ارزيابي ريسك هاي زنجيره تأمين پايدار با روش تحليل حالات و دلايل شكست در محيط فازي (مطالعه موردي: صبا باطري)

Evaluating risks of sustainable supply chain by the failure mode and effect analysis method in fuzzy environment (case study: Saba battery

با وجود مزاياي متعدد جهاني شدن و ورود تكنولوژي‌هاي پيشرفته، اين عوامل زنجيره تامين پايدار را در معرض ريسك‌هاي اجتماعي، اقتصادي و زيست محيطي قرار مي‌دهد. هدف پژوهش حاضر، توسعه يك رويكرد جديد براي شناسايي و اولويت‌بندي ريسك‌هاي موجود در زنجيره تأمين پايدار با استفاده از روش تحليل حالت و دلايل شكست (FMEA) است. براي تحقق اين هدف، ابتدا ريسك‌هاي موجود در زنجيره هاي پايدار صنعت باطري سازي شناسايي شده، سپس با نظر تيم‌هاي بين وظيفه اي و با بهره گيري از روش پيشنهادي اين ريسك‌ها اولويت بندي مي شوند. با توجه به اينكه فاكتورهاي ريسك شامل احتمال، شدت و قابليت شناسايي به صورت متغيرهاي فازي بوده، در اين پژوهش از اعداد اولويت ريسك فازي (FRPN) براي بررسي حالات شكست استفاده مي‌شود. اعداد اولويت ريسك فازي به صورت ميانگين هندسي موزون فازي فاكتورهاي ريسك تعريف و با كمك مجموعه‌هاي سطوح برش آلفا و مدل برنامه ريزي خطي محاسبه مي شود. سپس با توجه به ناكارايي رويكردهاي فازي اولويت-بندي عوامل ريسك پايداري، در رويكرد پيشنهادي از روابط ترجيح فازي براي اين منظور استفاده مي شود. نتايج نشان دهنده آن است كه رويكرد پيشنهادي قادر است با كارايي محاسباتي بالايي نتايج مشابهي را ارائه دهد.

Despite the numerous benefits of globalization and the emergence of advanced technologies, they have put the sustainable supply chain in subject to the social, economic, environmental risks. The aim of this study is to develop a new approach to identify and prioritize the risks involved in sustainable supply chain by using the failure mode and effect analysis (FMEA) technique. In this way, the fuzzy sets theory is applied to calculate the risk priority numbers with regard to the fuzzy importance coefficients of risk factors including probability of occurrence, severity and detectability for each risk factor. However, proposed approaches have a computational inefficiency in ranking the fuzzy priority numbers. The fuzzy weighted geometric mean and linear programming model is used in a different way to determine the fuzzy risk priority numbers and then the fuzzy preference relations is applied to compare these numbers for prioritizing sustainability risk factors. Risk factors of the sustainable supply chain in the battery industry are identified and then prioritized by the cross-functional team by using the proposed method. The results show that the approach is capable to provide similar results than other ones with a high computational performance.