ارایه مدل ترکیبی تحلیل پوششی داده بوستینگ در ارزیابی عملکرد تامین کنندگان

امروزه ارزیابی تامین کنندگان و مدل سازی کارایی آنها با به کارگیری روش های کمی و با هدف استقرار نظام مدیریت استراتژیک روابط با تامین کنندگان بسیار مورد توجه است. مدل تحلیل پوششی داده ها 1 (DEA) یکی از پرکاربردترین ابزارها برای محاسبه کارایی تامین کنندگان بوده که در صنایع مختلف مورد استفاده قرار گرفته است. با توجه به ماهیت ناپارامتری مدل DEA ، برای پیش بینی کارایی واحد جدید بایستی تمام محاسبات را تکرار نمود که هزینه بالای محاسباتی و عدم توانایی پیش بینی را به عنوان نقاط ضعف DEA مطرح می نماید. در سال های اخیر ترکیب DEA و مدل های هوش مصنوعی برای افزودن توان پیش بینی به DEA و همچنین انجام تحلیل حساسیت های مفید در رابطه با نحوه تاثیرگذاریورودی ها خروجی ها بر عملکرد تامین کنندگان مورد توجه قرار گرفته است. در این مقاله روش یادگیری جمعی بوستینگ به عنوان رویکردی مناسب جهت مدل سازی نتایج DEA و ساخت سیستم پشتیبان از تصمیم جهت ارزیابی کارایی تامین کنندگان مورد توجه قرار گرفته است. برای ارزیابی مدل ارایه شده، داده های عملکرد تامین کنندگان شرکت خودروساز داخلی مورد استفاده قرار گرفته و نتایج حاکی از دقت بالای مدل بوستیگ در پیش بینی کارایی تامین کنندگان می باشد

کلیدواژه ها:

مدیریت ارتباط با تامین کنندگان ، تحلیل پوششی داده ها ، مدل یادگیری جمعی ، بوستینگ