مدل برنامه ریزی برونسپاری لجستیک معکوس بر پایه تحلیل فازی شهودی با در نظر گرفتن روش های هوش مصنوعی (مورد مطالعه: شرکت سایپا)

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 170

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_INDU-14-2_006

تاریخ نمایه سازی: 12 تیر 1403

چکیده مقاله:

مقدمه و اهداف: توسعه پایدار، توسعه ­ای است که نیازهای نسل حاضر را تامین می کند؛ بدون اینکه در پاسخگویی نیازهای نسل آینده خللی ایجاد کند. توسعه پایدار دارای سه بعد اقتصادی، اجتماعی و زیست محیطی است که باید به صورت هم زمان در نظر گرفته شود. با رشد و اهمیت توسعه پایدار، بسیاری از شرکت ­های موجود در سطح دنیا نیز به دلایل و انگیزه ­های کنشی و یا واکنشی اقدام به جمع ­آوری محصولات فرسوده خود می کنند. در چنین شرایطی وجود یک شبکه لجستیک معکوس که مبتنی بر توسعه پایدار باشد، ضروری است. تصمیم بر برون سپاری لجستیک به دلیل اجتناب از هزینه­ های ثابت، سرمایه گذاری سنگین و دستیابی به مزیت اقتصادی، بسیار اهمیت یافته است و شرکت ­های بسیاری مزایای بالقوه را که از خدمات لجستیکی باکیفیت حاصل می شود، دریافته ­اند.روش: در پژوهش حاضر، یک مدل برنامه ­ریزی عدد صحیح آمیخته به منظور برنامه ­ریزی برون سپاری لجستیک معکوس در چرخه مونتاژ صنعت خودروسازی بر پایه تابع هدف هزینه­ گرا ارائه شده است. قلمرو موضوعی پژوهش متمرکز بر چرخه مونتاژ خطوط تولید به صورت عام و با اولویت خودروسازان پرتیراژ (سواری سبک) است که شامل گروه صنعتی خودروسازی سایپا شامل گروه لیزینگ رایان سایپا است. قلمرو زمانی پژوهش، یک بازه مشخص از سال ۱۳۸۹ تا سال ۱۳۹۸ است. متغیرهایی نظیر دریافتی­ های غیرتجاری، جمع کل دارایی­ ها، سود عملیاتی، سود خالص و ارزش بازار هستند که از طریق آمار منتشرشده «شرکت سایپا» با استفاده از نرم افزار متلب ارزیابی می­ شوند.یافته­ ها: یافته­ های پژوهش نشان می­ دهد که از میان متغیرهای دریافتی­ های غیرتجاری، جمع کل دارایی ها، سود عملیاتی، سود خالص و ارزش بازار، سود خالص به سود عملیاتی و فروش (درآمدهای عملیاتی) از اهمیت بالایی برخوردار هستند. بیشترین میزان دریافتی های غیرتجاری برای شرکت خودروسازی سایپا در بازه زمانی ۱۳۸۹ تا ۱۳۹۸ در سال ۱۳۹۸ و در فصل تابستان است و برای کل دارایی ها برای سال ۱۳۹۲ و فصل تابستان است؛ همچنین بیشترین میزان سود عملیاتی برای سال ۱۳۹۸ و فصل زمستان و برای سود خالص برای سال ۱۳۹۰ و فصل بهار است. میزان همگرایی داده ها در نمودار رگرسیونی فروش (درآمدهای عملیاتی) به سود عملیاتی و سود خالص به سود عملیاتی برای سال های ۱۳۸۹-۱۳۹۸ محاسبه شد. میزان همگرایی داده ها در نمودار رگرسیونی فروش (درآمدهای عملیاتی) به سود عملیاتی بر مبنای مدل مفهومی در سال ۱۳۹۸ برابر با ۹۸۹۵/۰ و نمودار رگرسیونی سود خالص به سود عملیاتی در سال ۱۳۹۸ بر مبنای مدل مفهومی در­نظر­گرفته شده برابر با ۹۹۶۱/۰ است. میزان رگرسیون برای مدل مفهومی در مرحله آزمون برابر با ۷۹/۰ به ­دست آمد. میزان رگرسیون حاصل از پردازش در مرحله کلی برابر با ۷۹/۰ حاصل شد. میزان خطای هیستوگرام برای هر سه مرحله یادگیری، اعتبارسنجی و آزمون محاسبه شد. این میزان خطا با توجه به خطای صفر، برابر با ۰۰۲۳۷۵/۰ است که به ­دلیل نزدیک ­بودن به صفر از سطح قابل­ قبولی برخوردار است و به مقدار صفر نمی ­رسد و در مقایسه با نتایج پژوهش های دیگر نشان­ دهنده بهبود میزان رگرسیون و خطا در تجزیه وتحلیل تابع هدف است.نتیجه­ گیری: با توجه به وزن محاسبه ­شده معیارها در مسائل بالانس خطوط مونتاژ دوطرفه می­ توان نتیجه گرفت که گروه تصمیم در کنار مسائل تولیدی به مسائل استراتژیک توجه خاصی دارند؛ زیرا نرخ تولید خط که معکوس زمان چرخه تولید است، در درازمدت بر سهم بازار شرکت تاثیر می­ گذارد و موجب افزایش سهم شرکت در بازار می­ شود.

کلیدواژه ها:

نویسندگان

علی محقر

استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

طاها منصوری

استادیار، دانشکده علوم پایه، مهندسی و محیط زیست، دانشگاه سالفورد، منچستر، انگلستان.

ساناز حدادی

دانشجوی دکتری، گروه مدیریت صنعتی، پردیس بین المللی کیش دانشگاه تهران، کیش، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alkahtani, M., & et al. (۲۰۲۱). An Insight into Reverse ...
  • Arunodaya, R. M., Pratibha, R., & Kiran, P. (۲۰۲۱). Fermatean ...
  • Bazargan, A., Ghasemi, R., Eftekhar Ardebili, M., & Zarei, M. ...
  • Chia-Nan, W., Thanh-Tuan, D., & Ngoc-Ai-Thy, N. (۲۰۲۱). Outsourcing Reverse ...
  • Christos, I. P. (۲۰۲۱). Measuring and eliminating the bullwhip in ...
  • Cortés, P., Pascual, A., & Valero, F. (۲۰۱۷). Identification of ...
  • Eng, L. L., & Vichitsarawong, Th. (۲۰۲۲). Comparing the usefulness ...
  • Ghasemi, R., Alidoosti, A., Hosnavi, R., & Norouzian Reykandeh, J. ...
  • Ghasemi, R., Hashemi–Petroudi, S. H., Mahbanooei, B., & Mousavi–Kiasari, Z. ...
  • Gholizadeh, H., Goh, M., Fazlollahtabar, H., & Mamashli, Z. (۲۰۲۲). ...
  • Hashemi, S. E. (۲۰۲۱). A fuzzy multi-objective optimization model for ...
  • Jafarnejad, A., Ghasemi, R., Abdollahi, B., & Esmailzadeh, A. (۲۰۱۳). ...
  • Jamalian, A., Ghadikolaei, A. S., Zarei, M., & Ghasemi, R. ...
  • Kamali Mohammadzadeh, A., & et al. (۲۰۱۸). A Fuzzy Analytic ...
  • Kim, S.T., Lee, H. H. & Hwang, T. (۲۰۲۰). Logistics ...
  • Mardani, A., Kannan, D., & Hooker, R. (۲۰۱۹). Evaluating of ...
  • Marta Starostka , P. (۲۰۲۱). The use of information systems ...
  • Mishra, A.R., Rani, P. & Pandey, K. (۲۰۲۱). Fermatean fuzzy ...
  • Mohaghar, A., Ghasemi, R., Abdullahi, B., Esfandi, N., & Jamalian, ...
  • Mohaghar, A., Mahbanooei, B., Behnam, M., & Khavari, Z. (۲۰۱۸). ...
  • Mohaghar, A., Sadeghi Moghadam, M. R., Ghourchi Beigi, R., & ...
  • Motevalli Haghighi, S., Torabi, S. A., & Ghasemi, R. (۲۰۱۶). ...
  • Nasrollahi, M., Ghadikolaei, A. S., Ghasemi, R., Sheykhizadeh, M., & ...
  • Olumide, E. O., Swapnil, B., Fabio, S., & Jan, O. ...
  • Papanagnou, C. I. (۲۰۲۱). Measuring and eliminating the bullwhip in ...
  • Rastegar, A. A., Mahbanooei, B., & Ghasemi, R. (۲۰۱۲). Canonical ...
  • Razavi, S. M., Abdi, M., Amirnequiee, S., & Ghasemi, R. ...
  • Riaz, M., Farid, H. M. A., Aslam, M., Pamucar, D., ...
  • Sichao, L., Geng, Zh., & Lihui, W. (۲۰۱۸). IoT-enabled Dynamic ...
  • Škrjanc, I., & et al. (۲۰۱۹), Evolving fuzzy and neuro-fuzzy ...
  • Starostka -Patyak, M. (۲۰۲۱). The use of information systems to ...
  • Taghizadeh Yazdi, M., & Salmani Zarchi, E. (۲۰۱۸), Presenting a ...
  • Tavan, F., Sajadi, S.M., Movahedi Sobhani, F., & Azizi, A. ...
  • Internet of Things: A Survey for the Individuals' E-Health Applications [مقاله ژورنالی]
  • Zarbakhshnia, N., Wu, Y., Govindan, K., & Soleimani, H. (۲۰۲۰). ...
  • Zarei, M., Jamalian, A., & Ghasemi, R. (۲۰۱۷). Industrial guidelines ...
  • Zarei, M., Mohammadian, A., & Ghasemi, R. (۲۰۱۶). Internet of ...
  • Zhang, S., & Zhao, X. (۲۰۱۵). Fuzzy Robust Control for ...
  • Zhang, X., Li, Z., & Wang, Y. (۲۰۲۰). A Review ...
  • نمایش کامل مراجع