مهندسی سیستم و بهره‌وری

مهندسی سیستم و بهره‌وری

شناسایی و اولویت‌بندی شاخص‌های عملکرد زنجیره تأمین سفارش‌مبنا در صنعت آلومینا با رویکرد آمیخته

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان
سیدداود احمدی مطلق 1
مهرداد حسینی شکیب 2
سیدجواد ایرانبان فرد 3
بیژن نهاوندی 1
1 گروه مدیریت صنعتی، دانشکده مدیریت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
3 گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
10.22034/sep.2026.2093677.1524
چکیده
این پژوهش باهدف شناسایی و اولویت‌بندی شاخص‌های مؤثر بر بهبود عملکرد زنجیره تأمین سفارش‌مبنا در صنعت آلومینا، با تأکید بر نقش مدیریت ارتباط با مشتری، انجام‌شده است. با توجه به افزایش رقابت، گسترش راهبردهای تولید بر مبنای سفارش و اهمیت روزافزون رضایت و وفاداری مشتری، بازنگری در شاخص‌های ارزیابی عملکرد زنجیره تأمین ضروری است. پژوهش حاضر ازنظر هدف کاربردی و ازنظر روش، آمیخته کیفی - کمّی است. در مرحله نخست، مرور نظام‌مند ادبیات با استفاده از پروتکل جست‌وجوی شفاف در پایگاه‌های معتبر خارجی و منابع فارسی طی سال‌های ۲۰۱۰ تا ۲۰۲۵ انجام شد که از میان ۳۸۷ مطالعه اولیه، ۳۴ پژوهش برای تحلیل نهایی انتخاب شد. در مرحله دوم، مصاحبه‌های نیمه‌ساختاریافته با ۱۰ نفر از خبرگان دانشگاهی و صنعتی انجام و داده‌ها با روش تحلیل مضمون بررسی شد. نتایج این مرحله به استخراج ۴۲ کد اولیه، ۱۲ کد محوری و سه مضمون اصلی شامل عملکرد عملیاتی، عوامل مشتری‌محور و پشتیبانی زنجیره تأمین منجر شد. در مرحله سوم، وزن‌دهی شاخص‌ها با استفاده از روش بهترین-بدترین فازی و دفازی‌سازی به روش GMIR انجام گرفت. یافته‌ها نشان داد که رضایت مشتری با وزن 0/238، زمان تحویل با 0/205، انعطاف‌پذیری تولید با 0/162 و کیفیت محصول با 0/148 مهم‌ترین شاخص‌های ارزیابی عملکرد هستند. همچنین مؤلفه‌های مرتبط با مدیریت ارتباط با مشتری شامل رضایت مشتری، سطح خدمت‌دهی و شفافیت اطلاعات، درمجموع 0/364 از وزن نهایی مدل را به خود اختصاص دادند که نشان‌دهنده نقش تعیین‌کننده این رویکرد در ارتقای عملکرد زنجیره تأمین سفارش‌مبنا در صنعت آلومینا است.

تازه های تحقیق

  • مدیریت ارتباط با مشتری، محور بهبود عملکرد زنجیره تأمین سفارش‌مبنا است.
  • موفقیت زنجیره تأمین سفارش‌مبنا، وابسته به پاسخگویی مؤثر به مشتری است.
  • روش بهترین-بدترین فازی، اولویت‌بندی دقیق شاخص‌ها را ممکن می‌سازد.

کلیدواژه‌ها
زنجیره تأمین سفارش‌مبنا
مدیریت ارتباط با مشتری
صنعت آلومینا
شاخص‌های عملکردی
رویکرد آمیخته اکتشافی
روش بهترین-بدترین فازی
موضوعات

عنوان مقاله English

Identification and Prioritization of Performance Indicators in Make-to-Order Supply Chains in the Alumina Industry Using a Mixed-Methods Approach

نویسندگان English

Sayyid Davoud Ahmadi Motlagh 1
Mehrdad Hosseini Shakib 2
Seyed Javad Iranbanfard 3
Bijan Nahavandi 1
1 Department of Industrial Management, Faculty of Management, SR.C., Islamic Azad University, Tehran, Iran
2 Department of Industrial Management, Ka.C, Islamic Azad University, Karaj, Iran
3 Department of Management, Shi.C., Islamic Azad University, Shiraz, Iran
چکیده English

This study identifies and prioritizes key indicators for improving make-to-order supply chain performance in the alumina industry, with particular emphasis on customer relationship management (CRM). Using an applied mixed-methods design, the research combined a systematic literature review, expert interviews, and multi-criteria decision-making. A systematic review of studies published between 2010 and 2025 across major international and Persian databases resulted in 34 eligible studies from 387 initial records. Semi-structured interviews with 10 industrial and academic experts were then analyzed thematically, reducing 42 initial codes to 12 axial codes and three main themes: operational performance, customer-oriented factors, and supply chain support. Finally, the identified indicators were prioritized using the Fuzzy Best–Worst Method and GMIR defuzzification. The results show that customer satisfaction (0.238), delivery time (0.205), production flexibility (0.162), and product quality (0.148) are the most influential indicators. Total supply chain cost, service level, and information transparency play complementary roles. Overall, CRM-related indicators account for 0.364 of the total weight, highlighting CRM as a major determinant of make-to-order supply chain performance in the alumina industry.

کلیدواژه‌ها English

Make-to-Order Supply Chains
Customer Relationship Management
Alumina Industry
Performance Indicators
Mixed Exploratory Approach; Fuzzy Best &‌‌‌ Worst Method

Copyright © Sayyid Davoud Ahmadi Motlagh, Mehrdad Hosseini Shakib, Seyed Javad Iranbanfard, Bijan Nahavandi

 

License

This article is released under the Creative Commons Attribution (CC BY 4.0) license. Anyone is free to copy, share, translate, and adapt this article for any purpose, whether commercial or non-commercial, as long as proper citation is given to the authors and original publication.

Anwar, M., Khan, S., & Zhang, Y. (2025). Supply chain integration as a strategic management tool to improve operational performance. Journal of Manufacturing Technology Management, 36(2), 245–262. https://doi.org/10.1007/s43621-025-00867-w
Blanchard, D. (2021). Supply chain management best practices (3rd ed.). John Wiley & Sons.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Chopra, S., & Meindl, P. (2016). Supply chain management: Strategy, planning, and operation. Pearson Education. https://doi.org/10.1007/978-3-8349-9320-5_22
Gaalman, G., Disney, M., & Wang, X. (2022). When bullwhip increases in the lead time: An eigenvalue analysis of ARMA demand. International Journal of Production Economics, 250, 108623. https://doi.org/10.1016/j.ijpe.2022.108623
Gijsbrechts, J., Boute, R. N., Disney, S. M. & Mieghem, J. A. V. (2025). Volume flexibility at responsive suppliers in reshoring decisions: analysis of a dual sourcing inventory model. Production and Operations Management, 34(5), 1114–1133. https://doi.org/10.1111/poms.13719
Kawa, A., & Maryniak, A. (2019). Lean and agile supply chains of e-commerce: Empirical research. Journal of Information and Telecommunications, 3(2), 235–247. https://doi.org/10.1080/24751839.2018.1553915
Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174. https://doi.org/10.2307/2529310
Lawshe, C.H., (1975). A quantitative approach to content validity. Personnel psychology.28, 563–575. https://doi.org/10.1111/j.1744-6570.1975 .tb01393.x9
Liang, F., Brunelli, J. & Rezaei, J. (2020). Consistency issues in the best worst method: Measurements and thresholds. Omega, Elsevier, 96(1), 891–907. https://doi.org/10.1016/j.omega.2019.102175
Liu, A., Liu, H., & Gu, J. (2021). Linking business model design and operational performance: The mediating role of supply chain integration. Industrial Marketing Management, 96, 60–70. https://doi.org/10.1016/j.indmarman.2021.04.009
Raghunathan, S., Tang, C. S., & Yue, X. (2017). Analysis of the bullwhip effect in a multiproduct setting with interdependent demands. Operations Research, 65(2), 424–432. https://doi.org/10.1287/opre.2016.1571
Saberinejad, N., Homayounfar, M., Fadaei, M., & Taleghani, M. (2023). Designing an integrated model to evaluate and select lean and agile suppliers of the automotive industry with a combined approach of fuzzy Delphi, SWARA and ARAS. Journal of Executive Management, 15(29), 201-229. (In Persian). https://doi.org/10.22080/JEM.2022.22787.3681
Saputro, T. E., Figueira, G., & Almada-Lobo, B. (2022). A comprehensive framework and literature review of supplier selection under different purchasing strategies. Computers & Industrial Engineering, 167, 108010. https://doi.org/ 10.1016/j.cie.2022.108010
Siagian, H., Tarigan, Z. J. H., & Jie, F. (2021). Supply chain integration enables resilience, flexibility, and innovation to improve business performance in the COVID-19 era. Sustainability, 13(9), 4669. https://doi.org/10.3390/su13094669
Singh, Y., & Disney, S. M. (2026). On the transition from make-to-stock to make-to-order. European Journal of Operational Research, 330(2), 444-457.  https://doi.org/10.1016/j.ejor.2025.08.053
Tanhaie, F. & Nahavandi, N. (2017). Solving product mix problem in multiple constraints environment using goal programming. Journal of Industrial Engineering and Management Studies. 4(1), 1-12. https://doi.org/10.22116/jiems.2017.51960
Tanhaie, F. (2023). Customer demand management in the optimal assignment of tasks to work stations according to priority orders. Industrial Management Studies, 21(70), 227-260. (In Persian). https://doi.org/10.22054/jims.2023.73390.2860
Tanhaie, F. (2024). Applying a multi-objective particle swarm optimization algorithm for sequencing and balancing a mixed-model assembly line problem with setup times between tasks. Journal of Applied Research on Industrial Engineering. 11(3), 350-368. https://doi.org/10.21203/rs.3.rs-2327903/v1
Tanhaie, F. (2026). Reinforcement learning framework for workload distribution and scheduling in multi-model production lines. System Engineering and Productivity. 6(3), 287-301. (In Persian). https://doi.org/10.22034/sep.2026.2077232.1426
Waltz, C. W., & Bausell, R. B. (1981). Nursing Research: Design, Statistics and Computer Analysis. Philadelphia, PA: F.A. Davis.
Wang, Y. (2022). Supply chain management and customer relationship management: how technovation empower their integration. In The Palgrave Handbook of Supply Chain Management (pp. 1-27). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-89822-9_60-1
Wong, W., Sinnandavar, C. M., & Soh, K. (2021). The relationship between supply environment, supply chain integration and operational performance: The role of business process in curbing opportunistic behaviour. International Journal of Production Economics, 232, 107966. https://doi.org/10.1016/j.ijpe.2020.107966
Zhao, X., Wang, P., & Pal, R. (2021). The effects of agro-food supply chain integration on product quality and financial performance: Evidence from Chinese agro-food processing business. International Journal of Production Economics, 231, 107832. https://doi.org/10.1016/j.ijpe.2020.107832
Zhou, Y., & Mei, H. (2025). Supply chain integration and innovation performance of manufacturing firms: The moderating role of research and development investment intensity. Plos One, 20(2), e0316251. https://doi.org/10.1371/journal.pone.0316251
Zhu, Z. (2022). The relationship between supply chain management and customer relationship management. In 2022 7th International Conference on Financial Innovation and Economic Development (ICFIED 2022) (pp. 3028-3033). Atlantis Press. https://doi.org/10.2991/aebmr.k.220307.494
مهندسی سیستم و بهره‌وری

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 01 شهریور 1405

  • تاریخ دریافت 17 تیر 1405
  • تاریخ بازنگری 18 مرداد 1405
  • تاریخ پذیرش 29 مرداد 1405
  • تاریخ اولین انتشار 01 شهریور 1405
  • تاریخ انتشار 01 شهریور 1405