دانشگاه شهید بهشتی چشم‌انداز مدیریت صنعتی 2251-9874 16 1 2026 03 21 The design of a model for the application of Fourth Industrial Revolution technologies in the humanitarian supply chain. طراحی مدل بکارگیری فناوری‌‏های انقلاب صنعتی چهارم در زنجیره تأمین بشردوستانه 103 132 106815 10.48308/jimp.16.1.103 FA احمد جعفرنژاد استاد، گروه مدیریت صنعتی، دانشکده مدیریت صنعتی و فناوری، دانشگاه تهران، تهران، ایران. رضا جلالی استادیار،گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران. محمد حیدری دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده پردیس کیش، دانشگاه تهران، کیش، ایران. Journal Article 2025 02 23 <strong>Introduction and Objectives: </strong>The rapid advancements associated with the Fourth Industrial Revolution—including the Internet of Things (IoT), artificial intelligence (AI), blockchain, big data analytics, robotics, and 3D printing—have created new opportunities to enhance efficiency, transparency, and responsiveness in humanitarian supply chains. However, the complex nature of relief operations, scarcity of resources, lack of digital infrastructure, and limited inter-organizational coordination have made the adoption of these technologies in crisis environments particularly challenging. Moreover, the literature indicates that most existing studies adopt isolated, technology-specific approaches, while comprehensive and integrated models explaining how Industry 4.0 technologies can be deployed in real crisis contexts remain limited. In this context, the present study aims to develop a conceptual model that systematically and contextually explains the influencing factors, challenges, implementation strategies, and potential outcomes of adopting Fourth Industrial Revolution technologies within humanitarian supply chains.<br /><strong>Methods: </strong>This study is applied in purpose and qualitative–exploratory in methodology, utilizing a grounded theory approach. Participants included eighteen experts comprising humanitarian logistics specialists, technology professionals, managers of government and non-governmental relief organizations, and crisis management officials. They were selected using purposive and snowball sampling. Data were collected through semi-structured interviews, fully transcribed, and analyzed using the three-stage coding process—open, axial, and selective coding—supported by MAXQDA software. Research validity was ensured through participant checking, independent coding by multiple researchers, and the application of credibility, transferability, dependability, and confirmability criteria. Theoretical saturation was achieved at the seventeenth interview.<br /><strong>Findings: </strong>Data analysis identified a set of causal conditions including the need for enhanced transparency, improved inter-organizational coordination, faster relief operations, and reduced human error. Contextual conditions such as weak communication infrastructure, unstable data networks, limited access to digital equipment, financial constraints, and the absence of shared standards among humanitarian organizations were also identified. Additionally, intervening factors such as cultural resistance, insufficient digital skills, cybersecurity threats, and the technical complexity of emerging technologies were found to significantly influence the implementation process.<br />The main strategies extracted from the data include developing technical infrastructures, creating modular and cloud-based platforms, strengthening inter-organizational collaboration, specialized staff training, establishing AI-based predictive systems, and deploying IoT, edge computing, robotics, and 3D printing technologies. The findings further revealed that these technologies not only operate independently but also function as components of an integrated “data cycle”: IoT generates data; cloud and edge computing process the data; AI analyzes it; and blockchain ensures its security and transparency. This cycle forms the technological backbone for operating effectively in high-uncertainty crisis environments.<br />The positive outcomes of successful technology adoption include improved supply chain resilience, reduced response time, enhanced resource traceability, reduced administrative corruption, and increased efficiency in resource allocation. However, potential negative consequences—such as over-reliance on technology, exposure to cyberattacks, and increased maintenance costs—were also identified.<br /><strong>Conclusion: </strong>The proposed conceptual model demonstrates that the effective implementation of Industry 4.0 technologies in humanitarian supply chains requires an integrated framework aligned with real-world crisis conditions. The model’s distinction between the preparedness phase (emphasizing prediction, planning, and infrastructure creation) and the response phase (emphasizing real-time monitoring, operational coordination, and live data analysis) enhances its practical applicability. This model can serve as a strategic guideline for policymakers, humanitarian organizations, and technology designers seeking to advance digital transformation within humanitarian operations. <strong>مقدمه و اهداف</strong><strong>:</strong><strong> </strong>پیشرفت‌های صنعت نسل چهارم شامل اینترنت اشیا، هوش مصنوعی، بلاکچین، کلان‌داده، رباتیک و چاپ سه‌بعدی، فرصت‌های مهمی برای ارتقای کارایی، شفافیت و تاب‌آوری زنجیره تأمین بشردوستانه ایجاد کرده است. با این حال، پیچیدگی عملیات امدادی، محدودیت شدید منابع، کمبود زیرساخت‌های دیجیتال و ناهماهنگی بین‌سازمانی، پذیرش مؤثر این فناوری‌ها را در محیط‌های بحرانی با چالش‌های جدی مواجه ساخته است. مرور ادبیات نیز حاکی از آن است که بیشتر مطالعات رویکردی تک‌فناوری و پراکنده داشته و مدل‌های جامع و یکپارچه برای تبیین نحوه پیاده‌سازی این فناوری‌ها در شرایط واقعی بحران اندک است. این پژوهش با هدف طراحی مدل مفهومی یکپارچه، به شناسایی عوامل مؤثر، چالش‌ها، راهبردهای اجرایی و پیامدهای به‌کارگیری فناوری‌های نسل چهارم در زنجیره تأمین بشردوستانه می‌پردازد.<br /><strong>روش‌ها</strong><strong>:</strong><strong> </strong>پژوهش حاضر کاربردی، کیفی و اکتشافی است و با رویکرد نظریه داده‌بنیاد (الگوی استراوس و کوربین) انجام شده است. جامعه خبرگان شامل مدیران لجستیک بشردوستانه، متخصصان فناوری و مسئولان سازمان‌های امدادی دولتی و غیردولتی بود که ۱۸ نفر از آنان با روش نمونه‌گیری هدفمند و گلوله‌برفی انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته جمع‌آوری و پس از پیاده‌سازی کامل، با کدگذاری سه‌مرحله‌ای (باز، محوری و انتخابی) در نرم‌افزار MAXQDA تحلیل گردید. اعتبار و پایایی پژوهش از طریق بازبینی مشارکت‌کنندگان، کدگذاری مستقل توسط چند پژوهشگر و رعایت معیارهای اعتبار، انتقال‌پذیری، پایایی و تأییدپذیری تأمین شد. اشباع نظری در مصاحبه هفدهم حاصل گردید.<br /><strong>یافته‌ها</strong><strong>:</strong><strong> </strong>تحلیل داده‌ها نشان داد که شرایط علی شامل نیاز به افزایش شفافیت، بهبود هماهنگی بین‌سازمانی، تسریع عملیات امدادی و کاهش خطای انسانی است. شرایط زمینه‌ای عمدتاً شامل ضعف زیرساخت‌های ارتباطی و پردازشی، ناپایداری شبکه‌های داده، کمبود تجهیزات دیجیتال، محدودیت‌های مالی و نبود استانداردهای مشترک میان سازمان‌ها بود. عوامل مداخله‌گر نیز مقاومت فرهنگی و سازمانی، کمبود مهارت‌های دیجیتال کارکنان، تهدیدات امنیت سایبری و پیچیدگی فنی فناوری‌ها را دربرمی‌گیرد. راهبردهای اصلی اجرایی عبارتند از توسعه زیرساخت‌های فنی (رایانش ابری و پردازش لبه)، ایجاد پلتفرم‌های یکپارچه و ماژولار، تقویت همکاری بین‌سازمانی، آموزش تخصصی کارکنان، استقرار سیستم‌های پیش‌بینی مبتنی بر هوش مصنوعی و بهره‌گیری از فناوری‌های اینترنت اشیا، رباتیک و چاپ سه‌بعدی. یافته‌ها حاکی از آن است که این فناوری‌ها در قالب یک چرخه یکپارچه داده (تولید داده توسط اینترنت اشیا، پردازش توسط رایانش ابری و لبه، تحلیل توسط هوش مصنوعی و تضمین امنیت و شفافیت توسط بلاکچین) عملکرد بهینه‌ای در محیط‌های بحرانی دارند. پیامدهای مثبت شامل افزایش تاب‌آوری زنجیره تأمین، کاهش زمان واکنش، بهبود ردیابی منابع، کاهش فساد و افزایش کارایی تخصیص منابع است؛ هرچند پیامدهای منفی احتمالی نظیر وابستگی بیش‌ازحد به فناوری، آسیب‌پذیری در برابر حملات سایبری و هزینه‌های بالای نگهداری نیز شناسایی شد.<br /><strong>نتیجه‌گیری</strong><strong>:</strong><strong> </strong>مدل مفهومی پیشنهادی نشان می‌دهد که پیاده‌سازی موفق فناوری‌های صنعت نسل چهارم در زنجیره تأمین بشردوستانه مستلزم چارچوبی یکپارچه و متناسب با واقعیت‌های بحران است. تمایز این مدل میان فاز آمادگی (با تمرکز بر پیش‌بینی، برنامه‌ریزی و زیرساخت‌سازی) و فاز پاسخ (با تمرکز بر نظارت بلادرنگ، هماهنگی عملیاتی و تحلیل لحظه‌ای داده‌ها) کاربرد عملی آن را تقویت می‌کند. این مدل می‌تواند راهنمایی راهبردی برای سیاست‌گذاران، مدیران سازمان‌های امدادی و طراحان سامانه‌های فناورانه در مسیر تحول دیجیتال عملیات بشردوستانه باشد. https://jimp.sbu.ac.ir/article_106815_5af94865c44c083b43246cd58fe40a1b.pdf