The new hybrid SELKA method for evaluation, ranking and selection of green suppliers in the supply chain

Subject Areas : Environmental Economics

Elham Shadkam ¹ (Assistant Pprofessor of Industrial Engineering, Faculty of Eng., Khayyam University, Mashhad, Iran. *(Corresponding Author))
Fatemeh Adineh ² (Master of Science of Industrial Engineering, Faculty of Eng., Khayyam University, Mashhad, Iran.)

Received: 2020-09-13 Accepted : 2022-02-26 Published : 2024-04-20

Keywords: Supply Chain, Green Suppliers, Analytical Hierarchy, Data Envelopment Analysis, Wind Power Plant.,

Abstract :

Background and Objective: With the increasing number of environmental problems, it is very important to pay attention to environmental standards in the supply chain and has led to the creation of a green supply chain that causes the least damage to the environment. Evaluating, ranking and selecting a green supplier in the supply chain is important in order to reduce costs and achieve more profit and thus increase the efficiency and performance of the supply chain. The purpose of this article is to evaluate and select the best green suppliers of wind farm equipment using SELKA proposed approach and to prioritize suppliers according to economic and environmental criteria in the supply chain using this method. Material and Methodology: In this paper, a hybrid approach called SELKA method is presented, which is a combination of data envelopment analysis methods and hierarchical analysis process, and the crossover matrix of efficiency is used instead of the matrix of weights. Findings: The most important advantage of the proposed approach is to simultaneously consider the efficiency of suppliers and evaluate them according to the existing criteria, which is not considered in any of the decision-making methods, and thus leads to a more accurate and efficient evaluation of suppliers. Discussion and Conclusion: In order to validate SELKA's proposed method, the issue of evaluation and selection of green suppliers in wind power plants is discussed and the results are compared with similar methods. The results show the superiority of the proposed method of the article in the ranking of suppliers and selects more efficient suppliers.

References:

1. HART, S. L., DOWELL, G., “invited editorial: a natural-resource-based view of the firm: fifteen years after”, Journal of Management, 2011, 37: 1464-1479.
2. “Renewable energy organization of iran (suna).” (Online). Available: http://www.suna.org.ir
3. Fallahian-Najafabadi, A., Kazemi, S., Latifi, I., Soltanmohammad, N., “A green managerial criteria pyramid model and key criteria for green supplier evaluation,” Adv. Environ. Biol., 2013, 7 (11): 3505–3516.
4. Che Z. H, Wang H. S. “Supplier selection and supply quantity allocation of common and non-common parts with multiple criteria under multiple products”, Computers & Industrial Engineering; 2008, 55, 110–133.
5. Pi, WN., Low, C., “Supplier evaluation and selection via Taguchi loss functions and an AHP”, International Journal of Advance Manufacturing Technology; 2006, 27 (5–6): 625-630.
6. Shen, Z, Zhu, Q., Wu, G., Theory, methodology and application of DEA, 1996, Science Press, Beijing.
7. Liu, J., Ding, F., Lall, V., “Using data envelopment analysis to compare suppliers for supplier selection and performance improvement”, The Journal of Supply Chain Management, 2000, 5(3): 143-150.
8. Mashli, A., Mohammadi Tabar, D., “Selecting suppliers with a cooperative game theory approach, taking into account capacity constraints and simultaneous delivery of items”, Industrial Engineering Research in Production Systems, 2017, No. 10, 83-97. (In Persian)
9. Hashemi, S. H., Karimi, A., Tavana, M., “An integrated green supplier selection approach with analytic network process and improved Grey relational analysis,” Int. J. Prod. Econ., 2015, 159, 178–191.
10. Lin, C.-T., Chen, C.-B., Ting, Y.-C., “a green purchasing model by using ANP and LP methods” J. Test. Eval., 2012, 40 (2): 03–210.
11. Kuo, T. C., Hsu, C.-W., Li, J.-Y., “Developing a green supplier selection model by using the DANP with VIKOR” 2015, 7 (2): 1661-1689.
12. Dobos, I., Vorosmarty, G., “Green supplier selection and evaluation using DEA-type composite indicators” Int. J. Prod. Econ., 2014, (157): 273–278.
13. Lee, A. H. I., Kang, H.-Y., Hsu C.-F., Hung, H.-C., “A green supplier selection model for high-tech industry,” Expert Syst. Appl., 2009, 36 (4): 7917–7927.
14. Kannan, D., Jabbour, A. B. L. D. S., Jabbour, C. J. C., “Selecting green suppliers based on GSCM practices: Using fuzzy TOPSIS applied to a Brazilian electronics company,” Eur. J. Oper. Res., 2014, 233 (2): 432–447.
15. Shen, L., Olfat, L., Govindan, K., “A fuzzy multi criteria approach for evaluating green supplier’s performance in green supply chain with linguistic preferences,” Resour. Conserv., 2013, (74): 70–179.
16. Mahjoubnia, M., Dabiri, N., Bozorgi Amiri, A., “Presenting a new model of location-routing-green inventory under uncertainty Journal of Industrial Engineering Research in Production Systems, 2017, 5(10), 99-115. (In Persian)
17. Oroojeni, M. J., Darvishi, M., “Green supplier selection for the steel industry using BWM and fuzzy TOPSIS: A case study of Khouzestan steel company”, Sustainable Futures, 2020, (2), 14-43.
18. Kilic, H. S., Yalcin, A. S., “Modified two-phase fuzzy goal programming integrated with IF-TOPSIS for green supplier selection”, Applied Soft Computing, 2020, 93. 34-57,
19. Gupta, Sh., Soni, U., Girish Kumar, G., “Green supplier selection using multi-criterion decision making under fuzzy environment: A case study in automotive industry”, Computers & Industrial Engineering, 2019, (136): 663-680.
20. Ghaderi, S. F., Hakimi Asl, M., Nasrollahi M., Hakimi Asl A. “ Provide a hybrid approach to ranking and selecting green suppliers of wind farm equipment using principal component analysis and TOPSIS”, International Conference on Industrial Engineering. Tehran, 2016, 510-518. (In Persian)
21. LA Zadeh, L. A., “Fuzzy sets,” Inf. Control, 1965, 8 (3): 338–353.
22. Chen, S. J. J., Hwang, C. L., Beckmann, M. J., Krelle, W., Fuzzy multiple attribute decision making: methods and applications. 1992, Springer-Verlag New York, Inc.
23. Tong, Li Zhong, Jindan Wang, and Zhongmin Pu. "Sustainable supplier selection for SMEs based on an extended PROMETHEE Ⅱ approach." Journal of Cleaner Production, 330 (2022): 129830.

Full-Text:



ارائه روش تلفیقی نوين سلكا جهت ارزیابی، رتبه­بندی و انتخاب تأمین‌کننده سبز در زنجیره‌تأمین

چكيده 

زمینه و هدف: با افزایش روزافزون معضلات و مشکلات زیست محیطی، توجه به معیارهای زیست محیطی در زنجیره‌تأمین بسیار ضروری است و منجر به ایجاد زنجیره‌تأمین سبز گردیده است که کمترین آسیب را به محیط زیست وارد کند. ارزیابی، رتبه­بندی و انتخاب تأمین‌کننده سبز در زنجیره‌تأمین امری مهم در جهت کاهش هزینه‌ها و دستیابی به سود بیشتر و در نتیجه افزایش کارایی و عملکرد زنجیره‌تأمین می‌باشد. هدف از ارائه این مقاله، ارزیابی و انتخاب بهترین تامین‌کنندگان سبز تجهیزات نیروگاه برق بادی با استفاده از رویکرد پیشنهادی سلكا می‌باشد و اولویت‌بندی تامین­کنندگان با توجه به معیارهای اقتصادی و زیست محیطی در زنجیره‌تأمین با استفاده از‌اين روش صورت می‌گیرد.

مواد و روش‌ها: در این مقاله رویکرد ترکیبی به نام روش سلكا ارائه می‌گردد که ترکیبی از روش‌های تحلیل پوششی داده‌ها و فرآیند تحلیل سلسه مراتبی می‌باشد و در واقع به فرآيند تحليل سلسله مراتبي كارايي تامین‌کنندگان مي‌پردازد و از ماتريس متقاطع كارايي بجاي ماتريس اوزان استفاده مي‌گردد.

يافته‌ها: مهم ترين مزيت رويكرد پيشنهادي در نظر گرفتن همزمان كارايي تامين كنندگان و ارزيابي آنها با توجه به معيارهاي موجود مي‌باشد كه در هيچ يك از روش‌هاي تصميم‌گيري لحاظ نشده است و در نتيجه به ارزيابي دقيق تر و كاراتر تامين كنندگان منجر مي‌گردد.

بحث و نتيجه گيری: به منظور اعتبارسنجی روش پیشنهادی سلكا، به مساله ارزيابي و انتخاب تامين كنندگان سبز در نيروگاه‌هاي برق-بادي پرداخته مي‌شود و نتايج با روش‌هاي مشابه مقايسه مي‌گرديد. نتایج نشان دهنده برتری روش پیشنهادی مقاله در رتبه بندی تامین­کنندگان مي‌باشد و تامين كنندگاني كاراتر را انتخاب مي‌نمايد. 

كلمات كليدي: زنجیره‌تأمین، تامین‌کنندگان سبز، فرآیند تحلیل سلسله مراتبی، تحلیل پوششی داده‌ها، نیروگاه برق بادی.

The new hybrid SELKA method for evaluation, ranking and selection of green suppliers in the supply chain

Abstract        

Background and Objective: With the increasing number of environmental problems, it is very important to pay attention to environmental standards in the supply chain and has led to the creation of a green supply chain that causes the least damage to the environment. Evaluating, ranking and selecting a green supplier in the supply chain is important in order to reduce costs and achieve more profit and thus increase the efficiency and performance of the supply chain. The purpose of this article is to evaluate and select the best green suppliers of wind farm equipment using SELKA proposed approach and to prioritize suppliers according to economic and environmental criteria in the supply chain using this method.

Materials and Methods: In this paper, a hybrid approach called SELKA method is presented, which is a combination of data envelopment analysis methods and hierarchical analysis process, and the crossover matrix of efficiency is used instead of the matrix of weights.

Findings: The most important advantage of the proposed approach is to simultaneously consider the efficiency of suppliers and evaluate them according to the existing criteria, which is not considered in any of the decision-making methods, and thus leads to a more accurate and efficient evaluation of suppliers.

Discussion and Conclusion: In order to validate SELKA's proposed method, the issue of evaluation and selection of green suppliers in wind power plants is discussed and the results are compared with similar methods. The results show the superiority of the proposed method of the article in the ranking of suppliers and selects more efficient suppliers.

Keywords: Supply Chain, Green Suppliers, Analytical Hierarchy, Data Envelopment Analysis, Wind Power Plant.

 

1.       مقدمه

در دنیای امروز مسائل و مشکلات زیست محیطی تنها چالشی برای فعالان محیط زیست نیست. بلکه این مشکلات تقریبا بر همه اجزا جوامع اثر می‌گذارند، خصوصا در بخش صنعت که می­توان به جرأت به این مطلب اذعان داشت که این مسائل به عنوان یک بحران ویژه مطرح هستند[1]. ایران به دلیل واقع شدن در بخش غربی فلات و جنوب غربی آسیا، کشوری کوهستانی محسوب می‌گردد که دارای مناطق بادخیز متعددی است. علاوه بر این، مطالعات میدانی صورت گرفته توسط سازمان انرژی نو ایران (سانا)، در 45 سایت و 26 منطقه از کشور نیز نشان می‌دهد که قابلیت تولید برق بادی در ایران 6500 مگاوات است. بر همین اساس، ایران دارای پتانسیل قابل توجه در زمینه احداث نیروگاه‌های بادی به منظور تولید برق است[2]. انرژی بادی دارای مزایای متعددی است که در ادامه به شرح مختصری پرداخته می‌شود.  انرژی بادی از لحاظ اقتصادی به شدت رقابتی است، عدم نیاز توربین‌های بادی به سوخت که در نتیجه از میزان مصرف سوخت‌های فسیلی می‌کاهد. به منابع انرژی و ایجاد سیستم پایدار انرژی تنوع می‌بخشید، قدرت مانور برای بهره برداری در هر ظرفیت افزایش می‌یابد و آلودگی محیط زیست نسبت به سوخت‌های فسیلی کاهش می‌یابد. گسترش روز افزون نیاز به انرژی و در نتیجه افزایش قابل توجه استفاده از سوخت‌های فسیلی و انتشار گازهای گل خانه‌ای ناشی از آن، باعث شده تا توسعه سبز به مرکز توجه جهانی تبدیل شود. مدیریت زنجیره‌تأمین سبز، رویکردی است که بر استفاده هر چه بهتر از منابع و کاهش اثرات زیان بار ناشی از آن بر روی محیط زیست در طول تمام مراحل چرخه عمر محصول تمرکز دارد [3]. 

تحقیقات متعددی در زمینه انتخاب تامین­کننده سبز صورت گرفته است که هر یک دارای مزایا و معایبی می‌باشد. در تمامي روش­هاي مورد استفاده در اين مساله، صرفا به ارزيابي و انتخاب تامين كنندگان پرداخته شده است و مبحث كارايي مورد غفلت قرار گرفته است و در اين پژوهش موضوع كارايي به صورت همزمان با ارزيابي و انتخاب تامين­كننده پوشش داده مي شود. همچنين از تلفيق روش فرآيند سلسله مراتبي و روش تحليل پوششي داده­ها به نحوي كه در اين مقاله پيشنهاد شده است تا كنون در پژوهشي مورد بررسي قرار نگرفته است.

 هدف اصلي‌اين پژوهش ارائه روشي نوين جهت ارزيابي و انتخاب گزينه‌ها در مسايل تصميم‌گيري مي‌باشد كه بتواند با دقت خوبي گزينه برتر را انتخاب نمايد و تمايز و رتبه بندي خوبي بين ساير گزينه‌ها‌ايجاد نمايد. مهم‌ترين مزيت‌اين روش در نظر گرفتن همزمان كارايي در كنار تصميم‌گيري و ارزيابي گزينه‌ها مي‌باشد كه تا كنون در روش‌هاي تصميم‌گيري مورد بررسي قرار نگرفته است. به منظور بررسي عملكرد‌اين روش مساله انتخاب تامين كننده سبز بررسي شده است كه يكي ديگر از اهداف‌اين پژوهش مي‌باشد. در واقع هدف تعيين بهترين و كاراترين تامين كننده در زنجيره تامين سبز در صنعت نيروگاه‌هاي برق-بادي مي‌باشد. در ادامه در ابتدا به بررسي زمينه و هدف پژوهش پرداخته مي‌شود. سپس روش پژوهش و ابزارهاي مورد استفاده در مقاله تشريح مي‌گردند. پس از آن یک مساله کاربردی، مربوط به مقایسه و رتبه‌بندی شرکت‌های تولید توربین‌های بادی در یک نیروگاه برق بررسی می­گردد و در نهایت به منظور نشان دادن کارایی مدل رویکرد پیشنهادی با رویکرد مشابه مقایسه خواهد شد.

 

زمینه و هدف

با توجه به مزایای انفرادی که هر یک از دو روش تحلیل پوششی داده‌ها DEA (Data Envelopment Analysis) و فرآیند تحلیل سلسله مراتبی AHP (Analytic hierarchy process) بصورت مجزا دارند، با ترکیب آنها می‌توان از تمام مزایا بصورت همزمان بهره برد. در این مقاله رویکرد ترکیبی سلكا ارائه شده است که بصورت همزمان از مزایای روش‌های تحلیل پوششی داده‌ها و فرآیند تحلیل سلسله مراتبی بهره می‌برد. هر یک از این روش‌ها کاربردی متفاوت و منحصر به خود دارند، تحلیل پوششی داده‌ها برای محاسبه صرفا کارایی می‌باشد و فرآیند تحلیل سلسله مراتبی جهت ارزيابي و انتخاب گزينه‌ها مورد استفاده قرار مي‌گيرد. در این پژوهش از ترکیب آنها جهت فرآيند تحليل سلسله مراتبي كارايي استفاده گرديده است و به همين دليل عنوان روش (سلسله مراتبي كارايي) سلكا ناميده شده است. بنابراین با ترکیب آنها، کاربردی جدید و متفاوت از کاربردهای انفرادي‌اين دو روش ایجاد شده است. تاكنون در هيچ كدام از روش‌هاي تصميم‌گيري به ارزيابي كارايي بصورت همزمان پرداخته نشده است و وجه تمايز روش پيشنهادي در نظر گرفتن همزمان‌اين دو هدف مي‌باشد. روش فرآیند تحلیل سلسله مراتبی يكي از روش‌هاي خوب و كاربردي در زمينه تصميم‌گيري مي‌باشد و به دليل استفاده از فرآيند سلسه مراتبي ابهام در درك مساله را برطرف مي‌سازد و همچنين به دليل استفاده از ماتريس مقايسات زوجي مي‌توان نظرات تصميم­گيرنده را در مورد اولويت و اهميت معيارها بصورت دقيق­تر در مساله منعكس نمود. گاهي دسترسي به ماتريس مقايسات زوجي دشوار مي‌باشد كه در‌اين مقاله با استفاده از ماتريس متقاطعي كه از روش تحليل پوششي داده‌ها‌ايجاد مي‌گردد، مي‌توان‌اين مشكل را برطرف نمود و‌اين ماتريس را جايگزين ماتريس مقايسات زوجي نمود و از طرفي به دليل استفاده از مقادير متقاطع كارايي مي‌توان نتايج دقيق­تري جهت ارزيابي گزينه‌ها به دست آورد. همچنين روش پيشنهادي مشكلاتي كه در روش تحليل سلسله مراتبي وجود دارد را تا حد زيادي برطرف مي‌نمايد و شايد بتوان گفت نسخه‌اي اصلاح شده از روش فرآيند سلسله مراتبي مي‌باشد. 

مرور ادبيات و پيشينه پژوهش

در اين بخش به بررسي مقالات مرتبط با پژوهش پرداخته مي­شود، در ابتدا مساله انتخاب تامين­كننده بصورت كلي و در بخش بعدي با تمركز بر سبز بودن بررسي مي­گردد.

1.        مساله انتخاب تامين­كننده

به منظور بررسي روش پيشنهادي سلكا، يكي از مسايل مهم و كاربردي درنظر گرفته شده است. مساله ارزیابی و انتخاب تامین‌کنندگان، یک مساله تصمیم‌گیری چندمعیاره است که در طی آن تامین‌کنندگان به عنوان جزئي از زنجیره‌تأمین مورد تحلیل، ارزیابی و انتخاب قرار می­گیرند و در این زمینه تاکنون مقالات بسیاری به چاپ رسیده است كه در ادامه در جدول 1 به بررسي تعدادي از آنها پرداخته مي‌شود.

جدول 1. بررسي مقالات موجود در زمينه انتخاب تامين كننده

Table 1. Review of existing articles on supplier selection

نويسنده	سال	مساله	ابزار مورد استفاده	مرجع
باتاک و‌هاک	2002	فرآیند ارزیابی و انتخاب تأمین‌کننده در یک زنجیره‌تأمین	مساله تصمیم‌گیری با معیارهای چندگانه	[4]
پن	1989	انتخاب تامین‌کنندگان و تعیین حجم سفارشات هر تأمین‌کننده	برنامه­ریزی خطی	[4]
وبر و کارنت	1993	انتخاب تامین‌کنندگان و میزان سرمایه­گذاری مشترک	روش برنامه ریزی آرمانی	[4]
هاجیدیمتریس و جورجیو	2002	انتخاب تامین‌کنندگان و میزان سرمایه­گذاری مشترک	روش برنامه ریزی آرمانی	[4]
جارایامن و دیگران	1999	انتخاب تامین‌کنندگان در زنجیره‌تأمین	MIP (Mixed Integer Programming)	[4]
روزنتال و دیگران	1995	انتخاب تامین‌کنندگان در زنجیره‌تأمین	MIP (Mixed Integer Programming)	[4]
چه و وانگ	2008	زمان بندی تولید قطعات یک محصول	مدل ریاضی بهینه ای	[5]
نارازیمان	1983	حل مسئله انتخاب تامین‌کنندگان	AHP	[5]
باربار اسوقلو و یزگاک	1997	حل مسئله انتخاب تامین‌کنندگان	روش ترکیبی AHP و برنامه ریزی خطی	[5]
قدسی پور و اوبراین	1998	حل مسئله انتخاب تامین‌کنندگان	روش ترکیبی AHP و برنامه ریزی خطی	[5]
کارامن و دیگران	2003	حل مسئله انتخاب تامین‌کنندگان	AHP فازی	[5]
هاک و کانن	2006	حل مسئله انتخاب تامین‌کنندگان	AHP فازی	[5]
پای و لو	2009	حل مسئله انتخاب تامین‌کنندگان	AHP و تاگوچي	[6]
وبر	1991	حل مسئله انتخاب تامین‌کنندگان	AHP و تاگوچي	[6]
لیو و دیگران	2000	ارزیابی فروشندگان	AHP و تاگوچي	[7]
ماشلی و محمدی تبار	2017	انتخاب تأمین‌کننده	رویکرد تئوری بازی	[8]
وبر و دیگران	2018	تعیین تعداد تأمین‌کننده موردنیاز	مدل ترکیبی برنامه ریزی چند هدفه MOP (Multi-Objective Programming) و DEA	[8]

 

2.       مساله انتخاب تامين­كننده سبز

در دهه اخیر، بسیاري از محققان بر روي مساله ارزیابی و انتخاب تامین‌کنندگان سبز در مدیریت زنجیره‌تأمین سبز تمرکز کرده اند و از روش‌هاي تصمیم گیري مختلفی براي تعیین تأمین‌کننده استفاده کرده اند [9] و [10]. به عنوان مثال‌هاشمی‌ و همکارانش، یک مدل ارزیابی و انتخاب تأمین‌کننده سبز ارایه دادند که علاوه بر در نظر گرفتن فاکتورهاي اقتصادي به فاکتورهاي زیست محیطی نیز توجه شده است. در نهایت، آنها با استفاده از روش فرآیند تحلیل شبکه‌اي و تحلیل رابطه خاکستري بهبود یافته، معیارها را وزن دهی و تامین‌کنندگان را رتبه بندي کردند [9]. همچنین لین و همکارانش با اشاره به اهمیت روز افزون توجه به خرید سبز، مدلی بر مبناي روش فرآیند تحلیل شبکه‌اي و روش برنامه­ریزي خطی براي سیستم خرید سبز ارایه کردند. بر این اساس، آنها با استفاده از روش فرآیند تحلیل شبکه‌اي، تأمین‌کننده سبز را تعیین کرده و سپس با پیاده­سازي روش برنامه ریزي­خطی، تخصیص سفارش به هر فروشنده را مشخص کردند[10]. کو و همکارانش تامین‌کنندگان سبز یک شرکت الکترونیکی را با استفاده از یک روش جدید تصمیم­گیري چندمعیاره ارزیابی کردند. در رویکرد ارایه شده ابتدا با استفاده از روش ترکیبی دیمتل و فرآیند تحلیل شبکه‌اي، وزن معیارهاي ارزیابی تامین‌کنندگان تعیین و در نهایت با بکارگیري روش ویکور عملکرد زیست محیطی تامین کنندگان شرکت ارزیابی گردید [11]. بسیاري از پژوهشگران براي در نظر گرفتن عدم قطعیت و ابهامات در قضاوت‌هاي کلامی‌کارشناسان در فرآیند ارزیابی تأمین‌کننده سبز از نظریه فازي استفاده کردند [12]. بعنوان مثال لی و همکارانش مدلی به منظور انتخاب مناسب­ترین تأمین‌کننده ي سبز براي یک شرکت تولیدي ال سی دي در تایوان ارایه دادند. بر همین اساس، ابتدا با استفاده از روش دلفی معیارهاي موثر در ارزیابی تامین‌کنندگان را تعیین کردند. سپس با بکارگیري فرآیند تحلیل سلسله مراتبی فازي مناسب­ترین تأمین‌کننده سبز شرکت تولیدي معرفی و انتخاب گردید [13]. در همین راستا، کنان و همکارانش نیز براي ارزیابی و انتخاب تامین‌کنندگان یک شرکت الکترونیکی در برزیل، چارچوبی بر اساس روش فازي تاپسیس ارایه دادند [14]. همچنین شن و همکارانش مدیریت زنجیره‌تأمین سبز را براي ارایه یک رویکرد چند معیاره فازي مورد بررسی قرار دادند. به همین منظور، از تئوري مجموعه فازي براي ترجمه ادراکات ذهنی تصمیم گیرنده به یک مقدار قطعی5 استفاده کردند. در نهایت با بکارگیري روش فازي تاپسیس 6 امتیاز نهایی هر تأمین‌کننده مشخص گردید [15]. علاوه بر مبحث انتخاب تأمین‌کننده سبز، تحقیقاتی در زمینه مکانیابی، مسیریابی و موجودی سبز نیز توسط محجوب نیا و همکاران انجام شده است [16]. در حوزه روش‌های ترکیبی در زمینه انتخاب تامین کننده سبز می‌توان به پژوهش عروجنی و همکاران (Oroojeni) اشاره کرد که با استفاده از روش‌های بهترین-بدترین و تاپسیس فازی به مساله انتخاب تامین کننده سبز برای شرکت فولاد پرداخته شده است [17]. کلیس و یالسین (Kilic and Yalcin) رویکردی دوفاز انتخاب تامین کننده سبز برمبنای روش‌های تاپسیس شهودی و برنامه ریزی آرمانی فازی ارایه کردند که در محیط چند محصولی، چند تأمین کننده و چند دوره ای قابل استفاده می‌باشد [18]. در مقاله ای دیگر چارچوبی مبتنی بر تصمیم‌گیری چند معیاره برای ارزیابی انتخاب تامین کننده سبز ارائه شده است که با استفاده از فرایند تحلیل سلسله مراتبی فازی و  سه روش MABAC (Multi-Attributive Border Approximation Area Comparison)، WASPAS (Weighted Aggregated Sum-Product Assessment) و TOPSIS (Technique for order preference by similarity to ideal Solution) ایجاد شده است [19]. قادری و همکارانش روشی ترکیبی به منظور انتخاب مناسب‌ترین تأمین‌کننده توربین‌های بادی در یک نیروگاه برق ارائه دادند که از ترکیب روش‌های مولفه‌های اصلی و تاپسیس ایجاد شده است [20].

با توجه به مقالات بررسي شده مشاهده مي‌گردد كه روش AHP در بسياري از مقالات‌اين زمينه مورد استفاده قرار گرفته است. در‌اين مقاله اشكالات موجود در روش AHP برطرف گرديده است و بصورت همزمان علاوه بر انتخاب گزينه برتر به بررسي كارايي نيز پرداخته مي‌شود. قطعا استفاده در نظر گرفتن مقادير كارايي همزمان با ارزيابي گزينه‌ها منجر به‌ايجاد نتايج دقيق‌تر و كاراتر مي‌گردد. در واقع در روش پسشنهادي بجاي استفاده از ماتريس مقايسات زوجي كه محاسبه آن بسيار زمانبر و گاهي ناممكن است، از ماتريس كارايي متقاطع استفاده مي‌گردد. به منظور پیاده سازی روش پیشنهادی مساله مهم و كاربردي انتخاب تامين كننده سبز بررسي خواهد گرديد و نتايج مقايسه مي‌گردد.

روش بررسی

در این بخش در ابتدا به شرح مختصری از ابزارهای مورد استفاده در روش پیشنهادی مقاله پرداخته می‌شود سپس روش سلكا ارائه مي‌گردد.

1.       روش تحلیل پوششی داده

تحلیل پوششی داده‌ها یک روش برنامه ریزی خطی برای ارزیابی کارایی واحدهاي تصمیم گیري DMU (Decision Making Units) است و کاربرد اصلی این روش محاسبه مقدار کارایی برای هر واحد و شناسایی واحدهای ناکارا می‌باشد. اولین مدل ارائه شده در تحلیل پوششی داده‌ها مدل CCR (Charnes, Cooper and Rhodes) است. در مدل CCR بافرض داشتن K واحد تصمیم‌گیری، n ورودی X، m خروجی Y و در نظر گرفتن ضرایب ورودی‌ها و خروجی‌ها به ترتیب به صورت v و u به عنوان متغیر تصمیم مدل 1 را خواهیم داشت:

(1)

 

                    

با استفاده از مدل 1 می‌توان کارایی نسبی DMUp یا EPP را بر اساس وزن‌های (Vip,Ujp) محاسبه كرد و در صورتی که کارایی نسبی واحد دیگری نظیر l با استفاده از وزن‌های به دست آمده برای DMUp محاسبه گردد، رابطه 2 ایجاد می‌گردد و مقدار کارایی برابر با (Epl) است که به مقدار Epl اصطلاحاً کارایی متقاطع می‌گویند.

                                                                                                                                      (2) 

اگر برای تمام DMUها مدل CCR اجرا گردد و بر اساس وزن‌های محاسبه شده مقدار کارایی متقاطع محاسبه شود، می­توان کلیه نتایج را در یک ماتریس تحت عنوان ماتریس کارایی متقاطع به صورت رابطه 3 نشان داد:

 (3)                                                                       

2.  روش تحلیل سلسله مراتبی

روش تحليل سلسله مراتبي یکي از روش‌هاي كاربردي تصمیم‌گیری چند معیاره است که بر اساس نظرات تصمیم گیرنده در مورد معيارهاي مساله از بين مجموعه ای از گزینه‌ها، بهترین گزینه را انتخاب می‌کند. در حالت کلی گام‌هاي‌اين روش شامل مراحل زیر است:

1- تبدیل یک مسأله تصمیم‌گیری چند معیاره به یک ساختار سلسله مراتبی

2- دريافت نظرات از تصميم گيرنده و‌ايجاد ماتریس مقایسات زوجی جهت وزن دهي معيارها

3-تعیین وزن‌های محلی و كلي معیارها

4- تعیین امتيازات کلی برای هر گزینه و رتبه‌بندی گزینه‌ها با توجه به این امتيازات

یکی از مشکلات اصلي این روش طولانی و زمانبر بودن رویه استخراج ماتریس مقایسات زوجی است و مخصوصا زماني كه تعداد معيار‌ها و گزینه‌های زیاد باشد. همچنين احتمال وجود قضاوت‌های نادرست ذهنی تصمیم گیرندگان در‌ايجاد ماتريس مقايسات زوجي وجود دارد. مخصوصا در حالت وابستگی معیارها ماتريس مقايسات زوجي چندان مناسب نمي‌باشد. گاهي به دليل عدم دسترسي به تصميم گيرنده نميتوان ماتريس مقايسات زوجي را‌ايجاد كرد و در نتيجه نميتوان از روش تحليل سلسله مراتبي استفاده نمود. استخراج ماتریس مقایسات زوجی از تکنیک DEA این مشکل را حل خواهد کرد.

3. روش پیشنهادی سلكا

در این مقاله روش دو مرحله ای سلكا برای رتبه‌بندی کامل DMU‌ها در یک مسئله ارزیابی و انتخاب ارائه می‌شود. در این روش ابتدا مدل DEA برای سنجش کارایی واحدهای تصمیم‌گیری، در حالتی که معیار‌ها کیفی و غیر دقیق هستند، بکار می‌رود. بدین منظور با استفاده از تئوری فازی امتیاز هر تأمین‌کننده به صورت قطعی مشخص می‌شود. سپس با توجه به نتایج این مدل و استخراج ماتریس کارایی متقاطع (رابطه 3)، از مدل AHP و ماتریس مقایسات زوجی برای رتبه‌بندی کامل و تصمیم‌گیری نهایی استفاده می‌شود. فرآیند روش پیشنهادی سلكا در شکل 1 نمایش داده شده است. نوآوري اصلي‌اين روش استفاده از ماتريس كارايي متقاطع بجاي ماتريس مقايسات زوجي مي‌باشد. همانطور كه در بخش‌هاي قبلي ذكر شد علي رغم مزاياي فراوران روش AHP گاهي به دليل مشكلاتي كه در محاسبه ماتريس مقايسات زوجي وجود دارد، نمي‌توان از‌اين روش استفاده كرد. در حالي كه با جايگزيني ماتريس متقاطع حاصل از كارايي مي‌توان‌اين مشكل را حل كرد و علاوه بر آن بصورت همزمان به بررسي كارايي در كنار انتخاب گزينه برتر پرداخت. بررسي همزمان كارايي و تصميم‌گيري در انتخاب گزينه‌ها قطعا منجر به ارزيابي دقيق‌تر خواهد گرديد و گزينه‌اي مطلوب‌تر را انتخاب خواهد نمود.

 

شکل (1): نمودار روش پیشنهادی ترکیبی سلكا

Figure (1): The flowchart of the proposed SELKA hybrid method

 

 

یافته‌ها

در این بخش به منظور بررسی روش پیشنهادی سلكا از داده‌های مقاله قادری و همکاران استفاده می‌شود که مربوط به داده‌های تامین‌کنندگان سبز توربین‌های بادی برای احداث نیروگاه می‌باشد. در‌اين پژوهش با مطالعه مقالات علمی، مصاحبه با متخصصان و کارشناسان سازمان انرژی‌های ایران (سانا) از طریق مصاحبه و همچنین مرور ادبیات این حوزه صد معیار به عنوان پیش­فرض جمع­آوری گردیده است. سپس به منظور تعیین اثرگذارترین معیارها، پرسش نامه­ای در اختیار متخصصین این حوزه در صنعت نیروگاه قرار گرفته است. این پرسش­نامه حاوی ماتریس­های مقایسات زوجی می­باشد که اهمیت معیارها را دو به دو مقایسه می نماید و در نهایت با استفاده از روش فرآیند تحلیل سلسله مراتبی و ماتریس­های مقایسات زوجی، تمام معیارها رتبه­بندی می­گردند و سی معیار که در جایگاه برتر قرار دارند به عنوان معیارهای اثرگذار شناسایی می­شوند. در نتیجه در این پژوهش سی معیار که به صورت پنج معیار کلی در نظر گرفته شده است، به منظور مقایسه تامین­کنندگان لحاظ خواهد گردید. به دلیل مشابهت تعداد زیادی از معیارها به یکدیگر، به صورت معیارهای کلی در جدول (2) نمایش داده شده اند. همچنین تامین‌کنندگان تجهیزات برق-بادی گزینه‌های اصلی مسئله مي‌باشند که شامل پنج تامین کنندگان زیر هستند:

 Torque Wind (GS01), Gamesa (GS02), GE Renewable Energy(GS03), Vestas (GS04), Inox Wind Ltd (GS05) 

 

در ادامه با توجه به نظر کارشناسان و خبرگان و از طريق پرسشنامه، امتیاز هر تأمین‌کننده در هر زیر معیار مشخص می‌گردد که در جدول (4) نمایش داده شده است. به منظور كمي‌سازي‌اين مقادير از تئوری فازی برای تعیین امتیازات هر تأمین‌کننده استفاده شده است [21]. همچنین برای غیرفازی نمودن متغیرها از روش ارائه شده توسط چن و هوانگ استفاده گردیده است [22]. نتايج مقادير قطعی برای متغیرهای زبانی (Mi) در جدول (3) نمایش داده شده است. در ادامه با توجه به مشخص شدن امتیاز هر تأمین‌کننده در هر زیر معیار، کارایی هر تأمین‌کننده محاسبه می‌شود. در این پژوهش عملکرد اقتصادی، مدیریتی و زیست محیطی تامین‌کنندگان مورد بررسی قرار می‌گیرد. بدین منظور معیارهای مورد اشاره با در نظر گرفتن ماهیت آن‌ها به دو دسته ورودی و خروجی تقسیم می‌شوند. با توجه به اینکه معیارهای مورد استفاده در مقاله قادری و همکاران به صورت کلی ارائه شده اند، برای مدل DEA این معیارها باید تفکیک شوند. معیارهای ورودی آن دسته معیارهایی هستند که با افزایش آن‌ها با حفظ سایر عوامل دیگر، کارایی تأمین‌کننده کاهش می‌یابد (معیارهایی از جنس منفی) و بر عکس معیارهای خروجی آن دسته معیارهایی هستند که با افزایش آن‌ها با حفظ سایر عوامل دیگر، کارایی تأمین‌کننده افزایش می‌یابد (معیارهایی از جنس مثبت). جدول (5) تقسیم بندی زیر معیارها به دو دسته ورودی و خروجی را نشان می‌دهد.

جدول (2): معیارهای انتخاب تأمین‌کننده سبز

Table (2): Criteria for selecting a green supplier

زیر معیار‌ها	کد زیر معیار	معیارها (کد)
عملکرد مالی	Cr01	هزینه (C01)
وضعیت اقتصادی سازمان	Cr02
قیمت محصول	Cr03
کل هزینه حمل و نقل	Cr04
هزینه سفارش دهی	Cr05
میزان تناسب قیمت محصول با کیفیت آن	Cr06
انطباق با کیفیت	Cr07	کیفیت (C02)
برنامه‌های بهبود مستمر	Cr08
کنترل و بازرسی	Cr09
دارا بودن گواهینامه کیفیت	Cr10
قابلیت تجهیزات تولید	Cr11	تکنولوژی (C03)
انعطاف پذیری	Cr12
زمان راه اندازی	Cr13
ظرفیت	Cr14
طرح کسب و کار الکترونیک	Cr15	نوآوری (C04)
راه اندازی فن آوری جدید	Cr16
راه اندازی محصولات جدید	Cr17
رعایت استاندارد‌های زیست محیطی از قبیل ایزو 14000	Cr18	سیستم مدیریت زیست محیطی (C05)
حمایت مدیران میانی و ارشد از زنجیره‌تأمین سبز	Cr19
آموزش مسائل مربوط به حفاظت از محیط زیست به کارکنان	Cr20
برنامه ریزی تولید سبز	Cr21
بسته بندی سبز	Cr22
رعایت استاندارد‌های فنی و زیست محیطی در خرید ابزار و تجهیزات	Cr23
استفاده از فن آوری‌ها و تجهیزات تولیدی سازگار با محیط زیست	Cr24
استفاده از الگوهای صحیح مصرف انرژی در تولید محصول	Cr25
طراحی فرآیند تولید سازگار با محیط زیست	Cr26
طراحی محصولات بر پایه عدم استفاده از مواد خطرناک برای محیط زیست	Cr27
طراحی محصولات در راستای کاهش اتلاف انرژی	Cr28
تولید زباله‌های شیمیایی	Cr29
کنترل آلودگی	Cr30

 

جدول(3): معادل سازی عددی برای متغیرهای زبانی فازی

Table (3): Numerical equivalence for fuzzy variables

متغیرهای زبانی	مقدار قطعی
بسیار بسیار پایین (M1)	045/0
بسیار پایین (M2)	135/0
خیلی پایین (M3)	255/0
پایین (M4)	335/0
زیر متوسط (M5)	420/0
متوسط (M6)	500/0
بالای متوسط (M7)	590/0
زیاد (M8)	665/0
خیلی زیاد (M9)	745/0
بسیار زیاد (M10)	865/0
بسیار بسیار زیاد (M11)	955/0

 

جدول(4): امتیازدهی به تامین‌کنندگان در زیر معیارها

Table (4): Scoring suppliers under the criteria

	GS01	GS02	GS03	GS04	GS05
Cr01	M5	M9	M4	M2	M3
Cr02	M5	M9	M4	M2	M3
Cr03	M5	M8	M4	M2	M3
Cr04	M5	M9	M4	M3	M2
Cr05	M5	M9	M4	M3	M2
Cr06	M5	M9	M4	M3	M2
Cr07	M7	M10	M8	M6	M7
Cr08	M7	M10	M8	M6	M5
Cr09	M8	M10	M8	M6	M6
Cr10	M9	M10	M8	M5	M6
Cr11	M8	M10	M8	M5	M6
Cr12	M9	M11	M8	M5	M6
Cr13	M8	M11	M8	M5	M6
Cr14	M9	M11	M8	M6	M6
Cr15	M8	M11	M8	M6	M6
Cr16	M9	M11	M8	M6	M6
Cr17	M8	M11	M8	M6	M5
Cr18	M9	M11	M8	M5	M5
Cr19	M8	M11	M8	M5	M5
Cr20	M8	M11	M8	M5	M5
Cr21	M9	M11	M8	M6	M6
Cr22	M8	M11	M8	M6	M5
Cr23	M9	M11	M8	M5	M5
Cr24	M8	M11	M9	M4	M2
Cr25	M8	M11	M9	M4	M2
Cr26	M8	M11	M9	M4	M2
Cr27	M8	M11	M9	M4	M2
Cr28	M7	M11	M7	M5	M1
Cr29	M7	M11	M7	M5	M1
Cr30	M7	M10	M7	M5	M1

 

جدول (5): تعیین نوع معیارها براساس ورودی و خروجی

Table (5): Determining the type of criteria based on input and output

زیر معیارها	نوع		زیر معیارها	نوع
Cr01	خروجی		Cr16	خروجی
Cr02	خروجی		Cr17	خروجی
Cr03	ورودی		Cr18	خروجی
Cr04	ورودی		Cr19	خروجی
Cr05	ورودی		Cr20	ورودی
Cr06	خروجی		Cr21	ورودی
Cr07	خروجی		Cr22	خروجی
Cr08	خروجی		Cr23	خروجی
Cr09	ورودی		Cr24	ورودی
Cr10	خروجی		Cr25	ورودی
Cr11	ورودی		Cr26	خروجی
Cr12	خروجی		Cr27	خروجی
Cr13	ورودی		Cr28	خروجی
Cr14	ورودی		Cr29	ورودی
Cr15	ورودی		Cr30	ورودی

 

 

جهت محاسبه ماتریس کارایی متقاطع واحدهای تصمیم‌گیری (تامین‌کنندگان)، کارایی هر تأمین‌کننده بر اساس مدل رابطه 1 محاسبه می‌گردد، سپس بر اساس اوزان بدست آمده از این مدل، کارایی متقاطع سایر واحدهای تصمیم‌گیری از طریق رابطه 4 محاسبه شده است. در نتيجه ماتریس کارایی متقاطع تامین‌کنندگان بصورت زیر محاسبه و جمع­آوری شده است.

 

 

 

با توجه به اینکه در ماتریس کارایی متقاطع، کارایی هر واحد تصمیم‌گیری با وزن‌های کلیه­ی واحدهای تصمیم‌گیری دیگر به صورت ترکیب زوجی محاسبه می‌شود و بدین ترتیب کارایی هر واحد با شرایط محاسبه کارایی‌های سایر واحدها مقایسه می‌شود، این ماتریس به تعبیری یک ماتریس مقایسات زوجی است که می‌توان به کمک آن با استفاده از اصول روش AHP اوزان نهایی را برای رتبه‌بندی واحد‌های تصمیم‌گیری به دست آورد. در مرحله بعد سازگاری ماتریس بررسی می‌شود، اگر ماتریس سازگار باشد می‌توان با نرمال سازی یک ستون از ماتریس مقایسات زوجی، وزن‌ها را بدست آورد؛ در غیر این صورت باید از روش‌هایی مانند کمترین مربعات خطا، بردار ویژه، روش میانگین هندسی و غیره استفاده کرد. به دلیل اینکه ماتریس کارایی متقاطع ایجاد شده در‌اين مساله ناسازگار است، بنابراين با استفاده از روش میانگین هندسی وزن‌های نهایی با استفاده از رابطه (4) محاسبه می‌گردد. در این رابطه  نشان دهنده آرایه‌های ماتریس مقایسات زوجی می‌باشد. وزن‌های حاصل از پیاده‌سازی روش میانگین هندسی در جدول 6 نمایش داده شده است.

 

                                                                                                               (4)

S.t:   

 

جدول (6): نتایج محاسبه اوزان نهایی جهت رتبه‌بندی تامین‌کنندگان

Table (6): Results of calculating the final weights for ranking suppliers

وزن‌های حاصل از روش میانگین هندسی	تأمین‌کننده
2154/0	GS01
1381/0	GS02
2099/0	GS03
2217/0	GS04
2148/0	GS05

 

بحث و نتیجه گیری

در ادامه روش پیشنهادی، پس از محاسبه وزن‌ها و ایجاد ماتریس مقایسات زوجی یا همان ماتریس کارایی متقاطع با استفاده از DEA، DMU‌ها با استفاده از روش AHP رتبه‌بندی می‌گردند و نتایج رتبه‌بندی تامین‌کنندگان سبز در جدول 7 نمایش داده شده است.                                                                      

جدول (7): رتبه نهایی تامین‌کنندگان در روش سلكا

Table (7): Final ranking of suppliers in SELKA method

شرکت تأمین‌کننده	رتبه نهایی (جایگاه)
GS04:Vestas	1
GS01:Torque	3
GS05: Inox Wind Ltd	2
GS03: GE Renewable Energy	4
GS02: Gamesa	5

 

 همانطور كه مشاهده مي‌گردد تأمین‌کننده چهارم، شرکت Vestas بهترین تامین­کننده خواهد بود و ضمن منطقی بودن ماتریس تصمیم‌گیری، رتبه‌بندی کامل میان تامین‌کنندگان ارائه شده است. در ادامه به منظور بررسی عملكرد روش پیشنهادی سلكا به مقایسه نتایج بدست آمده در این پژوهش با نتایج ارائه شده در مقاله قادری و همکاران پرداخته می‌شود. با پیاده‌سازی رویکرد پیشنهادی قادری و همکاران که از ترکیب روش تحلیل مولفه‌های اصلی و تاپسیس ایجاد شده است و رتبه نهایی هر یک از تامین‌کنندگان به صورت جدول 8 می‌باشد. در‌اين روش نيز تامين­كننده Vestas به عنوان تامين­كننده برتر انتخاب شده است.

جدول (8): رتبه نهایی تامین‌کنندگان در روش قادری و همکاران

Table (8): The final ranking of suppliers in the method of Ghaderi et al.

شرکت تأمین‌کننده	رتبه نهایی (جایگاه)
GS04:Vestas	1
GS03: GE Renewable Energy	3
GS02: Gamesa	2
GS05: Inox Wind Ltd	4
GS01: Torque	5

 

به منظور تعيين ‌اينكه كدام يك از‌اين دو روش رتبه­بندي بهتري ارائه نموده­اند، در ادامه از رویکردی ابتکاری به منظور مقایسه نتایج در جهت رتبه­بندی تامین­کنندگان استفاده می‌گردد. در ابتدا کارایی هر یک از پنج تامین‌کننده با روش DEA محاسبه می‌شود، سپس اولویت انتخاب تامین‌کنندگان با توجه به مقادیر کارایی ایجاد شده بصورت جدول 9 مشخص می‌گردد. در واقع به هر یک از تامین کنندگان یک شماره جایگاه اختصاص می‌باید (مطابق جداول 6 تا 8). با توجه به الویت­بندی تامین‌کنندگان، از بهترین تا بدترین تأمین‌کننده، به ترتیب ضرایب 5 تا 1 اختصاص داده شده است. در مرحله بعد با توجه به رتبه­بندی ایجاد شده از دو روش سلكا و روش قادری و همکاران، به هر تامین­کننده با توجه به رتبه (جایگاه)، امتیازی اختصاص می‌یابد و در نهایت با استفاده از مقادیر کارایی هر تأمین‌کننده و امتیاز مربوط به جایگاه، امتیاز نهایی با محاسبه مجموع اعداد مطابق رابطه 5 محاسبه می‌شود. بیشترین امتیاز مربوط به روش DEA می‌باشد و در نهایت هر روشی که نزدیک‌ترین امتیاز را به امتیاز روش DEA داشته باشد، روش مناسب‌تری خواهد بود. امتیاز مربوط به هر سه روش در جدول 10 محاسبه شده است.

جدول (9): مقادیر کارایی تامین کنندگاه با روش DEA

Table (9): Supplier efficiency values by DEA method

شرکت تأمین‌کننده	مقدار کارایی	رتبه نهایی (جایگاه)
GS01: Torque	1	2
GS02: Gamesa	9999996/0	5
GS03: GE Renewable Energy	9999996/0	4
GS04:Vestas	1	1
GS05: Inox Wind Ltd	9999998/0	3

 

                                                                            (5)                  

 

جدول (10): امتیازهای روش‌های DEA، سلكا و روش قادری و همکاران

Table (10): Scores of DEA, SELKA and Ghaderi et al.

 

روش	امتیاز
DEA	14.999999
سلكا	14.999998
قادری و همکاران	14.999990

 

با توجه به امتیازات بدست آمده از جدول 10، امتیاز روش سلكا بیشتر از روش قادری و همکاران می‌باشد و به امتیاز روش DEA نزدیک‌تر است. بنابراین رتبه­بندی دقیق‌تری از تامین­کنندگان نسبت به روش قادری و همکاران ارائه می‌کند. در نتیجه بهترین تامین­کننده سبز، تأمین‌کننده چهارم (شرکت Vestas) خواهد بود و به منظور خرید توربین‌های بادی انتخاب می‌گردد. شایان ذکر است که با مشاهده مقادیر هر یک از معیارها برای هر یک از تأمین‌کنندگان با توجه به جدول 4 و نوع معیارها (ورودی یا خروجی) با توجه به جدول 5، رتبه­بندی روش پیشنهادی مقاله بصورت شهودی نیز صحیح­تر می­باشد. به این دلیل که تامین­کننده برتر از دیدگاه روش سلکا (Vestas) دارای مقادیر بالا در شاخص­هایی با جنس خروجی و مقادیر کوچک در شاخص­هایی با جنس ورودی می­باشد که منجر به افزایش بهره­وری و کارایی این گزینه می­گردد. در­حالی که تامین­کننده­ای که در جایگاه آخر از دیدگاه سلکا (Gamesa) قرار دارد، دارای مقادیر بزرگ ورودی­ها و مقادیر کوچک در خروجی­ها می­باشد که منجر به کاهش بهره­وری و کارایی این تامین­کننده می­گردد. با بررسی نتایج جدول 8، ملاحظه می­گردد که تامین­کننده Gamesa در جایگاه دوم در این رتبه­بندی قرار دارد که با مشاهده مقادیر پارامترهای ورودی و خروجی این گزینه این رتبه­بندی نامناسب می­باشد و این تامین­کننده شرایط مطلوبی از نظر کارایی ندارد. همچنین تامین کننده Torque در جایگاه آخر قرار گرفته است و با بررسی مقادیر ورودی­ها و خروجی­های این تامین­کننده مشاهده می­گردد که دارای مقادیر بزرگ در شاخص­هایی با جنس خروجی و مقادیر کوچک در شاخص­هایی با جنس ورودی می­باشد و در واقع می­توان گفت تامین­کننده­ای کارا و مطلوب است، در­حالی که در جایگاه آخر در روش قادری و همکاران قرار دارد و همین تامین­کننده در جایگاه دوم در روش سلکا قرار گرفته است. در مجموع با مشاهده مقادیر هر یک از پارامترها با توجه به جنس ورودی و خروجی بودن آنها می­توان نتیجه گرفت که روش سلکا رتبه­بندی منطقی­تری نسبت به روش قادری ارائه کرده است. به منظور درک بهتر نتایج تمام پارامترهای مساله بر اساس ورودی یا خروجی بودن تفکیک شده­اند و نمودارهای ورودی و خروجی برای سه شرکت Torque، Vestas و Gamesa   در شکل های 2 و 3 ترسیم شده است. همانطور که مشاهده می­گردد بیشترین مقادیر خروجی­ها به ترتیب مربوط به شرکت­های Vestas، Torque و Gamesa می­باشد و کمترین مقادیر ورودی­ها نیز به ترتیب مربوط به شرکت های Vestas، Torque و Gamesa می باشد و این رتبه­بندی توسط روش سلکا به درستی ایجاد شده است. 

 

شکل (2): نمودار مقایسه ورودی­های سه شرکت Torque، Vestas و Gamesa   

Figure (2): Comparison chart of inputs of three companies Torque, Vestas and Gamesa   

 

 

 

شکل (2): نمودار مقایسه خروجی­های سه شرکت Torque، Vestas و Gamesa   

Figure (2): Comparison chart of outputs of three companies Torque, Vestas and Gamesa   

 

 

 

 

به منظور اعتبارسنجی بیشتر رویکرد پیشنهادی، نتایج روش سلکا با روش دیگری به نام پرامتی 3  (Promethee III)مقایسه می­گردد. روش پرومتی از سوي محققين مورد استقبال فراوان قرار گرفته است و در پژوهش­های زيادي مورد استفاده قرار گرفته است و نتایج بسیار خوبی در مقایسه با سایر روش­های تصمیم­گیری داشته است ]23[. در روش پرومتی براي جبران ضعف يك معيار يا قوت معيار ديگر، محدوديت وجود دارد و لذا يك گزينه ايده­ال بايد حداقل­ها را از تمام معيارها كسب كند. روش پرومتی قادر به بكارگيري معيارهايي با مقياس­هاي مختلف اندازه­گيري (بدون نياز به همسان­سازي مقياس معيارها) مي­باشد و متناسب با اطلاعات و مقياس معيار توابع شش­گانه مجزايي را تعريف مي­كند، لذا در تصميم­گيري­هاي چندمعياره كه معمولا معيارها داراي مقياس­هاي مختلف اندازه­گيري مي­باشد يك نقطه قوت براي تصميم­گيری محسوب مي­شود. این روش بسیار دقیق ولی زمان­بر و پیچیده می­باشد و دارای مراحل فراوانی جهت تعیین شش نوع تابع ارجحیت و ارزیابی گزینه­ها می­باشد. در این پژوهش این روش برای مساله انتخاب تامین­کننده سبز مورد استفاده قرار گرفته است و نتایج در جدول 11 مشاهده می­گردد. با مقایسه نتایج به دست آمده از روش سلکا و روش پرومتی، ملاحظه می­گردد که نتایج هر دو روش دقیقا یکسان می­باشد. در نتیجه روش سلکا از دقت مورد نیاز جهت تصمیم­گیری برخورد است و نسبت به روش پرومتی دارای پیچیدگی کمتری است و در زمانی کوتاه­تر و تعداد مراحل کم­تر قادر به شناسایی گزینه برتر می­باشد.

جدول (10): رتبه نهایی تامین‌کنندگان در پرومتی 3

Table (10): The final ranking of suppliers in the method of Promethee III

شرکت تأمین‌کننده	رتبه نهایی (جایگاه)
GS04:Vestas	1
GS01:Torque	3
GS05: Inox Wind Ltd	2
GS03: GE Renewable Energy	4
GS02: Gamesa	5

 

نتیجه­گیری

اهمیت روز افزون مباحث زیست­محیطی و همچنین افزایش نگرانی‌های زیست محیطی ناشی از آلودگی آب و هوا، گرم شدن کره زمین، باران‌های اسیدی، افزایش انتشار گازهای گلخانه­ای و غیره باعث شده تا سازمان‌ها و حتی دولت‌ها به استفاده از انرژی‌های پاک و خرید سبز نیازمندی‌های خود روی آورند. از این رو احداث نیروگاه‌های انرژی‌های تجدیدپذیر و به دنبال آن انتخاب تامین‌کنندگان سبز برای خرید تجهیزات این نیروگاه‌ها از اهمیت ویژه­ای برخوردار شده است. در این پژوهش روش ترکیبی نوین سلکا برای رتبه‌بندی و انتخاب تامین‌کنندگان سبز توربین‌های بادی ارایه گردید.‌ اين روش تركيبي از دو روش تحليل پوششي داده‌ها و تحليل سلسله مراتبي مي‌باشد و علاوه بر این­که بصورت همزمان از مزاياي هر دو روش بهره مي‌برد، محدودیت­های هردو روش را نیز برطرف مي‌كند. به منظور پياده­سازي روش پيشنهادي براي انتخاب تامين كننده سبز، درگام نخست با بررسی جامع مقالات علمی ‌و کسب نظر خبرگان صنعت برق بادی، معیارهای ارزیابی تامین‌کنندگان با استفاده از پرسشنامه استخراج گردید و سپس بر اساس روش AHP مهمترین معیارها شناسایی گردید. سپس پنج تأمین‌کننده که دارای شرایط مناسب بودند، انتخاب گرديدند و روش پیشنهادی سلكا جهت تعیین بهترین تامین‌کنندگان توربین‌های بادی یک نیروگاه برق بادی مورد استفاده قرار گرفت و در پایان شرکت Vestas به منظور خرید توربین‌های بادی انتخاب گردید. همچنین به منظور بررسی عملکرد روش پیشنهادی در این مقاله، از روش ترکیبی قادری و همکاران استفاده شد و با بررسی مقادیر کارایی تامین­کنندگان و نتایج به دست آمده از هر دو روش، برتری روش پیشنهادی سلکا نسبت به روش مشابه اثبات گردید. همچنین تامین­کنندگان از نظر مقادیر ورودی و خروجی مورد مقایسه قرار گرفتند و نتایج به دست آمده از رتبه­بندی روش سلکا با استفاده از این رویکرد نیز مورد تایید قرار گرفت. در پایان به منظور بررسی بیشتر صحت نتایج، یکی از روش­های بسیار دقیق تصمیم­گیری تحت عنوان روش پرومتی برای داده­های مورد استفاده قرار گرفت و رتبه بندی دقیقا مطابق با روش سلکا ایجاد نمود. بنابراین روش سلکا از نظر دقت دارای عملکرد مطلوب مشابه روش پرومتی می­باشد، با این تفاوت که دارای پیچیدگی این روش نیست و زمان کمتری جهت محاسبات و حل مساله با روش سلکا صرف می­شود.

به منظور تحقیقات آتی در این پژوهش می‌توان رویکرد پیشنهادی را در صنایع دیگر و به منظور ارزيابي و تصميم‌گيري مسائل کاربردی ديگر مانند انتخاب سبد بهینه سهام، انتخاب استراتژی مناسب تولید، انتخاب ماشین­آلات در خط تولید و غیره ­پیاده‌سازی کرد. همچنین می‌توان از روش­های دیگر تصمیم­گیری مانند روش تاپسیس، پرومتی، فرآیند تحلیل شبکه و غیره جهت ایجاد روش تلفیقی استفاده کرد. علاوه برایجاد رویکردهای تلفیقی با روش­های تصمیم­گیری، می­توان آن را به حوزه­های دیگر نیز تعمیم داد و به عنوان نمونه از روش­های حوزه آماری چندمتغیر یا الگوریتم­های حوزه فراابتکاری نیز استفاده نمود.

منابع

 [1] HART, S. L., DOWELL, G., “invited editorial: a natural-resource-based view of the firm: fifteen years after”, Journal of Management, 2011, 37: 1464-1479.

[2] “Renewable energy organization of iran (suna).” [Online]. Available: http://www.suna.org.ir

[3] Fallahian-Najafabadi, A., Kazemi, S., Latifi, I., Soltanmohammad, N., “A green managerial criteria pyramid model and key criteria for green supplier evaluation,” Adv. Environ. Biol., 2013, 7 (11): 3505–3516.

[4] Che Z. H, Wang H. S. “Supplier selection and supply quantity allocation of common and non-common parts with multiple criteria under multiple products”, Computers & Industrial Engineering; 2008, 55, 110–133.

[5] Pi, WN., Low, C., “Supplier evaluation and selection via Taguchi loss functions and an AHP”, International Journal of Advance Manufacturing Technology; 2006, 27 (5–6): 625-630.

[6] Shen, Z, Zhu, Q., Wu, G., Theory, methodology and application of DEA, 1996, Science Press, Beijing.

[7] Liu, J., Ding, F., Lall, V., “Using data envelopment analysis to compare suppliers for supplier selection and performance improvement”, The Journal of Supply Chain Management, 2000, 5(3): 143-150.

[8] Mashli, A., Mohammadi Tabar, D., “Selecting suppliers with a cooperative game theory approach, taking into account capacity constraints and simultaneous delivery of items”, Industrial Engineering Research in Production Systems, 2017, No. 10, 83-97. (Persian)

[9] Hashemi, S. H., Karimi, A., Tavana, M., “An integrated green supplier selection approach with analytic network process and improved Grey relational analysis,” Int. J. Prod. Econ., 2015, 159, 178–191.

[10] Lin, C.-T., Chen, C.-B., Ting, Y.-C., “a green purchasing model by using ANP and LP methods” J. Test. Eval., 2012, 40 (2): 03–210.

[11] Kuo, T. C., Hsu, C.-W., Li, J.-Y., “Developing a green supplier selection model by using the DANP with VIKOR” 2015, 7 (2): 1661-1689.

[12] Dobos, I., Vorosmarty, G., “Green supplier selection and evaluation using DEA-type composite indicators” Int. J. Prod. Econ., 2014, (157): 273–278,

[13] Lee, A. H. I., Kang, H.-Y., Hsu C.-F., Hung, H.-C., “A green supplier selection model for high-tech industry,” Expert Syst. Appl., 2009, 36 (4): 7917–7927.

[14] Kannan, D., Jabbour, A. B. L. D. S., Jabbour, C. J. C., “Selecting green suppliers based on GSCM practices: Using fuzzy TOPSIS applied to a Brazilian electronics company,” Eur. J. Oper. Res., 2014, 233 (2): 432–447.

 [15] Shen, L., Olfat, L., Govindan, K., “A fuzzy multi criteria approach for evaluating green supplier’s performance in green supply chain with linguistic preferences,” Resour. Conserv., 2013 , (74): 70–179.

[16] Mahjoubnia, M., Dabiri, N., Bozorgi Amiri, A., “Presenting a new model of location-routing-green inventory under uncertainty Journal of Industrial Engineering Research in Production Systems, 2017, 5(10), 99-115. (Persian)

 [17] Oroojeni, M. J., Darvishi, M., “Green supplier selection for the steel industry using BWM and fuzzy TOPSIS: A case study of Khouzestan steel company”, Sustainable Futures, 2020, (2), 14-43.

[18] Kilic, H. S., Yalcin, A. S., “Modified two-phase fuzzy goal programming integrated with IF-TOPSIS for green supplier selection”, Applied Soft Computing, 2020, 93. 34-57,

[19] Gupta, Sh., Soni, U., Girish Kumar, G., “Green supplier selection using multi-criterion decision making under fuzzy environment: A case study in automotive industry”, Computers & Industrial Engineering, 2019, (136): 663-680.

[20] Ghaderi, S. F., Hakimi Asl, M., Nasrollahi M., Hakimi Asl A. “ Provide a hybrid approach to ranking and selecting green suppliers of wind farm equipment using principal component analysis and TOPSIS”, International Conference on Industrial Engineering. Tehran, 2016, 510-518. (Persian)

[21] LA Zadeh, L. A., “Fuzzy sets,” Inf. Control, 1965, 8 (3): 338–353.

[22] Chen, S. J. J., Hwang, C. L., Beckmann, M. J., Krelle, W., Fuzzy multiple attribute decision making: methods and applications. 1992, Springer-Verlag New York, Inc.

[23] Tong, Li Zhong, Jindan Wang, and Zhongmin Pu. "Sustainable supplier selection for SMEs based on an extended PROMETHEE Ⅱ approach." Journal of Cleaner Production, 330 (2022): 129830.

 

7

---