نوع مقاله : مقاله پژوهشی

نویسندگان

• مقصود امیری ¹
• سیدحبیب الله رحمتی ²
• مسعود طاهری ³

¹ استاد،گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

² استادیار گروه مهندسی صنایع،دانشکده مهندسی صنایع و مکانیک،واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

³ کارشناسی ارشد رشته مدیریت صنعتی،گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

چکیده

انتخاب تأمین‌کننده یکی از مسائل کلیدی در مدیریت زنجیره تأمین است. رقابت شدید امروزی، سازمان‌ها را مجبور به پذیرش پارادایم‌های بهبود مؤثر، از جمله ناب، چابک، سبز، تاب‌آوری و پایداری (لارجس) کرده است. ادغام منطق فازی با مدل‌های چندمعیاره، امکان پاسخ‌گویی دقیق به عدم‌قطعیت‌های کیفی و کمی را فراهم می‌کند. هدف این پژوهش، ارزیابی و رتبه‌بندی تأمین‌کنندگان در زنجیره تأمین لارجس گروه بهداشتی فیروز است. پژوهش از نوع کیفی–کمی با رویکرد استقرایی و از حیث هدف، کاربردی است. جامعه آماری شامل ۱۰ نفر از خبرگان زنجیره تأمین گروه فیروز بودند که به روش هدفمند انتخاب شدند.آن جا که هر فرآیند تصمیم‌گیری با ریسک و نااطمینانی همراه است، از سیستم استنتاج فازی ممدانی استفاده شد که در آن معیارهای هر پارادایم با توابع عضویت فازی مثلثی مدل‌سازی گردیدند. برای بهینه‌سازی ساختار قاعده، از میان ۲۴۳ قانون اولیه، بر اساس شاخص قدرت و پوشش، ۴۲ قانون مؤثر و غیرتکراری انتخاب شد تا پیچیدگی مدل کاهش یافته و دقت استنتاج افزایش یابد. این قوانین نهایی در ترکیب با روش Fuzzy TOPSIS برای رتبه‌بندی تأمین‌کنندگان به‌کار رفتند. تایج نشان دادند که عملکرد تأمین‌کنندگان به‌ترتیب اولویت S7 > S5 > S1 > S6 > S8 > S3 > S2 > S4 است. تأمین‌کنندگان در معیارهای «چابکی» و «پایداری» قوی‌تر و در معیار «تاب‌آوری» ضعیف‌تر بودند که بیانگر تمرکز بازار تأمین در صنعت شوینده است. یافته‌ها می‌توانند مدیران زنجیره تأمین را در بهبود شاخص‌های کلیدی پارادایم‌های لارجس یاری دهند. همچنین، مدل پیشنهادی با تنظیمشاخص‌ها و داده‌ها قابلیت انطباق با سایر صنایع و بخش‌های خدماتی را دارد.

کلیدواژه‌ها

• ارزیابی تأمین‌کننده
• رتبه‌بندی تأمین‌کننده
• عدم‌قطعیت
• استنتاج فازی
• تاپسیس فازی

موضوعات

• مدیریت تولید و عملیات

عنوان مقاله [English]

Evaluation and ranking of multiple people using fuzzy inference, L.A.R.G.S and multi-criteria decision making

نویسندگان [English]

• Maghsoud Amiri ¹
• Seyyed Habibullah Rahmati ²
• Masoud Taheri ³

¹ Professor, Department of industrial management, Faculty of Management and Accounting, Allameh Tabataba’I University, Tehran, Iran.

² Assistant professor, Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran.

³ M.Sc. in Industrial management, Department of industrial management ,Faculty of Management and Accounting, Allameh Tabataba’I University, Tehran, Iran

چکیده [English]

Supplier selection is a key issue in supply chain management. Today’s intense competition has forced organizations to adopt effective improvement paradigms, including lean, agile, green, resilient, and sustainable (LARGS). Integrating fuzzy logic with multi-criteria decision-making models enables accurate responses to both qualitative and quantitative uncertainties. This study aims to evaluate and rank suppliers within the LARGS supply chain of the Firooz Hygienic Group. The research is qualitative–quantitative, inductive, and applied. Ten supply chain experts from the Firooz Group were selected through purposive sampling. Since decision-making involves risk and uncertainty, the Mamdani fuzzy inference system was applied, modeling each paradigm’s criteria with triangular membership functions. To optimize the rule structure, 42 effective and non-redundant rules were selected from 243 initial rules based on strength and coverage indices, reducing model complexity and improving inference accuracy. These final rules were combined with the Fuzzy TOPSIS method to rank suppliers.Results showed the performance ranking as follows: S7 > S5 > S1 > S6 > S8 > S3 > S2 > S4. Suppliers performed better in “agility” and “sustainability” and weaker in “resilience,” reflecting the current focus of the supply market in the detergent industry. The findings can assist supply chain managers in improving key LARGS indicators. Moreover, the proposed model can be adapted to other industries and service sectors by adjusting evaluation criteria and input variables according to operational conditions. Industry-specific calibration of variables, rules, and weighting schemes ensures model validity and decision accuracy across different contexts.

کلیدواژه‌ها [English]

• Supplier Evaluation
• Supplier Ranking
• Uncertainty
• Fuzzy Inference
• Fuzzy TOPSIS