مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 1 2025 05 22 Prioritizing factors affecting the quality of managerial decision-making اولویت‌بندی عوامل موثر بر کیفیت تصمیم‌گیری مدیران 1 19 222985 10.48313/jqem.2025.526147.1551 FA علی بهرامی گروه مدیریت و مهندسی صنایع، گروه تحقیقاتی سیستم‌های صنعتی هوشمند مروارید، ایران. 0009-0006-8708-7664 Journal Article 2024 11 19 Purpose: Given the increasing complexity and uncertainty in today's organizational environments, making informed, timely, and flexible decisions is of paramount importance for ensuring the sustainability and long-term growth of organizations. Accordingly, the present study aims to identify and prioritize individual, group, organizational, technological, and environmental factors that influence the quality of managerial decision-making, thereby providing a practical framework for enhancing decision-making capacity and increasing organizational resilience. Methodology: This study is applied in nature and adopts a descriptive-analytical approach. Initially, a comprehensive set of factors was extracted through a systematic literature review. Then, a five-member expert panel was formed to identify the evaluation criteria, and the required data were collected using intuitionistic fuzzy numbers. The relative weights of the criteria were calculated using the FUCOM method, and the alternatives were finally prioritized using an aggregated decision matrix based on the multi-criteria WASPAS method. Findings: Specialized knowledge is the most significant factor influencing the quality of managerial decision-making. It was followed by participative decision-making and data accuracy and reliability, which ranked second and third, respectively. In contrast, factors such as organizational structure and the legal, cultural, and social environment had the least impact. Overall, these results highlight the importance of focusing on internal and controllable factors to enhance organizational sustainability in dynamic environments. Originality/Value: This research is among the first to provide a comprehensive prioritization of individual-to-environmental factors affecting the quality of managers' decisions by integrating a systematic literature review, intuitionistic fuzzy numbers, the FUCOM method, and the WASPAS method. The resulting framework not only enriches theoretical understanding but also serves as a practical guide for policymakers and managers in optimal resource allocation. هدف: با توجه به پیچیدگی‌ها و عدم‌قطعیت‌های فزآینده در محیط‌های سازمانی امروزی، اتخاذ تصمیم‌های آگاهانه، به‌موقع و انعطاف‌پذیر برای حفظ پایداری و رشد بلندمدت سازمان‌ها از اهمیت ویژه‌ای برخوردار است. بر این اساس، هدف پژوهش حاضر تمرکز بر شناسایی و اولویت‌بندی عوامل فردی، گروهی، سازمانی، فناورانه و محیطی موثر بر کیفیت تصمیم‌گیری مدیران است تا چارچوبی عملی برای تقویت توان تصمیم‌سازی و افزایش تاب‌آوری سازمان‌ها ارایه شود. روش‌شناسی پژوهش: مطالعه از نوع کاربردی با رویکرد توصیفی–تحلیلی است. ابتدا از طریق مرور نظام‌مند ادبیات، مجموعه‌ای جامع از عوامل استخراج شد. سپس با تشکیل تیم پنج‌نفره خبرگان، معیارهای ارزیابی شناسایی و داده‌های موردنیاز پژوهش در قالب اعداد فازی شهودی گردآوری گردید. وزن‌های نسبی معیارها با استفاده از روش FUCOM محاسبه و در نهایت، اولویت‌بندی نهایی گزینه‌ها بر مبنای ماتریس تصمیم تجمیعی با روش چندمعیاره WASPAS صورت گرفت. یافته‌ها: یافته‌های پژوهش نشان داد که دانش تخصصی مهم‌ترین عامل موثر بر کیفیت تصمیم‌گیری مدیران است. پس از آن، تصمیم‌گیری مشارکتی و صحت و دقت داده‌ها در رتبه‌های دوم و سوم قرار گرفتند. در مقابل، عواملی مانند ساختار سازمانی و محیط حقوقی، فرهنگی، اجتماعی کمترین تاثیر را داشته‌اند. این یافته‌ها در مجموع بر اهمیت تمرکز سازمان بر عوامل درونی و قابل‌کنترل به‌منظور افزایش پایداری در محیط‌های متغیر تاکید دارند. اصالت/ارزش‌افزوده علمی: این تحقیق از نخستین مطالعاتی است که با تلفیق مرور نظام‌مند ادبیات، اعداد فازی شهودی، روش FUCOM و روش WASPAS، اولویت‌بندی جامع عوامل فردی تا محیطی موثر بر کیفیت تصمیمات مدیران را ارایه می‌دهد. چارچوب حاصل، علاوه بر غنای نظری، راهنمای عملی در تخصیص بهینه منابع سیاست‌گذاران و مدیران فراهم می‌آورد.

https://www.pqprc.ir/article_222985_0e7d0391efcf6208f249111afbd63d5d.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 1 2025 05 22 Bayesian calculation of the quality of the Kullback-Leibler divergence in normal distributions برآورد بیزی معیار واگرایی کولبک – لیبلر در توزیع‌های نرمال 20 30 220642 10.48313/jqem.2025.519761.1518 FA پرویز نصیری گروه آمار، دانشگاه پیام نور، تهران، ایران. 0000-0002-0827-4853 سمانه افشار مقدم گروه آمار، دانشگاه پیام نور، تهران، ایران. مسعود یارمحمدی گروه آمار، دانشگاه پیام نور، تهران، ایران. 0000-0001-7038-7106 Journal Article 2024 09 15 Purpose: In statistical data analysis and modeling, assessing the similarity or divergence between two probability distributions is of great importance. One of the most widely used metrics for this purpose is the Kullback-Leibler (KL) divergence, which quantifies the informational distance between distributions. This study aims to analyze the KL divergence between two normal distributions with equal variance and to compare the performance of different estimation methods for this measure. Methodology: In this study, the exact value of the Kullback–Leibler divergence between two normal distributions with equal variance is first analytically derived, and then three estimation methods (maximum likelihood, Bayesian, and shrinkage) are proposed to estimate this measure. The performance of each estimator is evaluated via Monte Carlo simulations using the Mean Squared Error (MSE) criterion. Findings: The simulation results indicate that the Bayesian estimator outperforms the MLE in terms of estimation accuracy. Furthermore, the shrinkage estimator performs best, achieving the lowest MSE among the three methods. This argument suggests that incorporating prior information or penalization techniques can significantly improve estimation quality. Originality/Value: This study contributes to the literature by providing a detailed comparison of classical and modern estimation techniques for KL divergence in the context of normal distributions with equal variance. The novelty lies in integrating shrinkage methodology and demonstrating its superior performance, which is quantitatively validated through simulations. The findings have practical implications across fields such as machine learning, signal processing, and information theory. هدف: در تحلیل‌ها و مدل‌سازی‌های آماری، ارزیابی شباهت یا تفاوت بین دو توزیع احتمالی اهمیت زیادی دارد. یکی از پرکاربردترین معیارها برای این منظور، واگرایی کولبک-لیبلر است که فاصله اطلاعاتی بین دو توزیع را اندازه‌گیری می‌کند. هدف این مطالعه، تحلیل واگرایی KL بین دو توزیع نرمال با واریانس برابر و مقایسه عملکرد روش‌های مختلف برآورد این معیار است. روش‌شناسی پژوهش: در این پژوهش ابتدا مقدار دقیق واگرایی کولبک–لیبلر بین دو توزیع نرمال با واریانس برابر به‌صورت تحلیلی به‌دست می‌آید، سپس سه روش مختلف برای برآورد این معیار پیشنهاد می‌شود؛ برآورد حداکثر درست‌نمایی، برآورد بیزی و برآورد شریونده عملکرد هر یک از این برآوردگرها از طریق شبیه‌سازی مونت‌کارلو و با استفاده از معیار میانگین مربعات خطا ارزیابی می‌شود. یافته‌ها: نتایج شبیه‌سازی نشان می‌دهد که برآوردگر بیزی نسبت به MLE دقت بالاتری در برآورد دارد. علاوه بر این، برآوردگر شریونده بهترین عملکرد را دارد و کمترین مقدار MSE را در میان سه روش به‌دست می‌آورد. این یافته نشان می‌دهد که بهره‌گیری از اطلاعات پیشین یا تکنیک‌های جریمه‌گذاری می‌تواند به‌طور قابل‌توجهی کیفیت برآورد را بهبود بخشد. اصالت/ارزش‌افزوده علمی: این مطالعه با ارایه مقایسه‌ای جامع بین تکنیک‌های کلاسیک و نوین برای برآورد واگرایی KL در زمینه توزیع‌های نرمال با واریانس برابر، به ادبیات علمی کمک می‌کند. نوآوری پژوهش در به‌کارگیری روش شریونده و عملکرد برتر آن است که به‌صورت کمی از طریق شبیه‌سازی تأیید شده است. این یافته‌ها کاربردهای عملی در حوزه‌هایی مانند یادگیری ماشین، پردازش سیگنال و نظریه اطلاعات دارند.

https://www.pqprc.ir/article_220642_03229cc001fafe86b036c49839e31767.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 1 2025 05 22 Designing an integrated green supply chain model with an emphasis on improving environmental quality and increasing customer satisfaction طراحی مدل یکپارچه زنجیره‌تامین سبز با تاکید بر بهبود کیفیت زیست‌محیطی و افزایش رضایت مشتری 31 49 220685 10.48313/jqem.2025.514959.1511 FA عبدالله آراسته گروه مهندسی صنایع، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران. 0000-0001-9142-1481 Journal Article 2025 04 04 Purpose: The purpose of this paper is to address one of the most critical challenges faced by organizations today: controlling carbon dioxide emissions. This study aims to provide a model for designing a green supply chain network that minimizes total network costs while incorporating environmental considerations. The research seeks to achieve a balanced optimization of costs, carbon emissions, and service levels in supply chain management. Methodology: This study proposes a novel integrated optimization model that considers economic, environmental, and customer satisfaction aspects within the supply chain network. The mathematical model is formulated as a Mixed-Integer Nonlinear Programming (MINLP) problem. An exact method is employed to solve the model, which is coded and implemented using GAMS optimization software. The efficiency and effectiveness of the model are validated through numerical examples and data analysis. Findings: The results demonstrate the model's ability to optimize both economic and environmental dimensions while maintaining high service levels and customer satisfaction. The numerical examples, solved for problems of varying dimensions, confirm the practicality and effectiveness of the proposed approach. The findings highlight the trade-offs between cost minimization, carbon emission reduction, and service quality in supply chain networks. Originality/Value: This research contributes to the field by presenting a new integrated optimization model that simultaneously addresses cost efficiency, environmental sustainability, and customer satisfaction in green supply chain design. The use of a mixed-integer nonlinear programming approach and its implementation in GAMS provides a robust framework for solving complex supply chain problems. The study offers valuable insights for organizations aiming to achieve sustainability goals while maintaining economic viability and customer-centric operations. هدف: هدف این مقاله، بررسی یکی از چالش‌های اساسی است که سازمان‌ها در عصر حاضر با آن روبرو هستند؛ کنترل انتشار دی‌اکسید‌‌کربن. این مطالعه قصد دارد مدلی برای طراحی شبکه زنجیره‌تامین سبز ارایه دهد که هزینه‌های کلی شبکه را به حداقل برساند و در عین‌حال، ملاحظات زیست‌محیطی را نیز مد‌نظر قرار دهد. این پژوهش در پی دستیابی به یک بهینه‌سازی متعادل میان هزینه‌ها، انتشار کربن و سطح خدمات در حوزه مدیریت زنجیره‌تامین است. روش‌شناسی پژوهش: این مطالعه یک مدل بهینه‌سازی یکپارچه نوآورانه ارایه می‌دهد که جنبه‌های اقتصادی، زیست‌محیطی و رضایت مشتری را در شبکه زنجیره‌تامین در‌نظر می‌گیرد. مدل ریاضی به‌صورت یک مساله برنامه‌ریزی غیرخطی مختلط-عدد صحیح فرمول‌بندی شده است. یک روش دقیق برای حل مدل به‌کار گرفته شده که با استفاده از نرم‌افزار بهینه‌سازی GAMS کدنویسی و پیاده‌سازی شده است. کارایی و اثربخشی مدل از طریق مثال‌های عددی و تحلیل داده‌ها مورد اعتبارسنجی قرار گرفته است. یافته‌ها: نتایج، توانایی مدل را در بهینه‌سازی ابعاد اقتصادی و زیست‌محیطی در کنار حفظ سطح بالای خدمات و رضایت مشتری نشان می‌دهد. مثال‌های عددی که برای مسایل با ابعاد مختلف حل شده‌اند، کاربردی و موثر‌بودن رویکرد پیشنهادی را تایید می‌کنند. یافته‌ها به تعادل‌های میان کاهش هزینه، کاهش انتشار کربن و کیفیت خدمات در شبکه‌های زنجیره‌تامین اشاره دارند. اصالت/ارزش افزوده علمی: این پژوهش با ارایه یک مدل بهینه‌سازی یکپارچه جدید که به‌طور هم‌زمان به کارایی هزینه، پایداری زیست‌محیطی و رضایت مشتری در طراحی زنجیره‌تامین سبز می‌پردازد، به حوزه علمی کمک می‌کند. استفاده از رویکرد برنامه‌ریزی غیرخطی مختلط-عدد صحیح و پیاده‌سازی آن در نرم‌افزار GAMS، چارچوبی قوی برای حل مسایل پیچیده زنجیره‌تامین فراهم می‌کند. این مطالعه بینش‌های ارزشمندی را برای سازمان‌هایی ارایه می‌دهد که قصد دارند به اهداف پایداری دست یابند، در حالی‌که به قابلیت‌های اقتصادی و عملیات مشتری‌محور خود پایبند هستند.

https://www.pqprc.ir/article_220685_41bacba5546262fbc817ad6d5f267744.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 1 2025 05 22 Design of an integrated model combining ALT and ADT for lifetime estimation in the reliability analysis of a Turbine Engine Nozzle طراحی یک مدل تلفیقی از آزمون‌های ALT و ADT برای محاسبه طول عمر در قابلیت اطمینان نازل یک موتور توربینی 50 66 222506 10.48313/jqem.2025.522859.1523 FA زهرا اظهری گروه مهندسی صنایع، مجتمع دانشگاهی صنایع و مدیریت دانشگاه مالک اشتر، اصفهان، ایران. مهدی کرباسیان گروه مهندسی صنایع، مجتمع دانشگاهی صنایع و مدیریت دانشگاه مالک اشتر، اصفهان، ایران. 0000-0001-9132-5078 بهروز شهریاری مجتمع دانشگاهی مکانیک، دانشگاه صنعتی مالک اشتر، اصفهان، ایران. 0000-0001-6262-946X Journal Article 2025 05 12 Purpose: Reliability is one of the most critical quality characteristics of components, products, and systems. Unlike other attributes, it cannot be directly measured and is usually evaluated only after significant operational time under real conditions. However, waiting for long-term field data may reduce market competitiveness in commercial industries and pose serious safety risks in sensitive systems such as military equipment. Therefore, reliability prediction plays a vital role in key decision-making areas such as product release timing, warranty policies, and maintenance planning. This study aims to present an integrated model based on accelerated degradation testing and accelerated life testing to predict the lifetime of a turbine engine nozzle under operational conditions. Methodology: Initially, the ADT was designed and conducted to monitor the degradation trend of the nozzle's critical feature at various temperature and time levels. Using the power-law and Arrhenius acceleration models, acceleration parameters and the activation energy were estimated. Subsequently, the ALT was performed under high-stress thermal conditions using the extracted parameters, and the corresponding failure times were recorded. Finally, by integrating the results of both tests and applying statistical methods such as maximum likelihood estimation and degradation path modeling, the system's lifetime distribution was modeled. Findings: The implementation of the proposed model on a turbine engine nozzle demonstrated its ability to predict lifetime accurately and to reduce testing time and cost significantly. Originality/Value: This model introduces a novel analytical framework that systematically combines two testing methods (ADT and ALT), with the output of one serving as input to the other. The proposed approach can be generalized and applied to other critical industrial and defense-related products. هدف: قابلیت اطمینان یکی از ویژگی‌های کیفی مهم برای قطعات، محصولات و سیستم‌ها است که برخلاف سایر ویژگی‌ها، مستقیما قابل اندازه‌گیری نیست و معمولا تنها پس از طی زمان قابل‌توجهی در شرایط عملیاتی واقعی قابل ارزیابی است. با این‌حال، انتظار برای جمع‌آوری داده‌های میدانی ممکن است در صنایع تجاری منجر به کاهش فروش و در سیستم‌های حساس مانند تجهیزات نظامی، تهدیدی جدی برای ایمنی افراد باشد. از ‌این‌رو، پیش‌بینی قابلیت اطمینان نقش مهمی در تصمیم‌گیری‌های کلیدی نظیر زمان عرضه محصول، سیاست گارانتی و برنامه‌ریزی نگه‌داری ایفا می‌کند. هدف این پژوهش، ارایه یک مدل تلفیقی از آزمون‌های تنزل کارکرد و آزمون‌های عمر شتاب‌یافته به‌منظور پیش‌بینی طول عمر نازل موتور توربینی در شرایط عملیاتی است. روش‌شناسی پژوهش: در مرحله نخست، آزمون ADT جهت ثبت روند تخریب مولفه کلیدی نازل در سطوح مختلف دما و زمان طراحی و اجرا شد. سپس با بهره‌گیری از مدل توان و مدل آرنیوس، پارامترهای شتاب و انرژی فعال‌سازی استخراج گردید. در مرحله بعد، آزمون ALT با استفاده از پارامترهای به‌دست ‌آمده و تحت شرایط تنش بالا اجرا و داده‌های مربوط به زمان‌های خرابی مستقیم ثبت شد. در‌نهایت، با تلفیق نتایج دو آزمون و تحلیل آماری (شامل برآورد حداکثر احتمال و تحلیل مسیر تخریب)، توزیع طول عمر سیستم مدل‌سازی شد. یافته‌ها: پیاده‌سازی مدل بر روی نازل یک موتور توربینی نشان داد که مدل پیشنهادی توانایی پیش‌بینی دقیق طول عمر را داشته و می‌تواند منجر به کاهش زمان و هزینه‌های آزمون گردد. اصالت/ارزش افزوده علمی: این مدل با ترکیب نظام‌مند دو نوع آزمون (ADT و ALT) و بهره‌گیری از خروجی یکی به‌عنوان ورودی دیگری، ساختار تحلیلی نوینی برای پیش‌بینی قابلیت اطمینان ارایه می‌دهد که قابلیت تعمیم به سایر محصولات حساس صنعتی و دفاعی را نیز دارا است.

https://www.pqprc.ir/article_222506_86cfdffc3055f8d5bf07605c94ce9c20.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 1 2025 05 22 Proposing a conceptual model for influential factors in determining the aggregation coefficient in production planning using fuzzy interpretive structural modeling ارایه مدل مفهومی از عوامل موثر بر تعیین ضریب ادغامی در برنامه‌ریزی تولید، با استفاده از مدل‌سازی ساختاری تفسیری فازی 67 82 221218 10.48313/jqem.2025.515177.1512 FA مزدک خدادادی کریموند گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. 0000-0003-2765-3784 هادی شیرویه زاد گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. 0000-0002-8339-1013 فرهاد حسین زاده لطفی گروه ریاضی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. 0000-0001-5022-553X Journal Article 2025 04 05 Purpose: Given that determining the aggregate coefficient is a key constraint in Aggregate Production Planning (APP), this study seeks to identify the factors influencing this coefficient and to analyze them using Fuzzy Interpretive Structural Modeling (FISM) to explore their interrelationships. Methodology: After identifying the key factors influencing the aggregate coefficient, an Interpretive Structural Modeling (ISM) questionnaire was distributed among experts, and the responses were aggregated. Subsequently, the FISM steps were carried out. Finally, an interaction network was constructed, and an analysis was performed to evaluate the degree of dependence and driving power among the identified factors. Findings: The developed interpretive structural model comprised 11 hierarchical levels. The fuzzy analysis of dependence and driving power indicated that none of the factors were categorized as autonomous, reflecting a strong degree of interconnection among the variables within the model. Originality/Value: Production planning for multiple products utilizing shared resources is a complex challenge. Thus, analyzing the variables that influence the determination of the aggregate coefficient in production planning provides valuable insights, facilitating informed decision-making, particularly in optimizing resource allocation to achieve an optimal production level. هدف: با توجه به این‌که یکی از محدودیت‌ها و مسایل در برنامه‌ریزی تولید ادغامی تعیین مقدار ضریب ادغام است، این پژوهش به شناسایی عوامل موثر بر ضریب ادغام در برنامه‌ریزی تولید و تجزیه‌وتحلیل آنان با استفاده از رویکرد مدل‌سازی ساختاری تفسیری فازی می‌پردازد تا تاثیر این عوامل بر یکدیگر موردبررسی قرار گیرد. روش‌شناسی پژوهش: در این پژوهش پس از شناسایی عوامل موثر در تعیین ضریب ادغام، پرسشنامه مدل‌سازی ساختاری تفسیری بین خبرگان توزیع و پس از تجمیع آن‌ها مراحل مدل‌سازی ساختاری تفسیری فازی طی و درنهایت ضمن ترسیم شبکه تعاملات به تجزیه‌وتحلیل شدت و نفوذ و وابستگی عوامل پرداخته شده است. یافته‌ها: مدل ساختاری تفسیری ارایه‌شده دارای یازده سطح می‌باشد که پس از تجزیه‌وتحلیل نفوذپذیری و میزان وابستگی به‌صورت فازی هیچ‌یک از عوامل در دسته خودمختار قرار نگرفت که بیانگر ارتباط قوی متغیر‌ها در مدل به‌دست آمده می‌باشد. اصالت/ارزش افزوده علمی: برنامه‌ریزی تولید برای محصولات متفاوت با منبع یکسان یک مساله‌ پیچیده است و از این‌رو تجزیه‌وتحلیل عوامل موثر بر تعیین مقدار ضریب ادغام در برنامه‌ریزی تولید سبب درک بهتر موضوع جهت اتخاذ تصمیم‌های مناسب به‌ویژه در به‌کارگیری منابع مشترک در راستای تعیین سطح تولید بهینه می‌گردد.

https://www.pqprc.ir/article_221218_04889d381c1eea1f0448a972273f8232.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 1 2025 05 22 Proposing a data-driven decision-making model for evaluating sustainable and resilient suppliers in the automotive industry ارایه مدل تصمیم‌گیری داده‌محور به‌منظور ارزیابی به‌صورت‌کنندگان پایدار و تاب‌آور در صنعت خودرو 83 109 225724 10.48313/jqem.2025.529590.1555 FA سیده محبوبه سعیدی فر گروه مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. ایرج مهدوی گروه مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. 0000-0001-5123-6169 علی تاجدین گروه مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. نیکبخش جوادیان گروه مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. Journal Article 2025 06 10 Purpose: In light of the growing challenges in today's supply chains, including market fluctuations, increasing environmental and social pressures, and the need to enhance resilience against foreseeable crises such as the COVID-19 pandemic and economic disruptions, the strategic importance of selecting suppliers that simultaneously meet sustainability and resilience criteria has become more prominent. Accordingly, the main objective of this study is to present a comprehensive, data-driven, and forward-looking decision-making model for evaluating and selecting suppliers within the supply chain, accounting for multiple dimensions of sustainability and resilience simultaneously. Methodology: In the proposed model, the weights of the defined criteria and sub-criteria were initially determined using the Stochastic Best-Worst Method (SBWM). Supplier performance was then evaluated using the Stochastic VIKOR Multi-Criteria Decision-Making (MCDM) method. In the final stage, the Random Forest regression algorithm was applied to predict future supplier performance. The model was tested through a case study conducted at SAIPA Kashan Automotive Company using expert input collected via structured questionnaires. Findings: Sustainability and resilience criteria play a central role in supplier selection in the automotive industry. Among the sub-criteria, "greenhouse gas emissions" and "energy consumption reduction" were most influential due to environmental regulations. At the same time, "cost" and "safety stock level" had the greatest impact due to their direct effect on economic performance and operational continuity. Furthermore, the Random Forest algorithm achieved high predictive accuracy (RMSE = 0.0976), confirming the model's ability to generate reliable, data-driven forecasts. Originality/Value: Although each of the methods used in this research (Random Best-Worst Method, Random VIKOR, and Random Forest algorithm) has been employed individually in previous studies, the main innovation of this study lies in presenting an integrated framework that combines all three approaches. In fact, this research is the first to merge MCDM methods with a machine learning algorithm, offering a comprehensive, data-driven decision-making model. This model not only assesses the current performance of suppliers but also enables prediction of their future performance. Such a combination has not previously been introduced in the supplier selection literature with a simultaneous focus on supply chain sustainability and resilience in the automotive industry, marking a clear methodological innovation. هدف: با توجه به چالش‌های رو به رشد زنجیره‌های به‌صورت در دنیای امروز، شامل نوسانات بازار، فشارهای فزاینده زیست‌محیطی و اجتماعی و نیز نیاز به افزایش تاب‌آوری در برابر بحران‌های پیش‌بینی‌نشده (مانند همه‌گیری کرونا و بحران‌های اقتصادی)، انتخاب به‌صورت‌کنندگانی که به‌طور همزمان معیارهای پایداری و تاب‌آوری را برآورده کنند، اهمیتی استراتژیک پیدا کرده است. در این راستا، هدف اصلی این پژوهش ارایه یک مدل تصمیم‌گیری جامع و داده‌محور با رویکردی آینده‌نگر برای ارزیابی و انتخاب به‌صورت‌کنندگان در زنجیره‌به‌صورت است که بتواند همزمان ابعاد مختلف پایداری و تاب‌آوری را مد نظر قرار دهد. روش‌شناسی پژوهش: در مدل ارایه‌شده، ابتدا وزن معیارها و زیرمعیارهای مطرح‌شده از طریق روش بهترین-بدترین تصادفی محاسبه گردید. سپس ارزیابی عملکرد به‌صورت‌کنندگان با استفاده از روش تصمیم‌گیری چندمعیاره ویکور تصادفی انجام گرفت. در مرحله بعد، برای پیش‌بینی عملکرد آتی به‌صورت‌کنندگان از الگوریتم رگرسیون جنگل تصادفی استفاده شد. این مدل در قالب یک مطالعه موردی در شرکت خودروسازی سایپا کاشان و با بهره‌گیری از پرسشنامه‌های تخصصی و نظرات کارشناسان صنعت اجرا شد. یافته‌ها: نتایج پژوهش نشان داد که معیارهای مرتبط با پایداری و تاب‌آوری در انتخاب به‌صورت‌کنندگان صنعت خودرو نقش کلیدی دارند. در میان زیرمعیارهای بررسی‌شده، انتشار گازهای گلخانه‌ای و کاهش مصرف انرژی به دلیل الزامات زیست‌محیطی، و هزینه و سطح موجودی ایمنی به علت تاثیر مستقیم بر عملکرد اقتصادی و تداوم عملیات، بیشترین تاثیر را بر کارایی به‌صورت‌کنندگان داشتند. علاوه‌بر این، به‌کارگیری الگوریتم جنگل تصادفی برای پیش‌بینی عملکرد آینده به‌صورت‌کنندگان نشان داد که این روش از دقت پیش‌بینی بالایی برخوردار است (RMSE = 0.0976). اصالت/ارزش‌افزوده علمی: گرچه هر یک از روش‌های به‌کاررفته در این پژوهش (بهترین-بدترین تصادفی، ویکور تصادفی، الگوریتم جنگل تصادفی) به‌صورت جداگانه در مطالعات پیشین مورد استفاده قرار گرفته‌اند، اما ارایه چارچوبی یکپارچه که این سه روش را با یکدیگر ترکیب کند، نوآوری اصلی این مطالعه محسوب می‌شود. در واقع، این پژوهش برای نخستین بار با تلفیق روش‌های چندمعیاره و الگوریتم یادگیری ماشین، یک مدل تصمیم‌گیری جامع و داده‌محور ارایه کرده است که علاوه‌بر ارزیابی عملکرد کنونی به‌صورت‌کنندگان، قابلیت پیش‌بینی عملکرد آینده آن‌ها را نیز فراهم می‌کند. چنین ترکیبی، پیش از این در ادبیات انتخاب به‌صورت‌کننده با تمرکز همزمان بر پایداری و تاب‌آوری زنجیره‌به‌صورت در صنعت خودرو ارایه نشده و از این منظر دارای نوآوری روش‌شناختی مشخص و واضح است.

https://www.pqprc.ir/article_225724_ad008ee69579f2e6e63a8fd460398b5c.pdf