| تعداد نشریات | 61 |
| تعداد شمارهها | 2,227 |
| تعداد مقالات | 18,261 |
| تعداد مشاهده مقاله | 56,038,732 |
| تعداد دریافت فایل اصل مقاله | 29,046,535 |
اندازه گیرى چابکى زنجیره ی تأمین با استفاده از پایگاه قوانین فازی و شاخص چابکی فازی در صنعت الکترونیک (مورد مطالعه: شرکت پیشرانه ى ساری) | ||
| مطالعات مدیریت صنعتی | ||
| مقاله 3، دوره 11، شماره 30، مهر 1393، صفحه 56-76 اصل مقاله (481.67 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| هانی قاسمی صاحبی* 1؛ سیدمحمود زنجیرچی2 | ||
| 1کارشناسی ارشد مدیریت صنعتی- آموزش عالی ادیب مازندران ، ساری | ||
| 2استادیار و عضو هیات علمی گروه مدیریت صنعتی دانشگاه یزد | ||
| چکیده | ||
| براى دستیابى به حاشیه ى رقابتى در محیط تجارى به سرعت در حال تغییر ، شرکت ها باید طورى با تأمین کنندگان و مشتریان در عملیات خط جریان منطبق شوند که براى دستیابى به سطحى از چابکى مأوراى انتظار نایل شوند. در نتیجه، زنجیره هاى تأمین چابک، ابزار برجسته ى رقابتى هستند که مى توانند در این راه کمک شایانى کنند. به سبب ابهام ارزیابى چابکى، بیشتر اندازه گیرى ها به طور ذهنى و با استفاده از عبارات زبان شناختى یا زبانى توصیف مى شوند. در این تحقیق ابعاد مختلف چابکى معرفى شده و چگونگى دستیابى شرکت پیشرانه به عنوان مطالعه اى موردى به چابکى در زنجیره ى تأمین مطالعه و بررسى مى شود. نوآورى این تحقیق استفاده ى هم زمان از رویکرد پایگاه قوانین فازى و شاخص چابکى فازى است که براى نخستین بار در چنین تحقیقاتى صورت گرفته است. در نهایت پیشنهادهایى براى ارتقاى سطح چابکى زنجیرهى تأمین شرکت مورد نظر و براى آینده ارائه مى شود. | ||
| کلیدواژهها | ||
| چابکى؛ منطق فازى؛ زنجیره ى تأمین چابک؛ رویکرد پایگاه قوانین فازى؛ شاخص چابکى فازى | ||
| مراجع | ||
|
.1 .145-169 1389 54 .2 .39-62 1388 (36) 2 .3 .1387 .1379 .4 .5 . 7- 15 1385 17 5 .6 .1381 MATLAB .7 .1388 .8 .1385 : .9 .1381(1992) : 10. Delgado, M., Verdegay, J.L. & Vila, v. (1993). Linguistic decision making models, Int. J. Intel. Systems, 7, 479–492. 11. Fernández, A., del Jesus, M. J., Herrera F. (2010). Information Sciences, 180(8), 1268-1291. 12. Guesgen H, Albrecht J.& Grundner S. (2000). Erosion Modeling in a Raster- Based GIS with Fuzzy Logic. In Proceedings FLAIRS-2000, American Association for Artificial Intelligence, Orlando, Florida. 13. Jain, V., Benyoucef, L. & Deshmukh, S.G. (2008). A new approach for evaluating agility in supply chains using Fuzzy Association Rules Mining, Engineering Applications of Artificial Intelligence, 21, 367–385. 14. Lin, C.-T., Chiu, H. & Chu, P.-Y. (2006). “Agility index in the supply chain”, International Journal of Production Economics, 100(2), 285–299. 15. Sharifi, H., Zhang, Z. (1999). A methodology for achieving agility in 76 مطالعات مدیریت صنعتی، سال یازدهم، شماره 30 ، پاییز 1392 manufacturing organization: An introduction, International Journal of Production Economics, 62, 7–22. 16. Sharifi, H., Ismail, H.S. & Reid, I. (2006). Achieving agility in supply chain through simultaneous “design of” and “design for” supply chain, Journal of Manufacturing Technology Management, 17(8), 1078-1098. 17. Sharp, J.M., Irani, Z. & Desai, S. (1999). Working towards agile manufacturing in the UK industry, International Journal of Production Economics, 62 (1 & 2), 155–169. 18. Stevens, G. (1989). Integrating the supply chain, International Journal of Physical Distribution and Materials Management, 19 (1), 3–8. 19. Vonderembse, M.A., Uppal, M., Huang, S.H., Dismukes, J.P. (2006). Designing supply chains: towards theory development. International Journal of Production Economics, 100 (2), 223–238. 20. Yauch, C.A. (2011). Measuring agility as a performance outcome, Journal of Manufacturing Technology Management, 22(3), 384-404. 21. Zadeh, L. A. (1965). “Fuzzy sets”, Information and Control, 8, 338353. 22. Zadeh, L.A. (1975). The concept of linguistic variable and its application to approximate reasoning, Inform. Sci. 8,199–249; 8, 310–357; 9, 43–80. | ||
|
آمار تعداد مشاهده مقاله: 2,900 تعداد دریافت فایل اصل مقاله: 1,112 |
||