ارایه یک مدل تصمیم‌گیری داده محور به‌منظور انتخاب تامین‌‌کنندگان مدیریت زنجیره‌تامین لارج با تاکید بر بعد فرهنگی

هدف: در فضای رقابتی کنونی، انتخاب تامین‌کنندگان مناسب نقشی کلیدی در ارتقای کارایی و پایداری زنجیره‌تامین دارد. مدل زنجیره‌تامین لارج به‌عنوان رویکردی جامع، ابعاد مختلفی را در مدیریت تامین‌کنندگان دربر می‌گیرد. با این‌حال، بعد فرهنگی با وجود نقش موثر در موفقیت تعاملات و انتخاب تامین‌کنندگان، کمتر موردتوجه قرار گرفته است. این پژوهش با هدف ارزیابی تامین‌کنندگان در چارچوب مدل لارج و با در‌نظر گرفتن بعد فرهنگی، به دنبال ارتقای عملکرد زنجیره‌تامین و دستیابی به مزیت رقابتی پایدار است.روش‌شناسی پژوهش: این پژوهش به توسعه یک مدل تصمیم‌گیری داده‌محور و آینده‌نگر برای ارزیابی و انتخاب تامین‌کنندگان می‌پردازد. در ابتدا، با مرور ادبیات و نظرسنجی از خبرگان، معیارهای کلیدی شناسایی و با روش بهترین-بدترین فازی وزن‌دهی شدند. سپس، با تحلیل پوششی داده‌های فازی، کارایی تامین‌کنندگان ارزیابی و رتبه‌بندی شد. در ادامه، الگوریتم جنگل تصادفی برای پیش‌بینی عملکرد آتی تامین‌کنندگان به‌کار گرفته شد و نتایج دقیقی ارایه کرد.یافته‌ها: نتایج مرحله اول نشان داد که زیرمعیارهایی نظیر کاهش گازهای گلخانه‌ای، مدیریت ریسک، کیفیت و سرعت تحویل از اهمیت بالایی در ارزیابی تامین­‌کنندگان برخوردارند. در مرحله دوم، کارایی تامین­کنندگان در α- کات‌های مختلف ارزیابی گردید و در سه گروه با کارایی بالا، متوسط و پایین طبقه‌بندی شدند. مدل جنگل تصادفی نیز توانست عملکرد تامین‌کنندگان را با دقت بالا پیش‌بینی کند. همچنین، نتایج آزمون t جفتی نشان داد که در نظر گرفتن بعد فرهنگی، به‌طور معناداری موجب بهبود فرآیند انتخاب تامین‌کنندگان می‌شود.اصالت/ارزش‌افزوده علمی: نتایج پژوهش نشان می‌دهد که مدل ارایه‌شده با شناسایی عوامل کلیدی عملکرد، ارزیابی آینده‌نگر و بهره‌گیری از تحلیل‌های دقیق، می‌تواند به بهبود تصمیم‌گیری‌های استراتژیک در انتخاب و مدیریت تامین‌کنندگان کمک کند. این مدل نه‌تنها موجب کاهش ریسک و هزینه‌ها می‌شود، بلکه به‌عنوان الگویی کاربردی برای بهبود عملکرد زنجیره‌تامین در صنایع مشابه نیز قابل استفاده است.

a data-driven decision-making model for supplier selection in larg supply chain management with emphasis on the cultural dimension

purpose: in today’s competitive environment, selecting suitable suppliers plays a pivotal role in enhancing the efficiency and sustainability of supply chains. the larg supply chain model, as a comprehensive approach, integrates various dimensions in supplier management. however, despite its critical influence on the success of interactions and supplier selection, the cultural dimension has received limited attention. this study aims to evaluate suppliers within the larg framework while incorporating the cultural dimension to improve supply chain performance and achieve sustainable competitive advantage.methodology: this research developed a data-driven and forward-looking decision-making model for supplier evaluation and selection. first, key criteria were identified through literature review and expert consultation, and weighted using the fuzzy best–worst method (fbwm). then, suppliers' efficiency was assessed and ranked using fuzzy data envelopment analysis (fdea). subsequently, the random forest algorithm was employed to predict future supplier performance, yielding highly accurate results.findings: the initial results highlighted the significance of sub-criteria such as greenhouse gas emission reduction, risk management, quality, and delivery speed in supplier evaluation. in the second phase, supplier efficiency was analyzed under various α-cuts and classified into three performance groups: high, medium, and low. the random forest model demonstrated high accuracy in forecasting supplier performance. moreover, the results of the paired t-test revealed that incorporating the cultural dimension significantly improves the supplier selection process.originality/value: the proposed model contributes to strategic decision-making by identifying key performance factors, enabling predictive evaluation, and employing robust analytical tools. this approach not only reduces risks and costs but also serves as a practical model for improving supply chain performance in similar industries.