این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های مدیریت در ایران، جلد ۲۲، شماره ۱، صفحات ۶۹-۹۴
عنوان فارسی ارزیابی ریسک‌های زنجیره تأمین خدمات با رویکرد تئوری مجموعه‌های راف (مورد مطالعه: شرکت‌های ارائه‌دهنده خدمات پرداخت به بانک‌ها)
چکیده فارسی مقاله ارزیابی ریسک زنجیره تأمین یکی از ارکان مدیریت ریسک زنجیره تأمین بوده و هدف آن تجزیه و تحلیل ریسک‌هاست. شناسایی و طبقه‌بندی نخستین گام جهت ارزیابی ریسک زنجیره تأمین است؛ بدین منظور در این مقاله پس از بررسی ادبیات تحقیق و استخراج ریسک‌های مربوط به زنجیره تأمین جهت شناسایی ریسک‌ها در زنجیره تأمین خدمات از دو روش گروه کانونی و کیوسرت استفاده شده و خروجی آن شناسایی 10 مؤلفه از مهم‌ترین ریسک‌ها به عنوان مشخصه‌های موقعیتی در مدل‌سازی راف است و متعاقباً با تلفیق روش‌های مختلف گسسته‌سازی داده، تولید بی‌زائده و تولید قوانین و با استفاده از نرم‌افزار Rosetta، پنج مدل قوانین راف برای مؤلفه‌های ریسک تولید گشت. با توجه به مدل‌های استخراج شده از بین مشخصه‌های موقعیتی، مؤلفه ریسک بازار و ریسک مالی اصلی‌ترین مؤلفه در تحلیل ریسک زنجیره تأمین خدمات شناسایی شدند و پس از اعتبارسنجی قوانین به دست آمده مدل تکمیل داده‌ها به روش میانگین و مد شرطی و تکمیل داده‌های ناقص بالاترین اعتبار را جهت پیش‌بینی مشاهده‌های جدید نشان دادند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Service Supply Chain Risk Assessment Applying Rough Set Theory Approach: Case of Payment Service Providers
چکیده انگلیسی مقاله One of the pillars of supply chain risk management is risk assessment and its aim is to analyze the risk. The first step to assess supply chain risk is identifying and classifying them. In this paper, after reviewing the literature and extracting supply chain risks, service supply chain risks  identified by focus group and Q-sort method. As the result 10 components of the most important risks as conditional characteristics in Rough modeling identified. Using Rosetta software, 5 set of rule were produced. According to extracted models among conditional attributes, market and financial risks were most important attributes. After completion of various models validation, the model by Conditional Mean/Mode fill and incompletes for complement data showed the highest reliability for predicting new observations.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدرضا صادقی مقدم |
Assistant Professor, faculty of Management, University of Tehran, Tehran, Iran
استادیار، مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

تورج کریمی | Touraj Karimi
Assistant Professor, College of Farabi, University of Tehran, Qom, Iran
استادیار، مدیریت صنعتی، پردیس فارابی، دانشگاه تهران، قم، ایران

سحر بندسی | Sahar bandesi
M.A., faculty of Management, University of Tehran, Tehran, Iran
دانشجوی کارشناسی‌ارشد، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

نشانی اینترنتی http://journals.modares.ac.ir/browse.php?a_code=A-19-11033-2&slc_lang=fa&sid=19
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1421/article-1421-703820.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات