شناسایی و رتبه‌بندی عوامل موثر بر اجرای لجستیک معکوس در صنعت خودروسازی ایران با رویکرد تحلیل شبکه‌ای فازی

امروزه لجستیک معکوس به یکی از چالش‌برانگیزترین موضوعات در حوزه زنجیره تامین صنعت خودرو تبدیل شده است. از این ‌رو شناخت عواملی که در اجرای لجستیک معکوس تاثیرگذار می‌باشند حائز اهمیت می باشد. در دهه گذشته به موضوع لجستیک معکوس توجه زیادی شده است. از دلایلی که باعث تمرکز سازمان‌ها بر این موضوع شده است می‌توان به این موارد اشاره نمود: انگیزه‌های رقابتی، انگیزه‌های اقتصادی مستقیم و دلایل زیست‌محیطی. هم‌چنین در بسیاری از موارد وجود قوانین و مقررات خاص در حوزه برگشتی‌ها، سازمان‌ها را وادار کرده است توجه بیشتری به این بخش مبذول دارند.در این تحقیق با گردآوری معیارهای شناسایی‌شده تحقیقات پیشین و همچنین کسب نظرات خبرگان معیارهای اولیه را مشخص کردیم که شامل 3 معیار اقتصادی، محیطی و اجتماعی می‌باشد که هر کدام از این معیارها دارای چندین زیر معیار می باشند. سپس این عوامل در قالب پرسشنامه در اختیار خبرگان قرار داده شده و داده‌های گردآوری‌شده با روش تحلیل عاملی تاییدی مورد تجزیه‌وتحلیل قرار گرفته درنهایت تعدادی از عوامل حذف شده و عوامل نهایی باقی ماندند. به‌منظور رتبه‌بندی شاخص‌ها، مجدداً این عوامل  از طریق پرسشنامه anp به نظرسنجی خبرگان گذارده شده و برای اندازه‌گیری وابستگی‌های متقابل و رتبه‌بندی معیارها از تکنیک anp فازی استفاده کردیم.

Identifying and Prioritizing the Factors Affecting the Implementation of Reverse Logistics in Iran’s Automotive Industry with Fuzzy Analytical Network Process Approach

Today reverse logistics has become one of the most challenging issues in the areas of the automotive supply chain. Therefore, understanding the factors that influence the implementation of reverse logistics is important. We can point to the reasons why organizations pay attention to this subject: Competitive incentives, direct economic incentives, and environmental reasons. In many cases, there are certain rules and regulations in the areas returns that have forced the organizations to pay more attention to this sector. In this research, we determined primary criterions with collecting determined criterions of previous studies and also taking experts’ opinions which consists 3 economical, environmental and social criterions and 19 sub criterions. Then these factors were given to experts in the form of a questionnaire. The collected data were analyzed with the confirmatory factor analysis method. Finally, a number of factors have been removed and the final factors remained. In order to rank the factors, these factors were given to experts in the form of ANP (Network Analysis Process) questionnaire again. Then we used fuzzy ANP method for measuring interdependencies and criterions ranking.