Sustainable Supplier Selection with Adaptive Network- Based Fuzzy Inference System (ANFİS)

Ümmü Ahat Muratoğlu; Arzu Organ

Makale detayları

Sustainable Supplier Selection with Adaptive Network- Based Fuzzy Inference System (ANFİS)

Yazarlar:

Ümmü Ahat Muratoğlu | Arzu Organ

Yayıncı:

Pamukkale University

Ana Başlıklar:

Yöneylem Araştırması | Üretim ve Operasyon Yönetimi

Dergi:

Pamukkale Üniversitesi İşletme Araştırmaları Dergisi Vol.11 Issue 2, pp.553-571

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001332295

pISSN:

2757-7260

Anahtar kelimeler:

Özet:

 Choosing the right sustainable supplier is a critical decision problem for businesses. Due to the increase in the number of competitors, the increase in evaluation criteria and the difficulty in defining evaluation criteria, the need for reliable methodologies that work with high accuracy increases as the complexity of the selection problem increases. This article discusses a new approach to the problem of sustainable supplier selection based on the Adaptive Network-Based Fuzzy Inference System ANFIS and Artificial Neural Network ANN methods. In the study, firstly the sustainable supplier selection criteria have been reduced to four criteria by the ANFIS method. For sustainable supplier performance evaluation, ANFIS model and ANN model were developed. Multiple regression analysis was performed to compare the performance success of both models. The model with the highest success rate was determined as ANFIS model. At the end of the study, the most suitable sustainable supplier selection was made with ANFIS model.

 Choosing the right sustainable supplier is a critical decision problem for businesses. Due to the increase in the number of competitors, the increase in evaluation criteria and the difficulty in defining evaluation criteria, the need for reliable methodologies that work with high accuracy increases as the complexity of the selection problem increases. This article discusses a new approach to the problem of sustainable supplier selection based on the Adaptive Network-Based Fuzzy Inference System ANFIS and Artificial Neural Network ANN methods. In the study, firstly the sustainable supplier selection criteria have been reduced to four criteria by the ANFIS method. For sustainable supplier performance evaluation, ANFIS model and ANN model were developed. Multiple regression analysis was performed to compare the performance success of both models. The model with the highest success rate was determined as ANFIS model. At the end of the study, the most suitable sustainable supplier selection was made with ANFIS model.

 Choosing the right sustainable supplier is a critical decision problem for businesses. Due to the increase in the number of competitors, the increase in evaluation criteria and the difficulty in defining evaluation criteria, the need for reliable methodologies that work with high accuracy increases as the complexity of the selection problem increases. This article discusses a new approach to the problem of sustainable supplier selection based on the Adaptive Network-Based Fuzzy Inference System ANFIS and Artificial Neural Network ANN methods. In the study, firstly the sustainable supplier selection criteria have been reduced to four criteria by the ANFIS method. For sustainable supplier performance evaluation, ANFIS model and ANN model were developed. Multiple regression analysis was performed to compare the performance success of both models. The model with the highest success rate was determined as ANFIS model. At the end of the study, the most suitable sustainable supplier selection was made with ANFIS model.

 Doğru sürdürülebilir tedarikçiyi seçmek işletmeler için kritik bir karar problemidir. Rekabetin artması, karar vermede dikkate alınacak değerlendirme kriterlerinin tanımlanmasının zorlaşması ve değerlendirme kriterlerinin artması nedeniyle, doğru tedarikçinin seçimi karmaşık hale gelmiş, bu nedenle yüksek doğrulukla çalışan güvenilir metodolojilere olan ihtiyaç da artmıştır. Bu makalede, Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi ANFIS ve Yapay Sinir Ağı YSA yöntemlerine dayalı olarak sürdürülebilir tedarikçi seçimi sorununa yeni bir yaklaşım getirilmesi amaçlanmıştır. Çalışmada öncelikle sürdürülebilir tedarikçi seçim kriterleri ANFIS yöntemiyle dört kritere indirilmiştir. Sürdürülebilir tedarikçi performans değerlendirme için, ANFIS modeli ve YSA modeli geliştirilmiştir. Her iki modelin performans başarısını karşılaştırmak maksadıyla çoklu regresyon analizi gerçekleştirilmiştir. En yüksek başarı oranına sahip model ANFIS modeli olarak belirlenmiştir. Çalışmanın sonunda ANFIS modeli ile en uygun sürdürülebilir tedarikçi seçimi yapılmıştır.

Makale detayları

Sustainable Supplier Selection with Adaptive Network- Based Fuzzy Inference System (ANFİS)

Yazarlar:

Ümmü Ahat Muratoğlu | Arzu Organ

Yayıncı:

Pamukkale University

Ana Başlıklar:

Yöneylem Araştırması | Üretim ve Operasyon Yönetimi

Dergi:

Pamukkale Üniversitesi İşletme Araştırmaları Dergisi Vol.11 Issue 2, pp.553-571

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001332295

pISSN:

2757-7260

Adaptive Network-Based Fuzzy Inference System (ANFIS)

Artificial Neural Network (ANN)

Supplier Selection

SustainabilityAdaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (ANFIS)

Yapay Sinir Ağı (YSA)

Tedarikçi Seçimi

Sürdürülebilirlik

Sayı

Makale detayları

Yazarlar: Ümmü Ahat Muratoğlu | Arzu Organ

Yayıncı: Pamukkale University

Ana Başlıklar: Yöneylem Araştırması | Üretim ve Operasyon Yönetimi

Dergi: Pamukkale Üniversitesi İşletme Araştırmaları Dergisi Vol.11 Issue 2, pp.553-571

Belge Tipi: Makale

Yayın Tarihi: 12/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001332295

pISSN: 2757-7260

Sayı

Yazarlar:

Ümmü Ahat Muratoğlu | Arzu Organ

Yayıncı:

Pamukkale University

Ana Başlıklar:

Yöneylem Araştırması | Üretim ve Operasyon Yönetimi

Dergi:

Pamukkale Üniversitesi İşletme Araştırmaları Dergisi Vol.11 Issue 2, pp.553-571

Belge Tipi:

Makale

Yayın Tarihi:

12/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001332295

pISSN:

2757-7260