Multi-criteria inventory classification using a new method of Evaluation based on Distance from Average Solution (EDAS)

Abstract

An effective way for managing and controlling a large number of inventory items or stock keeping units (SKUs) is the inventory classification. Traditional ABC analysis which based on only a single criterion is commonly used for classification of SKUs. However, we should consider inventory classification as a multi-criteria problem in practice. In this study, a new method of Evaluation based on Distance from Average Solution (EDAS) is introduced for multi-criteria inventory classification (MCIC) problems. In the proposed method, we use positive and negative distances from the average solution for appraising alternatives (SKUs). To represent performance of the proposed method in MCIC problems, we use a common example with 47 SKUs. Comparing the results of the proposed method with some existing methods shows the good performance of it in ABC classification. The proposed method can also be used for multi-criteria decision-making (MCDM) problems. A comparative analysis is also made for showing the validity and stability of the proposed method in MCDM problems. We compare the proposed method with VIKOR, TOPSIS, SAW and COPRAS methods using an example. Seven sets of criteria weights and Spearman’s correlation coefficient are used for this analysis. The results show that the proposed me thod is stable in different weights and well consistent with the other methods.

Veiksmingas būdas valdyti ir kontroliuoti didelį kiekį saugomo inventoriaus ar vertybinių popierių (SKU) yra inventoriaus klasifikavimas. Tradicinė “ABC analizė”, kuri pagrindžiama tik vienu kriterijumi yra įprastai taikoma SKU klasifikuoti. Tačiau praktikoje mes turėtume taikyti daugiakriterius uždavinių sprendimo metodus inventoriui klasifikuoti. Šiame tyrime naujas vertinimo metodas pagrįstas atstumu nuo vidutinio sprendinio (EDAS) yra pristatytas spręsti daugialypius inventoriaus klasifikavimo (MCIC) uždavinius. Siūlomame metode, naudojami teigiami ir neigiami atstumai nuo vidutinio sprendinio nagrinėjamoms alternatyvoms (SKU) vertinti. Siūlomo metodo efektyvumui parodyti sprendžiant MCIC uždavinius, sprendžiamas bendras pavyzdys su 47 SKU. Siūlomo metodo rezultatai palyginti su kai kurių esamų metodų rezultatais rodo gerą metodo efektyvuma ABC klasifikacijos uždaviniams spręsti. Siūlomas metodas taip pat gali būti naudojamas daugiakriteriams sprendimų pagrindimo (MCDM) uždaviniams spręsti. Lyginamoji analizė taip pat atlikta. Ji rodo siūlomo metodo pagrįstumą ir stabilumą sprendžiant MCDM uždavinius. Lyginami gauti uždavinio sprendimo rezultatai taikant EDAS metodą su rezultatais sprendžiant uždavinį VIKOR, TOPSIS, SAW ir COPRAS metodais. Septyni kriterijų svorių vektoriai ir Spearman koreliacijos koeficientas yra naudojami šiai analizei. Gauti rezultatai rodo, kad siūlomas metodas yra stabilus prie skirtingų kriterijų svorių ir rezultatai gerai dera su rezultatais gautais kitais metodais.