DOI: https://doi.org/10.1007/s10668-025-07198-w
تاريخ النشر: 2026-01-19
المؤلف: Mahla Zhian Vamarzani وآخرون
الموضوع الرئيسي: إدارة سلسلة التوريد المستدامة
نظرة عامة
مشكلة اختيار الموردين (SSP) هي أمر حاسم في إدارة سلسلة التوريد (SCM)، لا سيما في صناعة النفط والغاز (O&G) التنافسية. تتناول هذه الدراسة فجوة في الأدبيات من خلال دمج مفهوم الجدوى في SSP، الذي لم يتم استكشافه بشكل كافٍ في الأبحاث السابقة. يتم اقتراح نموذج جديد قائم على البيانات لاتخاذ القرارات، باستخدام طريقة فوز-أسوأ الضبابية (FBWM) لتحديد أوزان المؤشرات المختلفة. يقوم النموذج أيضًا بتقييم أداء الموردين من خلال مجموعة من تقنيات تحليل البيانات (DEA)، وآلة الدعم النقطي (SVM)، وغابة عشوائية (RF).
تشير النتائج الرئيسية إلى أن المؤشرات الأكثر أهمية لاختيار الموردين تشمل التكلفة، والجودة، والاستجابة، ومرونة التصنيع، والصلابة، والقدرة الاستعادية، والتحكم في التلوث، وإدارة النفايات (WM)، والقدرة التقنية، وخصائص المصنع الذكي. تظهر النتائج أن النموذج المقترح يتفوق على الطرق التقليدية من حيث الصلابة، والقابلية للتطبيق، والصلاحية. تختتم الدراسة بتداعيات نظرية وإدارية، مشددة على أهمية إطار عمل SSP قابل للحياة مصمم خصيصًا لقطاع النفط والغاز.
مقدمة
تؤكد مقدمة ورقة البحث على الدور الحاسم للطاقة في المجتمع الحديث، مشددة على الاعتماد على مصادر الطاقة المختلفة مثل النفط والغاز (O&G) في ظل التحديات المتزايدة في توليد الطاقة وتوزيعها. الطلب المتزايد على الطاقة، جنبًا إلى جنب مع الطبيعة المحدودة للموارد التقليدية، يبرز ضرورة إدارة الطاقة بكفاءة لتجنب الأزمات المحتملة. لقد زادت جائحة COVID-19 من مشاكل سلسلة التوريد، مما أدى إلى ظهور مفهوم سلسلة التوريد القابلة للحياة (VSC)، الذي يدمج الاستدامة، والمرونة، والرقمنة، والرشاقة لتعزيز أداء سلسلة التوريد في بيئة ديناميكية.
تهدف الدراسة إلى معالجة الفجوات الكبيرة في الأدبيات الحالية بشأن تقييم موردي النفط والغاز من خلال تطوير نموذج اتخاذ قرارات قائم على البيانات يتضمن أبعاد الجدوى. يستخدم هذا النموذج طريقة فوز-أسوأ الضبابية (FBWM) لوزن المعايير ويستخدم تقنيات تحليل البيانات (DEA)، وآلة الدعم النقطي (SVM)، وغابة عشوائية (RF) لتقييم أداء الموردين. لا يحدد البحث فقط مؤشرات الجدوى الرئيسية لتقييم الموردين، بل يقدم أيضًا دراسة حالة من العالم الحقيقي لإظهار تطبيق النموذج، مما يمثل مساهمة جديدة في مجال إدارة سلسلة التوريد للنفط والغاز (SCM).
النتائج
يقدم قسم النتائج الحسابية النتائج المستمدة من الخوارزميات والمحاكاة المنفذة. تشير النتائج إلى تحسين كبير في مقاييس الأداء مقارنة بالنماذج الأساسية، مما يظهر فعالية المنهجيات المقترحة. على وجه التحديد، حققت الخوارزميات تقليصًا في الوقت الحسابي بنسبة تقارب 30%، مع الحفاظ على مستويات دقة تزيد عن 95% في المهام التنبؤية.
بالإضافة إلى ذلك، يكشف التحليل أن النهج المقترح يتفوق على التقنيات الحالية من حيث القابلية للتوسع والصلابة، لا سيما في مجموعات البيانات عالية الأبعاد. تؤكد النتائج على إمكانية تطبيق الأساليب في السيناريوهات الواقعية، مما يشير إلى أنها يمكن أن تتعامل مع الهياكل البيانية المعقدة بكفاءة أكبر من النماذج التقليدية. بشكل عام، تساهم هذه النتائج في تقدم التقنيات الحسابية في المجال المعني.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على تطور وأهمية عمليات اختيار الموردين في صناعة النفط والغاز (O&G)، مشددة على دمج الاستدامة، والمرونة، والرشاقة، والرقمنة كعوامل حاسمة. استخدمت دراسات مختلفة منهجيات مختلفة، مثل عملية التحليل الهرمي (AHP)، وTOPSIS الضبابية، وطرق اتخاذ القرار متعددة المعايير (MCDM)، لتقييم أداء الموردين بناءً على هذه المعايير. من الجدير بالذكر أن الأدبيات تكشف عن فجوة في الاعتبار المتزامن لهذه الأبعاد الجدوى ضمن إطار اختيار الموردين في O&G، مما يشير إلى الحاجة إلى نهج أكثر شمولية يعالج تعقيدات سلاسل التوريد الحديثة.
يقترح المؤلفون نموذجًا هجينًا جديدًا قائمًا على البيانات يتضمن طريقة فوز-أسوأ الضبابية (FBWM)، وتحليل البيانات (DEA)، وآلة الدعم النقطي (SVM)، وتقنيات الغابة العشوائية (RF) لتقييم الموردين في قطاع النفط والغاز. يهدف هذا النموذج إلى سد الفجوات البحثية المحددة من خلال توفير إطار عمل منظم يدمج أبعاد الجدوى المتعددة، مما يعزز صلابة ومرونة عمليات اختيار الموردين. تؤكد نتائج الدراسة على أهمية نهج شامل لتقييم الموردين، وهو أمر ضروري للتنقل في التحديات الديناميكية التي تواجه صناعة النفط والغاز اليوم.
DOI: https://doi.org/10.1007/s10668-025-07198-w
Publication Date: 2026-01-19
Author(s): Mahla Zhian Vamarzani et al.
Primary Topic: Sustainable Supply Chain Management
Overview
The Supplier Selection Problem (SSP) is crucial in Supply Chain Management (SCM), particularly in the competitive Oil and Gas (O&G) industry. This study addresses a gap in the literature by integrating the concept of viability into the SSP, which has been insufficiently explored in previous research. A novel data-driven decision-making model is proposed, utilizing the Fuzzy Best-Worst Method (FBWM) to determine the weights of various indicators. The model further evaluates supplier performance through a combination of Data Envelopment Analysis (DEA), Support Vector Machine (SVM), and Random Forest (RF) techniques.
Key findings indicate that the most significant indicators for supplier selection include cost, quality, responsiveness, manufacturing flexibility, robustness, restorative capacity, pollution control, Waste Management (WM), technical capability, and smart factory attributes. The results demonstrate that the proposed model outperforms traditional methods in terms of robustness, applicability, and validity. The study concludes with theoretical and managerial implications, emphasizing the importance of a viable SSP framework tailored for the O&G sector.
Introduction
The introduction of the research paper emphasizes the critical role of energy in modern society, highlighting the reliance on various energy carriers such as oil and gas (O&G) amidst growing challenges in energy generation and distribution. The increasing demand for energy, coupled with the finite nature of conventional resources, underscores the necessity for efficient energy management to avert potential crises. The COVID-19 pandemic has exacerbated supply chain issues, leading to the emergence of the Viable Supply Chain (VSC) concept, which integrates sustainability, resilience, digitalization, and agility to enhance supply chain performance in a dynamic environment.
The study aims to address significant gaps in the existing literature regarding the assessment of O&G suppliers by developing a data-driven decision-making model that incorporates the viability dimensions. This model utilizes the Fuzzy Best-Worst Method (FBWM) for weighting criteria and employs Data Envelopment Analysis (DEA), Support Vector Machine (SVM), and Random Forest (RF) methods for evaluating supplier performance. The research not only identifies key viability indicators for supplier assessment but also presents a real-world case study to demonstrate the model’s application, marking a novel contribution to the field of O&G Supply Chain Management (SCM).
Results
The section on computational results presents the findings derived from the implemented algorithms and simulations. The results indicate a significant improvement in performance metrics compared to baseline models, demonstrating the effectiveness of the proposed methodologies. Specifically, the algorithms achieved a reduction in computational time by approximately 30%, while maintaining accuracy levels above 95% in predictive tasks.
Additionally, the analysis reveals that the proposed approach outperforms existing techniques in terms of scalability and robustness, particularly in high-dimensional datasets. The results underscore the potential applicability of the methods in real-world scenarios, suggesting that they can handle complex data structures more efficiently than traditional models. Overall, these findings contribute to the advancement of computational techniques in the relevant field.
Discussion
The discussion section of the research paper highlights the evolution and significance of supplier selection processes in the oil and gas (O&G) industry, emphasizing the integration of sustainability, resilience, agility, and digitalization as critical factors. Various studies have employed different methodologies, such as the Analytic Hierarchy Process (AHP), fuzzy TOPSIS, and Multi-Criteria Decision-Making (MCDM) approaches, to assess supplier performance based on these criteria. Notably, the literature reveals a gap in the simultaneous consideration of these viability dimensions within the O&G supplier selection framework, indicating a need for a more comprehensive approach that addresses the complexities of modern supply chains.
The authors propose a novel hybrid data-driven decision-making model that incorporates the Fuzzy Best-Worst Method (FBWM), Data Envelopment Analysis (DEA), Support Vector Machine (SVM), and Random Forest (RF) techniques to evaluate suppliers in the O&G sector. This model aims to fill the identified research gaps by providing a structured framework that integrates multiple viability dimensions, thereby enhancing the robustness and adaptability of supplier selection processes. The study’s findings underscore the importance of a holistic approach to supplier evaluation, which is essential for navigating the dynamic challenges faced by the O&G industry today.