Z-numbers based modeling of group decision making for supplier selection in manufacturing systems

• Autorzy: Aliyeva Kamala

Identyfikatory

DOI

10.35784/iapgos.6182

Warianty tytułu

PL

Oparte na liczbach Z modelowanie grupowego podejmowania decyzji dotyczących wyboru dostawców w systemach produkcyjnych

• Języki publikacji: EN

Abstrakty

EN

The health of the supply chain, the company's performance, and the quality of the production as well as the success of the entire enterprise, directly depends on the reliability of the company's existing suppliers. Processing enterprises that depend on suppliers are trying to find the best option that will satisfy all customer requirements. With high-quality and inexpensive raw materials, the products produced by the enterprise will largely determine its economic indicators such as revenue, profit, and profitability. Therefore, this enterprise is especially faced with the issue of choosing the most appropriate supplier of resources. Basically, for processing enterprises it is very important to consider the parameters such as quality of incoming materials, terms of supply of raw materials, price of received raw materials, terms of contracts. The challenge in determining of supplier is how to choose reliable suppliers that can maintain supply chain continuity in an environment of ever-increasing instability and uncertainty. For this purpose, a methodology for selecting suppliers using Z-numbers was proposed. Using fuzzy Z numbers in supplier selection, decision-makers can assign values to various criteria in a way that reflects both the uncertainty and the confidence associated with those values. This can lead to more nuanced and robust supplier selection processes, considering a wider range of factors and uncertainties.

PL

Zdrowie łańcucha dostaw, wydajność firmy i jakość produkcji, a także sukces całego przedsiębiorstwa, zależą bezpośrednio od niezawodności obecnych dostawców firmy. Przedsiębiorstwa przetwórcze zależne od dostawców starają się znaleźć najlepszą opcję, która spełni wszystkie wymagania klientów. Dzięki wysokiej jakości i niedrogim surowcom produkty wytwarzane przez przedsiębiorstwo będą w dużej mierze determinować jego wskaźniki ekonomiczne, takie jak przychody, zyski i rentowność. W związku z tym przedsiębiorstwo to stoi przed szczególnym wyzwaniem, jakim jest wybór najbardziej odpowiedniego dostawcy zasobów. Zasadniczo dla przedsiębiorstw przetwórczych bardzo ważne jest uwzględnienie takich parametrów, jak jakość przychodzących materiałów, warunki dostaw surowców, cena otrzymanych surowców, warunki umów. Wyzwaniem przy określaniu dostawcy jest wybór wiarygodnych dostawców, którzy mogą utrzymać ciągłość łańcucha dostaw w środowisku stale rosnącej niestabilności i niepewności. W tym celu zaproponowano metodologię wyboru dostawców przy użyciu liczb Z. Wykorzystując rozmyte liczby Z w wyborze dostawców, decydenci mogą przypisywać wartości do różnych kryteriów w sposób, który odzwierciedla zarówno niepewność, jak i zaufanie związane z tymi wartościami. Może to prowadzić do bardziej dopracowanych i solidnych procesów wyboru dostawców, biorąc pod uwagę szerszy zakres czynników i niepewności.

Słowa kluczowe

EN

supplier selection; multi-criteria decision making; fuzzy group decision making; fuzzy numbers; Z-numbers

PL

wybór dostawcy; wielokryterialne podejmowanie decyzji; rozmyte grupowe podejmowanie decyzji; liczby rozmyte; liczby Z

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2024
• Tom: T. 14, nr 3
• Strony: 61--67
• Opis fizyczny: Bibliogr., 20 poz.

Twórcy

autor

Aliyeva Kamala

• Azerbaijan State Oil and Industry University, Department of Instrument Engineering, Baku, Azerbaijan

• https://orcid.org/0000-0001-5498-5982

Bibliografia

• [1] Aliev R., Huseynov O., Aliyeva K.: Aggregation of an expert group opinion under Z-information. Proceedings of the Eighth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control, 2015, 115–124.
• [2] Chan F., Kumar N.: Global Supplier Development Considering Risk Factors Using Fuzzy Extended AHP-Based Approach. Omega International Journal of Management Science 35, 2007, 417–431 [https://dx.doi.org/10.1016/j.omega.2005.08.004].
• [3] Chang B., Chang C., Wu C.: Fuzzy DEMATEL Method for Developing Supplier Evaluation Criteria, Expert Systems with Applications 38(3), 2011, 1850–1858 [https://dx.doi.org/10.2202/1558-3708.1832].
• [4] Chen C. T.: Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems 114(1), 2000, 1–9 [https://doi.org/10.1016/S0165-0114(97)00377-1].
• [5] Chen Y., Wang T.: Optimizing partners’ choice in IS/IT outsourcing projects: The strategic decision of fuzzy VIKOR, International Journal of Production Economics 120, 2009, 233–242 [https://doi.org/10.1016/j.ijpe.2008.07.022].
• [6] Chen S. H.: Ranking fuzzy numbers with maximizing set and minimizing set. Fuzzy sets and Systems 17(2), 1985, 113–129.
• [7] Chu T., Varma R.: Evaluating suppliers via multiple levels multiple criteria decision-making method under fuzzy environment. Computers & Industrial Engineering 62(2), 2012, 653–660 [https://dx.doi.org/10.1016/j.cie.2011.11.036].
• [8] Kahraman C., Kaya I.: Fuzzy Process Capability Analysis and Applications, Production Engineering and Management under Fuzziness 252, 2010, 483–513.
• [9] Kar A. K.: A hybrid group decision support system for supplier selection using analytic hierarchy process, fuzzy set theory and neural network. Journal of Computational Science 6, 2015, 23–33.
• [10] Karsak E., Dursun M.: An integrated fuzzy MCDM approach for supplier evaluation and selection. Computers and Industrial Engineering 82, 2015, 82–93 [https://doi.org/10.1016/j.cie.2015.01.019].
• [11] Kavita S., Kumar S.: A multi-criteria interval-valued intuitionistic fuzzy group decision making for supplier selection with TOPSIS method. Lecture Notes Artificial Intellegence 5908, 2009, 303–312 [https://doi.org/10.1007/978-3-642-10646-0_37].
• [12] Khurrum S., Faizul H.: Supplier selection problem: a comparison of the total cost of ownership and analytic hierarchy process approaches. Supply Chain Management: An International Journal 7(3), 2002, 126–135 [https://doi.org/10.1108/13598540210436586].
• [13] Kontis A., Vrysagotis V.: Supplier selection problem: a literature review of multi-criteria approaches based on DEA. Advances in Management & Applied Economics 1(2), 2011, 207–219.
• [14] Singh Sh., Singh R., Seth N.: Ranking of critical success factors for online retailing by TOPSIS approach. International Journal of Productivity and Quality Management 21(3), 2017, 359–374 [https://doi.org/10.1504/IJPQM.2017.10005237].
• [15] Soroor J., Tarokh M., Khoshalhan F., et al.: Intelligent evaluation of supplier bids using a hybrid technique in distributed supply chains. Journal of Manufacturing Systems 31(2), 2012, 240–252.
• [16] Vinodh S., Ramiya S., Gautham R.: Application of fuzzy analytic network process for supplier selection in a manufacturing organization. Expert systems with applications 38, 2011, 272–280 [https://doi.org/10.1016/j.eswa.2010.06.057].
• [17] Wang H.: Theories for competitive advantage. Hasan H. (eds.): Being Practical with Theory: A Window into Business, Research. THEORI, Wollongong, Australia 2014, 33–43.
• [18] Wang S.: Applying 2-tuple multigranularity linguistic variables to determine the supply performance in dynamic environment based on product-oriented strategy 2-tuple. IEEE Transactions on Fuzzy Systems 16(1), 2008, 29–39 [https://dx.doi.org/10.1109/TFUZZ.2007.903316].
• [19] Zadeh L.: Fuzzy Sets, Information and Control 8(3), 1965, 338–353 [https://doi.org/10.1016/S0019-9958(65)90241-X].
• [20] Zadeh L.: A Note on Z-numbers. Information Sciences 181(14), 2011, 2923–2932 [https://doi.org/10.1016/j.ins.2011.02.022].