پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,987,013 |
| تعداد دریافت فایل اصل مقاله | 89,657,760 |
ارزیابی عملکرد نمایندگیهای فروش ماشین‌های کشاورزی برنج با استفاده از مدل SCOR و روش DEA | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 3، دوره 50، شماره 2، شهریور 1398، صفحه 281-292 اصل مقاله (801.54 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2018.262708.665079 | ||
| نویسندگان | ||
| مرتضی زنگنه* 1؛ نرگس بنائیان1؛ سید حسین پیمان2؛ مهدی خانی3 | ||
| 1گروه مهندسی مکانیزاسیون کشاورزی، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران | ||
| 2گروه مهندسی مکانیزاسیون، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران | ||
| 3گروه مهندسی مکانیزاسیون کشاورزی، دانشگاه گیلان، رشت، ایران | ||
| چکیده | ||
| در این تحقیق عملکرد زنجیره تأمین ماشین‌های کشاورزی برنج در سطح خرده‌فروشی در استان‌های گیلان و مازندران با استفاده از مدل SCOR یا مدل مرجع عملیاتی زنجیره تأمین (Supply Chain Operational Reference) ارزیابی شد. نمایندگیهای فروش ماشین‌های برنج با استفاده از 93 گویه در پنج بُعد ارزیابی شدند. بر اساس نتایج آزمون t تک نمونه‌ای، متغیرهای کارایی، هماهنگی و یکپارچگی در نمایندگیهای فروش به‌طور معنی‌داری دارای سطح بالاتر نسبت به مقدار متوسط بودند. فرآیند خوشهبندی نمایندگیهای فروش بر اساس میانگین گویه انجام شد. نتایج خوشهبندی نشان داد که عملکرد نمایندگیهای فروش دو سطح اصلی، یکی مطلوب و یکی نامطلوب دارد. بدین ترتیب برای بهبود وضعیت مدیریت زنجیره تأمین، عملکرد تقریباً نیمی از فروشگاه‌ها باید اصلاح شود. در این پژوهش DEA یا تحلیل پوششی داده‌ها (Data Envelopment Analysis) نیز به‌عنوان روشی برای ارزیابی کارایی مدل SCOR مطرح شد که از نوآوری‌های پژوهش حاضر است. نتایج تحلیل پوششی داده‌ها نیز نتایج تحلیل خوشه‌ای را تأیید کرد و کارایی حدود نیمی از واحدها برابر یک محاسبه شد. باتوجه به نتایج این تحقیق، برای بهبود عملکرد فروشگاه‌های ماشین‌های کشاورزی برنج، بهتر است بر اقداماتی تمرکز شود که منجر به ارتقای کیفیت ارائه خدمات و قابلیت اطمینان در مشتریان می‌شوند. | ||
| کلیدواژه‌ها | ||
| کارایی؛ هماهنگی و یکپارچگی؛ پاسخگویی؛ قابلیت اطمینان؛ زنجیره تامین | ||
| عنوان مقاله [English] | ||
| Performance Evaluation of Rice Farm Machinery Dealers using SCOR Model and DEA Method | ||
| نویسندگان [English] | ||
| Morteza Zanganeh1؛ Narges Banaeian1؛ Seyed Hossein Payman2؛ Mahdi Khani3 | ||
| 1Department of Agricultural Mechanization Engineering, Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran | ||
| 2Department of Agricultural Mechanization Engineering, Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran | ||
| 3Department of Agricultural Mechanization Engineering, Faculty of Agricultural Sciences, University of Guilan, Rasht , Iran | ||
| چکیده [English] | ||
| In this study, the supply chain performance of rice farm machinery at retail level in Guilan and Mazandaran provinces was evaluated using SCOR model. Rice machine dealers were evaluated in five sections using 93 items. Based on the results of single sample T-test, the variables of efficiency, coordination and integration were significantly higher than the mean value. The clustering process of sales agents was based on the average items. Clustering results showed that the performance of sales representatives two main levels: desirable and undesirable. In order to improve the supply chain management situation, the performance of nearly half of the stores should be corrected. In this study DEA was proposed as a method for evaluating the efficiency of the SCOR model, which is one of the innovations of this research. The results of the DEA confirmed the cluster analysis results and the efficiency of about half of the units was calculated equal to one. Based on the results of the study, in order to improve the performance of rice agricultural machinery stores, it’s better to focus on measures that improve quality of service delivery and increase customer reliability. | ||
| کلیدواژه‌ها [English] | ||
| Efficiency, Coordination and Integration, Responsiveness, reliability, Supply Chain | ||
| مراجع | ||
|
Astaneh, A. D., Rezvani, M. R., & Hatamifar, P. (2016). Evaluating the integrated performance of the supply chain of hotels in order to gain competitive advantage of Hotels in Isfahan. Tourism and Deveopment, 1(2), 54-74 Aydın, S. D., Eryuruk, S. H., & Kalaoğlu, F. (2014). Evaluation of the performance attributes of retailers using the scor model and AHP: a case study in the Turkish clothing industry. Fibres & Textiles in Eastern Europe, 5(107), 14-19. Ballou, R. H., Gilbert, S. M., & Mukherjee, A. (2000) New managerial challenges from supply chain opportunities. IEEE Engineering Management Review, 28(3), 7-16. Beamon, B. M. (1999). Measuring supply chain performance. International Journal of Operations & Production Management, 19(3), 275-292. Chan, F. T. S. (2003). Performance Measurement in a Supply Chain. The International Journal of Advanced Manufacturing Technology, 21(7), 534-548. doi:10.1007/s001700300063 Charnes, A., Cooper, W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2, 429-440 Chen, C., & Yan, H. (2011). Network DEA model for supply chain performance evaluation. European Journal of Operational Research Ellram, L. M., Zsidisin, G. A., Siferd, S. P., & Stanly, M. J. (2002). The impact of purchasing and supply management activities on corporate success. Journal of Supply Chain Mangement, 38, 4-7. Ghasir, K., Mehrnooz, H., & Jafari, A. (2008). An Introduction of Fuzzy Data Envelopement Analysis: Center of Scientific Publications of Islamic Azad University-Qazvin Branch. Golmohammadzadeh, N., & Moshkabadi, R. (2016). Evaluating supply chain performance based on SCOR method in paste industry automation (case study of Meshgin paste plant). Paper presented at the Second International Conference of New Research Findings in Electrical Engineering and Computer Scieneces. Grifell-Tatje, E., & Lovell, C. A. K. (2014). Productivity, price recovery, capacity constraints and their financial consequences. Journal of Productivity Analysis, 41, 3-17. Gunasekaran, A., & Kobu, B. (2007). Performance measures and metrics in logistics and supply chain management: a review of recent literature (1995–2004) for research and applications. International Journal of Production Research, 45(12). 2819-2840. doi:10.1080/00207540600806513 Hosseini, S. M. S., & Motevali, M. H. D. (2016). Evaluation of Supply Chain Performance of Cement Industry Using Data Envelopment Analysis. Quantitative Studies in Management, 25, 41-64. Kalantari, K. (2008) Data processing and analysis in socio-economic research. Tehran: Farhang Saba Kasgari, A. A. P., & Soodbakhsh, A. (2015). A comprehensive quality management approach to Kali performance in banks and insurance and investment companies. Management Accounting, 8(26), 21-38. Lin, L.-H., & Hsieh, L.-F. (2010). A performance evaluation model for international tourist hotels in Taiwan-an application of the relational network DEA. International Journal of Hospitality Management, 29, 14-24. Manian, A., Nayeri, M. D., Anvari, M. R. A., & Ghorbani, D. (2010). Identifying the effective factors on supply chain performance (case study of automobile part manufacturing industry). Journal of Iranian Management Sciences, 5(17), 1-24. Meybodi, A. E. (2000). Measurement principle of efficiency and productivity: Institute of Business Studies and Research Press. Schnetzler, M. J., Sennheiser, A., & Schönsleben, P. (2007). A decomposition-based approach for the development of a supply chain strategy. International Journal of Production Economics, 105(1), 21-42. doi: https:// doi. org/ 10.1016/ j.ijpe. 2006.02.004 Shafiee, M., Hosseinzadeh Lotfi, F., & Saleh, H. (2014). Supply chain performance evaluation with data envelopment analysis and balanced scorecard approach. Applied Mathematical Modelling, 38(21), 5092-5112. doi: https:// doi.org/ 10.1016/ j.apm. 2014.03.023 Shahbandarzadeh, H., & Abadi, F. (2016). Evaluating supply chain performance via SCOR approach (case study of Iranian Marine Industries-SADRA). Commercial reviews, 79, 3. 65-70 Sharifi, M., Akram, A., & Tavakoli, N. (2017). Evaluation and selection of the most important parameters in the distribution chain agility Combine Owners Cooperative Fars province. Iranian Journal of Biosystems Engineering, 48(2), 201-209. Shojaee, H. S. (2016). Assessing Effective Factors on Improving Supply Chain Performance Using Analytical Hierarchy Process in Food Industries. Journal of Value Chain Management, 1(2), 1-16. Singbo, A. G., Lansink, A. O., & Emvalomatis, G. (2014). Estimating farmers' productive and marketing inefficiency: an application to vegetable producers in Benin. Journal of Productivity Analysis. doi:10.1007/s11123-014-0391-1 Swinnen, J. F. M., & Vranken, L. (2010). Reforms and agricultural productivity in Central and Eastern Europe and the Former Soviet Republics: 1989-2005. Journal of Productivity Analysis, 33, 241-258. Tavakoli, N., Sharifi, M., & Akram, A. (2017). Appling interpretive structural modeling approach to obtain distribution chain agility model for combine owners cooperative Fars province. Iranian Journal of Biosystems Engineering, 48(4), 505-515. Theeranuphattana, A., & Tang, J. C. (2007). A conceptual model of performance measurement for supply chains: Alternative considerations. Journal of Manufacturing Technology Management, 19(1), 125-148. Toni, A. D., & Tonchia, S. (2001). Performance measurement systems - Models, characteristics and measures. International Journal of Operations & Production Management, 21(1/2), 46-71. doi:10.1108/01443570110358459 Xu, J., & Wu, B. L. (2009). Rough data envelopment analysis and its application to supply chain performance evaluation. Production Economics(122), 628-638.
| ||
|
آمار تعداد مشاهده مقاله: 345 تعداد دریافت فایل اصل مقاله: 311 |
||