ارائه مدلی جدید در راستای بهبود مدل های مبتنی بر DEA در طبقه بندی چندمعیاره اقلام موجودی (مطالعه موردی: پارس خزر)
Publish place: Industrial Management Journal، Vol: 10، Issue: 3
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 177
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IMJT-10-3_002
تاریخ نمایه سازی: 25 بهمن 1400
Abstract:
هدف: بسیاری از سازمان ها برای کنترل صحیح حجم زیاد موجودی های خود از روش طبقه بندیABC استفاده می کنند و این روش رایج ترین شیوه برای طبقه بندی موجودی هاست. در طبقه بندی ABC سنتی، اقلام تنها بر اساس یک معیار واحد دسته بندی می شوند. اما معیارهای دیگری نیز وجود دارند که توجه به آنها در طبقه بندی موجودی ها ضروری است. هدف این پژوهش ارائه مدل جدید در طبقه بندی چندمعیاره اقلام موجودی است. روش:از میان روش های چند معیاره برای طبقه بندی موجودی ها، مدل های مبتنی بر تحلیل پوششی دادهها به قضاوت تصمیم گیرنده برای تعیین وزن معیارها نیازی ندارند؛ اما در ادبیات پژوهش فقط از روش های شعاعی تحلیل پوششی داده ها برای طبقه بندی اقلام موجودی استفاده شده است. در این مقاله کارایی متقاطع یک مدل غیر شعاعی برای بهبود روش میانگین کارایی متقاطع مدل آر که مدلی شعاعی است، پیشنهاد شده است. یافتهها: روش پیشنهاد شده به دلیل استفاده از یک مدل غیرشعاعی، ضعف مدل آر را ندارد و از مزایای روش کارایی متقاطع نیز برخوردار است. نتیجهگیری:مدل ها روی ۴۷ قلم از اقلام موجودی مربوط به یک مثال عددی مشترک موجود در ادبیات پژوهش و همچنین روی ۸۰ قلم از اقلام موجودی شرکت صنعتی پارس خزر به اجرا درآمد و نتایج آنها تحلیل شد. نتایج مقایسه مدل پیشنهاد شده با برخی از مدل های موجود در ادبیات پژوهش، نشان دهنده برتری مدل پیشنهاد شده است.
Keywords:
Authors
محمدرحیم رمضانیان
دانشیار، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
کیخسرو یاکیده
استادیار، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
عاطفه علیدوست سراوانی
کارشناس ارشد، گروه مدیریت صنعتی، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :