سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات163
تعداد شماره‌ها6,767
تعداد مقالات72,893
تعداد مشاهده مقاله132,148,069
تعداد دریافت فایل اصل مقاله103,719,492
Ramazaniyan, Mohamadrahim, Yakideh, keikhosro, Alidous Saravani, Atefeh. (1397). Providing a New Model to Improving DEA-based Models in Multi-criteria Inventory Classification (Case Study: Pars Khazar). , 10(3), 353-366. doi: 10.22059/imj.2018.259236.1007438
Mohamadrahim Ramazaniyan; keikhosro Yakideh; Atefeh Alidous Saravani. "Providing a New Model to Improving DEA-based Models in Multi-criteria Inventory Classification (Case Study: Pars Khazar)". , 10, 3, 1397, 353-366. doi: 10.22059/imj.2018.259236.1007438
Ramazaniyan, Mohamadrahim, Yakideh, keikhosro, Alidous Saravani, Atefeh. (1397). 'Providing a New Model to Improving DEA-based Models in Multi-criteria Inventory Classification (Case Study: Pars Khazar)', , 10(3), pp. 353-366. doi: 10.22059/imj.2018.259236.1007438
Ramazaniyan, Mohamadrahim, Yakideh, keikhosro, Alidous Saravani, Atefeh. Providing a New Model to Improving DEA-based Models in Multi-criteria Inventory Classification (Case Study: Pars Khazar). , 1397; 10(3): 353-366. doi: 10.22059/imj.2018.259236.1007438

Providing a New Model to Improving DEA-based Models in Multi-criteria Inventory Classification (Case Study: Pars Khazar)

Industrial Management Journal
مقاله 2، دوره 10، شماره 3، 2018، صفحه 353-366    اصل مقاله (1.02 M)
نوع مقاله: Research Paper
شناسه دیجیتال (DOI): 10.22059/imj.2018.259236.1007438
نویسندگان
Mohamadrahim Ramazaniyan* 1؛ keikhosro Yakideh2؛ Atefeh Alidous Saravani3
1Associate Prof., Department of Management, Faculty of Literature and Humanities, University of Guilan, Rasht, Iran
2Assistant Prof., Department of Management, Faculty of Literature and Humanities, University of Guilan, Rasht, Iran
3MA., Department of Industrial Management, Faculty of Literature and Humanities, University of Guilan, Rasht, Iran
چکیده
Abstract
Objective: Many organizations use the ABC classification method to control their large amount of inventories. The most common way to classify inventories is the ABC method. In traditional ABC classification, items are only classified according to one criteria. But there are other criteria that need to be considered in the inventory classification. The purpose of this study is to present a new model for multi-criteria inventory classification.
Methods: Among the multi-criteria inventory classification methods, DEA-based methods do not require decision makers to determine the weight of the criteria; however, in the literature, only the radial methods of data envelopment analysis are used to classify inventory items. In this paper, the cross-efficiency of a non-radial model is proposed in order to improve the average cross-efficiency of the R model, which is a radial model.
Results: Therefore, the proposed method does not have the weakness of R model due to the use of a non-radial model and also it has benefits the cross-efficiency method.
Conclusion: The models were executed on 47 items of inventory related to a common numerical example in the research literature as well as on 80 items of inventory of the Pars Khazar Industrial Company and the results of the implementation of the models have been analyzed. The results of comparing the proposed model with some of the existing models in the literature indicate the superiority of the proposed model.
کلیدواژه‌ها
R model؛ RAM model؛ Cross efficiency؛ Data Envelopment Analysis؛ Multi-criteria inventory classification
عنوان مقاله [English]
ارائه مدلی جدید در راستای بهبود مدل‌های مبتنی بر DEA در طبقه‌بندی چندمعیاره اقلام موجودی (مطالعه موردی: پارس خزر)
نویسندگان [English]
محمدرحیم رمضانیان1؛ کیخسرو یاکیده2؛ عاطفه علیدوست سراوانی3
1دانشیار، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
2استادیار، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
3کارشناس ارشد، گروه مدیریت صنعتی، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
چکیده [English]
هدف: بسیاری از سازمان‌ها برای کنترل صحیح حجم زیاد موجودی‌های خود از روش طبقه‌بندیABC  استفاده می‌کنند و این روش رایج‌ترین شیوه برای طبقه‌بندی موجودی‌هاست. در طبقه‌بندی ABC سنتی، اقلام تنها بر اساس یک معیار واحد دسته‌بندی می‌شوند. اما معیارهای دیگری نیز وجود دارند که توجه به آنها در طبقه‌بندی موجودی‌ها ضروری است. هدف این پژوهش ارائه مدل جدید در طبقه‌بندی چندمعیاره اقلام موجودی است.
روش:از میان روش‌های چند معیاره برای طبقه‌بندی موجودی‌ها، مدل‌های مبتنی بر تحلیل پوششی داده­ها به قضاوت تصمیم‌گیرنده برای تعیین وزن معیارها نیازی ندارند؛ اما در ادبیات پژوهش فقط از روش‌های شعاعی تحلیل پوششی داده‌ها‌ برای طبقه‌بندی اقلام موجودی استفاده شده است. در این مقاله کارایی متقاطع یک مدل غیر شعاعی برای بهبود روش میانگین کارایی متقاطع مدل آر که مدلی شعاعی است، پیشنهاد شده است.
یافته‎ها: روش پیشنهاد شده به‌دلیل استفاده از یک مدل غیرشعاعی، ضعف مدل آر را ندارد و از مزایای روش کارایی متقاطع نیز برخوردار است.
نتیجه‎گیری:مدل‌ها روی 47 قلم از اقلام موجودی مربوط به یک مثال عددی مشترک موجود در ادبیات پژوهش و همچنین روی 80 قلم از اقلام موجودی‌ شرکت صنعتی پارس خزر به اجرا درآمد و نتایج آنها تحلیل ‌شد. نتایج مقایسه مدل پیشنهاد شده با برخی از مدل‌های موجود در ادبیات پژوهش، نشان‌دهنده برتری مدل پیشنهاد شده است.
 
کلیدواژه‌ها [English]
مدل آر, مدل رم, کارایی متقاطع, تحلیل پوششی داده‎ها, طبقه‎بندی چندمعیاره اقلام موجودی
مراجع

زارعی محمودآبادی، محمد؛ طحاری مهرجردی، محمد حسین؛ مهدویان، علیرضا (1393). ارزیابی فعالیت‌های تحقیق و توسعه در ایران: رویکرد تحلیل پوششی داده‌ها. نشریه مدیریت صنعتی، 6(1)، 55-74.

علی‎پور جورشری، ارمغان؛ یاکیده، کیخسرو؛ محفوظی، غلامرضا (1396). بهینه‎سازی سبد سهام با حداقل میانگین انحرافات مطلق کارایی‎های متقاطع. مدیریت صنعتی، 9(3)، 475- 496.

گودرزی، مهشید؛ یاکیده، کیخسرو؛ محفوظی، غلامرضا (1395). بهینه‎سازی سبد سهام با تلفیق کارایی متقاطع و نظریه بازی‎ها. مدیریت صنعتی، 8(4)، 685-706.

مؤمنی، منصور (1393). مباحث نوین تحقیق در عملیات. تهران: گنج شایگان.

نمازی، م.؛ ابراهیمی، شهلا (1390). بررسی کارایی بانک‌های ایران با استفاده از تکنیک DEA به روش پله‌ای. نشریه مدیریت صنعتی، 2(5)، 159-174.

References

Alipor Jorshari, A., Yakideh, K., Mahfoozi, GH. (2017). Portfollio optimization by minimum absolute deviation of cross efficiencies. Journalof Industrial Management, 9(3), 475-496. (in Persian)

Chen, J. X. (2011). Peer-estimation for multiple criteria ABC inventory classification. Computers & Operations Research, 38 (12), 1784–1791.

Cooper, W.W. & Park, K.S. & Pastor, J.T. (1999). RAM:A range adjusted measure of inefficiency for use with additive models, and relations to other models and measurrs in DEA. Journal of Productivity Analysis, 11(1), 5-42.

Flores, B.E. & Whybark, D.C. (1987). Implementing multiple criteria ABC analysis. Journal of Operation Management, 7(1-2), 79-84.

Goodarzi, M., Yakideh, K., Mahfoozi, Gh. (2017). Portfollio optimization by synthesis of cross efficiency and Game theory. Journalof Industrial Management, 8(4), 685-706.
(in Persian)

Guvenir, H.A. & Erel, E. (1998). Multicriteria inventory classification using a genetic algorithm.European Journal of Operational Research, 105 (1), 29-37.

Hadi-Vencheh, A. (2010). An improvement to multiple criteria ABC inventory classification. European Journal of Operational Research, 201, 962–965.

Hatefi, S.M., Torabi, S.A. & Bagheri, P. (2014). Multi-criteria ABC inventory classification with mixed quantitative and qualitative criteria. International Journal of Production Research, 52(3), 776–786.

Hatefi, S.M. & Torabi, S.A. (2015). A common weight linear optimization approach for multicriteria ABC inventory classification. Advances in Decision Sciences, 2015.

Keren, B., & Hadad, Y. (2016). ABC Inventory Classification Using AHP and Ranking Methods via DEA. In Stochastic Models in Reliability Engineering, Life Science and Operations Management (SMRLO), 2016 Second International Symposium on (pp. 495-501). IEEE.

Momeni, M. (2015). New Operational Research Topics. Gange Shaygan, Tehran. (in Persian)

Namazi, M., Ebrahimi, S. (2011). The Investigation of the Iranian Banks' Efficiency by Using Stepwise DEA Technique,Journal of Industrial Management, 2(5), 159-332. (in Persian)

Ng, W.L. (2007). A simple classifier for multiple criteria ABC analysis. European Journal of Operational Research, 177 (1), 344-353.

Park, J., Bae, H., & Bae, J. (2014). Cross-evaluation-based weighted linear optimization for multi-criteria ABC inventory classification. Computers & Industrial Engineering, 76, 40-48.

Partovi, F. Y. & Anandarajan, M. (2002). Classifying inventory using an artificial neural network approach. Computers and Industrial Engineering, 41 (4), 389–404.

Ramanathan, R. (2006). ABC inventory classification with multiple criteria using weighted linear optimization. Computers & Operations Research, 33, 695–700.

Silver, E. A., Pyke, D. F., & Peterson, R. (1998). Inventory management and production planning and scheduling (Vol. 3, p. 30). New York: Wiley.

Zarei Mahmoudabad, M., Tahari Mehrjerdi, M.H., Mahdavian, A. (2014). Evaluation of R&D Activities in Iran: Data Envelopment Analysis Approach. Journal of Industrial Management, 6(1), 55-79. (in Persian)

Zheng, S., Fu, Y., Lai, K. K., & Liang, L. (2017). An improvement to multiple criteria ABC inventory classification using Shannon entropy. Journal of Systems Science and Complexity, 30(4), 857-865.

Zhou, P. & Fan, L. (2007). A note on multi-criteria ABC inventory classification using weighted linear optimization. European Journal of Operational Research, 182, 1488-1491.

آمار
تعداد مشاهده مقاله: 852
تعداد دریافت فایل اصل مقاله: 559





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب