ورود
مقالات فارسیISIکنفرانسهاژورنالها

ارائه ی یک چارچوب یکپارچه با استفاده از روش های F-PIPRECIA و Z-WASPAS جهت ارزیابی موانع پیاده سازی لجستیک هوشمند

محل انتشار: مجله ی مهندسی صنایع و مدیریت شریف، دوره: 41، شماره: 2
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 50

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/2676153

شناسه ملی سند علمی:

JR_SJIE-41-2_001

تاریخ نمایه سازی: 14 مرداد 1405

چکیده مقاله:

لجستیک، یکی از محرک های رقابت پذیری کشورها و شرکت هاست و نقشی حیاتی در رشد اقتصادی ایفا می کند. با این حال، صنعت لجستیک فعلی هنوز با هزینه های بالا و راندمان پایین مواجه است. توسعه ی لجستیک هوشمند، فرصت هایی را برای حل مشکلات ذکرشده به ارمغان می آورد. با وجود مزایای بسیار، وجود برخی موانع، اجرای سیستم های مذکور را محدود می کند. هدف پژوهش حاضر، ارائه ی یک چارچوب یکپارچه جهت ارزیابی موانع پیاده سازی لجستیک هوشمند بوده و برای اولین بار جهت تجزیه وتحلیل موانع از رویکرد FMEA مبتنی بر PIPRECIA فازی و WASPAS  توسعه یافته براساس تئوری اعداد Z استفاده شده است. رویکرد پیشنهادی پژوهش حاضر، در ارزیابی موانع پیاده سازی لجستیک هوشمند در یک کارخانه ی فعال در زمینه ی مونتاژ لوازم خانگی واقع در منطقه ی آزاد ارس در کشور ایران پیاده سازی شده است. براساس نتایج، کمبود منابع مالی کافی و کمبود کارکنان واجد شرایط به عنوان موانع بحرانی شناسایی شده اند. نتایج حاصل از رویکرد پیشنهادی، نشانگر قابلیت و برتری آن در مقایسه با سایر روش های موجود در ادبیات بوده است.

کلیدواژه ها:

لجستیک هوشمند ، انقلاب صنعتی چهارم ، تصمیم گیری چند معیاره ، PIPRECIA ، WASPAS

نویسندگان

علی معمارپور غیاثی

گروه مهندسی صنایع، دانشکده ی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.

محمدرضا زاهدی

گروه مهندسی صنایع، دانشکده ی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.

مرتضی عباسی

گروه مهندسی صنایع، دانشکده ی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، 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 :
  • منابع- ReferencesTang, X., ۲۰۲۰. Research on smart logistics model based ...
  • Song, Y., Yu, F. R., Zhou, L., Yang, X., and ...
  • Lee, S., Kang, Y., and Prabhu, V. V., ۲۰۱۶. Smart ...
  • Jafarzadeh Ghoushchi, S., Memarpour Ghiaci, A., Rahnamay Bonab, S., and ...
  • Ghoushchi, S. J., Yousefi, S., and Khazaeili, M., ۲۰۱۹. An ...
  • Jafarzadeh Ghoushchi, S., Shaffiee Haghshenas, S., Memarpour Ghiaci, A., Guido, ...
  • Fleisch, E., Christ, O., and Dierkes, M., ۲۰۰۵. Die betriebswirtschaftliche ...
  • Uckelmann, D., ۲۰۰۸. A definition approach to smart logistics. Paper ...
  • Barreto, L., Amaral, A., and Pereira, T., ۲۰۱۷. Industry ۴.۰ ...
  • Cullity, B., ۱۹۷۲. Introduction to magnetic materials (MA, USA. In: ...
  • Lin, C.-C., and Yang, J.-W., ۲۰۱۸. Cost-efficient deployment of fog ...
  • Zhang, C., and Peng, D., ۲۰۱۳. Countermeasures on how to ...
  • Zhang, Y., Liu, S., Liu, Y., Yang, H., Li, M., ...
  • Zhao, L., ۲۰۰۵. Intelligent logistics and its supporting technology. Intell, ...
  • McFarlane, D., Giannikas, V., and Lu, W., ۲۰۱۶. Intelligent logistics: ...
  • Ghoushchi, S. J., Jalalat, S. M., Bonab, S. R., Ghiaci, ...
  • Sumrit, D., and Keeratibhubordee, J., ۲۰۲۵. Risk assessment framework for ...
  • Phokee, W., Chaiklieng, S., Boriwan, P., Phoka, T., Vanoirbeek, J. ...
  • Kumari, S., Ahmad, K., Khan, Z.A. and Ahmad, S., ۲۰۲۵. ...
  • Deepak, D., Brar, G.S., Dwivedi, S., Farwaha, H.S., Ranjan, N., ...
  • Rashidian, F., Eydi, A., and Roghanian, E., ۲۰۲۴. Reliable and ...
  • Altubaishe, B., and Desai, S., ۲۰۲۳. Multicriteria decision making in ...
  • Jin, G., Meng, Q., and Feng, W., ۲۰۲۲. Optimization of ...
  • Oturakçı, M., and Konyalıoğlu, A. K., ۲۰۲۲. Action selection based ...
  • Bathrinath, S., Mohan, S., Koppiahraj, K., Bhalaji, R., and Santhi, ...
  • Pourmehdi, M., Paydar, M. M., and Asadi-Gangraj, E., ۲۰۲۱. Reaching ...
  • Alvand, A., Mirhosseini, S. M., Ehsanifar, M., Zeighami, E., and ...
  • Stanujkic, D., Zavadskas, E. K., Karabasevic, D., Smarandache, F., and ...
  • Keršuliene, V., Zavadskas, E.K. and Turskis, Z., ۲۰۱۰. Selection of ...
  • Popovic, G., Stanujkic, D., Mihic, M., Smarandache, F., Karabasevic, D. ...
  • Ghiaci, A.M. and Gheidar-Kheljani, J., ۲۰۲۴. A hybrid model of ...
  • Ghoushchi, S.J., Bonab, S.R., Ghiaci, A.M., Haseli, G., Tomaskova, H. ...
  • Lotfi, Z., ۱۹۶۵. Fuzzy sets. Information and control, ۸(۳), ۳۳۸-۳۵۳ ...
  • Wang, Y.J., ۲۰۱۵. Ranking triangle and trapezoidal fuzzy numbers based ...
  • Zadeh, L. A., ۲۰۱۱. A note on Z-numbers. Information Sciences, ...
  • Zavadskas, E. K., Turskis, Z., Antucheviciene, J., and Zakarevicius, A., ...
  • Chakraborty, S., and Saha, A. K., ۲۰۲۲. A framework of ...
    • نمایش کامل مراجع