ارزیابی زنجیره تأمین سبز شرکت های تولیدی کوچک و متوسط با استفاده از ترکیب قواعد وابستگی و سیستم استنتاج فازی از منظر جامعه شناسی محیط زیست

نوع مقاله: علمی پژوهشی

نویسندگان

1 دانشجوی دکتری ، گروه مدیریت، واحد امارات، دانشگاه آزاد اسلامی، دبی، امارات متحده عربی

2 دانشیار، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

3 دانشیار، گروه مدیریت، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

4 دانشیار ،گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

5 استادیار، گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

مقررات قانونی زیست محیطی، فشارهای ذینفعان و جهانی شدن، بنگاه‌ها و سازمان‌ها را به سمت توسعه شیوه‌ها و عملکردهای زیست محیطی سوق داده است؛ بر همین اساس هدف این مقاله ارزیابی زنجیره تأمین سبز شرکت‌های تولیدی کوچک و متوسط با استفاده از ترکیب قواعد وابستگی و سیستم استنتاج فازی می-باشد. این پژوهش از منظر هدف، کاربردی و بر اساس روش انجام پژوهش توصیفی مدلسازی بوده است. جامعه آماری این پژوهش شامل کلیه شرکت‌های تولیدی کوچک و متوسط در استان آذربایجان‌شرقی بوده است. نمونه آماری 297 شرکت تعیین شده است. برای جمع‌آوری داده‌ها از پرسشنامه محقق ساخته استفاده شده است. برای بررسی اعتبار پرسشنامه، از اعتبار سازه بر اساس تحلیل عاملی تأییدی استفاده شده است. برای بررسی پایایی نیز از ضریب آلفای کرونباخ بهره گرفته شده است. پرسشنامه‌های تحقیق، پس از تأیید اعتبار و پایایی در بین اعضای نمونه آماری توزیع شده است. به منظور ارزیابی زنجیره تأمین سبز شرکت‌ها از سیستم استنتاج فازی بر اساس توابع عضویت مثلثی، استنتاج ممدانی و قواعد وابستگی بهره گرفته شده است. نتایج نشان می‌دهد که سیستم طراحی شده با 43 قاعده وابستگی، قادر است تا میزان سبز بودن زنجیره تأمین شرکت‌ها را بر اساس مقادیر عدد ی و واژه‌های زبانی ارزیابی نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluating the green supply chain of small and medium-sized manufacturing companies using a combination of association rule mining and fuzzy inference system from the perspective of environmental sociology

نویسندگان [English]

  • easa narimani 1
  • Nasser Fegh-hi Farahmand 2
  • nazanin pilevari 3
  • Kamaleddin rahmani 4
  • mohammadreza motadel 5
1 Ph.D. Student, Department of Management, UAE Branch, Islamic Azad University, Dubai, United Arab Emirates
2 Associate Professor, Department of Management, Tabriz Branch, Islamic Azad University, Tabriz, Iran
3 Associate Professor, Department of Management, West Tehran Branch, Islamic Azad University, Tehran, Iran
4 Associate Professor, Department of Management, Tabriz Branch, Islamic Azad University, Tabriz, Iran
5 Assistant Professor, Department of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

Environmental legal regulations, stakeholder pressures, and globalization have led firms and organizations to develop environmental practices and practices; Accordingly, the purpose of this paper is to evaluate the green supply chain of small and medium-sized manufacturing companies using a combination of dependency rules and fuzzy inference system. This research has been applied from the point of view of purpose and based on the method of conducting descriptive modeling research. The statistical population of this study included all small and medium production companies in East Azarbaijan province. Stati.stical sample of 297 companies has been determined. A researcher-made questionnaire was used to collect the data. To investigate the validity of the questionnaire, the validity of the structure was used based on confirmatory factor analysis. Cronbach's alpha coefficient was also used to evaluate the reliability. The research questionnaires were distributed among the members of the statistical sample after confirmation of validity and reliability. In order to evaluate the green supply chain of companies, fuzzy inference system has been used based on triangular membership functions, Mamdani inference and dependency rules. The results show that a system designed with 43 dependency rules is able to assess the greenness of a company's supply chain based on numerical values and linguistic terms

کلیدواژه‌ها [English]

  • Fuzzy Inference System
  • Green Supply Chain
  • SME