3. MethodologyInterpretive structur

3. Methodology
Interpretive structural modeling (ISM) is an interactive learn- ing process in which a set of different and directly related elements is structured into a comprehensive systemic model (Warfield, 1974; Sage, 1977). The model so formed portrays the structure of a complex issue or problem, a system or a field of study, in a carefully designed pattern implying graphics as well as words. ISM methodology helps to impose order and direction on the complexity of relationships among elements of a system. In the literature various applications of ISM have been found which are depicted in Table 2.
Interpretive structural modeling (ISM) helps in identifying the inter-relationships among variables. It is a suitable modeling technique for analyzing the influence of one variable on other variables. It provides systemic approach for improving supply chain agility.
ISM is primarily intended as a group learning process. The method is interpretive as the judgment of the group decides whether and how the variables are related. It is structural as on the basis of relationship, an overall structure is extracted from the complex set of variables. It is a modeling technique as the specific relationships and overall structure is portrayed in a digraph model.
ISM starts with an identification of variables, which are relevant to the problem or issue and then extends with a group problem-solving technique. Then a contextually relevant sub- ordinate relation is chosen. Having decided on the element set and the contextual relation, a structural self-interaction matrix (SSIM) is developed based on pair-wise comparison of vari- ables. In the next step, the SSIM is converted into a reachability matrix and its transitivity is checked. Once transitivity embed- ding is complete a matrix model is obtained. Then, the parti- tioning of the elements and an extraction of the structural model, called ISM is derived.
In this research, interpretive structural modeling (ISM) has
been applied to develop a framework for a case supply chain to achieve the following broad objectives:
• to derive interrelationships among the variables affecting supply chain agility, and
• to classify the variables according to their driving and dependence power.
In the present paper, ISM has been applied to show the inter- relationships of different variables of supply chain agility.
Various steps involved in the ISM technique are illustrated in
Fig. 3 (Singh, Shankar, Narain, & Agarwal, 2003).
To obtain correlation matrix for supply chain agility variables, questionnaires were sent to original equipment manu- factures (OEM) and their suppliers. Out of the 760 question- naires sent, 179 usable responses have been received, resulting in a 23.55% response rate. This response rate is considered adequate for such surveys (Malhotra & Grover, 1998). Cron- bach's coefficient (α) for the questions related to supply chain agility variables is calculated to test the reliability and internal consistency of the responses. The value of α for this is found to be 0.85. Out of the 179 usable responses, original equipment manufactures (OEM) are 41% while suppliers are 59%.
The correlation matrix for the variables is used together with
the experts' opinion, in defining the mutual relationships.
3.1. Structural self-interaction matrix (SSIM)
Variables of supply chain agility are already discussed in previous section and are: market sensitiveness (1), delivery speed (2), data accuracy (3), new product introduction (4), centralized and collaborative planning (5), process integration (6), use of IT tools (7), lead-time reduction (8), service level improvement (9), cost minimization (10), customer satisfaction (11), quality improvement (12), minimizing uncertainty (13), trust development (14), and minimizing resistance to change (15).
For analysing variables of supply chain agility, a contextual relationship of “leads to” type is chosen. This means that one variable leads to another variable.
Keeping in mind the contextual relationship for each vari- able, the existence of a relation between any two sub-variables (i and j) and the associated direction of the relation is questioned. Four symbols are used for the type of the relation that exists between the two sub-variables under consideration:

ผลลัพธ์ (ไทย) 1:

3. วิธี
Interpretive โครงสร้างโมเดล (ISM) เป็นกระบวนการแบบเรียน-ing ที่ชุดต่าง ๆ และโดยตรงที่เกี่ยวข้องกับองค์ประกอบคือโครงสร้างเป็นแบบจำลองระบบครบวงจร (Warfield, 1974 ปราชญ์ 1977) ดังนั้น รูปแบบโครงสร้างของปัญหาซับซ้อน หรือปัญหา ระบบ หรือวุฒิการศึกษา portrays ในรูปแบบการออกแบบอย่างระมัดระวังหน้าที่กราฟิกรวมทั้งคำ ISM วิธีช่วยในการกำหนดลำดับและทิศทางในความซับซ้อนของความสัมพันธ์ระหว่างองค์ประกอบของระบบ ในวรรณคดี ต่าง ๆ ใช้ ISM พบซึ่งจะแสดงในตารางที่ 2.
Interpretive โครงสร้างโมเดล (ISM) ช่วยในการระบุความสัมพันธ์ระหว่างระหว่างตัวแปร เทคนิคการสร้างโมเดลที่เหมาะสมสำหรับการวิเคราะห์อิทธิพลของตัวแปรหนึ่งกับตัวแปรอื่น ๆ ได้ มีระบบวิธีในการปรับปรุงความคล่องตัวห่วงโซ่อุปทาน
ISM มีวัตถุประสงค์หลักเป็นกลุ่มกระบวนการเรียนรู้ วิธีการคือ interpretive ตามคำพิพากษาได้ตัดสินใจ และวิธีตัวแปรเกี่ยวข้อง มีโครงสร้างเป็นพื้นฐานของความสัมพันธ์ เป็นโครงสร้างโดยรวมแยกจากชุดที่ซับซ้อนของตัวแปร มันเป็นเทคนิคการสร้างโมเดลความสัมพันธ์เฉพาะ และโครงสร้างโดยรวมมีเซ็กส์ในรูปแบบไดกราฟ
ISM เริ่มต้น ด้วยรหัสตัวแปร ซึ่งเกี่ยวข้องกับปัญหาหรือปัญหา และขยายแล้ว มีเทคนิคการแก้ปัญหากลุ่ม แล้ว จะเลือกความสัมพันธ์ดีที่มีไปด้วยย่อยที่เกี่ยวข้อง contextually มีการตัดสินใจในชุดองค์ประกอบและความสัมพันธ์ของบริบท โต้ตอบตนเองโครงสร้างเมทริกซ์ (SSIM) คือพัฒนาตามการเปรียบเทียบปรับ ables pair-wise ในขั้นตอนต่อไป SSIM ถูกแปลงเป็นเมทริกซ์ reachability และ transitivity ที่จะตรวจสอบ เมื่อ transitivity ฝังดิงสมบูรณ์ แบบเมตริกซ์จะได้ แล้ว parti-tioning องค์ประกอบและการแยกรูปแบบโครงสร้าง เรียกว่า ISM มา
ในงานวิจัยนี้ มีโครงสร้าง interpretive โมเดล (ISM)
การใช้พัฒนากรอบสำหรับห่วงโซ่อุปทานกรณีเพื่อให้บรรลุวัตถุประสงค์อย่างกว้าง ๆ ดังต่อไปนี้:
•มา interrelationships ตัวแปรที่มีผลต่อความคล่องตัวในการห่วงโซ่อุปทาน และ
•การจัดประเภทตัวแปรตามการขับขี่และการพึ่งพาพลังงาน
ในกระดาษปัจจุบัน ISM ที่ได้ถูกใช้เพื่อแสดงอินเตอร์ความสัมพันธ์ของตัวแปรต่าง ๆ ของซัพพลายเชนความว่องไว
ดังรายละเอียดในขั้นตอนต่าง ๆ ที่เกี่ยวข้องกับเทคนิค ISM
Fig. 3 (สิงห์ แชงการ์ Narain & Agarwal, 2003) .
รับเมทริกซ์สหสัมพันธ์ในตัวแปรความว่องไวโซ่อุปทาน มีส่งแบบสอบถามเดิมอุปกรณ์มนู-factures (OEM) และผู้ จาก 760 ถาม-naires ส่ง 179 ได้รับ ผลตอบสนอง 23.55% อัตราการ อัตราการตอบสนองนี้ถือว่าเพียงพอสำหรับการสำรวจดังกล่าว (Malhotra &โกรเวอร์ 1998) สัมประสิทธิ์ Cron บั๊ค (α) สำหรับคำถามที่เกี่ยวข้องกับตัวแปรความว่องไวของห่วงโซ่อุปทานเป็นคำนวณเพื่อทดสอบความน่าเชื่อถือและความสอดคล้องภายในของการตอบสนอง ค่าαนี้จะพบเป็น 0.85 ไม่ได้ตอบ 179 ผู้ผลิตอุปกรณ์ดั้งเดิม (OEM) มี 41% ในขณะที่ซัพพลายเออร์ 59%.
The เมทริกซ์สหสัมพันธ์สำหรับตัวแปรจะใช้ร่วมกับ
ความคิดเห็นของผู้เชี่ยวชาญ ในการกำหนดร่วมความสัมพันธ์.
3.1 โต้ตอบตนเองโครงสร้างเมตริกซ์ (SSIM)
แล้วอธิบายตัวแปรของความคล่องตัวของห่วงโซ่อุปทานในส่วนก่อนหน้าและมี: ตลาด sensitiveness (1), ความเร็วในการจัดส่ง (2) (3), ความแม่นยำของข้อมูลใหม่แนะนำผลิตภัณฑ์ (4), ส่วนกลาง และร่วมกันวางแผน (5), ประมวลผลรวม (6) ใช้ของเครื่อง มือ (7), ลด lead-time (8), บริการระดับปรับปรุง (9), ต้นทุนลดภาระ (10), ความพึงพอใจของลูกค้า (11), ปรับปรุงคุณภาพ (12), ความสำคัญความไม่แน่นอน (13), พัฒนาความน่าเชื่อถือ (14), และสำคัญต่อต้านการเปลี่ยนแปลง (15) .
สำหรับตัวแปรที่วิเคราะห์ความคล่องตัวของห่วงโซ่อุปทาน ความสัมพันธ์ตามบริบทของ "นำไป" ชนิดเลือก ซึ่งหมายความ ว่า หนึ่งเป้าหมายตัวแปรกับตัวแปรอื่น
ทำให้ทราบความสัมพันธ์บริบทสำหรับแต่ละช่วยได้ จะไต่สวนการดำรงอยู่ของความสัมพันธ์ระหว่างใด ๆ สองย่อยตัวแปร (ฉันและเจ) และทิศทางของความสัมพันธ์เชื่อมโยง 4 สัญลักษณ์ที่ใช้สำหรับชนิดของความสัมพันธ์ที่มีอยู่ระหว่างสองตัวแปรย่อยภายใต้การพิจารณา:

ผลลัพธ์ (ไทย) 3:

3 . การสร้างหุ่นจำลองโครงสร้างวิธีการ
แปล ( ISM ) เป็นแบบโต้ตอบได้เรียนรู้กระบวนการไอเอ็นจีซึ่งเป็นชุดขององค์ประกอบต่าง ๆที่เกี่ยวข้องโดยตรง และมีโครงสร้างเป็นระบบแบบครบวงจร ( Warfield , 1974 ; Sage , 1977 ) รูปแบบรูปแบบเพื่อแสดงโครงสร้างของปัญหาซับซ้อนหรือปัญหาระบบหรือเขตข้อมูลของการศึกษาในการออกแบบอย่างระมัดระวังรูปแบบกราฟิกจะเป็นคำ วิธีการเพื่อช่วยให้ลัทธิและทิศทางในความซับซ้อนของความสัมพันธ์ระหว่างองค์ประกอบของระบบ ในวรรณคดี การใช้งานต่างๆของลัทธิได้พบซึ่งมีปรากฎในตารางที่ 2 .
โมเดลการแปลความหมาย ( ISM ) ช่วยในการระบุความสัมพันธ์ระหว่างตัวแปรมันเป็นเทคนิคในการสร้างแบบจำลองที่เหมาะสมสำหรับการวิเคราะห์อิทธิพลของตัวแปรในตัวแปรอื่น ๆ มีความคล่องตัวในการปรับปรุงจัดหาระบบโซ่
ลัทธิหลักมีไว้เป็น กลุ่ม กระบวนการเรียนรู้ วิธีการแปลเป็นการตัดสินใจของกลุ่มตัดสินใจอย่างไร ตัวแปรที่เกี่ยวข้อง มันเป็นโครงสร้างบนพื้นฐานของความสัมพันธ์โครงสร้างโดยรวมที่แยกจากชุดที่ซับซ้อนของตัวแปร มันเป็นเทคนิคการสร้างแบบจำลองเป็นความสัมพันธ์ที่เฉพาะเจาะจงและโครงสร้างโดยรวมเป็น portrayed ในไดกราฟรูปแบบ .
ลัทธิ เริ่มด้วยการกำหนดตัวแปรที่เกี่ยวข้องกับปัญหาหรือประเด็นแล้วขยายด้วยเทคนิคกลุ่มในการแก้ไขปัญหา แล้ว sub - บริบทที่เกี่ยวข้องกฎหมายความสัมพันธ์ที่ถูกเลือกมีการตัดสินใจในการตั้งค่าองค์ประกอบและความสัมพันธ์ของบริบท , โครงสร้างตนเองปฏิสัมพันธ์เมทริกซ์ ( ssim ) คือการพัฒนาบนพื้นฐานของการเปรียบเทียบคู่ปัญญาวารี - บิล . ในขั้นต่อไป ssim แปลงเป็นเมทริกซ์ reachability และ transitivity จะถูกตรวจสอบ เมื่อ transitivity ฝัง - ติงสมบูรณ์เมทริกซ์แบบดังกล่าวได้ จากนั้นส่วนพรรค - tioning ขององค์ประกอบและการสกัดรูปแบบโครงสร้างที่เรียกว่าลัทธิ ) .
ในการวิจัยนี้ โมเดลการแปลความหมาย ( ISM )
ถูกนำมาใช้เพื่อการพัฒนากรอบกรณีศึกษาห่วงโซ่อุปทานเพื่อให้บรรลุตามวัตถุประสงค์ :
- กว้างกว่าความสัมพันธ์ระหว่างตัวแปรที่มีผลต่อความว่องไวของห่วงโซ่อุปทาน และ
- จัดกลุ่มตัวแปรตามการขับขี่ของพวกเขา และการพึ่งพาพลังงาน
ในกระดาษปัจจุบันลัทธิได้ถูกใช้เพื่อแสดงความสัมพันธ์ของตัวแปรต่าง ๆ ระหว่าง ความคล่องตัวของอุปทานโซ่ .
ขั้นตอนต่าง ๆ ที่เกี่ยวข้องในเทคนิคต่างๆ ในลัทธิ
รูปที่ 3 ( Shankar ซิงห์ กระหืดกระหอบ& , กลางวัน , 2003 )
รับเมทริกซ์สหสัมพันธ์ห่วงโซ่อุปทานความคล่องตัวด้านส่งแบบสอบถามไปยังมนู factures - อุปกรณ์ดั้งเดิม ( OEM ) และซัพพลายเออร์ของพวกเขา จาก 760 naires ส่งคำถาม - คำตอบ 179 ใช้งานได้รับ ส่งผลให้อัตราการตอบสนองเป็น 23.55 % อัตราการตอบสนองนี้ถือว่าเพียงพอสำหรับการสำรวจดังกล่าว ( ช&โกรเวอร์ , 1998 )ครอน - ค่าสัมประสิทธิ์ของ Bach ( α ) สำหรับคำถามที่เกี่ยวข้องกับการจัดหาตัวโซ่ตัวแปรคำนวณทดสอบความน่าเชื่อถือและความสอดคล้องภายในของการตอบสนอง คุณค่าของαนี้พบเป็น 0.85 ออกจาก 179 ใช้งานตอบสนอง ต้นฉบับอุปกรณ์ผลิต ( OEM ) 41 % ในขณะที่ซัพพลายเออร์มี 59 %
เมทริกซ์สหสัมพันธ์ของตัวแปรที่ใช้ร่วมกันกับ
ความคิดเห็นของผู้เชี่ยวชาญในการกำหนดความสัมพันธ์ซึ่งกันและกัน
3.1 . เมทริกซ์อันตรกิริยาตนเองโครงสร้าง ( ssim )
ตัวแปรของความคล่องตัวห่วงโซ่อุปทานได้กล่าวไว้ในส่วนก่อนหน้านี้และเป็นกรรมการตัดสินตลาด ( 1 ) , ความเร็วในการจัดส่ง ( 2 ) ความถูกต้องของข้อมูล ( 3 ) , แนะนำผลิตภัณฑ์ใหม่ ( 4 ) , ส่วนกลาง และการวางแผนร่วมกัน ( 5 ) , ( 6 ) , การใช้กระบวนการบูรณาการของมัน เครื่องมือ ( 7 )การลดเวลานำ ( 8 ) , การปรับปรุงระดับการให้บริการ ( 9 ) และ ( 10 ) การลดต้นทุน ความพึงพอใจของลูกค้า การปรับปรุงคุณภาพ ( 11 ) ( 12 ) ลดความไม่แน่นอน ( 13 ) การสร้างความไว้วางใจ ( 14 ) และลดการต่อต้านการเปลี่ยนแปลง ( 15 ) .
สำหรับการวิเคราะห์ตัวแปรของความคล่องตัวในห่วงโซ่อุปทาน , บริบท ความสัมพันธ์ของ " นำไปสู่ " ประเภทที่เลือก ซึ่งหมายความว่าตัวแปรหนึ่งไปสู่อีกตัวแปร .
การรักษาในใจบริบทความสัมพันธ์สำหรับแต่ละ vari - สามารถ การดำรงอยู่ของความสัมพันธ์ระหว่างสองตัวแปรย่อย ( I และ J ) และที่เกี่ยวข้อง ทิศทางของความสัมพันธ์จะสอบสวน สัญลักษณ์ทั้งสี่จะใช้ในประเภทของความสัมพันธ์ที่มีอยู่ระหว่างสองตัวแปรย่อยภายใต้การพิจารณา :