دانلود ترجمه مقاله ارزیابی عملکرد زنجیره تامین با تحلیل پوششی داده های شبکه فازی

1. مقدمه 2. مروری بر مقالات 3. تعریف مساله و فرمولاسیون مدل 4. نتایج تجربی 5. بحث و بررسی و دلالت های مدیریتی 6. نتیجه گیری و تحقیقات آتی

چکیده – مساله ارزیابی عملکرد زنجیره تأمین با استفاده از تحلیل پوششی داده ها ارزیابی می شود. در این مقاله تجزیه و تحلیل پوششی داده های مبتنی بر شبکه فازی اپسیلون برای ارزیابی عملکرد زنجیره تأمین ارائه شده است. در مدلهای تحلیل پوششی داده های متداول که برای ارزیابی کارایی واحدهای تصمیم گیرنده مورد استفاده قرار می گیرد، چندین ورودی و خروجی وجود دارد. یکی از اشکالات چنین مدلهایی این است که محصولات واسطه ای و فعالیت های پیوندی نادیده گرفته می شوند. با توجه به این فعالیت ها و محصولات میانی، مطالعه حاضر عملکرد واحدهای تصمیم گیرنده در یک زنجیره تأمین خودرو را ارزیابی می کند. ده زنجیره تصمیم گیرنده در زنجیره تأمین وجود دارد که در آن سه تأمین کننده، دو تولیدکننده، دو توزیع کننده و چهار مشتری وجود دارد. علاوه بر این، راندمان کلی مدل محور ورودی (ورودی مبتنی بر) و بازده تقسیم ورودی محور محاسبه می شود. به منظور بهبود بهره وری، پیش بینی های موجود در مرزها با استفاده از خروجی های مدل حل شده و نرم افزار لینگو بدست می آید. به منظور نشان دادن کاربرد مدل پیشنهادی، برای ارزیابی عملکرد زنجیره تأمین در صنعت خودرو، به عنوان یک مطالعه موردی، کاربرد دارد. سپس، کارآیی کلی DMU و هر بخش (تقسیم) DMU ها به طور جداگانه محاسبه شد. بنابراین، هر سازمان می تواند از این روش ارزیابی برای بهبود عملکرد عوامل جایگزین استفاده کند. مقدمه: این روزها کمترین هزینه و بهترین کیفیت عواملی هستند که مشتری های بیشتری را به خود جلب می کنند، بنابراین بیشتر بنگاهها سعی می کنند در این رقابت برنده شوند (وان و همکاران، 2017). زنجیره تامین متشکل از تأمین کنندگان، کارخانه های تولیدی، انبارها، مشتریان و کانال های توزیع است و بخشی جدا نشدنی از مدیریت مدرن تجارت است که خدمات را به مشتریان ارائه می دهد (کریستوفر 1992؛ فایو ویندز اینترنشنال، 201، پسندیده و همکاران 2015). علاوه بر این، شرکتها به عنوان یک استراتژی مهم رقابتی، مدیریت زنجیره تأمین (SCM) را برای برآوردن تقاضای بازار اعمال می کنند(چن 2011). هنگامی که فروشندگان، تولید کنندگان، توزیع کنندگان و خرده فروشان زیادی در زنجیره تأمین وجود دارند، اندازه گیری عملکرد پیچیده می شود، زیرا انتساب نتایج به تعداد زیادی از عناصر درگیر دشوار است (جلالی نائینی و همکاران 2011).

Supply chain performance evaluation problems are evaluated using data envelopment analysis. This paper proposes a fuzzy network epsilon-based data envelopment analysis for supply chain performance evaluation. In the common data envelopment analysis models which are used for evaluation of decision-maker units efficiency, there are several inputs and outputs. One of the bugs of such models is that the intermediate products and linking activities are overlooked. Considering these intermediate activities and products, the current study evaluates the performance of decision-maker units in an automotive supply chain. There are ten decision-maker units in the supply chain in which there are three suppliers, two manufacturers, two distributors, and four customers. Moreover, the overall efficiency of input-oriented (input-based) model and input-oriented divisional efficiency are calculated. In order to improve the efficiencies, the projections onto the frontiers are obtained by using the outputs of the solved model and Lingo software. In order to show the applicability of the proposed model, it is applied on automotive industry, as a case study, to evaluate supply chain performance. Then, the overall efficiencies of DMUs and each sections (divisions) of DMUs were calculated separately. Therefore, every organization can apply this evaluation method for improving the performance of alternative factors. Introduction: These days, lowest cost and best quality are factors that attract more customers so most of the enterprises try to win this competition (Wan et al. 2017). Supply chain consists of suppliers, manufacturing plants,warehouses, customers, and distribution channels and is an inseparable part of modern business management offering services to customers (Christopher 1992; Five Winds International 2018; Pasandideh et al. 2015). Moreover, as an important competitive strategy, companies apply Supply chain management (SCM) to satisfy market demand (Chen 2011). When there are a lot of sellers, manufacturers, distributors, and retailers in the supply chain, performance measurement becomes complex, because the attribution of results to a large number of involving elements is difficult (Jalali Naini et al. 2011).