فایل ورد کامل انتخاب تامین کننده سبز با استفاده از چارچوب AHP-Entropy-TOPSIS

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل انتخاب تامین کننده سبز با استفاده از چارچوب AHP-Entropy-TOPSIS،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۰ صفحه

 ۱ – مقدمه
رشد محصول داخلی ناخالص واقعی چین (GDP) چین بیت سال های ۱۹۷۹ و ۲۰۱۰ به طور میانگین بالای ۹۹ درصد در هر سال بوده است و به سختی از ان زمان کند شده است . متاسفانه ، این نتایج اقتصادی قابل ملاحظه به هزینه انتشار صنعتی بلند پرواز نزدیک شده بودند که مقامات چینی تا کنون نقض کرده اند . این موضوع علی رغم میلیارد ها ین سرمایه گذاری ناشی از میراث نواوری های ضدآلودگی دولت اصلی از جمله برای مثال اقدام دولتی در زمینه کنترل آلودگی ناشی از محصولات اطلاعات الکترونیکی در مارس ۲۰۰۷ بوده است ( تسای و همکاران ۲۰۱۳) .
تخمین زده می شود که آلودگی هوا در نوع خودش مسئول ۳۵۰۰۰۰ تا ۵۰۰۰۰۰ مرگ نابهنگام تخمینی در هر سال در چین می باشد ( چن و همکاران ۲۰۱۳ ) .
وقتی سمی شدن آب ، هوا و خاک ادامه می یابد تا آزیر خطر را به صدا در اورد ، جایی شگفتی نیست که مصرف کنندگان جوان چینی به طور فزاینده ای به گزینه ها و اقدامات زیست محیطی / سبز نزدیک میشوند .
از اینرو ، رشد اهمیت مدیریت زنجیره تامین سبز که در عمل باعث بهبود همکاری میان تامین کننده های دوستار محیط زیست با مزیت تجاری دراز مدت اشان می شود ( رائو ۲۰۰۲) .
روش های تحقیق عملیات به طور فزاینده ای در تحلیلمرتبط با GSCM رایج شده اند : بویژه سیستم های پشتیبانی تصمیم و مشخصه مدیریت فهرست موجودی به طور برجسته ای در مطالعه لجستیک های الکترونیکی توسط سارکیس و همکاران (۲۰۰۴) ؛ فرایند شبکه تحلیلی و مدل سازی دارایی توسط ژو و همکاران (۲۰۱۰) برای ارزیابی قدرت نسبی تامین کنندگان و عملکرد استفاده می شوند و مدل سازی معادله ساختاری توسط لی و همکارانش (۲۰۱۲) مورد بهره برداری قرار می گیرد تا سندی تهیه گردد که شیوه GSCM به طور مستقیم بر عملکرد از طریق میانجیگری متغیر های عملکرد رابطه ای و عملیاتی تاثیر می گذارد . تحلیل توسعه داده این اواخر توسط بای و سارکیس (۲۰۰۴) استفاده شده است تا شاخص های عملکرد کلیدی تاثیر گذار بر عملکرد پایداری تامین کننده را شناسایی نماید نظر به این که چشم انداز های شبکه اجتماعی ، مبتنی بر منبع ، سازمانی و سهامدار توسط وارسیس و همکاران (۲۰۱۴) پذیرفته شده اند تا عملکرد قابلیت بقاء تامین کننده براورد گردد . بای و همکاران (۲۰۱۲) در مقایسه یک براورد از عملکرد تامین کننده را با استفاده از فرضیه مجموعه دشوار همسایگی خاکستری محور فراهم می کنند . اکنون بررسی با اضافه کردن تدریجی این تجربه تحلیل متنوع که توضیح داده شده است شامل استفاده از فرایند سلسله مراتبی تحلیلی ، انتروپی و تکنیک ترجیح مرتبه از طریق شباهت با راه حل ایده ال برای بهینه سازی انتخاب تامین کننده سبز می باشد ( هو و هسو ۲۰۰۶ ؛ سیورینگ و مولر ۲۰۰۸) . سیستم شاخص برای کمک به این موضوع اخر توسع یافته است که تامین کننده سنتی و به طور همزمان معیار های انتخاب تامین کننده زیست محیطی یکپارچه شده است .
رویکرد طراحی موردی برای تحقیق پذیرفته شده است – داده ها تهیه شده توسط جمهوری خلق چین بر اساس شرکت های اندازه کوچک و متوسط – به کار ژو و همکارانش (۲۰۰۵) در زمینه تحقیق GCSM مبتین بر جمهوری خلق چین رجوع کنید .
بخش بعدی به بازنگری ادبیات تحقیق جدید در مورد GCMS ، سیستم های شاخص انتخاب تامین کننده و مدل های انتخاب تامین کننده می پردازد. روش های جمع اوری دادخ در ادامه به طور دقیق توصیف می گرند و شرکت موردی و رویکرد تحلیل معرفی می شود .

عنوان انگلیسی:Green supplier selection using an AHP-Entropy-TOPSIS framework~~en~~

۱ Introduction

Between 1979 and 2010, China’s real gross domestic product (GDP) growth averaged over 9.9 per cent per annum and has hardly slackened since. Unfortunately, these remarkable economic results have come at the expense of soaring industrial effluence which Chinese authorities have yet to reverse. This is despite billions of yen of investment resulting from a succession of major government anti-pollution initiatives (Chiou et al., 2008) including, for example, the Administrative Measure on the Control of Pollution Caused by Electronic Information Products in March 2007 (Tsai et al., 2013) . It is estimated that air pollution, on its own, is responsible for an estimated 350,000-500,000 premature deaths in China every year (Chen et al., 2013). As poisoning of the country’s air, water and soil continues to take its toll, it comes as no surprise that young Chinese consumers are increasingly drawn to “green”/environmental measures and alternatives. Hence, the growing importance of green supply chain management (GSCM), which, in effect, promotes cooperation amongst environmentally friendly suppliers to their long-term trading advantage (Rao, 2002). Operations research methods have become increasingly prevalent in GSCM-related analysis: in particular, decision support systems and inventory management feature prominently in an e-logistics study by Sarkis et al. (2004); analytic network process and portfolio modelling are used by Zhu et al. (2010) to evaluate suppliers’ relative power and performance and structural equation modelling is exploited by Lee et al. (2012) to provide evidence that GSCM practice influences business performance indirectly – through the mediating variables of operational and relational efficiency. Most recently, data envelopment analysis has been used by Bai and Sarkis (2004) to identify key performance indicators (KPI’s) influencing suppliers’ sustainability performance, whereas resource-based, institutional, stakeholder and social network perspectives have been adopted by Varseyi et al. (2014) to assess supplier’s sustainability performance. In contrast, Bai et al. (2012) provide an assessment of supplier performance using grey-based neighbourhood rough set theory. Building on this diverse analytical experience, the study now described involves the use of analytic hierarchy process (AHP), Entropy and technique for order preference by similarity to the ideal solution (TOPSIS) for optimising green supplier selection (Hu and Hsu, 2006; Seuring and Muller, 2008).To assist with the latter, an index system was developed, which integrated traditional supplier and environmental supplier selection criteria simultaneously. A case design approach was adopted for the research – data being provided by a People’s Republic of China (PRC)-based small and medium-sized enterprise (SME) – see Zhu et al. (2005) on unrelated PRC-based GCSM research. The next section reviews recent literature on GCSM, supplier selection index systems and supplier selection models. Following on, data collection methods are detailed and the case company and analytical approach introduced.

$$en!!