رتبه بندی صنایع منتخب به منظور توزیع برنامه ریزی شده ی انرژی با استفاده از روش سکا

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته مدیریت صنعتی،گروه اقتصاد مدیریت حسابداری، دانشکده مدیریت، واحد یزد، دانشگاه یزد، یزد، ایران (نویسنده مسئول)

2 دانشیارمدیریت صنعتی،گروه اقتصاد مدیریت حسابداری، دانشکده مدیریت، واحد یزد، دانشگاه یزد، یزد، ایران

چکیده

چکیده
در شرایط کمبود انرژی، اجرای خاموشی‌های برنامه‌ریزی‌شده به‌عنوان راهکاری موقت برای کنترل ناترازی عرضه و تقاضای برق به‌کار گرفته می‌شود. با این حال در صورت عدم توجه به معیارهای اولویت‌بندی، این خاموشی‌ها می‌توانند پیامدهای اقتصادی و اجتماعی گسترده‌ای در پی داشته باشند. ازاین‌رو تخصیص عادلانه انرژی به صنایع، به‌ویژه در بخش‌های کلیدی، از اهمیت ویژه‌ای برخوردار است. پژوهش حاضر به ارائه مدلی جهت اولویت‌بندی و تخصیص برق به صنایع کاشی و سرامیک استان یزد می‌پردازد. در مرحله نخست، شاخص‌های مؤثر بر تخصیص برق با بهره‌گیری از روش دلفی فازی شناسایی شده و سپس با استفاده از روش تصمیم‌گیری چندمعیاره سکا، رتبه‌بندی صنایع به منظور توزیع برق صورت گرفته است. یافته‌ها نشان می‌دهد در نظر گرفتن شاخص‌هایی نظیر سهم صادرات، میزان اشتغال، میزان تولید، مصرف برق، انحراف از استاندارد مصرف و درصد خاموشی‌های دوره قبلی می‌تواند به تخصیص منصفانه‌ و بهره‌ور انرژی منجر شود. مدل پیشنهادی می‌تواند به‌عنوان ابزاری کارآمد در اختیار سیاست‌گذاران صنعت برق برای مدیریت ناترازی انرژی و طراحی خاموشی‌های برنامه‌ریزی‌شده قرار گیرد.

کلیدواژه‌ها

موضوعات


مقدمه

در سال‌های اخیر، کشور با چالش‌هایی در زمینه تأمین حامل‌های مختلف انرژی مانند آب، برق، گاز و فرآورده‌های نفتی مواجه بوده است. در این میان، برق به‌عنوان یکی از مهم‌ترین حامل‌های انرژی، نقش ویژه‌ای در تداوم فعالیت صنایع دارد؛ ازاین‌رو در پژوهش حاضر، به تخصیص عادلانه برق در شرایط کمبود انرژی پرداخته ‌شده است. برق به‌عنوان یکی از ارکان حیاتی پیشرفت صنعتی، توسعه اقتصادی و تأمین نیازهای روزمره از اهمیت ویژه‌ای برخوردار است. با افزایش روزافزون تقاضا، کاهش منابع تولید پایدار و تأثیرات بحران‌های زیست‌محیطی، مدیریت بهینه منابع انرژی به یکی از اولویت‌های اساسی در سیاست‌گذاری کشورها تبدیل‌شده است (گروویچ[1]، ۲۰۱۳؛ احمدیان و عباس‌زاده، ۱۳۹۲). در سطح جهانی، سرمایه‌گذاری‌های گسترده‌ای برای تقویت صنعت برق و رفع چالش‌های مرتبط با آن صورت گرفته است. در ایران نیز صنعت برق نقش کلیدی در توسعه اقتصادی و اجتماعی ایفا می‌کند و همواره مورد توجه پژوهشگران و سیاست‌گذاران قرارگرفته است. ازاین‌رو تلاش برای بهبود عملکرد این صنعت و کاهش مشکلات در زمینه مدیریت انرژی ازجمله اولویت‌های اصلی برنامه‌ریزان و مدیران حوزه انرژی محسوب می‌شود (روانشاد نیا و همکاران، 1399).

در سال‌های اخیر رشد فزاینده تقاضای برق، کمبود ظرفیت تولید، فرسودگی زیرساخت‌ها و نوسانات شدید در عرضه انرژی، مدیریت این منبع حیاتی را با چالش‌های جدی مواجه کرده است (یوسفی و وصال، ۱۳۹۸). بسیاری از کشورهای درحالِ‌توسعه با معضل عرضه غیرقابل‌اعتماد برق، به‌عنوان یکی از موانع مهم رشد اقتصادی، روبه‌رو هستند (گرینگر و ژانگ[2]، ۲۰۱۹). در ایران نیز، به‌ویژه در فصول گرم سال، تحریم‌های اقتصادی، افزایش مصرف و محدودیت‌های تولیدی ناشی از فرسودگی نیروگاه‌ها، مشکلات متعددی در تأمین برق پایدار به وجود آورده است (درویش توانگر، ۱۳۹۴؛ دفتر مطالعات انرژی، صنعت و معدن، ۱۳۹۸). این وضعیت باعث بروز ناترازی در منابع انرژی شده که مدیریت بار شبکه را دشوار ساخته و در بسیاری از مواقع خاموشی‌های ناگزیر را به دنبال داشته است.

صنعت برق در آستانۀ یک انقلاب در نحوه تولید و مصرف و در حال ورود به دوره‌ای است که عرضه و تقاضا دارای اجزای تصادفی و قابل‌کنترل هستند (پارکر[3] و همکاران، 2019). یکی از چالش‌هایی که همیشه در صنعت برق وجود دارد نحوه مدیریت کمبود است. زمانی که عرضه از تقاضا کمتر باشد و مدیریت بار نتواند تقاضا را به اندازه مناسب کاهش دهد، خاموشی اجتناب‌ناپذیر است (میشل و همکاران[4]، 2009). در مواجهه با این چالش‌ها، خاموشی‌های برنامه‌ریزی‌شده به‌عنوان یک راهکار موقت برای کنترل تقاضا و حفظ پایداری شبکه به کار گرفته می‌شوند. اگرچه این راهکار در کوتاه‌مدت می‌تواند از بحران‌های شدیدتر جلوگیری کند، اما اعمال خاموشی بدون در نظر گرفتن معیارهای منصفانه، به زیان‌های اقتصادی، کاهش تولید، افت بهره‌وری و اختلال در زنجیره‌های تأمین می‌انجامد (شیخی و همکاران، ۱۴۰۱).

از مهم‌ترین چالش‌ها در این زمینه، نحوه توزیع خاموشی‌ها بین بخش‌های مختلف مصرف‌کننده، به‌ویژه صنایع است تا حداقل هزینه به صنعت و کشور تحمیل شود. با توجه به سهم بالای مصرف برق در صنایع کشور تصمیم شرکت توزیع برق بر این است که با هدف کاهش بار شبکه، خاموشی‌ها را بیشتر به صنایع تحمیل کند تا کمترین آسیب ممکن به مصرف‌کنندگان خانگی وارد شود. «فییر و سرا»[5] (۱۹۹۷) تأکید کرده‌اند که در شرایط کمبود برق، توزیع خاموشی‌ها براساس معیارهای اقتصادی می‌تواند زیان کل ناشی از قطع برق را به حداقل برساند. در کشور ما، غالباً خاموشی‌ها بیشتر به بخش صنعت تحمیل می‌شود تا مصرف خانگی دچار اختلال نشود؛ بااین‌حال، عدم توجه به عدالت و کارایی در این توزیع می‌تواند آسیب‌های جدی به بخش تولید و اقتصاد وارد سازد.

در این میان، استان یزد به‌عنوان یکی از قطب‌های صنعتی کشور، به‌ویژه در زمینه صنایع کاشی و سرامیک، بیشترین تأثیر را از بحران‌های برق می‌پذیرد. رشد سریع مصرف برق در صنایع استان، همراه با محدودیت‌های تولید ناشی از تحریم‌ها و فرسودگی نیروگاه‌ها، این صنایع را با بحران کمبود انرژی روبه‌رو کرده است. ازآنجاکه صنعت کاشی و سرامیک نقش مهمی در اشتغال، تولید و صادرات استان ایفا می‌کند، مدیریت خاموشی‌ها در این بخش از اهمیت مضاعفی برخوردار است. ضروری است که خاموشی‌های برنامه‌ریزی‌شده براساس اولویت‌بندی منصفانه و علمی اجرا شود تا آسیب‌های اقتصادی و اجتماعی ناشی از آن به حداقل برسد (احمدیان و عباس زاده،1392).

در این راستا، از روش‌های تصمیم‌گیری چندمعیاره نظیر روش دلفی[6] برای شناسایی و انتخاب معیارها و از روش سکا[7] برای وزن‌دِهی و رتبه‌بندی استفاده می‌شود. پژوهش حاضر با هدف ارائه چهارچوبی برای مدیریت بهینه خاموشی‌ها در صنایع کاشی و سرامیک استان یزد، در پی شناسایی معیارهای کلیدی و ارائه راهکارهای علمی برای بهینه‌سازی توزیع برق در شرایط کمبود است.

 

  1. مبانی نظری

انرژی به‌عنوان یکی از اساسی‌ترین مفاهیم در حوزه‌های اقتصادی، صنعتی و اجتماعی، نقشی کلیدی در رشد و توسعه جوامع ایفا می‌کند. این مفهوم به‌عنوان نیروی محرکه کلیه فعالیت‌های اقتصادی، تولیدی و خدماتی شناخته می‌شود. بدون انرژی، تولید، حمل‌ونقل و حتی ارائه خدمات عمومی مانند بهداشت و آموزش نیز امکان‌پذیر نخواهد بود. این اهمیت باعث شده است که موضوع مدیریت منابع انرژی و بهینه‌سازی مصرف آن، همواره در کانون توجه سیاست‌گذاران، پژوهشگران و صاحبان صنایع قرار گیرد.

صنعت برق، به‌عنوان یکی از زیرساخت‌های اساسی، نقشی کلیدی در توسعه اقتصادی و رفاه جوامع ایفا می‌کند. انرژی الکتریکی، به دلیل ویژگی‌های منحصربه‌فرد خود، به بخش جدایی‌ناپذیر زندگی مدرن تبدیل‌شده است (احمدیان و عباس زاده،1392). اهمیت این منبع انرژی، به‌ویژه از منظر ملاحظات زیست‌محیطی، روزبه‌روز در حال افزایش است، زیرا بسیاری از کشورها در تلاش‌اند تا با جایگزینی برق به‌جای انرژی‌های آلاینده، اثرات مخرب زیست‌محیطی را کاهش دهند (ژائو[8]، 2022).

برای ایجاد، رشد و توسعه اقتصادی، صنعتی شدن یکی از راهبردهای اساسی کشورهای درحالِ‌توسعه است. صنایع تولیدی می‌توانند به‌عنوان موتور رشد اقتصادی عمل کرده و موجب رونق در سایه بخش‌ها و فعالیت‌های اقتصادی شود (پوستچی و تقی‌زاده، 1400). یکی از مهم‌ترین بخش‌های مصرف‌کننده انرژی الکتریسیته، بخش صنعت است. صنایع به دلیل ماهیت تولیدی خود وابستگی زیادی به تأمین پایدار برق دارند. کشورهایی که زیرساخت‌های برقی پیشرفته‌تری دارند، معمولاً از اقتصاد صنعتی و خدماتی قوی‌تر و توسعه‌یافته‌تری برخوردار هستند. مصرف بالای برق در کنار بهره‌وری انرژی، اغلب نشان‌دهنده سطح بالای تولیدات صنعتی و فناوری در یک کشور است (ابراهیمی و همکاران، 1398).

انرژی برق به‌عنوان یکی از مهم‌ترین عوامل رشد اقتصادی و توسعه پایدار، نقش کلیدی در ارتقای کیفیت زندگی، پایداری زیست‌محیطی و بهبود زیرساخت‌ها ایفا می‌کند. مصرف برق به‌عنوان یکی از شاخص‌های توسعه‌یافتگی در بخش‌های مختلف صنعتی، خانگی، کشاورزی و خدماتی باعث افزایش بهره‌وری، کاهش نابرابری‌های اجتماعی و بهبود وضعیت عمومی و نهایتاً رشد اقتصادی پایدار می‌شود (ژانگ و همکاران[9]،2017).

رابطه مصرف برق با توسعه و پیشرفت اقتصادی کشورها یکی از موضوعات کلیدی در حوزه اقتصاد انرژی است. تأمین به‌موقع و کافی انرژی، یکی از عوامل بنیادین در فراهم‌سازی بستر توسعه اقتصادی محسوب می‌شود. برق به‌عنوان یک حامل انرژی حیاتی، بهبود کیفیت زندگی، رشد تولید ناخالص داخلی و توسعه زیرساخت‌های صنعتی و خدماتی را تسهیل می‌کند. معیار شدت انرژی، در کشورهای توسعه‌یافته به‌عنوان یک شاخص استراتژیک شناخته می‌شود (تقی‌زاده و آرمن،1392).

 

  1. پیشینۀ پژوهش

ازجمله پژوهش‌های مرتبط می‌توان به پژوهش ویزی و ون در وستهویزن در سال (2024) اشاره کرد. آن‌ها تأثیر قطع برق برنامه‌ریزی‌شده (ریزش بار) بر مصرف‌کنندگان در کشورهای درحالِ‌توسعه را بررسی کردند و به این نتیجه رسیدند که کاهش بار باعث نارضایتی مصرف‌کنندگان می‌شود و پیامدهای گسترده اقتصادی اجتماعی به دنبال دارد. بنابراین تدوین سیاست‌های عادلانه برای توزیع انرژی بین صنایع مختلف با در نظر گرفتن شاخص‌های اقتصادی امری ضروری است (والاوانیدیس، 2024). تأمین نامطمئن انرژی منجر به کاهش بهره‌وری، افزایش هزینه‌های تولید و وابستگی صنایع به منابع جایگزین پرهزینه مانند ژنراتورها می‌شود.

گروویچ و همکاران در پژوهشی هزینه‌های اقتصادی ناشی از قطعی برق در آلمان را با استفاده از شاخص «بار ازدست‌رفته» بررسی کردند و به این نتیجه رسیدند که این هزینه‌ها به‌طور قابل‌توجهی ازنظر زمانی، منطقه‌ای و بخش‌های مختلف متفاوت است؛ همچنین در انتهای این پژوهش تأکید شده است برای به حداقل رساندن خسارت‌های اقتصادی قطعی برق، لازم است سیاست‌های بهینه‌ای مانند اولویت‌بندی بخش‌های مختلف اعمال شود.

رضایی و همکاران در مقاله‌ای روشی برای سهمیه‌بندی بهینه خاموشی‌ها ارائه کردند. روشی که در آن با تعریف ضریب تحمل‌پذیری مشترکین، سهمیه‌بندی متناسب با اهمیت برق برای هر مشترک انجام می‌گیرد. برای برنامه‌ریزی خاموشی در یک دوره از پیشینه خاموشی و ضریب تحمل‌پذیری مشترکین استفاده کردند.

یوسفی و وصال در مقاله‌ای با عنوان اثر خاموشی بر صنعت نشان می‌دهند که هر واحد درصد افزایش در خاموشی برق برای کارگاه‌هایی با سهم متوسط انرژی برق، به ترتیب باعث کاهش 11/0 درصدی در تولید و 10/0 درصدی در فروش می‌شود. این کاهش‌ها معنادار بوده و نشان‌دهنده تأثیر منفی خاموشی‌ها بر عملکرد اقتصادی و به‌تبع آن، اشتغال در این کارگاه‌ها است.

درویش توانگر در پژوهشی به بررسی بحران برق در ایران و تأثیر آن بر رفاه عمومی، صنایع و خدمات پرداخت. این پژوهش به راهکارهایی برای مدیریت بحران برق از دو جنبه عرضه و تقاضا اشاره می‌کند؛ در بخش عرضه افزایش بهره‌وری نیروگاه‌های حرارتی و توسعه نیروگاه‌های تجدیدپذیر پیشنهاد شده است. در بخش تقاضا نیز بر اعمال مدیریت مصرف از طریق محدودیت بار صنایع، مدیریت مصارف عمومی و نوسازی تجهیزات شبکه توزیع تأکید شده است.

 

  1. مفهوم‌شناسی

3-1. ناترازی انرژی

ناترازی انرژی به وضعیتی گفته می‌شود که در آن میزان تقاضا برای انرژی بیش از ظرفیت تأمین پایدار آن است (حیدری و همکاران،2022).

 

3-2. خاموشی برنامه‌ریزی‌شده

خاموشی برنامه‌ریزی‌شده، یک سیاست مدیریت انرژی است که با کاهش بار شبکه در مواقع پیک بار و بحران برق به‌منظور حفظ پایداری سیستم و جلوگیری از ناترازی انرژی برق براساس یک برنامه از پیش تعیین‌شده و با اعلام قبلی اجرا می‌شود (والاوانیدیس[10]، 2024).

 

3-3. سکا

سکا یک روش نوین در تصمیم‌گیری چندمعیاره است که با استفاده از یک مدل ریاضی چندهدفه به‌صورت هم‌زمان وزن معیارها و نمرات گزینه‌ها را محاسبه می‌کند و بهینه‌سازی را براساس انحراف معیار و همبستگی بین معیارها انجام می‌دهد (کشاورز قرابایی و همکاران، 2018).

 

 

  1. روش‌شناسی تحقیق

تحقیق حاضر با هدف ارائه چهارچوبی علمی برای مدیریت خاموشی‌های برنامه‌ریزی‌شده و رتبه‌بندی صنایع در شرایط کمبود انرژی طراحی‌شده است. این پژوهش یک مطالعه کاربردی است که به‌منظور حل یک مسئله واقعی در صنعت برق، یعنی مدیریت ناترازی انرژی، انجام می‌شود. نتایج این پژوهش می‌تواند مستقیماً به بهبود فرایندهای مدیریت ناترازی انرژی و سیاست‌گذاری در این حوزه کمک کند.

تحقیق حاضر از نظر هدف، یک مطالعه کاربردی است؛ زیرا بر حل یک مسئله عملی و واقعی تمرکز دارد و نتایج آن برای تصمیم‌گیری و برنامه‌ریزی در مدیریت انرژی قابل استفاده است. این پژوهش از رویکرد ترکیبی (کیفی-کمی) بهره می‌برد، بدین‌صورت که معیارها ابتدا از طریق نظرات کیفی خبرگان شناسایی‌شده و سپس داده‌های کمی مرتبط با این معیارها جمع‌آوری و تحلیل گردید. ازنظر روش اجرا، پژوهش به‌صورت توصیفی-پیمایشی انجام می‌شود، زیرا به شناسایی و تحلیل وضعیت موجود و جمع‌آوری داده‌ها از طریق نظرات خبرگان و داده‌های آماری می‌پردازد.

شناسایی و استخراج معیارها پس از مطالعه ادبیات پژوهش با استفاده از روش دلفی انجام می‌شود؛ این فرایند به‌ویژه اهمیت دارد چراکه تخصیص منابع انرژی باید براساس معیارهای انتخابی انجام گیرد. روش دلفی، یک تکنیک ساختاریافته برای جمع‌آوری و تحلیل نظرات خبرگان است که به‌ویژه در شرایطی که داده‌های قطعی و کمی در دسترس نیستند، کاربرد گسترده‌ای دارد (روو و رایت[11]،1999).

به‌منظور جمع‌آوری داده‌های عمیق و تخصصی، مصاحبه‌ها به‌صورت نیمه‌ساختارمند انجام می‌شوند. مصاحبه‌ها با گروهی از خبرگان به‌عنوان جامعه آماری که شامل مدیران ارشد صنایع، کارشناسان حوزه برق و اساتید دانشگاه در زمینه مدیریت انرژی و سیاست‌گذاری صنعتی هستند، انجام ‌شده است. همچنین از روش نمونه‌گیری گلوله‌برفی استفاده شد. در این روش، ابتدا با چند نفر از خبرگان کلیدی مصاحبه شد و سپس از ایشان خواسته شد سایر افراد متخصص در این حوزه را معرفی کنند. این فرایند تا زمانی ادامه یافت که داده‌ها به اشباع نظری رسید و اطلاعات جدیدی حاصل نشد. در نهایت، تعداد ۱۴ نفر به‌عنوان خبرگان نهایی انتخاب و نظرات آن‌ها در فرایند تحلیل مورد استفاده قرار گرفت.

به‌منظور شناسایی شاخص‌های کلیدی مؤثر در تخصیص انرژی، از روش دلفی استفاده شد تا با بهره‌گیری از نظرات خبرگان در شرایط عدم قطعیت، مجموعه‌ای معتبر از معیارها استخراج گردد. در گام بعد، با توجه به ماهیت قطعی داده‌های گردآوری‌شده و به‌منظور رتبه‌بندی نهایی گزینه‌ها، از روش سکا استفاده شد. این روش که در زمرۀ تکنیک‌های تصمیم‌گیری چندمعیاره قرار دارد، با توان تحلیلی مناسب، امکان ارزیابی هم‌زمان معیارهای کیفی و کمی را فراهم می‌آورد. ازآنجاکه داده‌ها به‌صورت قطعی بودند، استفاده از نسخه فازی‌شده سکا ضرورت نداشت. در سکا تغییرات درون‌معیاری از طریق انحراف معیار و تفاوت‌های بین معیارها با استفاده از ضریب همبستگی در نظر گرفته می‌شود. این رویکرد به تعیین هم‌زمان وزن‌های عینی معیارها و امتیازات عملکرد گزینه‌ها منجر می‌شود (کشاورز قرابایی و همکاران، 2018).

 

  1. یافته‌ها و تجزیه‌وتحلیل داده‌ها

5-1. یافته‌های تحقیق

در این مرحله با مطالعه ادبیات تحقیق به یک فهرست اولیه از معیارها رسیدیم، بدین‌صورت که ابتدا مقالاتی که کارهای مشابه پژوهش ما را انجام داده بودند مطالعه شد و فهرست معیارهای بکار رفته را استخراج کردیم سپس معیارهای مشابه ادغام و مواردی که در ایران کاربرد نداشت حذف شدند این لیست اولیه به شرح زیر است.

جدول 1: فهرست اولیه معیارهای استخراج‌شده از ادبیات تحقیق

معیارها

منبع

ارزش‌افزوده

دهقانی و نوری 1395

تعداد نیروی کار

پوستچی و تقی‌زاده 1400

وجود یا عدم وجود ژنراتور

جیان[12] و همکاران 2022

صادرات

پوستچی و تقی زاده 1400

ظرفیت تولید

احمدیان و عباس زاده 1392

هزینه ارزش تولید از دست رفته

احمدیان و عباس زاده 1392

امکان اضافه‌کاری یا تغییر شیفت

احمدیان و عباس زاده 1392

بهره‌وری انرژی

پوستچی و تقی زاده 1400

از دست دادن فرصت‌های رقابتی بازار

مبینی 1400

 

5-1-1. استخراج معیارها با دلفی

در این بخش، هدف اصلی شناسایی و انتخاب معیارهایی است که برای رتبه‌بندی صنایع کاشی و سرامیک استان یزد در تخصیص بهینه انرژی در شرایط خاموشی‌های برنامه‌ریزی‌شده استفاده می‌شوند. به جمع‌آوری داده‌ها از طریق مصاحبه‌های نیمه‌ساختارمند با خبرگان حوزه مدیریت انرژی، مدیران صنایع کاشی و سرامیک و پژوهشگران مرتبط پرداخته ‌شده است. ابتدا چهارچوبی برای کسب نظر خبرگان طراحی و برای سنجش میزان توافق آن‌ها از طیف لیکرت استفاده شد. در دور اول از خبرگان خواسته شد معیارهای رایج برای رتبه‌بندی شرکت‌های تولیدکننده کاشی را بیان کنند.

جدول 2: اولین معیارهای به‌دست‌آمده براساس دور اول نظرسنجی خبرگان (یافته‌های پژوهش)

معیارها

ردیف

ارزش‌افزوده

1

میزان صادرات

2

تعداد نیروی کار

3

بهره‌وری انرژی

4

وجود یا عدم وجود ژنراتور

5

ظرفیت تولید

6

هزینه ارزش تولید ازدست‌رفته

7

امکان اضافه‌کاری یا تغییر شیفت

8

سود به ازای هر مگابایت برق مصرفی

9

میزان انحراف از استاندارد مصرف برق

10

طول دوره خاموشی

11

تعداد روز گذشته از آخرین خاموشی

12

درصد خاموشی دوره قبل

13

مصرف برق

14

از دست دادن فرصت‌های رقابتی بازار

15

پس از دریافت پاسخ و بررسی دیدگاه‌های خبرگان، پیشنهادهای مشابه یا نزدیک به هم، در هم ادغام‌شده و دور دوم دلفی اجرا شد. در دور دوم از خبرگان خواسته شد تا به هر معیار امتیاز بدهند. نتیجه حاصل از انجام دور دوم دلفی در جدول (3)، نشان داده ‌شده است. در این مرحله میانگین حسابی معیارها محاسبه شد تا اگر میانگین معیاری کمتر از 3 باشد حذف گردد. در این مرحله 9 عامل حذف شد.

جدول 3: نتایج میانگین امتیازات داده‌شده براساس نظر خبرگان (دور دوم دلفی(

شاخص‌ها

میانگین

میزان انحراف از استاندارد مصرف برق

20/4

تعداد نیروی کار

88/3

مصرف برق

79/3

درصد خاموشی دوره قبل

69/3

میزان صادرات

69/3

ظرفیت تولید

68/3

طول دوره خاموشی

88/2

تعداد روزهای گذشته از آخرین خاموشی

74/2

سود به ازای هر مگابایت برق مصرفی

65/2

ارزش‌افزوده

46/2

بهره‌وری انرژی

46/2

هزینه ارزش تولید ازدست‌رفته

44/2

از دست دادن فرصت‌های رقابتی بازار

21/2

وجود یا عدم وجود ژنراتور

16/2

امکان اضافه‌کاری یا تغییر شیفت

19/1

نتیجه حاصل از انجام دور سوم دلفی بعد از حذف 9 عامل در جدول 4 نشان داده ‌شده است.

جدول 4: نتایج میانگین امتیازات داده‌شده براساس نظر خبرگان (دور سوم دلفی(

شاخص‌ها

میانگین

درصد خاموشی دوره قبل

41/4

میزان انحراف از استاندارد مصرف برق

29/4

ظرفیت تولید

12/4

تعداد نیروی کار

89/3

مصرف برق

79/3

میزان صادرات

52/3

با توجه به اینکه در دلفی از طیف ۵ تایی لیکرت استفاده‌شده، اعداد ۳ و بالاتر نشان‌دهنده توافق نسبی پاسخ‌دهنده‌ها روی موضوع است، بنابراین نمرات و میانگین‌های بالاتر از ۳ به‌عنوان معیار هم‌سویی و توافق نظرات خبرگان در نظر گرفته می‌شود.

نتایج جدول (4)، نشان داد که میانگین همه معیارها بیشتر از 3 بوده و در نتیجه در این مرحله هیچ معیاری حذف نشد و می‌توان گفت خبرگان در میزان اهمیت شاخص‌های شناسایی‌شده به اجماع نظری رسیده‌اند. برای اطمینان در این مرحله از آزمون کندال[13] استفاده می‌شود. براساس نتایج آزمون کندال میزان وحدت نظری بیش از 54 درصد بوده و همچنین با توجه به بررسی میانگین امتیازات داده‌شده به شاخص‌ها می‌توان عنوان کرد که اجماع نظری رخ‌داده و معیارهای نهایی در پایان دور سوم دلفی شناسایی شدند.

جدول 5: نتایج آزمون کندال (یافته‌های پژوهش)

تعداد اعضا

14

Kendall’s W

541/0

کای اسکوتر

449/309

درجه آزادی

5

ضریب معناداری

000/0

 

5-2. تجزیه‌وتحلیل یافته‌ها

در این مرحله، با استفاده از روش سکا، صنایع کاشی و سرامیک براساس معیارهای شناسایی‌شده مورد ارزیابی و رتبه‌بندی قرار می‌گیرند. شایان ذکر است براساس اظهارنظر خبرگان، تاکنون شرکت توزیع برق هیچ معیار مشخصی برای تخصیص درصد خاموشی بین صنایع کاشی و سرامیک تعیین نکرده و این خاموشی تاکنون به‌طور یکسان میان این صنایع توزیع ‌شده است. ازاین‌رو، داده مربوط به درصد خاموشی دوره قبل برای تمامی صنایع مورد مطالعه مقدار ثابتی داشته و در فرایند محاسبات فاقد ارزش تحلیلی است بنابراین در ابتدا این معیار را کنار گذاشته و با 5 معیار روش سکا اجرا می‌شود که در نهایت به یک رتبه‌بندی از صنایع رسیدیم. با توجه به سیاست شرکت توزیع برق که بین 30 تا 50 درصد به این صنایع باید خاموشی تعلق بگیرد ما این خاموشی را با توجه به رتبه‌بندی حاصل از سکا بین صنایع توزیع کردیم و از این اطلاعات به‌عنوان درصد خاموشی دوره قبل برای ادامه محاسبات استفاده می‌کنیم.

گام‌های پیاده‌سازی سکا به شرح زیر است:

  1. تشکیل ماتریس تصمیم‌گیری

در ادامه ماتریس تصمیم شامل اطلاعات 45 کارخانه کاشی است که به‌منظور حفظ محرمانگی اطلاعات، اسامی کارخانه‌ها در بازه A1 تا A45 نام‌گذاری شدند.

جدول 6: ماتریس تصمیم

 

صادرات

(ارزش دلاری)

C1

تعداد نیرو C2

میزان تولید

Kg))

C3

مصرف برق

(کیلووات ساعت)

C4

انحراف از استاندارد C5

درصد خاموشی دوره قبل C6

A1

0/3446251

182

108729000

24005374

-26/16

0/414

A2

0/9559384

274

107559916

16147525

14/21

0/332

A3

0/2798223

274

106719284

12806583

31/43

0/359

A4

0/1249279

213

51049208

13895022

55/54

0/477

A5

0

41

8169252

506211

64/59

0/327

A6

0/2389355

80

21506944

3510715

-48/40

0/473

A7

0/6938476

291

126950448

21366843

3/82

0/341

A8

0/13347

264

126611702

20218112

11/29

0/400

A9

0/0115319

150

42031000

7228673

-1/17

0/459

A10

0/1071248

60

11516181

868462

31/44

0/368

A11

0/2966214

190

49176873

9410549

7/55

0/423

A12

0/3517982

300

128933782

25214316

-11/75

0/382

A13

0

90

24363116

4302397

60/56

0/500

A14

0/2088913

180

86304600

20529090

-39/92

0.450

A15

0

27

19190370

941604

59/11

0/373

A16

0/5879758

860

250293072

58379392

-29/58

0/314

A17

0/8948917

273

138650337

16934532

30/21

0/323

A18

0/6961108

272

64972116

12159116

-6/94

0/364

A19

0/1882593

128

84576589

13060203

19/15

0/418

A20

0/9826272

976

169027911

25943357

15/20

0/305

A21

0/5125936

470

192135624

24321727

27/67

0/318

A22

0/2063422

56

39467224

3547431

8/28

0/432

A23

0/8396284

473

272565530

42221514

11/48

0/309

A24

1/1610114

506

293392416

44918387

14/94

0/300

A25

0/1664922

90

54600000

10863764

-17/04

0/464

A26

0/3120753

353

142772245

24155941

3/32

0/350

A27

0/2329107

375

208643036

41480000

-9/24

0/345

A28

0/233364

255

45081878

13328914

-68/95

0/468

A29

0/2810811

147

63819748

13262598

-18/75

0/441

A30

0/391702

450

84082156

18039100

-21/90

0/391

A31

0/3393117

530

140238499

22781486

19/98

0/336

A32

0/4607785

282

96836604

23567473

-39/07

0/405

A33

0/4602091

152

51076575

6565124

26/55

0/395

A34

0/2185212

400

149249296

25694549

1/62

0/355

A35

0/1244602

100

70317431

13275354

12/19

0/436

A36

0/1684595

410

145007735

26582861

-4/75

0/377

A37

0/0200244

142

56437725

13171223

-33/36

0/486

A38

0/3521628

225

77322029

14750347

-9/01

0/409

A39

0/0454827

52

14747265

2301314

-50/05

0/495

A40

0

58

40042481

4913973

-15/77

0/482

A41

0/0587323

50

23534076

2671415

-3/19

0/455

A42

0/2362443

440

115770960

22927012

-13/16

0/386

A43

0/2902112

236

93723560

35048039

113/69-

0/491

A44

0/3129248

23

40584247

4965744

13/29-

0/445

A45

0/2903734

64

33284760

3287182

5/04

0/427

 

5-2-1. نرمالیزه کردن ماتریس تصمیم‌گیری

برای نرمالیزه کردن از رابطه‌های زیر استفاده می‌شود. برای معیارهای مثبت از رابطه (1) و برای معیارهای منفی از رابطه (2) استفاده می‌کنیم.

                                                               رابطه (1)

                                                              رابطه (2)

جدول 7: ماکسیمم و مینیمم معیارهای مثبت و منفی

 

C1

C2

C3

C4

C5

C6

 

+

+

+

-

-

-

Max

1/1610114

976

293392416

 

 

 

Min

 

 

 

506211

-113/6864

0/3

جدول 8: ماتریس نرمالیزه شده

 

C1

C2

C3

C4

C5

C6

A1

0/297

0/186

0/371

0/021

- 0/405

0/828

A2

0/823

0/281

0.367

0/031

0/220

0/664

A3

0/241

0/281

0/364

0/040

0/487

0/718

A4

0/108

0/218

0/174

0/036

-0/860

0/954

A5

0/000

0/042

0/028

1/000

1/000

0/654

A6

0/206

0/082

0/073

0/144

-0/749

0/946

A7

0/598

0/298

0/433

0/024

0/059

0/682

A8

0/115

0/270

0/432

0/025

0/175

0/800

A9

0/010

0/154

0/143

0/070

-0/018

0/918

A10

0/092

0/061

0/039

0/583

0/487

0/736

A11

0/255

0/195

0/168

0/054

0/117

0/846

A12

0/303

0/307

0.439

0/020

-0/182

0/764

A13

0/000

0/092

0/083

0/118

-0/937

1/000

A14

0/180

0/184

0/294

0/025

-0/618

0/900

A15

0/000

0/028

0/065

0/538

0/915

0/746

A16

0/506

0/881

0/853

0/009

-0/458

0/628

A17

0/771

0/280

0/473

0/030

0/468

0/646

A18

0/600

0/279

0/221

0/042

-0/107

0/728

A19

0/162

0/131

0/288

0/039

0/297

0/836

A20

0/846

1/000

0/576

0/020

0/235

0/610

A21

0/442

0/482

0/655

0/021

0/428

0/636

A22

0/178

0/057

0/135

0/143

0/128

0/864

A23

0/723

0/485

0/929

0/012

0/178

0/618

A24

1/000

0/518

1/000

0/011

0/231

0/600

A25

0/143

0/092

0/186

0/047

-0/264

0/928

A26

0/269

0/362

0/487

0/021

0/051

0/700

A27

0/201

0/384

0/711

0/012

-0/143

0/690

A28

0/201

0/261

0/154

0/038

-1/067

0/936

A29

0/242

0/151

0/218

0/038

-0/290

0/882

A30

0/337

0/461

0/287

0/028

-0/339

0/782

A31

0/292

0/543

0/478

0/022

0/309

0/672

A32

0/397

0/289

0/330

0/021

-0/605

0/810

A33

0/396

0/156

0/174

0/077

0/411

0/790

A34

0/188

0/410

0/509

0/020

0/025

0/710

A35

0/107

0/102

0/240

0/038

0/189

0/872

A36

0/145

0/420

0/494

0/019

-0/074

0/754

A37

0/017

0/145

0/192

0/038

-0/516

0/972

A38

0/303

0/231

0/264

0/034

-0/139

0/818

A39

0/039

0/053

0/050

0/220

-0.775

0/990

A40

0/000

0/059

0/136

0/103

-0/244

0/964

A41

0/051

0/051

0/080

0/189

-0/049

0/910

A42

0/203

0/451

0/395

0/022

-0/204

0/772

A43

0/250

0.242

0/319

0/014

-1/760

0/982

A44

0/270

0/024

0/138

0/102

-0/206

0/890

A45

0/250

0/066

0/113

0/154

0/078

0/854

 

تعیین مقدار

در این مرحله، میزان اختلاف همبستگی یک معیار با دیگر معیارها محاسبه می‌شود؛ بر این اساس ابتدا باید   که همبستگی بین معیارها است محاسبه و سپس مقدار همبستگی هر معیار از عدد 1 کم شود؛ در انتها درایه‌ها به‌صورت سطری جمع می‌شوند که نتایج در جدول (9)، آورده شده است.

 

جدول ‌9: مقادیر

 

C1

C2

C3

C4

C5

C6

C1

0

0/379

0/327

1/367

0/816

1/674

C2

0/379

0

0/203

1/413

0/957

1/657

C3

0/327

0/203

0

1/465

0/872

1/707

C4

1/367

1/413

1/465

0

0/585

1/059

C5

0/816

0/957

0/872

0/585

0

1/658

C6

1/674

1/657

1/707

1/059

1/658

0

 

تعیین مقادیر نرمال انحراف معیار و

در این مرحله، مقادیر نرمال انحراف معیار و  محاسبه می‌شود؛ مقدار  قبل محاسبه شد که برای نرمال‌سازی آن باید هر  را بر جمع کل ها تقسیم کرد تا مقادیر نرمال حاصل شود. برای مقدار نرمال انحراف معیار نیز باید ابتدا مقدار انحراف معیار محاسبه شود و در ادامه جهت نرمال‌سازی هر مقدار انحراف معیار را بر جمع کل انحراف معیارها تقسیم می‌کنیم. نتایج در جدول (10)، آورده شده است.

جدول ‌10: مقادیر انحراف معیار و نرمال

 

C1

C2

C3

C4

C5

C6

انحراف معیار نرمال

0/1633596

0/13874883

0/1562607

0/11964122

0/34301553

0/0789741

  πi نرمال

0/1723535

0/17603995

0/1709791

0/28801669

0/19261075

0/4625

 

 

 

تشکیل مدل بهینه‌سازی و حل آن

در این بخش در واقع یک مدل بهینه‌سازی غیرخطی تشکیل و توسط نرم‌افزار لینگو حل می‌گردد؛ در این مدل به ازای مقادیر β 1/0 تا 6 مدل اجرا شده است و در هربار اجرا، وزن معیارها و امتیاز گزینه‌ها حاصل ‌شده است. مقادیر وزن معیارها و امتیاز گزینه‌ها به ترتیب در جداول (11) و (12) به ازای مقادیر مختلف β آورده شده است.

جدول 11: وزن معیارها به ازای مقادیر مختلف β

 

مقادیر  β

 

0/1

0/3

0/8

1

3

4

5

6

C1

0/03766

0/09451

0/106

0/11142

0/14792

0/14405

0/14103

0/13903

C2

0/03229

0/07149

0/11773

0/12189

0/13764

0/13355

0/13063

0/1287

C3

0/08313

0/11817

0/13076

0/13011

0/14973

0/14436

0/14048

0/1379

C4

0/05422

0/06928

0/14278

0/16191

0/16614

0/1658

0/16573

0/16567

C5

0/0282

0/07244

0/04021

0/03519

0/08511

0/11893

0/14103

0/15564

C6

0/76449

0/57411

0/46295

0/43949

0/31347

0/2933021

0/28113

0/27304

 

جدول 12: امتیاز گزینه‌ها به ازای مقادیر مختلف β

 

مقادیر β

 

1/0

3/0

8/0

1

3

4

5

6

A1

1779/0

19963/0

18872/0

16086/0

16091/0

16091/0

16091/0

16091/0

A2

24013/0

32282/0

34439/0

34002/0

3401/0

3401/0

3401/0

3401/0

A3

20723/0

2182/0

22927/0

24134/0

24138/0

24138/0

24138/0

24138/0

 

 

 

 

 

 

 

 

 

A43

17242/0

18844/0

13677/0

10443/0

10444/0

04722/0

04722/0

04722/0

A44

10012/0

12208/0

11924/0

13959/0

13959/0

10444/0

10444/0

10444/0

A45

12434/0

13941/0

14218/0

140/0

140/0

13959/0

13959/0

13959/0


به‌صورت شماتیک نیز در شکل (1)، وزن معیارها و امتیاز گزینه‌ها آورده شده است. همان‌طور که هم جداول و هم نمودار نشان می‌دهد از مقادیر 3≤β نمودارها همگرا شده‌اند و تغییرات زیادی ندارند پس می‌توان 3= β را مقدار همگرا شده در نظر گرفت که وزن معیارها و امتیاز گزینه‌ها در این مقدار برای مسئله ثابت است.

شکل ‌1: تغییرات وزن معیارها به ازای مقادیر مختلف 𝜷

جمع‌بندی نتایج سکا

همان‌طور که در روش سکا مشخص شد در 3= β به بعد، وزن معیارها و امتیازات گزینه‌ها به همگرایی رسیده است؛ پس در این مقدار β معیارها را براساس وزن اولویت‌بندی شده و همچنین امتیازات گزینه‌ها مشخص می‌شوند که به ترتیب در جداول (13) و (14) آورده شده است. این جدول‌ها خروجی نرم‌افزار لینگو هستند.

جدول ‌13: وزن و اولویت نهایی معیارها

نام معیار

کد معیار

وزن معیار

رتبه

سهم از صادرات

C1

14405/0

4

تعداد نیرو

C2

13355/0

5

میزان تولید

C3

14436/0

3

میزان مصرف برق

C4

1658/0

2

میزان انحراف از استاندارد

C5

11893/0

6

درصد خاموشی دوره قبل

C6

29330/0

1

 

جدول 14: امتیاز و اولویت نهایی گزینه‌ها

گزینه‌ها

رتبه

وزن

گزینه‌ها

رتبه

وزن

گزینه‌ها

رتبه

وزن

A1

26

1609/0

A16

4

4581/0

A31

9

3168/0

A2

8

3401/0

A17

6

3714/0

A32

24

1799/0

A3

14

2413/0

A18

15

2388/0

A33

22

2076/0

A4

40

0540/0

A19

27

1602/0

A34

13

2508/0

A5

7

3634/0

A20

2

5481/0

A35

31

1232/0

A6

39

0569/0

A21

5

3830/0

A36

18

2330/0

A7

10

2978/0

A22

30

1284/0

A37

42

0498/0

A8

23

2003/0

A23

3

4821/0

A38

25

1717/0

A9

36

0857/0

A24

1

5665/0

A39

44

0321/0

A10

16

2368/0

A25

37

0844/0

A40

41

0530/0

A11

28

1571/0

A26

12

2544/0

A41

35

0874/0

A12

19

2206/0

A27

11

2783/0

A42

20

2205/0

A13

45

0

A28

38

0632/0

A43

43

0472/0

A14

34

1038/0

A29

32

1207/0

A44

33

1044/0

A15

17

2364/0

A30

21

2177/0

A45

29

1395/0

 

 

همان‌طور که در جدول (13)، آورده شده است، میزان درصد خاموشی دوره قبل با وزن 293/0 در رتبه یک اهمیت قرار دارد و بعد از آن میزان تولید با وزن 165/0 قرار گرفته است. کمترین رتبه هم به میزان انحراف از استاندارد با وزن 118/0 تعلق دارد.

با توجه به رتبه‌بندی گزینه‌ها در جدول (14) و سیاست شرکت توزیع برق که بین 30 تا 50 درصد به این صنایع باید خاموشی تعلق بگیرد، میزان کاهش بار بین صنایع در جدول (15)، توزیع می‌شود.

جدول 15: توزیع درصد خاموشی

گزینه‌ها

درصد کاهش بار

گزینه‌ها

درصد کاهش بار

گزینه‌ها

درصد کاهش بار

A1

441/0

A16

359/0

A31

327/0

A2

314/0

A17

318/0

A32

432/0

A3

355/0

A18

336/0

A33

364/0

A4

464/0

A19

405/0

A34

350/0

A5

445/0

A20

300/0

A35

423/0

A6

423/0

A21

309/0

A36

368/0

A7

332/0

A22

382/0

A37

455/0

A8

391/0

A23

323/0

A38

373/0

A9

395/0

A24

305/0

A39

436/0

A10

409/0

A25

418/0

A40

414/0

A11

377/0

A26

345/0

A41

400/0

A12

386/0

A27

427/0

A42

359/0

A13

450/0

A28

459/0

A43

473/0

A14

468/0

A29

405/0

A44

391/0

A15

441/0

A30

341/0

A45

377/0

 

 

نتیجه‌گیری و پیشنهاد

نتایج این پژوهش نشان داد که در شرایط کمبود انرژی، می‌توان با استفاده از رویکردی علمی و مشارکت خبرگان، معیارهای مؤثر بر اولویت‌بندی خاموشی‌های برنامه‌ریزی‌شده در صنایع انرژی‌بر مانند کاشی و سرامیک را شناسایی و ارزیابی کرد. در این مطالعه با بهره‌گیری از تکنیک دلفی، شش معیار نهایی شامل میزان صادرات، تعداد نیروی کار، ظرفیت تولید، میزان انحراف از استاندارد مصرف، درصد خاموشی دوره قبل و میزان مصرف برق انتخاب شدند. سپس با به‌کارگیری روش سکا، ۴۵ واحد صنعتی کاشی و سرامیک استان یزد براساس این معیارها رتبه‌بندی شدند. با استناد به پژوهش فییر و سرا، در شرایط کمبود انرژی، توزیع خاموشی‌ها براساس معیارهای اقتصادی می‌تواند زیان کلی ناشی از قطع برق را به حداقل برساند. ازهمین‌رو این پژوهش با شناسایی و به‌کارگیری مجموعه‌ای از معیارهای اقتصادی الگویی ارائه کرده است که بر مبنای آن، خاموشی‌ها به‌گونه‌ای توزیع می‌شوند که کمترین آسیب ممکن به صنعت و اقتصاد کشور وارد شود. با توجه به نظر خبرگان این رویکرد نسبت به سناریوی رایجِ تخصیص غیربرنامه‌ریزی‌شده خاموشی، منجر به بهبود بهره‌وری و افزایش کارایی سیاست‌های مدیریت بار خواهد شد.

پیشنهادهای پژوهش

  • به‌کارگیری نتایج در صنعت برق

شرکت توزیع برق استان یزد در زمان‌های اوج مصرف و کمبود انرژی، فاقد یک مبنای علمی برای تخصیص برق به صنایع کاشی است و کاهش بار را به‌صورت یکسان برای تمامی این صنایع اعمال می‌کند که این رویکرد می‌تواند هزینه‌های اقتصادی قابل‌توجهی را به صنعت و کشور تحمیل کند. با توجه به چالش‌های تخصیص انرژی برق به صنایع کاشی در استان یزد و نبود یک مبنای علمی در تصمیم‌گیری‌های شرکت توزیع برق، این پژوهش می‌تواند به توسعه یک مدل تصمیم‌گیری مبتنی بر شاخص‌های کلیدی صنعتی و اقتصادی برای تخصیص عادلانه و بهینه انرژی برق در شرایط کمبود بپردازد. اجرای این مدل می‌تواند باعث کاهش هزینه‌های تولید، افزایش بهره‌وری انرژی، کاهش تبعات اجتماعی ناشی از تعطیلی واحدهای تولیدی و ارائه راهکارهای سیاست‌گذاری کارآمد برای صنعت برق شود. این پیشنهاد را می‌توان در قالب یک دستورالعمل اجرایی برای شرکت توزیع برق استان یزد ارائه کرد.

  • حمایت از صنایع با مصرف انرژی بهینه

برای صنایعی که مصرف انرژی بهینه‌تری دارند، می‌توان مشوق‌های مالی یا تسهیلات انرژی برای تشویق به ادامه روند بهینه‌سازی مصرف انرژی در نظر گرفت. این صنایع می‌توانند به‌عنوان الگوهای بهینه مصرف انرژی در استان شناخته شوند و به سایر صنایع کمک کنند تا به مصرف انرژی بهینه برسند.

  • بررسی ویژگی‌های خطوط تولید

با توجه به نتایج حاصل‌شده می‌توان به بررسی ویژگی‌های خطوط تولید صنایع با رتبه‌های برتر پرداخت و با شناسایی این ویژگی‌ها آن‌ها را به سایر صنایع توصیه کرد.

همچنین می‌توان به روند نوظهور «انرژی برای هوش مصنوعی» اشاره کرد؛ جریانی که بر این نکته تأکید دارد که ابزارهای هوش مصنوعی برای فعالیت مستمر خود نیازمند مصرف بالای انرژی برق هستند. در این راستا، مدل‌های ارائه‌شده در این پژوهش قابلیت توسعه و تطبیق برای این حوزه را نیز دارا هستند.

  • تحقیق آتی می‌تواند به توسعه مدل‌های تخصیص انرژی در سطح ملی بپردازد. با توجه به اینکه این تحقیق بر صنایع کاشی و سرامیک استان یزد متمرکز است، توسعه مدل‌های مشابه برای سایر صنایع کشور می‌تواند کمک کند تا تخصیص انرژی در مقیاس بزرگ‌تری بهینه‌سازی شود.

 

[1] .Growitsch

[2]. Grainger & Zhang

[3] .Parker & et.al.

[4] .De Nooij & et.al.

[5] .Serra & Fierro

[6] .Delphi

[7]. Simultaneous Evaluation of Criteria and Alternatives

[8] .Zhao

[9]. Zhang & et.al.

[10] .Valavanidis

[11] .Rowe & Wright

[12] .Jian & et.al.

[13] .Kendall's Coeffcient of Concordance (W)

  • فهرست منابع

    • ابراهیمی و همکاران (۱۳۹۸). بررسی عوامل مؤثر بر شدت انرژی با تأکید بر اثر شکست ساختاری در ایران. پژوهش‌های رشد و توسعه پایدار (پژوهش‌های اقتصادی)، ۱۹ (۲).
    • احمدیان و همکاران (۱۳۹۲). برآورد ارزش برق عرضه‌نشده (VoLL) در اثر خاموشی در ایران: رویکرد تولید و فراغت از دست‌رفته. سیاست‌گذاری اقتصادی، ۵ (۹)، ۵۷–۸۰.
    • پوستچی و همکاران (۱۴۰۰). رتبه‌بندی صنایع تولیدی پیشتاز در ایران براساس روش ویکور فازی (FBWM). مجلس و راهبرد، ۲۸ (۱۰۵)، ۱۲۵–۱۷۶.
    • تقی‌زاده و همکاران (۱۳۹۲). بررسی عوامل مؤثر بر شدت انرژی در صنایع کارخانه‌ای ایران. پژوهشنامه اقتصاد انرژی ایران.
    • خواجه‌رضائی و همکاران (۱۳۹۹). محاسبه هزینه قطع برق و نحوه بهینه تخصیص خاموشی به مشترکین. مهندسی برق و مهندسی کامپیوتر ایران، ۱۸ (۳)، ۱۶۹–۱۷۷.
    • درویش توانگر (۱۳۹۴). بحران برق در سال جاری و سال‌های آینده. ماهنامه گزارش‌های کارشناسی مرکز پژوهش‌های مجلس شورای اسلامی، ۲۳ (۵).
    • دفتر مطالعات انرژی، صنعت و معدن (۱۳۹۸). دو راهکار پیشنهادی برای کاهش پیک بار شبکه سراسری برق ۱۳۹۸ (شماره گزارش ۱۶۵۶۲). مرکز پژوهش‌های مجلس شورای اسلامی.
    • دهقانی، علی؛ علی اکبری نوری، فهیمه (1395). رتبه‌بندی صنایع تولیدی کشور براساس شاخص‌های منتخب اقتصادی در سال 1392 با تکنیک FANP-ARAS. مطالعات اقتصادی کاربردی ایران (مطالعات اقتصادی کاربردی)، 5(19)، 109-130.
    • روان‌شادنیا و همکاران (۱۳۹۹). ارزیابی وضعیت عرضه و تقاضای حامل‌های اصلی انرژی در ایران: روند موجود، چالش‌ها و راهکارهای اصلاحی در بخش صنایع وابسته به ساختمان. ماهنامه علمی اکتشاف و تولید نفت و گاز، (۱۸۲)، ۵۱–۵۹.
    • شیخی و همکاران (۱۴۰۱). محاسبه هزینه خاموشی برق در بخش صنعت. در هشتمین کنفرانس بین‌المللی فناوری و مدیریت انرژی بابلسر.
    • مبینی دهکردی و همکاران (1400). اثرات قطعی برق بر بخش تولید و صنعت. اتاق بازرگانی، صنایع، معادن و کشاورزی اصفهان
    • یوسفی و همکاران (۱۳۹۸). اثر خاموشی بر صنعت: شواهدی از کارگاه‌های صنعتی ایران. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، ۲۷ (۹۲)، ۶۹–۸۸.

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    References

    • Chi Zhang, Zhou, K., Yang, S., & Shao, Z. (2017). On electricity consumption and economic growth in China. Renewable and Sustainable Energy Reviews, 76, 353–368. https://doi.org/10.1016/j.rser.2017.03.071
    • De Nooij, M., Lieshout, R., & Koopmans, C. (2009). Optimal blackouts: Empirical results on reducing the social cost of electricity outages through efficient regional rationing. Energy Economics, 31(3), 342–347.
    • Grainger, C. A., & Zhang, F. (2019). Electricity shortages and manufacturing productivity in Pakistan. Energy Policy, 132, 1000–1008.
    • Growitsch, C., Malischek, R., Nick, S., & Wetzel, H. (2013). The costs of power interruptions in Germany—An assessment in the light of the Energiewende. EWI Working Paper.
    • Heidari, H., M. Akbari, A. Souhankar and R. Hafezi (2022). “Review of global energy trends towards 2040 and recommendations for Iran oil and gas sector.” International Journal of Environmental Science and Technology 19(8): 8007-8018.
    • Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2018). Simultaneous evaluation of criteria and alternatives (SECA) for multi-criteria decision-making. Informatica, 29(2), 265-280
    • Parker, G. G., Tan, B., & Kazan, O. (2019). Electric power industry: Operational and public policy challenges and opportunities. Production and Operations Management, 28(11), 2738–2777.
    • Rowe, G., & Wright, G. (1999). The Delphi technique as a forecasting tool: Issues and analysis. International Journal of Forecasting, 15(4), 353–375.
    • Serra, P., & Fierro, G. (1997). Outage cost in Chilean industry. Energy Economics, 19, 417–434.
    • Valavanidis, A. (2024). Global electricity generation from renewable sources. Renewables, 1, 1–27.
    • Xu, J., Akhtar, M., Haris, M., Muhammad, S., Abban, O. J., & Taghizadeh-Hesary, F. (2022). Energy crisis, firm profitability, and productivity: An emerging economy perspective. Energy Strategy Reviews, 41, 100849.
    • Zhao, Y. (2022). Transformation strategy of China's electric power enterprises under the goal of carbon neutrality. Energy Reports, 8, 1234–1245.