ارائه رویکرد چندمعیاره برای برون سپاری فعالیت های لجستیکی فوق‌سنگین: موردکاوی صنایع نفت، گاز و پتروشیمی ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران

2 استادیار مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران

چکیده

بی تردید نقش ناوگان حمل و نقل فوق سنگین در احداث و توسعه زیربناهای صنعتی کشور بسیار برجسته است. در همین راستا موضوع برون سپاری حمل و نقل تجهیزات فوق سنگین با ارزش بسیار زیاد، مورد توجه بسیاری از سازمان ها در سطح دنیا قرار گرفته است. هدف این مقاله، رتبه بندی ارائه دهندگان خدمات لجستیک حمل و نقل فوق سنگین با استفاده از رویکردهای تصمیم گیری چندمعیاره است. دلیل این امر آن است که در انتخاب گزینه مناسب برای برون سپاری فعالیت های لجستیکی فوق سنگین، معمولاً معیارهای مختلفی مد نظر قرار می گیرند که در تناقض با یکدیگر عمل می کنند. در همین راستا ابتدا با استفاده از نظرخواهی و مصاحبه با متخصصان و با توجه به شاخص های انتخابی در تحقیقات گذشته، به کمک روش دلفی شاخص‌هایی به منظور رتبه بندی تعیین شده‌است. سپس متخصصان با استفاده از پرسشنامه به مقایسه زوجی شاخص های ارزیابی پرداخته اند. پس از جمع‌آوری نظرات متخصصین و تشکیل ماتریس مقایسات زوجی، از روش فرآیند تحلیل سلسله مراتبی (AHP) برای وزن دهی معیارها استفاده شده است. سپس، ارائه دهندگان خدمات لجستیک فوق سنگین با استفاده از روش تاپسیس فازی رتبه‌بندی شده اند. در گام بعد، نتایج حاصله با استفاده از روش الکتره مورد ارزیابی قرار گرفته‌است. رویکرد تصمیم گیری چندمعیاره ارائه شده به منظور ارزیابی خدمات‌دهندگان لجستیک فوق سنگین صنایع نفت، گاز و پتروشیمی ایران مورد استفاده قرار گرفته است. نتایج ارزیابی هر دو روش تاپسیس فازی و الکتره نشان دهنده این است که شرکت A7 با بالاترین امتیاز، برترین شرکت حمل و نقل فوق سنگین داخلی بوده و بعد از آن 9 شرکت دیگر به ترتیب رتبه‌بندی شده‌اند. به عبارت دیگر، نتایج حاصل از رتبه بندی شرکت های حمل و نقل فوق سنگین به کمک هر دو روش مذکور دارای همخوانی کامل هستند.

کلیدواژه‌ها


عنوان مقاله [English]

A Multicriteria Decision Making Model for Outsourcing Heavy Transportation Activities: (Case Study: Iran’s Oil, Gas, and Petrochemical Industries

نویسندگان [English]

  • Kiarash Vazirizadeh 1
  • Hamidreza Izadbakhsh 2
  • Hamed Davari-Ardakani 2
1 Department of Industrial Engineering, Faculty of Engineering, Kharazmi University, Tehran, Iran
2 Department of Industrial Engineering, Faculty of Engineering, Kharazmi University, Tehran, Iran
چکیده [English]

Heavy transportation plays a leading role in the construction and development of infrastructure of industries. Consequently, transportation of heavy, expensive equipment has drawn the attention of many organizations around the world. This paper proposes a multicriteria decision-making model to assess the performance of firms dealing with the logistics and transportation of heavy equipment. First, a number of evaluation criteria were determined by reviewing research works in this area, interviewing experts and using the Delphi method. Afterward, a panel of experts compared the evaluation criteria, and the Analytic Hierarchy Process (AHP) was used to determine the relative importance of the evaluation criteria. Then, Fuzzy Technique of Order Preference by Similarity to Ideal Solution (Fuzzy TOPSIS) was utilized to assess the performance of firms active in the area of heavy equipment transportation. Finally, the assessment procedure was conducted by ELimination Et Choice Translating Reality (ELECTRE). A case study of firms active in the heavy transportation within oil, gas and petrochemical industries in Iran was used to implement the proposed multicriteria framework. Results of both Fuzzy TOPSIS and ELECTRE methods showed that the A7 organization is the leading one in the transportation of heavy industrial equipment. In addition, both these methods provided a similar ranking of other organizations active in the transportation of heavy industrial equipment.

کلیدواژه‌ها [English]

  • Heavy transportation
  • Delphi method
  • AHP
  • Fuzzy TOPSIS
  • ELECTRE
  1. Adalı, E. A., & Işık, A. T. (2016). Integration of DEMATEL, ANP and DEA methods for third party logistics providers’ selection. Management Science Letters, 6, 325-340.
  2. Adler, M., & Ziglio, E. (1996). Gazing into the Oracle: the Delphi method and its application to social policy and public health (1st ed.). London: Jessica Kingsley Publishers.
  3. Azar. A., & Memariani, A. (1995). A novel technique for group decision making. Journal of Management Knowledge, 27-28, 22-32.
  4. Bagherinejad, J., & Amal Nik, M. S. (2012). A model to select the third party logistic company in Iran. Supply Chain Management, 14, 36. 4-19.
  5. Efendigil, T., Onut, S., & Kongar, E. (2008). A holistic approach for selecting a third-party reverse logistics provider in the presence of vagueness. Computers & Industrial Engineering, 54, 269-287.
  6. Ferizani Farsangi, H. (2012). Selection of the logistic transport company using AHP and Fuzzy TOPSIS. The 3rd National Conference on Industrial and Systems Engineering, Islamic Azad University: South Tehran Branch, Tehran,  Iran.
  7. Gürcan, Ö. F., Yazıcı, I., Beyca, Ö. F., Arslan, Ç. Y., & Eldemir, G. (2016). Third Party Logistics (3PL) Provider Selection with AHP Application. Procedia - Social and Behavioral Sciences, 235, 226-234.
  8. Lin, Y. T., Lin, C. L., Yu, H. C., & Tzeng, G. (2010). A novel hybrid MCDM approach for outsourcing vendor selection: A case study for a semiconductor company in Taiwan. Expert Systems with Applications, 37, 4796-4804.
  9. Liu, H. T., & Wang, W. K. (2009). An integrated fuzzy approach for provider evaluation and selection in third-party logistics. Expert Systems with Applications, 36, 4387-4398.
  10. Louw, W. J. A., Kok, M. C., & Sanderson, C. (2006). Contractor selection: A quantitative, consensus friendly, transparent and objective method. Southern African Forestry Journal, 206, 42-35
  11. Mahdi, I. M., Riley, M. J., Fereig, S. M., & Alex, A. P. (2002). A multi-criteria approach to contractor selection. Engineering. Construction and Architectural Management, 9, 29-37.
  12. Rastegar, S. (2015). Third party supplier selection in reverse logistics using data envelopment analysis (MSc thesis). University of Kurdistan, Kurdistan, Iran.
  13. Rouhbakhsh Meyari Dovom, A., Mashadi Farahani, M. A., & Kazemi, M. (2015). Assessment and ranking the most appropriate criteria to select the logistic service supplier using QFD and Fuzzy AHP. Journal of Operational Research and Its Applications, 12, 61-78.
  14. Rowe, G., & Wright, G. (1999). The Delphi technique as a forecasting tool: issues and analysis. International Journal of Forecasting, 15, 353-375.
  15. Separi, Z., Karbasian, M., Sajadi, S. M., & Shirouyehzad, H. (2012). A supplier selection method in green supply chain using VIKOR method. The 1st International Conference on Industrial and Systems Engineering, Islamic Azad University: Najafabad Branch, Isfahan, Iran.
  16. Shojaie, A. A., Soltani, A. R., & Soltani, M. R. (2016). A fuzzy integrated approach for evaluating third-party logistics. International Journal of Modeling and Optimization, 6, 206-210.
  17. Singh, D., & Tiong, R. L. K. (2006). Contractor selection criteria: Investigation of opinions of Singapore construction practitioners. Journal of Construction Engineering and Management, 132, 998-1008.
  18. Soh, S. (2010). A decision model for evaluating third-party logistics providers using fuzzy analytic hierarchy process. African Journal of Business Management, 4, 339-349.
  19. Topcu, Y. I. (2004). A decision model proposal for construction contractor selection in Turkey. Building and Environment, 39, 469-481.
  20. Vahdani, B., ‎Behzadi, S., & ‎Mousavi‎, S. M. (2015). An artificial intelligence model based on LS-SVM for third-party logistics provider ‎selection. International Journal of Industrial Mathematics, 7, 301-311
  21. Yan, W., He J. L., &·He, J. L. (2016). The Evaluation and Selection of Third-Party Logistics Service Vendor. International Journal of Hybrid Information Technology, 9, 273-284.