ارزیابی استراتژیهای کاهش ریسک: تلفیق یادگیری ماشین و گسترش کارکرد کیفیت | ||
| چشمانداز مدیریت صنعتی | ||
| دوره 16، شماره 1 - شماره پیاپی 61، بهار 1405، صفحه 58-76 اصل مقاله (1.09 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/jimp.16.1.58 | ||
| نویسندگان | ||
| داریوش محمدی* 1؛ علی ملک پور2 | ||
| 1دانشیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران. | ||
| 2دانشجوی کارشناسی ارشد، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران. | ||
| چکیده | ||
| مقدمه و اهداف: مدیریت زبالههای پلاستیکی بهعنوان یکی از مهمترین چالشهای زیستمحیطی قرن حاضر، مستلزم ایجاد زنجیرههای تأمین کارآمد و مقاوم در برابر ریسک است. نوسانات در کیفیت و کمیت مواد اولیه بازیافتی، عدمقطعیتهای عملیاتی و آسیبپذیری در فرآیند تولید از جمله عواملیاند که پایداری زنجیره تأمین بازیافت پلاستیک را تهدید میکنند. در چنین شرایطی، شناسایی و اولویتبندی ریسکها و تدوین استراتژیهای پیشگیرانه کاهش آنها از اهمیت بسزایی برخوردار است. هدف اصلی پژوهش حاضر، ارائه رویکردی ترکیبی مبتنی بر تلفیق الگوریتمهای یادگیری ماشین و تکنیک گسترش کارکرد کیفیت فازی است تا ضمن شناسایی عوامل کلیدی ریسک، استراتژیهای پیشگیرانه کاهش ریسک در زنجیره تأمین بازیافت پلاستیک اولویتبندی شوند. روشها: پژوهش حاضر با رویکرد دادهمحور و بهرهگیری از الگوریتمهای یادگیری ماشین انجام شده است. دادههای پژوهش از شرکت "شیمیپلاست شمال" یکی از بزرگترین مجتمعهای بازیافت ضایعات پلاستیکی گردآوری گردید. جامعه آماری شامل هفت کارشناس صنعتی با بیش از سه سال تجربه در حوزه زنجیره تأمین بازیافت بود. ابتدا از طریق مرور نظاممند ادبیات و تأیید خبرگان، یازده عامل ریسک و هشت راهبرد پیشگیرانه شناسایی شدند. سپس، با استفاده از الگوریتمهای درخت تصمیم و جنگل تصادفی، اهمیت ویژگیها و وزن نسبی هر عامل ریسک محاسبه شد. وزنهای استخراجشده در چارچوب ماتریس خانه کیفیت فازی ادغام گردید تا استراتژیهای پیشگیرانه کاهش ریسک رتبهبندی شوند. فرآیند تحلیل دادهها و کدنویسی در محیط نرمافزار متلب انجام شد. یافتهها: نتایج تحلیل یادگیری ماشین نشان داد که ریسکهای مرتبط با مواد اولیه ورودی بهعنوان مهمترین تهدید زنجیره تأمین بازیافت پلاستیک شناسایی شدند. پس از آن، ریسکهای فرآیند تولید بازیافت و ریسکهای ایمنی و بهداشت بهترتیب در رتبههای دوم و سوم قرار گرفتند. نتایج تحلیلی ماتریس خانه کیفیت نیز نشان داد که همکاری خریدار-تأمینکننده مؤثرترین استراتژی پیشگیرانه در کاهش ریسک است و پس از آن، شفافیت و چابکی زنجیره تأمین بیشترین تأثیر را دارند. همکاری میان خریداران و تأمینکنندگان از طریق اشتراک اطلاعات، برنامهریزی مشترک و توسعه راهکارهای اضطراری، تابآوری زنجیره را افزایش میدهد. همچنین، بهرهگیری از فناوریهای نوین نظیر اینترنت اشیاء، برچسبهای شناسایی فرکانس های رادیویی و جی پی اس نقش مهمی در افزایش شفافیت و نظارت بر جریان مواد ایفا میکند. نتیجهگیری: نتایج پژوهش نشان داد که رویکرد تلفیقی مبتنی بر یادگیری ماشین و گسترش کارکرد کیفیت فازی میتواند ابزاری کارآمد برای تصمیمگیری مبتنی بر داده در مدیریت ریسک زنجیره تأمین بازیافت باشد. این رویکرد با حذف نیاز به قضاوتهای ذهنی متعدد و افزایش دقت محاسبه وزن معیارها، فرایند تصمیمسازی را بهینه میکند. علاوه بر این، قابلیت تفسیرپذیری الگوریتمهای درختی به مدیران امکان میدهد تا منطق تصمیمگیری مدل را درک کرده و نتایج را در شرایط واقعی عملیاتی به کار گیرند. چارچوب پیشنهادی ضمن ارتقای توانمندی مدیریت ریسک در صنعت بازیافت پلاستیک، قابلیت تعمیم به سایر صنایع بازیافت نظیر زبالههای الکترونیکی، فلزات و لاستیک را نیز دارد. با این حال، محدودیتهایی همچون وابستگی به دادههای کمی و نیاز به اطلاعات جامع میتواند دامنه کاربرد آن را محدود سازد. در نهایت، به پژوهشگران آینده پیشنهاد میشود که با استفاده از مدلهای زبانی بزرگ، روشهای تحقیق در عملیات نظیر دیمتل و تحلیل شبکه، و تکنیکهای وزندهی عینی مانند آنتروپی و کریتیک چارچوبهای تصمیمگیری ترکیبی دقیقتر و منعطفتری را برای مدیریت ریسک در زنجیرههای تأمین پایدار توسعه دهند. | ||
| کلیدواژهها | ||
| انتخاب مشخصه؛ زنجیره تامین بازیافت؛ راهبردهای پیشگیرانه؛ گسترش عملکرد کیفیت؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 754 تعداد دریافت فایل اصل مقاله: 367 |
||
| تعداد نشریات | 41 |
| تعداد شمارهها | 1,610 |
| تعداد مقالات | 14,140 |
| تعداد مشاهده مقاله | 97,690,588 |
| تعداد دریافت فایل اصل مقاله | 62,353,562 |