انتخاب بهترین تامین کننده با یک سیستم پشتیبان تصمیم مبتنی بر شبکه عصبی خودسازمانده در پروژه های نفتی
محورهای موضوعی : مدیریت استراتژیک
میثم جعفری اسکندری
1
*
,
مصطفی یوسفی طزرجان
2
1 - دانشگاه پیام نور تهران
2 - دانشگاه جامع علمیکاربردی
کلید واژه: شبکه عصبی خودسازمانده انتخاب تأمین کننده فرایند تحلیل سلسله مراتبی سیستم پشتیبان تصمیم,
چکیده مقاله :
فرایند انتخاب تأمین کننده مناسبی که قادر به فراهم کردن نیاز خریدار از نظر محصولات با کیفیت، با قیمت مناسب و در زمان و حجم مناسب باشد یکی از ضروری ترین فعالیت ها برای ایجاد زنجیره تأمین مناسب است. ماهیت این تصمیمات معمولأ پیچیده و ساختار نیافته است. در این پژوهش تصمیم گیری با استفاده از شبکه عصبی خود سازمانده برای انتخاب تأمین کننده مناسب در یک محیط تصمیم گیری ارائه شده است. با استفاده از تکنیک شبکه عصبی خود سازمانده تامینکنندگان موجود خوشهبندی میشوند و با توجه به معیار مد نظر، خوشه برتر معرفی میگردد. با حضور تامینکننده جدید معیارهای وی با خوشه برنده مقایسه گردیده و در مورد رد یا پذیرش تامینکننده تصمیمگیری میشود. خروجی این مدل انتخاب تامینکنندگان مناسب و بررسی شرایط تامینکنندگان جدید میباشد.
One of the most essential activities to create the appropriate supply chain is supplier selection process. The system must be capable of providing buyer's requirements in terms of quality products, at affordable prices and at the appropriate time and volume. The nature of these decisions is usually complex and unstructured. In this study, self-organizing neural networks for decision making for the supplier selection decision is provided in a decision support system environment. Using self-organizing neural networks as a clustering techniques, suppliers clustered. new supplier standards compared with spikes winner and will decide on accepting or rejecting provider. The output of the model is supplier selection and evaluation by appropriate conditions for new suppliers.
1- بهنود، حميدرضا. پيرايش نقاب، محمدعلي. آيتي، اسماعيل. 1392، ایجاد سیستم پشتیبانی از تصمیم فازی در مدیریت و برنامه ریزی اقدامات ایمن سازی راه. مهندسی حمل و نقل، سال پنجم، شماره دوم.صص 183-200.
2- حسن زاده، عليرضا. عسكري مقدم، رضا و اكبري، اقدس. 1393، طراحي يك سيستم پشتيبان تصميم گيري براي تخصيص منابع با رويكرد الگوريتم ژنتيك (مطالعة موردي: كتابخانة مركزي دانشگاه تربيت مدرس).فصلنامه علمی پژوهشی، پژوهشگاه علوم و فناوری اطلاعات ایران، دوره 29،شماره سوم، ص ص 783- 801 .
3- كهنسال نودهي، كاوه. صفارزاده، محمود و صاحب جمع نيا، نويد. 1391، ارايه و توسعه مدل رياضي در طراحي سيستم پشتيبان تصميم گيري جهت بهينه سازي تخصيص گيت به پروازها در فرودگاه (مطالعه موردي: مهرآباد)، پژوهشنامه حمل و نقل، سال دهم، شماره اول، صص 45-54.
4- نادرپژوه، نادر. افشار، عباس.صادقی، سيد عليرضا ميرمحمد.1384، سامانه ى پشتيبان تصميم گيرى فازى در مرحله ى ارزيابى مهندسى ارزش. فصل نامه علمي- پژوهشي دانشکده مهندسي صنايع دانشگاه علم و صنعت ايران.
5- نعمتی، نرگس، 1394، توسعه سیستم پشتیبان تصمیم مدیریت ریسک سازمان در شرکت توسعه و نگهداری اماکن ورزشی کشور، فصلنامه علمي پژوهشي دانش سرمايه گذاري، سال چهارم/ شماره پانزدهم.
6- Beemer BA, Gregg DG (2008) Advisory systems to support decision making. In: Burstein F, Holsapple CW (eds) Handbook on decision support systems 1. International handbooks information system. Springer, Berlin, pp 511–528.
7- Bevilacqua, M., Ciarapica, F. E., Giacchetta, G., (2006). A fuzzy-QFD approach to supplier selection, Journal of Purchasing & Supply Management.
8- Bhattacharya, A., Geraghty, J., Young, P., (2010). Supplier selection paradigm: An integrated hierarchical QFD methodology under multiple-criteria environment. Applied Soft Computing.
9- Cebeci. U. 2009, Fuzzy AHP-based decision support system for selecting ERP systems in textile industry by using balanced scorecard. Expert Systems with Applications 36 8900–8909.
10- Chan, F. T. S., Kumar, N., (2007). Global supplier development considering risk factors using fuzzy extended AHP-based approach. OMEGA.
11- Erdem, A. S., & Göçen, E. (2012). Development of a decision support system for supplier evaluation and order allocation. Expert Systems with Applications, 39(5), 4927-4937.
12- Gonzaılez, M. E., Quesada, G., Monge, C. A. M., (2004). Determining the importance of the supplier selection process in manufacturing: a case study. International Journal of Physical Distribution & Logistics Management.
13- Ivanov. S. V.2014. Evaluation of in-vehicle decision support system for emergency evacuation. ICCS 2014. 14th International Conference on Computational Science. Volume 29.
14- Lizarralde, I. Esquirol, P and Riviere, A.2011, A Desicion Support System To Scheshule Design Activites With Interdependency And Resource Constrains. Projectics. p. 89-103.
15- Meulendijk ,M. C. and et all. 2016. Efficiency of Clinical Decision Support Systems Improves with Experience.
16- Ni, M., Xu, X., Deng, S., (2007). Extended QFD and data-mining-based methods for supplier selection in mass customization. International Journal of Computer Integrated Manufacturing.
17- Pham1, H. V, Tran , K. D and Kamei , K.2014. International Journal of Innovative Computing, Information and Control Volume 10, Number 1.
18- Pinto, R., Mettler, T., & Taisch, M. (2013). Managing supplier delivery reliability risk under limited information: Foundations for a human-in-the-loop DSS. Decision Support Systems, 54(2), 1076-1084.
19- Vokurka, R. J., Choobineh, J., Vadi, L., (1996). A prototype expert system for the evaluation and selection of potential suppliers. International Journal of Operations and Production Management.
20- Wu, D. (2009). Supplier selection in a fuzzy group setting: A method using grey related analysis and Dempster–Shafer theory. Expert Systems with Applications, 36(5), 8892-8899.