انتخاب تامين كننده بر اساس ديدگاه هاي خوشبينانه و بدبينانه

Supplier Selection Based on Optimistic and Pessimistic Perspectives

در مدل هاي قابل كنترل براي ارزيابي كارآيي تامين كنندگان، فرض بر اين است كه همه ي معيارها قابل كنترل هستند؛ يعني در كنترل مديريت هر تامين كننده هستند و به صلاحديد مدير تغيير مي كنند. اين مدل ها انتخاب تامين كنندگان را در شرايطي كه برخي از عوامل غيرقابل كنترل هستند، در نظر نمي گيرند. در اين مقاله، يك رويكرد مبتني بر تحليل پوششي داده ها (DEA) براي انتخاب بهترين تامين كنندگان در حضور عوامل غيرقابل كنترل و داده هاي نادقيق ارائه مي كنيم كه همزمان دو ديدگاه خوشبينانه و بدبينانه را در نظر مي گيرد. ديدگاه خوشبينانه تامين كنندگان را با استفاده از كارآيي خوشبينانه ارزيابي مي كند و مي توان از آن براي شناسايي تامين كنندگان كارآي خوشبينانه استفاده كرد، در حالي كه ديدگاه بدبينانه تامين كنندگان را بر اساس كارآيي بدبينانه ارزيابي مي كند و مي توان از آن براي شناسايي تامين كنندگان ناكارآيي بدبينانه استفاده كرد. اين كارآيي هاي متمايز در قالب كارآيي هاي متوسط هندسي با هم ادغام مي شوند كه سنجشي از عملكرد كلي هر تامين كننده در معيارهاي متعدد نسبت به ساير تامين كنندگان رقيب موجود در همان بازار را نشان مي دهند، و لذا مي توان از اين اندازه ها به عنوان مبنايي براي مقايسه ي تامين كنندگان استفاده كرد. مشاهده مي شود كه كارآيي هاي متوسط هندسي قدرت افتراق بيشتري نسبت به هر كدام از كارآيي هاي خوشبينانه و بدبينانه دارند. يك مثال عددي مزايا، قابليت، و كاربردهاي رويكرد DEAي پيشنهادي را نشان مي دهد.

Discretionary models for supplier efficiency evaluation assume that all criteria are controllable, i.e. they are controlled by the supplier and can change at the discretion of the management. These models do not consider supplier selection in circumstances where some factors are non-discretionary. In this paper, we present a data envelopment analysis (DEA) approach for selection of the best suppliers in the presence of non-discretionary factors and imprecise data that considers both optimistic and pessimistic perspectives. The optimistic perspective evaluates suppliers using the optimistic efficiency and can be used for identifying optimistic efficient suppliers, whereas the pessimistic perspective evaluates suppliers using the pessimistic efficiency and can be used for identifying pessimistic inefficient suppliers. These distinct efficiencies are integrated in the form of geometric average efficiencies that provide an assessment of the overall performance of each supplier in multiple criteria compared to other rival suppliers in the same market and therefore can be used as a basis for comparison of suppliers. We show that geometric average efficiencies have more discriminative power than either of the two efficiencies. A numerical example shows the advantages, capabilities, and applications of the proposed DEA approach.