DOI: https://doi.org/10.48084/etasr.17868
تاريخ النشر: 2026-04-04
المؤلف: Ulises Mercado Valenzuela
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم هذه الورقة إطارًا منهجيًا يجمع بين طرق اتخاذ القرار متعددة المعايير (MCDM) مع المحاكاة العشوائية لتقييم بدائل تخطيط الإنتاج تحت عدم اليقين. على وجه التحديد، يدمج طريقة التقييم بناءً على المسافة من الحل المتوسط (EDAS) مع نموذج محاكاة مونت كارلو لتحليل أربعة خطط إنتاج داخل شركة سيارات، مع مراعاة خمسة عشر معيارًا تشمل العوامل الاقتصادية والتشغيلية واللوجستية والمخاطر والبيئية.
تكشف النتائج أن خطة الإنتاج التي تتضمن وسائد وقدرة مرنة تحقق أعلى درجة في تقييم EDAS وتظهر قوة أكبر في السيناريوهات ذات الطلب المتغير. بالإضافة إلى ذلك، تؤكد تحليل الحساسية على أوزان المعايير وتقلب الطلب أن النهج المتكامل يقدم توصيات أفضل مقارنة بالنماذج الحتمية أو طرق MCDM المستقلة. تؤكد هذه الدراسة على أهمية المنهجيات المتقدمة في اتخاذ قرارات التصنيع، مما يبرز قيمة دمج MCDM والمحاكاة العشوائية لتحليل شامل للمشكلات.
مقدمة
تؤكد مقدمة ورقة البحث على الدور الحاسم لتخطيط الإنتاج في إدارة العمليات، لا سيما ضمن المشهد التنافسي لقطاع التصنيع، بما في ذلك صناعة السيارات. تواجه الشركات تحديات من الطلب المتقلب، ودورات حياة المنتجات القصيرة، ومخاوف الاستدامة، وسلاسل التوريد المعقدة، مما يستلزم نهجًا شاملاً يدمج وجهات نظر استراتيجية وتكتيكية وتشغيلية. يعد تخطيط الإنتاج الفعال أمرًا ضروريًا لتعزيز الكفاءة الداخلية والحفاظ على القدرة التنافسية، حيث يمكن أن تؤثر التأخيرات وتغيرات الجودة ومشكلات المخزون بشكل كبير على الأداء.
تسلط الورقة الضوء على تعقيد قرارات تخصيص الموارد، التي غالبًا ما تنطوي على معايير متضاربة مثل تقليل التكاليف، والحفاظ على مستوى الخدمة، والمرونة التشغيلية. بينما تكون طرق اتخاذ القرار متعددة المعايير (MCDM) التقليدية مفيدة، إلا أن لديها قيودًا في تمثيل عمليات الإنتاج بدقة تحت عدم اليقين. يجادل المؤلفون بأن خطة الإنتاج التي تبدو مثالية في سياق ثابت قد تحقق نتائج سيئة عند مواجهة تقلبات في الطلب أو القدرة. لمعالجة هذه التحديات، تقترح الورقة إطارًا منهجيًا هجينًا يجمع بين طريقة التقييم بناءً على المسافة من الحل المتوسط (EDAS) للتقييم متعدد المعايير، ومحاكاة مونت كارلو للتحقق من عدم اليقين، وتحليل الحساسية لقياس القوة. يهدف هذا النهج المتكامل إلى تقديم تقييم أكثر شمولاً لبدائل الإنتاج، مع دمج عدم اليقين الواقعي وتسهيل تحليل المخاطر لتوليد توصيات قوية.
نقاش
تؤكد قسم النقاش في ورقة البحث على ضرورة تطور أطر تخطيط الإنتاج في صناعة السيارات من النهج التقليدي الذي يركز على الكفاءة إلى تلك التي تعطي الأولوية للقوة والمرونة التشغيلية. لقد أظهر دمج طريقة EDAS مع محاكاة مونت كارلو وتحليل الحساسية أن استراتيجيات الإنتاج التي تتضمن وسائد القدرة والمرونة – مثل الخطة المختلطة مع الوسائد – تتفوق على غيرها من خلال الحفاظ على استقرار الخدمة وتقليل المخاطر في البيئات غير المؤكدة. هذه النقلة مهمة لصانعي القرار، حيث تسمح بتقييمات أكثر موثوقية تأخذ في الاعتبار التباين بدلاً من الاعتماد فقط على مقاييس الأداء المتوسطة.
تشير النتائج إلى أن طريقة EDAS توفر تصنيفات مستقرة حتى مع تغييرات معتدلة في أوزان المعايير، مما يؤكد موثوقيتها في اتخاذ القرار. بالإضافة إلى ذلك، كشفت محاكاة مونت كارلو عن تفاعلات معقدة داخل أنظمة الإنتاج، مثل حلقات التغذية الراجعة وانتشار التباين، التي تفشل الطرق الثابتة في التقاطها. هذا يبرز أهمية دمج اتخاذ القرار متعدد المعايير (MCDM) مع تقنيات المحاكاة للتحقق من أداء البدائل المحددة تحت عدم اليقين. في النهاية، تدعو الدراسة إلى إطار شامل لدعم اتخاذ القرار يعزز قوة خطط الإنتاج، مما يمكّن المديرين من التنقل بفعالية في تعقيدات بيئات التصنيع الحديثة.
القيود
تسلط القيود المفروضة على الإطار المقترح الضوء على صلاحيتها الخارجية المحدودة، ويرجع ذلك أساسًا إلى الاعتماد على دراسة حالة افتراضية وأفق زمني تكتيكي قصير الأجل لا يأخذ في الاعتبار الديناميات الموسمية والتعقيدات المتداخلة عبر الفترات. بالإضافة إلى ذلك، قد لا تعكس تبسيط الافتراضات الاحتمالية والوزن الموحد للمعايير التعقيدات التجريبية الكامنة في المصانع الواقعية بشكل كافٍ. لمعالجة هذه القضايا، يجب أن تركز الأبحاث المستقبلية على دمج التوائم الرقمية، ونماذج التخطيط متعددة الفترات، ونطاق أوسع من متغيرات الاستدامة.
على الرغم من هذه القيود، فإن الإطار يمثل أساسًا قويًا لاتخاذ القرار تحت عدم اليقين. توضح الدراسة أن دمج طريقة اتخاذ القرار متعددة المعايير (MCDM) القائمة على التقييم بناءً على المسافة من الحل المتوسط (EDAS) مع تقنيات محاكاة مونت كارلو العشوائية يوفر نهجًا مرنًا وفعالًا لتقييم استراتيجيات تخطيط الإنتاج. تشير تحليل 10,000 سيناريو محاكى إلى أن البديل يتفوق باستمرار على الآخرين من حيث التكلفة الإجمالية، ومستوى الخدمة، والاستقرار التشغيلي، وإدارة التباين، وتقليل العمل الإضافي، والمرونة تجاه الاضطرابات، والأداء خلال السيناريوهات القصوى. وبالتالي، بينما يمثل النموذج الحالي خطوة كبيرة إلى الأمام، فإن التقدم نحو بيئات البيانات الحقيقية والأنظمة الديناميكية أمر ضروري لتعزيز قابليته للتطبيق الصناعي.
DOI: https://doi.org/10.48084/etasr.17868
Publication Date: 2026-04-04
Author(s): Ulises Mercado Valenzuela
Primary Topic: Multi-Criteria Decision Making
Overview
This paper introduces a methodological framework that combines Multi-Criteria Decision-Making (MCDM) methods with stochastic simulation to evaluate production planning alternatives under uncertainty. Specifically, it integrates the Evaluation based on Distance from Average Solution (EDAS) method with a Monte Carlo simulation model to analyze four production plans within an automotive company, considering fifteen criteria that encompass economic, operational, logistical, risk, and environmental factors.
The findings reveal that a production plan incorporating buffers and flexible capacity achieves the highest score in the EDAS assessment and demonstrates greater robustness in scenarios with variable demand. Additionally, a sensitivity analysis on the criteria weights and demand volatility confirms that the integrated approach yields superior recommendations compared to deterministic models or standalone MCDM methods. This research underscores the importance of advanced methodologies in manufacturing decision-making, highlighting the value of integrating MCDM and stochastic simulation for comprehensive problem analysis.
Introduction
The introduction of the research paper emphasizes the critical role of production planning in operations management, particularly within the competitive landscape of the manufacturing sector, including the automotive industry. Companies are challenged by fluctuating demand, shorter product life cycles, sustainability concerns, and complex supply chains, necessitating a comprehensive approach that integrates strategic, tactical, and operational perspectives. Effective production planning is essential for enhancing internal efficiency and maintaining competitiveness, as delays, quality changes, and inventory issues can significantly impact performance.
The paper highlights the complexity of resource allocation decisions, which often involve conflicting criteria such as cost minimization, service level maintenance, and operational flexibility. Traditional Multi-Criteria Decision-Making (MCDM) methods, while useful, have limitations in accurately representing production processes under uncertainty. The authors argue that a production plan that appears optimal in a static context may yield poor results when faced with variability in demand or capacity. To address these challenges, the paper proposes a hybrid methodological framework that combines the Evaluation based on Distance from Average Solution (EDAS) method for multicriteria evaluation, Monte Carlo simulation for uncertainty validation, and sensitivity analysis for robustness measurement. This integrated approach aims to provide a more comprehensive evaluation of production alternatives, incorporating realistic uncertainties and facilitating risk analysis to generate robust recommendations.
Discussion
The discussion section of the research paper emphasizes the necessity for production planning frameworks in the automotive industry to evolve from traditional efficiency-focused approaches to those that prioritize robustness and operational resilience. The integration of the EDAS method with Monte Carlo simulation and sensitivity analysis has revealed that production strategies incorporating capacity buffers and flexibility—such as the mixed plan with buffers—outperform others by maintaining service stability and mitigating risks in uncertain environments. This shift is crucial for decision-makers, as it allows for more reliable evaluations that account for variability rather than relying solely on average performance metrics.
The findings indicate that the EDAS method provides stable rankings even with moderate changes in criteria weights, confirming its reliability in decision-making. Additionally, the Monte Carlo simulations uncovered complex interactions within production systems, such as feedback loops and the propagation of variability, which static methods fail to capture. This underscores the importance of combining multi-criteria decision-making (MCDM) with simulation techniques to validate the performance of identified alternatives under uncertainty. Ultimately, the study advocates for a comprehensive decision-support framework that enhances the robustness of production plans, enabling managers to navigate the complexities of modern manufacturing environments effectively.
Limitations
The limitations of the proposed framework highlight its restricted external validity, primarily due to reliance on a hypothetical case study and a short-term tactical time horizon that fails to incorporate seasonal dynamics and complex interdependencies across periods. Additionally, the simplification of probabilistic assumptions and the uniform weighting of criteria may not adequately reflect the empirical complexities inherent in real-world plants. To address these shortcomings, future research should focus on integrating digital twins, multi-period planning models, and a broader range of sustainability variables.
Despite these limitations, the framework serves as a robust foundation for decision-making under uncertainty. The study demonstrates that the integration of the Evaluation based on Distance from Average Solution (EDAS) multicriteria decision-making method with stochastic Monte Carlo simulation techniques provides a flexible and effective approach for evaluating production planning strategies. The analysis of 10,000 simulated scenarios indicates that the alternative consistently outperforms others in terms of total cost, service level, operational stability, variability management, overtime reduction, resilience to disruptions, and performance during extreme scenarios. Thus, while the current model is a significant step forward, advancing towards real-data environments and dynamic systems is essential for enhancing its industrial applicability.