طراحی و تنظیم سیستم‌های توسعۀ تامین‌‏‏کننده با استفاده ازanfis و الگوریتم‌های فراابتکاری در صنعت خودرو

این مقاله به‌دنبال طراحی و تنظیم سیستم‌های عصبی-فازی توسعۀ تامین‌‏‏کننده، تعیین درجۀ اهمیت مقوله‌‏‏های مختلف آن و پیشنهاد فعالیت‌های مناسب، براساس نتایج به‌دست‌آمده برای توسعۀ تامین‌‏‏کنندگان صنعت خودرو است. برای طراحی سیستم‌ها از سه روش منقطع‌‏‏سازی شبکه‌‏‏ای، خوشه‌‏‏بندی کاهشی و سیمیانگین فازی و برای تنظیم آنها از روش‌های پس‌‏‏انتشار و هیبرید و الگوریتم‌های فراابتکاری کلونی مورچگان، تکامل تفاضلی، ژنتیک و ازدحام ذرات استفاده می‌‏‏شود. با مقایسۀ نتایج سیستم‌های تنظیم‌شده، مناسب‌ترین آنها انتخاب و براساس آن نمرۀ توسعۀ تامین‌‏‏کننده در مقوله‌‏‏های مختلف و همچنین، توسعۀ تامین‌‏‏کننده برای 53 تامین‌‏‏کننده از تامین‌‏‏کنندگان استراتژیک صنعت خودرو پیش‌‏‏بینی می‌‏‏شود. برای تحلیل حساسیت مقوله‌‏‏های توسعۀ تامین‌‏‏کننده، از یک رویۀ پنج‌‏‏مرحله‌‏‏ای استفاده شده است. نتایج مقایسۀ روش‌ها نشان می‌‏‏دهد روش طراحی سیمیانگین فازی نسبت‌به دو روش دیگر، روش‌های فراابتکاری نسبت‌به دو روش سنتی و الگوریتم‌های کلونی مورچگان، تکامل تفاضلی و ژنتیک نسبت‌به الگوریتم ازدحام ذرات، نتایج بهتری به دست می‌‏‏دهد. نتایج تحلیل حساسیت نشان می‌‏‏دهد مقولۀ توسعۀ قابلیت‌های محیطی، حساس‌ترین مقوله است و مقوله‌‏‏های توسعۀ قابلیت‌های ناملموس، توسعۀ قابلیت‌های ملموس و توسعۀ روابط، به‌ترتیب در رتبه‌‏‏های دوم، سوم و چهارم قرار دارند. نتایج همبستگی بین خروجی سیستم توسعۀ تامین‌‏‏کننده و میانگین نمره‌های خبرگان نشان می‌‏‏دهد سیستم طراحی‌شده، دقت زیادی دارد؛ براساس یافته‌‏‏ها، فعالیت‌های مناسب برای توسعۀ تامین‌‏‏کنندگان در مقوله‌‏‏های مختلف، پیشنهاد می‏شود.

Designing and regulating supplier development systems using ANFIS and metaheuristic algorithms in the automotive industry

Purpose: This paper aims to design and regulate the Adaptive Neural Fuzzy Inference Systems (ANFIS) of supplier development, determine the importance of different categories of supplier development (SD), and suggest appropriate activities based on the results for the development of suppliers in the automotive industry.Design/methodology/approach: To design ANFIS, Grid Partitioning, Subtractive Clustering, and FCM have been used. Then, they have been regulated using Back Propagation (BP), Hybrid, Ant Colony Optimization (ACO), Differential Evolution (DE), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) methods. A fivestep procedure has been used for sensitivity analysis of the supplier development categories. By comparing the results of the regulated systems, the most appropriate ones were selected. Also, based on the supplier development score in different categories separately, the supplier development score was predicted for 53 strategic suppliers in the automotive industry. By sensitivity analysis, SDrelated categories were prioritized to guide automotive industry manufacturers to use SDrelated activities.Findings: Findings indicated that the FCM compared to the other two methods; metaheuristic regulation methods compared to BP and Hybrid, and ACO, DE, and GA compared to PSO led to better results. The ACO in all systems, the DE in four systems, and the GA in two categories were identified as the dominant methods, while the PSO was not dominant in any of the categories. This finding implies the priority of metaheuristic algorithms as ACO> DE> GA> PSO, based on the data of this study. The results of the correlation between the scores of the ANFIS and the average scores of the experts show that the designed ANFIS has high accuracy.Practical implications: The results of this study will direct manufacturers’ investments and direct involvement in SD. The findings encourage manufacturers and suppliers of the Iranian automotive industry first to activities related to the development of environmental capabilities and then activities related to the development of three other categories. The managers of Iran’s automotive industry are suggested to apply the activities related to the development of suppliers’ environmental capabilities. These activities include evaluating the supplier’s environmental performance and feedback, sharing environmental information, ethics and social responsibility, obtaining environmental and social certifications, developing programs to improve the quality of life of target communities, green procurement, and environmental awareness, logistics activities Inversion, and joint efforts to improve performance are sustainable.Originality/value: This study was one of the first inhouse studies to compare the results of metaheuristic algorithms compatible with ANFIS in the field of SD. In addition, in terms of implementation, it offered suitable SD activities to car manufacturers.