Qm lieferantenbewertung Muster

Chiou C, Hsu C, Hwang W (2008) Vergleichende Untersuchung zur Auswahl grüner Lieferanten der amerikanischen, japanischen und taiwanesischen Elektronikindustrie in China. In: IEEE International Conference on Industrial Engineering and Engineering Management, 2008, IEEM 2008. IEEE, S. 1909–1914 Hong GH, Park SC, Jang DS, Rho HM (2005) Eine effektive Methode zur Lieferantenauswahl zum Aufbau einer wettbewerbsfähigen Lieferbeziehung. Expert Syst Appl 28:629–639 Sanayei A, Farid Mousavi S, Yazdankhah A (2010) Group Decision making process for supplier selection with VIKOR under fuzzy environment. Expert Syst Appl 37:24–30 Basnet C, Leung JM (2005) Inventar-Los-Größe mit Lieferantenauswahl. Comput Oper Res 32:1–14 Liu J, Ding F-Y, Lall V (2000) Verwenden von Datenumhüllungsanalysen zum Vergleich von Lieferanten für Lieferantenauswahl und Leistungsverbesserung. Supply Chain Manag Int J 5:143–150 Lieferanten gehören wohl zu den besten immateriellen Vermögenswerten eines Unternehmens (Muralidharan et al., 2002), wodurch Lieferantenauswahl und Beziehungsmanagement kritische Aktivitäten (Cousins, P (MBS) & CIPS: Relationship Management) machen. Gonzélez ME, Quesada G, Monge CAM (2004) Bestimmung der Bedeutung des Lieferantenauswahlverfahrens in der Fertigung: eine Fallstudie. Int J Phys Distrib Logist Manag 34:492–504 Muralidharan C, Anantharaman N, Deshmukh S (2002) Ein Modell für die Entscheidungsfindung in mehreren Kriterien für die Lieferantenbewertung. J Supply Chain Manag 38:22-33 Govindan K, Rajendran S, Sarkis J, Murugesan P (2013) Multi criteria decision making approaches for green supplier evaluation and selection: a literature review.

J Clean Prod. doi:10.1016/j.jclepro.2013.06.046 Fallahpour, A., Olugu, E.U., Musa, S.N. et al. Ein integriertes Modell für die Auswahl grüner Lieferanten unter fuzzy Environment: Anwendung der Datenumschließungsanalyse und genetischer Programmierung. Neural Comput & Applic 27, 707–725 (2016). doi.org/10.1007/s00521-015-1890-3 Lieferantenbewertung spielt eine entscheidende Rolle für ein erfolgreiches Supply Chain Management. Daher ist die Bewertung und Auswahl der richtigen Lieferanten zu einer zentralen Entscheidung der Fertigungsaktivitäten auf der ganzen Welt geworden. Daher wurden zahlreiche individuelle und integrierte Methoden zur Bewertung und Auswahl von Lieferanten vorgestellt. Die aktuelle Literatur zeigt, dass hybride Modelle der künstlichen Intelligenz (KI) viel Aufmerksamkeit für die Lieferantenbewertung erhalten haben.

Integrierte Datenumhüllungsanalyse – künstliches neuronales Netzwerk (DEA–ANN) ist eine der kombinierten Methoden, die in letzter Zeit große Aufmerksamkeit von Akademikern und Praktikern erhalten haben. Das DEA-ANN-Modell weist jedoch einige Nachteile auf, die den Bewertungsprozess etwas begrenzen. In dieser Studie wollen wir die bisherigen DEA-AI-Modelle verbessern, indem wir die Kourosh- und Arash-Methode als robustes Modell der DEA mit einem neuen KI-Ansatz, nämlich der genetischen Programmierung (GP), integrieren, um die Mängel früherer DEA-AI-Modelle bei der Lieferantenauswahl zu überwinden. In diesem Papier bietet GP eine robuste nichtlineare mathematische Gleichung für die Effizienz der Lieferanten anhand der ermittelten Kriterien. Zur Validierung des Modells wurde ein adaptives neurofuzzy Inferenzsystem als leistungsstarkes Werkzeug verwendet, um das Ergebnis mit dem GP-basierten Modell zu vergleichen.

Rubrika: Nezařazené |