تحلیل تاب‌آوری زنجیره ‌تامین با درنظرگرفتن اختلال در صنعت سنگ طبیعی ساختمان با رویکرد شبیه‌سازی گسسته پیشامد

برای دستیابی به مزیت رقابتی در شرایط عدم‌ اطمینان که در آن تغییر ضروری است، یکی از چالش‌های بزرگ سازمان‌ها کاهش ریسک از طریق ایجاد زنجیره‌های تامین تاب‌آور است. تاب‌آوری در زنجیره ‌تامین به توانایی زنجیره ‌تامین برای مقابله با اختلال اشاره دارد که اختلال یک رویداد غیرقابل‌پیش‌بینی بوده و دارای منابع داخلی و خارجی مختلفی ازجمله بلایای طبیعی و ریسک‌های عملیاتی است. در پژوهش حاضر به شبیه‌سازی اختلال توسط نرم‌افزار ارنا در یک زنجیره‌ تامین سنگ ساختمانی در «کارخانه سنگبری آسمان» پرداخته شده است. مدت‌زمان اجرای شبیه‌سازی یک سال و تعداد دفعات اجرای مدل شبیه‌سازی 100 بار در نظر گرفته شد. پس از اعتبارسنجی مدل از طریق مقایسه نتایج حاصل از شبیه‌سازی با اطلاعات واقعی کارخانه با محاسبه میانگین قدر مطلق خطا و تایید اعتبار مدل، سناریوهای مختلف برای مدیریت اختلال و نشان‌دادن تاب‌آوری سیستم ایجاد و آزمایش شدند؛ سپس بر اساس معیار‌های نرخ پاسخگویی به تقاضای مشتریان، هزینه تقاضای پس‌افت و هزینه کل، عملکرد هر یک از سناریوها ارزیابی و درنهایت سناریو افزونگی برای اجرا در دنیای واقعی انتخاب شد؛ نتایج نشان داد که برای تاب‌آور کردن سیستم، یک خط تولید پشتیبان در کارخانه راه‌ اندازی شود.

supply chain resilience analysis considering disruption in the natural stone industry using a discrete-event simulation approach

in order to achieve competitive advantages in uncertain situations, one of the big challenges that organizations are faced is the risk reduction through creating resilient supply chains. supply chain resilience refers to the ability of supply chain to respond to disruptions. disruption is an unpredictable event that has different internal and external sources such as natural disasters and operational risks. in this paper, a simulation model has been presented for analyzing the disruption in the natural stone industry supply chain in one of the stone factories in iran using arena simulation software. the simulation model has been run 100 times and the simulation time has been assumed to be one year. the validation of the model has been done by comparing the simulation results with actual information by calculating the mean absolute error. moreover, some scenarios have been made for disruption management and resilience creation in the system. then, the performance of each scenario was evaluated based on some criteria include fill rate, backorder cost and total cost. finally, the redundancy scenario was chosen to be run in the real world. the results showed that a backup production line would be set up in the factory to make the system more resilient.