The research literature is very hea

The research literature is very heavily populated by studies of supply chain risk in recent years. Sodhi and Lee (2007) reported risk management at Samsung Electronics, describing the risk-mitigation steps used to deal with risks in all categories of risk appropriate to that firm’s operations. Ojala and Hallikas (2006) reported experiences in the electronic and metal sector supply chains. Nagali et al. (2008) described the process and software developed to measure and manage Hewlett-Packard’s procurement risk.
Schoenherr et al. (2008) reviewed a case study of a firm considering Mexican, Chinese, and US alternatives to provide finished goods for a US manufacturer. Khan et al. (2008) reported empirical research involving the clothing manufacturing and fashion retail industries. Automotive supply chain cases were reported by Berry and Collier (2007) and by Blackhurst et al. (2008). Ritchie and Brindley (2007) reported risk analysis in a supply chain involving agricultural equipment, as well as a second case involving construction. Aerospace industry supply chain cases were reported by Zsidisin and Smith (2005) and VanderBok et al. (2007). Note that this is only the tip of the iceberg, meant to give some flavor of the variety of supply chain domains that have been analyzed for risk. Many different types of models have been proposed in the literature. Because of the uncertainty involved, statistical analysis and simulation is very appropriate to consider supply chain risk. We will only report a few of the many studies, relying on more recent articles. Li and Chandra (2007) proposed used of Bayesian analysis to model information and knowledge integration within complex networks. Simulation
was proposed in a number of studies, to include discrete-event simulation to estimate survival over long-range periods given assumed probabilities of supply chain linkage failure (Klimov and Merkuryev, 2008). Wu and Olson (2008) used Monte Carlo simulation to evaluate risks associated with vendor selection, following up on similar modeling from many sources. System dynamics models have been widely used, especially with respect to the bullwhip-effect (Towill and Disney, 2008 as only one recent example) and to model environmental, organizational, and network-related risk
issues (Kara and Kayis, 2008). Other modeling approaches have been applied to supply chain risk as well. Tang et al.
(2008) applied a fuzzy genetic algorithm approach to evaluate logistics strategies to lower supply chain risks. Bogataj and Bogataj (2007) used parametric linear programing based on net present value to estimate supply chain vulnerability. Goh et al. (2007) applied a stochastic bi-criterion algorithm to analyze a multi-stage global network problem with objectives of profit maximization and risk minimization. Many studies applied analytic hierarchy process, to include recent studies such as assessment of an offshoring decision (Schoenherr et al., 2008), the similar decision to select suppliers (Kull and Talluri, 2008; Schoenherr et al., 2008), overall supply chain risk evaluation (Gaudenzi and Borghesi, 2006), and inbound supply risk evaluation (Wu et al., 2006). Blackhurst et al. (2008) presented a study considering multiple objectives for supplier
risk assessment utilizing a generic multiple criteria analysis similar to the simple multiattribute rating theory method.

ผลลัพธ์ (ไทย) 1:

มากมากเอกสารประกอบการวิจัยประชากร โดยการศึกษาความเสี่ยงของห่วงโซ่อุปทานในปีที่ผ่านมา Sodhi และลี (2007) รายงานบริหารความเสี่ยงที่ซัมซุงอิเล็กทรอนิกส์ อธิบายขั้นตอนการลดปัญหาความเสี่ยงที่ใช้ในการจัดการกับความเสี่ยงทุกประเภทของความเสี่ยงที่เหมาะสมกับการดำเนินงานของ firm ที่ โซ่อุปทาน Ojala และ Hallikas (2006) รายงานประสบการณ์ในภาคอิเล็กทรอนิกส์ และโลหะ Nagali et al. (2008) อธิบายกระบวนการและซอฟต์แวร์พัฒนาวัด และจัดการความเสี่ยงจัด Hewlett PackardSchoenherr et al. (2008) ทบทวนกรณีศึกษา firm การพิจารณาทางเม็กซิโก จีน และสหรัฐอเมริกาเพื่อให้ finished สินค้าสำหรับผู้ผลิตสหรัฐอเมริกา ขันและ al. (2008) รายงานผลวิจัยที่เกี่ยวข้องกับการผลิตเสื้อผ้าและอุตสาหกรรมแฟชั่นขายปลีก มีรายงานกรณีจัดหายานยนต์สายเบอร์รี่และกำลังขุดถ่านหิน (2007) และโดย Blackhurst et al. (2008) Ritchie และ Brindley (2007) รายงานวิเคราะห์ความเสี่ยงในห่วงโซ่อุปทานเกี่ยวข้องกับอุปกรณ์การเกษตร เช่นเดียวกับกรณีที่สองเกี่ยวข้องกับการก่อสร้าง อุตสาหกรรมการบินและอวกาศซัพพลายเชนกรณีที่รายงาน โดย Zsidisin และ Smith (2005) และ VanderBok et al. (2007) หมายเหตุเป็นเพียงการแนะนำส่วนเล็ก ๆ หมายถึงให้บาง flavor ของโดเมนในห่วงโซ่อุปทานที่ได้รับการวิเคราะห์ที่หลากหลายสำหรับความเสี่ยง แบบจำลองชนิดต่าง ๆ ได้รับการเสนอชื่อในวรรณคดี เนื่องจากความไม่แน่นอนที่ เกี่ยวข้อง สถิติวิเคราะห์และการจำลองได้ที่เหมาะสมต้องพิจารณาความเสี่ยงของห่วงโซ่อุปทาน นอกจากนี้เราเพียงจะรายงานกี่ศึกษามาก อาศัยบทความล่าสุด Li และจันทรา (2007) เสนอใช้ทฤษฎีวิเคราะห์การรวมข้อมูลและความรู้ของแบบจำลองภายในเครือข่ายที่ซับซ้อน การจำลองถูกนำเสนอในการศึกษา การรวมการจำลองเหตุการณ์แยกกันประเมินอยู่รอดผ่านระยะยาวรอบระยะเวลาที่กำหนดถือว่ากิจกรรมของอุปทานห่วงโซ่เชื่อมโยงความล้มเหลว (Klimov และ Merkuryev, 2008) วูและโอลสัน (2008) ใช้การจำลอง Carlo มอนเพื่อประเมินความเสี่ยงที่เกี่ยวข้องกับการเลือกผู้จัดจำหน่าย การสร้างโมเดลที่คล้ายกันจากหลายแหล่ง ระบบ dynamics รุ่นดำเนินได้อย่างกว้างขวางใช้ โดยเฉพาะอย่างยิ่ง ด้วยความเคารพ bullwhip-ผล (Towill และดิสนีย์ 2008 ตามล่าอย่างเดียว) และแบบจำลองสิ่งแวดล้อม องค์กร และเครือข่ายที่เกี่ยวข้องกับความเสี่ยงปัญหา (Kara และ Kayis, 2008) วิธีการสร้างแบบจำลองอื่น ๆ ได้ถูกใช้ซัพพลายเชนความเสี่ยงเช่น ถัง et al(2008) ใช้วิธีการขั้นตอนวิธีพันธุกรรมชัดเจนประเมินกลยุทธ์โลจิสติกส์เพื่อลดความเสี่ยงของห่วงโซ่อุปทาน Bogataj และ Bogataj (2007) ใช้พาราเมตริกเขียนโปรแกรมเชิงเส้นตามมูลค่าปัจจุบันสุทธิในการประเมินช่องโหว่ของห่วงโซ่อุปทาน โก๊ะ et al. (2007) ใช้ขั้นตอนวิธี bi-เกณฑ์สโทแคสติกการวิเคราะห์แบบหลายขั้นตอนสากลเครือข่ายปัญหากับวัตถุประสงค์ของ profit maximization และลดภาระความเสี่ยง เอชพี รวมการศึกษาล่าสุดเช่นประเมินการ offshoring ตัดสิน (Schoenherr et al., 2008), การตัดสินใจที่คล้ายกันการเลือกซัพพลายเออร์ (Kull และ Talluri, 2008 ใช้ในการศึกษา Schoenherr et al., 2008), โดยรวม ซัพพลายเชนการประเมินความเสี่ยง (Gaudenzi และ Borghesi, 2006), และประเมินความเสี่ยงอุปทานขาเข้า (Wu et al., 2006) Blackhurst et al. (2008) นำเสนอการศึกษาพิจารณาหลายวัตถุประสงค์สำหรับจำหน่ายประเมินความเสี่ยงที่ใช้ทั่วไปมีหลายเกณฑ์วิเคราะห์คล้ายกับวิธีทฤษฎีคะแนนง่าย multiattribute

ผลลัพธ์ (ไทย) 2:

วรรณกรรมการวิจัยเป็นประชากรอย่างหนักโดยการศึกษาความเสี่ยงของห่วงโซ่อุปทานในปีที่ผ่านมา Sodhi และลี (2007) รายงานการบริหารความเสี่ยงที่ บริษัท ซัมซุงอิเล็กทรอนิกส์อธิบายขั้นตอนการลดความเสี่ยงที่ใช้ในการจัดการกับความเสี่ยงในทุกประเภทของความเสี่ยงที่เหมาะสมกับการดำเนินงานของสาย RM Ojala และ Hallikas (2006) รายงานประสบการณ์ในอิเล็กทรอนิกส์และโลหะภาคโซ่อุปทาน Nagali et al, (2008) อธิบายกระบวนการและการพัฒนาซอฟแวร์ในการวัดและการบริหารความเสี่ยงจัดซื้อจัดจ้างของ Hewlett-Packard ของ.
Schoenherr et al, (2008) การทบทวนกรณีศึกษาของสาย RM พิจารณาเม็กซิกัน, จีน, สหรัฐและทางเลือกที่จะให้สินค้าสำเร็จรูปสายการผลิตของสหรัฐ ข่าน et al, (2008) รายงานการวิจัยเชิงประจักษ์ที่เกี่ยวข้องกับการผลิตเสื้อผ้าและแฟชั่นอุตสาหกรรมค้าปลีก กรณีที่ห่วงโซ่อุปทานยานยนต์ได้รับรายงานจากแบล็กเบอร์และถ่านหิน (2007) และโดยการ Blackhurst et al, (2008) ริชชี่และ Brindley (2007) รายงานการวิเคราะห์ความเสี่ยงในห่วงโซ่อุปทานที่เกี่ยวข้องกับอุปกรณ์ทางการเกษตรเช่นเดียวกับกรณีที่สองเกี่ยวข้องกับการก่อสร้าง อุตสาหกรรมการบินและอวกาศกรณีห่วงโซ่อุปทานได้รับรายงานจาก Zsidisin สมิ ธ (2005) และ VanderBok et al, (2007) โปรดทราบว่านี้เป็นเพียงปลายของภูเขาน้ำแข็งที่หมายถึงการให้ avor ชั้นบางของความหลากหลายของโดเมนห่วงโซ่อุปทานที่ได้รับการวิเคราะห์ความเสี่ยง ที่แตกต่างกันหลายรูปแบบได้รับการเสนอในวรรณคดี เนื่องจากความไม่แน่นอนที่เกี่ยวข้องกับการวิเคราะห์ทางสถิติและการจำลองมีความเหมาะสมมากที่จะต้องพิจารณาความเสี่ยงในห่วงโซ่อุปทาน เราจะรายงานไม่กี่ของการศึกษาจำนวนมากที่อาศัยอยู่ในบทความล่าสุด หลี่และจันทรา (2007) เสนอที่ใช้ในการวิเคราะห์แบบเบย์ในการจำลองข้อมูลและบูรณาการความรู้ที่อยู่ในเครือข่ายที่ซับซ้อน การจำลองที่ถูกนำเสนอในจำนวนของการศึกษาที่จะรวมถึงการจำลองเหตุการณ์ที่ไม่ต่อเนื่องในการประเมินความอยู่รอดในช่วงเวลาระยะยาวน่าจะได้รับการสันนิษฐานของการเชื่อมโยงห่วงโซ่อุปทานความล้มเหลว (Klimov และ Merkuryev 2008)
วูและโอลสัน (2008) ที่ใช้ในการจำลอง Monte Carlo ในการประเมินความเสี่ยงที่เกี่ยวข้องกับการเลือกผู้ขาย, ติดตามการสร้างแบบจำลองที่คล้ายกันจากหลายแหล่ง การเปลี่ยนแปลงรูปแบบของระบบที่ได้รับการใช้กันอย่างแพร่หลายโดยเฉพาะอย่างยิ่งที่เกี่ยวกับผล bullwhip (Towill และดิสนีย์ปี 2008 เป็นเพียงหนึ่งตัวอย่างล่าสุด)
และการจำลองสิ่งแวดล้อมขององค์กรและความเสี่ยงที่เกี่ยวข้องกับเครือข่ายปัญหา(Kara และ Kayis 2008) วิธีการสร้างแบบจำลองอื่น ๆ ได้ถูกนำมาใช้ในการจัดหาห่วงโซ่ความเสี่ยงเช่นกัน Tang et al.
(2008) ใช้วิธีการขั้นตอนวิธีพันธุกรรมเลือนในการประเมินกลยุทธ์โลจิสติกที่จะลดความเสี่ยงในห่วงโซ่อุปทาน Bogataj และ Bogataj (2007) ที่ใช้ในการเขียนโปรแกรมเชิงเส้นตัวแปรขึ้นอยู่กับมูลค่าปัจจุบันสุทธิที่จะประเมินความเปราะบางของห่วงโซ่อุปทาน โก๊ะ et al, (2007) ใช้อัลกอริทึมสองเกณฑ์สุ่มในการวิเคราะห์แบบหลายขั้นตอนปัญหาเครือข่ายระดับโลกที่มีวัตถุประสงค์สูงสุดเสื้อสายอาชีพและการลดความเสี่ยง การศึกษาหลายแห่งนำมาใช้กระบวนการลำดับชั้นของการวิเคราะห์รวมถึงการศึกษาที่ผ่านมาเช่นการประเมินของการตัดสินใจในต่างมีการตัดสินใจที่คล้ายกันในการเลือกซัพพลายเออร์ (Schoenherr et al, 2008.) (คัลล์และ Talluri 2008. Schoenherr et al, 2008) และอุปทานโดยรวม การประเมินความเสี่ยงในห่วงโซ่ (Gaudenzi และ Borghesi, 2006) และการประเมินความเสี่ยงในการจัดหาขาเข้า (Wu et al., 2006) Blackhurst et al, (2008)
นำเสนอผลการศึกษาพิจารณาหลายวัตถุประสงค์สำหรับผู้จัดจำหน่ายการประเมินความเสี่ยงโดยใช้การวิเคราะห์หลายเกณฑ์ทั่วไปคล้ายกับวิธีการที่เรียบง่ายmultiattribute ทฤษฎีคะแนน

ผลลัพธ์ (ไทย) 3:

โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?โปรดทำเครื่องหมายกระเป๋านี้เปราะบาง ?