ارائه مدلی تلفیقی مولفه‌های تاثیرگذار بر انتخاب تامین‌کنندگان در زنجیره تامین معکوس و با ابعاد بزرگ (موردمطالعه: مجموعه صنایع فولاد استان چهارمحال و بختیاری)

فرهادی, فرهاد; پورکاوه دهکردی, راحله; بابایی فارسانی, میثم; فتحی, محمدرضا

doi:10.66224/jii.4.2.22

ارائه مدلی تلفیقی مولفه‌های تاثیرگذار بر انتخاب تامین‌کنندگان در زنجیره تامین معکوس و با ابعاد بزرگ (موردمطالعه: مجموعه صنایع فولاد استان چهارمحال و بختیاری)

نوع مقاله : مقاله پژوهشی

نویسندگان

فرهاد فرهادی ¹

راحله پورکاوه دهکردی ²

میثم بابایی فارسانی ³

محمدرضا فتحی ⁴

¹ گروه مدیریت صنعتی، دانشکده ادبیات و علوم انسانی، دانشگاه شهرکرد، شهرکرد، ایران.

² گروه مدیریت صنعتی (تولید و عملیات)، موسسه آموزش عالی نورهدایت شهرکرد، شهرکرد، ایران.

³ گروه مدیریت صنعتی، مدرس موسسه آموزش عالی نورهدایت شهرکرد، شهرکرد، ایران.

⁴ گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران، قم، ایران.

10.66224/jii.4.2.22

چکیده

با توجه به پیچیدگی روزافزون زنجیره‌های تأمین و اهمیت نقش تأمین‌کنندگان در ارتقای عملکرد اقتصادی و زیست‌محیطی سازمان‌ها، انتخاب تأمین‌کنندگان مناسب در زنجیره‌های تأمین با ابعاد بزرگ و معکوس به یکی از چالش‌های اساسی صنایع تولیدی تبدیل شده است. صنعت فولاد به‌عنوان یکی از صنایع مادر، بیش از سایر صنایع نیازمند بهره‌گیری از الگوهای نوین و سیستماتیک در این حوزه می‌باشد، بنابراین هدف اصلی این پژوهش، شناسایی و سطح بندی مؤلفه‌های مؤثر بر انتخاب تامین‌کنندگان در زنجیره تامین معکوس و با ابعاد بزرگ در صنایع فولاد استان چهارمحال و بختیاری با استفاده از روش تحلیل مضمون و مدلسازی ساختاری تفسیری می‌باشد. این پژوهش کاربردی و آمیخته می‌باشد. در ابتدا از طریق مصاحبه نیمه‌ساخت‌یافته با 12 نفر از مدیران صنایع فولاد استان چهارمحال و بختیاری و اساتید دانشگاهی که با روش نمونه‌گیری نظری انتخاب شدند، داده‌ها جمع‌آوری و کدها، مولفه‌های تاثیرگذار بر انتخاب تأمین‌کنندگان زنجیره تامین معکوس و با ابعاد بزرگ در صنعت فولاد استان چهارمحال و بختیاری در 5 مضمون اصلی و 12 مضمون فرعی احصا و در قالب شبکه تحلیل مضامین تدوین گردید. روش تجزیه‌وتحلیل اطلاعات در بخش کمی شامل مدل‌سازی ساختاری تفسیری بود. نتایج بخش کمی نشان داد 12 مؤلفه تاثیرگذار بر انتخاب تأمین‌کنندگان زنجیره تامین معکوس و با ابعاد بزرگ وجود دارد که دو زیر معیار بهبود تصویر برند و فشارهای محیطی، تکنیک‌های مدیریت تقاضا و مدیریت ریسک ناشی از تغییرات ناگهانی بالاترین سطح و بیشترین تأثیرگذاری را دارند. و زیر معیار مشتری مداری در پایین‌ترین سطح و بیشترین تأثیرپذیری را دارد. مدل ارائه شده می‌تواند کمک و راهنمایی شایانی به مدیران در جهت انتخاب مناسب‌ترین تأمین‌کنندگان زنجیره تامین معکوس و با ابعاد بزرگ نماید.

کلیدواژه‌ها

زنجیره تامین معکوس و با ابعاد بزرگ

روش تحلیل مضمون

روش مدلسازی ساختاری تفسیری

عنوان مقاله English

Presenting an Integrated Model of the Factors Affecting the Selection of Suppliers in the Large and Reverse Supply Chains (Case study: Steel Industries Complex of Chaharmahal and Bakhtiari Province)

نویسندگان English

Farhad Farhadi ¹

Raheleh Pourkaveh Dehkordi ²

Meysam Babaei Farsani ³

Mohammad Reza Fathi ⁴

¹ Department of Industrial Management, Faculty of Literature and Humanities, Shahrekord University, Shahrekord, Iran.

² Department of Industrial Management (Production and Operations), Noor Hedayat Shahrekord Higher Education Institute, Shahrekord, Iran.

³ Department of Industrial Management, Lecturer, Noor Hedayat Shahrekord Higher Education Institute, Shahrekord, Iran.

⁴ Department of Industrial Management, Faculty of Management and Accounting, College of Farabi, University of Tehran, Tehran, Iran.

چکیده English

Given the increasing complexity of supply chains and the critical role of suppliers in enhancing the economic and environmental performance of organizations, selecting appropriate suppliers in forward and reverse supply chains has become one of the fundamental challenges for manufacturing industries. As a core industry, the steel sector requires modern and systematic approaches in this domain more than any other industry. Accordingly, the main purpose of this study is to identify and rank the components influencing supplier selection in forward and reverse supply chains within the steel industry of Chaharmahal and Bakhtiari Province, using thematic analysis and Interpretive Structural Modeling (ISM). This research is applied in nature and adopts a mixed method approach. In the first phase, data were collected through semi structured interviews with 12 steel industry managers in Chaharmahal and Bakhtiari Province and academic experts selected via theoretical sampling. The codes and components affecting supplier selection in forward and reverse supply chains were extracted, categorized into five main themes and twelve sub themes, and presented in the form of a thematic analysis network. In the quantitative phase, data analysis was conducted using Interpretive Structural Modeling. Findings from the quantitative section revealed twelve influential components in supplier selection for forward and reverse supply chains. Among them, the sub criteria brand image enhancement, environmental pressures, demand management techniques, and risk management arising from sudden changes were positioned at the highest level, indicating the greatest influence. In contrast, the customer orientation sub criterion occupied the lowest level, showing the greatest level of dependence. The proposed model offers valuable guidance for managers in selecting the most suitable suppliers for forward and reverse supply chains in the steel industry.

کلیدواژه‌ها English

Large and reverse supply chain

Thematic analysis method

Interpretive structural modeling method

[1] Pamucar D, Deveci M, Stević Ž. An integrated linguistic MCDM framework for supplier selection under LARG paradigms in manufacturing industry. Expert Systems with Applications. 2023; 219: 119634.
[2] Mohammadi M, Mahifar N. The role of supplier selection in improving supply chain performance in manufacturing organizations. Iranian Journal of Industrial Management. 2023; 20(2): 57–74.
[3] Pramanik D, Mondal S, Sarkar B. Effective supplier determination for sustainable supply chain management: A multi-criteria decision approach. Journal of Cleaner Production. 2020; 247: 119119.
[4] Sanders N R. Supply chain management: A global perspective. New York: John Wiley & Sons. 2020.
[5] Zhang X, Li Y, Zhou P. A systematic model for analyzing supply chain management flows using an integrated sustainability index. International Journal of Production Economics. 2023; 261: 108721.
[6] Cabral I, Grilo A, Cruz-Machado V. A decision-making model for lean, agile, resilient and green supply chain management. International Journal of Production Research. 2010; 48(14): 4317–4335.
[7] Morovati H, Nasiri M. A review of the evolution of agile supply chain management and analysis of its applications in industry. Journal of Management and Industrial Engineering Research. 2021; 9(3): 21–39.
[8] Carvalho H, Machado V C. Integrating lean, agile, resilient and green paradigms in supply chain management (LARG model). Supply Chain Management: An International Journal. 2011; 16(5): 258–275.
[9] Gialelis N, Varoutas D, Aggelakakis A. A reverse logistics model for equipment recovery and refurbishment: An integrated supply chain approach. Journal of Engineering and Applied Sciences. 2022;17(4): 122–138.
[10] Dickson G. W. An analysis of vendor selection systems and decisions. Journal of Purchasing. 1996; 2(1): 5–17.
[11] Sahoo A K, Sharma M., Raut R D, Saha N K, Saha A K, Antony J, Tortorella G. L. An integrated MCDM-based decision framework for supplier selection under the Lean Agile Resilient Green (LARG) paradigm in Indian automotive industry. The TQM Journal. 2023; 35(7): 964–1006.
[12] Hailiang Z, Khokhar M, Islam T, Sharma A. Green supplier selection via multi stage fuzzy sustainability index under uncertainty conditions. Environmental Science and Pollution Research. 2023; 30: 54035–54058.
[13] Sonar H, Gunasekaran A, Agrawal S, Roy M. (2022). Identifying LARGES criteria and developing hierarchical relationships using Interpretive Structural Modeling (ISM). Cleaner Logistics and Supply Chain. 2022; 4: 100059.
[14] Sharma V, Raut R D, Mangla S K, Luthra S, Narkhede B A, Gokhale R. A systematic review on the integration of Lean, Agile, Resilient, Green and Sustainable (LARGES) paradigms in supply chain management (1999–2019). Business Strategy and the Environment. 2021; 30(3): 1191–1212.
[15] Zhang X, Li Z, Wang Y. Supplier selection criteria and methods in reverse logistics: A comprehensive review (2008–2020). Processes. 2020; 8(6): 705.
[16] Nazari-Zadeh F, Motavalli S H, Mirshahvalayati F. Designing a resilient supply chain model for Kaleh Company using MICMAC and Scenario Wizard software. Journal of the Iranian Management Sciences Association. 2023; 18(69): 135–162.
[17] Beheshti S A, Azimi F, Mahmoudi D, Montazeran S. Supplier selection and prioritization using AHP and TOPSIS methods. In Proceedings of the First National Conference on Interdisciplinary Research in Management and Humanities. Tehran, Iran. 2023.
[18] Sadeghi M R, Ghasemi B. The impact of strategic thinking on agile supply chain management with emphasis on the lean paradigm. Strategic Management Research Journal. 2021; 35: 109–132.
[19] Safaee Ghadi Kalayi A, Hosseini S K, Mazaheri-Asad M. Identification and ranking of supplier selection criteria in an agile supply chain using the MACBETH technique (Case study: Sorbon Animal and Poultry Feed Industries Company). Andisheh Amad Quarterly Journal. 2020; 19(74): 127–156.
[20] Babayi Farsani M, Roshan M. Identification of effective indicators for supplier selection in agile and sustainable supply chains using the Delphi method. Andisheh Amad Quarterly Journal. 2020; 19(74): 5–30.
[21] Eidi A, Fallah J. A new integrated method based on fuzzy DEMATEL and fuzzy group TOPSIS for supplier selection in reverse logistics networks. Journal of Industrial Management Studies. 2018; 12(3): 45–68.