EWALUACJA DOSTAWCÓW W PROCESIE LOGISTYCZNYM PRZEDSIĘBIORSTWA METODĄ FTOPSIS GRZEGORZ LADORUCKI, WALDEMAR WOLSKI Streszczenie Celem artykułu jest zaprezentowanie procedury badawczej ewaluacji dostawców z zastosowaniem metod wielokryterialnej analizy decyzyjnej (MCDA ang. Multi Criteria Decision Analysis) w procesie logistycznym przedsiębiorstwa metodą ftopsis oraz praktyczna weryfikacja zaproponowanego podejścia. Prezentowane podejście rozszerza klasyczny model MCDA o ewaluację dostawców oraz strategie agregacji (funkcje zapominania). Słowa kluczowe: ewaluacja dostawców, metoda ftopsis, MCDA Wprowadzenie Zaopatrzenie jest jednym z fundamentalnych zadań firm, stąd dobór przodującego dostawcy to kluczowy czynnik kooperacji i jeden z najistotniejszych elementów w otoczeniu konkurencyjnym. Uzasadnione staje się przyjęcie założenia, że wybór dostawcy jest wielokryterialną decyzją biorącą pod uwagę koszt, jakość wyrobu lub świadczonej usługi oraz cechy serwisu [10]. Dobór odpowiedniego dostawcy odgrywa znaczącą rolę w umocnieniu teraźniejszej sytuacji konkurencyjnej, jest to charakterystyczna cecha występująca we wszystkich przedsiębiorstwach należących do łańcucha dostaw nastawionego na całkowite zarządzanie nim [22]. W celu zwiększenia konkurencyjności firmy szukają bardziej efektywnych dostawców, zadaniem tych przedsiębiorstw jest dokonanie wyboru spośród kooperantów nastawionych na współpracę długoterminową. Jest to istotny element podnoszenia efektywności łańcucha dostaw, który również wpływa na jego tworzenie [4]. W zarządzaniu łańcuchem dostaw najważniejszym narzędziem, którym dysponuje dział zaopatrzenia, odnoszącym się do decyzji zakupu, jest ocena odpowiedniego kooperanta, co ma bezpośrednie przełożenie na rentowność przedsiębiorstwa oraz jego elastyczność, a przede wszystkim na minimalizację kosztów [11]. W celu uformowania stabilnego łańcucha dostaw każda firma chcąca zapewnić jak najlepszy obraz sprzedawanych produktów i oferowanych usług musi zagwarantować stabilność procesu wejścia. Powyższe odwołuje się do stwierdzenia, że aby odnosić sukcesy na konkurencyjnych obszarach, firmy są zależne od przeprowadzania ewaluacji dostawców, co pokazuje, jak ważną i strategiczną rolę to odgrywa [15]. Cykliczność ocen przedstawia pozycję dostawcy, oddziałuje na cykl życia produktu oraz jego marże, wpływa na zarządzanie procesem produkcyjnym, planistycznym, logistycznym, pozwala ustalać możliwości, a w konsekwencji przekłada się na wydajność SCM [12]. Integracja kooperantów, mająca na celu spełnienie potrzeb rynku, jest głównym zamierzeniem łańcucha dostaw, a efektywne jego tworzenie jest możliwe dzięki prowadzeniu ocen dostawców i dokonywania wyboru. Zarządzanie zintegrowanym łańcuchem dostaw występuje wówczas, gdy kilka firm kreuje ich własny łańcuch dostaw [4]. 52
Grzegorz Ladorucki, Waldemar Wolski Ewaluacja dostawców w procesie logistycznym przedsiębiorstwa metodą ftopsis 1. Ocena dostawcy w świtle badań literaturowych Analizując literaturę przedmiotu można wskazać, że ocena dostawców jest zagadnieniem aktualnym i często poruszanym. Metodycznie, w bieżących badaniach, dominujący jest nurt wielokryterialny, który bazuje na poszukiwaniu rozwiązań kompromisowych czy po prostu dobrych [16]. Odchodzi się tym samym od tradycyjnych modeli jednokryterialnych, które skupiają się przede wszystkim na wybranych aspektach ekonomicznych [6]. Nowe podejście gwarantuje wprowadzenie systematyczności w ocenie oraz weryfikację jej efektywności [7]. Zważyć należy, że wykorzystanie jednego kryterium w doborze kontrahenta jest mało precyzyjne. Bardziej precyzyjne w procesie oceny i wyboru dostawców jest wykorzystanie podejść wielokryterialnych [14]. Przeprowadzona analiza literatury wskazuje, że w procesie tym zasadne jest wykorzystanie metod Wielokryterialnej Analizy Decyzyjnej (ang. Multi Criteria Decision Analysis MCDA). Warto zaznaczyć, że użycie metod MCDA wymaga każdorazowo budowy modelu decyzyjnego zgodnie z systemem preferencji eksperta, a rezultat wspomagania ma ograniczony zasięg. Dodatkowo modele dostępne w literaturze zakładają niezmienność składowych procesu wspomagania decyzji, czyli niezmienny zbiór dostawców, kryteriów ich oceny, jak i samych ocen cząstkowych i globalnych. Łatwo zauważyć, że w praktyce założenia te nie są często respektowane (np. wartość obrotu, ilość reklamacji i zwrotów w kolejnych miesiącach). Problem ten został oczywiście dostrzeżony w wielu pracach [8; 17], niemniej jego rozwiązanie nie jest zadowalające, gdyż prowadzi do obniżenia jakości zarówno danych wejściowych modelu (np. uśrednianie danych czy ich fuzyfikacja), jak i uzyskanych wyników. Ocena dostawców w literaturze jest zagadnieniem często poruszanym ze względu na istotność tego problemu. W pracach naukowych przedstawiane są dwa podejścia: jakościowe i ilościowe [6]. Większy nacisk w doborze kooperantów kładzie się na wykorzystywanie metod wielokryterialnych (MCDA), odchodzi się natomiast od tradycyjnych, które skupiają się przede wszystkim na aspektach ekonomicznych. Takie podejście gwarantuje wprowadzenie systematyczności oceny oraz weryfikację efektywności decyzji ściśle dotyczących procesu wejścia [7]. MCDA oraz istniejące matematyczne metody pozwalają na bardziej dokładną ocenę [18]. Wykorzystanie jednokryterialnego aspektu w doborze odpowiedniego kontrahenta jest mniej korzystne i mniej efektywne dla danej firmy z wielu względów, m.in. jeden podmiot nie jest w stanie zaspokoić wymagań wszystkich klientów, cena nie zawsze idzie w parze z jakością [19]. Konieczne jest zatem użycie wielokryterialnych metod do selekcji dostawców [14], co sprawdza się w modelu praktycznym [1]. Z przeprowadzonego przeglądu literatury wynika, że wykorzystywane podejścia MCDA do budowy modeli oceny są korzystne. Jednakże brakuje w nich cykliczności oceny, co może powodować nieaktualność tejże oceny oraz nie pozwala na śledzenie tendencji danego dostawcy. Systematyczność dokonywanej selekcji nabiera szczególnego znaczenia w obszarach o zwiększonej konkurencyjności i na aktywnych rynkach. Kryteria przedstawione do ewaluacji kooperantów są również wykorzystywane w badaniach (tab. 1). Najpopularniejsze z nich to dostawy na czas, zaś najmniej używanym wyznacznikiem jest czas potwierdzenia zamówienia; w praktyce najczęściej stosowane w wielokryterialnych decyzyjnych podejściach są kryteria, które dotyczą ceny, jakości produktu i dostawy zgodnej z wymaganiami kupującego [11]. 53
Studies & Proceedings of Polish Association for Knowledge Management Nr 88, 2018 Tabela 1. Użyte kryteria i podkryteria ustalone przez ekspertów Kryteria Podkryteria Opis Literatura Logistyka / SCM czas potwierdzenia czas potwierdzenia zamówienia [9] Logistyka / SCM czas dostawy średni czas dostawy [4], [10], [11] Logistyka / SCM moq minimalna ilość zamówienia [1], [5] Logistyka / SCM dostawa na czas wskaźnik procentowy zamówień dostarczanych na [4], [6], [7], [10], [11], [12], [14], [15] czas Logistyka / SCM profesjonalizm poziom profesjonalizmu związanego ze sprzedażą [13], [15] Logistyka / SCM relacje jakość relacji z dostawcą [13], [22] Źródło: opracowanie własne. 2. Charakterystyka metody ftopsis W zaprezentowanym przykładzie wskazano terminy lingwistyczne, które zostaną użyte do określenia wag (tab. 2) i rankingu (tab. 3). Lingwistyczne oceny eksperckie przedstawiono z użyciem liczb ostrych oraz trapezowych liczb rozmytych (rys. 1, 2). Model bazowy do selekcji dostawców oparty jest na zbiorach liczb ostrych w przypadku metody TOPSIS oraz liczb rozmytych (ftopsis). Metoda TOPSIS pozwala przeprowadzić ranking dostawców poprzez obliczenie dystansu do (rozmytego) pozytywnego idealnego rozwiązania (F)PIS (ang. fuzzy) positive ideal solution) i (rozmytego) negatywnego idealnego rozwiązania (F)NIS (ang. (fuzzy) negative ideal solution). Kontynuacja opisu metody TOPSIS jest wariantem klasycznego algorytmu, gdzie za pomocą liczb nieostrych (rozmytych) określa się znaczenie wag kryteriów oraz konstruuje macierz decyzyjną. Kolejnym etapem, jeśli utworzono ranking zmieniony w decyzyjną macierz rozmytą zgodnie z tabelą 3 i wagi zgodnie z tabelą 2 dla poszczególnych ekspertów, jest zagregowany rozmyty ranking do rozwiązań w odniesieniu do każdego z kryterium, który definiowany jest wzorem: (1) gdzie: (2) W podobny sposób tworzone są zagregowane rozmyte wagi przedstawia wzór: gdzie: 54 (3) (4) (5) z każdego kryterium, co (6) (7) (8)
Grzegorz Ladorucki, Waldemar Wolski Ewaluacja dostawców w procesie logistycznym przedsiębiorstwa metodą ftopsis (9) (10) Tabela 2. Znaczenie wag każdego kryterium warianty lingwistyczne Warianty lingwistyczne ftopsis Bardzo słabe VL 0 0 0,1 0,2 Słabe L 0,1 0,2 0,2 0,3 Średnio słabe ML 0,2 0,3 0,4 0,5 Średnie M 0,4 0,5 0,5 0,6 Średnio silne MH 0,5 0,6 0,7 0,8 Silne H 0,7 0,8 0,8 0,9 Bardzo silne VH 0,8 0,9 1 1 Źródło: opracowanie własne na podstawie [2]. 1 Tabela 3. Warianty lingwistyczne dla obliczenia rankingu Warianty Lingwistyczne ftopsis Bardzo kiepsko VP 0 0 1 2 Kiepsko P 1 2 2 3 Średnio kiepsko MP 2 3 4 5 Rzetelnie F 4 5 5 6 Średnio dobrze MG 5 6 7 8 Dobrze G 7 8 8 9 Bardzo dobrze VG 8 9 10 10 Źródło: opracowanie własne na podstawie [2]. 1 0 x 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Rysunek 1. Znaczenie wag każdego kryterium warianty lingwistyczne (ftopsis) Źródło: opracowanie własne na podstawie [2]. 0 x 1 2 3 4 5 6 7 8 9 10 Rysunek 2. Warianty lingwistyczne dla rankingu (ftopsis) Źródło: opracowanie własne na podstawie [2]. Po utworzeniu zagregowanej rozmytej macierzy decyzyjnej oraz zagregowanych rozmytych wag wszystkich ekspertów, przechodzi się do kolejnego kroku, jakim jest wyznaczenie znormalizowanej rozmytej decyzyjnej macierzy zdefiniowanej jako: (11) gdzie B oznacza kryterium związane z korzyścią, a C kryterium związane bezpośrednio z kosztem i: (12) 55
Następnie liczona jest ważona znormalizowana rozmyta decyzyjna macierz poprzez iloraz każdej liczby ze znormalizowanej rozmytej decyzyjnej macierzy oraz odpowiedniej wagi. Uzyskujemy ją z następującego wzoru: (16) (17) gdzie: (18) Przechodząc do metody ftopsis wyznaczono FPIS i FNIS przy zastosowaniu wzorów [20]: (19) (20) gdzie: (21) Z kolei dystans pomiędzy FPIS i FNIS otrzymuje się ze wzorów [20]: (13) (14) (15) (22) (23) (24) (26) Ostatnim krokiem jest obliczenie współczynnika bliskości ze wzoru oraz wyznaczenie rankingu na jego podstawie [2]: (27) (25) 3. Procedura badawcza oraz funkcja zapominania użyta w modelu 3.1. Funkcja zapominania użyta w modelu Do przeprowadzenia oceny i doboru dostawców wykorzystano funkcję zapominania, w której zastosowano uwarunkowane czasowo strategie agregacji. Uzyskane wcześniej wyniki cząstkowe badań 30 dostawców z 12 okresów t zostały kolejno zagregowane z użyciem funkcji zapominania (dla pięciu parametrów siły zapominania) [3]. [21]. gdzie: p(t k) siła k tego okresu czasu t, CC ik ocena ogólna i tego wariantu w k tym okresie, V(a i ) ogólna ocena i tego wariantu na podstawie n okresów. (28) 56
Krzysztof Jurczyk Analiza możliwości wykorzystania zbudowanego systemu wspomagania decyzji dotyczących sterowania zapasami w wieloszczeblowym systemie dystrybucji Tabela 4. Parametry funkcji zapominania Funkcja zapominania Okresy miesiąca tk t t 1 t 2 t 3 t 4 t 5 t 6 t 7 t 8 t 9 t 10 t 11 TDA1 pk 6 m-cy TDA2 pk 12 m-cy TDA3 pk 24 m-ce TDA4 pk od poziomu obrotu Źródło: opracowanie własne. 3.2. Procedura badawcza 0,857 0,714 0,571 0,429 0,286 0,143 0,000 0,000 0,000 0,000 0,000 0,000 0,923 0,846 0,769 0,692 0,615 0,538 0,462 0,385 0,308 0,231 0,154 0,077 0,960 0,920 0,880 0,840 0,800 0,760 0,720 0,680 0,640 0,600 0,560 0,520 0,308 0,846 0,615 0,769 0,231 0,462 0,923 0,385 0,692 0,077 0,154 0,538 Na rysunku 3 zaprezentowano model procedury badawczej proponowanego podejścia w procesie ewaluacji dostawców z zastosowaniem wielokryterialnych metod wspomagania decyzji oraz funkcję uwarunkowanej czasowo strategii agregacji. W poszczególnych krokach każdy z oceniających przeprowadza ewaluacje dostawców w badanych okresach. Proponowane podejście składa się z siedmiu etapów. Pierwszym etapem procedury badawczej jest pobranie danych z systemu ERP za pomocą skryptów napisanych w języku SQL i dostosowanie ich do potrzeb wielokryterialnych metod wspomagania decyzji użytych w pracy. Kolejny krok polega na określeniu przez ekspertów, czy kryteria będą wyrażone ilościowo czy jakościowo. Wagi w kryteriach ilościowych są precyzyjnie określone, natomiast w kryteriach jakościowych można jedynie wskazać ważność kryterium w porównaniu do drugiego, np. relacje z klientem są ważniejsze niż transfer. Podczas tego etapu przeprowadza się modelowanie preferencji, realizowane, tak jak agregacja danych źródłowych, za pomocą metody AHP w postaci podejścia klasycznego. Złożony charakter hierarchicznego zbioru kryteriów oceny dostawców dobrze odzwierciedla metoda AHP [21]. Podyktowane jest to koniecznością szczegółowego uwzględnienia w modelu danych z wybranych przedziałów czasowych oraz koniecznością szerszej analizy i interpretacji uzyskanych wartości zagregowanych. Podczas tej fazy obliczane są również wagi każdego z kryterium, z których można wnioskować, które z nich jest ważne w całej ocenie. Etap trzeci w procesie ewaluacji dostawców stanowi stworzony przez system model wiedzy, który przechowuje zebrane wyniki ocen cząstkowych. Jest to narzędzie korzystające z wiedzy uprzednio wprowadzonej do bazy. Dane historyczne pozwalają osobom decyzyjnym na dokonanie cyklicznych ocen oraz określają rodzaj trendu każdego ocenianego podmiotu. Etap czwarty to agregacja danych za pomocą użytych wielokryterialnych metod wspomagania decyzji. W tej fazie wykorzystano metody AHP korzystające z podejścia klasycznego, jak i wykorzystujących liczby rozmyte ftopsis. Piątym etapem jest przeprowadzenie finalnego rankingu ocenianych podmiotów. 57
Studies & Proceedings of Polish Association for Knowledge Management Nr 88, 2018 Szóstą fazą procedury badawczej jest przeprowadzenie uwarunkowanych czasowo strategii agregacji, z których uzyskuje się ostateczne wyniki. W pracy użyto pięciu różnych funkcji zapominania (patrz rozdz. 3.1). Końcowym etapem prezentowanej procedury jest interpretacja wyników oraz ich analiza. W proponowanym podejściu wykonywane są dwa kluczowe zadania. Pierwszym z nich jest przeprowadzenie ewaluacji dostawców w każdym z badanych okresów. Kolejny to zastosowanie funkcji uwarunkowanej czasowo w strategii agregacji celem uzyskania pełniejszej oraz bardziej precyzyjnej oceny. Podczas omówionych etapów realizowane są procesy dotyczące pozyskania, przetwarzania oraz gromadzenia wiedzy potrzebnej do ewaluacji dostawców oraz oceny kooperantów. BAZA DANYCH (dane) MODELOWANIE PREFERENCJI Wartości każdego z kryterium dla wszystkich badanych okresów TOPSIS ROZMYTE Dane rozmyte Ranking alternatyw Strategia obniżanej agregacji w okresie czasu (TDA) Interpretacja wyników i analiza STRUKTURYZACJA PROCESU t1... tk... tn AHP Ranking finalny Strategia równej agregacji w okresie czasu (TPEA) MCDA techniki agregacji Rysunek 3. Model procedury badawczej w procesie ewaluacji dostawców Źródło: opracowanie własne. W pracy wykorzystano autorski schemat konceptualny procedury z użyciem wielokryterialnych metod do oceny dostawców uwzględniający wybrane przedziały czasowe samego procesu oceny (rys. 3). Proponowana w niniejszej rozprawie metodyka badań wykorzystuje wybrane metody MCDA, w szczególności ich wersje deterministyczne oraz rozmyte. Modelowane aspekty samego procesu ewaluacji obejmują zmienność cząstkowych ocen wariantów decyzyjnych w wybranych przedziałach czasowych oraz analizę wpływu tejże zmienności na końcowy rezultat procesu oceny (rys. 3). 4. Studium praktyczne wyniki badań autorskich Analizując wyniki ftopsis w pięciu funkcjach zapominania, stwierdzono, że uzyskany ranking nie charakteryzuje się dużą zmiennością dla trzech najlepszych dostawców A5, A9, A12. Kooperant A5 w czterech funkcjach zapominania uzyskał pierwsze miejsce w ocenie, natomiast w funkcji TDA1 drugie. Dostawca A9 w rankingach raz był na miejscu pierwszym, trzy na drugim oraz raz na trzecim. Podmiot A12 plasował się cztery razy na trzecim miejscu, a w funkcji TDA4 na drugim (tab. 5). 58
Krzysztof Jurczyk Analiza możliwości wykorzystania zbudowanego systemu wspomagania decyzji dotyczących sterowania zapasami w wieloszczeblowym systemie dystrybucji Tabela 5. Wyniki V(ai) i ich ranking w funkcji zapominania dla metody ftopsis Dostawca Ocena dostawcy w funkcji zapominania Ranking dostawcy w funkcji zapominania V(a i ) ftopsis ranking ftopsis Ai TPEA TDA1 TDA2 TDA3 TDA4 TPEA TDA1 TDA2 TDA3 TDA4 A1 4,9442 1,2568 2,4859 3,6659 2,5063 16 20 18 17 19 A5 5,8641 1,4691 2,9432 4,3452 2,9723 1 2 1 1 1 A6 5,5884 1,4156 2,8209 4,1493 2,8274 5 5 5 5 5 A9 5,7411 1,4912 2,9258 4,2772 2,9048 2 1 2 2 3 A12 5,7169 1,4497 2,8892 4,2465 2,9062 3 3 3 3 2 A16 5,3989 1,3615 2,7099 4,0006 2,7418 9 10 10 9 9 A27 5,5604 1,3881 2,7946 4,1222 2,8385 6 7 6 6 4 Źródło: opracowanie własne. Ranking uzyskany z pięciu funkcji zapominania, do której użyto wyniki uzyskane przy pomocy metody ftopsis, nie charakteryzuje się dużą zmiennością. Trzech najlepszych dostawców A 5, A 9, A 12 zamienia się miejscami w pierwszej trójce dla wszystkich funkcji zapominania. Z wykresu można wywnioskować, że uzyskane wyniki są zbliżone względem siebie. Najbardziej oddalone oceny zaobserwować można w okresie t 6 (rys. 4). Rysunek 4. Trzech najlepszych dostawców ocena metodą ftopsis względem funkcji zapominania: TPEA, TDA1, TDA2, TDA3, TDA4 Źródło: opracowanie własne. 5. Wnioski W artykule wykazano, że zastosowanie wybranych metod wielokryterialnych wraz z funkcją uwarunkowanej czasowo strategii agregacji w autorskiej procedurze ewaluacji dostawców, pozwoliło na pełniejszą i bardziej precyzyjną ocenę dostawców. Wykorzystanie wielokryterialnych metod wspomagania decyzji wraz z funkcją agregacji ocen w czasie t pozwoliło w tym przypadku na porównanie ocen przeprowadzonych tylko w jednym okresie i na redukcję błędów w ocenie 59
Studies & Proceedings of Polish Association for Knowledge Management Nr 88, 2018 popełnianych przez skupianie się ekspertów na jednym z wybranych okresów. Dodatkowo, poprzez połączenie z bazą danych systemu ERP, uzyskano możliwość pozyskiwania danych dla automatyzacji ewaluacji dostawców. Umożliwia to również wykonywanie ewaluacji dostawców w dowolnym okresie dostaw. Oceny dostawców uzyskiwano systematycznie z bazy systemu ERP za każdy miesiąc dostaw. Rozwiązanie to cechuje się płynnością wykonania oceny dostawców. W razie zmiany preferencji przez ekspertów jest w stanie automatycznie uzyskać nowe wyniki ewaluacji. Regularne przeprowadzanie oceny dostawców przekłada się na bardziej dokładny i miarodajny monitoring dostawców i sprawdzenie, które okresy wpłynęły na zajmowaną pozycję danego kontrahenta oraz określenie stabilności dostaw. Dalsza rozbudowa opracowanej systemowej procedury monitorowania i oceny dostawców z zastosowaniem metod wielokryterialnych umożliwi dokonanie ocen dostawców w innych branżach produkcyjnych. Bibliografia [1] Asthana N., Gupta M. (2015). Supplier selection using artificial neural network and genetic algorithm. International Journal Indian Culture and Business Management, 11(4), s. 457 472. [2] Chen Ch.T., Lin Ch.T., Huang S.F. (2006). A fuzzy approach for supplier evaluation and selection in supply chain management. International Production Economics 102, s. 289 301. [3] Chen Y., Li W.K., He S. (2010). Dynamic Multiple Criteria Decision Analysis with Application in Emergency Management Assessment. IEEE International Conference on Systems, Man and Cybernetics, s. 3513 3517. [4] Chen Y.-J. (2011). Structured methodology for supplier selection and evaluation in a supply chain. Information Sciences 181, s. 1651 1670. [5] Chow P.-S., Choi T.-M., Cheng, T.C.E. (2012). Impacts of Minimum Order Quantity on a Quick Response Supply Chain. IEEE Transactions on Systems, Man, and Cybernetics-Part a: Systems and Humans 42 (4), s. 868 879. [6] Dehghani M., Esmaeilian M., Tavakkoli-Moghaddam R. (2013). Employing Fuzzy ANP for Green Supplier Selection and Order Allocations: A Case Study. International Journal of Economy, Management and Social Sciences 2(8), s. 565 575. [7] Gencer C., Gurpinar D. (2007). Analytic network process in supplier selection: A case study in an electronic firm. Applied Mathematical Modelling 31(11), s. 2475 2486. [8] Guitouni A., Martel J.M. (1998). Tentative guidelines to help choosing an appropriate MCDA method. European Journal of Operational Research 109, 501 521. [9] Iannone R. i in. (2010). A Model for Vendor Selection and Dynamic Evaluation. Advances in Production Management Systems. New Challenges, New Approaches 338, s. 283 290. [10] Kannan D., Govindan K., Rajendran S. (2015). Fuzzy Axiomatic Design approach based green supplier selection: a case study from Singapore. Journal of Cleaner Production 96, s. 194 208. [11] Khodaverdi R., Olfat L. (2011). A fuzzy MCDM approach for supplier selection and evaluation: A case study in an automobile manufacturing company. International Conference on Industrial Engineering and Systems Management IESM, May 25 27, Metz- France. [12] Kumar Pani A., Kumar Kar A. (2011). A Study to Compare Relative Importance of Criteria for Supplier Evaluation in e-procurement. 44th Hawaii International Conference on Systems Science (HICSS-44 2011), (s. 4 7). Koloa, Kauai, HI, USA. [13] Lin X., Purchase S. (2006). Investigating supplier selection using repertory grid technique. 60
Krzysztof Jurczyk Analiza możliwości wykorzystania zbudowanego systemu wspomagania decyzji dotyczących sterowania zapasami w wieloszczeblowym systemie dystrybucji SOLI 06. IEEE International Conference, conference paper, July. [14] Lung Ng W. (2008). An efficient and simple model for multiple criteria supplier selection problem. European Journal of Operational Research 186, s. 1059 1067. [15] Malmir R., Hamzehi E., Farsijani H. (2013). A Multi Stage Decision Making Model to Evaluate Suppliers by Using MOLP and ANP in a Strategic Approach. International Journal of Application or Innovation in Engineering & Management 2(3), s. 563 577. [16] Roy, B., Bouyssou D. (1991). Aide à la décision fondée sur une PAMC de type ELECTRE. Université Paris-Dauphine. Document du LAMSADE, 69. [17] Roy, B., Vanderpooten, D. (1996). The European school of MCDA: emergence, basic features and current works. Journal of Multi-Criteria Decision Analysis 5, s. 22 38. [18] Shemshadi A. i in. (2011a). A fuzzy VIKOR method for supplier selection based on entropy measure for objective weighting. Expert Systems with Applications 38, s. 12160 12167. [19] Sivrikaya B.T., Kaya A., Dursun E., Çebi F. (2015). Fuzzy AHP Goal Programming Approach For a Supplier Selection Problem. Research in Logistics & Production 5(3), s. 271 285. [20] Trzaskalik T. (red.) (2013). Analiza wielokryterialna wybrane zagadnienia. Katowice: Uniwersytet Ekonomiczny w Katowicach 2013. [21] Wątróbski J., Sałabun W., Ladorucki G. (2017). The Temporal Supplier Evaluation Model Based on Multicriteria Decision Analysis Methods (s. 432 442). 9th Asian Conference: Intelligent Information and Database Systems. Kanazawa, Japan. [22] Zou Z. i in. (2011). A rough set based approach to distributor selection in supply chain management, Expert Systems with Applications 38, s. 106 115. 61
Studies & Proceedings of Polish Association for Knowledge Management Nr 88, 2018 SUPPLIERS EVALUATION IN COMPANIES LOGISTIC PROCESS USING FTOPSIS METHOD Summary The main purpose of the article is to present the evaluation procedure of suppliers using the methods of multi-criteria decision analysis (MCDA) in the company's logistics process using the ftopsis method and practical verification of the proposed approach. The presented approach expands the classical MCDA model by supplier evaluation and aggregation strategies (forgetting functions). Keywords: supplier evaluation, ftopsis method, MCDA. Grzegorz Ladorucki Waldemar Wolski Państwowa Wyższa Szkoła Zawodowa ul. Wojska Polskiego 99, 78-600 Wałcz e-mail: g.ladorucki@gmail.com wwolski@wneiz.pl 62