تكامل التحليل للقرار المتعدد المعايير الضبابي والمحاكاة للترتيب الفعال للموردين في نموذج سلسلة التوريد

الباحث

اسماء ا. محمد علي

المشرف

علاء الدين حسن قاسم

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم هندسة الانتاج والمعادن / الهندسة الصناعية

الشهادة

دكتوراه

السنة

2023

لغة الرسالة

انكليزي

الكلمات المفتاحية

Supplier ranking;Fuzzy MCDA;Simulation;Supply chain

يعد اختيار الموردين جزء مهم في سلاسل التوريد كعملية حاسمة للشركات التي تعتمد على موردين خارجيين لتوفير السلع أو الخدمات. حيث يتم تقييم واختيار أفضل الموردين بناءً على معايير متعددة . تحليل القرار الضبابي متعدد المعايير (FMCDM) هو طريقة يمكن استخدامها لتقييم الموردين وتصنيفهم بناءً على jules متعددة. حيث يأخذ FMCDM عدم اليقين والغموض في نظر الاعتبار في صنع القرار من خلال السماح لصانعي القرار بالتعبير عن تفضيلاتهم من خلال التعبيرات اللغوية. يمكن استخدام المحاكاة باستخدام تقنيات الثورة الصناعية الرابعة 14.0 لتحسين دقة وموثوقية عملية تصنيف الموردين. الثورة الصناعية الرابعة )14.0( مصطلاح يشير إلى تكامل التقنيات المتقدمة ، مثل الذكاء الاصطناعي ، وإنترنت الأشياء ، والحوسبة السحابية ، في التصنيع وإدارة سلسلة التوريد. حيث يمكن للشركات باستخدام تقنيات )14.0( بجمع وتحليل البيانات في الوقت الفعلي ¢ والتي يمكن استخدامها لتحسين عملية صنع القرار وترتيب الموردين. أسست هذه الدراسة طريقة جديدة أو موسعة لإثراء عملية تقييم المعايير عن طريق الحصول على أهمية المعايير من تعليقات العملاء أو مراجعات المستخدمين النهائيين حيث يتم تحليلها باستخدام تحليلات البيانات الضخمة. وبالتالي ، سيؤدي هذا إلى تكامل بين عناصر النظام او المؤسسة (تكامل بين العملاء والمؤسسة والموردين) والذي يعمل على القضاء على الذاتية وعدم اليقين في عملية تقييم المعايير. في هذه الدراسة تم تحليل تعليقات العملاء وتصنيفها باستخدام خوارزمية التعلم العميق RNN- 71 لاستخراج أوزان المعايير. تم تطبيق منهجية الدراسة في عيادة الأسنان لاختيار المورد الفعال لمواد حشوات الأسنان الضوئية. حيث تم اختيار خمسة موردين دوليين محتملين (والذي تم تسمستهم ب ,44 Al, 42, A3, و45) وتم وضع ستة معايير رئيسية (السعر والجودة وإمكانية الوصول وسهولة الاستخدام والجمال والمتانة) لترتيب الموردين من خلال مسح الدراسات السابقة واجراء الاستبيان على الخبراء (اطباء الأسنان). تم audi المعايير باستخدام ثلاثة مسارات: (A) lua (تم تقييمه من خلال تحليل تعليقات العملاء) أشارت النتائج إلى أن المعيار الأكثر أهمية هو معيار سهولة الاستخدام ، بينما أشارت نتائج المسار (8) (الذي تم تقييمه من خلال تقييم الخبراء باستخدام طريقة (F-AHP إلى معيار الجودة هو المعيار الأكثر أهمية ، والمسار المتكامل (C) (هي تكامل A jluall والمسار8 باستخدام مفهوم اتخاذ القرار الجماعي) أشار إلى أن المعيار الأكثر أهمية هو معيار سهولة الاستخدام. أخيرًا ، تم تصنيف الموردين ثلاث مرات SL على أوزان المعايير المستخرجة من ثلاثة مسارات A) ، 8 0) باستخدام طريقة 101002515. Gus اشارنتائج ترتيب الموردين عبر المسار (A) على النحو التالي: 43 Leis ، A4> A5> 41< A2> اشارنتائج ترتيب الموردين عبر المسار (8) على النحو التالي: A4> A2> A3 <1خ AS> ¢ ومن عبر المسار0)) ك A4> A5> Al> A2> A3 من جهة اخرى تم تطوير محاكاة مونت كارلو لاختبار متانة الترتيب في عملية صنع القرار. حيث اشار نتيجة الترتيب من خلال المحاكاة على أنها AS> AL> A2> AB <44. أخيرًا ، تم اتخاذ القرار النهائي لصانع القرار لاختيار المورد الأكثر فاعلية والذي هو المورد 44 ، نظرًا OY المورد 4 يتمتع بأعلى قيمة لمعامل التقارب في المسارين © & A اضافة لمحاكاة مونت كارلو.

Supplier selection as an important part of supply chain management is a critical process for businesses that rely on external suppliers to provide goods or services. It involves evaluating and selecting the best suppliers based on multiple criteria. Fuzzy Multi-Criteria Decision Analysis (FMCDA) is a method that can be used to evaluate and rank suppliers based on multiple criteria. FMCDA considers the uncertainty and vagueness in decision-making by allowing decision-makers to express their preferences in linguistic terms. Simulation with Industry 4.0 (I4.0) technologies can be used to improve the accuracy and reliability of the supplier ranking process. I4.0 is a term that refers to the integration of advanced technologies, such as artificial intelligence, the Internet of Things, and cloud computing, into manufacturing and supply chain management. By using I4.0 technologies, businesses can collect and analyze real-time data, which can be used to improve decision- making and supplier ranking. This study established a new or extended method to enrich the criteria evaluation process by adding the importance of criteria obtained from customers or end-users reviews analyzed using big data analytics. Thus, this will create system integration between customers and suppliers and eliminate the subjectivity and the uncertainty of the criteria evaluation process. The customer reviews were analyzed and classified using the deep learning (Recurrent Neural Network-Long Short Term Memory (RNN-LSTM)) algorithm to extract the criteria weights. The study methodology is implemented in the dental clinic to select effective suppliers of dental fillings material. Five potential international suppliers (described as A1, A2, A3, A4, and A5) are selected and the six key criteria (price, quality, accessibility, usability, esthetics and durability) are established for supplier selection through a literature survey and a questionnaire applied to dental experts. The criteria were evaluated using three paths: path-A (evaluated by customer reviews analysis) and the results indicated that the most important criterion is the usability criterion, while the results of path-B (evaluated by expert’s judgment using Fuzzy Analytic Hierarchy Process (F-AHP)) indicated that the criterion quality is the most important criterion, and the integrated path-C (integration of path-A and path-B using group decision- making concept) indicated that the most important criterion is the usability criterion. Lastly, suppliers were ranked three times based on the criteria weights of three paths (A, B, and C) using the (Fuzzy Technique for Order Preference by Similarity to Ideal Solution (F-TOPSIS)) method. The rank of suppliers through path-A are indicated as: A4>A5>A1>A2>A3, while through path-B, they are indicated as: A5>A1>A4>A2>A3, and through path-C, they are indicated as A4>A5>A1>A2>A3. Then, Monte Carlo simulation is developed to test the robustness of ranking in the decision-making process. The result of the ranking through simulation is indicated as A4>A5>A1>A2>A3. Lastly, the decision maker's final decision to choose the most effective supplier is supplier A4, because supplier A4 has the highest closeness coefficient value in the two paths A and C, and in the Monte Carlo simulation.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب