پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 154 |
| تعداد شماره‌ها | 5,834 |
| تعداد مقالات | 64,020 |
| تعداد مشاهده مقاله | 106,278,741 |
| تعداد دریافت فایل اصل مقاله | 83,174,162 |
طراحی مدل ارزیابی تاب‌آوری زنجیره تأمین صنعت برق با استفاده از رویکرد آمیخته: تحلیل تم ـ تحلیل عاملی | ||
| مدیریت صنعتی | ||
| مقاله 3، دوره 11، شماره 1، 1398، صفحه 45-62 اصل مقاله (1.47 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2019.276716.1007563 | ||
| نویسندگان | ||
| عادل آذر1؛ میثم شهبازی* 2؛ حمید رضا یزدانی3؛ امید محمودیان4 | ||
| 1استاد، گروه مدیریت دانشگاه تربیت مدرس، تهران، ایران. | ||
| 2استادیار، گروه مدیریت صنعتی و مالی، پردیس فارابی دانشکده مدیریت، دانشگاه تهران، تهران، ایران | ||
| 3استادیار، گروه مدیریت بازرگانی و کسبوکار، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران، تهران، ایران | ||
| 4دانشجوی دکتری، گروه مدیریت تحقیق در عملیات، پردیس فارابی دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| هدف: وجود ریسک در زنجیره تأمین اختلال ایجاد میکند، از این رو بهمنظور کاهش تأثیر ریسک، زنجیره تأمین باید بهگونهای طراحی شود که بتواند بهطور کارا و مؤثر به تغییرات محیطی پاسخ دهد، از آنجا که صنعت برق، بخش مهمی از اقتصاد کشور را تشکیل میدهد و هر گونه ریسک و اختلال در جریان آن موجب میشود هزینه‌های جبران‌ناپذیری به تولید و صنایع وابسته به کشور وارد شود، ضرورت دارد که زنجیره تأمین صنعت برق تاب‌آوری شایان توجهی داشته باشد. از این رو هدف از اجرای این پژوهش، طراحی مدلی برای ارزیابی تاب‌آوری زنجیره تأمین صنعت برق است. روش: در این پژوهش بهمنظور طراحی مدلی برای ارزیابی تاب‌آوری زنجیره تأمین صنعت برق، رویکرد آمیخته تحلیل تم ـ تحلیل عاملی بهکار گرفته شده است. یافتهها: در این پژوهش از طریق مصاحبه با 15متخصص در صنعت برق که دارای مدرک کارشناسی ارشد و بالاتر بودند و در این زمینه از تجربه و دانش لازم برخوردار بودند و رویکرد تحلیل تم، مدلی برای ارزیابی تاب‌آوری زنجیره تأمین صنعت برق طراحی شد، سپس با استفاده از تکنیک تحلیل عاملی و بهکمک نرمافزار Smart PLS و توزیع پرسشنامه و جمعآوری نظر 323 نفر، روابط بین متغیرها بررسی و تحلیل شد. نتیجهگیری: نتایج پژوهش نشان داد که معیارهای مؤثر بر تاب‌آوری زنجیره تأمین صنعت برق به دو دسته کلی معیارهای داخلی و خارجی دستهبندی میشوند. در دسته معیارهای داخلی سه بعد مهم مسائل فرایندی، انعطافپذیری و چابکی قرار دارد و در دسته معیارهای خارجی، ابعاد مسائل بازیگران، مسائل اقتصادی و مسائل محیطی مهم و مؤثرند. | ||
| کلیدواژه‌ها | ||
| تاب‌آوری؛ زنجیره تأمین صنعت برق؛ تحلیل تم؛ تحلیل عاملی | ||
| عنوان مقاله [English] | ||
| Designing a Resilience Assessment Model of the Electricity Industry Supply Chain Using the Theme Analysis Approach | ||
| نویسندگان [English] | ||
| Adel Azar1؛ Meisam Shahbazi2؛ Hamid Reza Yazdani3؛ Omid Mahmoudian4 | ||
| 1Prof., Department of Management, Tarbiat Modares University, Tehran, Iran | ||
| 2Assistant Prof., Department of Management, Faculty of Management, Farabi Campus, University of Tehran, Tehran, Iran | ||
| 3Assistant Prof. Department of Management, Farabi Campus, University of Tehran, Tehran, Iran. | ||
| 4PhD Candidate, Department of Operational Research, Faculty of Management, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Objective: Risk in the supply chain is disturbing it. In order to reduce the effects of risk, the supply chain must be designed in such a way that it can efficiently and effectively respond to environmental changes. Electrical industry is an important part of the economy of the country and any risk and disruption in it can lead to irreparable costs to the production and inter-dependent industries. It is necessary that the supply chain has a high resilience. Therefore, the aim of this research is to design a model for assessing the resilience of the electricity supply chain. Methods: In this research, a theme analysis approach mixed with factor analysis approached was used to design a model for assessing the resilience of the supply chain of the electricity industry. Results: The research findings were obtained through interviews with 15 experts (experienced experts in electrical engineering with a master's degree or higher, with the necessary experience and knowledge in this field) and a model to analyze the resilience of the power supply chain was designed using the theme analysis approach. Then, the relationship among the variables were analyzed through factor analysis using Smart PL software and collecting 323 questionnaires. Conclusion: The results of the research showed that the effective measures on supply chain resonance in the electricity industry are divided into two general categories of internal and external criteria. Among internal criteria, three important dimensions of process issues, flexibility and agility are found and in the category of external criteria, the dimensions of the issues of actors, economic issues and environmental issues are important and effective. | ||
| کلیدواژه‌ها [English] | ||
| resilience, Supply Chain, Theme Analysis, Electrical industry | ||
| مراجع | ||
|
خسروی، محمدرضا؛ شاهرودی، کامبیز (1393). کاربست مدل تحلیل پوششی دادههای شبکه‌ای در سنجش کارایی بخش انتقال نیروی صنعت برق ایران. مدیریت صنعتی، 6(2)، 263- 282. ذگردی، حسام‌الدین؛ داورزنی، هدی (1390). تحریم و اختلال در زنجیره تأمین. تهران: انتشارات سازمان مدیریت صنعتی. صادقی مقدم، محمدرضا؛ مؤمنی، منصور؛ نالچیگر، سروش (1388). برنامه‌ریزی یکپارچه تأمین، تولید و توزیع زنجیره تأمین با بهکارگیری الگوریتم ژنتیک. مدیریت صنعتی، 1(2)، 71-88. کریمی دستجردی، داوود؛ اکبری جوکار، محمدرضا؛ فیض‌آبادی، جواد (1388). توسعه و تبیین یک پیکربندی برای طبقه‌بندی زنجیره‌های تأمین با استفاده از رویکرد منبع محور در صنعت خودرو. مدیریت صنعتی، 1(2)، 121 تا 138.
References Adenso-Diaz, B., Mena, C., Garcia-Carbajal, S., Lietchy, M, (2012). The impact of supplynetwork characteristics on reliability. Supply Chain Management—An international Journal, 17(3), 263- 276. Azevedo, S.G., Govindan, K., Carvalho, H., Cruz-Machado, V. (2012). Ecosilient Index to assess the greenness and resilience of the upstream automotive supply chain. Journal of Cleaner Production, 56, 131-146. Berle, Ø., Rice, J.B., Asbjørnslett, B. (2017). Failure modes in the maritime transportation system: a functional approach to throughput vulnerability. Maritime Policy Management, 38(6), 605- 632. Brandon-Jones, E., Squire, B., Autry, C., & Petersen, K.J. (2014). A contingent resource-based perspective of supply chain resilience and robustness. Journal of Supply Chain Management, 50(3), 55- 73. Cabral, I., Grilo, A., Cruz Machado, V. (2012). A decision-making model for Lean, Agile, Resilient and Green supply chain management. International Journal of Production Research, 50(17), 4830-4845. Cardoso, S.R., Barbosa-Pavoa, A.P., Relvas, S., and Novais, A.Q. (2015). Resilience metrics in the assessment of complex supply-chains performance operating under demand uncertainty. Omega, 56, 53-73. Carvalho, H., & Cruz Machado, V. (2007). Designing principles to create resilient supply chains. In Proceedings of the 2007 industrial engineering research conference, Nashville, TN (pp.186-191). Carvalho, H., Cruz-Machado, V., (2011). Integrating Lean, Agile, Resilience and Green paradigms in supply chain management (LARG_SCM). In: Dr. Pengzhong, Li (Ed.), Supply Chain Management. InTech. Carvalho, H., Maleki, M., and Cruz-Machado, V. (2012). Links between supply chain disturbances and resilience strategies. International Journal of Agile Systems and Management, 5(3), 203-234. Chopra, S. and Meindl, P. (2004). Supply chain Management: strategy and planning, and operation. (Third Edition). New Jersey: pearson prentice Hall. Chowdhury, M.M.H., Quaddus, M.A. (2015). A multiple objective optimization based QFD approach for efficient resilient strategies to mitigate supply chain vulnerabilities: the case of garment industry of Bangladesh. Omega, 57, 5–21. Craighead, C., Blackhurst, J., Rungtusanatham, M. and Handfield, R. (2007). The severity of supply chain disruptions: design characteristics and mitigation capabilities. Decision Sciences, 38(1), 131-156. Dixit, V., Sechadrinath, N., Tiwari, M.K., (2016). Performance measures based optimization of supply chain network resilience. A NSGA-II+Co-Kriging approach. Pages 205-214. Falasca, M., Zobel, C.W., Cook, D. (2008). A decision support framework to assess supply chain resilience. In: Proceedings of the 5th International ISCRAM Conference, pp. 596-605. Gong, J., Mitchell, J.E., Krishnamurthy, A., Wallace, W.A. (2013). An interdependent layered network model for a resilient supply chain. Omega, 46, 104- 116. Harland, C., Brenchley, R. and Walker, H. (2015). Risk in supply networks. Journal of Purchasing and Supply Management, 9(2), 51- 62. Henry, D., Ramirez-Marquez, J., (2012). Generic metrics and quantitative approaches for system resilience as a function of time. Reliability Engineering & System Safety, 99, 114-122. Hosseini, S., & Barker, K., (2016). A Bayesian network model for resilience-based supplier selection. International Journal of Production Economics, 180, 68–87 Ivanov, D., Sokolov, B., (2013). Control and system-theoretic identification of the supply chain dynamics domain for planning, analysis and adaptation of performance under uncertainty. European Journal of Operational Research, 224(2), 313-323. Karimi Dastjerdi, D., AkbariJokar, M. R., & Feizabadi, J. (2009). Developing a configuration for classifying supply chains based on RBV in automatic industry. Industrial Management Journal, 1(2), 121-138. (in Persian) Khosravi, M.R., Shahroodi, K. (2014). Applying network data envelopment analysis model in evaluating efficiency of power transmission sector, in Iran electricity industry. Industrial ManagementJournal, 6(2), 263-282. (in Persian) Kim, Y., Chen, Y., Linderman, K., (2015). Supply network disruption and resilience: a network structural perspective. Journal of Operations Management, 33&34, 43-59. Klibi, W., Martel, A. (2012). Modeling approaches for the design of resilient supply networks under disruptions. International Journal of Production Economics, 135(2), 882-898. Li, R., Dong, Q., Jin, C., & Kang, R. (2017). A New Resilience Measure for Supply Chain Networks. Sustainability, 9(1), 1-19. Losada, C., Scaparra, M.P., O’Hanley, J.R. (2012).Optimizing system resilience: a facility protection model with recovery time. European Journal of Operational Research, 217 (3), 519-530. McDaniels, T.S., Chang, D.C., Mikawoz, J., Longstaff, H., (2008). Fostering resilience to extreme events within infrastructure systems: characterizing decision contexts for mitigation and adaptation. Global Environmental Change, 18 (2), 310-318. Melnyk, S.A., Closs, D.J., Griffis, S.E., Zobel, C.W., Macdonald, J.R. (2014). Under-standing supply chain resilience. Supply Chain ManagementReview, 18(1), 34-41. Mohammadi Zanjirani, D., Asadi Aghajari, M. (2009). Designing mathematical model for transportation routing in supply chain, with a case study in DonarKhazar Company. Industrial Management Journal, 1(2), 119-136. (in Persian) Munoz, A. and Dunbar, M. (2015). On the quantification of operational supply chain resilience. International journal of production research, 53(22), 6736-6751. Murinho, T., Romano, E., C. Santillo, L. (2011). Supply chain performance sustain- ability through resilience function. In: Proceedings of the 2011 Winter Simu- lation Conference, Napoli, Italy. Pant, R., Barker, K., Ramirez-Marquez, J.E., Rocco, C.M. (2014). Stochastic measures of resilience and their application to container terminals. Computers & Industrial Engineering, 70, 183-194. Rajesh, R., Ravi, V. (2015). Supplier selection in resilient supply chains: a grey relational analysis approach. Journal of Cleaner Production, 86, 343-359. Sadeghi Moghadam, M.R., Momeni, M., & Nalchigar, S. (2009). Material flow modeling in supply chain management with genetic algorithm approach. Industrial Management Journal, 1(2), 71-88. (in Persian) Sawik, T. (2013). Selection of resilient supply portfolio under disruption risks. Omega: International journal of management science, 41, 259- 269. Soni, U., Jain, V., & Kumar, S. (2014). Measuring supply chain resilience using a deterministic modeling approach. Computers & Industrial Engineering, 74, 11-25. Stevenson, M., & Spring, M. (2017). Flexibility from a supply chain perspective: definition and review. International Journal of Operations & Production Management, 7(27), 685-713. Tang, C.S. (2006). Robust strategies for mitigating supply chain disruptions. International Journal of Logistics Research and Applications. A Leading Journal of Supply Chain Management, 9(1), 33- 45. Torabi, S.A., Baghersad, M., Mansouri, S.A., (2015). Resilient supplier selection and order allocation under operational and disruption risks. Transportation Research Part E: Logistics and Transportation Review, 79, 22-48. Wang, J.W., Gao, F., Ip, W.H., (2010). Measurement of resilience and its application to enterprise information systems. Enterprise Information Systems, 4(2), 215-223. Wang, X., Herty, M., Zhao, L., (2015). Contingent rerouting for enhancing supply chain resilience from supplier behavior perspective. International Transactions in Operational Research, 23(4), 775-796. Zaijing, G., & Dapeng, L. (2018, March). The resilience evaluation model of electricity system. In 2018 7th International Conference on Industrial Technology and Management (ICITM) (pp. 417-420). IEEE. Zegordi, H., Davarzani, H. (2011). Sanction and disruption in supply chain. Tehran: Industrial management institute publication. (in Persian) Zhao, K., Kumar, A., Harrison, T. P., & Yen, J., (2011). Analyzing the resilience of complex supply network topologies against random and targeted disruptions. IEEE Systems Journal, 5(1), 28–39.
| ||
|
آمار تعداد مشاهده مقاله: 1,968 تعداد دریافت فایل اصل مقاله: 1,311 |
||