نوع مقاله : مقاله پژوهشی

نویسندگان

• سیما زینال پور ¹
• سعید یعقوبی ²
• طهمورث سهرابی ³

¹ دانشجوی دکتری رشته مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد تهران مرکز، تهران، ایران

² دانشیار گروه مهندسی لجستیک و زنجیره تامین، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

³ استادیار گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد تهران مرکز، تهران، ایران

چکیده

تفاوت دقت بالای مدل‌های میانگین‌گیری بیزین غیرخطی، نسبت به مدل‌های کلاسیک نشان‌دهنده شکست مدل‌های کلاسیک است. مدل‌های کلاسیک توانایی لازم جهت تعیین مدل بهینه را ندارند و همواره از یک الگوی از پیش تعیین شده پیروی می‌نمایند. بر این اساس جهت ارتقای این شکاف از هیبرید مدل‌های میانگین گیری بیزین غیرخطی و پارامتر متغیر زمان پانلی جهت مدل‌سازی ریسک صنعت خودرو بهره گرفته شده است. بازه زمانی تحقیق حاضر از سال 1390 تا 1402 بوده و در این تحقیق از اطلاعات 57 شرکت فعال در حوزه صنعت خودرو در بورس اوراق بهادار تهران استفاده شده‌است. 119 ریسک موثر بر زنجیره ‌تأمین صنعت خودرو شناسایی شد. بر اساس رویکردهای میانگین‌گیری بیزین غیرخطی 15 شاخص ریسک غیرسیستماتیک و 13 ریسک سیستماتیک، بر زنجیره ‌تأمین به عنوان مهم‌ترین ریسک‌ها شناسایی شدند. پس از شناسایی عوامل اقدام به بررسی این عوامل در طی زمان بر زنجیره تأمین صنایع خودرویی بر اساس رویکرد TVP-PFAVR پرداخته شد. با عنایت به این‌که نسبت معناداری ریسک سیستماتیک بر زنجیره ‌تأمین از ریسک غیرسیستماتیک بالاتر است، ثبات فضای اقتصادی و کسب و کار، حکمرانی خوب و فضای سیاسی نسبت به ثبات مدیریتی می‌بایست در دستور کار قرار بگیرد. درحقیقت، سیاست‌های تثبیتی در قالب سیاست‌های سمت تقاضا شامل سیاست‌های پولی-مالی، بهتر است در جهت کاهش ریسک‌های اقتصادی-مالی زنجیره تامین صنعت خودرو قرار بگیرد. همچنین، باعنایت به معناداری شاخص‌های محدودیت ‌تأمین مالی در ایجاد ریسک سیستماتیک، رتبه‌بندی شرکت‌های صنعت خودرو جهت تخصیص بهینه منابع مالی به این شرکت‌ها اکیداً توصیه می‌گردد.

کلیدواژه‌ها

• زنجیره تأمین
• ریسک سیستماتیک و غیرسیستماتیک
• صنعت خودرو
• رویکرد بیزین
• پارامتر متغیر زمان پانلی

موضوعات

• مدیریت زنجیره تامین

عنوان مقاله [English]

Modeling Automotive Supply Chain Risks over Time Horizon: Hybrid of Nonlinear Bayesian Averaging Models and Panel Time-Variable Parameters

نویسندگان [English]

• sima zinalpour ¹
• Saeed Yaghoubi ²
• Tahmomoures Sohrabi ³

¹ PhD student of Industrial Management, Faculty of Management, Islamic Azad University, Central Tehran Branch, Tehran, Iran

² Associate Professor, Department of Logistics and Supply Chain Engineering, School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran

³ Assistant Professor, Department of Industrial Management, Faculty of Management, Islamic Azad University, Central Tehran Branch, Tehran, Iran

چکیده [English]

The high accuracy difference of nonlinear Bayesian averaging models compared to classical models indicates the failure of classical models. Classical models do not have the ability to determine the optimal model and always follow a predetermined pattern. Accordingly, to improve this gap, a hybrid of nonlinear Bayesian averaging models and panel time-varying parameters has been used to model the risk of the automotive industry. The time period of the present study was from 2011to2023, and in this study, information from 57 companies active in the automotive industry on the Tehran Stock Exchange was used. 119 risks affecting the automotive industry supply chain were identified. Based on nonlinear Bayesian averaging approaches, 15 unsystematic risk indicators and 13 systematic risks were identified as the most important risks to the supply chain. After identifying the factors, an attempt was made to examine these factors over time in the automotive industry supply chain based on the TVP-PFAVR approach. Given that the significant proportion of systematic risk in the supply chain is higher than unsystematic risk, the stability of the economic and business environment, good governance, and political environment should be on the agenda over management stability. In fact, stabilization policies in the form of demand-side policies, including monetary-fiscal policies, should be included in the Central Bank's mandate to reduce the economic-financial risks of the automotive industry supply chain. Given the significance of financing constraint indicators in creating systematic risk, ranking automotive industry companies is strongly recommended to optimally allocate financial resources to these companies.

کلیدواژه‌ها [English]

• Supply Chain
• Systematic and Unsystematic Risk؛ Automotive Industry
• Bayesian Approach
• Panel Time Variable Parameter