Ewaluacja dostawców w procesie logistycznym przedsiębiorstwa metodą fTOPSIS

(1)

EWALUACJA DOSTAWCÓW W PROCESIE LOGISTYCZNYM PRZEDSIĘBIORSTWA METODĄ FTOPSIS

GRZEGORZ LADORUCKI, WALDEMAR WOLSKI Streszczenie

Celem artykułu jest zaprezentowanie procedury badawczej ewaluacji dostawców z zastosowaniem metod wielokryterialnej analizy decyzyjnej (MCDA – ang. Multi Cri-teria Decision Analysis) w procesie logistycznym przedsiębiorstwa metodą fTOPSIS oraz praktyczna weryfikacja zaproponowanego podejścia. Prezentowane podejście rozszerza klasyczny model MCDA o ewaluację dostawców oraz strategie agregacji (funkcje zapominania).

Słowa kluczowe: ewaluacja dostawców, metoda fTOPSIS, MCDA Wprowadzenie

Zaopatrzenie jest jednym z fundamentalnych zadań firm, stąd dobór przodującego dostawcy to kluczowy czynnik kooperacji i jeden z najistotniejszych elementów w otoczeniu konkurencyjnym. Uzasadnione staje się przyjęcie założenia, że wybór dostawcy jest wielokryterialną decyzją biorącą pod uwagę koszt, jakość wyrobu lub świadczonej usługi oraz cechy serwisu [10]. Dobór odpowied-niego dostawcy odgrywa znaczącą rolę w umocnieniu teraźniejszej sytuacji konkurencyjnej, jest to charakterystyczna cecha występująca we wszystkich przedsiębiorstwach należących do łańcucha dostaw nastawionego na całkowite zarządzanie nim [22]. W celu zwiększenia konkurencyjności firmy szukają bardziej efektywnych dostawców, zadaniem tych przedsiębiorstw jest dokonanie wy-boru spośród kooperantów nastawionych na współpracę długoterminową. Jest to istotny element podnoszenia efektywności łańcucha dostaw, który również wpływa na jego tworzenie [4]. W zarzą-dzaniu łańcuchem dostaw najważniejszym narzędziem, którym dysponuje dział zaopatrzenia, odnoszącym się do decyzji zakupu, jest ocena odpowiedniego kooperanta, co ma bezpośrednie prze-łożenie na rentowność przedsiębiorstwa oraz jego elastyczność, a przede wszystkim na minimalizację kosztów [11]. W celu uformowania stabilnego łańcucha dostaw każda firma chcąca zapewnić jak najlepszy obraz sprzedawanych produktów i oferowanych usług musi zagwarantować stabilność procesu wejścia. Powyższe odwołuje się do stwierdzenia, że aby odnosić sukcesy na kon-kurencyjnych obszarach, firmy są zależne od przeprowadzania ewaluacji dostawców, co pokazuje, jak ważną i strategiczną rolę to odgrywa [15]. Cykliczność ocen przedstawia pozycję dostawcy, oddziałuje na cykl życia produktu oraz jego marże, wpływa na zarządzanie procesem produkcyjnym, planistycznym, logistycznym, pozwala ustalać możliwości, a w konsekwencji przekłada się na wy-dajność SCM [12]. Integracja kooperantów, mająca na celu spełnienie potrzeb rynku, jest głównym zamierzeniem łańcucha dostaw, a efektywne jego tworzenie jest możliwe dzięki prowadzeniu ocen dostawców i dokonywania wyboru. Zarządzanie zintegrowanym łańcuchem dostaw występuje wówczas, gdy kilka firm kreuje ich własny łańcuch dostaw [4].

(2)

Grzegorz Ladorucki, Waldemar Wolski

Ewaluacja dostawców w procesie logistycznym przedsiębiorstwa metodą fTOPSIS

1. Ocena dostawcy w świtle badań literaturowych

Analizując literaturę przedmiotu można wskazać, że ocena dostawców jest zagadnieniem aktu-alnym i często poruszanym. Metodycznie, w bieżących badaniach, dominujący jest nurt wielokryterialny, który bazuje na poszukiwaniu rozwiązań kompromisowych czy po prostu „do-brych” [16]. Odchodzi się tym samym od tradycyjnych modeli jednokryterialnych, które skupiają się przede wszystkim na wybranych aspektach ekonomicznych [6]. Nowe podejście gwarantuje wprowadzenie systematyczności w ocenie oraz weryfikację jej efektywności [7]. Zważyć należy, że wykorzystanie jednego kryterium w doborze kontrahenta jest mało precyzyjne. Bardziej precyzyjne w procesie oceny i wyboru dostawców jest wykorzystanie podejść wielokryterialnych [14]. Prze-prowadzona analiza literatury wskazuje, że w procesie tym zasadne jest wykorzystanie metod Wielokryterialnej Analizy Decyzyjnej (ang. Multi Criteria Decision Analysis – MCDA). Warto za-znaczyć, że użycie metod MCDA wymaga każdorazowo budowy modelu decyzyjnego zgodnie z systemem preferencji eksperta, a rezultat wspomagania ma ograniczony zasięg. Dodatkowo mo-dele dostępne w literaturze zakładają niezmienność składowych procesu wspomagania decyzji, czyli niezmienny zbiór dostawców, kryteriów ich oceny, jak i samych ocen cząstkowych i globalnych. Łatwo zauważyć, że w praktyce założenia te nie są często respektowane (np. wartość obrotu, ilość reklamacji i zwrotów w kolejnych miesiącach). Problem ten został oczywiście dostrzeżony w wielu pracach [8; 17], niemniej jego rozwiązanie nie jest zadowalające, gdyż prowadzi do obniżenia jako-ści zarówno danych wejjako-ściowych modelu (np. uśrednianie danych czy ich fuzyfikacja), jak i uzyskanych wyników.

Ocena dostawców w literaturze jest zagadnieniem często poruszanym ze względu na istotność tego problemu. W pracach naukowych przedstawiane są dwa podejścia: jakościowe i ilościowe [6]. Większy nacisk w doborze kooperantów kładzie się na wykorzystywanie metod wielokryterialnych (MCDA), odchodzi się natomiast od tradycyjnych, które skupiają się przede wszystkim na aspektach ekonomicznych. Takie podejście gwarantuje wprowadzenie systematyczności oceny oraz weryfika-cję efektywności decyzji ściśle dotyczących procesu wejścia [7]. MCDA oraz istniejące matematyczne metody pozwalają na bardziej dokładną ocenę [18]. Wykorzystanie jednokryterial-nego aspektu w doborze odpowiedniego kontrahenta jest mniej korzystne i mniej efektywne dla danej firmy z wielu względów, m.in. jeden podmiot nie jest w stanie zaspokoić wymagań wszystkich klientów, cena nie zawsze idzie w parze z jakością [19]. Konieczne jest zatem użycie wielokryte-rialnych metod do selekcji dostawców [14], co sprawdza się w modelu praktycznym [1].

Z przeprowadzonego przeglądu literatury wynika, że wykorzystywane podejścia MCDA do budowy modeli oceny są korzystne. Jednakże brakuje w nich cykliczności oceny, co może powodo-wać nieaktualność tejże oceny oraz nie pozwala na śledzenie tendencji danego dostawcy. Systematyczność dokonywanej selekcji nabiera szczególnego znaczenia w obszarach o zwiększonej konkurencyjności i na aktywnych rynkach. Kryteria przedstawione do ewaluacji kooperantów są również wykorzystywane w badaniach (tab. 1). Najpopularniejsze z nich to dostawy na czas, zaś najmniej używanym wyznacznikiem jest czas potwierdzenia zamówienia; w praktyce najczęściej stosowane w wielokryterialnych decyzyjnych podejściach są kryteria, które dotyczą ceny, jakości produktu i dostawy zgodnej z wymaganiami kupującego [11].

(3)

Studies & Proceedings of Polish Association for Knowledge Management Nr 88, 2018

Tabela 1. Użyte kryteria i podkryteria ustalone przez ekspertów

Kryteria Podkryteria Opis Literatura

Logistyka / SCM czas potwierdzenia czas potwierdzenia

zamó-wienia [9]

Logistyka / SCM czas dostawy średni czas dostawy [4], [10], [11]

Logistyka / SCM moq minimalna ilość

zamówie-nia [1], [5]

Logistyka / SCM dostawa na czas

wskaźnik procentowy za-mówień dostarczanych na czas

[4], [6], [7], [10], [11], [12], [14], [15]

Logistyka / SCM profesjonalizm poziom profesjonalizmu

związanego ze sprzedażą [13], [15]

Logistyka / SCM relacje jakość relacji z dostawcą [13], [22]

Źródło: opracowanie własne.

2. Charakterystyka metody fTOPSIS

W zaprezentowanym przykładzie wskazano terminy lingwistyczne, które zostaną użyte do określenia wag (tab. 2) i rankingu (tab. 3). Lingwistyczne oceny eksperckie przedstawiono z uży-ciem liczb ostrych oraz trapezowych liczb rozmytych (rys. 1, 2). Model bazowy do selekcji dostawców oparty jest na zbiorach liczb ostrych w przypadku metody TOPSIS oraz liczb rozmytych (fTOPSIS). Metoda TOPSIS pozwala przeprowadzić ranking dostawców poprzez obliczenie dy-stansu do (rozmytego) pozytywnego idealnego rozwiązania – (F)PIS (ang. fuzzy) positive ideal solution) i (rozmytego) negatywnego idealnego rozwiązania – (F)NIS (ang. (fuzzy) negative ideal solution). Kontynuacja opisu metody TOPSIS jest wariantem klasycznego algorytmu, gdzie za po-mocą liczb nieostrych (rozmytych) określa się znaczenie wag kryteriów oraz konstruuje macierz decyzyjną. Kolejnym etapem, jeśli utworzono ranking zmieniony w decyzyjną macierz rozmytą zgodnie z tabelą 3 i wagi zgodnie z tabelą 2 dla poszczególnych ekspertów, jest zagregowany roz-myty ranking do rozwiązań w odniesieniu do każdego z kryterium, który definiowany jest wzorem: (1) gdzie: (2) (3) (4) (5) W podobny sposób tworzone są zagregowane rozmyte wagi z każdego kryterium, co przedstawia wzór:

(6) gdzie:

(7) (8)

(4)

Grzegorz Ladorucki, Waldemar Wolski

Ewaluacja dostawców w procesie logistycznym przedsiębiorstwa metodą fTOPSIS

(9) (10)

Tabela 2. Znaczenie wag każdego kryterium – warianty lingwistyczne

Warianty lingwistyczne fTOPSIS

Bardzo słabe VL 0 0 0,1 0,2 Słabe L 0,1 0,2 0,2 0,3 Średnio słabe ML 0,2 0,3 0,4 0,5 Średnie M 0,4 0,5 0,5 0,6 Średnio silne MH 0,5 0,6 0,7 0,8 Silne H 0,7 0,8 0,8 0,9 Bardzo silne VH 0,8 0,9 1 1

Źródło: opracowanie własne na podstawie [2].

1

0 x

0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Rysunek 1. Znaczenie wag każdego kryte-rium – warianty lingwistyczne (fTOPSIS) Źródło: opracowanie własne na podstawie [2].

Tabela 3. Warianty lingwistyczne dla obliczenia rankingu

Warianty Lingwistyczne fTOPSIS

Bardzo kiepsko VP 0 0 1 2 Kiepsko P 1 2 2 3 Średnio kiepsko MP 2 3 4 5 Rzetelnie F 4 5 5 6 Średnio dobrze MG 5 6 7 8 Dobrze G 7 8 8 9 Bardzo dobrze VG 8 9 10 10

1

0 x

1 2 3 4 5 6 7 8 9 10

Rysunek 2. Warianty lingwistyczne dla rankingu (fTOPSIS)

Po utworzeniu zagregowanej rozmytej macierzy decyzyjnej oraz zagregowanych rozmy-tych wag wszystkich ekspertów, przechodzi się do kolejnego kroku, jakim jest wyznaczenie znormalizowanej rozmytej decyzyjnej macierzy zdefiniowanej jako:

(11)

gdzie B oznacza kryterium związane z korzyścią, a C kryterium związane bezpośrednio z kosz-tem i:

(5)

(13)

(14)

(15)

Następnie liczona jest ważona znormalizowana rozmyta decyzyjna macierz poprzez iloraz każdej liczby ze znormalizowanej rozmytej decyzyjnej macierzy oraz odpowiedniej wagi. Uzysku-jemy ją z następującego wzoru:

(16)

(17) gdzie:

(18)

Przechodząc do metody fTOPSIS wyznaczono FPIS i FNIS przy zastosowaniu wzorów [20]:

(19) (20) gdzie: (21) (22) (23) (24)

Z kolei dystans pomiędzy FPIS i FNIS otrzymuje się ze wzorów [20]:

(25) (26) Ostatnim krokiem jest obliczenie współczynnika bliskości ze wzoru oraz wyznaczenie rankingu na jego podstawie [2]:

(27)

3. Procedura badawcza oraz funkcja zapominania użyta w modelu 3.1. Funkcja zapominania użyta w modelu

Do przeprowadzenia oceny i doboru dostawców wykorzystano funkcję zapominania, w której zastosowano uwarunkowane czasowo strategie agregacji. Uzyskane wcześniej wyniki cząstkowe badań 30 dostawców z 12 okresów t zostały kolejno zagregowane z użyciem funkcji zapominania (dla pięciu parametrów siły zapominania) [3]. [21].

(28) gdzie:

p(tk) – siła k – tego okresu czasu t,

CCik – ocena ogólna i – tego wariantu w k – tym okresie, V(ai_{) – ogólna ocena i – tego wariantu na podstawie n okresów.}

(6)

Krzysztof Jurczyk

Analiza możliwości wykorzystania zbudowanego systemu wspomagania decyzji dotyczących sterowania zapasami w wieloszczeblowym systemie dystrybucji

Tabela 4. Parametry funkcji zapominania

Funkcja

za-pominania Okresy miesiąca

tk t t–1 t–2 t–3 t–4 t–5 t–6 t–7 t–8 t–9 t–10 t–11 TDA1 pk 6 m-cy 0,857 0,714 0,571 0,429 0,286 0,143 0,000 0,000 0,000 0,000 0,000 0,000 TDA2 pk 12 m-cy 0,923 0,846 0,769 0,692 0,615 0,538 0,462 0,385 0,308 0,231 0,154 0,077 TDA3 pk 24 m-ce 0,960 0,920 0,880 0,840 0,800 0,760 0,720 0,680 0,640 0,600 0,560 0,520 TDA4 pk od poziomu obrotu 0,308 0,846 0,615 0,769 0,231 0,462 0,923 0,385 0,692 0,077 0,154 0,538

3.2. Procedura badawcza

Na rysunku 3 zaprezentowano model procedury badawczej proponowanego podejścia w proce-sie ewaluacji dostawców z zastosowaniem wielokryterialnych metod wspomagania decyzji oraz funkcję uwarunkowanej czasowo strategii agregacji. W poszczególnych krokach każdy z oceniają-cych przeprowadza ewaluacje dostawców w badanych okresach. Proponowane podejście składa się z siedmiu etapów.

Pierwszym etapem procedury badawczej jest pobranie danych z systemu ERP za pomocą skryp-tów napisanych w języku SQL i dostosowanie ich do potrzeb wielokryterialnych metod wspomagania decyzji użytych w pracy.

Kolejny krok polega na określeniu przez ekspertów, czy kryteria będą wyrażone ilościowo czy jakościowo. Wagi w kryteriach ilościowych są precyzyjnie określone, natomiast w kryteriach jako-ściowych można jedynie wskazać ważność kryterium w porównaniu do drugiego, np. relacje z klientem są ważniejsze niż transfer. Podczas tego etapu przeprowadza się modelowanie preferen-cji, realizowane, tak jak agregacja danych źródłowych, za pomocą metody AHP w postaci podejścia klasycznego. Złożony charakter hierarchicznego zbioru kryteriów oceny dostawców dobrze od-zwierciedla metoda AHP [21]. Podyktowane jest to koniecznością szczegółowego uwzględnienia w modelu danych z wybranych przedziałów czasowych oraz koniecznością szerszej analizy i inter-pretacji uzyskanych wartości zagregowanych. Podczas tej fazy obliczane są również wagi każdego z kryterium, z których można wnioskować, które z nich jest ważne w całej ocenie.

Etap trzeci w procesie ewaluacji dostawców stanowi stworzony przez system model wiedzy, który przechowuje zebrane wyniki ocen cząstkowych. Jest to narzędzie korzystające z wiedzy uprzednio wprowadzonej do bazy. Dane historyczne pozwalają osobom decyzyjnym na dokonanie cyklicznych ocen oraz określają rodzaj trendu każdego ocenianego podmiotu.

Etap czwarty to agregacja danych za pomocą użytych wielokryterialnych metod wspomagania decyzji. W tej fazie wykorzystano metody AHP – korzystające z podejścia klasycznego, jak i wy-korzystujących liczby rozmyte – fTOPSIS.

(7)

Szóstą fazą procedury badawczej jest przeprowadzenie uwarunkowanych czasowo strategii agregacji, z których uzyskuje się ostateczne wyniki. W pracy użyto pięciu różnych funkcji zapomi-nania (patrz rozdz. 3.1).

Końcowym etapem prezentowanej procedury jest interpretacja wyników oraz ich analiza. W proponowanym podejściu wykonywane są dwa kluczowe zadania. Pierwszym z nich jest prze-prowadzenie ewaluacji dostawców w każdym z badanych okresów. Kolejny to zastosowanie funkcji uwarunkowanej czasowo w strategii agregacji celem uzyskania pełniejszej oraz bardziej precyzyjnej oceny. Podczas omówionych etapów realizowane są procesy dotyczące pozyskania, przetwarzania oraz gromadzenia wiedzy potrzebnej do ewaluacji dostawców oraz oceny kooperantów.

t1 tk tn ... ... BAZA DANYCH (dane) STRUKTURYZACJA PROCESU MODELOWANIE PREFERENCJI _TOPSIS

ROZMYTE Dane rozmyte

MCDA techniki agregacji

Ranking

finalny _{Strategia równej} agregacji w okresie czasu (TPEA) Strategia obniżanej agregacji w okresie czasu (TDA) Interpretacja wyników i analiza

Wartości każdego z kryterium dla wszystkich badanych okresów

Ranking alternatyw

AHP

Rysunek 3. Model procedury badawczej w procesie ewaluacji dostawców Źródło: opracowanie własne.

W pracy wykorzystano autorski schemat konceptualny procedury z użyciem wielokryterialnych metod do oceny dostawców uwzględniający wybrane przedziały czasowe samego procesu oceny (rys. 3). Proponowana w niniejszej rozprawie metodyka badań wykorzystuje wybrane metody MCDA, w szczególności ich wersje deterministyczne oraz rozmyte. Modelowane aspekty samego procesu ewaluacji obejmują zmienność cząstkowych ocen wariantów decyzyjnych w wybranych przedziałach czasowych oraz analizę wpływu tejże zmienności na końcowy rezultat procesu oceny (rys. 3).

4. Studium praktyczne – wyniki badań autorskich

Analizując wyniki fTOPSIS w pięciu funkcjach zapominania, stwierdzono, że uzyskany ran-king nie charakteryzuje się dużą zmiennością dla trzech najlepszych dostawców A5, A9, A12. Kooperant A5 w czterech funkcjach zapominania uzyskał pierwsze miejsce w ocenie, natomiast w funkcji TDA1 drugie. Dostawca A9 w rankingach raz był na miejscu pierwszym, trzy na drugim oraz raz na trzecim. Podmiot A12 plasował się cztery razy na trzecim miejscu, a w funkcji TDA4 na drugim (tab. 5).

(8)

Krzysztof Jurczyk

Tabela 5. Wyniki V(ai) i ich ranking w funkcji zapominania dla metody fTOPSIS

Dostawca Ocena dostawcy w funkcji zapominania Ranking dostawcy w funkcji zapominania

V(ai_{) fTOPSIS} _{ranking fTOPSIS}

Ai TPEA TDA1 TDA2 TDA3 TDA4 TPEA TDA1 TDA2 TDA3 TDA4

A1 4,9442 1,2568 2,4859 3,6659 2,5063 16 20 18 17 19 A5 5,8641 1,4691 2,9432 4,3452 2,9723 1 2 1 1 1 A6 5,5884 1,4156 2,8209 4,1493 2,8274 5 5 5 5 5 A9 5,7411 1,4912 2,9258 4,2772 2,9048 2 1 2 2 3 A12 5,7169 1,4497 2,8892 4,2465 2,9062 3 3 3 3 2 A16 5,3989 1,3615 2,7099 4,0006 2,7418 9 10 10 9 9 A27 5,5604 1,3881 2,7946 4,1222 2,8385 6 7 6 6 4

Ranking uzyskany z pięciu funkcji zapominania, do której użyto wyniki uzyskane przy pomocy metody fTOPSIS, nie charakteryzuje się dużą zmiennością. Trzech najlepszych dostawców A5, A9, A12 zamienia się miejscami w pierwszej trójce dla wszystkich funkcji zapominania. Z wy-kresu można wywnioskować, że uzyskane wyniki są zbliżone względem siebie. Najbardziej oddalone oceny zaobserwować można w okresie t–6 (rys. 4).

Rysunek 4. Trzech najlepszych dostawców ocena metodą fTOPSIS względem funkcji zapominania: TPEA, TDA1, TDA2, TDA3, TDA4

5. Wnioski

W artykule wykazano, że zastosowanie wybranych metod wielokryterialnych wraz z funkcją uwarunkowanej czasowo strategii agregacji w autorskiej procedurze ewaluacji dostawców, pozwo-liło na pełniejszą i bardziej precyzyjną ocenę dostawców. Wykorzystanie wielokryterialnych metod

(9)

popełnianych przez skupianie się ekspertów na jednym z wybranych okresów. Dodatkowo, poprzez połączenie z bazą danych systemu ERP, uzyskano możliwość pozyskiwania danych dla automaty-zacji ewaluacji dostawców. Umożliwia to również wykonywanie ewaluacji dostawców w dowolnym okresie dostaw. Oceny dostawców uzyskiwano systematycznie z bazy systemu ERP za każdy miesiąc dostaw. Rozwiązanie to cechuje się płynnością wykonania oceny dostawców. W razie zmiany preferencji przez ekspertów jest w stanie automatycznie uzyskać nowe wyniki ewa-luacji. Regularne przeprowadzanie oceny dostawców przekłada się na bardziej dokładny i miarodajny monitoring dostawców i sprawdzenie, które okresy wpłynęły na zajmowaną pozycję danego kontrahenta oraz określenie stabilności dostaw.

Dalsza rozbudowa opracowanej systemowej procedury monitorowania i oceny dostawców z za-stosowaniem metod wielokryterialnych umożliwi dokonanie ocen dostawców w innych branżach produkcyjnych.

Bibliografia

[1] Asthana N., Gupta M. (2015). Supplier selection using artificial neural network and genetic algorithm. International Journal Indian Culture and Business Management, 11(4), s. 457–472. [2] Chen Ch.T., Lin Ch.T., Huang S.F. (2006). A fuzzy approach for supplier evaluation and selection in supply chain management. International Production Economics 102, s. 289–301. [3] Chen Y., Li W.K., He S. (2010). Dynamic Multiple Criteria Decision Analysis with

Application in Emergency Management Assessment. IEEE International Conference on Systems, Man and Cybernetics, s. 3513–3517.

[4] Chen Y.-J. (2011). Structured methodology for supplier selection and evaluation in a supply chain. Information Sciences 181, s. 1651–1670.

[5] Chow P.-S., Choi T.-M., Cheng, T.C.E. (2012). Impacts of Minimum Order Quantity on a Quick Response Supply Chain. IEEE Transactions on Systems, Man, and Cybernetics-Part a: Systems and Humans 42 (4), s. 868–879.

[6] Dehghani M., Esmaeilian M., Tavakkoli-Moghaddam R. (2013). Employing Fuzzy ANP for Green Supplier Selection and Order Allocations: A Case Study. International Journal of Economy, Management and Social Sciences 2(8), s. 565–575.

[7] Gencer C., Gurpinar D. (2007). Analytic network process in supplier selection: A case study in an electronic firm. Applied Mathematical Modelling 31(11), s. 2475–2486.

[8] Guitouni A., Martel J.M. (1998). Tentative guidelines to help choosing an appropriate MCDA method. European Journal of Operational Research 109, 501–521.

[9] Iannone R. i in. (2010). A Model for Vendor Selection and Dynamic Evaluation. Advances in Production Management Systems. New Challenges, New Approaches 338, s. 283–290. [10] Kannan D., Govindan K., Rajendran S. (2015). Fuzzy Axiomatic Design approach based green

supplier selection: a case study from Singapore. Journal of Cleaner Production 96, s. 194–208. [11] Khodaverdi R., Olfat L. (2011). A fuzzy MCDM approach for supplier selection and evaluation: A case study in an automobile manufacturing company. International Conference on Industrial Engineering and Systems Management IESM, May 25–27, Metz- France. [12] Kumar Pani A., Kumar Kar A. (2011). A Study to Compare Relative Importance of Criteria

for Supplier Evaluation in e-Procurement. 44th Hawaii International Conference on Systems Science (HICSS-44 2011), (s. 4–7). Koloa, Kauai, HI, USA.

(10)

Krzysztof Jurczyk

SOLI ‘06. IEEE International Conference, conference paper, July.

[14] Lung Ng W. (2008). An efficient and simple model for multiple criteria supplier selection problem. European Journal of Operational Research 186, s. 1059–1067.

[15] Malmir R., Hamzehi E., Farsijani H. (2013). A Multi Stage Decision Making Model to Evaluate Suppliers by Using MOLP and ANP in a Strategic Approach. International Journal of Application or Innovation in Engineering & Management 2(3), s. 563–577.

[16] Roy, B., Bouyssou D. (1991). Aide à la décision fondée sur une PAMC de type ELECTRE. Université Paris-Dauphine. Document du LAMSADE, 69.

[17] Roy, B., Vanderpooten, D. (1996). The European school of MCDA: emergence, basic features and current works. Journal of Multi-Criteria Decision Analysis 5, s. 22–38.

[18] Shemshadi A. i in. (2011a). A fuzzy VIKOR method for supplier selection based on entropy measure for objective weighting. Expert Systems with Applications 38, s. 12160–12167. [19] Sivrikaya B.T., Kaya A., Dursun E., Çebi F. (2015). Fuzzy AHP–Goal Programming Ap-proach For a Supplier Selection Problem. Research in Logistics & Production 5(3), s. 271– 285.

[20] Trzaskalik T. (red.) (2013). Analiza wielokryterialna – wybrane zagadnienia. Katowice: Uniwersytet Ekonomiczny w Katowicach 2013.

[21] Wątróbski J., Sałabun W., Ladorucki G. (2017). The Temporal Supplier Evaluation Model Based on Multicriteria Decision Analysis Methods (s. 432–442). 9th Asian Conference: Intelligent Information and Database Systems. Kanazawa, Japan.

[22] Zou Z. i in. (2011). A rough set based approach to distributor selection in supply chain management, Expert Systems with Applications 38, s. 106–115.

(11)

SUPPLIERS EVALUATION IN COMPANIES’ LOGISTIC PROCESS USING FTOPSIS METHOD

Summary

The main purpose of the article is to present the evaluation procedure of suppliers using the methods of multi-criteria decision analysis (MCDA) in the company's logis-tics process using the fTOPSIS method and practical verification of the proposed approach. The presented approach expands the classical MCDA model by supplier evaluation and aggregation strategies (forgetting functions).

Keywords: supplier evaluation, fTOPSIS method, MCDA. Grzegorz Ladorucki

Waldemar Wolski

Państwowa Wyższa Szkoła Zawodowa ul. Wojska Polskiego 99, 78-600 Wałcz

e-mail: g.ladorucki@gmail.com wwolski@wneiz.pl