نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری تخصصی مدیریت تولید و عملیات، دانشگاه تهران

2 عضو هیت علمی گروه مدیریت صنعتی دانشگاه مازندران

3 دانشجوی دکتری تخصصی تحقیق در عملیات، دانشکده مدیریت، دانشگاه تهران

چکیده

از جمله ابزارهای ضروری مدیریت عملیات در فضای رقابتی کنونی، راهبرد عملیات است. راهبرد عملیات وظیفه تمرکز فعالیت‌های سطوح عملیاتی همراستا و هم‌جهت با اولویت‌های رقابتی سازمان را برعهده دارد. از همین رو پژوهش حاضر در پی بررسی و تدوین مناسب‌ترین راهبردهای عملیاتی برای افزایش کارایی صنعت قطعه سازی خودرو می‌باشد. چراکه این صنعت به عنوان موتور محرک صنایع و اقتصاد، نقش مهمی در رشد کشور دارد و همواره تحت فشارهای روزافزون و متنوعی بوده که می‌توان به دو نیروی پرتوان تغییرات مکرر در ذائقه مشتریان و پیشرفت سریع در نوآوری فناوری اشاره کرد که تعدیل تاثیر این فشارها بازنگری و تدوین راهبردهای عملیاتی را می‌طلبد. به همین منظور پس از تعیین اهداف یک‌ساله در خصوص هر یک از خروجی‌ها، سیستم تولیدی جریان پیوسته به‌عنوان سیستم مناسب جهت رسیدن به وضعیت مطلوب در شرکت مورد مطالعه شناخته شد؛ و درنهایت تعدیلاتی به‌منظور بهبود وضعیت شرکت مورد مطالعه در هر یک از اهرم‌های تولیدی ارائه شد. اولویت‌بندی خروجی‌ها با توجه به نظر خبرگان و توسعه تکنیک بهترین- بدترین فازی (FBWM) برای اولین بار صورت گرفت که شاخص هزینه به‌عنوان مهم‌ترین خروجی دارای بیشترین اهمیت شناخته شد و شاخص‌ کیفیت در سطح دوم اهمیت قرار گرفت؛ و همچنین شاخص‌های انعطاف پذیری، عملکرد و تحویل در سطوح بعدی اهمیت جای گرفتند. نتایج حاصل از این پژوهش بیانگر این مطلب است که با بهره‌گیری صحیح از مدل میلتنبرگ می‌توان ضمن بررسی وضعیت جاری سیستم‌های تولیدی و کنکاش محیط رقابتی، به دنبال زمینه‌هایی بود که برای سازمان مزیت رقابتی ایجاد می‌نمایند.

کلیدواژه‌ها

عنوان مقاله [English]

Extending the best-worst technique in the Miltenburg worksheet environment for the operational strategies formulation

نویسندگان [English]

  • iman ghasemian sahebi 1
  • Hamidreza FAllah Lajimi 2
  • Alireza Arab 3

1 PhD Candidate of Operation Management, Faculty of Management, University of Tehran

2 Faculty of Industrial Management in University of Mazandaran

3 PhD Candidate of Operations Research, Faculty of Management, University of Tehran, Tehran, Iran

چکیده [English]

Operational strategy is one of the essential tools for operations management in the current competitive environment. The operational strategy focuses on the activities of the operational levels in line with the competitive priorities of the organization. Hence, the present study tries to review and design the most appropriate operational strategies for increasing the efficiency of the Automotive manufacturing industry. However, given that the supply chain of this industry is dependent on the changing and unpredictable environment of the market and environment such as raw materials, suppliers' conditions, government policies and sanctions, and the price fluctuations caused by currency volatility, so the need for operational strategies is felt. Therefore, after determining the annual goals for each output, continuous flow production system was identified as the appropriate system for achieving the desired situation in the studied company. At last, adjustments were provided to improve the company's status in each of the production levers. Output Prioritization and development of the Miltenburg model with the Fuzzy Best-Worst Method took place for the first time According to the experts' opinion, which cost criterion identified as the most important output and the Quality criterion placed at the second level of important; and also Flexibility, performance and delivery criteria placed at the next level of important.

کلیدواژه‌ها [English]

  • Operation strategy
  • Miltenburg model
  • Fuzzy Best-Worst
  • Production Strategy
  • Automotive Component Industry
سالاری حمزه خانی، آ؛ اسدی پویا، م؛ و عباسی، م. ) 7353 (. پیشنهاد مدل برای شبکههای مجازی تولید
جهانی در صنعت هواپیماسازی بر اساس مدل میلتنبرگ، نخستین کنفرانس ملی آیندهپژوهی،
مدیریت و توسعه، تهران، مرکز توسعه آموزشهای نوین ایران.
مقبل با عرض، ع. 1 امینی، م. 1 خسروانیان، ح. 1 و یارجانلی، ح. ) 7351 (. تدوین استراتژی عملیاتی تولید سه
مرحلهای بر اساس مدل میلتنبرگ )موردمطالعه: یک شرکت آبمعدنی(. فصلنامه مدیریت
صنعتی دانشکده علوم انسانی دانشگاه آزاد سنندج، سال هشتم )33( .
ملک اخلاق، ا.، نوع پسند اصیل، م؛ و جمالی، خ. ) 7351 (. تبئین و تحلیل ارزیابی استراتژیهای صنعت
خودروسازی ایران در ورود به بازارهای خارجی. فصلنامه علمی- پژوهشی کاوشهای مدیریت
.701- بازرگان . ی سال پنجم، شماره 5، صص 99
Ajalli, M., Asgharizadeh, E., Safari, H., Ghasemian sahebi, I. (2017). Analysis of the Relationship between Supply Chain Quality Management Factors in Gas Industry with Fuzzy Interpretive Structural Modeling and Path Analysis. Industrial Management Studies, 15(46), 27-55.
Allahviranloo, T., Shamsolkotabi, K. H., Kiani, N. A., & Alizadeh, L. (2007). Fuzzy integer linear programming problems. International Journal of Contemporary Mathematical Sciences, 2(4), 167-181.
Aranda, D. A. (2003). Service operations strategy, flexibility and performance in engineering consulting firms. International Journal of Operations & Production Management, Vol. 23 No, 1401–1421.
Balić, D., Maljković, D., & Lončar, D. (2017). Multi-criteria analysis of district heating system operation strategy. Energy Conversion and Management, 144, 414-428.
Cagliano, R., Acur, N., & Boer, H. (2005). Patterns of change in manufacturing strategy configurations. International Journal of Operations & Production Management, Vol. 25 No, 701–718.
Cox, J. F., & Blackstone, J. H. (1998). APICS Dictionary, 9th ed. Falls Charch, VA.
Garrido-Vega, P., Jimenez, C. H. O., & Morita, M. (2015). Implementation of technology and production strategy practices: Relationship levels in different industries. International Journal of Production Economics, 161, 201-216.
Guo, S., & Zhao, H. (2017). Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Systems, 121, 23-31.
Lorentz, H., Hilmola, O. P., Malmsten, J., & Srai, J. S. (2016). Cluster analysis application for understanding SME manufacturing strategies. Expert Systems with Applications, 66, 176-188.
Mahdiraji, H. A., Zavadskas, E. K., Arab, A., Turskis, Z., & Sahebi, I. G. (2021). FORMULATION OF MANUFACTURING STRATEGIES BASED ON AN EXTENDED SWARA METHOD WITH
INTUITIONISTIC FUZZY NUMBERS: AN AUTOMOTIVE INDUSTRY APPLICATION. Transformations in Business & Economics, 20(2).
Malekakhlagh, E., Nopasand, S., Jamali, K. (2013). Evaluation Strategies to Enter Foreign Markets Iran Khodro Using BSC and Fuzzy AHP. Journal of Business Administration Researches, 5(9), 85-104. [In Persian]
Martín, M. L., & Díaz, E. (2008). A taxonomy of manufacturing strategies in Spanish companies. International Journal of Operations & Production Management, Vol. 28, N, 455–477.
Miller, D. (1996). Configurations revisited. Strategic Management Journal 17, No.7, pp.505–512.
Miller, J. G., & Roth, A. (1994). A taxonomy of manufacturing strategies. Management Science 40, No.3, 285–304.
Mills, J. G., Platts, K. W., & Gregory, M. (1995). A framework for the design of manufacturing strategy processes. International Journal of Operations & Production Management, Vol. 15, N, 17–40.
Miltenburg, John. (2008). Setting manufacturing strategy for a factory-within-a-factory. International Journal of Production Economics, 113(1), 307–323.
Moghbel Baarz, A., Amini, M., Khosrowanian, H., Yarjanli, H. (2013). Formulating a Three-step Manufacturing Strategy Based on Miltenburg Model (Case study: a mineral water company). Journal of Research in Industrial Management, 8(23), 109-130. [In Persian]
Mou, Q., Xu, Z., & Liao, H. (2016). An intuitionistic fuzzy multiplicative best-worst method for multi-criteria group decision making. Information Sciences, 374, 224-239.
Nicholds, B. A., Mo, J. P., & O’Rielly, L. (2018). An integrated performance driven manufacturing management strategy based on overall system effectiveness. Computers in Industry, 97, 146-156.
Oltra, M. J., Maroto, C., & Segura, B. (2005). Operations strategy configurations in project process firms. International Journal of Operations & Production Management, Vol. 25, N, 429–448.
Pamučar, D., Petrović, I., & Ćirović, G. (2018). Modification of the Best–Worst and MABAC methods: A novel approach based on interval-valued fuzzy-rough numbers. Expert Systems with Applications, 91, 89-106.
Qi, Y., Huo, B., Wang, Z., & Yeung, H. Y. J. (2017). The impact of operations and supply chain strategies on integration and performance. International Journal of Production Economics, 185, 162-174.
Rezaei, J. (2016). Best-worst multi-criteria decision-making method: Some properties and a linear model. Omega, 64, 126-130.
Rezapour, S., Farahani, R. Z., & Pourakbar, M. (2017). Resilient supply chain network design under competition: A case study. European Journal of Operational Research, 259(3), 1017-1035.
Salari Hamzeh Khani, A.; Asadi Pouya, M. & Abbasi, M. (2015). Proposing a model for virtual production networks of global production in the aircraft industry based on the Miltenburg model. the first National Conference on Futurology, Management and Development, Tehran, Iran. [In Persain]
Scavarda, L. F., Ceryno, P. S., Pires, S., & Klingebiel, K. (2015). Supply chain resilience analysis: a Brazilian automotive case. Revista de Administração de Empresas, 55(3), 304-313.
Skinner, W. (1969). Manufacturing, missing link in corporate strategy. Harvard Business Review, May-June(pp), 45–136.
Theodorou, P., & Florou, G. (2008). Manufacturing strategies and financial performance the effect of advanced information technology: CAD/CAM systems. Omega, 36, 107 – 121.
Tian, Z. P., Wang, J. Q., Wang, J., & Zhang, H. Y. (2018a). An integrated approach for failure mode and effects analysis based on fuzzy best-worst, relative entropy, and VIKOR methods, Applied Soft Computing Journal. https://doi.org/10.1016/j.asoc.2018.03.037.
Tian, Z. P., Wang, J. Q., Wang, J., & Zhang, H. Y. (2018b). A multi-phase QFD-based hybrid fuzzy MCDM approach for performance evaluation: A case of smart bike-sharing programs in Changsha. Journal of Cleaner Production, 171, 1068-1083.
Wheelwright, S., & Hayes, R. H. (1985). Competing through manufacturing. Harv. Business Rev, 65, No.1, 213–223.
Yazdani-Chamzini, A., & Yakhchali, S. H. (2012). Tunnel Boring Machine (TBM) selection using fuzzy multicriteria decision making methods. Tunnelling and Underground Space Technology, 30, 194-204.
Zhao, X., Sum, C. C., Qi, Y., Zhang, H., & Lee, T. (2006). A taxonomy of manufacturing strategies in China. Journal of Operations Management 24, 621–636