بهينه‌كاوي رقابتي ابزاري براي تحليل گلوگاه استراتژيك

Competitive Benchmarking as Tools for Analysisof Strategic Bottleneck

تصميم‌سازي در شرايط رقابتي چالشي است كه مديران با آن روبه‌رو هستند. شناسايي عوامل موفقيت استراتژيك هر شركت و تعيين موقعيت خود نسبت به رقبا با توجه به آن عوامل راهكاري است كه مديريت عالي شركت‌ها براي بقا در شرايط رقابتي از آن بهره مي‌برند. هدف مقاله حاضر توسعه يك روشي كمي به منظور بهينه ‌كاوي رقابتي‌ است. در مقاله حاضر متوسط هزينه توليد يك تن محصول، ارزش ويژه برند شركت، كيفيت محصول، قابليت بازاريابي و فروش، قابليت خريد و دسترسي به منابع، رضايت مشتري، انعطاف‌پذيري توليد، قابليت‌هاي بخش مهندسي، قابليت تحقيقات فني، تعداد طرح‌هاي توسعه به كمك نظر خبرگان صنعت عنوان عوامل موفقيت حياتي شركت‌هاي توليدي در صنعت لوله و پروفيل فولادي در نظر گرفته شده است. سپس به كمك روش تاپسيس راه‌حل بهينه مثبت به‌عنوان الگوي بهينه مثبت و راه‌حل بهينه منفي به‌عنوان الگوي بهينه منفي تعيين شد. اين دو الگو به‌عنوان الگوي‌هاي بهينه‌يابي رقابتي مد نظر قرار گرفته است. پس از آن با توجه به محدوديت سيستمي بودجه، با استفاده از برنامه‌ريزي آرماني صفر و يك دو هدفه براي هر يك رقبا سعي شده است تا فاصله هر رقيب از الگوي بهينه مثبت حداقل و فاصله از الگوي بهينه منفي حداكثر شود. نتايج نشان مي‌دهد كه هر يك از رقبا به منظور رسيدن به الگوي بهينه بايد به كدام يك از عوامل حياتي موفقيت توجه نمايد.

Decision-making in competitive situations is a challenge for managers. Identifying the strategic success factors (SSF) for each company and determining the company’s position relative to its competitors due to the SSF are critical, which top managers use for survival in the competitive conditions. The aim of this paper is to create a quantitative method to determine the competitive benchmarking. In this study, average cost of production, companyʹs brand equity, product quality, marketing and sales capabilities, purchasing capabilities, customer satisfaction, production flexibility, engineering capabilities, technical research capabilities, and the number of R & D projects were identified as critical success factors by the experts of Profile and Pipe Steel Industry. The technique for order preference by similarity to ideal solution was used to determine the positive benchmark (as positive ideal solution) and negative benchmark (as negative ideal solution). Then by considering the budget constraint, binary goal programming model was used to maximize the positive deviation between each rival and the negative benchmark, and to minimize the negative deviation between each rival and the positive benchmark. The results of the proposed model showed that which SSF rival should be considered to reach the positive benchmark.