DOI: https://doi.org/10.1038/s41598-025-02975-z
PMID: https://pubmed.ncbi.nlm.nih.gov/40450121
تاريخ النشر: 2025-05-31
المؤلف: R Raveena وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تتناول ورقة البحث القضية الحرجة لاختيار الموردين في صناعة الأدوية، مع التأكيد على أهميتها للصحة والسلامة بسبب الحاجة إلى الوصول في الوقت المناسب إلى منتجات عالية الجودة. لتعزيز الاستدامة في إدارة مخزون الأدوية، يقترح المؤلفون منهجية مبتكرة تدمج تقنية ترتيب التفضيل من خلال التشابه مع الحل المثالي (TOPSIS) وتحليل العلاقات الرمادية (GRA) ضمن بيئة ضبابية. تستخدم هذه الطريقة خوارزمية CFCS للتخلص من الضبابية بدقة، مما يدير بشكل فعال عدم اليقين في تمثيل البيانات، بينما يتم استخدام الانحدار الداعم (SVR) لتحسين وزن المعايير من خلال التقاط أنماط البيانات المعقدة. تهدف هذه الإطار الشامل إلى تزويد صانعي القرار في صناعة الأدوية برؤى قيمة لاختيار الموردين الذين يتماشى مع مبادئ الاستدامة.
في الختام، تتناول المنهجية المتكاملة المقترحة بنجاح تحديات اختيار الموردين من خلال تحويل البيانات الضبابية إلى درجات واضحة، مما يعزز دقة وموثوقية عملية التقييم. توضح تطبيق هذه الطريقة على ثلاث مشاكل مختلفة لاختيار الموردين فعاليتها في السيناريوهات الواقعية. تؤكد النتائج على أهمية استخدام أدوات اتخاذ القرار المتقدمة لضمان توفر منتجات الأدوية عالية الجودة، مما يسهم في تحسين النتائج الصحية والسلامة.
النتائج
يقدم قسم النتائج نهجًا جديدًا يدمج الأعداد الضبابية مثلثية القيمة (IVTFN) في طريقة TOPSIS-GRA لاختيار الموردين المرنين والمستدامين للصيدليات. باستخدام بيانات الأداء الحقيقية من ثلاث صيدليات تجزئة، تستخدم الدراسة متغيرات الحكم اللغوي لتشكيل مصفوفة قرار لغوية (LDM)، والتي يتم تحويلها بعد ذلك إلى مصفوفة ضبابية مثلثية ذات قيمة فاصلة لمعالجة عدم اليقين الكامن في البيانات اللغوية. تؤدي عملية التخلص من الضبابية، التي يتم تنفيذها عبر خوارزمية CFCS، إلى قيم واضحة محصورة ضمن الفاصل [0، 1]. بالإضافة إلى ذلك، يتم تطبيق الانحدار الداعم (SVR) لتحديد وزن كل معيار، مما يسهل بناء مصفوفة قرار موزونة طبيعية (WNDM).
تتوج التحليلات بحساب قيم الحل المثالي الإيجابي (PIS) والحل المثالي السلبي (NIS)، مع استخدام تحليل العلاقات الرمادية (GRA) لتحديد الأهمية النسبية للموردين. يتم حساب درجة العلاقة الرمادية (GRG)، مما يؤدي إلى تصنيفات الموردين التي تشير إلى S7 كأكثر الموردين ملاءمة في سيناريو واحد، تليها S5 وS2، بينما تسفر سيناريوهات أخرى عن تصنيفات مختلفة، مثل كون S3 هو المورد الأعلى في توضيح آخر. تؤكد هذه النتائج على فعالية النموذج وقدرته على التكيف في تقييم الموردين، مما يشير إلى أن الالتزام بالتصنيفات يمكن أن يعزز الكفاءة التشغيلية والاستدامة في ممارسات الصيدلة، مما يعود بالنفع في النهاية على الصحة العامة والسلامة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التقدم الكبير في نماذج اتخاذ القرار الضبابية المطبقة على تقييم الموردين في صناعة الأدوية. تم استخدام منهجيات متنوعة، بما في ذلك Fuzzy TOPSIS وPROMETHEE II وFAHP-FTOPSIS، لإدارة المعايير النوعية والكمية بشكل فعال تحت عدم اليقين، مع التأكيد على أهمية العوامل النوعية في تقييم الموردين. تم اقتراح دمج تقنيات متقدمة مثل الأعداد الضبابية مثلثية القيمة (IVTFN) وطرق التعلم الآلي، مثل الانحدار الداعم (SVR)، لتعزيز دقة اتخاذ القرار ومعالجة التعقيدات الكامنة في عمليات اختيار الموردين.
تحدد الدراسة الفجوات الحرجة في الأدبيات الحالية، لا سيما فيما يتعلق باستكشاف القدرات التشغيلية المتخصصة وإدارة المخزون الفعالة في تقييم الموردين. من خلال الاستفادة من IVTFN وتوسيع معايير الاختيار لتشمل الخبرة الفنية والابتكار وإدارة المخزون، تهدف المنهجية المقترحة إلى توفير إطار أكثر شمولاً لاختيار الموردين في قطاع الأدوية. لا يعزز هذا النهج المبتكر دقة تقييم الموردين فحسب، بل يتماشى أيضًا مع الاحتياجات التشغيلية والأهداف الاستراتيجية للمنظمات الصيدلانية، مما يسهم في تحسين اتخاذ القرار في بيئة ديناميكية وغير مؤكدة.
القيود
تسلط القيود في الدراسة الضوء على عدة عوامل تؤثر على إمكانية تعميم تطبيق اختيار الموردين. تم جمع البيانات من ثلاث صيدليات تجزئة، حيث تم تقييم 33 موردًا من خلال ستة خبراء قرار، مما قد لا يمثل المشهد الأوسع للصناعة. الطبيعة الديناميكية لاختيار الموردين، المتأثرة بالمعايير المتطورة، والموردين الناشئين، والاتجاهات الصناعية، تطرح تحديات على قابلية تطبيق النتائج. بالإضافة إلى ذلك، يمكن أن تؤدي الاختلافات في معايير التقييم من مصادر مختلفة، مثل المستشفيات أو المؤسسات البحثية، إلى نتائج غير متسقة.
استخدمت المنهجية المعتمدة طرق وزن المعايير الموضوعية، وتحديدًا الإنتروبيا والانحدار الداعم (SVR)؛ ومع ذلك، فإن استخدام الوزن الذاتي قد يغير النتائج بشكل كبير. تعتبر القابلية للتوسع مصدر قلق آخر، حيث قد يؤدي تطبيق هذا الإطار على مجموعات بيانات أكبر إلى إدخال تعقيدات لم يتم تناولها في هذه الدراسة. يعد الاختبار في العالم الحقيقي تحت ظروف الشراء الديناميكية أمرًا ضروريًا للتحقق من قابلية تكيف النموذج. يمكن أن توسع الأبحاث المستقبلية هذا الإطار ليشمل قطاعات أخرى، مثل الرعاية الصحية العامة، واستكشاف الأساليب الضبابية وتقنيات التعلم الآلي المتقدمة لتعزيز كفاءة الشراء، والشفافية، والاستدامة.
DOI: https://doi.org/10.1038/s41598-025-02975-z
PMID: https://pubmed.ncbi.nlm.nih.gov/40450121
Publication Date: 2025-05-31
Author(s): R Raveena et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper addresses the critical issue of supplier selection in the pharmaceutical industry, emphasizing its importance for health and safety due to the need for timely access to high-quality products. To enhance sustainability in pharmaceutical inventory management, the authors propose an innovative methodology that integrates the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) and Grey Relational Analysis (GRA) within a fuzzy environment. This approach utilizes the CFCS algorithm for precise defuzzification, effectively managing uncertainties in data representation, while Support Vector Regression (SVR) is employed to improve criteria weighting by capturing complex data patterns. This comprehensive framework aims to provide pharmaceutical decision-makers with valuable insights for selecting suppliers that align with sustainability principles.
In conclusion, the proposed integrated methodology successfully tackles the challenges of supplier selection by transforming fuzzy data into crisp scores, thereby enhancing the accuracy and reliability of the evaluation process. The application of this method to three distinct supplier selection problems demonstrates its effectiveness in real-world scenarios. The findings underscore the importance of utilizing advanced decision-making tools to ensure the availability of high-quality pharmaceutical products, ultimately contributing to better health outcomes and safety.
Results
The results section presents a novel approach that integrates Interval-Valued Triangular Fuzzy Numbers (IVTFN) into the TOPSIS-GRA method for selecting resilient and sustainable suppliers for pharmacies. Utilizing real performance data from three retail pharmacies, the study employs linguistic judgmental variables to form a Linguistic Decision Matrix (LDM), which is then converted into an interval-valued triangular fuzzy matrix to address the uncertainty inherent in linguistic data. The defuzzification process, executed via the CFCS algorithm, yields crisp values confined within the interval [0, 1]. Additionally, Support Vector Regression (SVR) is applied to determine the weight of each criterion, facilitating the construction of a Weighted Normalized Decision Matrix (WNDM).
The analysis culminates in the calculation of Positive Ideal Solution (PIS) and Negative Ideal Solution (NIS) values, with Grey Relational Analysis (GRA) employed to ascertain the relative importance of suppliers. The Grey Relational Grade (GRG) is computed, leading to supplier rankings that indicate S7 as the most suitable supplier in one scenario, followed by S5 and S2, while other scenarios yield different rankings, such as S3 being the top supplier in another illustration. These findings underscore the model’s effectiveness and adaptability in supplier evaluation, suggesting that adherence to the rankings can enhance operational efficiency and sustainability in pharmacy practices, ultimately benefiting public health and safety.
Discussion
The discussion section of the research paper highlights the significant advancements in fuzzy decision-making models applied to pharmaceutical supplier evaluation. Various methodologies, including Fuzzy TOPSIS, PROMETHEE II, and FAHP-FTOPSIS, have been employed to effectively manage qualitative and quantitative criteria under uncertainty, emphasizing the importance of qualitative factors in supplier assessments. The integration of advanced techniques such as Interval-Valued Triangular Fuzzy Numbers (IVTFN) and machine learning approaches, like Support Vector Regression (SVR), has been proposed to enhance decision-making accuracy and address the complexities inherent in supplier selection processes.
The study identifies critical gaps in existing literature, particularly regarding the exploration of specialized operational capabilities and efficient stock management in supplier evaluations. By leveraging IVTFN and expanding selection criteria to include technical expertise, innovation, and inventory management, the proposed methodology aims to provide a more comprehensive framework for supplier selection in the pharmaceutical sector. This innovative approach not only enhances the accuracy of supplier assessments but also aligns with the operational needs and strategic goals of pharmaceutical organizations, ultimately contributing to improved decision-making in a dynamic and uncertain environment.
Limitations
The limitations of the study highlight several factors affecting the generalizability of the supplier selection application. Data was collected from three retail pharmacies, evaluating 33 suppliers through six decision experts, which may not represent the broader industry landscape. The dynamic nature of supplier selection, influenced by evolving criteria, emerging suppliers, and industry trends, poses challenges to the applicability of the findings. Additionally, variations in evaluation standards from different sources, such as hospitals or research institutions, could lead to inconsistent outcomes.
The methodology employed objective criteria weighting methods, specifically entropy and Support Vector Regression (SVR); however, the use of subjective weighting could alter the results significantly. Scalability is another concern, as applying this framework to larger datasets may introduce complexities that were not addressed in this study. Real-world testing under dynamic procurement conditions is essential for validating the model’s adaptability. Future research could expand this framework to other sectors, such as public healthcare, and explore fuzzy approaches and advanced machine learning techniques to enhance procurement efficiency, transparency, and sustainability.