کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
495638 862831 2013 8 صفحه PDF 22 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله ISI
An intelligent supplier evaluation, selection and development system
ترجمه فارسی عنوان
سیستم هوشمند ارزیابی، انتخاب و توسعه تأمین کننده
فهرست مطالب مقاله

چکیده
مقدمه
بررسی منابع
دانش پیش زمینه
کاهش های خصوصیات و هسته
قواعد تصمیم گیری
نتایج محاسباتی
قالب پایه سیستم پیشنهادی
بحث و نتیجه گیری
ترجمه چکیده
فرایند انتخاب و ارزشگذاری تأمین کننده نقشی حیاتی و تاثیری قابل ملاحظه بر مدیریت خرید در زنجیره عرضه دارد. همچنین این امر یک مسئله تصمیم گیری چند معیاری پیچیده است که تحت تاثیر چند عامل متناقض است. با توجه به تاثیرات چند معیاری فرایند ارزشگذاری و انتخاب، تصمیم گیری بر اینکه کدام ضوابط دارای حیاتی ترین نقش در تصمیم گیری هستند را گامی بسیار مهم برای انتخاب تأمین کننده، ارزشگذاری و به خصوص توسعه کرده است. همراه با این پژوهش، ترکیب تکنیک های متوسط های فازی c (FCM) و نظریه مجموعه دقیق (RST) به صورت راه حلی جدید برای مسئله انتخاب، ارزشگذاری و توسعه تأمین کننده پیشنهاد شده است. نخست فروشندگان با الگوریتم FCM خوشه بندی شده اند آنگاه خوشه های تشکیل یافته توسط نمونه های ابتدایی خود ارائه شده اند و برای برچسب زنی بر خوشه ها استفاده شده اند. RST در گام بعدی مدل سازی استفاده شده است در جایی که ویژگی های اصلی و به عبارت دیگر ضوابط ارزیابی هسته ای عرضه کنندگان را کشف می کنیم و قواعد تصمیم گیری برای مشخص سازی خوشه ها را استخراج می کنیم. نتایج حاصل شده نشان می دهند که روش پیشنهادی نه تنها به انتخاب بهترین عرضه کنندگان می پردازد، بلکه تمام فروشندگان را با توجه به درجات تشابه فازی خوشه بندی می کند، بر حیاتی ترین ضوابط برای ارزشگذاری تأمین کننده تصمیم گیری می کند و قواعد تصمیم گیری در مورد داده ها را استخراج می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Supplier evaluation and selection process has a critical role and significant impact on purchasing management in supply chain. It is also a complex multiple criteria decision making problem which is affected by several conflicting factors. Due to multiple criteria effects the evaluation and selection process, deciding which criteria have the most critical roles in decision making is a very important step for supplier selection, evaluation and particularly development. With this study, a hybridization of fuzzy c-means (FCM) and rough set theory (RST) techniques is proposed as a new solution for supplier selection, evaluation and development problem. First the vendors are clustered with FCM algorithm then the formed clusters are represented by their prototypes that are used for labeling the clusters. RST is used at the next step of modeling where we discover the primary features in other words the core evaluation criteria of the suppliers and extract the decision rules for characterizing the clusters. The obtained results show that the proposed method not only selects the best supplier(s), also clusters all of the vendors with respect to fuzzy similarity degrees, decides the most critical criteria for supplier evaluation and extracts the decision rules about data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 13, Issue 1, January 2013, Pages 690–697
نویسندگان
,