دانلود ترجمه مقاله استفاده از تابع تاپسیس و برنامه ریزی چندمعیاره در گزینش عرضه کننده

چون فرایند انتخاب عرضه‏ کننده یک مسئله تصمیم‏ گیری چند معیاری است، ما از روش ترکیبی سه تکنیک یعنی تابع افت تاگوچی، TOPSISو برنامه نویسی هدف استفاده کردیم. در تحقیقات قبلی، دیکسون (1966) از مسئله انتخاب عرضه‏ کننده و چندین پارامتر در تحقیقات خود استفاده نمود. معیارهای کلیدی برای مسئله انتخاب عرضه‏ کننده عبارتند از: قیمت، کیفیت ، تحویل کالا وغیره. الفرج و همکارانش در تحقیقات خود از مدل انتخاب عرضه‏ کننده و برخی از معیارها مانند کیفیت ، قیمت ، تحویل کالا، قابلیت فنی، سابقه عملکرد، ضمانت، ظرفیت تولید و موقعیت مالی استفاده کردند. برخی از محققان نیز از فرایند سلسله مراتب تحلیلی (AHP) برای انتخاب عرضه‏ کننده استفاده نمودند. همچنین در تحقیقات دیگر مسئله منبع ‏یابی کارتن (شارما/دابی، 2010) با استفاده از AHP مجتمع و یکپارچه و مدل کوله‏ پشتی مورد بحث قرار گرفت. ها و کریشنان (2008) برای مدل انتخاب عرضه‏ کننده برخی از عوامل را نیز در نظر گرفتند. اگر تعداد این عوامل زیاد باشد، آنگاه برای تصمیم‏ گیری نهایی دچار مشکل خواهیم شد. به همین دلیل محققان معمولا از متدلوژی ‏های مختلف برای مسئله انتخاب عرضه ‏کننده استفاده می ‏کنند. چان و همکارانش (2008) از روش AHP فازی برای انتخاب عرضه‏ کننده جهانی استفاده کردند. علاوه برآن، تعدادی از محققان در تحقیقات خود روش اکتشافی را به‏ عنوان یک مدل یکپارچه همراه با مسائل MCDM برای انتخاب بهترین واحدهای تصمیم‏ گیری پیشنهادکردند (چارنز، 1978). چاکرابورتی (2011) از یک متدلوژی خاص برای حل مسئله انتخاب فروشنده با استفاده ازAHP و روش اکتشافی استفاده کرد. وی و همکارانش هزینه کیفیت و تحویل کالا را به ‏عنوان معیارهای تصمیم گیرنده که بر مسئله انتخاب فروشنده تاثیر می ‏گذارند، در نظر گرفتند. لیائو (2010) از روش یکپارچه برای حل مسئله انتخاب عرضه‏ کننده استفاده کرد، این روش در سه مرحله انجام می‏ شود. علاوه بر آن، از تکنیک دلفی برای شناسایی معیارهایی مانند کیفیت، قیمت، تحویل به موقع کالا و خدمات مشتری استفاده خواهد شد. در مرحله بعدی، محققان با استفاده از تابع افت تاگوچی و AHP بر اساس اولویت‏ بندی بهترین عرضه کننده انتخاب می ‏شود. از برنامه ‏نویسی عدد صحیح مختلط نیز برای نشان دادن مسئله انتخاب عرضه‏ کننده استفاده خواهد شد. برای مثال، کاسیلینگام / لی(1996) در تحقیقات خود روش برنامه ‏نویسی عدد صحیح مختلط را برای انتخاب عرضه‏ کننده پیشنهاد کردند. در این مقاله نه تنها به انتخاب فروشنده پرداخته می ‏شود بلکه مقادیر مورد نیاز برای سفارش‏دهی هم در نظر گرفته خواهند شد. گووان و همکارانش (2007) از مدل برنامه‏ نویسی تصادفی عدد صحیح مختلط با هدف چندگانه برای مسئله انتخاب فروشنده (VSP) و تقاضای تصادفی تحت شرایط خرید محصولات چندگانه استفاده کردند. مدل برنامه‏ نویسی تصادفی/ عدد صحیح مخلوط با هدف چندگانه (SMIP) در سه مرحله انجام می ‏شود و در عین حال می‏ توان آن را با استفاده از تبدیل قیدهای تصادفی به معادل‏ه ای جبری به مدل MIP هدف چندگانه تبدیل نمود. بعد از این مرحله مدل برنامه‏ نویسی عدد صحیح مخلوط هدف چندگانه/ فازی وزنی (MIP) که نشان‏ دهنده برتری تصمیم ‏گیرندگان و فازی بودن هدف می ‏باشد با استفاده از روش درجه رضایت ماکزیمم به مدل های MIP تک هدفی تبدیل خواهد شد. اگر چه هدف اولیه ما در این تحقیق ادامه مطالعات لیائو/ کائو (2010) می باشد ولی سایر مدل‏ ها را نیز به ‏صورت مختصر توضیح خواهیم داد. ما در تحقیقات آینده خود به موضوع TOPSIS خواهیم پرداخت اما در این مقاله ما TOPSIS را در قالب مدل یکپارچه توضیح می ‏دهیم. برای انجام مقایسه نیز از DEA استفاده می‏ کنیم.

Since Supplier selection process is a multi criteria decision making problem, a combination of the three techniques namely Taguchi’s loss function, TOPSIS, and Goal Programming is used. In one of the earlierwork, Dickson (1966) proposed a supplier selection problem with several parameters. Out of all the criteria, the key criteria for supplier selection problem are price, quality and delivery etc. Al-Faraj et al. (1993) proposed a supplier selection model using some criteria, namely, quality, price, delivery, technical capability, performance history, warranty claim, production capacity, and financial position. The authors used Analytical hierarchy process (AHP) for selecting the supplier. A case on carton sourcing (Sharma and Dubey 2010) has also been discussed using integrated AHP and knapsack model. Ha and Krishnan (2008) attributed the supplier selection model with many factors into consideration. The collective aggregation of these attributes for a final judgment can result in a complex problem. For these reasons, a different variety of methodologies have been developed and applied over the last years to deal with the supplier selection problem. Chan et al. (2008) apply fuzzy-AHP approach for global supplier selection. Many authors proposed heuristics approach as an integrative model with MCDM problems to select the best performing decision making units (Charnes et al. 1978). Chakraborty et al. (2011) had proposed a methodology for solving the vendor selection problem using AHP and heuristics procedure. The authors had taken cost, quality, and delivery as the three criteria deciding the vendor selection problem. Liao (2010) proposed an integrated method to solve the supplier selection problem. The author attributed the method in three phases. Delphi technique was used to identify the criteria such as Quality, price, on time delivery, and customer service. Then using Taguchi loss function and AHP, the author prioritized the best supplier and selected the best performing supplier. Use of mixed integer programming has also been made to address the supplier selection problem. For example, Kasilingam and Lee (1996) proposed a mixed integer programming approach to select the supplier. This paper addresses not only vendor selection but also the quantities which need to be ordered. Guan et al. (2007) developed a multiple objective mixed integer stochastic programming model for the vendor selection problem (VSP) with stochastic demand under multiproducts purchase. The problem is divided into three phases. The multi-objective stochastic mixed-integer programming (SMIP) model is converted into a multi-objectiveMIP model by transforming stochastic constraints into deterministic equivalents. Then, a weighted fuzzy multi-objectives mixed integer programming (MIP)model, which indicates decision makers’ preference and objective fuzziness, is decomposed into several single-objective MIP models through the maximum satisfaction degree method. Although our primary objective is to extend the work of Liao and Kao (2010), other related literature has been discussed briefly. In this stated recent work, an inclusion of TOPSIS is especially mentioned as future research direction. Therefore, the present paper incorporates TOPSIS also in the integrated framework. Additionally DEA has been included for comparison purpose.