توسعۀ مدل جامع تحليل پوششي داده‌ها براي تعيين بهترينتأمين‌كننده باداده‌هاي غيردقيق و محدوديت‌هاي وزني

Developing a comprehensive data envelopment analysis model to determine the best supplier with imprecise data and weight restrictions

انتخاب تأمين‌كنندگان در زنجيرۀ تأمين به‌عنوان يك مسئلۀتصميم‌گيري با معيارهاي چندگانه (شامل معيارهاي كيفي و كمي)، از مهم‌ترين عوامل تأثيرگذار در يك زنجيرۀ تأمين كارا است.مدل تحليل پوششي داده‌ها(DEA)يكي از روش‌هايتعيين كارايي است كه به‌طور گسترده استفاده مي‌شود.در مدل تركيبي كه طلوع و نالچيگر، ارائه كرده‌اندادعا شده است كه اين مدل قادر است كاراترين (بهترين) تأمين‌كننده را با درنظرگرفتن داده‌هاي غيردقيقتعيين كند. درمقالۀ حاضرنشان داده مي‌شود كه مدلذكرشدهقادر استتنها يك تأمين‌كنندۀ كارا را پيدا كند و نمي‌تواندكاراترين تأمين‌كنندهرا مشخص نمايد. اين مقاله با بيان ساير مشكلات مدل طلوع و نالچيگر، يك مدل جامع ارائه مي‌دهد كه ضمن رفع مشكلات مدل ذكرشدهمحدوديت‌هاي وزني را نيز دربرمي‌گيرد؛به عبارت ديگر، مدل پيشنهادي اين مقاله قادر است با درنظرگرفتن هم‌زمان داده‌هاي غيردقيق و محدوديت‌هاي وزني در مدل DEA، كاراترين تأمين‌كننده را با حل يك مدل برنامه‌ريزي خطي عدد صحيح پيدا كند. براي تعيين و رتبه‌بندي ساير تأمين‌كنندگان كارا نيز الگوريتم جديدي پيشنهاد شده است.كاربرد مدل ارائه‌شده براي داده‌هاي غيردقيق 18 تأمين‌كننده نشان داده شدهاست.

Suppliers selection in supply chain as a multi-criteria decision making problem (contain both qualitative and quantitative criteria) is one of the main factors of a successful supply chain. Data Envelopment Analysis (DEA) is a method to determine the efficiency that has been used widely for this purpose. In the hybrid DEA model of Toloo and Nalchigar, it is claimed that this model can determines the most efficient (best) supplier in presence of imprecise data. In this paper, it will be shown that the model just can find an efficient supplier and could not find the most efficient supplier. This paper by explaining the other drawbacks of the paper, proposes a comprehensive model that removes the drawbacks and also contains the weight restrictions. In the other words, the proposed model can find the most efficient supplier by solving just one mixed integer linear programming in presence of both imprecise data and weight restrictions. For determining and ranking other efficient suppliers a new algorithm proposed. Application of proposed approach explained with considering imprecise data for 18 suppliers.