شناسایی و تعیین اولویت شاخص های بهینه سازی زنجیره تأمین مالی در راستای بهبود عملکرد

الموضوعات : دانش سرمایه‌گذاری

ریحانه زیلوچی ¹ , محمدابراهیم محمدپورزرندی ² , زاداله فتحی ³

1 - دانشجوی دکتری، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
2 - استاد تمام، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران .
3 - استادیار، گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.

تاريخ الإرسال : 02 السبت , جمادى الأولى, 1444 تاريخ التأكيد : 19 الثلاثاء , شوال, 1444 تاريخ الإصدار : 19 الأحد , ربيع الأول, 1446

الکلمات المفتاحية: مدل سوارا, بهبود عملکرد, بهینه سازی زنجیره تأمین مالی, اولویت بندی شاخص ها,

ملخص المقالة :

این تحقیق، مطالعه ای ترکیبی از نوع متوالی است به این معنا که اول داده های کیفی حاصل از بررسی ادبیات از طریق مصاحبه های عمیق صورت گرفته جمع آوری شده و سپس تحلیل می گردند. پس از جمع آوری داده ها و شناسایی آن ها، با استفاده از نظر خبرگان مرحله کدگذاری به روش سوارا انجام گرفت. گرد آوری داده ها با توجه به اطلاعات و داده های قابل استناد شرکت های بزرگ پذیرفته شده در بورس و سامانه کدال بوده و از گزارش ها و صورت های مالی شرکت های صنعت ماشین آلات و تجهیزات مذکور استفاده گردید. خبرگان مورد بررسی نیز کلیه مدیران و کارشناسان شرکت های صنعت ماشین آلات و تجهیزات و اساتید دانشگاه ها می باشند که به نوعی در مفاهیم پژوهش حاضر خبره محسوب می گردند. بطور کلی هدف اساسی در این پژوهش ارائه مدلی از زنجیره تأمین مالی است که بتواند شاخص های بهینه سازی شده تأثیرگذار در زنجیره تأمین مالی را به منظور بهبود عملکرد، شناسایی و به ترتیب میزان تأثیرگذاری هرکدام معرفی نماید. این پژوهش مدلی از زنجیره تأمین مالی را ایجاد می کند که مدیریت و کنترل ریسک و موانع و تنگناها، همچنین اثرات تصمیم تأمین مالی، و رابطه بین مدیریت زنجیره تأمین مالی را مورد مطالعه قرار می دهد و در نهایت نشان می دهد چه عواملی می تواند باعث بهبود و ارتقاء چرخه تولید شده و عملکرد شرکت را تحت تاثیر قرار دهد.

المصادر:

• افخمی، رضا.(1389).مدیریت چرخه تولید تا مصرف داده های پژوهشی: چالش ها و فرصت ها،همایش ملی مدیریت پژوهش و فناوری.


• اصغری زاده، عزت اله.محمدی بالایی، عبدالکریم.(1396). تکنیک های تصمیم گیری چندشاخصه. انتشارات دانشگاه تهران.


• پیرایش، رضا و ارشدی، سمیه،1401،بررسی تاثیر مدیریت زنجیره تامین بر کیفیت محصول و عملکرد مالی در شرکتهای شهرک صنعتی روی شهر زنجان،سومین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع، مدیریت و حسابداری،چابهار،https://civilica.com/doc/1565001


• حاجیلو، مهدی. نصراللهی، مهدی. قاسمی، احمدرضا.(1397). تاثیر عوامل تولید بهنگام بر عملکرد زنجیره تامین با نقش میانجیگری عملکرد تولید و پایدار در شرکت های منتخب پارک علم و فناوری دانشگاه تهران. پایان‌نامه برای دریافت درجه کارشناسی ارشد رشته مدیریت صنعتی گرایش تحقیق در عملیات. موسسه غیرانتفاعی ارشاد دماوند.


• خاتمی فیروزآبادی، سید محمد علی و مرادی، حمید و فیضی، کامران،1400،مدلی ریاضی برای تامین مالی شرکتهای کوچک و متوسط تولیدی در زنجیره تامین


• شاهبندرزاده، حمید. کبگانی، محمدحسین.(1396). تحلیل کمی ریسک های موجود در مدیریت زنجیره تامین سبز با استفاده از مدل سازی ریاضی. فصلنامه پژوهشنامه بازرگانی. شماره 82.


• عسگرنژادنوری، باقر. امکانی، پریسا.(1396). تأثیر مدیریت اثربخش ریسک در عملکرد مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران: نقش واسطه ای سرمایه فکری و اهرم مالی.


• کلانتری، محدثه. پیشوایی، میرسامان. یعقوبی، سعید. (1394). یک مدل بهینه سازی چند هدفه برای یکپارچه سازی جریان مالی و فیزیکی در برنامه ریزی اصلی زنجیره تأمین. چشم انداز مدیریت صنعتی. شماره 19. 9-31


• محمدی، امیرسالار. عالم تبریز، اکبر. پیشوایی، میرسامان.(1397). ارائه‌یک‌ مدل ‌برای‌برنامه ریزی ‌اصلی‌زنجیره تأمین پایدار ‌با ملاحظه یکپارچگی ‌جریان ‌مالی ‌و ‌فیزیکی. چشم انداز ‌مدیریت‌ صنعتی. شماره 29. صص 39-62.


• همتی، داود و طالبانی، نسترن،1400،شناسایی شاخص های مدل مدیریت ریسک مالی زنجیره تامین اینترنتی،نهمین کنفرانس بین المللی مدیریت امور مالی، تجارت، بانک، اقتصاد و حسابداری


• Bal, M., & Pawlicka, K. (2021). Supply chain finance and challenges of modern supply chains. LogForum, 17(1).‏


• Chen, J., Cai, T., He, W., Chen, L., Zhao, G., Zou, W., & Guo, L. (2020). A blockchain-driven supply chain finance application for auto retail industry. Entropy, 22(1), 95.‏


• Farsijani, H. & Moradi, M. (2019). Identification and Prioritization of Risk and the effect of the Renewable Energy Life Cycle based on performance and risk indicators, ANP Gray approach. International Journal of Accounting and Finance.


• Ghadimi, P., Wang, C., & Lim, M. K. (2019). Sustainable supply chain modeling and analysis: Past debate, present problems and future challenges. Resources, conservation and recycling, 140, 72-84.‏


• Gugulothu, S. K. (2020). A novel assessment study on a dynamic analysis of hydrodynamic journal bearing performance: A Taguchi-fuzzy based approach optimization. Transportation Engineering, 2, 100033.‏


• Himma-Kadakas, M. (2017). Alternative facts and fake news entering journalistic content production cycle. Cosmopolitan Civil Societies: An Interdisciplinary Journal, 9(2), 25-41.‏


• Lam, H. K., & Zhan, Y. (2021). The impacts of supply chain finance initiatives on firm risk: evidence from service providers listed in the US. International Journal of Operations & Production Management.‏


• Li, T., Yang, J., & Cui, D. (2021). Artificial-intelligence-based algorithms in multi-access edge computing for the performance optimization control of a benchmark microgrid. Physical Communication, 44, 101240.‏


• Lam, H. K., & Zhan, Y. (2021). The impacts of supply chain finance initiatives on firm risk: evidence from service providers listed in the US. International Journal of Operations & Production Management.‏


• Moraes, C. A., Fernandes, I. J., Calheiro, D., Kieling, A. G., Brehm, F. A., Rigon, M. R., ... & Osorio, E. (2014). Review of the rice production cycle: by-products and the main applications focusing on rice husk combustion and ash recycling. Waste Management & Research, 32(11), 1034-1048.‏


• Moretto, A., & Caniato, F. (2021). Can Supply Chain Finance help mitigate the financial disruption brought by Covid-19?. Journal of Purchasing and Supply Management, 100713.‏


• Sim, J., & Prabhu, V. V. (2022). The impact of credit risk on cash-bullwhip in supply chain. The Engineering Economist, 67(4), 266-287.‏


• Wang, L., Jia, F., Chen, L., & Xu, Q. (2022). Forecasting SMEs’ credit risk in supply chain finance with a sampling strategy based on machine learning techniques. Annals of Operations Research, 1-33.‏


• Yang, Q., Wang, Y., & Ren, Y. (2019). Research on financial risk management model of internet supply chain based on data science. Cognitive Systems Research, 56, 50-55


• Yan, N., & Sun, B. (2013). Coordinating loan strategies for supply chain financing with limited credit. OR spectrum, 35(4), 1039-1058.‏