چکیده:
امروزه مدیریت زنجیره ی تامین به دلیل جهانی شدن بازارهای کسب و کار، اهمیت بیشتری پیدا کرده است. با افزایش پیچیدگی سطح نبود اطمینان و ریسک موجود در زنجیره نیز افزایش می یابد. از این رو مدیریت ریسک زنجیره ی تامین یکی از موضوعاتی است که مورد توجه سازمان ها قرار گرفته است. یکی از خطرهای موجود در زنجیره ی تامین، ریسک های وارده از ناحیه ی تامین کنندگان است. تحقیق حاضر با به کارگیری شبکه های عصبی مصنوعی به عنوان ابزاری قدرتمند در پردازش اطلاعات غیرخطی، مدلی مناسب برای پیش بینی ریسک وارده از سوی تامین کنندگان در شرکت فولاد آلیاژی ایران ارائه می دهد. در این مدل با استفاده از تکنیک دلفی فازی هفت عامل به عنوان عوامل ورودی مدل شبکه ی عصبی انتخاب VIKOR و AHP شدند. برای محاسبه ی میزان ریسک وارده از سوی هر تامین کننده، از تلفیق تکنیک استفاده شده و با به کارگیری مدل پرسپترون چندلایه، میزان ریسک وارده از سوی هر تامین کننده پیش بینی شده است. در پایان با استفاده از تحلیل حساسیت تاثیر هرکدام از متغیرهای ورودی بر خروجی ارزیابی و پیشنهاداتی برای کاهش ریسک ارائه شده است
In the last few years، supply chain management becomes more important، because of the globalization of business. By increasing complexity، level of uncertainty and risk in the chain goes up. Hence supply chain risk management has become a major issue in the organization. One of the risks existing in the supply chain is risk of suppliers. This research provides model for predicting supplier risk in Iran Alloy Steel Company that is then analyzed using Artificial Neural Networks which are capable to consider non-liner interrelations among criteria. In the model using fuzzy Delphi، seven criteria have been identified. Then by using AHP-VIKOR the risk of supplier calculated and the risk of suppliers were predicted. Finally، we use sensitive analysis for identification effect of every input on output.