بکارگیری ANP فازی در تعیین شاخص های اصلی انتخاب محصول در شرکت سایپادیزل

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد مهندسی صنایع

2 استادیار و عضو هیئت علمی دانشگاه پیام نور

چکیده

با توجه به منابع مدیریتی محدود و عدم امکان تخصیص منابع بطور کامل، انتخاب محصول مناسب جهت  تولید در شرکت های صنعتی از اهمیت بسیار بالایی برخوردار می باشد. شرکت های تولید کننده  خودرو در رده تجاری و سنگین مورد استفاده در حمل و نقل جاده ای نیز از این قاعده مستثنی نیستند ، به طوری که زیاد بودن گزینه های انتخابی توسط شرکت های مادر و همچنین رقابت میان شرکت های معتبر،  موجب افزایش شاخص انتخاب محصول مناسب در این صنعت شده اند. هدف از این مقاله، تعیین و اولویت بندی شاخص های اساسی در انتخاب محصول مناسب در شرکت های خودروسازی سنگین می باشد که در این خصوص مطالعه موردی در شرکت سایپادیزل انجام شده است. روش تحقیق از نظر هدف کاربردی و از نظر روش گردآوری اطلاعات، پیمایشی بوده که از طریق توزیع پرسش نامه بین مدیران بخش تحقیقات و مهندسی سایپادیزل انجام شده است. به طوری که ابتدا عوامل داخلی و خارجی سازمان‌های تولید کننده خودروهای سنگین شناسایی می‌ شود و سپس شاخص های ارزیابی و انتخاب محصولات سنگین مناسب  در شرکت سایپا استخراج خواهد شد و در نهایت با روش فرایند تحلیل شبکه ای فازی (FANP)  این معیار ها الویت بندی می شوند. نتایج حاصل از این تحقیق که با استفاده از روش ANP فازی بررسی شده است مؤید آن است که از بین شاخص های انتخاب محصول، هزینه و میزان رضایت مشتریان بیشترین الویت را دارا می باشد.
 

کلیدواژه‌ها


عنوان مقاله [English]

Using fuzzy ANP to Determine the Main Characteristics of Selecting the Product (Case Study: Saipa Diesel Co.)

نویسندگان [English]

  • Hamed Aghakassiri 1
  • Roxana Fekri 2
1 M.S in Industrial Engineering
2 Assistant Professor, Payam Noor University
چکیده [English]

Limited managerial resources and impossibility of allocating all of them to production processes increased the necessity of selecting the appropriate product manufactured in the industrial companies. This selection should also be done in truck manufacturing factories Because of the growth rate of product selection alternatives used by major companies and also the competition between the rivals in this industry the number of product selection criteria is increased. The aim of this paper is recognizing and prioritizing the main evaluation criteria in the truck manufacturing companies which have done in the Saipa Diesel Company as the case. The research methodology from aim view is applicable and from the information, the collection view is surveyed which is performed with the questionnaire distributed between the Saipa Diesels’managers of research and development departments. In this research, at first internal and external organization factors are recognized, then product selection and evaluation criteria's extracted and finally it is prioritized with Fuzzy ANP model. The results of this research show that cost and customer's satisfaction have the most priorities among the criteria of product selection.
 
 

کلیدواژه‌ها [English]

  • Evaluation Criteria's
  • Product Selection
  • Fuzzy Analytic Network Process
  • Criteria's Prioritizing
1-      Mohsen Sadegh Amalnick, Ayyub Ansarinejad, Sina-Miri Nargesi & Shakib Taheri. (2011). New perspective to ERP Critical Success Factors: Priorities and Causal Relations under fuzzy environment. The Journal of Mathematics and Computer Science, 160-170.

2-      L. Asgarzadeh, Jun.( 1965). Fuzzy sets, Information and Control, International Journal of Uncertainty, 8(3): 338-353.

3-      R. Csutora and J. J. Buckley.( 2001). Fuzzy hierarchical analysis: the Lambda-Max method .Fuzzy Sets and Systems, 120(2) 181–195.

4-      Department of Industrial Engineering, Atılım University P.O. Box 06836, İncek, Ankara, Turkey, Department of Industrial Engineering, Gazi UniversityP.O. Box 06570, Maltepe, Ankara, Turkey. (2011). Babak Daneshvar Rouyendegh, Serpil Erol. The DEA – FUZZY ANP Department Ranking Model Applied in Iran Amirkabir University

5-      L. C. Leung & D. Cao.(2000). “On consistency and ranking of alternatives in fuzzy AHP. European Journal of Operational Research, 124(1): 102–113.

6-      T. S. Liou & M. J. Wang.(1992). “Ranking fuzzy numbers with integral value,” Fuzzy Sets and Systems, 50 (3): 247–255

7-      S. Opricovic & G.-H. Tzeng. (2003). Defuzzification within a multicriteria decision model. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 11(5): 635-652.

8-      United States General Accounting Office. (1980). The analytical hierarchy process. T. L. Saaty . McGraw-Hill, New York.

9-      S. Tesfamariam & R. Sadiq.(2006). Risk-based environmental decision-making using fuzzy analytic hierarchy process (F-AHP). Stochastic Environmental Research and Risk Assessment, 21(1): 35–50.