ارزیابی ریسک های زنجیره تامین پایدار با روش تحلیل حالات و دلایل شکست در محیط فازی (مطالعه موردی: صبا باطری)

با وجود مزایای متعدد جهانی شدن و ورود تکنولوژی‌های پیشرفته، این عوامل زنجیره تامین پایدار را در معرض ریسک‌های اجتماعی، اقتصادی و زیست محیطی قرار می‌دهد. هدف پژوهش حاضر، توسعه یک رویکرد جدید برای شناسایی و اولویت‌بندی ریسک‌های موجود در زنجیره تامین پایدار با استفاده از روش تحلیل حالت و دلایل شکست (fmea) است. برای تحقق این هدف، ابتدا ریسک‌های موجود در زنجیره های پایدار صنعت باطری سازی شناسایی شده، سپس با نظر تیم‌های بین وظیفه ای و با بهره گیری از روش پیشنهادی این ریسک‌ها اولویت بندی می شوند. با توجه به اینکه فاکتورهای ریسک شامل احتمال، شدت و قابلیت شناسایی به صورت متغیرهای فازی بوده، در این پژوهش از اعداد اولویت ریسک فازی (frpn) برای بررسی حالات شکست استفاده می‌شود. اعداد اولویت ریسک فازی به صورت میانگین هندسی موزون فازی فاکتورهای ریسک تعریف و با کمک مجموعه‌های سطوح برش آلفا و مدل برنامه ریزی خطی محاسبه می شود. سپس با توجه به ناکارایی رویکردهای فازی اولویتبندی عوامل ریسک پایداری، در رویکرد پیشنهادی از روابط ترجیح فازی برای این منظور استفاده می شود. نتایج نشان دهنده آن است که رویکرد پیشنهادی قادر است با کارایی محاسباتی بالایی نتایج مشابهی را ارائه دهد.

Evaluating risks of sustainable supply chain by the failure mode and effect analysis method in fuzzy environment (case study: Saba battery)

Despite the numerous benefits of globalization and the emergence of advanced technologies, they have put the sustainable supply chain in subject to the social, economic, environmental risks. The aim of this study is to develop a new approach to identify and prioritize the risks involved in sustainable supply chain by using the failure mode and effect analysis (FMEA) technique. In this way, the fuzzy sets theory is applied to calculate the risk priority numbers with regard to the fuzzy importance coefficients of risk factors including probability of occurrence, severity and detectability for each risk factor. However, proposed approaches have a computational inefficiency in ranking the fuzzy priority numbers. The fuzzy weighted geometric mean and linear programming model is used in a different way to determine the fuzzy risk priority numbers and then the fuzzy preference relations is applied to compare these numbers for prioritizing sustainability risk factors. Risk factors of the sustainable supply chain in the battery industry are identified and then prioritized by the crossfunctional team by using the proposed method. The results show that the approach is capable to provide similar results than other ones with a high computational performance.