<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Disassembly Line Balancing Based on the Kano Model and Fuzzy MCDM Methods, the Case: e-Waste Recycling Line</ArticleTitle>
<VernacularTitle>بالانس خط دمونتاژ مبتنی بر مدل کانو و روش های تصمیم گیری چند معیاره فازی (مورد مطالعه: خط بازیافت ضایعات الکترونیکی)</VernacularTitle>
			<FirstPage>1</FirstPage>
			<LastPage>36</LastPage>
			<ELocationID EIdType="pii">8784</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8784</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مینا</FirstName>
					<LastName>ریاحی</LastName>
<Affiliation>کارشناسی ارشد مدیریت صنعتی، گروه مدیریت صنایع، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران</Affiliation>

</Author>
<Author>
					<FirstName>مصطفی</FirstName>
					<LastName>زندیه</LastName>
<Affiliation>دانشیار، گروه مدیریت صنایع، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>05</Month>
					<Day>09</Day>
				</PubDate>
			</History>
		<Abstract>Recovering, recycling, and remanufacturing end-of-life products (disassembly line) are appropriate methods of reducing the environmental impact associated with wastes. A disassembly line is a viable option for doing so. The objective of the disassembly line balancing problem (DLBP) is to coordinate disassembly line activities so that total operating times of workstations are nearly equal. The disassembly process mainly aims to reuse components in end-of-life products and thus reduce adverse environmental effects. This paper employs an approach based on the Kano model, Fuzzy AHP, M-TOPSIS, and PROMETHEE. Furthermore, using AND/OR precedence relationships, the optimal sequence of disassembly is obtained. Tasks are assigned to workstations according to priority and precedence relationships. An illustrative example of the proposed method is solved using both M-TOPSIS and PROMETHEE. Both methods lead to a decrease of two seconds in total cycle time. Despite yielding equal results, PROMETHEE is superior to M-TOPSIS in terms of complexity and ease of use. However, it takes longer to complete.</Abstract>
			<OtherAbstract Language="FA">خط دمونتاژ قطعات گزینه مناسبی برای برای کاهش مشکلات زیستمحیطی ناشی از ضایعات تولیدشده است.&lt;br /&gt;هدف مسئله بالانس خط دمونتاژ قطعات، هماهنگ کردن فعالیتهای خط دمونتاژ است به نحوی که کل زمان&lt;br /&gt;لازم در هر یک از ایستگاههای کاری تقریباً یکسان باشد. هدف اصلی فرآیند دمونتاژ قطعات استفاده مجدد از&lt;br /&gt;اجزا و کاهش اثرهای نامطلوب روی محیط زیست است. این مقاله از رویکردی مبتنیی بیر میدل کیانو، تحلییل&lt;br /&gt;سلسله مراتبی فازی، تاپسیس اصیلا شیده ، پرومتیی اسیتفاده کیرده و همینیین بیا بکیارگیری روابیط تقیدمی&lt;br /&gt;AND/OR توالی وظایف را بدست می آورد. وظیفهها بر اساس اولویت و روابط تقدمی به ایستگاهها واگذار&lt;br /&gt;میشوند. مورد مطالعه خط بازیافت با استفاده از هر دو روش تاپسییس اصیلا شیده و پرومتیی میورد بررسیی&lt;br /&gt;قرارگرفته است. هر دو روش نتایج یکسان )کاهش دو ثانیه ای در چرخه( را نشان داده اند. با ایین و جیود روش&lt;br /&gt;پرومتی نسبت به روش تاپسیس اصلا شده، رویه آسان تر ولی فرایند طولانی تری دارد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بالانس خط دمونتاژ</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">روابط تقدمی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل کانو</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تحلیل سلسله مراتبی فازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تاپسیس اصلاح شده و پرومتی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8784_964881604c1cc142df91de7a879c7eaf.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>The Impact of Environmental Uncertainty, Manufacturing Flexibility and Operational Efficiency on Firm Performance: The Moderating role of the Operational Absorptive Capacity</ArticleTitle>
<VernacularTitle>تأثیر عدم اطمینان محیطی، انعطاف پذیری تولید و کارایی عملیاتی بر عملکرد شرکت: نقش تعدیلگری ظرفیت جذب عملیاتی</VernacularTitle>
			<FirstPage>37</FirstPage>
			<LastPage>66</LastPage>
			<ELocationID EIdType="pii">8785</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8785</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مصطفی</FirstName>
					<LastName>ابراهیم پور ازبری</LastName>
<Affiliation>استادیار و عضو هیات علمی گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان</Affiliation>

</Author>
<Author>
					<FirstName>محسن</FirstName>
					<LastName>اکبری</LastName>
<Affiliation>دانشیار و عضو هیات علمی گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان.</Affiliation>

</Author>
<Author>
					<FirstName>فاطمه</FirstName>
					<LastName>رفیعی رشت آبادی</LastName>
<Affiliation>دانشجوی دکتری مدیریت تولید و عملیات دانشگاه علامه طباطبائی.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>05</Month>
					<Day>05</Day>
				</PubDate>
			</History>
		<Abstract>Today, organizations in an environment with growing changes, should be flexible enough to manage unpredictable threats and opportunities in an uncertain future and lead to better performance. Also, they should optimize their business processes to achieve operational efficiency. Besides, Operational absorptive Capacity is a significant learning capabilities that may explain why some companies are enable to create a more effective response to environmental uncertainties. In this study, the impact of environmental uncertainty mediated by manufacturing flexibility and operational efficiency and moderating role of operational absorptive capacity on the performance of manufacturing firms has been tested. Also, the effect of manufacturing flexibility on the operational efficiency has been tested. A questionnaire is used as an instrument to collect data that is provided by experts and managers of 101 manufacturing companies in Rasht province. For the data analysis, structural equation modeling techniques (SEM) with the approach of Partial Least Squares (PLS) has been used. The results show that the company&#039;s performance can be improved by increasing manufacturing flexibility and operational efficiency . Also, with increasing flexibility, can provide more effective responses to environmental changes. The results confirmed the effect of manufacturing flexibility on the operational efficiency, as well as moderating role of operational absorptive capacity</Abstract>
			<OtherAbstract Language="FA">امروزه سازمان‌ها در محیطی که با تغییر روزافزون همراه است، باید به‌اندازه کافی انعطاف‌پذیر باشند تا بتوانند هم تهدیدات غیرقابل‌پیش‌بینی و فرصت‌های موجود در آینده نامطمئن را مدیریت کنند و هم منجر به عملکرد بهتر گردند. آن‌ها همچنین می‌بایست فرایندهای خود را برای دستیابی به کارایی عملیاتی بهینه سازند. از طرفی، ظرفیت جذب عملیاتی یک قابلیت یادگیری مهم است که ممکن است توضیح دهد چرا برخی از شرکت‌ها، قادر به ایجاد پاسخ مؤثرتری به عدم اطمینان محیطی هستند. در این پژوهش تأثیر عدم اطمینان محیطی با میانجیگری انعطاف‌پذیری تولید و کارایی عملیاتی و تعدیل گری ظرفیت جذب عملیاتی بر عملکرد شرکت‌های تولیدی و همچنین تأثیر انعطاف‌پذیری تولید بر کارایی عملیاتی مورد آزمون واقع شده است. ابزار مورداستفاده به‌منظور گردآوری اطلاعات، پرسشنامه می‌باشد که توسط مدیران 101 شرکت تولیدی فعال در شهرستان رشت تهیه شده است. برای تجزیه‌وتحلیل داده­ها نیز، از تکنیک مدل­سازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) استفاده شد. یافته‌ها نشان می‌دهد که می‌توان عملکرد شرکت را با افزایش انعطاف‌پذیری تولید و کارایی عملیاتی بالا برد و همچنین با افزایش انعطاف‌پذیری، پاسخ مؤثرتری به تغییرات محیطی داد. نتایج پژوهش تأثیر انعطاف‌پذیری تولید بر کارایی عملیاتی و همچنین تعدیل گری ظرفیت جذب عملیاتی را تائید می‌کند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">انعطاف پذیری تولید</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">ظرفیت جذب عملیاتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کارایی عملیاتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">عدم اطمینان محیطی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">عملکرد</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8785_edc29e29750bc18775f2634401899821.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Solving an Integrated Cell Formation, Group Layout and Routing Problem Using Dynamic Programming Based Metaheuristic Algorithms</ArticleTitle>
<VernacularTitle>حل مسئله یکپارچه تشکیل سلول، چیدمان گروهی و مسیریابی با استفاده از الگوریتم های فرا ابتکاریِ ترکیبی با برنامه ریزی پویا</VernacularTitle>
			<FirstPage>67</FirstPage>
			<LastPage>104</LastPage>
			<ELocationID EIdType="pii">8786</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8786</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>محمدی</LastName>
<Affiliation>* دانشیار گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی</Affiliation>

</Author>
<Author>
					<FirstName>کامران</FirstName>
					<LastName>فرقانی</LastName>
<Affiliation>دانشجوی دکتری مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی امیر کبیر</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>05</Month>
					<Day>22</Day>
				</PubDate>
			</History>
		<Abstract>The cell formation problem and the group layout problem, both are two important problems in designing a cellular manufacturing system. The cell formation problem is consist of grouping parts into part families and machines into production cells. In addition, the group layout problem is to find the arrangement of machines within the cells as well as the layout of cells.&lt;br /&gt;In this paper, an integrated approach is presented to solve the cell formation, group layout and routing problems. By Considering the dimension of machines, the width of the aisles, and the maximum permissible length of the plant site, a new framework, called spiral layout, is suggested for the layout of cellular manufacturing systems. To extend the applicability of the problem, parameters such as part demands, operation sequences, processing times and machine capacities are considered in the problem formulation. The problem is formulated as a bi-objective integer programming model, in which the first objective is to minimize the total material handling cost and the second one is to maximize the total similarity between machines. As the problem is NP-hard, three metaheuristic algorithms, based on Genetic Algorithm and Simulated Annealing are proposed to solve it. To enhance the performance of the algorithms, a Dynamic Programming algorithm is embedded within them. The performance of the algorithms is evaluated by solving numerical examples from the related literature. Finally, a comparison is carried out between the proposed spiral layout and the linear multi-row layout which has recently presented in the literature</Abstract>
			<OtherAbstract Language="FA">دو مسئله مهم در طراحی یک سیستم تولید سلولی، مسائل تشکیل سلول و چیدمان گروهیی میی باشیند مسیئله&lt;br /&gt;تشکیل سلول شامل گروه بندی قطعات در قالب خانواده قطعات و گیروه بنیدی ماشیی هیا در قالیب سیلول هیای&lt;br /&gt;تولیدی می شود مسئله چیدمان گروهی نیز شامل تعیی چیدمان ماشی ها درون سلول ها و تعیی چییدمان خیود&lt;br /&gt;سلول ها می گردد در ای مقاله یک رویکرد یکپارچیه بیرای حیل مسیائل تشیکیل سیلول، چییدمان گروهیی و&lt;br /&gt;مسیریابی ارائه می گردد در ای رویکرد، با درنظر گرفت ابعاد ماشیی آلات، پهنیای راهروهیا و حیداکطر طیول&lt;br /&gt;مجاز برای قرارگرفت ماشی ها بصورت طولی، از یک چیدمان می ارپیچی جدیید بیرای طراحیی سیسیتم تولیید&lt;br /&gt;سلولی استفاده می شود برای کاربردی تر ساخت مسئله، پارامترهیایی نظییر تقاییای قطعیات، تیوالی عملییات،&lt;br /&gt;زمانهای پردازش و ظرفیت ماشی آلات، در مدلسازی مسئله مد نظر قرار می گیرند مسئله بصیورت ییک میدل&lt;br /&gt;برنامه ریزی عدد صحیح، با دو هدف کمینهسازی هزینه های حملونقل، و بیشینهسازی تشابهات میان ماشیی هیا&lt;br /&gt;فرموله می شود بدلیل پیچیدگی محاسباتی مسئله، سه الگوریتم فرا ابتکاریِ مبتنی بیر الگیوریتم هیای ننتییک و&lt;br /&gt;شبیهسازی تبرید، برای حل آن پیشنهاد می گردد در ای الگوریتم ها از برنامه رییزی پوییا بیرای حیل قسیمتی از&lt;br /&gt;مسئله بهره برده می شود با حل چند مطال عددی از ادبیات مویوع، کیارایی الگیوریتم هیا میورد ارزییابی قیرار&lt;br /&gt;می گیرد در نهایت، مقایسه ای بی چیدمان مارپیچی ارائه شده در ای تحقیق و چیدمانی خطیِ چند سطری که -&lt;br /&gt;اخیراً در ادبیات مویوع ارائه شده بود، صورت می گیرد</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">سیستم تولید سلولی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">چیدمان تسهیلات</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">برنامه ریزی پویا</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم ژنتیک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبیه سازی تبرید</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8786_01920e19088f31442648a2f711e2ec06.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Particle Swarm Optimization to Solve Competitive Production Routing Problem</ArticleTitle>
<VernacularTitle>حل مساله مسیریابی تولید رقابتی با استفاده از بهینه سازی گروه ذرات</VernacularTitle>
			<FirstPage>105</FirstPage>
			<LastPage>138</LastPage>
			<ELocationID EIdType="pii">8787</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8787</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>فرزانه</FirstName>
					<LastName>ادبی</LastName>
<Affiliation>دانشجوی دکتری گروه مهندسی صنایع دانشکده مهندسی، دانشگاه بوعلی سینا، همدان</Affiliation>

</Author>
<Author>
					<FirstName>جواد</FirstName>
					<LastName>بهنامیان</LastName>
<Affiliation>دانشیار گروه مهندسی صنایع دانشکده مهندسی، دانشگاه بوعلی سینا، همدان</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>05</Month>
					<Day>22</Day>
				</PubDate>
			</History>
		<Abstract>The production routing problem (PRP) integrates vehicle routing and production planning problems. Generally, in PRPs, the impact of competitors has not been considered. Clearly, in the real world, it is no longer possible to have a monopoly market. In competitive environment, customers choose a supplier based on price and quality. So in this article as a definition of quality, providing quick access to customer needs and availability are determined as the requirements of a competitive environment. Therefore, the production routing problem has been modeled with knowing the earliest and latest time of competitor demand meeting. In this way, In case of delay in supplying customers demand, the market share is lost relative to the amount of delay. The problem is modeled and it has been solved by the GAMS software. Since particle swarm optimization has been successfully applied to a variety of problems, here, to solve the problem for the large-sized instances a particle swarm optimization algorithm is also presented. To evaluate the performance of the proposed algorithm, the results with small-sized instances were compared with solutions of GAMS.</Abstract>
			<OtherAbstract Language="FA">&lt;em&gt;مساله مسیریابی تولید به تلفیق دو مساله مسیریابی خودرو و برنامه ریزی تولید می‌پردازد. عموما در مسئله فوق فرض بر این است که&lt;/em&gt; &lt;em&gt;نوعی انحصار در محیط وجود دارد و توجهی به تاثیر رقبا در این مسائل در نظر گرفته نشده است. پر واضح است که در دنیای واقعی دیگر نمی‌توان به داشتن بازار انحصاری امید بست. در فضای رقابتی مشتریان متناسب با قیمت و کیفیت تامین‌کننده را انتخاب می‌کنند. بنابراین در این مقاله به عنوان تعریفی از کیفیت، تامین سریع نیاز مشتری و در دستری بودن الزام فضای رقابتی تبیین شده است و به همین جهت، مساله مسیریابی تولید رقابتی با فرض دانستن زودترین و دیرترین زمان تامین تقاضا توسط رقیب مدل‌بندی شده است. به این ترتیب در صورت تاخیر در تامین تقاضای مشتری به نسبت میزان تاخیر سهمی از بازار از دست می‌رود. همچنین مدل‌سازی انجام شده به وسیله نرم افزار گمز حل شده است. علاوه بر این به دلیل استفاده موفق الگوریتم بهینه‌سازی گروه ذرات در حل مسائل بهینه‌سازی، در اینجا نیز الگوریتم بهینه‌سازی گروه ذرات برای حل مساله مسیریابی تولید در ابعاد بزرگ توسعه داده می‌شود. برای بررسی عملکرد الگوریتم ارائه شده جواب‌های حاصل در ابعاد کوچک با جواب‌های حاصل از حل با نرم افزار گمز مقایسه شده است.&lt;/em&gt;&lt;br /&gt; &lt;em&gt; &lt;/em&gt;</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مساله مسیریابی تولید</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شرایط رقابتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه سازی گروه ذرات</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8787_4225c04ef01e8e78f72b128efeb832c4.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Performance Assessment of Iranian Gas Transmission Company’s Operational Zones through a Hybrid Method of DEA – WASPAS – SWARA</ArticleTitle>
<VernacularTitle>ارزیابی عملکرد مناطق عملیاتی شرکت انتقال گاز با استفاده از روش ترکیبی DEA-SWARA-WASPAS</VernacularTitle>
			<FirstPage>139</FirstPage>
			<LastPage>171</LastPage>
			<ELocationID EIdType="pii">8788</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8788</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حسین</FirstName>
					<LastName>صفری</LastName>
<Affiliation>استاد تمام گروه مدیریت صنعتی دانشکده مدیریت دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>عالیه</FirstName>
					<LastName>کاظمی</LastName>
<Affiliation>دانشیار گروه مدیریت صنعتی دانشکده مدیریت دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>احمد</FirstName>
					<LastName>مهرپور لایقی</LastName>
<Affiliation>فارغ التحصیل کارشناسی ارشد مدیریت صنعتی دانشکده مدیریت دانشگاه تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>06</Month>
					<Day>07</Day>
				</PubDate>
			</History>
		<Abstract>One of the most known subjects in management literature is performance assessment. In this paper, we have tried to provide a hybrid model in order to evaluate the performance of Iranian gas Transmission Company&#039;s operational zones. After an initial screening, due to the low number of Decision making units, different combination of two input and one output are defined. 6 inputs and 4 output criteria have been chosen in initial screening. Based on the experts&#039; judgments, weights or importance of different combinations of input and output extracted using SWARA technique. Then, based on the 22 different combinations, we calculated operational zones efficiency using DEA in the form of CCR and BCC models. In fact for each combination of two input and one output, efficiency for each operational zone has been calculated. Finally, there has been a decision matrix which its’ criteria were equal to different combinations of input and output criteria and their weights gained by SWARA and scores within the matrix were equal to taken efficiency from DEA. In order to calculate final efficiency and prioritizing each operational zone WASPAS technique is used. We use Cohen&#039;s kappa coefficient in order to prioritizing validation. The results show that zones 10, 7 and 6 with the highest efficiencies can be appropriate pattern for other zones in resource saving</Abstract>
			<OtherAbstract Language="FA">ارزیابی عملکرد یکی از موضوعات شناخته شده در ادبیات مدیریت می­باشد. در این مقاله تلاش شده است که مدلی ترکیبی به منظور ارزیابی عملکرد مناطق عملیاتی شرکت انتقال گاز ارائه شود. در این مدل ابتدا شاخص­های ورودی و خروجی (20 شاخص) شناسایی می­شود. پس از غربالگری اولیه شاخص­ها، با توجه به اینکه تعداد واحدهای تصمیم­گیرنده (مناطق عملیاتی) کم است، ترکیب­های مختلف دو ورودی و یک خروجی تعریف شد. این ترکیب­ها 22 مورد هستند. لازم به ذکر است که در غربالگری انجام شده، شش شاخص ورودی و چهار شاخص خروجی انتخاب شدند. بر اساس نظرسنجی از خبرگان، وزن یا اهمیت ترکیب­های مختلف ورودی و خروجی با کمک سوآرا (SWARA) استخراج شد. در ادامه بر اساس ترکیب­های 22 گانه، کارایی مناطق عملیاتی با استفاده از تحلیل پوششی داده­ها در قالب مدل­های CCR و BCC محاسبه گردید. در حقیقت به ازای هر ترکیب دو ورودی و یک خروجی، کارایی هر منطقه عملیاتی محاسبه گردید. در نهایت ماتریس تصمیمی شکل گرفت که معیارهای آن معادل ترکیب­های مختلف شاخص­های ورودی و خروجی بوده و وزن آنها با کمک سوآرا محاسبه شده و امتیازات داخل ماتریس نیز معادل کارایی حاصل شده از تحلیل پوششی داده­ها می­باشد. برای محاسبه کارایی نهایی و رتبه­بندی هر منطقه عملیاتی از تکنیک واسپاس (WASPAS) کمک گرفته شد. به منظور اعتبارسنجی نیز رتبه­بندی به دست آمده از شاخص کاپای کوهن استفاده شد. نتایج بدست آمده نشان می دهد که مناطق هفت، ده و شش با بیشترین کارایی می توانند الگوی مناسبی برای سایر مناطق جهت صرفه جویی در مصرف منابع باشند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">ارزیابی عملکرد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تحلیل پوششی داده ها</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تصمیم گیری چند معیاره</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مناطق عملیاتی انتقال گاز</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8788_f5be98d32c98f74270cded6fcccdc38e.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Reliable Facility Location-Allocation Optimization Model under the Risk of Disruptions
Mehdi Seifbarghy,* Shima Zangeneh**</ArticleTitle>
<VernacularTitle>مدل بهینه سازی مکانیابی تخصیص تسهیلات قابل اطمینان تحت - ریسک اختلال در تسهیلات</VernacularTitle>
			<FirstPage>137</FirstPage>
			<LastPage>198</LastPage>
			<ELocationID EIdType="pii">8789</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8789</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>سیف برقی</LastName>
<Affiliation>دانشیار گروه مهندسی صنایع دانشگاه الزهرا، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>شیما</FirstName>
					<LastName>زنگنه</LastName>
<Affiliation>کارشناس ارشد مهندسی صنایع، دانشگاه الزهرا، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>07</Month>
					<Day>10</Day>
				</PubDate>
			</History>
		<Abstract>In the classic models of facility location, it is assumed that the selected facilities always work based on the schedule while, in the real world, facilities are always exposed to disruption risk and sometimes these disruptions have long-term effects on the supply chain network and cause a lot of problems. In this paper, a mixed integer programing (MIP) model presented in order to determine how to serve the customers at the time of disruption in distribution centers in a two-echelon supply chain, including distribution centers and customers. This model selects potential places that minimize traditionally supply chain costs and also the transportation cost after distribution centers disruptions. In fact, the model tries to choose the distribution centers facilities with lowest cost and highest reliability and also allocate them to customers. The problem divided into two sub-problems using Lagrangian relaxation approach. By examining sub-problems optimal conditions, a heuristic solution is used for the first sub-problem and a genetic algorithm is used for the second sub-problem to solve large-scale problems. Finally, numerical examples are presented to examine the performance and efficiency of the proposed model and approach</Abstract>
			<OtherAbstract Language="FA">در مدل های کلاسیک مکانیابی تسهیلات به طور ضمنی فرض می شود که تسهیلات انتخاب شده همواره طبق&lt;br /&gt;برنامه کار خواهند کرد، در حالی که، در دنیای واقعی تسهیلات همواره در معرض ریسک اختلال هستند و&lt;br /&gt;گاهی این اختلالات اثر بلند مدت روی شبکه زنجیره تأمین گذاشته و آن را با بحران مواجه می کند. در این&lt;br /&gt;مقاله، یک مدل برنامه ریزی عدد صحیح مختلط جهت تعیین نحوه خدمت رسانی به مشتریان در زمان اختلال&lt;br /&gt;مراکز توزیع در یک زنجیره تأمین دو سطحی شامل توزیع کنندگان و مشتریان ارائه شده است. این مدل&lt;br /&gt;مکان هایی را برای توزیع کننده ها انتخاب می کند که علاوه بر حداقل نمودن هزینه های معمول زنجیره تأمین،&lt;br /&gt;هزینه های حمل و نقل بعد از مختل شدن توزیع کننده ها نیز حداقل شوند. در واقع سعی می شود انتخاب محل&lt;br /&gt;توزیع کنندگان با کم ترین هزینه و بیشترین قابلیت اطمینان صورت گرفته و ضمناً تخصیص مشتریان به آنها&lt;br /&gt;انجام شود. با استفاده از رویکرد لاگرانژ مسأله آزاد سازی شده و به دو زیر مسئله تقسیم می شود. با بررسی&lt;br /&gt;شرایط بهینگی زیر مسئله ها، حل ابتکاری برای زیر مسأله اول و الگوریتم ژنتیک برای زیر مسأله دوم به منظور&lt;br /&gt;حل مسائل با ابعاد بزرگ استفاده شده است. در پایان، عملکرد و کارایی مدل و روش پیشنهادی در قالب&lt;br /&gt;مثال های عددی مورد بررسی قرار می گیرند .</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مکانیابی تخصیص</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدیریت زنجیره تأمین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اختلال</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم ژنتیک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">آزاد سازی لاگرانژ</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8789_fd8db8f174a5887eb256201de41f0743.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>مطالعات مدیریت صنعتی</JournalTitle>
				<Issn>2251-8029</Issn>
				<Volume>16</Volume>
				<Issue>49</Issue>
				<PubDate PubStatus="epublish">
					<Year>2018</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Extension of the TOPSIS Considering the Dispersion among the Criteria of Each Alternative</ArticleTitle>
<VernacularTitle>توسعه تاپسیس با درنظر گرفتن پراکندگی بین شاخصهای هر گزینه</VernacularTitle>
			<FirstPage>199</FirstPage>
			<LastPage>219</LastPage>
			<ELocationID EIdType="pii">8790</ELocationID>
			
<ELocationID EIdType="doi">10.22054/jims.2018.8790</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سیامک</FirstName>
					<LastName>خیبری</LastName>
<Affiliation>دانشجوی دکترای مدیریت تحقیق در عملیات، دانشکده علوم اداری و افتصاد، دانشگاه فردوسی مشهد</Affiliation>

</Author>
<Author>
					<FirstName>مصطفی</FirstName>
					<LastName>کاظمی</LastName>
<Affiliation>استاد گروه مدیریت ، دانشکده علوم اداری و افتصاد، دانشگاه فردوسی مشهد</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>07</Month>
					<Day>19</Day>
				</PubDate>
			</History>
		<Abstract>TOPSIS is located in compensatory decision-making methods. The basic principle is that the chosen alternative should have the shortest distance from the positive ideal solution and the longest distance from the negative ideal solution. The existence of incremental and decreasing uniform trend in positive and negative criteria is one of the TOPSIS characteristics in determining positive and negative ideal points. While the utility assigned to the decision maker after a certain level in each criterion will be less tangible. Therefore, in the ranking of alternatives in addition to the value of each alternative in each indicator, the balance among criteria of each alternative should be considered so the alternative that has an appropriate place in an important indicator, but does not have an appropriate place in other criteria, not to be the first chance for selecting. For this purpose, in this paper by adding virtual dimension to the decision matrix that comes from the deviations among criteria of each alternative, we have tried to compensate the mentioned weakness. To evaluate the proposed method, three different examples are presented. Thus, each of the three provided examples, solved by proposed method, TOPSIS, VIKOR, Deng and SAW and then by using the Spearman correlation coefficient the number of significant correlation relationships between the proposed method and TOPSIS with the other three methods were compared. Then, the rating similarity percentage of the proposed method and TOPSIS were compared with VIKOR, Deng and SAW.</Abstract>
			<OtherAbstract Language="FA">تاپسیس که در گروه جبرانی روشهای تصمیمگیری قراردارد، بر این مفهوم که گزینه انتخابی باید کمترین فاصله را با&lt;br /&gt;راه حل ایدهآل مثبت و بیشترین فاصله را با راه حل ایدهآل منفی داشته باشد، استوار است. وجود روند یکنواخت افزایشی&lt;br /&gt;و کاهشی در شاخصهای مثبت و منفی از جمله ویژگیهای تاپسیس در تعیین نقاط ایدهآل مثبت و منفی است. این&lt;br /&gt;درحالی است که میزان مطلوبیت اختصاص یافته به تصمیمگیرنده بعد از یک سطح مشخصی در هر شاخص چندان&lt;br /&gt;ملموس نخواهد بود. بنابراین در رتبهبندی گزینهها علاوه بر مقدار هر گزینه در هر شاخص، مقدار توازن بین شاخصهای&lt;br /&gt;هر گزینه باید درنظر گرفته شود تا یک گزینه که در یک شاخص مهم دارای جایگاه مناسب است ولی در سایر شاخصها&lt;br /&gt;جایگاه مناسبی ندارد، شانس اول انتخاب نباشد. برای این منظور در این مقاله سعی شد با اضافه کردن بعد مجازی به&lt;br /&gt;ماتریس تصمیم که از انحرافات میان شاخصهای هر گزینه حاصل میشود، ضعف ذکر شده تا حد ممکن جبران شود. به-&lt;br /&gt;منظور ارزیابی روش ارائه شده، از سه مثال متفاوت استفاده شد. بدین ترتیب که ابتدا توسط روش پیشنهادی ، تاپسیس،&lt;br /&gt;VIKOR ، Deng و SAW هریک از سه مثال ارائه شده حل و سپس با استفاده از ضریب همبستگی اسپیرمن تعداد&lt;br /&gt;همبستگیهای معنی دار میان روش پیشنهادی و تاپسیس با سه روش دیگر مقایسه شد. در ادامه درصد مشابهت رتبه بندی&lt;br /&gt;روش پیشنهادی و تاپسیس با VIKOR ، Deng و SAW مقایسه شد</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تاپسیس</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نقطه ایده آل مثبت و منفی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پراکندگی بین شاخصها</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مطلوبیت</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jims.atu.ac.ir/article_8790_8ceb89f107161acd8a0be690ade61589.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
