طراحي مدلي براي ارزيابي ريسك در زنجيره ي تامين با رويكرد شبكه ي عصبي مصنوعي (مطالعه ي موردي: شركت فولاد آلياژي ايران - يزد)

Developing an integrated model for evaluation Risk in Supply Chain using ANN

امروزه مديريت زنجير هي تامين ب هدليل جهان يشدن بازارهاي كس بوكار، اهميت بيشتري پيدا كرده است. با افزايش پيچيدگي، سطح نبود اطمينان و ريسك موجود در زنجيره نيز افزايش م ييابد. از اي نرو مديريت ريسك زنجير هي تامين يكي از موضوعاتي است كه مورد توجه سازما نها قرار گرفته است. يكي از خطرهاي موجود در زنجير هي تامين، ريس كهاي وارده از ناحي هي تامي نكنندگان است. تحقيق حاضر با ب هكارگيري شبك ههاي عصبي مصنوعي ب هعنوان ابزاري قدرتمند در پردازش اطلاعات غيرخطي، مدلي مناسب براي پي شبيني ريسك وارده از سوي تامي نكنندگان در شركت فولاد آلياژي ايران ارايه م يدهد. در اين مدل با استفاده از تكنيك دلفي فازي هفت عامل ب هعنوان عوامل ورودي مدل شبك هي عصبي انتخاب VIKOR و AHP شدند. براي محاسب هي ميزان ريسك وارده از سوي هر تامي نكننده، از تلفيق تكنيك استفاده شده و با ب هكارگيري مدل پرسپترون چندلايه، ميزان ريسك وارده از سوي هر تامي نكننده پي شبيني شده است. در پايان با استفاده از تحليل حساسيت تاثير هركدام از متغيرهاي ورودي بر خروجي ارزيابي و پيشنهاداتي براي كاهش ريسك ارايه شده است.

In the last few years, supply chain management becomes more important, because of the globalization of business. By increasing complexity, level of uncertainty and risk in the chain goes up. Hence supply chain risk management has become a major issue in the organization. One of the risks existing in the supply chain is risk of suppliers. This research provides model for predicting supplier risk in Iran Alloy Steel Company that is then analyzed using Artificial Neural Networks which are capable to consider non-liner interrelations among criteria. In the model using fuzzy Delphi, seven criteria have been identified. Then by using AHP-VIKOR the risk of supplier calculated and the risk of suppliers were predicted. Finally, we use sensitive analysis for identification effect of every input on output.