اتخاذ القرار المتقدم القائم على الضبابية: طريقة كوداس الضبابية الخطية ديوفانتين لاختيار المتخصصين في اللوجستيات Advanced Fuzzy-Based Decision-Making: The Linear Diophantine Fuzzy CODAS Method for Logistic Specialist Selection

المجلة: Spectrum of Operational Research.، المجلد: 2، العدد: 1
DOI: https://doi.org/10.31181/sor2120259
تاريخ النشر: 2024-08-28

اتخاذ القرار المتقدم القائم على الضبابية: طريقة كوداس الضبابية الخطية ديوفانتين لاختيار المتخصصين في اللوجستيات

جيفيثا كانان , فيمالا جاياكومار , مهالاكشمي بيثابيرومال قسم الرياضيات، جامعة ألاجابا، كارايكودي، الهند

معلومات المقال

تاريخ المقال:

استلم في 19 مايو 2024
استلم في الشكل المنقح 14 يوليو 2024
تم القبول في 19 أغسطس 2024
متاح على الإنترنت 28 أغسطس 2024

الكلمات المفتاحية:

مجموعة الضبابية الخطية ديوفانتين؛ CODAS؛ اللوجستيات؛ متخصص اللوجستيات.

الملخص

تتناول هذه الدراسة عدم اليقين الكامن في اتخاذ القرار البشري من خلال الاستفادة من المجموعات الضبابية، التي تم تقديمها لالتقاط عدم الدقة المرتبطة بالأفكار والأحكام البشرية بشكل أفضل. كامتداد للمجموعات الضبابية التقليدية، تم تطوير مجموعة الضبابية الخطية ديوفانتين (LDFS)، مما يوفر نهجًا أكثر مرونة من خلال تخفيف القيود الحالية على قيم الدرجات. لقد وجدت LDFS تطبيقات عبر مجالات مختلفة، مما يوضح تنوعها وفعاليتها. في هذه الدراسة، نستكشف تطبيق مجموعة الضبابية الخطية ديوفانتين ضمن إطار طريقة التقييم القائم على المسافة التراكمية (CODAS). تبرز طريقة CODAS لأنها تتضمن المسافات الإقليدية ومسافات التاكسي. يجب أن يأخذ اتخاذ القرار في الاعتبار ليس فقط المسافات المباشرة بين الحلول المثالية والبدائل ولكن أيضًا المسافات غير المباشرة. الهدف الرئيسي من هذا البحث هو اقتراح نهج جديد من خلال دمج طريقة CODAS مع LDFS لمعالجة مشاكل اتخاذ القرار المعقدة التي تتسم بعدم اليقين وعدم الدقة. لتوضيح الفائدة العملية للطريقة المقترحة، نطبقها على مثال عددي يتعلق باختيار متخصص لوجستيات، وهو قرار حاسم في تحسين اللوجستيات الطارئة. تتضمن الدراسة أيضًا دراسة حالة عن متخصص اللوجستيات، مما يبرز التطبيق العملي للطرق المناقشة. علاوة على ذلك، توفر هذه الدراسة تحليل حساسية شامل لأوزان المعلمات لتقييم متانة وموثوقية الطريقة المقترحة. تسلط النتائج الضوء على فعالية طريقة LDF CODAS في اتخاذ قرارات مستنيرة وموثوقة في ظل ظروف عدم اليقين، مما يمهد الطريق لتطبيقات مستقبلية في سيناريوهات اتخاذ القرار الأخرى.

1. المقدمة

في بيئة تنافسية غير مؤكدة، تحتاج الشركات إلى اتخاذ تدابير استراتيجية ريادية لضمان نجاحها المستمر، وخلق فوائد تنافسية دائمة، وإنتاج أداء متفوق على المدى الطويل مع مراعاة الاستدامة. وفقًا لهذا المنظور، يتطلب إما ميزة تنافسية باستخدام وجهة النظر القائمة على الموارد أو ابتكار رائد أن تبني المنظمة قاعدة على رأس المال البشري، الذي يُعرف بأنه تراكم مختلف المعارف والمهارات والقدرات المكتسبة من خلال التعليم والخبرة والتدريب للموظفين داخل المنظمة، لضمان النجاح من حيث الأداء مع خفض التكاليف أو التمايز. بناءً على مثل هذه النظرة، تعمل إدارة الموارد البشرية (HRM) في أي نوع من المنظمات وتهتم بشكل أساسي بمهام جذب وتطوير وتحفيز والاحتفاظ بقوى عاملة ذات أداء عالٍ، والتي ترتبط ارتباطًا وثيقًا بنجاح المنظمة. وفقًا لهذا المنظور، من المتوقع أن تطور الشركات ممارسات تتماشى مع استراتيجياتها على مستوى الأعمال والشركات لجذب واختيار وتوظيف الشخص المناسب للوظيفة المناسبة.
تُعرف الدراسة والخبرة المعنية بإدارة وتحكم حركة الطاقة والمنتجات والمعلومات والموارد المرتبطة باللوجستيات. حاليًا، يشير مصطلح “اللوجستيات” إلى مجموعة واسعة من الأنشطة، بما في ذلك حركة المواد الخام من الموردين إلى المنتجين والشحن النهائي للمنتجات المكتملة إلى المستخدمين النهائيين. لتأكيد متطلبات العملاء، تُعرف اللوجستيات من قبل مجلس إدارة اللوجستيات (CLM) بأنها عملية تنظيم وتنفيذ وإدارة التدفق والتخزين الفعال والميسور التكلفة للمواد الخام، والمخزون الجاري، والسلع النهائية، والمعلومات ذات الصلة من نقطة الأصل إلى نقطة الاستهلاك (الشكل 1).
نظرًا لأنها تمكن من نقل المنتجات من الموردين إلى المصنعين، والبائعين أو الموزعين، و
الشكل 1. أهمية اللوجستيات في إدارة الأعمال
المشترين النهائيين، تعتبر اللوجستيات عنصرًا حيويًا في سلسلة التوريد. تشمل المهام الشائعة في إدارة اللوجستيات التخطيط والتنفيذ والإشراف على العديد من العمليات التي تضمن التشغيل الفعال للتخزين والنقل للسلع من نقطة الأصل إلى وجهتها. تتطلب إدارة اللوجستيات القيام بمهام تشمل التحكم في المخزون، وتراكم المواد الخام، والتخطيط للعرض والطلب، وإدارة المستودعات. نتيجة لذلك، تغطي مجموعة واسعة من إجراءات سلسلة التوريد (الشكل 2). الهدفان الأساسيان لإدارة اللوجستيات هما زيادة رضا العملاء وتقليل التكاليف التشغيلية الإجمالية.
وبالمثل، يجب الإشارة إلى أنه من المكلف تغيير خيار التوظيف الخاطئ بسبب
الشكل 2. سلسلة التوريد مقابل اللوجستيات
الوقت المستغرق، والتكاليف المرتبطة بالتوظيف، والتدريب، والمراقبة، وإنهاء ذلك الشخص، بالإضافة إلى الخسائر المالية والزمنية غير الضرورية من توظيف شخص جديد، فضلاً عن التكاليف غير المباشرة لفقدان الإنتاجية، ومرونة الدقة، وجودة المنتج، والحوادث الصناعية في المنظمة.
تتولى وظيفة إدارية تُعرف باسم خبير اللوجستيات مسؤولية أنشطة التخزين والشحن والاستلام في الشركة. يدير خبراء اللوجستيات حركة وتخزين السلع أو المنتجات، مما يتطلب غالبًا العمل المكتبي وأحيانًا العمل اليدوي. كما أصبح متخصص اللوجستيات، كما هو متوقع، مصدر قلق كبير للوجستيات، حيث يتم كل شيء من قبل الناس للناس ويولد جزءًا كبيرًا من الاقتصاد الوطني بالإضافة إلى كونه محفزًا للتنافسية الوطنية. وهذا يتطلب من الشركات تلبية الطلب المتزايد باستمرار على المهنيين ذوي المعرفة المتخصصة والمهارات التي تتجاوز 280 مهارة بسبب هيكل معقد ومتعدد الأبعاد ومتكامل ودولي مع مستويات قرار متنوعة. نظرًا لوجود العديد من التغييرات في متطلبات الوظائف وعدد المتطلبات للتوظيف نتيجة للتطورات الأخيرة في مجالات العولمة، والمعلومات، وتقنيات الاتصال، أصبحت الطرق التقليدية لاختيار خبراء اللوجستيات أقل فعالية. لا يستطيع مدراء الموارد البشرية اختيار أفضل المرشحين، حيث إن البنية التحتية للموارد البشرية في مجال اللوجستيات غير كافية.
ومع ذلك، ظهرت طرق حديثة لنماذج اتخاذ القرار متعددة المعايير (MCDM) استجابة لفشل الطرق الحالية في تلبية الاحتياجات وتوفير نهج أقل تكلفة، وأسرع، وأكثر دقة، وأسهل استخدامًا لأي مشكلة PS للعثور على أفضل مرشح مناسب. مع وضع ذلك في الاعتبار، فإن دافع هذا البحث هو تقييم المعايير المطبقة في صناعة اللوجستيات في العديد من البلدان وتقديم نموذج MCDM موثوق لاختيار وتوظيف “متخصص لوجستيات” في شركة لوجستيات من خلال حالة حقيقية، وإنشاء أساس للمستخدمين النهائيين لمقارنة الوزن النسبي للمعايير عبر الدول. تم إجراء تحقيق متعمق لخصائص متخصص اللوجستيات مع أساليب متنوعة في الأدبيات في مجموعة متنوعة من السيناريوهات وعرضها في الجدول 1. من المتوقع أن تقدم النتائج وجهات نظر جديدة ومعلومات مفيدة للطلاب، والباحثين الذين درسوا اللوجستيات ونموذج MCDM، ووكالات الاختيار والتوظيف، والمرشحين لمهنة اللوجستيات، ومديري شركات اللوجستيات.
الجدول 1
مراجعة الأدبيات حول خصائص الاختيار
المسمى الوظيفي نهج التقييم معايير الاختيار
[1] مهندس تحليل النظام TOPSIS الضبابية الاستقرار العاطفي، مهارات التواصل الشفوي، الشخصية، الخبرة السابقة، الثقة بالنفس
[2] مدير مشروع تكنولوجيا المعلومات والاتصالات نهج التقييم اللغوي الضبابي التعليم، الخبرة، معرفة الكمبيوتر، اللغة الأجنبية، العمر، الجنس، نوبة العمل وعدم التدخين
[3] تحليل النظام IFS TOPSIS القيادة، التحفيز، خبرة العمل، الكفاءة، المظهر، الإبداع، العمر ومهارات التواصل
[4] مدير المبيعات IF-TOPSIS مهارات التواصل الشفوي، الخبرة السابقة، الاستعداد العام، الرغبة، الثقة بالنفس والانطباع الأول
[5] مهندس Fuzzy VIKOR معايير المعرفة العامة والمهنية
[6] مدير المشروع Fuzzy VIKOR قدرة إدارة الموقع، المستوى الفني، مستوى القيادة، الصفات الشخصية والمهارات السياقية
[7] مدير المشروع Fuzzy MCDM المتطلبات الأساسية، مهارات إدارة المشاريع، مهارات الإدارة والمهارات الشخصية
[8] المدير التنفيذي للمعلومات Fuzzy TOPSIS المهارات الناعمة والفنية
[9] مدير الدعم Fuzzy TOPSIS الإبداع/الابتكار، حل المشكلات/اتخاذ القرار، إدارة النزاعات/التفاوض، التمكين/التفويض، التخطيط الاستراتيجي، مهارات العرض المحددة، مهارات التواصل، إدارة الفريق، إدارة التنوع، إدارة الذات، والخلفية التعليمية
[10] مدير الموارد البشرية Fuzzy TOPSIS الخصائص العلمية والنفسية والسلوكية والظاهرية، الخصائص الوظيفية والطبية
[11] محلل النظام Fuzzy TOPSIS الاستقرار العاطفي، مهارات التواصل الشفوي، الشخصية، الخبرة السابقة والثقة بالنفس
[12] موظف Fuzzy TOPSIS العلم والتعليم، السلوك والمظهر، النفس الشخصية، النشاط الوظيفي والمعايير الطبية

1.1 مراجعة الأدبيات

التفكير البشري والاستدلال يؤديان إلى تصورات بشرية غامضة، مما يؤدي إلى مجموعة زاده الغامضة[13]. موضوع المجموعات الغامضة ينمو وقد شهد الكثير من الاستخدام مؤخرًا، خاصة في قطاع اللوجستيات. تظهر هذه المشكلة من خلال قدرتها على مساعدة الخبراء في اختيار الخيارات المثلى للمناصب العليا. على الرغم من الاستجابة الكبيرة، لا يوجد عدد كافٍ من الأعضاء للتعامل مع كل حالة. جنبًا إلى جنب مع درجات عدم العضوية، أنشأ أتاناسوف[14] مجموعة غامضة حدسية (IFS). ثم، قدم ياجر التفسير الجديد للمجموعات الغامضة البايثاغورية (PFS)[15] مع مجموعات غامضة ثنائية الرتبة (q-ROFS)[16]، كعمومية لـ IFSs. هذه المجموعات الغامضة المتاحة على نطاق واسع لا يمكن أن تعكس بعض القضايا ولها قيود معينة على قيم الدرجات.
تزيل مجموعة الأعداد الغامضة الخطية (LDFS) [17]، نموذج مفهوم غامض جديد وفريد، جميع هذه القيود حيث توجد معلمات مرجعية. من منظور بيئة LDF، روجت جيفيثا وآخرون[18] واستخدموا نهج DEMATEL في سياق تغير المناخ. تُنسب مشغلات التجميع المتعددة الغامضة الخطية إلى جيفيثا وآخرون[19]، لتطويرها وتطبيقها على التحول الرقمي. لاختيار الطائرة الزراعية المناسبة، قام فيمالا وآخرون
بتطوير مجموعة LDF الغامضة المعقدة [20]. تم تطبيق عدة تقنيات تجميع أينشتاين لاستكشاف LDFS لمشاكل MCDM في أياريد لامبام[21]. يمكن أن تستخرج هذه المشغلات بيانات التقييم وتحدد الخيار الأمثل. بعد ذلك، ربط سايا أيوب[22] الميزات الجبرية بعلاقات LDF من خلال اتخاذ القرار. طور رياز وآخرون[23] على LDFS من خلال تقديم فكرة المجموعات الغامضة الناعمة لتطبيقها في معدات المناولة. لاختيار مقدمي خدمات اللوجستيات من الطرف الثالث، طور رياز وآخرون[24] مشغلات التجميع (AOs) التي استخدمت أعداد غامضة خطية (LDFNs) بترتيب الأولوية. تم اقتراح تطبيق مشغلات AOs الغامضة الخطية ذات الأولوية من أينشتاين من قبل فريد وآخرون[25].
مؤخراً، أنشأ رياز وآخرون[26] مشغلات فرانك لأعداد غامضة خطية ذات قيم فاصلة. بعيدًا عن تحديد الخصائص والاستخدامات لـ LDFS، ابتكرت فيمالا وآخرون[27] أيضًا تقنية MARCOS لـ LDFS. باستخدام معامل ارتباط LDF، وصف جيفيثا وآخرون[28] تقنية تجميع LDFS. حاول بيتشيموثو[29] معالجة مشكلة اختيار الموردين من خلال استخدام بيانات IVLDF ومشغلاتها. نفذ جيفيثا وفيمالا[30] المجموعة الغامضة المتعددة الناعمة في LDFS وعالجوا قابليتها للتطبيق في عملية اختيار العطاءات. علاوة على ذلك، تم تقديم وقياس التشابه LDMFS واستخدامه لاختيار البديل الأمثل للبنزين[31]. علاوة على ذلك، تنفذ LDFS[32-34] الهياكل الشبكية في عدة دراسات مع تطبيقات في التنبؤ بالنوبات القلبية وتحليل طرق الزراعة. دمج نيثيا وآخرون[35] نظرية ثنائية القطب في LDFS وقدموا مشغلات تجميع أينشتاين لمجموعات LDFS ثنائية القطب. ناقش العديد من المؤلفين مشاكل MCDM المختلفة في سياق نظرية الغموض.[36-38]
قدم غوراباي وآخرون[39] في البداية تقنية CODAS للتعامل مع مشاكل MCDM المعقدة. من خلال مقارنة نتائجها مع تلك الخاصة بتقنيات MCDM المعروفة الأخرى، تم إثبات فعالية CODAS، مما يدل على ملاءمتها لمعالجة صعوبات MCDM. أنشأ غوراباي وآخرون[40] نموذجًا هجينًا في دراسة مختلفة يجمع بين المنطق الغامض وتقنية CODAS لصنع القرار الجماعي متعدد المعايير، خاصة عند اختيار أفضل الموردين. وسعت هذه التحسينات تقنية CODAS من خلال دمج العبارات اللغوية مع الأعداد الغامضة شبه المنحرفة (TrFNs).
قدم بانشال وآخرون[41] استراتيجية MCDM متكاملة تستخدم نسخة غامضة من CODAS وعملية التحليل الهرمي الغامض (FAHP) لدعم اتخاذ القرار في قطاع العمليات. تم استخدام نهج CODAS من قبل بادي وآخرون لاختيار الموردين لصناعة الصلب [42] واختيار مواقع لمحطات التحلية [43]. لاختيار الموقع الأمثل لمرافق طاقة الأمواج، وسع بولتورك[44] نهج CODAS من خلال تقديم نسخة PF-CODAS لاختيار الموردين. لاحقًا، أنشأ هو وكهرمان[45] CODAS ذات القيم الفاصلة. بعد مقارنة النتائج مع تلك الناتجة عن نهج CODAS التقليدي، تم إنتاج تصنيف فريد. اقترح بينغ وغارغ[46] تقريب المسافة المعتمد على الوزن (WDBA)، CODAS، ونهجًا جديدًا لبناء مقاييس المسافة والتشابه للتعامل مع مشاكل اتخاذ القرار الغامضة ذات القيم الفاصلة. استخدم ماثيو وساهو[47] طرق CODAS وEDAS وWASPAS وMOORA المطورة حديثًا لحل مشكلتين لاختيار معدات المناولة. ثم تمت مقارنة تصنيفاتهم مع طرق أخرى شائعة مثل TOPSIS وELECTRE. قدم باموكار وآخرون[48] نموذج Pairwise-CODAS، مما غير طريقة CODAS باستخدام الأعداد اللغوية المحايدة (LNN).
تم تقديم طريقة CODAS ذات القيم الفاصلة من قبل يني وأوزجيليك[49] كحل لمشاكل MCDM. تم إنشاء نهج CODAS الغامض ذو القيم الفاصلة لاختيار مواقع محطات طاقة الرياح من قبل كاراسان وآخرون[50]. طبق إيجادي مغسودي وآخرون إجراءات اتخاذ القرار، مدمجين CODAS مع طريقة الأفضل والأسوأ (BWM) لاختيار المواقع [51] وطريقة تحليل نسبة الوزن خطوة بخطوة (SWARA) لاختيار المواد [52]. لإظهار تفوق النهج الجديد، قدم سيكر[53] نموذجًا متكاملًا محدثًا يعتمد على CODAS ومجموعات شبه منحرفة حدسية ذات قيم فاصلة (IVITrFS). أنتج هذا النموذج تصنيفًا مختلفًا. ناقش بينغ وآخرون[54] طريقة CODAS لـ PFS في MCDM. يتم التأكيد على التمديد الغامض للصورة
لطريقة CODAS في سياق اختيار ERP من قبل H.Y. أيدوغموش وآخرون[55].
تم الإبلاغ عن دمج عدة تمديدات للأعداد الغامضة مع نهج CODAS تحت عدم اليقين، وفقًا للأدبيات. تركيز هذا العمل هو على التمديد الغامض الخطي لنهج CODAS، الذي لم يتم التحقيق فيه بعد في الأدبيات.

1.2 مساهمة هذا البحث

تتمثل المساهمات الرئيسية لهذه الدراسة فيما يلي:
  1. يقدم هذا العمل إطارًا فريدًا لصنع القرار من خلال دمج مجموعة الأعداد الغامضة الخطية (LDFS) مع نهج CODAS.
  2. يعزز الأساليب التقليدية من خلال معالجة قضايا صنع القرار المعقدة التي تتسم بعدم اليقين وعدم الدقة.
  3. تم تقديم دراسة حالة تستخدم طريقة LDF CODAS المقترحة لتحسين اللوجستيات الطارئة عند اختيار متخصص لوجستي.
  4. لتقييم قوة وموثوقية الطريقة في الحالات العملية، يتضمن البحث تحليل حساسية شامل.
  5. يفتح البحث الباب لتطبيقات إضافية لتقنية LDF CODAS في مجموعة من سيناريوهات اتخاذ القرار متعددة المعايير.
تم تنظيم البحث بالطريقة التالية: يتم تناول المقدمات في الفصل الثاني، الذي يضع الأساس النظري والأساليب التي تعتبر حاسمة لتفسير الأقسام اللاحقة. في الفصل الثالث، يتم تقديم طريقة LDF CODAS (طريقة CODAS الضبابية الخطية) مع تحسيناتها النظرية على الطرق السابقة ووصف لصيغتها. يتم تقديم دراسة حالة حول تحسين اللوجستيات الطارئة باستخدام نهج CODAS المقترح لاختيار خبير اللوجستيات الأكثر تأهيلاً في الفصل الرابع. لتقييم صحة وموثوقية النتائج، يتم تضمين تحليل حساسية شامل أيضًا في هذا الفصل. يختتم الفصل الخامس بملخص للاستنتاجات الرئيسية للدراسة، ومناقشة لتداعياتها، وتوصيات لاتجاهات البحث المستقبلية.

2. المقدمات

التعريف 2.1. [13] المجموعة الضبابية على يتم تمثيلها في الشكل
حيث يحدد من ويمثل درجات درجة العضوية (MG) في .
التعريف 2.2. [17] مجموعة ضبابية خطية ديوفانتينية على هي هيكل يتم تمثيله كالتالي:
حيث، هي MG، NMG، وRP الخاصة بهم على التوالي. يمكن أن تلبي الشرط لجميع مع .
التعريف 2.3. [17] لنفترض أن و هما LDFS الاثنان على . يتم تلخيص العمليات الحسابية بين و كما يلي:
  1. .
  2. ، حيث .
التعريف 2.4. [17] يُقال أن المصطلح هو عدد ضبابي خطي ديوفانتيني (LDFN)، الذي يلبي الشروط مع .
التعريف 2.5. [17] لنفترض أن هو LDFN على . ثم يتم تحديد دالة الدرجة لـ LDFN كالتالي

3. تقنية LDF-CODAS المقترحة

تم سرد العملية الخوارزمية لتقنية LDF-CODAS المقترحة أدناه.
الخطوة 1: تجميع مصفوفة قرار LDF .
حيث هو LDFN للمعايير بواسطة البديل .
الخطوة 2: تطبيع مصفوفة القرار كـ ، حيث،
الخطوة 3: حساب المصفوفة الموزونة المطبوعة
حيث، هو وزن لكل معيار و بحيث .
الخطوة 4: تقييم الحل المثالي السلبي NIS بحيث
الخطوة 5: عد المسافة الإقليدية ومسافة التاكسي كما يلي:
الخطوة 6: حساب مصفوفة التقييم النسبي (RAM)

حيث ، الذي يتم الإشارة إليه في ما يلي، هو دالة العتبة لتحديد ما إذا كانت المسافات الإقليدية لبديلين مختلفين متساوية.
يمكن اختيار وتعيين معلمة العتبة في الدالة أعلاه بواسطة DM أو خبير. تقع في نطاق 0.01 إلى 0.05 . عندما يتجاوز الفرق بين بديلين بناءً على المسافات الإقليدية الحد المحدد، سيستمر في حساب مسافة التاكسي للخيارات الاثنين. نختار للحسابات التالية في هذه الدراسة.
الخطوة 7: تحديد درجة التقييم لكل بديل ,
الخطوة 8: ترتيب البدائل بناءً على قيم درجات التقييم بترتيب تنازلي. يتم عرض التمثيل البياني للعملية الخوارزمية في الشكل 3.

4. تحسين اللوجستيات الطارئة: دراسة حالة

اللوجستيات الطارئة هي عملية التخطيط والتنظيم وتنفيذ حركة وتوزيع المنتجات والخدمات والموارد خلال وبعد الطوارئ أو الكوارث. الهدف الأساسي من اللوجستيات الطارئة هو ضمان وصول الإمدادات الحيوية، والمساعدة، ومواد الإغاثة إلى المناطق والسكان المتضررين في أسرع وقت ممكن وبأكثر الطرق كفاءة. تعتمد أنشطة إدارة الكوارث والاستجابة الإنسانية بشكل كبير على اللوجستيات الطارئة. تتضمن اللوجستيات الطارئة التخطيط والتنظيم والتنفيذ لسلسلة الإمداد لضمان وصول الإمدادات الحيوية مثل الطعام والماء والمعدات الطبية والمأوى والموظفين إلى المناطق المتضررة من الكوارث في أسرع وقت ممكن. لضمان استجابة سلسة، يتطلب الأمر تنسيقًا دقيقًا

1 بناء مصفوفة قرار LDF

2 تطبيع مصفوفة قرار LDF

3 الحصول على مصفوفة موزونة مطبوعة

4 تحديد الحل المثالي السلبي (NIS)

5 حساب المسافة الإقليدية ومسافة التاكسي

6 اشتقاق مصفوفة التقييم النسبي

7 حساب درجة التقييم

الشكل 3. تدفق خوارزمية LDF-CODAS

بين العديد من الأطراف، بما في ذلك الوكالات الحكومية، والمنظمات غير الحكومية، والمجموعات الدولية. يجب إدارة النقل، والتخزين، وأنظمة المعلومات، وشبكات الاتصال بشكل فعال لتقليل تأثير الكوارث، وإنقاذ الأرواح، والمساعدة في عملية التعافي. تعمل اللوجستيات الطارئة، في جوهرها، كعمود فقري لجهود الإغاثة الإنسانية، مقدمة المساعدة في الوقت المناسب لأولئك الذين يحتاجون إليها في أضعف أوقاتهم.

4.1 دور متخصص اللوجستيات

دور متخصص اللوجستيات في اللوجستيات الطارئة حاسم لضمان وصول الموارد والإغاثة إلى المناطق المتضررة من الكوارث بسرعة وكفاءة. إن معرفتهم بإدارة سلسلة الإمداد، والتنسيق، والتكيف حاسمة لإنقاذ الأرواح ومساعدة المجتمعات على التعافي من الكوارث. أيضًا، يلعب متخصص اللوجستيات دورًا حاسمًا في تحسين اللوجستيات الطارئة، والتي تتضمن جعل سلسلة الإمداد وإدارة الموارد أكثر كفاءة وفعالية من حيث التكلفة واستجابة خلال الطوارئ. إليك بعض الطرق الرئيسية التي يمكن أن يساعد بها متخصص اللوجستيات في تحسين اللوجستيات الطارئة:
7. التخطيط للاستعداد: يعمل متخصصو اللوجستيات مسبقًا لوضع خطط واستراتيجيات استجابة طارئة شاملة. يتضمن ذلك تحديد المخاطر المحتملة، وتطوير بروتوكولات سلسلة الإمداد، ووضع خطط طوارئ لتمكين استجابة سريعة وفعالة خلال الكارثة.
2. تخصيص الموارد: يقومون بتحليل البيانات التاريخية واستخدام النمذجة التنبؤية لتحديد أفضل تخصيص للموارد بناءً على الطلبات المتوقعة خلال الأزمة. يساعد ذلك في ضمان نشر الموارد المناسبة في المواقع المناسبة في الوقت المناسب.
3. علاقات الموردين: من الضروري تطوير علاقات قوية مع الموردين الموثوقين. للحفاظ على تدفق مستمر من السلع الضرورية خلال الكوارث، يتفاوض متخصصو اللوجستيات على العقود ويشكلون شراكات مع الموردين.
4. إدارة المخزون: من الضروري الاحتفاظ بإمدادات كافية من الإمدادات الطارئة. يستخدم متخصصو اللوجستيات استراتيجيات إدارة المخزون لتتبع مستويات المخزون وإعادة تعبئة الإمدادات حسب الحاجة، مما يقلل من النقص والفائض.
5. التكامل التكنولوجي: لتبسيط عمليات اللوجستيات، يستخدمون حلول تكنولوجية مثل تتبع GPS، والمراقبة في الوقت الحقيقي، وبرامج إدارة المخزون. يتيح ذلك وعيًا أفضل بسلسلة الإمداد واتخاذ قرارات أسرع.
6. كفاءة النقل: يقوم متخصصو اللوجستيات بتحسين طرق النقل وأنماطها لتقليل أوقات التسليم والتكاليف. قد يخططون أيضًا لوضع الموارد مسبقًا في مواقع حيوية للسماح باستجابة سريعة.
7. الاتصال والتنسيق: يعد الاتصال الفعال والتنسيق مع الأطراف الأخرى، مثل الوكالات الحكومية، والمنظمات غير الحكومية، والحكومات المحلية، أمرًا حاسمًا لتحسين اللوجستيات. يقومون بإنشاء بروتوكولات الاتصال لتعزيز تبادل المعلومات والتعاون بسلاسة.
8. تحليل البيانات: باستخدام تحليل البيانات، يقوم متخصصو اللوجستيات بتحليل وتفسير البيانات في الوقت الحقيقي لاتخاذ قرارات مستنيرة بشأن تخصيص الموارد وتوزيعها. يتضمن ذلك تتبع أنماط الطلب، واختناقات النقل، واستخدام الموارد.
9. التحكم في التكاليف: إدارة النفقات بكفاءة هي جزء مهم من تحسين اللوجستيات الطارئة. يبحث متخصصو اللوجستيات عن طرق لتقليل التكاليف مع الحفاظ على جودة وفعالية الاستجابة. 10. ينظمون جلسات تدريبية وتمارين للفرق اللوجستية والمستجيبين لتحسين مهاراتهم واستعدادهم. تساعد التمارين المنتظمة في تحديد الفرص لتحسين إجراءات اللوجستيات.
10. التحسين المستمر: بعد كل استجابة للطوارئ، يقوم متخصصو اللوجستيات بإجراء تقييمات بعد العملية وجلسات تفريغ. تُستخدم نتائج هذه التقييمات لتعديل وتحسين استراتيجيات وإجراءات اللوجستيات الطارئة المستقبلية.
11. التخفيف من المخاطر: من الضروري تحديد المخاطر والضعف المحتملين في سلسلة التوريد. يقوم محترفو اللوجستيات بوضع تقنيات التخفيف من المخاطر استجابةً للعقبات مثل إغلاق الطرق، والكوارث الطبيعية، والمخاوف الأمنية.
يساهم متخصصو اللوجستيات في استجابة أكثر كفاءة وفعالية للكوارث والطوارئ من خلال تحسين اللوجستيات الطارئة. إن معرفتهم بإدارة سلسلة التوريد، وتحليل البيانات، والتخطيط الاستراتيجي أمر حاسم في إنقاذ الأرواح وتقليل تأثير الكوارث على السكان المتضررين.

4.2 الحاجة إلى متخصص لوجستي

تصبح عملية اختيار متخصص لوجستي أمرًا أساسيًا للمنظمات، خاصة في مناخ الأعمال المعقد والمتغير اليوم. يتمتع المتخصص اللوجستي بكم هائل من الخبرة في إدارة سلسلة التوريد، والنقل، والتوزيع، مما يسمح للشركات بالتنقل بفعالية عبر تعقيدات اللوجستيات الحديثة. إن مساهمتهم حاسمة في تحسين العمليات، وتقليل التكاليف، وضمان الحركة الفعالة للبضائع والموارد. يمكن للمنظمات الاستفادة من تحسين الإنتاجية، وتحسين تخصيص الموارد، وزيادة رضا العملاء من خلال اتخاذ الخيار الصحيح. علاوة على ذلك، يمكن أن يساعد متخصص اللوجستيات المؤهل المنظمات على مواجهة الانقطاعات غير المتوقعة والتكيف مع ظروف السوق المتغيرة، مما يساهم في مرونة سلسلة التوريد. أخيرًا، فإن توظيف
متخصص لوجستي هو قرار استراتيجي له عواقب بعيدة المدى على تنافسية المنظمة، وربحيتها، وقدرتها على تلبية متطلبات سوق عالمي ديناميكي.
في مكان العمل الحديث، لا يمكن أن تكون الحاجة إلى توظيف متخصص لوجستي خفية. يجلب المتخصص اللوجستي معرفة ومهارات متخصصة إلى الطاولة. اللوجستيات هي العمود الفقري لإدارة سلسلة التوريد. يمكنهم مساعدة المنظمات في إدارة التحديات المعقدة من خلال تحسين العمليات، وتقليل التكاليف، وزيادة الكفاءة عبر سلسلة التوريد. إن اختيار المتخصص اللوجستي الصحيح أمر حاسم في عالم معولم حيث تمتد سلاسل التوريد عبر البلدان والصناعات. إنهم يحافظون على الامتثال التنظيمي، ويديرون المخاطر بفعالية، ويستجيبون بسرعة للاضطرابات أو الطوارئ. يمكن للمنظمات التي تختار متخصص لوجستي بشكل استراتيجي أن تحسن ليس فقط تنافسيتها ورضا العملاء ولكن أيضًا أن تؤسس مرونة في سلاسل التوريد الخاصة بها، مما يسمح لها بالازدهار في مناخ الأعمال المتغير باستمرار.

4.3 معايير اختيار المتخصص اللوجستي

استنادًا إلى دراسة الحالة السابقة، قمنا بتطوير خمسة معايير رئيسية لاختيار المتخصصين اللوجستيين. هذه المعايير الخمسة هي كما يلي:
النقل: يتولى متخصصو اللوجستيات تنظيم وإدارة نقل الشحنات. يجب أن يكونوا قادرين على تحديد أكثر الوسائل فعالية وملاءمة لنقل الأشياء من خلال فهم الخيارات المختلفة المتاحة للنقل. بالإضافة إلى ذلك، يجب أن يكونوا على دراية بمتطلبات عملائهم وكل خطوة في عملية الشحن. في اللوجستيات، الوسائل الأربعة الرئيسية للنقل هي الجو، والطريق، والبحر، والسكك الحديدية. اعتمادًا على ما يتم شحنه، ومن أين يأتي، وإلى أين يذهب، يتم استخدام نهج مختلف. قد تكون هناك حاجة لعدة طرق. ويجب أن يكون المتخصص اللوجستي على دراية بكل هذه الأمور.
التقنية: التكنولوجيا تحول مكان العمل، وصناعة اللوجستيات هي مثال رئيسي على ذلك. في هذه الصناعة، يعد تنفيذ التكنولوجيا الجديدة والأتمتة أمرًا بالغ الأهمية حيث تسعى الشركات للبقاء تنافسية. يوفر ذلك للأفراد فرصًا رائعة لتطوير مهاراتهم بمرور الوقت. تستخدم اللوجستيات التكنولوجيا الرقمية بشكل كبير لمراقبة وإدارة سلسلة التوريد، والمخزون، ونقل البضائع، وقاعدة بيانات العملاء، وسلوك العملاء، واستخدام المستودعات. يتمتع المحترفون في هذا المجال بالمهارة في تنفيذ الأنشطة الروتينية إذا كانوا يمتلكون مهارات أساسية في تكنولوجيا المعلومات. على سبيل المثال، قد تشارك الشركات موظفين مهرة في استخدام جداول البيانات للتخطيط. يجب على المحترفين أيضًا التعرف على التطبيقات التي تستخدمها الشركات لإدارة إجراءات اللوجستيات الخاصة بهم.
اتخاذ القرار: يتطلب اتخاذ أفضل القرارات للعميل، والفريق، والشركة استخدام أساليب واستراتيجيات اتخاذ القرار. قد يلجأ إليك الآخرون للقيادة ويعتمدون عليك في اتخاذ قرارات حاسمة في عملية الإنتاج. في حالة حدوث طارئ في سلسلة التوريد، يمكن للمتخصصين أيضًا تطبيق تقنيات اتخاذ القرار للوصول إلى استنتاجات سريعة. من الضروري وضع والالتزام بعملية اتخاذ قرار دقيقة إذا كنت ترغب في إثبات أنك قادر على حل المشكلات بفعالية والتكيف بسرعة مع السيناريوهات الجديدة. غالبًا ما يدير المحترفون في اللوجستيات خيارات استراتيجية للغاية، مثل ما إذا كان من الأفضل تخزين شيء ما أو صنعه حسب الطلب. يمكن أن تتعلق خيارات أخرى بمنطق نشر المخزون أو مركزية المخزون.
التوثيق: يحتاج أي متخصص لوجستي إلى أن يكون قادرًا على الكتابة بشكل مناسب وبسيط وواضح. تتطلب مهارات الكتابة الفعالة التفاعل مع العملاء، والموردين، وغيرهم من المشاركين في سلسلة التوريد. كتابة المقترحات، والتقارير، وغيرها من الوثائق التي تكون دقيقة، ومنظمة، وخالية من الأخطاء هي مهارة مطلوبة من المتخصصين اللوجستيين.
التنظيم: التخطيط، والتنفيذ، وإدارة الاستخدام الفعال لموارد المنظمة هي جميع جوانب التنظيم. لضمان استخدام الموارد بشكل فعال وكفء، يجب أن يكون متخصصو اللوجستيات منظمين جيدًا. نظرًا لأن متخصصي اللوجستيات مسؤولون عن التأكد من توفر الموارد والإمدادات عندما وأينما كانت مطلوبة، فإن التخطيط هو مهارة أساسية بالنسبة لهم.
من أجل التأكد من أن كل شيء يعمل بشكل صحيح، من الضروري أن تكون قادرًا على التخطيط مسبقًا، وتوقع الاحتياجات، ووضع استراتيجيات. من الضروري أن تكون هناك هياكل تنظيمية تمكنهم من إدارة ومراقبة عمليات سلسلة التوريد. يمكن لهؤلاء الأشخاص إدارة التوزيع، وتخطيط إنتاج المنتجات، والالتزام بالمواعيد النهائية من خلال امتلاك مهارات تنظيمية جيدة. تعتبر المهارات التنظيمية القوية مهمة في هذه المهنة لأن التنظيم غير الفعال يمكن أن يؤدي إلى تكاليف أعلى ورضا العملاء غير الكافي.
الشكل 4. معايير اختيار المتخصص اللوجستي

4.4 الحساب الرياضي للنهج المقترح

تريد شركة لوجستية تولي وظيفة مفتوحة لمنصب ‘متخصص لوجستي’، الذي سيكون مسؤولًا عن الإشراف على العمليات اليومية. بعد إجراء تصفية مسبقة في مجموعة من المرشحين، يتم فحص سبعة مرشحين لتوظيف متخصص لوجستي. يتم مراجعتهم من قبل مجموعة من الخبراء مثل مدير الموارد البشرية، ومدير اللوجستيات، ونائب الرئيس، والمحترف اللوجستي. يتم فحص المرشحين بناءً على مهاراتهم الإدارية، ومعرفتهم، ومستوى خبرتهم باستخدام معايير الاختيار التالية: النقل، التقنية، اتخاذ القرار، التوثيق، والتنظيم.

4.4.1 وصف المشكلة

يتم أخذ المرشحين الخمسة كمجموعة من البدائل . يتم أخذ معايير الاختيار الشكل 4 كمعايير (النقل)، (التقنية)، (اتخاذ القرار)، (التوثيق)، (التنظيم) .

4.4.2 عملية اتخاذ القرار

  1. تم بناء مصفوفة قرار LDF كما يلي؛
  1. نظرًا لأن جميع المعايير من نفس النوع، فلا حاجة للتطبيع.
  2. تم حساب مصفوفة القرار الموزونة باستخدام الصيغة [Eq. (2)] كما يلي:
  1. لإيجاد NIS، يجب علينا إيجاد القيمة الدنيا لكل عمود ‘ ‘. يتم حساب القيمة الدنيا بناءً على دالة الدرجة لـ LDFN. بالنسبة للمعايير ، القيمة الدنيا هي ، . وبالتالي يتم اشتقاق NIS
  2. المسافة الإقليدية ومسافة التاكسي يتم تعدادها باستخدام المعادلة Eq. (6)، Eq. (8). القيم موضحة في الجدول 2.
الجدول 2
المسافة الإقليدية ومسافة التاكسي
البدائل
0.1350 0.8232
0.2227 1.6410
0.1690 0.9770
0.2213 1.5940
0.2161 1.4106
0.2673 1.4923
0.2615 1.9229
  1. ذاكرة الوصول العشوائي يتم حسابها باستخدام المعادلة Eq. (9)، Eq. (10). قيمة العتبة تؤخذ كـ 0.03.
  1. يتم حساب درجات التقييم لكل بديل باستخدام المعادلة Eq. (11).
  1. ترتيب البدائل هو
لذا، فإن المرشح هو الأنسب لوظيفة أخصائي لوجستي.

4.5 تحليل الحساسية

تم إجراء تحليل حساسية للوزن المعين لكل من المعايير الخمسة في هذا القسم. المعايير اعتبرت الأكثر رغبة في الدراسة المقترحة. تم فحص نتائج تغيير أعلى تفضيل في سيناريوهات متعددة.
الحالة 1: تم إعطاء تفضيل أعلى للمعايير . ذاكرة الوصول العشوائي ودرجة التقييم النهائية كما يلي.
3.1894
لذا، فإن ترتيب البدائل هو
الحالة 2: تم إعطاء تفضيل أعلى للمعايير . ذاكرة الوصول العشوائي ودرجة التقييم النهائية كما يلي.
2.0935
لذا، فإن ترتيب البدائل هو
الحالة 3: تم إعطاء تفضيل أعلى للمعايير . ذاكرة الوصول العشوائي ودرجة التقييم النهائية كما يلي.
3.8542
لذا، فإن ترتيب البدائل هو
الحالة 4: تم إعطاء تفضيل أعلى للمعايير . ذاكرة الوصول العشوائي ودرجة التقييم النهائية كما يلي.
4.8698
لذا، فإن ترتيب البدائل هو .
من الواضح من النتائج أن الطريقة المقترحة حساسة لأوزان المعايير. ترتيب الأمر يتغير قليلاً أيضاً عندما نقوم بتعديل تفضيلات الوزن.

5. الخاتمة

يقدم هذا العمل طريقة جديدة لمعالجة صعوبات اتخاذ القرار تحت عدم اليقين من خلال دمج طريقة CODAS مع LDFS بشكل فعال. يوفر LDF مجموعة واسعة من قيم الدرجات،
مما يجعل هذه الطريقة مناسبة لجميع أنواع مجموعات البيانات. في هذه الدراسة، نحدد أفضل أخصائي لوجستي باستخدام طريقة CODAS، التي تتفوق من خلال دمج قياسين للمسافة، مما يؤدي إلى نتائج أكثر دقة. مع إطارها القابل للتكيف الذي يدير عدم الدقة والغموض، فإن تقنية LDF CODAS تحسن بشكل كبير من اتخاذ القرار – وهي ميزة حاسمة في الحالات المعقدة. يتم إثبات تأثيرها في العالم الحقيقي من خلال تنفيذها العملي في عملية اختيار أخصائي لوجستي، مما يعزز اتخاذ القرار التشغيلي والكفاءة. علاوة على ذلك، فإن قابلية توسيع النظام تعني أن لديه القدرة على أن يتم تطبيقه بشكل أوسع عبر العديد من الصناعات، مما يوفر أداة موثوقة لمشكلات اتخاذ القرار المستقبلية. يدعم دراسة الحساسية قوة طريقة LDF CODAS من خلال إظهار قدرتها على تحمل التغييرات في معلمات الإدخال دون المساس بالنتائج المتسقة. يوسع هذا العمل استخدام المجموعات الضبابية في اتخاذ القرار ويقدم أداة قوية لمزيد من التحقيق والتطبيقات في العالم الحقيقي في المجالات التي تحتاج إلى اتخاذ قرارات معقدة في مواجهة عدم اليقين. يمكن استخدام المعرفة التي تم جمعها من هذه الدراسة في مجالات متنوعة، مما يعزز المزيد من التحقيق وتحسين نماذج اتخاذ القرار المعتمدة على الضبابية. بينما تقدم نظريتنا العديد من المزايا، إلا أن لديها أيضًا بعض القيود. عندما تتجاوز قيم المعلمات المرجعية الواحد، فإن نظريتنا المقترحة غير قادرة على إدارة الوضع. أيضًا، عند التعامل مع كميات كبيرة من البيانات، قد يكون حساب النموذج المقترح مرهقًا. في المستقبل، سيتم استخدام عدة طرق MCDM مثل PROMTHEE وEDAS وVIKOR وTODIM وDEMATEL في مجالات متنوعة مثل الطب والزراعة والاقتصاد والمجتمع.

شكر وتقدير

تم كتابة المقالة بدعم مالي مشترك من منحة RUSA-Phase 2.0 المعتمدة بموجب خطاب رقم F 24-51/2014-U، السياسة (TN Multi-Gen)، قسم التعليم. حكومة الهند، بتاريخ 09.10.2018، برنامج DSTPURSE المرحلة الثانية بموجب خطاب رقم SR/PURSE Phase 2/38 (G) بتاريخ 21.02.2017 وDST (FIST المستوى I) 657876570 بموجب خطابرقم.SR/FIST/MS-I/2O18/17بتاريخ 20.12.2018.

تعارض المصالح

يعلن المؤلفون عدم وجود أي تعارض في المصالح.

References

[1] Chen, C.-T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114(1), 1-9. https://doi.org/10.1016/S0165-0114(97)00377-1
[2] Afshari, A., & Kowal, J. (2017). Decision Making Methods for the Selection of ICT Project Manager. Gospodarka Rynek Edukacja= Economy Market Education, 18(4), 19-28. https://doi.org/ 10.2139/ssrn. 3118075
[3] Bali, Ö., Gümüş, S., & Dağdeviren, M. (2013). A group madm method for personnel selection problem using delphi technique based on intuitionistic fuzzy sets. Journal of Management and Information Science, 1(1), 1-13.
[4] Boran, E., Genç, S., & Akay, D. (2011). Personnel selection based on intuitionistic fuzzy sets. Human Factors and Ergonomics in Manufacturing Service Industries, 21, 493-503. https://doi. org/10.1002/hfm. 20252
[5] Chen, C.-T., Pai, P.-F., & Wei Zhan, H. (2011). Applying linguistic vikor and knowledge map in personnel selection. Asia Pacific Management Review, 16(4), 491-502.
[6] Jafarnejad Chaghooshi, A., Arab, A., & Hosseini Dehshiri, S. J. (2016). A fuzzy hybrid approach for project manager selection. Decision Science Letters, 447-460. https://doi.org/10.5267/j. dsl.2016.1.001
[7] Dodangeh, J., Sorooshian, S., & Afshari, A. R. (2014). Linguistic Extension for Group Multicriteria Project Manager Selection. Journal of Applied Mathematics, 2014, 570398. https://doi.org/10. 1155/2014/570398
[8] Kelemenis, A., & Askounis, D. (2010). A new TOPSIS-based multi-criteria approach to personnel selection. Expert Systems with Applications, 37(7), 4999-5008. https://doi.org/10.1016/j.eswa. 2009.12.013
[9] Kelemenis, A., Ergazakis, K., & Askounis, D. (2011). Support managers selection using an extension of fuzzy TOPSIS. Expert Systems with Applications, 38(3), 2774-2782. https://doi.org/10. 1016/j.eswa.2010.08.068
[10] Nobari, S. M., & Zadeh, D. H. (2013). Designing a fuzzy model for decision support systems in the selection and recruitment process. African Journal of Business Management, 7(16), 1486. https://doi.org/10.5897/AJBM11.2803
[11] Mahdavi, I., Mahdavi-Amiri, N., Heidarzade, A., & Nourifar, R. (2008). Designing a model of fuzzy TOPSIS in multiple criteria decision making. Applied Mathematics and Computation, 206(2), 607-617. https://doi.org/10.1016/j.amc.2008.05.047
[12] Mammadova, M., & Jabrayilova, Z. (2014). Application of Fuzzy Optimization Method in DecisionMaking for Personnel Selection. Intelligent Control and Automation, 5(4), 190-204. https://doi. org/10.4236/ica.2014.54021
[13] Zadeh, L. (1965). Fuzzy sets. Information and Control, 8(3), 338-353. https://doi.org/10.1016/ Soo19-9958(65)90241-X
[14] Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87-96. https: //doi.org/10.1016/S0165-0114(86)80034-3
[15] Yager, R. R. (2014). Pythagorean Membership Grades in Multicriteria Decision Making. IEEE Transactions on Fuzzy Systems, 22(4), 958-965. https://doi.org/10.1109/TFUZZ.2013.2278989
[16] Yager, R. R. (2017). Generalized Orthopair Fuzzy Sets. IEEE Transactions on Fuzzy Systems, 25(5), 1222-1230. https://doi.org/10.1109/TFUZZ.2016.2604005
[17] Riaz, M., & Hashmi, M. R. (2019). Linear diophantine fuzzy set and its applications towards multi-attribute decision-making problems. Journal of Intelligent and Fuzzy Systems, 37(4), 54175439. https://doi.org/10.3233/jifs-190550
[18] Kannan, J., Jayakumar, V., Pethaperumal, M., & Kather Mohideen, A. B. (2024). An intensified linear diophantine fuzzy combined dematel framework for the assessment of climate crisis. Stochastic Environmental Research and Risk Assessment. https://doi.org/10.1007/s00477-023-02618-7
[19] Jeevitha, K., Garg, H., Vimala, J., Aljuaid, H., & Abdel-Aty, A.-H. (2023). Linear diophantine multifuzzy aggregation operators and its application in digital transformation. Journal of Intelligent Fuzzy Systems, 45(2), 3097-3107. https://doi.org/10.3233/JIFS-223844
[20] Jayakumar, V., Mohideen, A. B. K., Saeed, M. H., Alsulami, H., Hussain, A., & Saeed, M. (2023). Development of Complex Linear Diophantine Fuzzy Soft Set in Determining a Suitable AgriDrone for Spraying Fertilizers and Pesticides. IEEE Access, 11, 9031-9041. https://doi.org/10. 1109/ACCESS.2023.3239675
[21] Iampan, A., García, G. S., Riaz, M., Athar Farid, H. M., & Chinram, R. (2021). Linear diophantine fuzzy einstein aggregation operators for multi-criteria decision-making problems. Journal of Mathematics, 2021, 5548033. https://doi.org/10.1155/2021/5548033
[22] Ayub, S., Shabir, M., Riaz, M., Aslam, M., & Chinram, R. (2021). Linear diophantine fuzzy relations and their algebraic properties with decision making. Symmetry, 13(6), 945. https://doi. org/10.3390/sym13060945
[23] Riaz, M., Hashmi, M. R., Kalsoom, H., Pamucar, D., & Chu, Y.-M. (2020). Linear diophantine fuzzy soft rough sets for the selection of sustainable material handling equipment. Symmetry, 12(8), 1215. https://doi.org/10.3390/sym12081215
[24] Riaz, M., Farid, H. M. A., Aslam, M., Pamucar, D., & Bozanić, D. (2021). Novel approach for third-party reverse logistic provider selection process under linear diophantine fuzzy prioritized aggregation operators. Symmetry, 13(7), 1152. https://doi.org/10.3390/sym13071152
[25] Farid, H. M. A., Riaz, M., Khan, M. J., Kumam, P., & Sitthithakerngkiet, K. (2022). Sustainable thermal power equipment supplier selection by einstein prioritized linear diophantine fuzzy aggregation operators. AIMS Mathematics, 7(6), 11201-11242. https://doi.org/10.3934/math. 2022627
[26] Riaz, M., Farid, H. M. A., Wang, W., & Pamucar, D. (2022). Interval-valued linear diophantine fuzzy frank aggregation operators with multi-criteria decision-making. Mathematics, 10(11), 1811. https://doi.org/10.3390/math10111811
[27] Jayakumar, V., Kannan, J., Kausar, N., Deveci, M., & Wen, X. (2024). Multicriteria group decision making for prioritizing iot risk factors with linear diophantine fuzzy sets and marcos method. Granular Computing, 9(3), 56. https://doi.org/10.1007/s41066-024-00480-8
[28] Kannan, J., Jayakumar, V., Saeed, M., Alballa, T., Khalifa, H. A. E.-W., & Gomaa, H. G. (2024). Linear diophantine fuzzy clustering algorithm based on correlation coefficient and analysis on logistic efficiency of food products. IEEE Access, 12, 34889-34902. https://doi.org/10.1109/ access.2024.3371986
[29] Petchimuthu, S., Riaz, M., & Kamacı, H. (2022). Correlation coefficient measures and aggregation operators on interval-valued linear diophantine fuzzy sets and their applications. Computational and Applied Mathematics, 41, 409. https://doi.org/10.1007/s40314-022-02077-w
[30] Kannan, J., & Jayakumar, V. (2023). Sustainable method for tender selection using linear diophantine multi-fuzzy soft set. Communications Faculty Of Science University of Ankara Series A1 Mathematics and Statistics, 72(4), 976-991. https://doi.org/10.31801/cfsuasmas. 1255830
[31] Kannan, J., Jayakumar, V., Pethaperumal, M., & Shanmugam, N. S. (2024). Linear diophantine multi-fuzzy soft similarity measures: An analysis on alternative-fuel. Journal of Intelligent Fuzzy Systems, 1-13. https://doi.org/10.3233/jifs-219415
[32] Vimala, J., Garg, H., & Jeevitha, K. (2023). Prognostication of Myocardial Infarction Using Lattice Ordered Linear Diophantine Multi-fuzzy Soft Set. International Journal of Fuzzy Systems, 26, 44-59. https://doi.org/10.1007/s40815-023-01574-2
[33] Kannan, J., Jayakumar, V., & Saeid, A. B. (2024). Lattice algebraic structures on Idmfs domains. New Mathematics and Natural Computation, 1-21. https://doi.org/10.1142/s1793005725500218
[34] Jeevitha, K., Vimala, N. J., Banu, K. A., & Sri, S. N. (2024). Enhancing agricultural diagnostics through linear diophantine multi-fuzzy soft matrices with lattice implementation. Contemporary Mathematics, 2593-2618. https://doi.org/10.37256/cm.532O244387
[35] Sri, S., J, D., Kausar, N., Ozbilge, E., Ozbilge, E., & Pamucar, D. (2024). An mcdm approach on einstein aggregation operators under bipolar linear diophantine fuzzy hypersoft set. Heliyon, 10, e29863. https://doi.org/10.1016/j.heliyon.2024.e29863
[36] Pandipriya, A., J, D., & Begam, S. S. (2018). Lattice ordered interval-valued hesitant fuzzy soft sets in decision making problem. International Journal of Engineering Technology, 7(1.3), 5255. https://doi.org/10.14419/ijet.v7i1.3.9226
[37] Vimala, J., Mahalakshmi, P., Rahman, A. U., & Saeed, M. (2023). A customized TOPSIS method to rank the best airlines to fly during COVID-19 pandemic with q-rung orthopair multi-fuzzy soft information. Soft Computing, 27(20), 14571-14584. https://doi.org/10.1007/s00500-023-08976-2
[38] Pethaperumal, M., Jeyakumar, V., Kannan, J., & Banu, A. (2023). An algebraic analysis on exploring q-rung orthopair multi-fuzzy sets. Journal of Fuzzy Extension and Applications, 4(3), 235-245. https://doi.org/10.22105/jfea.2023.408513.1302
[39] Keshavarz-Ghorabaee, M., Zavadskas, E., Turskis, Z., & Antucheviciene, J. (2016). A new combinative distance-based assessment (codas) method for multi-criteria decision-making. Economic computation and economic cybernetics studies and research / Academy of Economic Studies, 50, 25-44.
[40] Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E., Hooshmand, R., & Antucheviciene, J. (2017). Fuzzy extension of the codas method for multi-criteria market segment evaluation. Journal of Business Economics and Management, 18, 1-19. https: / / doi. org / 10. 3846/16111699. 2016. 1278559
[41] Panchal, D., Chatterjee, P., Shukla, R., Choudhury, T., & Tamosaitiene, J. (2017). Integrated fuzzy ahp-codas framework for maintenance decision in urea fertilizer industry. Economic Computation and Economic Cybernetics Studies and Research, 51(3), 179-196.
[42] Shetwan, A., Badi, I., & Abdulshahed, A. (2018). A case study of supplier selection for a steel making company in libya by using the combinative distance based assessment (codas) model. Decision Making: Applications in Management and Engineering, 1(1), 1-12. https://doi.org/10. 31181/dmame180101b
[43] Badi, I., Ballem, M., & Shetwan, A. (2018). Site selection of desalination plant in libya by using combinative distance-based assessment (codas) method. International Journal for Quality Research, 12(3), 609-624. https://doi.org/10.18421/IJQR12.03-04
[44] Boltürk, E. (2018). Pythagorean fuzzy codas and its application to supplier selection in a manufacturing firm. Journal of Enterprise Information Management, 3(4), 550-564. https://doi. org/10.1108/JEIM-01-2018-0020
[45] Boltürk, E., & Kahraman, C. (2018). Interval-valued intuitionistic fuzzy codas method and its application to wave energy facility location selection problem. Journal of Intelligent Fuzzy Systems, 35(4), 4865-4877. https://doi.org/10.3233/JIFS-18979
[46] Peng, X., & Garg, H. (2018). Algorithms for interval-valued fuzzy soft sets in emergency decision making based on wdba and codas with new information measure. Computers Industrial Engineering, 119, 439-452. https://doi.org/10.1016/j.cie.2018.04.001
[47] Mathew, M., & Sahu, S. (2018). Comparison of new multi-criteria decision making methods for material handling equipment selection. Management Science Letters, 8, 139-150. https: //doi.org/10.5267/j.msl.2018.1.004
[48] Pamucar, D., Badi, I., & Sanja, K. (2018). A novel approach for the selection of power-generation technology using a linguistic neutrosophic codas method: A case study in libya. Energies, 11(9), 2489. https://doi.org/10.3390/en11092489
[49] Yeni, F. B., & Özçelik, G. (2019). Interval-valued atanassov intuitionistic fuzzy codas method for multi criteria group decision making problems. Group Decision and Negotiation, 28. https: //doi.org/10.1007/s10726-018-9603-9
[50] Karaşan, A., Boltürk, E., & Kahraman, C. (2019). A novel neutrosophic codas method: Selection among wind energy plant locations. Journal of Intelligent and Fuzzy Systems, 36(2), 1491-1504. https://doi.org/10.3233/JIFS-181255
[51] Maghsoodi, A. I., Rasoulipanah, H., López, L. M., Liao, H., & Zavadskas, E. (2020). Integrating interval-valued multi-granular 2-tuple linguistic bwm-codas approach with target-based attributes: Site selection for a construction project. Computers Industrial Engineering, 139, 106147. https://doi.org/10.1016/j.cie.2019.106147
[52] Ijadi Maghsoodi, A., Maghsoodi, A., Poursoltan, P., Antucheviciene, J., & Turskis, Z. (2019). Dam construction material selection by implementing the integrated swara-codas approach with
target-based attributes. Archives of Civil and Mechanical Engineering, 19, 1194-1210. https: //doi.org/10.1016/j.acme.2019.06.010
[53] Seker, S. (2020). A novel interval-valued intuitionistic trapezoidal fuzzy combinative distancebased assessment (codas) method. Soft Computing, 24, 2287-2300. https://doi.org/10.1007/ s00500-019-04059-3
[54] Peng, X., & Ma, X. (2020). Pythagorean fuzzy multi-criteria decision making method based on codas with new score function. Journal of Intelligent and Fuzzy Systems, 38(3), 3307-3318. https://doi.org/10.3233/JIFS-190043
[55] Aydoğmuş, H., Kamber, E., & Kahraman, C. (2021). Erp selection using picture fuzzy codas method. Journal of Intelligent and Fuzzy Systems, 40(6), 11363-11373. https://doi.org/10. 3233/JIFS-202564

  1. *Corresponding author.
    E-mail address: vimaljey@alagappauniversity.ac.in

Journal: Spectrum of Operational Research., Volume: 2, Issue: 1
DOI: https://doi.org/10.31181/sor2120259
Publication Date: 2024-08-28

Advanced Fuzzy-Based Decision-Making: The Linear Diophantine Fuzzy CODAS Method for Logistic Specialist Selection

Jeevitha Kannan , Vimala Jayakumar , Mahalakshmi Pethaperumal Department of Mathematics, Alagappa University, Karaikudi, India

ARTICLE INFO

Article history:

Received 19 May 2024
Received in revised form14 July 2024
Accepted 19 August 2024
Available online 28 August 2024

Keywords:

Linear Diophantine Fuzzy Set; CODAS; Logistics; Logistic Specialist.

Abstract

This study addresses the inherent uncertainty in human decision-making by leveraging fuzzy sets, which were introduced to better capture the imprecision associated with human thoughts and judgments. As an extension to traditional fuzzy sets, the Linear Diophantine Fuzzy Set (LDFS) was developed, offering a more flexible approach by relaxing existing limitations on grade values. The LDFS has found applications across various fields, demonstrating its versatility and effectiveness. In this study, we explore the application of the Linear Diophantine Fuzzy Set within the framework of the Combinative Distance-based Assessment (CODAS) method. The CODAS method stands out because it incorporates Euclidean and Taxicab distances. Decision-making should consider not only the direct distances between ideal solutions and alternatives but also the indirect distances. The foremost objective of this research is to propose a novel approach by integrating the CODAS method with the LDFS to address complex decision-making problems characterized by uncertainty and imprecision. To illustrate the practical utility of the proposed method, we apply it to a numerical example involving the selection of a logistics specialist, a critical decision in emergency logistics optimization. The research also includes a case study on a logistics specialist, highlighting the practical application of the methods discussed. Furthermore, this study provides a comprehensive sensitivity analysis of the parameters’ weights to evaluate the robustness and reliability of the proposed method. The results highlight the effectiveness of the LDF CODAS method in making informed and reliable decisions under conditions of uncertainty, paving the way for future applications in other decisionmaking scenarios.

1. Introduction

In an uncertain competitive landscape, businesses need to take strategic entrepreneurial measures to ensure their continued success, create lasting competitive benefits, and produce superior performance over the long term with an eye toward sustainability. According to this viewpoint, either a competitive advantage using the resource-based view or a breakthrough innovation demands the organization to build up a base on its human capital, which is defined as the accumulation of various knowledge, skills, and abilities gained through education, experience, and training of employees within an organization, to ensure the success in terms of performance with lowering costs or differentiating. Based on such a perspective, human resources management (HRM) functions in any type of organization and it is primarily concerned with the tasks of attracting, developing, motivating, and retaining a workforce with high performance, which is strongly associated with organizational success. According to this perspective, businesses are expected to develop practices that are in line with their business- and corporate-level strategies to attract, select, and hire the right person for the right job.
The study and expertise involved in managing and controlling the movement of energy, products, information, and associated resources are known as logistics. Currently, the term “logistic” refers to a broad range of activities, including the movement of raw materials from providers to producers and the ultimate shipping of completed products to end users. To confirm customer requirements, logistics is defined by the Council of Logistics Management (CLM) as the process of organizing, implementing, and managing the efficient, affordable flow and storage of raw materials, in-process inventory, finished goods, and related information from point of origin to point of consumption (Figure 1).
As it enables the transfer of products from suppliers to manufacturers, sellers or distributors, and
Fig. 1. Importance of logistics in business management
ultimately purchasers, logistics is a crucial component in the supply chain. Planning, executing, and overseeing many operations that guarantee the efficient operation of storage and transit of commodities from their point of origin to their destination are common tasks in logistics management. Managing logistics requires doing tasks including inventory control, raw material accumulation, supply and demand planning, and warehouse administration. As a result, it covers a wide range of supply chain procedures (Figure 2). Increasing client satisfaction and lowering overall operating costs are the two fundamental objectives of logistics management.
Likewise, it must be pointed out that it is exorbitant to change the wrong hiring choice due to the
Fig. 2. Supply chain vs Logistics
time spent on, costs associated with hiring, training, monitoring, and terminating that person, as well as unnecessary financial and time-related losses from hiring a new one, as well as the indirect costs of loss in productivity, precision flexibility, quality of the product, and industrial accidents in an organization.
A managerial role known as a logistics expert is in charge of a company’s warehousing, shipping, and receiving activities. Logistics experts manage the movement and storage of goods or commodities, which frequently entails office work and occasional manual labor. Logistics specialist, as expected, has also become a significant concern for logistics, since everything is done for people by people and generates a significant portion of the national economy as well as a catalyst for national competitiveness. This necessitates businesses to meet a steadily increasing demand for professionals with specialized knowledge and talent of more than 280 skills due to a complex, multidimensional, integrated, and international structure with various decision levels. Since the fact that there have been numerous changes in job requirements and the number of requirements for employment as a result of recent developments in the fields of globalization, information, and communication technologies, traditional methods of logistics expert selection have become more ineffective. HR managers are unable to select the best candidates, as the HR infrastructure in the field of logistics is insufficient.
However, modern methods of multi-criteria decision-making (MCDM) models have emerged in response to the failure of existing methods to meet the needs and provide a less expensive, quicker, more accurate, and easier-to-use approach to any PS problem to find the best match candidate. With this in mind, the motive of this research is to appraise the criteria applied in many countries’ logistics industry and present a trustworthy MCDM model to select and hire a “logistics specialist” in a logistics company through a real case, and to create a foundation for end-users to compare the relative weight of criteria across nations. An in-depth investigation of logistics specialist characteristics with various approaches in the literature has been conducted in a variety of scenarios and presented in Table 1. The findings are anticipated to offer new perspectives and useful information to students, scholars who have studied logistics and the MCDM model, selection and recruitment agencies, candidates for the logistics profession, and managers of logistics companies
Table 1
Literature Review on Selection Charateristics
Position Evaluation Approach Selection Criteria
[1] System analysis engineer Fuzzy TOPSIS Emotional steadiness, oral communication skills, personality, past experience, self-confidence
[2] ICT project manager Fuzzy linguistic evaluation approach Education, experience, computer knowledge, foreign language, age, gender, labor shift and non-smoker
[3] System analysis IFS TOPSIS Leadership, motivation, work experience, proficiency, appearance, creativity, age and communication skills
[4] Sales manager IF-TOPSIS Oral communication skills, past experience, general aptitude, willingness, self-confidence and first impression
[5] Engineer Fuzzy VIKOR General and professional knowledge criteria
[6] Project manager Fuzzy VIKOR Site management capacity, technical level,level of leadership, personal qualities and contextual competencies
[7] Project manager Fuzzy MCDM Basic requirements, project management skills, management skills and interpersonal skills
[8] CIO Fuzzy TOPSIS Soft and technical skills
[9] Support Manager Fuzzy TOPSIS Creativity/innovation, problem-solving/decision making, conflict management/negotiation, empowerment/delegation, strategic planning, specific presentation skills,communication skills, team management, diversity management, self-management, and educational background
[10] HR manager Fuzzy TOPSIS Scientific, psychological, behavioral and apparent characteristics, functional characteristics and medical
[11] System analyst Fuzzy TOPSIS Emotional steadiness, oral communication skills, personality, past experience and self-confidence
[12] Personnel Fuzzy TOPSIS Science and education, behavior and appearance, personal psychological, functional activity and medical criteria

1.1 Literature Review

Human thinking and reasoning give rise to hazy human conceptions, which give rise to Zadeh’s fuzzy set[13]. The topic of fuzzy sets is growing and has seen a lot of use lately, particularly in the logistics sector. This problem is demonstrated by its capacity to assist experts in selecting the optimum options for higher positions. Despite the overwhelming response, there are not enough members to handle every situation. Together with non-membership grades, Atannosov[14] created an intuitionistic fuzzy set (IFS). Then, Yager introduced the novel interpretation of Pythagorean fuzzy sets (PFS)[15] with q-rung orthopair fuzzy sets (q-ROFS)[16], as a generalization of IFSs. These widely available fuzzy sets cannot reflect some concerns and have certain restrictions on grade values.
The linear diophantine fuzzy set (LDFS) [17], the prototype of a novel and unique fuzzy concept, removes all of these restrictions as reference parameters exist. From the LDF environment perspective, Jeevitha et al.,[18] promoted and used the DEMATEL approach in the context of climate change. The linear diophantine multi-fuzzy aggregation operators are credited to Jeevitha et al.,[19] for their development and application to digital transformation. To choose the right Agri-Drone, Vimala et
al.,built the complex LDF soft set [20]. Several Einstein aggregation techniques were applied to explore LDFS for MCDM problems in Aiyared Iampam[21]. These operators can extract rating data and identify the optimal choice. Subsequently, Saya Ayub[22] connected algebraic features with LDF relations through decision-making. Riaz et al.,[23] developed on LDFS by putting forth the idea of soft rough sets for application in material handling equipment. To choose third-party logistic service providers, Riaz et al.,[24] developed aggregation operators (AOs) that used linear Diophantine fuzzy numbers (LDFNs) in priority order. An application of Einstein prioritized linear Diophantine fuzzy AOs was proposed by Farid et al.,[25].
Riaz et al.,[26] recently created Frank AOs for linear Diophantine fuzzy numbers with interval values. Apart from delineating the characteristics and uses of LDFS, Vimala et al.,[27] also devised the MARCOS technique for LDFS. Using the LDF correlation coefficient, Jeevitha et al.,[28] described the LDFS clustering technique. Petchimuthu[29] attempted to address the supplier selection issue by utilizing IVLDF data and its AOs. Jeevitha and Vimala [30] implemented the multi-fuzzy soft set in LDFS and addressed its applicability in the tender selection process. Furthermore, the LDMFS similarity measure was introduced and utilized to choose the optimal replacement for the petrol[31]. Moreover, LDFS[32-34] implements the lattice structures in several studies with applications in the prediction of Myocardial Infarction and analysis of farming methods. Nithya et al.,[35] incorporated the theory of bipolar in LDFS and introduced Einstein aggregation operators for bipolar LDFS. Several authors have discussed various MCDM problems within the context of fuzzy theory.[36-38]
Ghorabaee et al., [39] initially presented the CODAS technique to handle complicated MCDM issues. By contrasting its outcomes with those of other well-known MCDM techniques, the efficacy of CODAS was shown, indicating its appropriateness for addressing MCDM difficulties. Ghorabaee et al., [40] created a hybrid model in a different study that combines fuzzy logic and the CODAS technique for multi-criteria group decision-making, especially when choosing the best suppliers. This improvement extended the CODAS technique by integrating language phrases with trapezoidal fuzzy numbers (TrFNs).
Panchal et al., [41] presented an integrated MCDM strategy that uses a fuzzy version of CODAS and the fuzzy analytical hierarchy process (FAHP) to support maintenance decision-making in the process sector. The CODAS approach was used by Badi et al., to choose suppliers for the steelmaking industry [42] and to choose locations for desalination plants [43]. To choose the optimal location for wave energy facilities, Boltürk [44] expanded the CODAS approach by putting forth a PF-CODAS version for supplier selection. Later, he and Kahraman [45] created an Interval-Valued IF CODAS. After comparing the outcomes with those from the conventional CODAS approach, a unique rating was produced. Peng and Garg [46] proposed the weighted distance-based approximation (WDBA), CODAS, and a new approach for constructing distance and similarity measures to handle interval-valued fuzzy soft decision-making problems. Mathew and Sahu [47] utilized newly developed CODAS, EDAS, WASPAS, and MOORA methods to solve two material handling equipment selection problems. Their rankings were then compared with other popular methods like TOPSIS and ELECTRE. Pamucar et al., [48] introduced the Pairwise-CODAS model, altering the CODAS method with Linguistic Neutrosophic Numbers (LNN).
The interval-valued Atanassov IF CODAS method was introduced by Yeni and Ozcelik [49] as a solution to MCDM difficulties. The interval-valued neutrosophic CODAS approach for choosing the locations of wind energy plants was created by Karasan et al., [50]. Ijadi Maghsoodi et al., applied decision-making procedures, combining CODAS with the Best-Worst Method (BWM) for site selection [51] and the Step-Wise Weight Assessment Ratio Analysis (SWARA) method for material selection [52]. To show the superiority of the new approach, Seker [53] provided an updated integrated model based on CODAS and interval-valued intuitionistic trapezoidal fuzzy sets (IVITrFS). This model produced a different ranking. Peng et al.,[54] discussed the CODAS method for PFS in MCDM. Picture fuzzy extension
of the CODAS method is emphasized in the context of ERP selection by H.Y. Aydogmus et al., [55].
Several fuzzy number extensions have reportedly been combined with the CODAS approach under uncertainty, according to the literature. The focus of this work is on the linear Diophantine fuzzy extension of the CODAS approach, which has not yet been investigated in the literature.

1.2 Contribution of this research

The foremost contributions of this study are stated as follows:
  1. This work presents a unique framework for decision-making by combining the Linear Diophantine Fuzzy Set (LDFS) with the CODAS approach.
  2. It enhances conventional approaches by addressing intricate decision-making issues marked by uncertainty and imprecision.
  3. A case study is provided that utilizes the suggested LDF CODAS method for emergency logistics optimization when choosing a logistics specialist.
  4. To assess the method’s robustness and dependability in practical situations, the study involves a thorough sensitivity analysis.
  5. The study opens the door for additional LDF CODAS technique applications in a range of multicriteria decision-making scenarios.
The research is arranged in the following manner: The Preliminaries are covered in Chapter 2, which lays the theoretical groundwork and methods that are crucial for interpreting the subsequent sections. In Chapter 3, the Linear Diophantine Fuzzy CODAS (LDF CODAS) method is presented, along with its theoretical improvements over previous methods and a description of its formulation. A case study on emergency logistics optimization using the suggested CODAS approach to choose the most qualified logistics expert is presented in Chapter 4. To assess the validity and dependability of the findings, a comprehensive sensitivity analysis is also included in this chapter. Chapter 5 concludes with a summary of the study’s main conclusions, a discussion of its ramifications, and recommendations for future research directions.

2. Preliminaries

Definition 2.1. [13] The fuzzy set on is symbolized in the form
where maps from and it represents the degrees of Membership Grade(MG) in .
Definition 2.2. [17] A linear Diophantine fuzzy set on is a structure symbolized as:
where, are MG, NMG, and their RP respectively. It could satisfy the condition for all with .
Definition 2.3. [17] Let and be the two LDFS over . The arithmetic operations between and are summarized as follows:
  1. .
  2. , where .
Definition 2.4. [17] The term is said to be Linear Diophantine Fuzzy Number(LDFN), which satisfies the conditions with .
Definition 2.5. [17] Let be a LDFN over . Then the score function of LDFN is characterized as

3. A Proposed LDF-CODAS Technique

The Algorithmic process of our proposed LDF-CODAS was listed below.
Step 1: Assemble the LDF decision matrix .
where is a LDFN for the criteria by the alternative .
Step 2: Normalise the decision matrix as , where,
Step 3: Compute the weighted normalized matrix
where, is a weight for each criteria and such that .
Step 4: Evaluate the negative ideal solution NIS such that
Step 5: Enumerate the Euclidean and Taxicab distance as follows:
Step 6: Compute the Relative Assessment Matrix(RAM)

where , which is indicated in the following, is the threshold function to determine whether the Euclidean distances of two distinct alternatives are equivalent.
The threshold parameter in the function above can be chosen and set by a DM or expert. lies in the range of 0.01 to 0.05 . When the difference between two alternatives based on Euclidean distances exceeds the provided limit, it will keep calculating the taxi-cab distance of the two options. We choose for the following computations in this study.
Step 7: Determine the evaluation score for each alternative ,
Step 8: Rank the alternatives based on evaluation score values in descending order. The diagrammatic representation of the algorithmic process is shown in Figure 3.

4. Optimization of Emergency Logistics: A Case study

Emergency logistics is the process of planning, organizing, and carrying out the movement and distribution of products, services, and resources during and after emergencies or catastrophes. The fundamental purpose of emergency logistics is to guarantee that critical supplies, help, and relief materials reach affected areas and populations as soon as possible and in the most efficient manner possible. Disaster management and humanitarian response activities rely heavily on emergency logistics. Emergency logistics entails the planning, organization, and execution of the supply chain to ensure that crucial supplies such as food, water, medical equipment, shelter, and staff arrive in disasterstricken areas as soon as possible. To guarantee a seamless response, it requires precise coordination

1 Build a LDF Decision Matrix

2 Normalize the LDF Decision Matrix

3 Obtain Weighted Normalized Matrix

4 Determine the Negative Ideal Solution(NIS)

5 Compute Euclidean Distance and Taxicab Distance

6 Derive Relative Assessment Matrix

7 Compute the Evaluation Score

Fig. 3. LDF-CODAS Algorithmic Flow

among numerous parties, including government agencies, non-governmental organizations, and international groups. Transportation, warehousing, information systems, and communication networks must be managed effectively to reduce the impact of disasters, save lives, and aid in the recovery process. Emergency logistics, in essence, acts as the backbone of humanitarian relief efforts, giving timely aid to those in need at their most vulnerable times.

4.1 Role of Logistics Specialist

A logistics specialist’s role in emergency logistics is critical for ensuring that resources and relief arrive in disaster-affected areas quickly and efficiently. Their knowledge of supply chain management, coordination, and adaptation is critical for saving lives and assisting communities in recovering from disasters. Also, a logistics specialist is critical in optimizing emergency logistics, which entails making the supply chain and resource management more efficient, cost-effective, and responsive during an emergency. Here are some major ways that a logistics specialist can help to improve emergency logistics:
7. Preparedness Planning: Logistics specialists work ahead of time to build thorough emergency response plans and tactics. This includes identifying potential risks, developing supply chain protocols, and developing contingency plans to enable a quick and effective response during a disaster.
2. Resource Allocation: They analyze historical data and utilize predictive modeling to identify the best resource allocation based on predicted demands during a crisis. This aids in ensuring that the appropriate resources are deployed to the appropriate locations at the appropriate time.
3. Supplier ties: It is critical to develop strong ties with dependable suppliers. To maintain a consistent flow of necessary commodities during catastrophes, logistics specialists negotiate contracts and form partnerships with suppliers.
4. Inventory Management: It is critical to keep an adequate supply of emergency supplies on hand. Inventory management strategies are used by logistics specialists to track stock levels and refill supplies as needed, minimizing shortages and surpluses.
5. technological Integration: To streamline logistics operations, they use technological solutions such as GPS tracking, real-time monitoring, and inventory management software. This enables better supply chain awareness and faster decision-making.
6. Transportation Efficiency: Logistics professionals optimize transportation routes and modes to reduce delivery times and costs. They may also plan for resource pre-positioning in crucial locations to allow speedy reaction.
7. Communication and Coordination: Effective communication and coordination with other stakeholders, such as government agencies, non-governmental organizations, and local governments, is crucial for optimizing logistics. They establish communication protocols to promote seamless information sharing and collaboration.
8. Data Analytics: Using data analytics, logistics specialists analyze and interpret real-time data to make informed decisions about resource allocation and distribution. This includes tracking demand patterns, transportation bottlenecks, and resource utilization.
9. Cost Control: Managing expenses efficiently is an important part of optimizing emergency logistics. Logistics specialists look for ways to cut costs while maintaining response quality and effectiveness. 10. They organize training sessions and disaster drills for logistical teams and responders to improve their skills and preparedness. Regular exercises aid in the identification of opportunities for improvement in logistics procedures.
10. Ongoing Improvement: Following each emergency response, logistics specialists undertake postoperation evaluations and debriefings. These evaluations’ findings are utilized to modify and improve future emergency logistics strategies and procedures.
11. Risk Mitigation: It is critical to identify potential risks and weaknesses in the supply chain. Logistics professionals devise risk-mitigation techniques in response to obstacles such as road closures, natural disasters, and security concerns.
Logistics specialists contribute to a more efficient and effective response to catastrophes and emergencies by optimizing emergency logistics. Their knowledge of supply chain management, data analysis, and strategic planning is critical in saving lives and minimizing the impact of disasters on affected populations.

4.2 The need for Logistics Specialist

The selection of a logistics professional becomes essential for organizations, particularly in today’s complicated and changing business climate. A logistics specialist has a plethora of experience in supply chain management, transportation, and distribution, allowing firms to effectively traverse the complexities of modern logistics. Their contribution is critical in optimizing operations, lowering costs, and assuring the efficient movement of goods and resources. Organizations can profit from improved productivity, better resource allocation, and increased customer satisfaction by making the right choice. Furthermore, a qualified logistics specialist can help organizations weather unanticipated interruptions and adapt to changing market conditions, contributing to supply chain resilience. Finally, hiring
a logistics specialist is a strategic decision with far-reaching consequences for an organization’s competitiveness, profitability, and ability to satisfy the demands of a dynamic global marketplace.
In the modern workplace, the need to hire a logistics specialist cannot be subtle. A logistics specialist brings specialized knowledge and abilities to the table. Logistics is the backbone of supply chain management. They may assist organizations in managing complicated challenges by optimizing operations, lowering costs, and increasing efficiency throughout the supply chain. Choosing the correct logistics specialist is critical in a globalized world where supply chains span countries and industries. They maintain regulatory compliance, effectively manage risks and respond quickly to disturbances or emergencies. Organizations that choose a logistics specialist strategically can not only improve their competitiveness and customer happiness but also establish resilience in their supply chains, allowing them to prosper in an ever-changing business climate.

4.3 Selection Criteria for Logistic Specialist

Based on the preceding case study, we developed five primary selection criteria for logistics specialists. These five criteria are as follows:
Transportation: Specialists in logistics are in charge of organizing and controlling cargo transportation. They must be able to identify the most effective and affordable means of transferring things by comprehending the many transportation options available. Additionally, they must be aware of the requirements of their clients and each step in the shipping procedure. In logistics, the four main means of transportation are by air, road, sea, and train. Depending on what is being shipped, where it is coming from, and where it is going, a different approach is employed. There could be a need for many approaches. And a logistics specialist should be aware of these all.
Technical: Technology is transforming the workplace, and the logistics industry is a prime example. In this industry, implementing new technology and automation is extremely important as businesses strive to remain competitive. This offers individuals fantastic chances to develop their skill sets over time. In order to monitor and manage the supply chain, inventory, transportation, movement of goods, customer database, customer behavior, and warehouse utilization, logistics leverages digital technologies significantly. Professionals in this field are skilled in carrying out routine activities if they possess basic IT abilities. For instance, businesses might engage personnel skilled in the use of spreadsheets for scheduling. Professionals should also become acquainted with the applications used by companies to manage their logistics procedures.
Decision-making: Making the greatest decisions for the client, team, and business requires the use of decision-making approaches and tactics. They may turn to you for leadership and rely on you to make crucial decisions in the production process. In the event of a supply chain emergency, specialists can also apply decision-making techniques to reach speedy conclusions. It’s essential to establish and adhere to a precise decision-making process if you want to demonstrate that you can solve problems effectively and rapidly adjust to new scenarios. Professionals in logistics frequently manage extremely strategic choices, such as whether it is better to store something or make it to order. Other choices can deal with inventory deployment logic or inventory centralization.
Documentation: Any logistics specialist needs to be able to write appropriately, simply, and clearly. Effective writing abilities are required to interact with clients, suppliers, and other supply chain participants. Writing proposals, reports, and other documents that are precise, organized, and error-free is a skill required of logistics specialists.
Organization: Planning, carrying out, and managing an organization’s effective use of its resources are all aspects of the organization. To ensure that resources are used effectively and efficiently, logistics specialists must be well-organized. As logistics specialists are in charge of making sure that resources and supplies are available when and where they are needed, planning is an essential skill for them.
In order to be certain everything works appropriately, it is necessary to be able to plan ahead, anticipate needs, and create strategies. Having organizational structures that enable them to manage and monitor supply chain operations is crucial for logistics professionals. These people can manage distribution, plan product production, and meet deadlines by having good organizational skills. Strong organizational abilities are important in this profession because an ineffective organization can result in higher costs and dissatisfied customers.
Fig. 4. Selection criteria of Logistics Specialist

4.4 Mathematical Computation of proposed approach

A Logistics company wants to take over an open job for the position of ‘Logistic Specialist’, who will be in charge of overseeing everyday operations. Following a pre-elimination in a pool of prospects, seven candidates are examined to hire a logistics specialist. They are reviewed by a group of experts as the HR manager, the Logistics Manager, the Vice president, and the Logistics Professional. The candidates are inspected based on their management skills, knowledge, and experience level using the following selection criteria: Transportation, Technical, Decision-making, Documentation, and Organization.

4.4.1 Description of the Problem

The five candidates are taken as a set of alternatives . The selection criteria Figure 4 are taken as a parameter set (Transportation), (Technical), (Decisionmaking), (Documentation), (Organization) .

4.4.2 Decision-making Process

  1. The LDF decision matrix is constructed as below;
  1. Since all the criteria are of the same type, there is no need for normalization.
  2. The weighted decision matrix is computed by utilizing the formula [Eq. (2)] as follows:
  1. To find the NIS, we have to find the minimum value for each column ‘ ‘. The minimum value is computed based on score function of LDFN. For criteria , the minimum value is , . Thus the NIS is derived
  2. The Euclidean distance and Taxicab distance is enumerated by using the formula Eq. (6), Eq. (8). The values are given in Table 2.
Table 2
Euclidean distance and Taxicab distance
Alternatives
0.1350 0.8232
0.2227 1.6410
0.1690 0.9770
0.2213 1.5940
0.2161 1.4106
0.2673 1.4923
0.2615 1.9229
  1. The RAM is calculated by using the Eq. (9), Eq. (10). The threshold value is taken as 0.03 .
  1. The Evaluation Scores of each alternative are computed by utilizing the formula Eq. (11).
  1. The rank of alternatives is
Thus, the candidate is the most suitable for the position logistic specialist.

4.5 Sensitivity analysis

A sensitivity analysis of the weight assigned to each of the five criteria was done for this section.The criteria were deemed to be the most desirable in the suggested study. The results of changing the highest preference are examined in multiple scenarios.
Case 1: The higher preference is given to the criteria . The RAM and the final evaluation score are as follows.
3.1894
Thus, the rank of alternatives is
Case 2: The higher preference is given to the criteria . The RAM and the final evaluation score are as follows.
2.0935
Thus, the rank of alternatives is
Case 3: The higher preference is given to the criteria . The RAM and the final evaluation score are as follows.
3.8542
Thus, the rank of alternatives is
Case 4: The higher preference is given to the criteria . The RAM and the final evaluation score are as follows.
4.8698
Thus, the rank of alternatives is .
It is evident from the findings that the suggested method is sensitive to the criteria weights. The order’s rank also slightly varies as we adjust the weight preferences.

5. Conclusion

This work presents a novel way to address decision-making difficulties under uncertainty by effectively integrating the CODAS method with the LDFS. The LDF offers a broad range of grade values,
making this method suitable for all types of data sets. In this study, we identify the best logistics specialist using the CODAS method, which excels by incorporating two distance measures, leading to more accurate results. With its adaptable framework that manages imprecision and ambiguity, the LDF CODAS technique greatly improves decision-making-a critical feature for intricate situations. Its real-world impact is demonstrated by its practical implementation in the process of choosing a logistics specialist, which enhances operational decision-making and efficiency. Furthermore, the scalability of the system implies that it has the potential to be applied more widely across many industries, providing a trustworthy instrument for future decision-making difficulties. The sensitivity study supports the LDF CODAS method’s robustness by demonstrating its ability to tolerate changes in input parameters without compromising consistent results. This work expands the use of fuzzy sets in decision-making and presents a potent tool for further investigation and real-world applications in domains that need complex decision-making in the face of uncertainty. The knowledge gathered from this study can be used in various fields, promoting additional investigation and improvement of fuzzy-based decisionmaking models. As our theory offers numerous advantages, it also has certain limitations. When the reference parameter values add up to more than one, our proposed theory is unable to manage the situation. Also, while dealing with large amounts of data, the computation of the proposed model could be laborious. In the future, several MCDM methods such as PROMTHEE, EDAS, and VIKOR, TODIM, DEMATEL approaches will be employed in various fields such as medicine, agriculture, economics, and society.

Acknowledgement

The article has been written with the joint financial support of RUSA-Phase 2.0 grant sanctioned vide letter No. F 24-51/2014-U, Policy (TN Multi-Gen), Dept. of Edn. Govt. of India, Dt. 09.10.2018, DSTPURSE 2nd Phase Programme vide letter no. SR/PURSE Phase 2/38 (G) Dt. 21.02.2017 and DST (FIST level I) 657876570 vide letter No.SR/FIST/MS-I/2O18/17 Dt. 20.12.2018.

Conflicts of Interest

The authors declare no conflicts of interest.

References

[1] Chen, C.-T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114(1), 1-9. https://doi.org/10.1016/S0165-0114(97)00377-1
[2] Afshari, A., & Kowal, J. (2017). Decision Making Methods for the Selection of ICT Project Manager. Gospodarka Rynek Edukacja= Economy Market Education, 18(4), 19-28. https://doi.org/ 10.2139/ssrn. 3118075
[3] Bali, Ö., Gümüş, S., & Dağdeviren, M. (2013). A group madm method for personnel selection problem using delphi technique based on intuitionistic fuzzy sets. Journal of Management and Information Science, 1(1), 1-13.
[4] Boran, E., Genç, S., & Akay, D. (2011). Personnel selection based on intuitionistic fuzzy sets. Human Factors and Ergonomics in Manufacturing Service Industries, 21, 493-503. https://doi. org/10.1002/hfm. 20252
[5] Chen, C.-T., Pai, P.-F., & Wei Zhan, H. (2011). Applying linguistic vikor and knowledge map in personnel selection. Asia Pacific Management Review, 16(4), 491-502.
[6] Jafarnejad Chaghooshi, A., Arab, A., & Hosseini Dehshiri, S. J. (2016). A fuzzy hybrid approach for project manager selection. Decision Science Letters, 447-460. https://doi.org/10.5267/j. dsl.2016.1.001
[7] Dodangeh, J., Sorooshian, S., & Afshari, A. R. (2014). Linguistic Extension for Group Multicriteria Project Manager Selection. Journal of Applied Mathematics, 2014, 570398. https://doi.org/10. 1155/2014/570398
[8] Kelemenis, A., & Askounis, D. (2010). A new TOPSIS-based multi-criteria approach to personnel selection. Expert Systems with Applications, 37(7), 4999-5008. https://doi.org/10.1016/j.eswa. 2009.12.013
[9] Kelemenis, A., Ergazakis, K., & Askounis, D. (2011). Support managers selection using an extension of fuzzy TOPSIS. Expert Systems with Applications, 38(3), 2774-2782. https://doi.org/10. 1016/j.eswa.2010.08.068
[10] Nobari, S. M., & Zadeh, D. H. (2013). Designing a fuzzy model for decision support systems in the selection and recruitment process. African Journal of Business Management, 7(16), 1486. https://doi.org/10.5897/AJBM11.2803
[11] Mahdavi, I., Mahdavi-Amiri, N., Heidarzade, A., & Nourifar, R. (2008). Designing a model of fuzzy TOPSIS in multiple criteria decision making. Applied Mathematics and Computation, 206(2), 607-617. https://doi.org/10.1016/j.amc.2008.05.047
[12] Mammadova, M., & Jabrayilova, Z. (2014). Application of Fuzzy Optimization Method in DecisionMaking for Personnel Selection. Intelligent Control and Automation, 5(4), 190-204. https://doi. org/10.4236/ica.2014.54021
[13] Zadeh, L. (1965). Fuzzy sets. Information and Control, 8(3), 338-353. https://doi.org/10.1016/ Soo19-9958(65)90241-X
[14] Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87-96. https: //doi.org/10.1016/S0165-0114(86)80034-3
[15] Yager, R. R. (2014). Pythagorean Membership Grades in Multicriteria Decision Making. IEEE Transactions on Fuzzy Systems, 22(4), 958-965. https://doi.org/10.1109/TFUZZ.2013.2278989
[16] Yager, R. R. (2017). Generalized Orthopair Fuzzy Sets. IEEE Transactions on Fuzzy Systems, 25(5), 1222-1230. https://doi.org/10.1109/TFUZZ.2016.2604005
[17] Riaz, M., & Hashmi, M. R. (2019). Linear diophantine fuzzy set and its applications towards multi-attribute decision-making problems. Journal of Intelligent and Fuzzy Systems, 37(4), 54175439. https://doi.org/10.3233/jifs-190550
[18] Kannan, J., Jayakumar, V., Pethaperumal, M., & Kather Mohideen, A. B. (2024). An intensified linear diophantine fuzzy combined dematel framework for the assessment of climate crisis. Stochastic Environmental Research and Risk Assessment. https://doi.org/10.1007/s00477-023-02618-7
[19] Jeevitha, K., Garg, H., Vimala, J., Aljuaid, H., & Abdel-Aty, A.-H. (2023). Linear diophantine multifuzzy aggregation operators and its application in digital transformation. Journal of Intelligent Fuzzy Systems, 45(2), 3097-3107. https://doi.org/10.3233/JIFS-223844
[20] Jayakumar, V., Mohideen, A. B. K., Saeed, M. H., Alsulami, H., Hussain, A., & Saeed, M. (2023). Development of Complex Linear Diophantine Fuzzy Soft Set in Determining a Suitable AgriDrone for Spraying Fertilizers and Pesticides. IEEE Access, 11, 9031-9041. https://doi.org/10. 1109/ACCESS.2023.3239675
[21] Iampan, A., García, G. S., Riaz, M., Athar Farid, H. M., & Chinram, R. (2021). Linear diophantine fuzzy einstein aggregation operators for multi-criteria decision-making problems. Journal of Mathematics, 2021, 5548033. https://doi.org/10.1155/2021/5548033
[22] Ayub, S., Shabir, M., Riaz, M., Aslam, M., & Chinram, R. (2021). Linear diophantine fuzzy relations and their algebraic properties with decision making. Symmetry, 13(6), 945. https://doi. org/10.3390/sym13060945
[23] Riaz, M., Hashmi, M. R., Kalsoom, H., Pamucar, D., & Chu, Y.-M. (2020). Linear diophantine fuzzy soft rough sets for the selection of sustainable material handling equipment. Symmetry, 12(8), 1215. https://doi.org/10.3390/sym12081215
[24] Riaz, M., Farid, H. M. A., Aslam, M., Pamucar, D., & Bozanić, D. (2021). Novel approach for third-party reverse logistic provider selection process under linear diophantine fuzzy prioritized aggregation operators. Symmetry, 13(7), 1152. https://doi.org/10.3390/sym13071152
[25] Farid, H. M. A., Riaz, M., Khan, M. J., Kumam, P., & Sitthithakerngkiet, K. (2022). Sustainable thermal power equipment supplier selection by einstein prioritized linear diophantine fuzzy aggregation operators. AIMS Mathematics, 7(6), 11201-11242. https://doi.org/10.3934/math. 2022627
[26] Riaz, M., Farid, H. M. A., Wang, W., & Pamucar, D. (2022). Interval-valued linear diophantine fuzzy frank aggregation operators with multi-criteria decision-making. Mathematics, 10(11), 1811. https://doi.org/10.3390/math10111811
[27] Jayakumar, V., Kannan, J., Kausar, N., Deveci, M., & Wen, X. (2024). Multicriteria group decision making for prioritizing iot risk factors with linear diophantine fuzzy sets and marcos method. Granular Computing, 9(3), 56. https://doi.org/10.1007/s41066-024-00480-8
[28] Kannan, J., Jayakumar, V., Saeed, M., Alballa, T., Khalifa, H. A. E.-W., & Gomaa, H. G. (2024). Linear diophantine fuzzy clustering algorithm based on correlation coefficient and analysis on logistic efficiency of food products. IEEE Access, 12, 34889-34902. https://doi.org/10.1109/ access.2024.3371986
[29] Petchimuthu, S., Riaz, M., & Kamacı, H. (2022). Correlation coefficient measures and aggregation operators on interval-valued linear diophantine fuzzy sets and their applications. Computational and Applied Mathematics, 41, 409. https://doi.org/10.1007/s40314-022-02077-w
[30] Kannan, J., & Jayakumar, V. (2023). Sustainable method for tender selection using linear diophantine multi-fuzzy soft set. Communications Faculty Of Science University of Ankara Series A1 Mathematics and Statistics, 72(4), 976-991. https://doi.org/10.31801/cfsuasmas. 1255830
[31] Kannan, J., Jayakumar, V., Pethaperumal, M., & Shanmugam, N. S. (2024). Linear diophantine multi-fuzzy soft similarity measures: An analysis on alternative-fuel. Journal of Intelligent Fuzzy Systems, 1-13. https://doi.org/10.3233/jifs-219415
[32] Vimala, J., Garg, H., & Jeevitha, K. (2023). Prognostication of Myocardial Infarction Using Lattice Ordered Linear Diophantine Multi-fuzzy Soft Set. International Journal of Fuzzy Systems, 26, 44-59. https://doi.org/10.1007/s40815-023-01574-2
[33] Kannan, J., Jayakumar, V., & Saeid, A. B. (2024). Lattice algebraic structures on Idmfs domains. New Mathematics and Natural Computation, 1-21. https://doi.org/10.1142/s1793005725500218
[34] Jeevitha, K., Vimala, N. J., Banu, K. A., & Sri, S. N. (2024). Enhancing agricultural diagnostics through linear diophantine multi-fuzzy soft matrices with lattice implementation. Contemporary Mathematics, 2593-2618. https://doi.org/10.37256/cm.532O244387
[35] Sri, S., J, D., Kausar, N., Ozbilge, E., Ozbilge, E., & Pamucar, D. (2024). An mcdm approach on einstein aggregation operators under bipolar linear diophantine fuzzy hypersoft set. Heliyon, 10, e29863. https://doi.org/10.1016/j.heliyon.2024.e29863
[36] Pandipriya, A., J, D., & Begam, S. S. (2018). Lattice ordered interval-valued hesitant fuzzy soft sets in decision making problem. International Journal of Engineering Technology, 7(1.3), 5255. https://doi.org/10.14419/ijet.v7i1.3.9226
[37] Vimala, J., Mahalakshmi, P., Rahman, A. U., & Saeed, M. (2023). A customized TOPSIS method to rank the best airlines to fly during COVID-19 pandemic with q-rung orthopair multi-fuzzy soft information. Soft Computing, 27(20), 14571-14584. https://doi.org/10.1007/s00500-023-08976-2
[38] Pethaperumal, M., Jeyakumar, V., Kannan, J., & Banu, A. (2023). An algebraic analysis on exploring q-rung orthopair multi-fuzzy sets. Journal of Fuzzy Extension and Applications, 4(3), 235-245. https://doi.org/10.22105/jfea.2023.408513.1302
[39] Keshavarz-Ghorabaee, M., Zavadskas, E., Turskis, Z., & Antucheviciene, J. (2016). A new combinative distance-based assessment (codas) method for multi-criteria decision-making. Economic computation and economic cybernetics studies and research / Academy of Economic Studies, 50, 25-44.
[40] Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E., Hooshmand, R., & Antucheviciene, J. (2017). Fuzzy extension of the codas method for multi-criteria market segment evaluation. Journal of Business Economics and Management, 18, 1-19. https: / / doi. org / 10. 3846/16111699. 2016. 1278559
[41] Panchal, D., Chatterjee, P., Shukla, R., Choudhury, T., & Tamosaitiene, J. (2017). Integrated fuzzy ahp-codas framework for maintenance decision in urea fertilizer industry. Economic Computation and Economic Cybernetics Studies and Research, 51(3), 179-196.
[42] Shetwan, A., Badi, I., & Abdulshahed, A. (2018). A case study of supplier selection for a steel making company in libya by using the combinative distance based assessment (codas) model. Decision Making: Applications in Management and Engineering, 1(1), 1-12. https://doi.org/10. 31181/dmame180101b
[43] Badi, I., Ballem, M., & Shetwan, A. (2018). Site selection of desalination plant in libya by using combinative distance-based assessment (codas) method. International Journal for Quality Research, 12(3), 609-624. https://doi.org/10.18421/IJQR12.03-04
[44] Boltürk, E. (2018). Pythagorean fuzzy codas and its application to supplier selection in a manufacturing firm. Journal of Enterprise Information Management, 3(4), 550-564. https://doi. org/10.1108/JEIM-01-2018-0020
[45] Boltürk, E., & Kahraman, C. (2018). Interval-valued intuitionistic fuzzy codas method and its application to wave energy facility location selection problem. Journal of Intelligent Fuzzy Systems, 35(4), 4865-4877. https://doi.org/10.3233/JIFS-18979
[46] Peng, X., & Garg, H. (2018). Algorithms for interval-valued fuzzy soft sets in emergency decision making based on wdba and codas with new information measure. Computers Industrial Engineering, 119, 439-452. https://doi.org/10.1016/j.cie.2018.04.001
[47] Mathew, M., & Sahu, S. (2018). Comparison of new multi-criteria decision making methods for material handling equipment selection. Management Science Letters, 8, 139-150. https: //doi.org/10.5267/j.msl.2018.1.004
[48] Pamucar, D., Badi, I., & Sanja, K. (2018). A novel approach for the selection of power-generation technology using a linguistic neutrosophic codas method: A case study in libya. Energies, 11(9), 2489. https://doi.org/10.3390/en11092489
[49] Yeni, F. B., & Özçelik, G. (2019). Interval-valued atanassov intuitionistic fuzzy codas method for multi criteria group decision making problems. Group Decision and Negotiation, 28. https: //doi.org/10.1007/s10726-018-9603-9
[50] Karaşan, A., Boltürk, E., & Kahraman, C. (2019). A novel neutrosophic codas method: Selection among wind energy plant locations. Journal of Intelligent and Fuzzy Systems, 36(2), 1491-1504. https://doi.org/10.3233/JIFS-181255
[51] Maghsoodi, A. I., Rasoulipanah, H., López, L. M., Liao, H., & Zavadskas, E. (2020). Integrating interval-valued multi-granular 2-tuple linguistic bwm-codas approach with target-based attributes: Site selection for a construction project. Computers Industrial Engineering, 139, 106147. https://doi.org/10.1016/j.cie.2019.106147
[52] Ijadi Maghsoodi, A., Maghsoodi, A., Poursoltan, P., Antucheviciene, J., & Turskis, Z. (2019). Dam construction material selection by implementing the integrated swara-codas approach with
target-based attributes. Archives of Civil and Mechanical Engineering, 19, 1194-1210. https: //doi.org/10.1016/j.acme.2019.06.010
[53] Seker, S. (2020). A novel interval-valued intuitionistic trapezoidal fuzzy combinative distancebased assessment (codas) method. Soft Computing, 24, 2287-2300. https://doi.org/10.1007/ s00500-019-04059-3
[54] Peng, X., & Ma, X. (2020). Pythagorean fuzzy multi-criteria decision making method based on codas with new score function. Journal of Intelligent and Fuzzy Systems, 38(3), 3307-3318. https://doi.org/10.3233/JIFS-190043
[55] Aydoğmuş, H., Kamber, E., & Kahraman, C. (2021). Erp selection using picture fuzzy codas method. Journal of Intelligent and Fuzzy Systems, 40(6), 11363-11373. https://doi.org/10. 3233/JIFS-202564

  1. *Corresponding author.
    E-mail address: vimaljey@alagappauniversity.ac.in