ارائة مدل تحليل‌پوششي‌داده‌ها جهت انتخاب تأمين‌كنندگان با در نظر گرفتن معيارهاي پايداري (مطالعة موردي: صنعت سنگ)

A Data Envelopment Analysis (DEA) Model for Supplier Selection by Considering Sustainable Criteria: A Case Study in a Stone Industry

انتخاب مناسب تأمين‌كنندگان يكي از استراتژي‌هاي حياتي و اساسي براي بالا بردن كيفيت خروجي هر سازمان بوده كه طي آن، خريدار با درنظر گرفتن تمامي گزينه‌هاي انتخاب و معيارهاي ارزيابي آنها سعي در بهبود روابط خودبا تأمين‌كنندة انتخابي دارد. يكي از روش‌هاي به كار گرفته‌شده جهت ارزيابي تأمين‌كنندگان،روش تحليل پوششي داده‌هاست. هدف از اين مقاله، ارائه مدلي جهت ارزيابي و انتخاب تأمين‌كنندگان با رويكرد تحليل‌پوششي‌داده‌هاست كه در آن معيارهاي اقتصادي در كنار معيارهاي اجتماعي و زيست‌محيطي به‌عنوان ورودي و خروجي در نظر گرفته ‌شده و از سه رويكرد خوش‌بينانه، بد‌بينانه و محافظه‌كارانه تحليل ‌پوششي‌داده‌ها جهت تصميم‌گيري در شرايط مختلف استفاده‌ شده ‌است. در اين تحقيق مطالعه موردي در يكي از كارخانه‌هاي توليد سنگ انجام‌ شده است. داده‌هاي 19 معدن سنگ به ‌عنوان تأمين‌كنندگان اين كارخانه جمع‌آوري شده و 10 تأمين‌كنندة برتر انتخاب و به واحد صنعتي مربوطه پيشنهاد مي‌شود. مدل پيشنهادي با روش حلي دقيق در نرم‌افزار GAMS حل شده و آناليز حساسيت بر روي رتبة تأمين‌كنندة برتر، اهميت معيارها را در ارزيابي تأمين‌كنندگان مشخص مي‌كند

Supplier selection is a vital process in which the vender tries to improve its relations with the chosen suppliers. In this procedure, by considering all alternatives and criteria evaluation, suppliers are selected. One of the methods used to evaluate and choose suppliers is Data Envelopment Analysis (DEA). This paper proposes a model to evaluate suppliers with DEA. Sustainability criteria, which includes measures of three aspects, social, economic and environmental, are considered and three approaches, aggressive, benevolent and conservative of DEA, for considering all policies of organizations is utilized. In this research, a case study is conducted at a stone factory. Data’s of 19 quarries as suppliers in this research, is collected and top 10 suppliers are chosen and suggested to the factory. This model is solved with GAMS and finally, sensitivity analysis on the top ranked suppliers, displays importance of the criteria to help other suppliers to improve their performance.