1. If the (i, j) entry in the SSIM

1. If the (i, j) entry in the SSIM is V, then the (i, j) entry in the reachability matrix becomes 1 and the (j, i) entry becomes 0.
2. If the (i, j) entry in the SSIM is A, then the (i, j) entry in the matrix becomes 0 and the (j, i) entry becomes 1.
3. If the (i, j) entry in the SSIM is X, then the (i, j) entry in the matrix becomes 1 and the (j, i) entry also becomes 1.
4. If the (i, j) entry in the SSIM is O, then the (i, j) entry in the matrix becomes 0 and the (j, i) entry also becomes 0.
Following these rules, initial reachability matrix for the variables is prepared as shown in Table 4.
1 entries are included to incorporate transitivity to fill the
gap if any in the opinion collected during development of structural self-instructional matrix. The Final reachability matrix is presented in Table 5.
3.3. Partitioning the reachability matrix
The matrix is partitioned, by assessing the reachability and antecedent sets for each variable (Warfield, 1974). The reachability set consists of the element itself and other elements, which it may help to achieve, whereas the antecedent set consists of the element itself and other elements, which may help achieving it. Then the intersection of these sets is derived for all the elements. The elements for which the reachability and intersection sets are same are the top-level elements in the ISM hierarchy. The top-level elements of the hierarchy would not help to achieve any other element above their own level in the hierarchy. Once top-level elements are identified, it is separated out from the rest of the elements. Then, the same process is repeated to find the next level of elements. These identified levels help in building the digraph and final model. In the present case, the variables along with their reachability set, antecedent set, intersection set and the levels are shown in Table 6. The process is completed in nine iterations (Tables 6–13) as follows:
In Table 6, the element 10 (cost minimization), element 11 (customer satisfaction), and element 12 (quality improvement) are found at level I. Thus, they will be positioned at the top of hierarchy of the ISM model.
After removing elements 10, 11 and 12 from Table 6, we get second and third column of Table 7.
In Table 7, the element 4 (new product introduction) and element 9 (service level improvement) are put at level II. Thus, it will be positioned at the level II in the ISM model. After removing elements 4 and 9 from Table 7, the second and third columns of Table 8 are obtained. The process is repeated till Table 14.
In Table 15, elements 10 (cost minimization), 11 (customer satisfaction), and 12 (quality improvement) are put at level I. These elements will be positioned at the top of ISM in the digraph. Elements 4 (new product introduction) and 9 (service level improvement) are at level II. Delivery speed (element 2) comes at level III. Element 8 (lead-time reduction) is at level IV. Market sensitiveness (element 1) and data accuracy (element 3) emerge at level V and VI, respectively. Seventh iteration brings minimizing uncertainty (element 13), trust development (element 14), and minimizing resistance to change (element 15) at level VII. Final iteration brings out level VIII elements as centralized and collaborative planning (5), process integration (6), and use of IT tools (7).
3.4. Developing conical matrix
A conical matrix is developed by clustering variables in the same level, across rows and columns of the final reachability matrix, as shown in Table 16.
4. Development of digraph
Based on the conical form of reachability matrix, the initial digraph including transitive links is obtained. After removing indirect links, the final digraph is obtained, as shown in Fig. 4.
From Fig. 4, it is observed that centralized and collaborative planning (5), process integration (6), and use of IT tools (7) play significant driving role in improving agility for supply chain and they come at the base of ISM hierarchy. Cost minimization (10), customer satisfaction (11), and quality improvement (12) are variables, which depend on other variables for agility im- provement. These variables have appeared at the top of the hierarchy. Effective centralized and collaborative planning (5), process integration (6), and use of IT tools (7) provide an environment which help in reducing uncertainty, developing trust among trading partners and minimizing resistance to change. This helps in improving data accuracy (3) and market sensitiveness (1).
Effective lead-time reduction (8) is achieved with im- proved level of data accuracy and market sensitiveness. Delivery speed (2) for supply chain enhances as a result of effective lead-time reduction. Minimizing uncertainty helps management to concentrate on introducing new and innovative products in the market. Delivery speed provides better service level, which results into improved level in customer satisfaction (11). Lead-time reduction minimizes all sort of waste including time; therefore experts feel that improvement in quality level (12) can be achieved with effective lead-time reduction. Improvement in customer satisfaction level is also achieved with better quality level.
Trust development (element 14) also influences data accu- racy (element 3). Improved level of trust among trading partners helps in providing accurate data at various links of the supply chain (Ellram, 1991). Minimizing resistance to change among trading partners helps in improving market sensitiveness. Lead- time reduction (8) influences cost minimization (10). This implies that a sound strategic planning for lead-time reduction is a prerequisite to effective cost minimization. Use of IT tools (7) is helpful in centralized and collaborative planning (5), and process integration (6). Experts feel that use of IT tools, centralized and collaborative planning, and process integration help to develop integration of links within the supply chain.
From the ISM, it is also observed that while planning for SC improvement, management of the supply chain should deploy strategies for an effective use of IT tools, centralized and collaborative planning, and process integration.
5. MICMAC analysis
The objective of MICMAC analysis (Mandal & Deshmukh,
1994; Saxena, Sushil, & Vrat, 1990; Sharma, Gupta, & Sushil,
1995) in this study is to identify and to analyze the variables according to their driving power and dependence power towards supply chain agility.
In the Table 17, an entry of “1” along the columns and rows
indicates the dependence and driving power, respectively.
The variables are categorized into ranks. For example, ele- ment 4 has fourth rank in dependence and ninth in driving power; while element 2 has third rank in dependence and eighth rank in driving power. When variables are placed according to their driving and dependence power, variables are grouped into four clusters. Four clusters are presented in Fig. 5.
First cluster includes variables that have weak driver power and weak dependence. These variables are relatively disconnected from the system, with which they have only few links, which may be strong. These are autonomous variables. Second cluster consists of variables that have weak driving power but strong dependence. These are termed as dependent variables. Variables in third cluster have strong driving power and strong dependence. These variables fall into the category of independent or linkage variables. These variables are unstable. Any action on these variables will have an effect on others and also a feedback effect on themselves. Fourth cluster includes independent variables having strong driving power but weak dependence. Use of IT tools (7), centralized and collaborative planning (5), process integration (6), mini- mizing uncertainty (13), trust development (14) and minimizing resistance to change (15) come under category IV and therefore categorized as independent drivers. There is no linkage variable having strong driving and strong dependence power. Market sensitiveness (1), data accuracy (3), and cost minimization (10)speed (2), new product introduction (4), lead-time reduction (8), service level improvement (9), customer satisfaction (11), and quality improvement (12) are kept under the cluster of dependent variables.

ผลลัพธ์ (ไทย) 1:

1. ถ้า (i, j) รายการใน SSIM เป็น V แล้ว (i, j) รายการในเมตริกซ์ reachability กลายเป็น 1 และ (เจ ฉัน) รายการกลายเป็น 0.
2 ถ้า (i, j) รายการใน SSIM เป็น A แล้ว (i, j) รายการในเมตริกซ์กลายเป็น 0 และ (เจ ฉัน) รายการกลายเป็น 1.
3 ถ้า (i, j) รายการใน SSIM เป็น X แล้ว (i, j) รายการในเมตริกซ์กลายเป็น 1 และ (เจ ฉัน) รายการยังกลายเป็น 1.
4 ถ้า (i เจ) รายการใน SSIM จะ O (i, j) รายการในเมตริกซ์กลายเป็น 0 และ (เจ ฉัน) รายการยังกลายเป็น 0.
ต่อกฎเหล่านี้ เมทริกซ์ reachability เริ่มต้นสำหรับตัวแปรจะเตรียมได้ดังแสดงในตาราง 4.
1 รายการจะรวมรวม transitivity เต็ม
ช่องว่างของถ้ามีในความคิดรวบรวมในระหว่างการพัฒนาของเมทริกซ์โครงสร้าง self-instructional เมตริกซ์ reachability สุดท้ายจะแสดงในตาราง 5.
3.3 พาร์ทิชันเมตริกซ์ reachability
เมตริกซ์จะแบ่งพาร์ติ ชัน โดยประเมินที่ reachability และ antecedent ชุดแต่ละตัวแปร (Warfield, 1974) ชุด reachability ประกอบด้วยองค์เองและองค์ประกอบอื่น ๆ ซึ่งอาจช่วยให้บรรลุ ในขณะที่ชุด antecedent ประกอบด้วยองค์เองและองค์ประกอบอื่น ๆ ซึ่งอาจช่วยให้บรรลุเป้าหมายนั้น แล้ว ของชุดนี้มาสำหรับองค์ประกอบทั้งหมด องค์ประกอบที่ชุด reachability และสี่แยกเดียวกันมีองค์ประกอบระดับบนสุดในลำดับชั้นของ ISM องค์ประกอบระดับบนสุดของลำดับชั้นจะช่วยให้องค์ประกอบอื่น ๆ เหนือระดับในลำดับชั้นของตนเอง เมื่อมีระบุองค์ประกอบระดับบนสุด มันจะแยกออกจากองค์ประกอบ แล้ว กระบวนการเดียวกันซ้ำหายากขององค์ประกอบ เหล่านี้ระบุระดับความช่วยเหลือในการสร้างไดกราฟและรุ่นสุดท้าย ในกรณีปัจจุบัน ตัวแปรชุดของ reachability, antecedent ชุด แยกชุด และระดับจะแสดงในตาราง 6 กระบวนการจะเสร็จสมบูรณ์ในแผน 9 (ตารางที่ 6-13) ดังนี้:
ในตาราง 6, 10 (การลดต้นทุน) องค์ประกอบ องค์ประกอบ 11 (ลูกค้าพึงพอใจ), และองค์ประกอบ 12 (ปรับปรุงคุณภาพ) อยู่ที่ระดับฉัน ดังนั้น พวกเขาจะวางตำแหน่งด้านบนของลำดับชั้นของ ISM รุ่น
หลังจากเอาองค์ประกอบที่ 10, 11 และ 12 จากตาราง 6 เรารับที่สอง และคอลัมน์ที่สามของตาราง 7.
ในตาราง 7 องค์ประกอบที่ 4 (แนะนำผลิตภัณฑ์ใหม่) และองค์ประกอบที่ 9 (บริการระดับพัฒนา) วางที่ระดับ II ดังนั้น มันจะเป็นตำแหน่งที่ระดับ II ในแบบ ISM ตาราง 8 คอลัมน์ที่สอง และสามจะได้รับหลังจากการเอาองค์ประกอบที่ 4 และ 9 ตาราง 7 กระบวนการจะถูกทำซ้ำจนถึง 14 ตาราง.
ในตาราง 15 องค์ประกอบ 10 (การลดต้นทุน), 11 (ลูกค้าพึงพอใจ), และ 12 (ปรับปรุงคุณภาพ) จะใส่ระดับผม องค์ประกอบเหล่านี้จะวางตำแหน่งด้านบนของ ISM ในทวิอักษร องค์ประกอบที่ 4 (แนะนำผลิตภัณฑ์ใหม่) และ 9 (บริการระดับพัฒนา) อยู่ที่ระดับ II ความเร็วในการจัดส่ง (องค์ประกอบที่ 2) มาในระดับ III องค์ประกอบที่ 8 (lead-time ลด) อยู่ที่ระดับ IV เกิดที่ระดับ V และ VI ตลาด sensitiveness (องค์ประกอบที่ 1) และความแม่นยำของข้อมูล (องค์ประกอบที่ 3) ตามลำดับ เกิดซ้ำเจ็ดนำสำคัญความไม่แน่นอน (องค์ประกอบที่ 13), พัฒนาความน่าเชื่อถือ (องค์ประกอบที่ 14), และต้านทานความสำคัญการเปลี่ยนแปลง (องค์ที่ 15) ที่ระดับ VII เกิดซ้ำสุดท้ายนำระดับ VIII องค์ประกอบเป็นส่วนกลาง และร่วมกันวางแผน (5), รวมกระบวนการ (6), และใช้เป็นเครื่องมือ (7) .
3.4 พัฒนาทรงกรวยเมตริกซ์
เมทริกซ์ทรงกรวยจะพัฒนา โดยตัวแปรในระดับเดียวกัน คลัสเตอร์ในแถวและคอลัมน์ของเมทริกซ์ reachability สุดท้าย ดังที่แสดงในตาราง 16.
4 พัฒนาของทวิอักษร
ตามรูปทรงกรวยของเมตริกซ์ reachability ทวิอักษรแรกที่รวมการเชื่อมโยงสกรรมกริยาได้รับการ หลังจากเอาลิงค์ทางอ้อม ทวิอักษรสุดท้ายได้รับ แสดงใน Fig. 4.
จาก Fig. 4 คือสังเกตที่ส่วนกลาง และร่วมกันวางแผน (5), รวมกระบวนการ (6), และการใช้เครื่องมือ IT (7) บทบาทสำคัญผลักดันในการปรับปรุงความคล่องตัวสำหรับห่วงโซ่อุปทาน และพวกเขามาที่ฐานของ ISM ต้นทุนลดภาระ (10), ลูกค้าพัฒนาความพึงพอใจ (11), และคุณภาพ (12) เป็นตัวแปร ซึ่งขึ้นอยู่กับตัวแปรอื่น ๆ สำหรับความคล่องตัว im provement ตัวแปรเหล่านี้มีปรากฏที่ด้านบนสุดของลำดับชั้น มีผลบังคับใช้จากส่วนกลาง และร่วมกันวางแผน (5), ประมวลผลรวม (6), และใช้เป็นเครื่องมือ (7) สร้างสิ่งแวดล้อมซึ่งช่วยในการลดความไม่แน่นอน ความน่าเชื่อถือในหมู่คู่ค้า และลดการต้านทานการเปลี่ยนแปลงพัฒนา นี้ช่วยในการปรับปรุงความแม่นยำของข้อมูล (3) และตลาด sensitiveness (1)
Lead-time มีประสิทธิภาพลดลง (8) ทำกับ im-พิสูจน์ความแม่นยำของข้อมูลและตลาด sensitiveness ช่วยจัดส่งเร็ว (2) สำหรับห่วงโซ่อุปทานจาก lead-time มีประสิทธิภาพลดลง ลดความไม่แน่นอนช่วยจัดการในการแนะนำผลิตภัณฑ์ใหม่ และนวัตกรรมในตลาด ความเร็วส่งให้ระดับการบริการดีขึ้น ซึ่งส่งผลไปปรับปรุงระดับในความพึงพอใจของลูกค้า (11) เรียงลำดับทั้งหมดของเสียรวมถึงเวลา ช่วยลดลด lead-time ดังนั้น ผู้เชี่ยวชาญรู้สึกว่า สามารถทำได้ในระดับคุณภาพ (12) การปรับปรุง lead-time ประสิทธิภาพลด ยังทำการปรับปรุงในระดับความพึงพอใจของลูกค้ามีระดับคุณภาพดี
เชื่อถือพัฒนา (องค์ประกอบที่ 14) ยังมีผลต่อข้อมูล accu - โชว์ (องค์ 3) ระดับปรับปรุงความน่าเชื่อถือในหมู่คู่ค้าช่วยในการให้ข้อมูลที่ถูกต้องในการเชื่อมโยงต่าง ๆ ของห่วงโซ่อุปทาน (Ellram, 1991) ลดความต้านทานการเปลี่ยนแปลงระหว่างคู่ค้าช่วยในการปรับปรุงตลาด sensitiveness ลดเวลารอคอยสินค้า (8) มีผลต่อการลดต้นทุน (10) หมายความว่า มีเสียงการวางแผนกลยุทธ์สำหรับลด lead-time เป็นข้อกำหนดเบื้องต้นเพื่อลดภาระต้นทุนที่มีประสิทธิภาพ ใช้เครื่องมือ IT (7) มีประโยชน์ในส่วนกลาง และร่วมกันวางแผน (5), และรวมกระบวนการ (6) ผู้เชี่ยวชาญรู้สึกที่ใช้เครื่องมือ IT ส่วนกลางและการวางแผนร่วมกัน และประมวลผลรวมช่วยในการพัฒนารวมของการเชื่อมโยงภายในห่วงโซ่อุปทาน
จาก ISM มันเป็นยังพบว่า ในขณะที่การวางแผนปรับปรุง SC การจัดการห่วงโซ่อุปทานควรวางกลยุทธ์สำหรับการใช้ประสิทธิภาพของเครื่องมือได้ ส่วนกลางและวางแผนร่วมกัน และประมวลผลรวม
5 การวิเคราะห์ MICMAC
วัตถุประสงค์ของการวิ MICMAC (Mandal &ศเทศมุข,
1994 ซสักเสนา Sushil & Vrat, 1990 Sharma กุปตา & Sushil,
1995) ในการศึกษานี้คือ การระบุ และ การวิเคราะห์ตัวแปรตามขับพลังงานและการพึ่งพาอำนาจต่อความว่องไวโซ่อุปทาน
ในตาราง 17 รายการ "1" ตามคอลัมน์และแถว
บ่งชี้ว่า การพึ่งพาและพลังงานขับ ตามลำดับ.
ตัวแปรจัดประเภทในยศ ตัวอย่าง เอเลติดขัด 4 ได้อันดับสี่ในการพึ่งพาและไนน์ในอำนาจ ขับรถ ในขณะที่องค์ประกอบที่ 2 ได้อันดับที่สามในการพึ่งพาและอันดับแปดในการขับขี่ไฟ เมื่อตัวแปรถูกจัดวางตามการขับขี่และการพึ่งพาพลังงาน ตัวแปรจะจัดกลุ่มเป็น 4 กลุ่ม กลุ่มที่สี่จะแสดง Fig. 5.
คลัสเตอร์แรกรวมถึงตัวแปรที่มีอำนาจควบคุมอ่อนแอและอ่อนพึ่งพา ตัวแปรเหล่านี้ค่อนข้างได้ตัดการเชื่อมต่อจากระบบ ซึ่งมีเพียงไม่กี่ลิงค์ ซึ่งอาจจะแข็งแรง เหล่านี้เป็นตัวแปรอิสระ คลัสเตอร์ที่สองประกอบด้วยตัวแปรที่อ่อนแอพึ่งพาพลังงาน แต่แข็งแรงขับรถ เหล่านี้จะเรียกว่าเป็นตัวแปรขึ้นอยู่กับ ตัวแปรในคลัสเตอร์ที่สามได้แข็งแรงขับพลังและแข็งแกร่งการพึ่งพา ตัวแปรเหล่านี้จัดอยู่ในประเภทของตัวแปรอิสระหรือเชื่อมโยง ตัวแปรเหล่านี้จะไม่เสถียร การดำเนินการใด ๆ กับตัวแปรเหล่านี้จะมีผลกระทบอื่น ๆ และผลความคิดเห็นในตัวเอง คลัสเตอร์ 4 มีตัวแปรอิสระที่มีแข็งแกร่งขับพลังงานแต่พึ่งพาอ่อน ใช้เครื่องมือ IT (7), ส่วนกลางและร่วมกันวางแผน (5), ประมวลผลรวม (6), ความไม่แน่นอนของมินิ-mizing (13), ความน่าเชื่อถือ (14) การพัฒนาและลดความต้านทานการเปลี่ยนแปลง (15) อยู่ภายใต้ประเภท IV และแบ่งประเภทควบคุมอิสระดังนั้น ตัวแปรเชื่อมโยงไม่มีขับรถแข็งแกร่งและพลังเข้มแข็งพึ่งพาได้ ตลาด sensitiveness (1), ข้อมูลความถูกต้อง (3), และต้นทุนลดภาระ (10) ความเร็ว (2), ใหม่แนะนำผลิตภัณฑ์ (4), ลด lead-time (8) ปรับปรุงระดับบริการ (9), ลูกค้าพึงพอใจ (11), และคุณภาพปรับปรุง (12) จะถูกเก็บไว้ภายใต้คลัสเตอร์ขึ้นอยู่กับตัวแปร

ผลลัพธ์ (ไทย) 3:

1 . ถ้า ( I , J ) รายการใน ssim เป็น V แล้ว ( i , j ) รายการใน reachability เมทริกซ์เป็น 1 และ ( J , I ) รายการจะกลายเป็น 0 .
2 ถ้า ( I , J ) รายการใน ssim เป็นแล้ว ( i , j ) รายการในเมทริกซ์จะกลายเป็น 0 และ ( J , I ) รายการจะกลายเป็น 1
3 ถ้า ( I , J ) รายการใน ssim X แล้ว ( i , j ) รายการในเมทริกซ์เป็น 1 และ ( J , I ) เข้าก็กลายเป็น 1 .
4 ถ้าฉันJ ) รายการใน ssim O แล้ว ( i , j ) รายการในเมทริกซ์จะกลายเป็น 0 และ ( J , I ) เข้าก็กลายเป็น 0
ต่อไปนี้กฎเหล่านี้ , Matrix reachability เบื้องต้นสำหรับตัวแปรที่เตรียมไว้ ดังแสดงในตารางที่ 4
1 รายการ รวมรวม transitivity กรอก
ช่องว่างใด ๆในความคิดเห็นที่ใช้ในการพัฒนาตนเอง การสอนโครงสร้างเมทริกซ์เมทริกซ์ reachability สุดท้ายได้แสดงไว้ในตารางที่ 5 .
3 . พาร์ทิชันที่ reachability เมทริกซ์
Matrix แบ่ง โดยการประเมิน reachability และชุดมาก่อนสำหรับแต่ละตัวแปร ( 1974 Warfield ) การ reachability ชุดประกอบด้วยองค์ประกอบเองและองค์ประกอบอื่น ๆซึ่งอาจช่วยในการบรรลุในขณะที่ตั้งมาก่อนที่ประกอบด้วยองค์ประกอบเองและองค์ประกอบอื่น ๆซึ่งอาจช่วยให้บรรลุเป้าหมาย แล้วแยกของชุดเหล่านี้ได้มาสำหรับองค์ประกอบทั้งหมด องค์ประกอบที่ reachability และชุดแยกเป็นเดียวกันเป็นองค์ประกอบระดับบนสุดในลัทธิการปกครอง องค์ประกอบระดับบนสุดของลำดับชั้นจะไม่ช่วยให้องค์ประกอบอื่น ๆเหนือระดับของตัวเองในลำดับขั้น เมื่อองค์ประกอบระดับบนสุดจะระบุมันแยกออกจากส่วนที่เหลือขององค์ประกอบ จากนั้นกระบวนการเดียวกันซ้ำ ๆ กัน เพื่อหาระดับถัดไปขององค์ประกอบ ระบุระดับช่วยในการสร้างผงซักฟอก และรุ่นสุดท้าย ในกรณีปัจจุบัน ตัวแปรตามของพวกเขามาก่อน reachability ชุด ชุด ชุด ทางแยก และเป็นระดับที่แสดงในตารางที่ 6กระบวนการเสร็จสิ้นในเก้าซ้ำ ( ตารางที่ 6 – 13 ) ดังนี้
ในโต๊ะ 6 องค์ประกอบ 10 องค์ประกอบ ( ลดต้นทุน ) , 11 ( ความพึงพอใจของลูกค้า ) และองค์ประกอบที่ 12 ( คุณภาพ ) จะพบระดับ . ดังนั้นพวกเขาจะถูกวางไว้ที่ด้านบนของลัทธิการปกครองแบบ
หลังจากการลบองค์ประกอบที่ 10 , 11 และ 12 จากตารางที่ 6 เราเอาคอลัมน์ที่สองและสามของตารางที่ 7 .
ในโต๊ะ 7องค์ประกอบที่ 4 ( แนะนำผลิตภัณฑ์ใหม่ ) และองค์ประกอบที่ 9 ( ปรับปรุงระดับการให้บริการ ) ไว้ที่ระดับ 2 ดังนั้น มันก็จะเป็นตำแหน่งในระดับ 2 ในลัทธิแบบ หลังจากเอาองค์ประกอบที่ 4 และ 9 จากตารางที่ 7 คอลัมน์ที่สองและสามของตารางที่ 8 จะได้รับ กระบวนการซ้ำจนโต๊ะ 14 .
ตาราง 15 , องค์ประกอบที่ 10 ( ลดต้นทุน ) , 11 ( ความพึงพอใจของลูกค้า )และ 12 ( คุณภาพ ) ใส่ในระดับผม องค์ประกอบเหล่านี้จะถูกวางไว้ที่ด้านบนของ ISM ในผงซักฟอก . องค์ประกอบที่ 4 ( แนะนำผลิตภัณฑ์ใหม่ ) และ 9 ( ปรับปรุงระดับการให้บริการ ) อยู่ในระดับที่ 2 ความเร็วในการจัดส่ง ( องค์ประกอบที่ 2 ) มาที่ระดับ III องค์ประกอบที่ 8 การลดเวลานำในระดับ IV ) ตลาดความรู้สึกไว ( องค์ประกอบที่ 1 ) และข้อมูลความถูกต้อง ( ธาตุ 3 ) ออกมาในระดับ V และ VI ,ตามลำดับ ซ้ำที่เจ็ดทำให้ลดความไม่แน่นอน ( ธาตุ 13 ) การสร้างความไว้วางใจ ( ธาตุ 14 ) และลดการต่อต้านการเปลี่ยนแปลง ( ธาตุ 15 ) ที่ 7 ระดับ รูปสุดท้ายออกมาองค์ประกอบ 8 ระดับส่วนกลางและการวางแผนร่วมกัน ( 5 ) , ( 6 ) กระบวนการบูรณาการและใช้เป็นเครื่องมือ ( 7 ) .
3.4 . การพัฒนาเมทริกซ์
ทรงกรวยเมทริกซ์รูปกรวยที่ถูกพัฒนาขึ้นโดยการจัดกลุ่มตัวแปรในระดับเดียวกัน ในแถวและคอลัมน์ของเมตริกซ์ reachability สุดท้าย ดังแสดงในตารางที่ 16 .
4 การพัฒนาของไดกราฟ
ขึ้นอยู่กับรูปแบบกรวยของ reachability เมทริกซ์ , เริ่มต้นทวิอักษรรวมทั้งการเชื่อมโยงการดังกล่าวได้ หลังจากลบการเชื่อมโยงทางอ้อม , ผงซักฟอก สุดท้ายได้ ดังแสดงในรูปที่ 4 .
จากรูปที่ 4มันเป็นที่สังเกตว่าส่วนกลางและการวางแผนร่วมกัน ( 5 ) , ( 6 ) กระบวนการบูรณาการและใช้เป็นเครื่องมือ ( 7 ) เล่นที่สำคัญบทบาทในการปรับปรุงความคล่องตัวขับสำหรับห่วงโซ่อุปทานและพวกเขากลับมาที่ฐานของลัทธิการปกครอง การลดต้นทุน ( 10 ) , ความพึงพอใจของลูกค้า ( 11 ) และการปรับปรุงคุณภาพ ( 12 ) มีตัวแปรซึ่งขึ้นอยู่กับตัวแปรอื่น ๆ เพื่อความคล่องตัวใน provement .ตัวแปรเหล่านี้มีปรากฏที่ด้านบนของลำดับขั้น ผลจากการวางแผนร่วมกันและบูรณาการกระบวนการ ( 5 ) , ( 6 ) , และใช้เป็นเครื่องมือ ( 7 ) จัดสภาพแวดล้อมที่ช่วยในการลดความไม่แน่นอน การพัฒนาความไว้วางใจระหว่างคู่ค้า และลดการต่อต้านการเปลี่ยนแปลง นี้จะช่วยในการปรับปรุงความถูกต้องของข้อมูล ( 3 ) และกรรมการตัดสิน
ตลาด ( 1 )การลดเวลานำของที่มีประสิทธิภาพ ( 8 ) ได้ กับ อิม - พิสูจน์ระดับของความถูกต้องข้อมูลและกรรมการตัดสินของตลาด ความเร็วในการจัดส่ง ( 2 ) ห่วงโซ่อุปทานช่วยเพิ่มผลของการลดเวลานำของที่มีประสิทธิภาพ ช่วยลดความไม่แน่นอนของการจัดการที่จะมีสมาธิในการนวัตกรรมและสินค้าใหม่ในตลาด ความเร็วในการจัดส่งให้บริการระดับดีซึ่งผลลัพธ์ในระดับปรับปรุงความพึงพอใจของลูกค้า ( 11 ) การลดเวลานำลดการจัดเรียงของเสีย รวมถึงเวลา ดังนั้น ผู้เชี่ยวชาญรู้สึกว่าปรับปรุงในระดับคุณภาพ ( 12 ) สามารถทำได้ด้วยการลดเวลานำของที่มีประสิทธิภาพ ในการปรับปรุงระดับความพึงพอใจของลูกค้าเป็นยังรับกับคุณภาพระดับดี
.การสร้างความไว้วางใจ ( ธาตุ 14 ) มีผลเผ็ดร้อน ( Accu - ข้อมูลองค์ประกอบที่ 3 ) การปรับปรุงระดับของความน่าเชื่อถือของคู่ค้า ช่วยในการให้ข้อมูลที่ถูกต้องในการเชื่อมโยงห่วงโซ่อุปทานต่างๆ ( ellram , 1991 ) การลดการต่อต้านการเปลี่ยนแปลงในหมู่คู่ค้าช่วยในการปรับปรุงกรรมการตัดสินตลาด การลดเวลานำ ( 8 ) อิทธิพลการลดต้นทุน ( 10 )แสดงว่ามีการวางแผนกลยุทธ์เสียงสำหรับการลดเวลานำเป็นสิ่งจำเป็นเพื่อการลดต้นทุนอย่างมีประสิทธิภาพ ใช้เป็นเครื่องมือ ( 7 ) จะเป็นประโยชน์ในการวางแผนจากส่วนกลาง และ ( 5 ) , และบูรณาการกระบวนการ ( 6 ) ผู้เชี่ยวชาญรู้สึกว่าใช้เป็นเครื่องมือ ส่วนกลาง และวางแผนร่วมกันและบูรณาการกระบวนการช่วยพัฒนาบูรณาการการเชื่อมโยงภายในโซ่อุปทาน
จากลัทธิ มันเป็นยังพบว่าในขณะที่การวางแผนสำหรับ SC ปรับปรุงการจัดการห่วงโซ่อุปทานควรปรับใช้กลยุทธ์การใช้ประสิทธิภาพของเครื่องมือ ข้อมูลและวางแผนร่วมกันและบูรณาการ .
5 การวิเคราะห์ micmac
วัตถุประสงค์ของการวิเคราะห์ micmac ( Mandal & เทศมุข
, 1994 ; Saxena , sushil การ& , 1990 ; เครื่อง Gupta , & sushil
,1995 ) ในการศึกษานี้คือ เพื่อศึกษาและวิเคราะห์ตัวแปรตามของพวกเขาพลังงานและการจัดหาพลังงานต่อการขับขี่มีความคล่องตัวโซ่ .
ในตารางที่ 17 , รายการของ " 1 " ตามคอลัมน์และแถว
บ่งชี้ว่า การพึ่งพาอาศัยกัน และพลังงานในการขับรถ ตามลำดับ
ตัวแปรออกเป็นแถว ตัวอย่างเช่น E - ment 4 ได้อันดับที่สี่ในการพึ่งพาและที่เก้าในการขับรถพลังงานในขณะที่องค์ประกอบ 2 ได้อันดับที่สามในการจัดอันดับและ 8 ในการขับรถพลังงาน เมื่อตัวแปรจะถูกวางไว้ตามการขับขี่ของพวกเขา และการพึ่งพาพลังงาน ตัวแปรจะถูกแบ่งออกเป็น 4 กลุ่ม สี่กลุ่มจะแสดงในรูปที่ 5 .
กลุ่มแรกประกอบด้วยตัวแปรที่มีอำนาจควบคุมการอ่อนแอและอ่อนแอ ตัวแปรเหล่านี้จะค่อนข้างตัดขาดจากระบบที่พวกเขามีการเชื่อมโยงน้อย ซึ่งอาจจะแรง เหล่านี้คือตัวแปรอิสระ กลุ่มที่สองประกอบด้วยตัวแปรที่อ่อนแอทำให้อำนาจ แต่อาศัยแรง เหล่านี้เป็น termed เป็นตัวแปรตาม . ตัวแปรในกลุ่มที่สามมีแรงขับ และการพึ่งพาพลังงานที่แข็งแกร่ง ตัวแปรเหล่านี้อยู่ในประเภทของตัวแปรอิสระหรือการเชื่อมโยง .ตัวแปรเหล่านี้จะไม่เสถียร การกระทำใด ๆของตัวแปรเหล่านี้จะมีผลต่อผู้อื่นและผลป้อนกลับในตัวเอง กลุ่มที่ 4 ประกอบด้วยตัวแปรอิสระมีแรงขับ แต่การพึ่งพาพลังงานที่อ่อนแอ ใช้เป็นเครื่องมือ ( 7 ) , ส่วนกลาง และการวางแผนร่วมกัน ( 5 ) , การรวมกระบวนการ ( 6 ) , มินิ - mizing ความไม่แน่นอน ( 13 )การสร้างความไว้วางใจ ( 14 ) และลดการต่อต้านการเปลี่ยนแปลง ( 15 ) มาภายใต้ประเภทที่ 4 จึงแบ่งเป็นไดรเวอร์ที่เป็นอิสระ ไม่มีการเชื่อมโยงตัวแปรที่มีอำนาจการขับรถที่แข็งแกร่งและแข็งแรง กรรมการตัดสินตลาด ( 1 ) ความถูกต้องของข้อมูล ( 3 ) , และการลดต้นทุน ( 10 ) ความเร็ว ( 2 ) แนะนำผลิตภัณฑ์ใหม่ ( 4 ) การลดเวลานำ ( 8 ) , การปรับปรุงระดับการให้บริการ ( 9 )ความพึงพอใจของลูกค้า ( 11 ) และการปรับปรุงคุณภาพ ( 12 ) จะถูกเก็บไว้ภายใต้กลุ่มของตัวแปร
.