیابی اندازه گیری های متعدد یک مجموعه از واحد های تصمیم گیری هم ارز (DMU) با کارآمدی نسبی معرفی نمودند. هر DMU چند ورودی را به چند خروجی تبدیل می کند. محققین بی شماری در زمینه های مختلف و کاربردهای گوناگون نشان داده اند که DEA یک روش مستقل و ساده برای مدل سازی فرآیند عملیاتی در ارزیابی عملکرد می باشد. از اینرو، این روش به سرعت توجه بسیاری را به خود جلب نموده و استفاده گسترده ای توسط دانشمندان داشته است. امروزه، DEA در علم مدیریت، تحقیق عملیاتی، مهندسی سیستم، تجزیه و تحلیل تصمیم و از این قبیل، مهم ترین شیوه تحلیل و نیز مهم ترین روش تحقیقشده است. مدل های سنتی DER عموما کلیه DMUها را به دو دسته اصلی تقسیم می کنند: کارآمد و ناکارآمد. این مدل ها نمی توانند DMUهای کارآمد را تفکیک نمایند. به منظور تسلط بر این نقص، بسیاری از روش های مختلف پیشنهاد شده اند: روش های با کارآمدی متوسط از DEA در ارزیابی هم ارز بجای یک خودارزیابی استفاده می کنند (21). روش های رتبه بندی کارآمدی بالا داده هایی که در واحد ارزیابی پائین قرار دارند از مجموعه راه حل ها حذف می نمایند (4). روش های رتبه بندی معیار، DMUها را برحسب اهمیت سنجش آنها بصورت معیاری برای DMUهای ناکارآمد رتبه بندی می کنند....