ارائه روش تلفیقی نوين سلكا جهت ارزیابی، رتبه¬بندی و انتخاب تأمین‌کننده سبز در زنجیره‌تأمین
محورهای موضوعی : اقتصاد محیط زیست
الهام شادکام
1
,
فاطمه آدینه
2
1 - استادیار مهندسی صنایع، دانشکده مهندسی، دانشگاه خیام، مشهد، ایران. *(مسوول مکاتبات)
2 - کارشناس ارشد مهندسی صنایع، دانشکده مهندسی، دانشگاه خیام، مشهد، ایران.
کلید واژه: زنجیره‌تأمین, تامین‌کنندگان سبز, فرآیند تحلیل سلسله مراتبی, تحلیل پوششی داده‌ها, نیروگاه برق بادی.,
چکیده مقاله :
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، رتبه¬بندی 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 تامین¬کنندگان با توجه به معیارهای اقتصادی و زیست محیطی در زنجیره‌تأمین با استفاده از‌اين روش صورت می‌گیرد. شایان ذکر است که داده¬های این پژوهش مربوط به سال 1399 می باشد و این پژوهش نیز در همین زمان انجام شده است. روش بررسی: 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 تا کنون 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 تامین¬کنندگان مي‌باشد و تامين كنندگاني كاراتر را انتخاب مي‌نمايد.
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.
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.
