دانلود ترجمه مقاله عملکرد مدیریت زنجیره تامین پایدار مبتنی بر داده

1. مقدمه 2. مروری بر مقالات 3. روش 4. نتایج 5. دلالت ها 6. نتیجه گیری ها

چکیده – این مطالعه با ارزیابی عملکرد مدیریت زنجیره تأمین پایدار مبتنی بر داده در ساختار سلسله مراتبی تحت عدم اطمینان ، به مقالات کمک می کند. مدیریت پایدار زنجیره تأمین از نقش بسزایی در بحث کلی مدیریت تجارت برخوردار است. در حالی که در مطالعات قبلی به بسیاری از ویژگیها پرداخته شده است ، اما هیچ مدرک قانع کننده ای مبنی بر بهبود تجزیه و تحلیل داده های کلان برای تصمیم گیری در مورد عملکرد مدیریت پایدار زنجیره تأمین وجود ندارد. این مطالعه استفاده از تحلیل عاملی اکتشافی برای تجزیه و تحلیل روایی و پایایی معیارهای پیشنهادی و استفاده از اطلاعات کیفی، داده‌های کمی و رسانه‌های اجتماعی برای شناسایی عوامل محرک و وابسته به مدیریت زنجیره تامین پایدار مبتنی بر روش ترکیبی فازی و ارزیابی را پیشنهاد می کند. نتایج نشان می دهد که توسعه اجتماعی بیشترین تأثیر را داراست. نتایج همچنین نشان می دهد که روابط طولانی مدت ، کمبود دانش یا فناوری پایدار ، لجستیک معکوس ، تکنیک های بازیابی محصول ، ادغام لجستیکی و توسعه مشترک موثرترین معیار برای افزایش عملکرد مدیریت پایدار زنجیره تأمین هستند. مفاهیم نظری و مدیریتی مورد بحث قرار گرفته است. مقدمه: مدیریت پایدار زنجیره تأمین (SSCM) توجه بسیاری را در بین دانشگاهیان و شاغلان برای توازن سه جنبه اصلی (TBL) در شبکه های زنجیره تأمین جلب کرده است (دبی و دیگران ، 2017). وو و همکارن (2017) استدلال کرده اند که تغییرات بازار با هدف توسعه پایدار باعث ایجاد خطرات زنجیره تامین در صنعت شده است. این خطرات را می توان در رسانه های اجتماعی ، داده های کمی و اطلاعات کیفی (تحت عنوان ابر داده) شناسایی کرد ، اما شاغلان قادر به مدیریت این اطلاعات برای رسیدگی به نیازهای مشتری و نیازهای محیطی نیستند (وو و همکاران.، 2017). این مطالعه بر صنعت نساجی تایوان متمرکز است که محصولات زیادی را برای تأمین نیازهای مشتری در سطح جهانی تولید می کند و توسعه پایدار در بسیاری از کشورها را مورد توجه قرار می دهد (دیبات و همکاران.، 2014). این صنعت به دلیل کانالهای توزیع کالا در شبکه زنجیره تأمین جهانی واقع شده است و از این رو، خدمات پیچیده شده اند و متعاقباً شرایط اقتصادی - اجتماعی – زیست محیطی به یکی از ویژگیهای اصلی عملکرد زنجیره تأمین تبدیل شده اند (دوبی و همکاران ، 2017). همچنین فضای کسب و کار با عدم اطمینان مواجه شده است که شرکت ها را برای توسعه پایدار و تأثیرات اجتماعی خود و رقابتی ماندن ملزم می کند (زیلانی و همکاران.، 2012؛ والکر و جونز، 2012؛ آهی و سرسی، 2013؛ دیبات و همکاران.، 2014). از این رو ، عملکرد SSCM داده محور برای مدل سازی ساختار باید ارزیابی شود.

This study contributes to the literature by assessing data-driven sustainable supply chain management performance in a hierarchical structure under uncertainties. Sustainable supply chain management has played a significant role in the general discussion of business management. While many attributes have been addressed in prior studies, there remains no convincing evidence that big data analytics improve the decision-making process regarding sustainable supply chain management performance. This study proposes applying exploratory factor analysis to scrutinize the validity and reliability of the proposed measures and uses qualitative information, quantitative data and social media applied fuzzy synthetic method-decision making trial and evaluation laboratory methods to identify the driving and dependence factors of data-driven sustainable supply chain management performance. The results show that social development has the most significant effect. The results also indicate that long-term relationships, a lack of sustainable knowledge or technology, reverse logistic, product recovery techniques, logistical integration, and joint development are the most effective criteria for enhancing sustainable supply chain management performance. The theoretical and managerial implications are discussed. Introduction: Sustainable supply chain management (SSCM) has attracted significant attention amongst academics and practitioners for balancing the triple bottom line (TBL) in supply chain networks (Dubey et al., 2017a,b).Wu et al. (2017) argued that market changes aimed at sustainable development caused supply chain risks in the industry. These risks can be identified in social media, quantitative data and qualitative information (denoted as big data), but practitioners are incapable of managing this information to address customer needs and environmental requirements (Wu et al., 2017). This study focuses on the Taiwanese textile industry, which produces a large quantity of products to meet customer needs globally, and addresses sustainable development in many countries (Diabat et al., 2014a,b). The industry is located in the global supply chain network due to the goods distribution channels, and hence, services have become complex, and subsequently, the socioenvironmental- economic conditions have become a major attribute of supply chain performance (Dubey et al., 2017a,b). The business environment has incurred the uncertainties that generate the need for firms to promote their sustainable development and social impact and remain competitive (Zailani et al., 2012; Walker and Jones, 2012; Ahi and Searcy, 2013; Diabat et al., 2014a,b). Hence, data-driven SSCM performance must be assessed to model the structure.