مدل ترکیبی داده محور برای انتخاب تامین کننده و طراحی شبکه زنجیره تامین دارویی تحت ریسک

انتخاب تامین کننده مناسب در زنجیره تامین دارویی به دلیل حساسیت بالا و ضرورت تامین به موقع داروها نقشی اساسی در کاهش هزینه ها، تضمین کیفیت و افزایش تاب آوری شبکه ایفا می کند. پیچیدگیها و عدم قطعیتهای موجود در این زنجیره لزوم استفاده از رویکردهای نوین و داده محور را برای بهبود تصمیم گیری دوچندان کرده است. در این پژوهش یک چارچوب ترکیبی برای انتخاب تامین کننده و طراحی شبکه توزیع دارو در شرایط عدم قطعیت ارائه شده است. ابتدا معیارهای کلیدی با استفاده از الگوریتم درخت تصمیم (Decision Tree Classifier) و بر پایه دادههای واقعی تامین کنندگان دارویی به صورت پویا شناسایی و سپس با فرآیند داده محور تحلیل سلسله مراتبی (AHP) وزن دهی ادامه، رتبه بندی تامین کنندگان با استفاده از نسخه بهبودیافته روش CoCoSo تحت عنوان CoCoFISo انجام شد که با اصلاح فرآیند نرمال سازی و بازتعریف استراتژی تجمیع، دقت و پایداری بالاتری نسبت به روشهای متداول ایجاد کرده است. در نهایت، نتایج این مراحل در یک مدل برنامه ریزی تصادفی چندهدفه ادغام شده تا سه تابع هدف شامل کمینه سازی هزینه کل، بیشینه سازی امتیاز تامین کنندگان و بیشینه سازی قابلیت اطمینان شبکه تامین به طور همزمان بهینه سازی شوند. اجرای مدل بر روی دادههای واقعی نشان داد که رویکرد پیشنهادی و به ویژه استفاده از CoCoFISo عملکرد برتری نسبت به روشهای TOPSIS و CoCoSo دارد. این برتری به ویژه در کاهش هزینه ها، بهبود انتخاب تامین کنندگان و افزایش تاب آوری شبکه دارویی مشهود است. چارچوب پیشنهادی میتواند به عنوان ابزاری کارآمد برای تصمیم گیرندگان شدند. در در صنعت دارویی جهت طراحی شبکه های پایدار و مقاوم در برابر نوسانات تقاضا و اختلالات عملیاتی مورد استفاده قرار گیرد.

Keywords:

انتخاب تامین کننده , درخت تصمیم گیری , تحلیل سلسله مراتبی , زنجیره تامین , دارویی , یادگیری ماشین , تصمیم گیری چند معیاره