با استفاده گسترده از فلسفه‌های تولید مانند تولید به‌موقع، امروزه بیش از گذشته بر در نظر گرفتن همزمان داده‌های اصلی و ترتیبی در فرایند انتخاب تأمین‌کننده تأکید می‌شود. به‌طور سنتی، بسیاری از مدل‌های بهینه‌سازی انتخاب تأمین‌کننده فرض را بر این می‌گذارند که قیمت متوسط مخارج مربوط به آن ثابت است. ولی در‌واقع، وضعیت اصلاً به این ...
بیشتر
با استفاده گسترده از فلسفه‌های تولید مانند تولید به‌موقع، امروزه بیش از گذشته بر در نظر گرفتن همزمان داده‌های اصلی و ترتیبی در فرایند انتخاب تأمین‌کننده تأکید می‌شود. به‌طور سنتی، بسیاری از مدل‌های بهینه‌سازی انتخاب تأمین‌کننده فرض را بر این می‌گذارند که قیمت متوسط مخارج مربوط به آن ثابت است. ولی در‌واقع، وضعیت اصلاً به این صورت نیست. در حقیقت، تأمین‌کنندگان معمولاً تخفیف‌های حجمی می‌دهند تا خریداران را به سفارش بیشتر ترغیب کنند. برای انتخاب بهترین تأمین‌کنندگان در محیط‌های تخفیف حجمی در حضور هر دو نوع داده‌های اصلی و ترتیبی، این مقاله رویکرد نوآورانه‌ای را پیشنهاد می‌کند. در این مقاله نخست از دو دیدگاه خوشبینانه و بدبینانه، کارایی‌های تأمین‌کنندگان تحت ارزیابی به دست می‌آورده می‌شود. دیدگاه خوشبینانه، هر تأمین‌کننده را با مجموعه‌ای از مطلوب‌ترین وزن‌ها ارزیابی می‌کند و کارایی‌های اندازه‌گیری شده از دیدگاه خوشبینانه، کارایی‌های خوشبینانه نامیده می‌شوند. دیدگاه بدبینانه، هر تأمین‌کننده را با مجموعه‌ای از نامطلوب‌ترین وزن‌ها ارزیابی می‌کند و کارایی‌های اندازه‌گیری شده از دیدگاه بدبینانه، کارآیی‌های بدبینانه نامیده می‌شوند. سپس، نشان داده می‌شود که این دو نتیجه ارزیابی با یکدیگر تعارض دارند و بدون تردید یک‌سویه، غیرواقع‌گرایانه و غیرمتقاعد کننده هستند. برای غلبه بر این مشکل، یک اندازه عملکرد کلی جدیدی را پیشنهاد می‌کنیم که برای ادغام اندازه‌های به دست آمده از دیدگاه‌های خوشبینانه و بدبینانه استفاده می‌شود و آن را برای شناسایی تأمین‌کننده دارای بهترین عملکرد به کار خواهیم برد. یک مثال عددی کاربرد روش پیشنهادی را نشان خواهد داد.
تحلیل پوششی داده ها (DEA) یک رویکرد داده ای برای ارزیابی عملکرد مجموعه ای از موجودیت های متجانس به نام واحدهای تصمیم گیری (DMUها) است، که عملکرد آنها بر اساس اندازه های متعدد مشخص می شود. DEAی سنتی که مبتنی بر مفهوم مرز کارآیی است، بهترین نمره ی کارآیی را تعیین می کند که می توان به هر یک از DMUها اختصاص داد. DMUها بر اساس این نمرات به عنوان کارآی ...
بیشتر
تحلیل پوششی داده ها (DEA) یک رویکرد داده ای برای ارزیابی عملکرد مجموعه ای از موجودیت های متجانس به نام واحدهای تصمیم گیری (DMUها) است، که عملکرد آنها بر اساس اندازه های متعدد مشخص می شود. DEAی سنتی که مبتنی بر مفهوم مرز کارآیی است، بهترین نمره ی کارآیی را تعیین می کند که می توان به هر یک از DMUها اختصاص داد. DMUها بر اساس این نمرات به عنوان کارآی DEA (کارآی خوشبینانه) یا غیرکارآی DEA (غیرکارآی خوشبینانه) تقسیم بندی می شوند، و DMUهای کارآی DEA، مرز کارآیی را مشخص می کنند. رویکرد مشابهی وجود دارد که از مفهوم مرز ناکارآیی برای تعیین بدترین نمره ی کارآیی نسبی که می توان به هر DMU اختصاص داد، استفاده می کند. DMUهای واقع روی مرز ناکارآیی به عنوان ناکارآی DEA یا ناکارآی بدبینانه تعیین می شوند، و آنهایی که روی مرز ناکارآ نیستند، به عنوان غیرناکارآی DEA یا غیرناکارآی بدبینانه اعلام می شوند. در این مقاله، این بحث مطرح می شود که هر دو کارآیی نسبی را باید با هم در نظر گرفت، و هر رویکردی که فقط یکی از آنها را در نظر گرفته باشد، دچار سوگیری خواهد بود. برای اندازه گیری عملکرد کلی DMUها، پیشنهاد می شود که هر دو کارآیی را در قالب یک بازه ادغام کنیم، و مدل های DEAی پیشنهادی برای اندازه گیری کارآیی را مدل های DEAی کراندار می نامیم. به این ترتیب، بازه ی کارآیی تمام مقادیر ممکن کارآیی را که منعکس کننده ی دیدگاه های مختلف هستند، در اختیار تصمیم گیرنده قرار می دهد. یک مثال عددی در مورد شرکت های گاز ایران با استفاده از مدل های DEAی پیشنهادی بررسی می شود، تا سادگی و سودمندی آن را نشان دهند.
انتخاب تأمین کنندگان تصمیم مهم ولی پیچیده ای است که نیاز به بررسی دقیق معیارهای عملکردی مختلف دارد. به طور سنتی، مدل های انتخاب تأمین کنندگان مبتنی بر داده های اصلی هستند و بر داده های ترتیبی تأکید کمتری می شود. لیکن با کاربرد گسترده ی روش های تولید، از قبیل روش بهنگام، جدیداً تأکید بیشتری بر لحاظ کردنِ داده های نادقیق ــ یعنی مخلوطی ...
بیشتر
انتخاب تأمین کنندگان تصمیم مهم ولی پیچیده ای است که نیاز به بررسی دقیق معیارهای عملکردی مختلف دارد. به طور سنتی، مدل های انتخاب تأمین کنندگان مبتنی بر داده های اصلی هستند و بر داده های ترتیبی تأکید کمتری می شود. لیکن با کاربرد گسترده ی روش های تولید، از قبیل روش بهنگام، جدیداً تأکید بیشتری بر لحاظ کردنِ داده های نادقیق ــ یعنی مخلوطی از داده های بازه ای و ترتیبی ــ می شود. این مقاله پیشنهاد می کند که از تحلیل پوششی داده ها (DEA) با مرزهای دوگانه برای انتخاب تأمین کنندگان استفاده شود، که در این روش علاوه بر کارآیی خوشبینانه ی هر تأمین کننده، کارآیی بدبینانه ی آن نیز در نظر گرفته می شود. در مقایسه با DEAی سنتی، رویکرد DEA با مرزهای دوگانه می تواند بهترین تأمین کننده را به درستی و به آسانی بدون نیاز به تحمیل هیچگونه محدودیت وزنی شناسایی کند. یک مثال عددی با استفاده از رویکرد DEA با مرزهای دوگانه بررسی می شود، تا سادگی و سودمندی آن را در انتخاب و توجیه تأمین کننده نشان دهد.
