آميخته مدل‏سازي ساختاري تفسيري و فرايند تحليل شبكه‏اي ‏ فازي براي شناسايي و رتبه بندي عوامل موثر بر چابكي زنجيره ي تامين

An Integration of Interpretive Structural Modeling and Fuzzy Analytical Network Process for Identifying and Ranking The Factors Affecting Supply Chain Agility

دستيابي به چابكي در توليد، نيازمند برآورده شدن مجموعه‏اي از نيازمندي‏ها در زنجيره ي تامين شركت است تا بتواند از رويكرد چابكي در شركت پشتيباني كند. در اين ميان، عواملي هستند كه مي‏توانند بر اين چابكي اثر گذارند. بنابراين، شناسايي و رتبه بندي عوامل موثر بر چابكي در زنجيره ي تامين يكي از مسايل راهبردي است. دستيابي به پاسخي شايسته براي اين مساله، مي‏تواند در دراز مدت با اهميت و داراي پيامدهاي شگرف اقتصادي باشد. در مقايسه با ديگر حوزه‏ها، پژوهش‏هاي كمي براي شناسايي و رتبه بندي عوامل موثر بر زنجيره ي تامين چابك انجام شده است. هم چنين، در پژوهش‏هاي كنوني نيز تاكيد بيش تري بر شاخص هاي كمّي شده است و شاخص هاي كيفي كمتري بررسي شده است. دليل اين كم توجهي، شايد به ماهيت نادقيق بودن شاخص هاي كيفي و نيز كنش دو سويه ي آن ها در شناسايي و رتبه بندي مربوط باشد.در اين پژوهش با به كارگيري يك رويكرد نوين آميخته با استفاده از فرايند تحليل شبكه اي فازي ، عوامل موثر بر چابكي زنجيره ي تامين شناسايي و رتبه‏بندي مي‏شوند. براي تعيين روابط ميان شاخص ها از روش مدل‏سازي ساختاري تفسيري استفاده شده است. رويكرد پيشنهادي در يك بررسي موردي به كار گرفته شده است. يافته‏ها نشان مي‏دهد كه اين رويكرد مي‏تواند در دستيابي به عوامل اثر گذار سودمند باشد.

Achieving agility in manufacturing requires a set of requirements in a company’s supply chain in order to support the agility in the supply chain. There are factors that can affect this agility. Therefore, identification and ranking these factors affecting supply chain agility is a strategic issue. To find a decent answer to this problem could be important in the long run and have dramatic economic consequences. Compared to other areas, a few researches have been done to identify and rank factors affecting agility in the supply chain. In current studies there is also a greater emphasis on quantitative criteria, while qualitative criteria have been less investigated. It is perhaps due to the inaccurate nature and the interaction between those qualitative factors. In this research, using fuzzy analytical network process (FANP), factors affecting supply chain agility are identified and ranked. To establish relationships between factors, interpretive structural modeling (ISM) is used. The proposed approach is applied in a case study. Results show that this approach can be helpful in achieving effective agents.