اولويت‌بندي راهبردهاي تعميرات و نگهداري با رويكرد تركيبي ديمتل، تحليل شبكه‌اي و كپراس در صنايع توليدي قطعات خودرو مطالعه (موردي: شركت ميلاد قم)

Prioritizing Maintenance Strategies with a Combination Approach DEMATEL-ANP-COPRAS in Auto Parts Manufacturing Industry Case Study: Milad Company of Qom

تنوع راهبردهاي تعميرات و نگهداري، تنوع ماهيتي سازمان‌ها و تنوع معيارهاي انتخاب استراتژي باعث شده تا مسئله انتخاب استراتژي دچار پيچيدگي شود. در اين تحقيق راهبردهاي مذكور از ادبيات تحقيق جمع‌آوري شده ‌است. سپس از روش يونگ لن كه مبتني بر تركيب تكنيك‌هاي ديمتل، تحليل شبكه‌اي است و تركيب آن با كپراس، براي اولويت‌بندي راهبردها استفاده شده ‌است. در اين روش، صرفه‌جويي‌هايي در جمع‌آوري اطلاعات و در محاسبات وجود دارد كه در متن مقاله تشريح شده‌‌اند. پژوهش حاضر از نظر ماهيت توصيفي- پيمايشي، به لحاظ فرايند، كمّي و به لحاظ نتيجه، كاربردي است و از نظر موضوعي در حوزه تصميم‌گيري چند معياره در انتخاب استراتژي نگهداري و تعميرات قرار مي‌گيرد. در ايـن تحقيـق، تيم خبرگـان متشكل از ده نفر از كاركنان شركت و جامعه‌ دانشگاهي كه آشـنايي بالايي با مسائل صنعت و مباني علمي دارند و به روش هدفمند قضـاوتي انتخاب شدند. ابزار جمع‌آوري داده‌ها پرسشنامه است. نتايج نشان داد كه استراتژي پيش‌بينانه براي صنعت قطعات خودروسازي مناسب‌تر است.

The diversity of maintenance strategies, diversity of organizational nature and diversity of criteria for strategy selection, have made the selection of maintenance strategies as a complicated problem. In this research, the strategies have been collected from the literature. Then using Yung-Lan method that is based on combination of DEMATEL-ANP, and combine it with COPRAS, the strategies were ranked. There are some savings in data collection and calculations in Yung-Lan method, which are described in the text. This study is descriptive in nature, In terms of data is quantitative, In terms of results is applicative and in terms of field is MADM problem for selection of maintenance strategy. In this research, the experts consist of 10 experts of company employees and the academic community familiar with the problems of industry and the scientific basis, were selected using targeted sampling. Data collected by questionnaire. The results showed that the predictive strategy is suitable for automotive parts industry.