Journal of Industrial Engineering Research in Production Systems

Journal of Industrial Engineering Research in Production Systems

Analysis of Lubricants Supply Chain Agility Using Fuzzy Cognitive Maps

Document Type : Research Paper

Authors
Mahdi Ashhad 1
Farid Khoshalhan 2
Taher Kalantari 3
1 M.A. student, Department of Industrial Engineering, Faculty of Industrial Engineering, K. N. Toosi University of Technology, Tehran, Iran
2 Assistant Professor, Department of Industrial Engineering, Faculty of Industrial Engineering, K. N. Toosi University of Technology, Tehran, Iran
3 Assistant Professor, Faculty of Management, Imam Khomeini University of Marine Sciences, Nowshahr, Iran
10.22084/ier.2022.23967.2016
Abstract
Lubricant supply chain can be considered as one of the most important supply chains in various industries. This industry is responsible for supplying one of the most strategic materials in many other industry. From manufacturing to logistics and transportation industries, they somehow need the products that are produced and offered in this industry. Therefore, the performance of these its supply chains can have a significant impact on other supply chains. Agility in lubricant supply chains is affected by several factors, with domestic origin and international origin. Analysis of these factors and their interactions can be very usefull for managers to increase agility and provide them with appropriate solutions to increase competitiveness in the market. Fuzzy Cognitive Maps (FCM) are powerful tools for analyzing cause-and-effect relationships between factors and can show their interactions by drawing a network of factors and relationships to make the analysis more accurate and comprehensive. In this paper, using a fuzzy cognitive map approach, the factors affecting the lubricant supply chain agility were analyzed. Planning and scheduling, system for identifying future needs, creating direct communications with customers, monitoring customers' voices and using their opinions in future plans, creating integrated information systems along the supply chain, creating motivational systems to increase employee participation, growth creativity, etc. can increase agility. The level and measure of interactions between agility factors are ontained as an important result of our approach.
Keywords
Lubricant Supply Chain
Agility
Delphi
Fuzzy Cognitive Maps
  • والی سیر، محمد مهدی و روغنیان، عماد؛ 1399، بازطراحی شبکه زنجیره‌تأمین ترکیبی تاب‌آور تحت ریسک‌های عملیاتی و اختلال: مطالعه موردی، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، سال 8، شماره 16، ص 113-135.
  • Govindan, K., Fattahi, M., Keyvanshokooh, E. (2017). “Supply chain network design under uncertainty: A comprehensive review and future research directions”, European Journal of Operational Research, 263(1): 108-141.
  • رضایی‌نور، جلال، هاشم‌پور، مطهره، اکبری، امیرحسین، 1398، طراحی یک زنجیره‌تأمین چهارسطحی دارو با درنظرگرفتن اهداف اقتصادی، اجتماعی و رضایت مناطق، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، سال 7، شماره 15، ص 199-217.
  • Sabouhi, F., Pishvaee, M. S. & Jabalameli, M.S. (2018). “Resilient supply chain design under operational and disruption risks considering quantity discount: A case study of pharmaceutical supply chain”, Computers & Industrial Engineering, vol. 126: 657-672.
  • Jafar Nejad, H.A., Safari, A., Azar, S., Ebrahimi A., (2015). “Manage supply chain orders based on traditional costing approach and cost based on activity and compare them”, IQBQ, 2015.
  • فخرزاده، محمدباقر، خیاط‌سرکار، حامد، جوهری‌نعیمی، فرزاد، 1399، بررسی رابطه‌ی بین استراتژی مدیریت زنجیره‌تأمین با عملکرد زنجیره‌تأمین پایدار با رویکرد مدل‌سازی معادلات ساختاری، نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، سال 8، شماره 17، ص 215-225.
  • مروتی شریف‌آبادی، علی، عندلیب‌اردکانی، داوود، میرنژاد، سیدعلی، جوهری نعیمی، فرزاد، 1398. طراحی مدل ارتقای دوسوتوانی زنجیره‌تأمین با رویکرد مدل‌سازی معادلات ساختاری (مورد مطالعه: صنعت فولاد استان یزد)، شریه مدیریت بهر ه‌وری، سال 13، شماره 1 (48)، بهار 1398، ص 7- 35.
  • چوپرا، سونیل و میندل، پیتر، 1394، "مدیریت زنجیره‌تأمین استراتژی، برنامه‌ریزی و عملیات"، ترجمه صحرائیان راشد، کامران راد رضا، چاپ اول، دانشگاه شاهد ، مرکز چاپ و انتشارات، تهران.
  • نامداریان، لیلا و نژادفلاطوری‌مقدم، طه، 1390، "ارزیابی عملکرد زنجیره‌ی تأمین با نگرش فرآیندی و استراتژیک بااستفاده از منطق فازی"، مدیریت صنعتی، دوره 3، شماره 6، بهار و تابستان 1390، دانشکده مدیریت دانشگاه تهران، ص 149-170.
  • Lambert Douglas, M., Cooper Martha, C. and Pagh Janus, D., 1998, “Supply Chain Management: Implementation Issues and Research Opportunities”, The International Journal of Logistics Management, Vol. 9 No. 2, PP 1-20.
  • Handfield, R. B. and Nichols, E. L., 1999, “Introduction to Supply Chain Management”, Englewood Cliffs: Prentice-Hall, ncseagrant.ncsu.edu.
  • Melo, M.T., Nickel S. and Saldanha-da-Gama, F., 2009,” Facility location and supply chain management – A review”, European Journal of Operational Research, Vol 196, Issue 2, PP 401-412.
  • Tiwari, A., Ko, M. and Mehnen, J., 2010, “A review of soft computing applications in supply chain management”, Applied Soft Computing, Vol 10, Issue 3, PP 661-674.
  • Seuring, S., 2013, “A review of modeling approaches for sustainable supply chain management”, Decision Support Systems, Vol 54, Issue 4, PP1513-1520.
  • Lima-Junior Francisco Rodrigues, Carpinetti Luiz Cesar Ribeiro, 2017, “Quantitative models for supply chain performance evaluation: A literature review”, Computers & Industrial Engineering, 113, P 333–346.
  • رحیمی اکبر، راد عباس، عالم تبریز اکبر، موئتمنی علیرضا، 1397، "به‌کارگیری رویکردهای مدیریتی ناب، چابک و تاب‌آور در زنجیره‌تأمین صنایع دفاعی، راهبردی جدید و مؤثر در ارتقای بازدارندگی دفاعی و امنیت ملی"، فصلنامه مدیریت و پژوهش‌های دفاعی، سال 7، شماره 86، بهار و تابستان 1397، ص 19-58.
  • ایران‌زاده، سلیمان، مصباحی جهرمی، نگارالسادات، شکری، عبدالحسین و ابراهیمی، رحیم، 1395، "بررسی رابطه ابعاد چابکی سازمانی و بهره‌وری کارکنان شرکت بیمه دانا در استان آذربایجان شرقی" مدیریت بهره‌وری، سال دهم، پاییز 1395، 38، ص117-145.
  • Lisitsa Svetlana, Levina Anastasia, Lepekhin Aleksander, 2019,” Supply-chain management in the oil industry”, E3S Web of Conferences, 110, 02061 (2019) P 1-10, https://doi.org/10.1051/e3sconf/201911002061.
  • ابراهیمیان‌جلودار، سید یاسر و ابراهیمیان‌جلودار، سید محمود، 1390، "چابکی سازمانی: سرعت پاسخ‌گویی و انعطاف‌پذیری سازمانی"، توسعه انسانی پلیس، سال هشتم، بهمن و اسفند 1390، 39، ص13-34.
  • الفت، لعیا و زنجیرچی، سیدمحمود، 1387،"تحلیل پوششی داده‌ها (DEA): رویکردی نوین در ارزیابی چابکی سازمان‌ها" پژوهش‌های مدیریت در ایران، دوره 14، شماره 2، تابستان 89، ص 21-44 .
  • Papageorgiou E.I., Markinos A.T., Gemtos T.A., 2011, “Fuzzy cognitive map-based approach for predicting yield in cotton crop production as a basis for decision support system in precision agriculture application”, Applied Soft Computing, 11, P 3643–3657
  • امین‌طهماسبی، حمزه و همتی آسیابرکی، مرتضی، 1398، "میزان تأثیرات تهدیدهای سایبری بر یکدیگر در پروژه های فناوری اطلاعات با رویکرد نقشه‌شناختی فازی"، نشریه علمی ”پدافند الکترونیکی و سایبری“، سال 7، شماره 2، تابستان 1398، ص 41-51.
  • Rodriguez-Repiso Luis, Setchi Rossitza, Salmeron Jose L., 2007, “Modelling IT projects success with Fuzzy Cognitive Maps”, Expert Systems with Applications, 32, P 543–559.
  • طالب‌پور، علیرضا و احمدی، صدرا، 1388، "ارزیابی هوشمندانه نقشه‌شناختی فازی (FCM)"، نشریه چشم‌انداز مدیریت، شماره 30، بهار 88، ص9-28.
  • Chen Chih-Jou, 2019, “Developing a model for supply chain agility and innovativeness to enhance firms’ competitive advantage”, Management Decision, Vol. 57, No. 7, P 1511-1534.
  • آقایی، میلاد و آقایی، رضا،1393،"ارائه الگوهای مفهومی چابکی سازمانی"، رشد فناوری، سال دهم، تابستان 1393، 39، ص 37-43.
  • Kumar Ashok, Motwani Jaideep, 1995, “A methodology for assessing time‐based competitive advantage of manufacturing firms”, International Journal of Operations & Production Management, Vol. 15, No. 2, P 36-53.
  • Dove, R. (2001) Response Ability: The Language, Structure, and Culture of the Agile Enterprise?. Wiley, Hoboken, NJ.
  • Börjesson, A. & Mathiassen, L. (2005). “Improving Software Organizations: Agility Challenges and Implications,” Information Technology & People, Vol. 18 No. 4, pp 359-382.
  • Fei, W. and Shilei, W. (2009), “Fuzzy evaluation of supply chain agility based on improved term weighting method”, International Conference on Information Management, Innovation Management and Industrial Engineering, Xian, Vol. 1, pp. 483-485.
  • زندحسامی، حسام، رجب‌زاده، علی و طلوعی، عباس، 1388،"بررسی مؤلفه‌های تأثیرگذار بر زنجیره‌تأمین چابک (PSCM) و طراحی مدل مفهومی مدیریت زنجیره تأمین چابک" ،پژوهش‌نامه بازرگانی، 51، تابستان 1388، ص123- 161.
  • Routroy Srikanta, Bhardwaj Aayush, Kumar Sharma Satyendra, Kumar Rout Bijay ,2018,” Analysis of manufacturing supply chain agility performance using Taguchi loss functions and design of experiment”, Benchmarking: An International Journal, Vol. 25 No. 8, P 3296-3319.
  • Sharp, J.M., Z. Irani, Z. & Desaia, S. (1999) Working towards agile manufacturing in the UK industry, International Journal of Production Economics, V 62, I 1–2, PP 155.
  • Lin Ching-Torn, Chiu Hero, Cho Po-Young,2006,” Agility index in the supply chain”, International Journal of Production Economics, 100, P 285–299.
  • Agarwal, A., Shankar, R. & Tiwari M.K. (2007). Modeling Agility of Supply Chain. Industrial Marketing Management, 36(4): P443-457
  • بذرافشان، سعید، 1395، "بررسی درجه چابکی شرکت‌های فعال در صنعت قطعه‌سازی استان سمنان و شناسایی ضعف‌ها"، دومین همایش ملی اقتصاد کلان ایران، دانشگاه گنبدکاووس، اسفند 1395،ISC، ص1-13.
  • Goldman, S., Nagel R.N.; “Preiss K. Agile competitors and virtual organizations”; Kenneth: Van Nostrand Reinhold, 1995
  • Khoshalhan, F, Kalantari, T., (2016) Analysis of Lean- Agility Factors of Maritime Supply Chain: A Hybrid Approach, Journal of Maritime Research, Vol.8, No.9, pp 55-66
  • Kalantari,T.and Khoshalhan,F.(2018), Readiness ssessment of leagility supply chain based on fuzzy cognitive maps and interpretive structural modeling: a case study", Journal of Business & Industrial Marketing, Vol. 33 No. 4, pp. 442-456.
  • Goker, N.,  Dursun, M., Cedolin, M., (2020) A novel IFCM integrated distance based hierarchical intuitionistic decision making procedure for agile supplier selection, Journal of Intelligent & Fuzzy Systems, Vol. 38, No. 1, pp. 653-662

[41] López, C.,  Ishizaka, A. (2019) A hybrid FCM-AHP                                                           approach to predict impacts of offshore outsourcing location decisions on supply chain resilience, Journal of Business   Research Vol. 103, pp 495-507

[42] Mourhir, A., (2021) Scoping review of the potentials of  fuzzy cognitive maps as a modeling approach for integrated environmental assessment and management, Environmental Modelling & Software, Vol.135, pp.1-42

  • Goker, N. (2021) A novel integrated intuitionistic fuzzy decision aid for agile outsourcing provider selection: a COVID-19 pandemic-based scenario analysis. Soft Comput Vol.25, pp. 13723–13740

[44] Maria J. M. Ladeira[44] Shahrestani, S., Moeinadin, M., Heyrani, F, Nayebzadeh, S., (2021) Modeling Factors Affecting the Application of Management Accounting Techniques In Small and Medium Enterprises Using Fuzzy Cognitive Mapping, International Journal of Finance and Managerial Accounting, Vol. 6, No. 23, pp. 113-127.

[45] Bakhtavar, E., Valipour, M., Yousefi, S, Yousefi, S., Rehan Sadiq, R., Hewage, K., (2021) Fuzzy cognitive maps in systems risk analysis: a comprehensive review. Complex Intell. Syst. Vol. 7, pp. 621–637.

[46] Sharifi, H. & Zhang, Z. (2001). “Agile Manufacturing in Practice. Application of a Methodology,” International Journal of Operations & Production Management, V 21(5), pp 772-794.

  • مهرگان، محمدرضا و سیدکلالی، نادر، 1391، " بررسی ارتباط میان عوامل مؤثر بر ترک خدمت دانشگرانICT در صنعت ارتباطات همراه ایران بااستفاده از متدولوژی نقشه‌های شناختی فازی"، پژوهش‌های مدیریت عمومی، سال 5، شماره 18، زمستان 1391، ص 25-44.

Gerogiannis V. C., Papadopoulou S., Papageorgiou E. I., 2012, “Identifying Factors of Customer satisfaction from Smartphone: A Fuzzy Cognitive Map Approach”, International Conference on Contemporary Marketing Issues (ICCMI), Thessaloniki13-15 June 2012, P 270-276

Journal of Industrial Engineering Research in Production Systems
Volume 9, Issue 19
February 2022
Pages 17-31