ارائه سیستم پشتیبان تصمیم‌گیری برای تامین قطعات یدکی در شبکه خدمات پس از فروش خودرو مبتنی بر رویکرد تلفیقی ماتریس کرالجیک و تکنیک سوارا

نویسندگان

    علی اکبر وفائی دانشجوی کارشناسی ارشد، گروه مدیریت، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
    سید محمد حسن حسینی * دانشیار، گروه مهندسی صنایع ، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران sh.hosseini@shahroodut.ac.ir
    محسن لطفی استادیار، گروه حسابداری، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران

کلمات کلیدی:

تامین, قطعات یدکی خودرو, سوارا, کرالجیک

چکیده

اغلب اوقات فرآیند خرید صرفا به عنوان یک کار عملیاتی تکراری در نظر گرفته می‌شود و کمتر به صورت راهبردی به آن پرداخته می‌شود. به همین دلیل بسیاری از امکانات برای استفاده از خرید به عنوان یک ابزار استراتژیک برای تحقق اهداف بلندمت سازمان به سادگی نادیده گرفته می‌شود. این موضوع بویژه در صنعت خودروسازی و عناصر زنجیره تامین آن که هم تنوع و هم میزان مصرف اقلام آن‌ها بالاست از اهمیت بالاتری برخوردار است. در این راستا، تحقیق حاضر به ارائه رویکردی جهت دسته‌بندی قطعات یدکی مورد نیاز شبکه خدمات پس از فروش خودروهای سواری و تدوین استراتژی‌های خرید متناسب با هر گروه می‌پردازد. در رویکرد پیشنهادی، از تکنیک سوارا برای ارزیابی و وزن‌دهی معیارها استفاده شده و سپس قطعات مورد بررسی با استفاده از ماتریس پورتفولیوی کرالجیک ارزیابی و دسته‌بندی می‌شود. در این ارزیابی، موضوعات روز جامعه نظیر تحریم و اثر وابستگی به منابع تامین بین‌المللی نیز در ابعاد ریسک تامین و سودآوری مدنظر قرار گرفته است. جامعه تحقیق حاضر دو سازمان بزرگ تامین و توزیع قطعات یدکی خودروهای پژو مبنا در شبکه خدمات پس از فروش بوده و در این میان 50 قطعه پرمصرف مورد بررسی قرار می‌گیرد. در نهایت نیز ضمن دسته‌بندی قطعات در نواحی چهارگانه ماتریس پورتفولیوی کرالجیک، استراتژی‌های مناسب برای هر دسته پیشنهاد شده است. با استفاده از نتایج این تحقیق می‌توان ضمن بهبود کارایی و کاهش هزینه‌ها در زنجیره تأمین قطعات یدکی، رضایت مشتریان را نیز افزایش داد.

مراجع

[1] P. Gaiardelli, N. Saccani and L. Songini, Performance measurement of the after-sales service network—Evidence from the automotive industry, Computers in Industry, 2007, 58, p. 698–708.

[2] Gelderman, C.J., Weele, A.J., Strategic direction through purchasing portfolio management: a case study, J. Supply Chain Manag., 2002, 38 (1), p. 30–37.

[3] Olsen, R.F. and Ellram, L.M., A portfolio approach to supplier relationships, Industrial Marketing Management, 1997, 26(2), p. 101–113.

[4] Padhi, S.S., Wagner, S.M., Aggarwal, V., Positioning of commodities using the Kraljic Portfolio Matrix, J. Purch. Supply Manag., 2012, 18 (1), p. 1–8.

[5] Dubois, A. and Pedersen, A.-C., Why relationships do not fit into purchasing portfolio models—A comparison between the portfolio and industrial network approaches, European Journal of Purchasing & Supply Management, 2012, 8 (1), p. 35–42.

[6] Caniels, M.C., Gelderman, C.J., Power and interdependence in buyer–supplier relationships: a purchasing portfolio approach, Ind. Mark. Manag., 2007, 36 (2), p. 219–229.

[7] Gelderman, C.J., Van Weele, A.J., Purchasing portfolio models: a critique and update, J. Supply Chain Manag., 2005, 41 (3), p. 19–28.

[8] Kraljic, P., Purchasing must become supply management, Harv. Bus. Rev., 1983, 61 (5), p. 109–117.

[9] Gelderman, Cees J. and Marjolein C.J. Caniels, Power and interdependence in buyer–supplier relationships: A purchasing portfolio approach, Industrial Marketing Management, 2017, 18(1).

[10] Esmaelian, M., et al., Proposing an Ordered Clustering Based on the PROMETHEE Principles to Develop Purchasing Strategy in the Supply Chain, Industrial Management Journal, 2021, 14(2), p. 285–303.

[11] S. Patrucco, Andrea, Giacomo Marzi and Daniel Trabucchi, The role of absorptive capacity and big data analytics in strategic purchasing and supply chain management decisions, Technovation, 2023, 126.

[12] Spreitzenbarth, Jan Martin, Christoph Bode and Heiner Stuckenschmidt, Artificial intelligence and machine learning in purchasing and supply management: A mixed-methods review of the state-of-the-art in literature and practice, Journal of Purchasing and Supply Management, 2024, 30(1).

[13] Hamner, B., Effects of Green Purchasing Strategies on Supplier Behaviour. In: Sarkis, J. (eds), Greening the Supply Chain, Springer, 2006.

[14] Drake, P.R. and D.M. Lee, Component prioritisation for strategic purchasing and the case study of a South Korean elevator manufacturer, Advanced Manufacturing Technology, 2008, 43, p. 883–895.

[15] Ekström, T., Hilletofth, P. and Skoglund, P., Differentiation strategies for defence supply chain design, Journal of Defense Analytics and Logistics, 2020, Vol. 4 No. 2, pp. 183–202.

[16] Rahro, M., et al., An Integrated Approach to Organizational Purchasing Strategies: A Scoping Review, Journal of Business Strategies, 2022, 19(20), p. 1–29.

[17] Arantes, Amílcar and Andreia Frias Alhais, Application of a purchasing portfolio model to define medicine purchasing strategies: An empirical study, Socio-Economic Planning Sciences, 2022, 84, 101318.

[18] Augusto, B., Andrea, B., Marco, P., Jessica, R., Supply chain redesign for lead-time reduction through Kraljic purchasing portfolio and AHP integration, Benchmarking: An International Journal, 2019, 26(4).

[19] Bildsten, Louise, Jakob Rehme and Staffan Brege, Applying the Kraljic Model to the Construction Sector: The Case of a Prefab Housing Factory, Department of Management and Engineering, Linköping University, 2010, 58183, Sweden.

[20] Bamdad Soofi, J., et al., Providing a model for sourcing in manufacturing companies by combining DEMATEL, ANP, and PROMETHEE methods, Journal of Decisions & Operations Research, 2020, 5(4), p. 312–329.

[21] Yun, H., Jung, W., A portfolio theory-based optimization model for steam coal purchasing strategy: A case study of Taiwan Power Company, Journal of Purchasing and Supply Management, 2016, 22(2), p. 131–140.

[22] Yazd Khosadi, Amin, Providing an after-sales service distribution system in relation to maintenance and repair policies, 2017, Faculty of Engineering, Yazd University.

[23] Stanujkic, D., Karabasevic, D., Zavadskas, E.K., A framework for the selection of a packaging design based on the SWARA method, Inzinerine Ekonomika – Engineering Economics, 2015, 26(2), p. 181–187.

[24] Yazdi, A.K., Wanke, P.F., Hanne, T., Abdi, F. and Sarfaraz, A.H., Supplier selection in the oil & gas industry: A comprehensive approach for Multi-Criteria Decision Analysis, Socio-Economic Planning Sciences, 2022, 79, 101142.

[25] Firouzian, A., Seyed, A., Developing a thematic model of the factors and communication and strategic components of customer satisfaction with after-sales services of Isaco Company's automobiles, Cultural Studies and Communications, 2023, 19(2), p. 25–36.

دانلود

چاپ شده

۱۴۰۳/۱۱/۲۸

ارسال

۱۴۰۳/۱۰/۱۶

بازنگری

۱۴۰۳/۱۰/۳۰

پذیرش

۱۴۰۳/۱۱/۲۵

شماره

نوع مقاله

Articles

ارجاع به مقاله

وفائی ع. ا.، حسینی س. م. ح.، و لطفی م. . (1403). ارائه سیستم پشتیبان تصمیم‌گیری برای تامین قطعات یدکی در شبکه خدمات پس از فروش خودرو مبتنی بر رویکرد تلفیقی ماتریس کرالجیک و تکنیک سوارا. علم تصمیم گیری و سیستم های هوشمند، 2(1)، 1-23. https://dsisj.com/index.php/dsisj/article/view/11