مدل ترکیبی تاپسیس فازی و برنامه ریسی آرمانی برای انتخاب تأمین کننده و تخصیص سفارشات
الموضوعات :Ebrahim Noori Raj 1 , Mohamad Reza Lotfi 2 , Alireza Rashidi Komijan 3
1 - M.A in Industrial Management, Firoozkoh Branch, Islamic Azad University, Firoozkoh, Iran
2 - Assistant Professor, Department of Industrial Management, Firoozkoh Branch, Islamic Azad University, Firoozkoh, Iran
3 - Assistant Professor, Department of Industrial Management, Firoozkoh Branch, Islamic Azad University, Firoozkoh, Iran
الکلمات المفتاحية: انتخاب تأمین کننده, تصمیم گیری چند معیاره, تاپسیس فازی, برنامه ریزی آرمانی, تخصیص سفار شات,
ملخص المقالة :
در مسأله انتخاب تأمین کننده نمی توان قیمت رابه عنوان تنها ملاک انتخاب تامینکنندگان دانست بلکه مسأله انتخاب تأمین کننده یک مسئلهی تصمیمگیری چندمعیاره است که شامل معیارهای کمیوکیفی مانند قیمتکیفیت کالا خدمات زمان تحویل و غیره است که این معیارها نیز ممکن است خود شامل زیر معیارهایی باشند. در دنیای واقعی به دلیل وجود اطلاعات نادقیق تصمیمگیری بر اساس اطلاعات نادقیق و واژه هایزبانیبیان میشود بنابراین برای تصمیم گیری نزدیکبه واقعیت می توان دراین موارد از تئوری مجموعه های فازیاستفاده کرد. در این پژوهشبه ارائة مدلترکیبی تاپسیس فازی(که معیارهای تصمیم گیری دارای زیر معیار میباشند) وبرنامه ریزی آرمانی برای مسألهانتخابتامینکننده وهمچنین تخصیص سفارشاتبهتأمینکنندگانپرداخته ایم . در قسمت اول مدلبه دلیلاستفاده از اطلاعات نادقیق ومبهم مانند واژه هایزبانی ازکاربردترکیب تئوری مجموعه های فازی وتصمیم گیری گروهیباتاپسیسبهرهبرده ایم و وزن های بدست آمده از قسمت اولبه عنوان ورودی برای ضرایب اولین هدف در مدل چند هدفهبه کارگرفته شده ودرقسمت دوم مدلبااستفاده ازکاربردبرنامه ریزی چند هدفه آرمانیکه شامل اهدافی مانند : حداکثرنمودن ارزش کل خریدء حداقل نمودن هزینه کل خرید. حداقل کردن اقلام معیوب وحداقل کردن زمان تحویل کل می باشد و نیز در نظرگرفتن محدودیت هایی مانندظرفیتتمینکنندگان و برآورده کردن تقاضای خریدار تخصیص سفارشات انجام شده است . با توجه به نتایج حاصله از حل مدل دو مرحله ای می توان ادعا نمودکه مدل ارائه شده قادراستبا در نظرگرفتن معیارهای کمیوکیفی و نیز محدودیتهای موجودبه طور همزمانبه حل مسأله یانتخابتامینکننده و تخصیص سفارشاتبه آنهابپردازدبهگونه ای که سطوح رضایت بخش برای دسترسیبه اهداف چندگانه را ارضا نماید. در آخر رویکردترکیبی مذکور برای روشن شدن و تفسیر مدل در کارخانه زمزم تهرانبه کارگرفته شده است ؛ برای حل مدل آرمانی چندگزینه ای از برناسة استفاده شده است.
Supplier Selection Problem in a supply chain. International Journal of Industrial Eng. &
Production Research,19(4):1-8.
2. Azaiez M.N. & Al Sharif S.S. (2005). A 0-1 goal programming model for nurse
scheduling . Computers & Operations Research, 32,491-507.
3. Chang, C. T. (2008). Revised multi-choice goal programming. Applied Mathematical
Modeling, 32, 2587–2595.
4. Chen, C. T., Lin, C. T., & Huang, S. F. (2006). A fuzzy approach for suppler evaluation
and selection in supply chain management. International Journal of Production
Economics, 102, 289–301.
5. Chen Z. and Yang W. (2011). An MAGDM based on constrained FAHP and FTOPSIS
and its application to supplier selection. Mathematical and Computer Modeling, 54, 2802–
2815.
6. Chou, C.C. (2003). The canonical representation of multiplication operation on triangular
fuzzy numbers. International Journal of Computers and Mathematics with Applications,
45,1601-1610.
7. Dalalah D., Hayajneh M. and Batieha, F. (2011). A fuzzy multi-criteria decision making
model for supplier selection. Expert Systems with Applications, 38, 8384–8391.
8. Dickson, G. W. (1966). An analysis of supplier selection system and decision. Journal of
Purchasing, 2(1), 5–17.
9. Ellram, L. (1990). The supplier selection decision in strategic partnerships. Journal of
Purchasing and Material Management, 26(1), 8–14.
10. Evans, R. H. (1980). Choice criteria revisited. Journal of Marketing, 44(1): 55–56.
11. Faeza, F., Ghodsypour, S. H., & O’Brien C. )2009(. Vendor selection and order allocation
using an integrated fuzzy case-based reasoning and mathematical programming model .
Int. J. Production Economics, 121, 395–408.
12. Famuyiwa O., Monplaisir L., & Nepal, B. (2008). An integrated fuzzy-goalprogramming-based framework for selecting suppliers in strategic alliance formation , Int.
J. Production Economics,113, 862–875.
13. Ghosypour S.H. & O’Brien, C. (1998). A decision support system for supplier selection
using an integrated analytic hierarchy process and linear programming. International
Journal of Production Economics, 199-212:56-7.
14. Jadidi O., Hong T.S., Firouzi F., Yusuf, R. M. & Zulkifli, N. (2008). TOPSIS and fuzzy
multi-objective model integration for supplier selection problem. Journal of Achievements
in Materials, 31(2).
15. Liao S.N. & Kao H.P. (2011). An integrated fuzzy TOPSIS and MCGP approach to
supplier selection in supply chain management. Expert Systems with Applications, 38
,10803–10811.
16. Lin, H. T., & Chang, W. L. (2008). Order selection and pricing methods using flexible
quantity and fuzzy approach for buyer evaluation. European Journal of operational
Research, 187(2), 415–428.
17. Montazer G.A., Saremi H.Q. & Ramezani M. (2009). Design a new mixed expert decision
aiding system using fuzzy ELECTRE III method for vendor selection. Expert Systems
with Applications, 36, 10837–10847.
18. Ozgen D. , Onut S., Gulsun B., Rıfat U.and Tuzkaya G. (2008). A two-phase possibility
linear programming methodology for multi-objective supplier evaluation and order
allocation problems. Information Sciences, 178 ,485–500
19. Shahanaghi K. abd Yazdian S.A. (2009). Vendor Selection Using a New Fuzzy Group
TOPSIS Approach. Journal of Uncertain Systems, 3(3), 221-231.
20. Ustun O. and DemirtasE.A. (2008). An integrated multi-objective decision-making
process for multi-period lot-sizing with supplier selection .the int. Journal of management
science- Omega, 36, 509 – 521.
21. Wang G., Hang S.H. and Dismukes J.P.(2004). Product-driven supply chain selection
using integrated multi-criteria decision making methodology. International Journal of
Production Economics, 91 1-15.
22. Weber, C. L., Current, J. R., & Benton, W. C. (1991). Vendor selection criteria and
methods. European Journal of Operational Research, 50(1), 2–18.
23. Xu J. and Yan F. (2011). A multi-objective decision making model for the vendor
selection problem in a bi fuzzy environment. Expert Systems with Applications, 38,
9684–9695.
24. Yang J.L., Chiu H.N., Tzeng G.H. & Yeh R.H. (2008). Vendor selection by integrated
fuzzy MCDM techniques with independent and interdependent relationships. Information
Amid A. and Ghodsypour S.H.)2008). An Additive Weighted Fuzzy Programming for
Supplier Selection Problem in a supply chain. International Journal of Industrial Eng. &
Production Research,19(4):1-8.
2. Azaiez M.N. & Al Sharif S.S. (2005). A 0-1 goal programming model for nurse
scheduling . Computers & Operations Research, 32,491-507.
3. Chang, C. T. (2008). Revised multi-choice goal programming. Applied Mathematical
Modeling, 32, 2587–2595.
4. Chen, C. T., Lin, C. T., & Huang, S. F. (2006). A fuzzy approach for suppler evaluation
and selection in supply chain management. International Journal of Production
Economics, 102, 289–301.
5. Chen Z. and Yang W. (2011). An MAGDM based on constrained FAHP and FTOPSIS
and its application to supplier selection. Mathematical and Computer Modeling, 54, 2802–
2815.
6. Chou, C.C. (2003). The canonical representation of multiplication operation on triangular
fuzzy numbers. International Journal of Computers and Mathematics with Applications,
45,1601-1610.
7. Dalalah D., Hayajneh M. and Batieha, F. (2011). A fuzzy multi-criteria decision making
model for supplier selection. Expert Systems with Applications, 38, 8384–8391.
8. Dickson, G. W. (1966). An analysis of supplier selection system and decision. Journal of
Purchasing, 2(1), 5–17.
9. Ellram, L. (1990). The supplier selection decision in strategic partnerships. Journal of
Purchasing and Material Management, 26(1), 8–14.
10. Evans, R. H. (1980). Choice criteria revisited. Journal of Marketing, 44(1): 55–56.
11. Faeza, F., Ghodsypour, S. H., & O’Brien C. )2009(. Vendor selection and order allocation
using an integrated fuzzy case-based reasoning and mathematical programming model .
Int. J. Production Economics, 121, 395–408.
12. Famuyiwa O., Monplaisir L., & Nepal, B. (2008). An integrated fuzzy-goalprogramming-based framework for selecting suppliers in strategic alliance formation , Int.
J. Production Economics,113, 862–875.
13. Ghosypour S.H. & O’Brien, C. (1998). A decision support system for supplier selection
using an integrated analytic hierarchy process and linear programming. International
Journal of Production Economics, 199-212:56-7.
14. Jadidi O., Hong T.S., Firouzi F., Yusuf, R. M. & Zulkifli, N. (2008). TOPSIS and fuzzy
multi-objective model integration for supplier selection problem. Journal of Achievements
in Materials, 31(2).
15. Liao S.N. & Kao H.P. (2011). An integrated fuzzy TOPSIS and MCGP approach to
supplier selection in supply chain management. Expert Systems with Applications, 38
,10803–10811.
16. Lin, H. T., & Chang, W. L. (2008). Order selection and pricing methods using flexible
quantity and fuzzy approach for buyer evaluation. European Journal of operational
Research, 187(2), 415–428.
17. Montazer G.A., Saremi H.Q. & Ramezani M. (2009). Design a new mixed expert decision
aiding system using fuzzy ELECTRE III method for vendor selection. Expert Systems
with Applications, 36, 10837–10847.
18. Ozgen D. , Onut S., Gulsun B., Rıfat U.and Tuzkaya G. (2008). A two-phase possibility
linear programming methodology for multi-objective supplier evaluation and order
allocation problems. Information Sciences, 178 ,485–500
19. Shahanaghi K. abd Yazdian S.A. (2009). Vendor Selection Using a New Fuzzy Group
TOPSIS Approach. Journal of Uncertain Systems, 3(3), 221-231.
20. Ustun O. and DemirtasE.A. (2008). An integrated multi-objective decision-making
process for multi-period lot-sizing with supplier selection .the int. Journal of management
science- Omega, 36, 509 – 521.
21. Wang G., Hang S.H. and Dismukes J.P.(2004). Product-driven supply chain selection
using integrated multi-criteria decision making methodology. International Journal of
Production Economics, 91 1-15.
22. Weber, C. L., Current, J. R., & Benton, W. C. (1991). Vendor selection criteria and
methods. European Journal of Operational Research, 50(1), 2–18.
23. Xu J. and Yan F. (2011). A multi-objective decision making model for the vendor
selection problem in a bi fuzzy environment. Expert Systems with Applications, 38,
9684–9695.
24. Yang J.L., Chiu H.N., Tzeng G.H. & Yeh R.H. (2008). Vendor selection by integrated
fuzzy MCDM techniques with independent and interdependent relationships. Information
Sciences, 178, 4166–4183.