Performance Measurement and Ranking Organization’s Suppliers Based on Risk Factors Using a Hybrid Approach of FMEA and Multi-Criteria Decision Making Techniques: A Case Study
Notice bibliographique
Résumé
Risk occurance in the supply chain is unavoidable. Basically, a great portion of these risks comes from suppliers. Timely identification of the risks and using appropriate preventive actions to reduce the probability and impact of their occurrence play a significant role in increasing organizational efficiency, improving product quality and satisfying customers. Developing a systematic and efficient mechanism is a prerequisite for properly identifying and assessing the supply chain risks and making correct decision. Failure Modes and Effects Analysis (FMEA) is a known engineering technique and risk assessment tool to define, identify, and eliminate potential failures and errors in the products, processes, projects, and services. In this paper, FMEA approach is combined with multi-criteria decision-making techniques to make a systematic mechanism for assessing supply chain risks and prioritizing candidate flour suppliers in Sahar bread industrial group. In the proposed model, Analytic Hierarchy Process (AHP) is used to determine the risk’s weights and VIKOR method is applied for assessing and ranking the suppliers. Results shew that among the identified risks, “cost risk group” with the weight "0.43" is the most important. Therefor the company officials have to adopt appropriate policies, carefully, to deal with this risk. Moreover, final evaluation of flour suppliers in the company indicates that according to all criteria, the fourth supplier achieves the highest priority and it is selected as the most qualified flour supplier for the company.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».