مدیریت پورتفلیو تأمین‌کنندگان تاب‌آور با رویکرد ترکیبی داده‌محور و دانش‌محور در بستر اطلاعات ناهمگن (مطالعه موردی: صنعت فولاد)

چکیده

با توجه به نقش حیاتی تأمین‌کنندگان در زنجیره‌های تأمین و آسیب‌پذیری بالای آن‌ها در برابر اختلالات، این پژوهش با هدف ارتقای تاب‌آوری زنجیره تأمین، به ارائه رویکردی ترکیبی برای انتخاب تأمین‌کنندگان تاب‌آور با بهره‌گیری از تکنیک‌های تصمیم‌گیری چندمعیاره و یادگیری ماشین می‌پردازد.
ابتدا معیارهای تاب‌آوری با مرور نظام‌مند ادبیات شناسایی و با مشارکت خبرگان یک شرکت فولادی بومی‌سازی شدند. سپس، با استفاده از روش‌های آنتروپی شانون و مارکوس وزن‌دهی صورت گرفت و امتیازات تاب‌آوری محاسبه شدند. این امتیازات همراه با داده‌های مالی وارد مدل یادگیری ماشین شامل تحلیل مؤلفه اصلی (PCA) و خوشه‌بندی K-Means شدند.
 پس از کاهش ابعاد به چهار مؤلفه اصلی، ۲۴ تأمین‌کننده در پنج خوشه گروه‌بندی شدند. اعتبار خوشه‌بندی با نمودار آرنج و شاخص نیم‌رخ تأیید شد. همچنین ضریب همبستگی اسپیرمن بین نتایج روش مارکوس و تاپسیس برابر با ۰.۸۷ به دست آمد که نشان‌دهنده همبستگی قوی است.
ترکیب رویکردهای داده‌محور و دانش‌محور در این پژوهش، چارچوبی نوین و کاربردی برای انتخاب تأمین‌کنندگان تاب‌آور فراهم می‌کند که قابلیت تعمیم به سایر صنایع با ساختار مشابه را دارد.