انتخاب تامین‌کننده تاب‌آور و تخصیص سفارش با تحلیل اثر متقابل ریسک‌های اختلال در شبکه بیزی

اختلالات ‌علاوه بر تاثیر روی تامین‌کنندگان و تولید‌کننده؛ می‌توانند بر روی یکدیگر در ابتدای زنجیره یا بر تقاضای مشتری در انتهای زنجیره تاثیرگذار باشند. در این مقاله، میزان این اثرگذاری با استفاده از شبکه بیزی مدل‌سازی و حل می‌شود. از نرخ تورم برای پیش‌بینی و کاهش عدم قطعیت‌های تقاضا در یک مدل برنامه‌ریزی خطی با دو تابع هدف افزایش پراکندگی جغرافیایی و کاهش هزینه کل (حمل و نقل، خرید و سفارش‌دهی و...) استفاده شده است. در این مدل تامین‌کنندگان و تولیدکننده برای افزایش تاب آوری زنجیره‌تامین مشارکت می‌کنند. برای اولین بار مفهوم سطح تاب‌آوری تامین‌کننده پیشنهاد می‌شود. مدل ارائه شده برای تخصیص سفارش علاوه بر قیمت و سایر هزینه‌های سفارش دهی، هزینه بهبود سطح تاب‌آوری تامین‌کنندگان را نیز در نظر می‌گیرد. همچنین سطح رضایت مشتری به‌صورت ضمنی با افزایش هزینه عدم ارضای تقاضا افزایش می‌باید. به همین منظور یک مطالعه موردی در یکی از شرکت‌های خودروسازی ایران انجام گرفت. برای اعتبار سنجی مدل پیشنهادی یک مثال عددی حل و تحلیل حساسیت گردید. برای کاهش سناریو از روش خوشه‌بندی c-میانگین فازی و تحلیل متوازن اثر متقابل استفاده شد. مدل ارائه شده می‌تواند تولیدکنندگان را برای تصمیم‌گیری و برنامه‌ریزی بهتر در مواجه با ریسک‌ها و عدم قطعیت‌های آینده آماده کند.

resilient supplier selection and order allocation with analysis of interacting risks in bayesian networks

disruptions can impact not only suppliers and manufacturers but also influence each other at the beginning of the chain or customer demand at the end of the chain. in this paper, the extent of this impact is modeled and solved using a bayesian network. inflation rate is used to predict and reduce demand uncertainties in a linear programming model with two objective functions of increasing geographic dispersion and reducing total cost (transportation, purchasing, ordering, etc.). in this model, suppliers and manufacturers collaborate to increase supply chain resilience. for the first time, the concept of supplier resilience level is proposed. the proposed model for order allocation, in addition to price and other ordering costs, also considers the cost of improving the resilience level of suppliers. also, customer satisfaction level is implicitly increased by increasing the cost of unmet demand. to this end, a case study was conducted in one of iran’s automotive companies. to validate the proposed model, a numerical example was solved and sensitivity analysis was performed. to reduce the number of scenarios, fuzzy c-means clustering and balanced interaction analysis were used. the proposed model can prepare manufacturers for better decision-making and planning in the face of future risks and uncertainties.