مدیریت نوآوری و راهبردهای عملیاتی

درباره نشریه

اهداف و چشم انداز

فرایند پذیرش مقالات

سیاست دسترسی آزاد

اطلاعات آماری نشریه

حامی مالی و ناشر

هزینه انتشار

اخبار و اعلانات

پرسش‌های متداول

پیوندهای مفید

سیاست‌های نشریه

اصول اخلاقی

اعضای هیات تحریریه

راهنمای داوران

داوران نشریه (1399)

داوران نشریه (1400)

داوران نشریه (1401)

راهنمای داوران در Publons

پیوستن به اعضای داوران

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

مدل ریاضی جهت ارزیابی تأمین‌کنندگان و خرید قطعات یدکی (مطالعه موردی: نیروگاه فردوسی، شرکت بهره‌برداری و تعمیراتی مپنا)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی صنایع، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.

2 گروه مدیریت صنعتی-تولید و عملیات، واحد الکترونیکی، دانشگاه آزاد اسلامی، ایران.

چکیده

هدف: یکی از مسائل مهم در تأمین تجهیزات و مدیریت قطعات یدکی صنایع نیروگاهی، ارزیابی و انتخاب تأمین‌کنندگان و تخصیص سفارش به آن‌ها است. هدف در این پژوهش، دستیابی به مدلی جامع برای رتبه‏بندی تأمین‌کنندگان، طبقه‏بندی قطعات، ارزیابی تأمین‌کنندگان و تخصیص بهینه سفارش‌ها است.
روش‌شناسی پژوهش: بدین منظور در مرحله اول، شاخص‌های ارزیابی تأمین‌کنندگان، مشخص‌شده و با اخذ نظرات خبرگان و به‌کارگیری تکنیک‏های تحلیل سلسله مراتبی گروهی اصلاح‌شده و حداقل مربعات، وزن شاخص‏های ارزیابی، محاسبه گردید. اولویت‏بندی و گروه‏بندی قطعات با الگوبرداری از ماتریس کرالجیک انجام‌شده و ضریب الویت هر قطعه مشخص شد. در مرحله دوم، با استفاده از تکنیک تاپسیس، رتبه هر تأمین‌کننده در مورد تأمین قطعات موردنظر مشخص شد و در مرحله سوم، طراحی یک مدل ریاضی برنامه‏ریزی عدد صحیح صفر و یک، مدنظر قرارگرفته و با تعیین تابع هدفی که ارزش خرید را ماکزیمم نموده و محدودیت‏هایی که ماهیت مسئله ازلحاظ صفر و یک بودن، محدودیت بودجه و سیاست‏های مدیریتی را تحت پوشش دهد، کامل گردید. برای حل مدل از نرم‌افزار GAMS استفاده شد.
یافته‌ها: نتایج نشان می‌دهد تعیین گروه برای هر قطعه با توجه به دو بعد ریسک تأمین و حیاتی بودن قطعه، ابزار مدیریتی مناسبی جهت مدیریت تأمین تجهیزات فراهم می‏سازد و استفاده از مدل برنامه‏ریزی عدد صحیح صفر و یک، روش مناسبی برای مسائل تخصیص سفارش‌ها درزمینهٔ قطعات یدکی می‏باشد و می‏تواند ساختار و اجزای تابع هدف و محدودیت‏ها با توجه به نوع سازمان، تغییر یابد.
اصالت/ارزش‌افزوده علمی: تکنیک تاپسیس به نحو مناسبی وزن شاخص‏های ارزیابی و نظرات خبرگان در مورد تأمین‌کنندگان هر قطعه را ترکیب کرده و نتایج حاصل می‏تواند با اطمینان در طراحی مدل ریاضی، استفاده شود.

کلیدواژه‌ها

عنوان مقاله [English]

A Mathematical Model for Suppliers' Evaluation and Purchasing Spare Parts (A case study: Ferdowsi Power Plant, Mapna Operation and Repair Company)

نویسندگان [English]

  • Alireza Rashidi Komijan 1
  • Ahmad Masoudifar 2

1 Department of Industrial Engineering, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran

2 Department of Industrial Management-Production and Operations, Electronic Branch, Islamic Azad University, Iran.

چکیده [English]

Purpose: One of the most critical issues in supplying equipment and managing spare parts for power plant industries is evaluating and selecting suppliers and assigning orders to them. This study aims to achieve a comprehensive model for ranking the suppliers, classifying the parts, evaluating suppliers, and optimal allocation of orders.
Methodology: The indicators of the supplier's evaluation were determined in the first stage. The weight of evaluation indicators was calculated by taking experts' opinions and using Group AHP and Minimum squares techniques. Prioritization and grouping of parts were done by sampling the Kraljic matrix, and the priority factor for each part was determined. In the second stage, using the TOPSIS technique, the rank of each supplier in terms of supplying the potential parts was determined. In the third stage, designing a mathematical model of planning the correct number zero-one was considered. The function of the target is to maximize the value of the purchase and include the restrictions of zero-one planning, limited budget, and management policies. GAMS software was used to solve the model.
Findings: The results show that determining the group for each part, considering the two dimensions of supply risk and the vitality of the part provides a suitable management tool for equipment supply management. The zero and one integer planning model is appropriate for order allocation problems. In spare parts, the structure and components of the objective function and constraints can be changed according to the type of organization.
Originality/Value: The TOPSIS technique properly combines the weight of evaluation indicators and expert opinions about the suppliers of each component, and the results can be used confidently in the design of the mathematical model.

کلیدواژه‌ها [English]

  • Supplier evaluation
  • Spare parts
  • Binary programming
  • TOPSIS
  • Group AHP
مراجع
Bender, P. S., Brown, R. W., Isaac, M. H., & Shapiro, J. F. (1985). Improving purchasing productivity at IBM with a normative decision support system. Interfaces, 15(3), 106-115.
Braglia, M., & Petroni, A. (2000). A quality assurance‐oriented methodology for handling trade‐offs in supplier selection. International journal of physical distribution & logistics management, 30(2), 96-111.
Chai, J., Liu, J. N., & Ngai, E. W. (2013). Application of decision-making techniques in supplier selection: A systematic review of literature. Expert systems with applications, 40(10), 3872-3885.
Dachyar, M., & Sijabat, G. A. (2019). Designing model of spare parts supplier selection in power plants using AHP-PROMETHEE method. In Proceedings of the international conference on industrial engineering and operations management, (pp. 106-112).
De Boer, L., & van der Wegen, L. L. (2003). Practice and promise of formal supplier selection: a study of four empirical cases. Journal of purchasing and supply management, 9(3), 109-118.
Driessen, M., Arts, J., van Houtum, G. J., Rustenburg, J. W., & Huisman, B. (2015). Maintenance spare parts planning and control: a framework for control and agenda for future research. Production planning & control, 26(5), 407-426.
Faez, F., Ghodsipour, H., & Fatemi-Ghomi, M. T. (2006). An integrated model for supplier selection and orders allocation using case-based reasoning and mathematical programming.  Journal of faculty of engineering, 40(4), 553-568. (In Persian). URL: https://www.sid.ir/en/journal/ViewPaper.aspx?ID=55765
Fallahi, H., & Motadel, M. R. (2014). Assessing the quality level of suppliers of machinery and spare parts for the oil refining industry with the Network Analysis Process (ANP) approach (case study: Lavan oil refining company). International management conference, Tehran, (p. 125-138).
Ghorbani, M., Arabzad, M., Razmi, J., & Tavakkoli-Moghaddam, R. (2012). Proposing a new approach for supplier selection based on Kraljic’s model using FMEA and integer linear programming. Production and operations management, 3(1), 19-40. (In Persian). URL: https://jpom.ui.ac.ir/article_19779.html
Grondys, K. (2015). Economic and technical conditions of selection of spare parts suppliers of technical equipment. Procedia economics and finance, 27, 85-92.
Homayounfar, M., Goudarzvand-Chegini, M., & Daneshvar, A. (2018). Prioritization of green supply chain suppliers using a hybrid fuzzy multi-criteria decision-making approach. Journal of operational research and its applications, 15(2), 41-61. (In Persian). URL: http://jamlu.liau.ac.ir/article-1-1544-fa.html
Hua, Z., & Zhang, B. (2006). A hybrid support vector machines and logistic regression approach for forecasting intermittent demand of spare parts. Applied mathematics and computation, 181(2), 1035-1048.
Kumar, M., Vrat, P., & Shankar, R. (2006). A fuzzy programming approach for vendor selection problem in a supply chain. International journal of production economics, 101(2), 273-285.
Kuo, R. J., Wang, Y. C., & Tien, F. C. (2010). Integration of artificial neural network and MADA methods for green supplier selection. Journal of cleaner production, 18(12), 1161-1170.
Menatian, M. A., Chaghoei, Y., & Adibi-Sade, M. H. (2016). Developing a strategic model based on structural equation modeling and fuzzy logic approach in supplier selection. Journal of strategic management research, 22(60), 115-139. (In Persian). URL: http://smr.journals.iau.ir/article_525208.html
Moshfegh, E. (2014). Optimal supplier selection and order allocation using gradual refrigeration simulation ultra-innovative algorithm (case study: Iran alloy steel company located in Yazd province (Master thesis, University of Science and Art). Retrieved from https://www.sid.ir/fa/journal/ViewPaper.aspx?ID=281581
Noori-raj, E., Lotfi, M. R., & Rashidi-komijan, A. (2012). Fuzzy Topsis and goal programming integration models to select suppliers and allocation of orders. Journal of industrial management, 7(22), 29-45. (In Persian). URL: https://www.sid.ir/en/journal/ViewPaper.aspx?ID=384968
Pour Tabatabaei, A., & Yazdanian, M. (2015). Identification and selection of capable suppliers of spare parts manufacturing by AHP decision method in steel production industries. The first international conference on management with a value creation approach, Tehran, (P. 127-150).
Pourmohammad Zia, N., & Nasiri, M. M. (2014).  A hybrid model for supplier selection and order allocation in supply chain.  Journal of industrial engineering, 49(1), 117-128. (In Persian). URL: https://www.sid.ir/en/journal/ViewPaper.aspx?ID=465411
Sharma, D., Benton, W. C., & Srivastava, R. (1989). Competitive strategy and purchasing decision. Proceedings of the annual conference of the decision sciences institute.
Stević, Ž. (2017). Criteria for supplier selection: a literature review. International journal of engineering, business and enterprise applications, 19(1), 23-27.
Zeydan, M., Çolpan, C., & Çobanoğlu, C. (2011). A combined methodology for supplier selection and performance evaluation. Expert systems with applications, 38(3), 2741-2751.
مدیریت نوآوری و راهبردهای عملیاتی
دوره 1، شماره 4
اسفند 1399
صفحه 383-402
فایل ها
هم رسانی
ارجاع به این مقاله
آمار