مدل ترکیبی فازی AHP- PROMSIS برای انتخاب تأمین‌کنندگان نانودارو: ادغام پویایی‌های زنجیره ارزش و معیارهای مبتنی بر ریسک

نوع مقاله : مقاله پژوهشی

نویسنده

دانشیار گروه مهندسی صنایع، دانشگاه سمنان، سمنان، ایران

چکیده

سابقه و هدف: انتخاب تأمین‌کنندگان نانو دارو نقش حیاتی در سلامت جامعه و کیفیت درمان دارد و بر زنجیره ارزش شرکت تأثیر مستقیم می‌گذارد. این تحقیق با استفاده از رویکرد ترکیبی تحلیل سلسله‌مراتبی و پرامسیس فازی به ارزیابی و انتخاب تأمین‌کنندگان نانودارو با توجه به عوامل زنجیره ارزش می‌پردازد.
روش: ابتدا معیارهای مؤثر در ارزیابی و رتبه‌بندی تأمین‌کنندگان در زنجیره تأمین نانو دارو با در نظر گرفتن عناصر زنجیره ارزش شناسایی شده و وزن آنها توسط روش‌ فرایند تحلیل سلسله‌مراتبی (AHP) تعیین می شود. سپس امتیاز هر تأمین‌کننده در هر معیار تعیین می‌گردد. در نهایت رتبه‌بندی تامین کنندگان با استفاده از روش پرامسیس فازی انجام می‌شود.
یافته‌ها: در این پژوهش ۳۲ معیار در ۹ دسته اصلی شناسایی شد و ارتباط آنها با عناصر زنجیره ارزش تعیین شد. نتایج نشان داد که معیارهای «کیفیت و انطباق»، «توان فنی و نوآوری» و «ایمنی و ریسک» به ترتیب مهم‌ترین دسته معیارها هستند. همچنین، معیارهای «رعایت GMP و الزامات نظارتی»، «توانایی تولید نانوساختارهای پیچیده » و «گواهی‌های بین‌المللی» به‌ترتیب مهم‌ترین معیارها محسوب می‌شوند. علاوه بر این، رتبه‌بندی نهایی تأمین‌کنندگان نیز مشخص شد.
نتیجه‌گیری: نتایج این پژوهش نشان داد که استفاده از رویکرد ترکیبی فرایند تحلیل سلسله مراتبی و پرامسیس فازی می‌تواند ابزاری کارآمد برای شناسایی و رتبه‌بندی تأمین‌کنندگان در زنجیره تأمین نانو دارو باشد. توجه به معیارهای جامعی که برای ارزیابی تامین کنندگان در نظر گرفته شده است، علاوه بر ارتقای شفافیت تصمیم‌گیری، به انتخاب بهینه تأمین‌کنندگان و افزایش ارزش ایجاد شده در سازمان‌های دارویی منجر می‌شود.

کلیدواژه‌ها

عنوان مقاله [English]

A Fuzzy AHP–PROMSIS Hybrid Model for Nanodrug Supplier Selection: Integrating Value Chain Dynamics and Risk-Based Criteria

نویسنده [English]

  • Mohammad Ali Beheshtinia
Associate Professor, Department of Industrial Engineering, Semnan University, Semnan, Iran.
چکیده [English]

Background and Objectives: The selection of nanopharmaceutical suppliers plays a vital role in public health and treatment quality, directly affecting a company’s value chain. This study employs a fuzzy hybrid Analytical Hierarchy Process (AHP)–PROMSIS approach to evaluate and select nanopharmaceutical suppliers based on value chain factors.
Materials and Methods: First, the key criteria for evaluating and ranking suppliers in the nanopharmaceutical supply chain were identified, considering the elements of the value chain. The weights of these criteria were determined using the Analytical Hierarchy Process (AHP). Then, the performance score of each supplier under each criterion was assessed. Finally, supplier ranking was performed using the fuzzy PROMIS method.
Results: In this study, 32 criteria were identified and grouped into nine main categories, and their relationships with value chain elements were established. The results indicated that Quality and Compliance, Technical Capability and Innovation, and Safety and Risk were the most important categories, respectively. Moreover, the criteria Compliance with GMP and regulatory requirements, Ability to produce complex nanostructures, and International certifications were found to be the top three individual criteria. In addition, the final ranking of the suppliers was determined.
Conclusion: The findings revealed that the fuzzy hybrid AHP–PROMSIS approach is an effective tool for identifying and ranking suppliers in the nanopharmaceutical supply chain. Considering the comprehensive criteria developed for supplier evaluation not only enhances decision-making transparency but also leads to the optimal selection of suppliers and increased value creation in pharmaceutical organizations.

کلیدواژه‌ها [English]

  • Value chain
  • supply chain
  • supplier selection
  • MCDM
  • fuzzy logic

مراجع

 
منابع و ماخذ
ابونوری، دیبا و بهشتی‌نیا، محمدعلی. (۱۴۰۴). تدوین و اولویت‌بندی استراتژی‌های اقتصادی تأمین‌کنندگان صنعت خودرو با روش ماتریس SWOT و تحلیل QSPM: مطالعه موردی شرکت گسترش‌تک. مجله مدیریت زنجیره ارزش راهبردی، ۲(۵)، ۱-۲۷. https://doi.org/10.22075/svcm.2025.37968.1028
شفیعی نیکابادی، محسن. (۱۴۰۴). مدلی برای شایستگی‌های کلیدی مدیران زنجیره ارزش و زنجیره تأمین. مجله مدیریت زنجیره ارزش راهبردی، ۲(۴)، ۲۵-۴۰.  doi:https://doi.org/10.22075/svcm.2025.36997.1025
 
References
Alamroshan, F., La’li, M., & Yahyaei, M. (2022). The green-agile supplier selection problem for the medical devices: a hybrid fuzzy decision-making approach. Environmental Science and Pollution Research, 29(5), 6793-6811. https://doi.org/10.1007/s11356-021-14690-z
Arunyanart, S., & Khumpang, P. (2025). A decision-making framework for evaluating medical equipment suppliers under uncertainty. Scientific Reports, 15(1), 9858. https://doi.org/10.1038/s41598-025-93389-4
Asad, S., Jacobsen, A.-C., & Teleki, A. (2022). Inorganic nanoparticles for oral drug delivery: opportunities, barriers, and future perspectives. Current Opinion in Chemical Engineering, 38, 100869. https://doi.org/https://doi.org/10.1016/j.coche.2022.100869
Beheshtinia, M., & Nemati-Abozar, V. (2017). A Novel Hybrid Fuzzy Multi-Criteria Decision-Making Model for Supplier Selection Problem (A Case Study in Advertising industry). Journal of Industrial and Systems Engineering, 9(4), 65-79. https://www.jise.ir/article_16181_3f3b24e1437ed703b42e8965916bf064.pdf
Beheshtinia, M. A., Bahrami, F., Fathi, M., & Asadi, S. (2023). Evaluating and prioritizing the healthcare waste disposal center locations using a hybrid multi-criteria decision-making method. Scientific Reports, 13(1), 15130. https://doi.org/10.1038/s41598-023-42455-w
Beheshtinia, M. A., Jafari Kahoo, S., & Fathi, M. (2023). Prioritizing healthcare waste disposal methods considering environmental health using an enhanced multi-criteria decision-making method. Environmental Pollutants and Bioavailability, 35(1), 2218568. https://doi.org/10.1080/26395940.2023.2218568
Bhosale, T., & Umap, H. (2024). Evaluating and Selecting a Supplier in a Healthcare Supply Chain Using the Technique for Order Performance by Similarity to Ideal Solution Under Intuitionistic Fuzzy Environment. The International Journal of Fuzzy Logic and Intelligent Systems, 24(1), 19-29. https://doi.org/10.5391/IJFIS.2024.24.1.19
Cazzagon, V., Giubilato, E., Pizzol, L., Ravagli, C., Doumett, S., Baldi, G., Blosi, M., Brunelli, A., Fito, C., Huertas, F., Marcomini, A., Semenzin, E., Zabeo, A., Zanoni, I., & Hristozov, D. (2022). Occupational risk of nano-biomaterials: Assessment of nano-enabled magnetite contrast agent using the BIORIMA Decision Support System. NanoImpact, 25, 100373. https://doi.org/https://doi.org/10.1016/j.impact.2021.100373
Chakraborty, S., Raut, R. D., Rofin, T. M., & Chakraborty, S. (2023). An integrated G-MACONT approach for healthcare supplier selection. Grey Systems: Theory and Application, 14(2), 318-336. https://doi.org/10.1108/gs-07-2023-0068
Chakraborty, S., Raut, R. D., Rofin, T. M., & Chakraborty, S. (2024a). Dynamic grey relational analysis-based supplier selection in a health-care unit. International Journal of Pharmaceutical and Healthcare Marketing, 19(1), 22-36. https://doi.org/10.1108/ijphm-11-2023-0098
Chakraborty, S., Raut, R. D., Rofin, T. M., & Chakraborty, S. (2024b). On solving a healthcare supplier selection problem using MCDM methods in intuitionistic fuzzy environment. OPSEARCH, 61(2), 680-708. https://doi.org/10.1007/s12597-023-00733-1
Chakraborty, S., Raut, R. D., Rofin, T. M., & Chakraborty, S. (2025). An integrated decision-making tool for pharmaceutical supplier selection. International Journal of Pharmaceutical and Healthcare Marketing. https://doi.org/10.1108/ijphm-03-2025-0020
Chakraborty, S., Raut, R. D., Rofin, T. M., Chatterjee, S., & Chakraborty, S. (2023). A comparative analysis of Multi-Attributive Border Approximation Area Comparison (MABAC) model for healthcare supplier selection in fuzzy environments. Decision Analytics Journal, 8, 100290. https://doi.org/https://doi.org/10.1016/j.dajour.2023.100290
Farokhnia, M., & Beheshtinia, M. A. (2018). A three-dimensional house: extending quality function deployment in two organizations. Management Decision, 57(7), 1589-1608. https://doi.org/10.1108/md-06-2017-0588
Forghani, A., Sadjadi, S. J., & Farhang Moghadam, B. (2018). A supplier selection model in pharmaceutical supply chain using PCA, Z-TOPSIS and MILP: A case study. PLOS ONE, 13(8), e0201604. https://doi.org/10.1371/journal.pone.0201604
Manivel, P., & Ranganathan, R. (2019). An efficient supplier selection model for hospital pharmacy through fuzzy AHP and fuzzy TOPSIS. International Journal of Services and Operations Management, 33(4), 468-493. https://doi.org/10.1504/ijsom.2019.101588
Martin, C., Nourian, A., Babaie, M., & Nasr, G. G. (2023). Environmental, health and safety assessment of nanoparticle application in drilling mud – Review. Geoenergy Science and Engineering, 226, 211767. https://doi.org/https://doi.org/10.1016/j.geoen.2023.211767
Modibbo, U. M., Hassan, M., Ahmed, A., & Ali, I. (2022). Multi-criteria decision analysis for pharmaceutical supplier selection problem using fuzzy TOPSIS. Management Decision, 60(3), 806-836. https://doi.org/10.1108/md-10-2020-1335
Nijhara, R., & Balakrishnan, K. (2006). Bringing nanomedicines to market: regulatory challenges, opportunities, and uncertainties. Nanomedicine: Nanotechnology, Biology and Medicine, 2(2), 127-136. https://doi.org/https://doi.org/10.1016/j.nano.2006.04.005
Padrela, L., Mouras, R., & Killackey, D. (2025). Innovation testbeds as enabling ecosystems driving nanopharmaceuticals to market. Drug Discovery Today, 30(8), 104433. https://doi.org/https://doi.org/10.1016/j.drudis.2025.104433
Pourghahreman, N., & Ghatari, A. (2015). Supplier selection in an agent based pharmaceutical supply chain: An application of TOPSIS and PROMETHEE Π. Uncertain Supply Chain Management, 3, 231-240. https://doi.org/10.5267/j.uscm.2015.4.001
Raveena, R., & Umamaheswari, S. (2025). Integrated MCDM framework for sustainable pharmacy supplier selection using pioneering criteria with fuzzy TOPSIS SVR and GRA. Scientific Reports, 15(1), 19144. https://doi.org/10.1038/s41598-025-02975-z
Sheykhizadeh, M., Ghasemi, R., Vandchali, H. R., Sepehri, A., & Torabi, S. A. (2024). A hybrid decision-making framework for a supplier selection problem based on lean, agile, resilience, and green criteria: a case study of a pharmaceutical industry. Environment, Development and Sustainability, 26(12), 30969-30996. https://doi.org/10.1007/s10668-023-04135-7
Tavana, M., Nazari-Shirkouhi, S., & Farzaneh Kholghabad, H. (2021). An integrated quality and resilience engineering framework in healthcare with Z-number data envelopment analysis. Health Care Management Science, 24(4), 768-785. https://doi.org/10.1007/s10729-021-09550-8
Torkayesh, A. E., Hashemkhani Zolfani, S., Kahvand, M., & Khazaelpour, P. (2021). Landfill location selection for healthcare waste of urban areas using hybrid BWM-grey MARCOS model based on GIS. Sustainable Cities and Society, 67, 102712. https://doi.org/https://doi.org/10.1016/j.scs.2021.102712
Valdez-Juárez, L. E., & Castillo-Vergara, M. (2021). Technological Capabilities, Open Innovation, and Eco-Innovation: Dynamic Capabilities to Increase Corporate Performance of SMEs. Journal of Open Innovation: Technology, Market, and Complexity, 7(1), 8. https://doi.org/https://doi.org/10.3390/joitmc7010008
Van Stralen, K. J., Jager, K. J., Zoccali, C., & Dekker, F. W. (2008). Agreement between methods. Kidney International, 74(9), 1116-1120. https://doi.org/https://doi.org/10.1038/ki.2008.306
 
مدیریت زنجیره ارزش راهبردی
دوره 2، شماره 4 - شماره پیاپی 7
مقالات پژوهشی
دی 1404
صفحه 127-149

فایل ها

سابقه مقاله

  • تاریخ دریافت: 08 شهریور 1404
  • تاریخ بازنگری: 16 مهر 1404
  • تاریخ پذیرش: 23 آبان 1404
  • تاریخ انتشار: 01 دی 1404

هم رسانی

ارجاع به این مقاله

آمار