مدل‌ سازی شبکه زنجیره‌ تامین پایدار و تاب آور در صنعت خودرو

هدف: این پژوهش به ارایه یک مدل بهینه‌ سازی چند هدفه جهت طراحی زنجیره‌تامین پایدار با تاکید بر ابعاد تاب‌آوری پرداخته است. مدل پیشنهادی به‌گونه‌ای توسعه یافته است که قادر به ایجاد تعادل بهینه میان اهداف اقتصادی، زیست‌ محیطی و اجتماعی باشد و هم‌زمان پاسخ مناسبی به تغییرات و اختلالات احتمالی در زنجیره‌تامین ارایه دهد. جهت اعتبارسنجی و ارزیابی کارایی مدل توسعه‌یافته، یک مطالعه موردی در صنعت خودروسازی انجام شده است. نتایج این مطالعه نشان‌دهنده عملکرد مطلوب مدل پیشنهادی بوده و در نهایت ابزارها و راهکارهای مدیریتی کاربردی برای تصمیم‌گیرندگان زنجیره‌تامین ارایه گردیده است.روش‌شناسی پژوهش: برای دستیابی به این هدف، یک مدل تصمیم‌گیری جامع توسعه یافته است. در مرحله نخست، امتیازدهی به تامین‌کنندگان با توجه به معیارهای پایداری و تاب‌آوری صورت می‌گیرد. این ارزیابی با بهره‌گیری از دو رویکرد نوآورانه تصمیم‌گیری، شامل روش بهترین-بدترین فازی تصادفی و روش ویکور تصادفی، انجام می‌پذیرد. در گام بعدی، یک مدل ریاضی چندهدفه با در نظر گرفتن عدم‌قطعیت‌های فازی-تصادفی طراحی شده است. به‌منظور حل این مدل، از رویکرد بهینه‌سازی استوار فازی و روش برنامه‌ریزی آرمانی چندگزینه‌ای اصلاح‌شده مبتنی بر تابع مطلوبیت استفاده شده است.یافته‌ها: در این پژوهش، زنجیره‌تامین شرکت خودروسازی سایپا کاشان با تمرکز بر سه بعد کلیدی شامل معیارهای عمومی، پایداری و تاب‌آوری مورد ارزیابی قرار گرفته است. شاخص‌هایی نظیر هزینه، کیفیت و کاهش مصرف انرژی به‌عنوان مهم‌ترین معیارها شناسایی شده‌اند. ارزیابی و رتبه‌بندی تامین‌کنندگان با استفاده از روش ویکور فازی انجام پذیرفته است. نتایج حاصل نشان می‌دهد که در میان تامین‌کنندگان اصلی، گزینه‌های دوم و پنجم و در میان تامین‌کنندگان پشتیبان، گزینه دوم، بالاترین امتیازات را کسب کرده‌اند. افزون بر این، به‌منظور بررسی استواری و اعتبار رویکرد پیشنهادی، نتایج به‌دست‌آمده با روش‌های سنتی مقایسه گردیده‌اند.اصالت/ارزش‌افزوده علمی: ارزش‌افزوده این پژوهش در ارایه یک مدل جامع تصمیم‌گیری در شرایط عدم‌قطعیت نهفته است که به بهبود عملکرد زنجیره‌تامین از جنبه‌های اقتصادی، زیست‌محیطی و اجتماعی کمک می‌کند. یافته‌های تحقیق می‌توانند نقش موثری در حمایت از تصمیم‌گیری مدیران و سیاست‌گذاران صنعت ایفا کرده و آن‌ها را در مواجهه با چالش‌های پیچیده و پویای زنجیره‌تامین یاری رسانند.

modeling a sustainable and resilient supply chain in the automotive industry

purpose: this work addresses the automotive industry with two important evolving concepts namely sustainability and resiliency. the proposed model is designed to balance economic, environmental, and social objectives while maintaining adaptability to potential changes and disruptions in the supply chain. a real automotive company is then investigated as the case study problem to represent the applicability, validity and performance of the developed model, and eventually, render useful managerial and decision aids.methodology: to achieve this objective, a comprehensive decision-making model has been developed. in the first stage, supplier evaluation is conducted based on sustainability and resilience criteria. this assessment employs two innovative decision-making approaches: the stochastic fuzzy best-worst method (bwm) and stochastic vikor. in the subsequent stage, a multi-objective mathematical model is formulated by incorporating stochastic-fuzzy uncertainty. to solve the model, a fuzzy robust optimization approach combined with a modified multi-choice goal programming method based on a utility function is applied.findings: in this study, the supply chain of saipa kashan automotive company is analyzed by focusing on three key dimensions: general criteria, sustainability, and resilience. indicators such as cost, quality, and energy consumption reduction were identified as the most critical evaluation factors. supplier evaluation and ranking were carried out using the fuzzy vikor method. the results indicate that, among the main suppliers, the second and fifth options, and among the backup suppliers, the second option, received the highest scores. furthermore, to assess the robustness and validity of the proposed approach, the obtained results were compared with those of conventional methods.originality/value: the value of this research lies in presenting a comprehensive model for decision-making under uncertainty and improving supply chain performance from economic, environmental, and social perspectives. the findings can significantly assist managers and policymakers in the automotive industry in addressing complex supply chain challenges.