| Summary: | L'objectif principal de notre thèse est de contribuer au développement d’une approche couplant logique floue et capitalisation des connaissances pour résoudre un problème d’actualité traitant de la sélection des fournisseurs dans une chaîne logistique avec affectation des ordres d’achat dans un environnement dynamique et aléatoire.La recherche de nouveaux fournisseurs est une priorité majeure pour toute entreprise qui souhaite persister et gagner de nouvelles parts du marché sachant que ce dernier (le marché) est sans merci. Cela est lié sans doute à plusieurs aspects. Parmi ces derniers et pour ne citer que deux, 1) la réduction du cycle de vie des produits (très court, de 3-4 années) où de nouveaux modèles doivent être fréquemment développés en utilisant le plus souvent des composants innovants et/ou des technologies nouvelles et 2) la majorité des industries sont, historiquement, très consommatrices de main d’oeuvre qui a conduit sans doute à des variations complexes tant sur les besoins en matières premières qu’en main d’oeuvre qualifiée face à un marché chaotique === Supplier selection is nowadays one of the critical topics in supply chain management. This work presents a new decision making approach for group multi-criteria supplier selection problem, which clubs supplier selection process with order allocation for dynamic supply chains to cope market variations. More specifically, the developed approach imitates the knowledge acquisition and mani- pulation in a manner similar to the decision makers who have gathered considerable knowledge and expertise in procurement domain. Nevertheless, under many conditions, exact data are inadequate to model real-life situation and fuzzy logic can be incorporated to handle the vagueness of the decision makers. As per this concept, fuzzy-AHP method is used first for supplier selection through four classes (CLASS I: Performance strategy, CLASS II: Quality of service, CLASS III: Innovation and LASS IV: Risk), which are qualitatively meaningful. Thereafter, using simulation based fuzzy TOPSIS technique, the criteria application is quantitatively evaluated for order allocation among the selected suppliers. As a result, the approach generates decision-making knowledge, and thereafter, the developed combination of rules order allocation can easily be interpreted, adopted and at the same time if necessary, modified by decision makers. To demonstrate the applicability of the proposed approach, an illustrative example is presented and the results analyzed.
|
|---|
