https://jimp.sbu.ac.ir/ چشم‌انداز مدیریت صنعتی fa daily 1 Sat, 21 Mar 2026 00:00:00 +0330 Sat, 21 Mar 2026 00:00:00 +0330 https://jimp.sbu.ac.ir/article_106780.html مقدمه و هدف: هتل‌های لوکس که بر تعامل دقیق بین کارکنان و مهمانان متکی هستند، به طور فعال فناوری‌هایی را برای افزایش تجربه و رضایت مهمانان معرفی کرده‌اند. ارتقای سطح هتل‌های هوشمند تغییرات قابل توجهی را در محیط توسعه صنعت هتلداری ایجاد کرده است که منجر به پیدایش هتل‌های هوشمند شده است. در عصر مدرن، استفاده کامل از عملکردهای هتل هوشمند و تلاش برای توسعه آن بسیار مهم است. هتل‌های هوشمند به مهمانان این امکان را می‌دهد که هویت خود را ثبت کنند، سفارشات را پردازش کنند و کارت اتاق را از طریق اینترنت دریافت کنند. علاوه بر این، میهمانان می‌توانند خدمات دریافتی‌شان را شخصی‌سازی نمایند و فرآیند پذیرایی و ارائه خدمات را ساده‌تر و رضایت‌بخش‌تر نمایند. برای ساخت یک هتل گردشگری هوشمند، بهینه‌سازی و نوآوری محتوای تجاری اصلی هتل برای افزایش تجربه گردشگر ضروری است. این پژوهش با هدف توسعه مدلی جامع برای هوشمندسازی صنعت هتل ایران در چارچوب گردشگری نسل ۴ و با بهره‌گیری از شبیه‌سازی عامل‌بنیان انجام شد.روش‌ها: رویکرد تحقیق ترکیبی و شامل مراحل کتابخانه‌ای و میدانی بود. ابتدا با روش مرور ادبیات نظام مند ، یافته‌های پژوهش‌های کمی و کیفی اخیر (۲۰۲۰ به بعد) مرور و کدهای اولیه استخراج شد. سپس برای شناسایی عوامل مغفول و بومی‌سازی مدل، تحلیل مضمون بر داده‌های حاصل از ۱۳ مصاحبه نیمه‌ساختاریافته با خبرگان صنعت هتل اجرا گردید. ادغام نتایج این دو مرحله منجر به شناسایی ۵ عامل اصلی (گردشگر، PMS هتل، واحد منابع انسانی، وزارت میراث فرهنگی، گردشگری و صنایع دستی، خانه‌داری) و ۱۹ متغیر کلیدی شد. با استفاده از مدل‌سازی ساختاری تفسیری روابط علّی و سلسله‌مراتبی عوامل تعیین و مدل مفهومی نهایی ترسیم شد. مدل در محیط شبیه‌سازی عامل‌بنیان پیاده‌سازی و با اعتبارسنجی درونی (تأیید خبرگان) و بیرونی (مقایسه با داده‌های واقعی) ارزیابی شد که انحراف کمتر از ۰.۲ درصد را نشان داد.یافته‌ها: نتایج این پژوهش آگاهی مدیران و علاقمندان حوزه مدیریت و هتل‌داری را در زمینه هوشمندسازی صنعت هتل و مدل‌های عامل‌بنیان افزایش داده است. هم‌چنین، بر اساس نتایج روش مدل‌سازی و وزن‌دهی ساختاری تفسیری همزمان نتیجه می‌شود که عامل‌های «گردشگر» و «PMS PMS هتل (پذیرش / بوکینگ / رزرواسیون)» که در منطقه پیوندی قرار دارند دارای قدرت نفوذ و وابستگی زیادی هستند. در واقع هرگونه عملی بر روی این متغیرها باعث تغییر سایر متغیرها می‌شود. متغیر «وزارت میراث فرهنگی، گردشگری و صنایع دستی» بین ناحیه خودمختار و وابسته قرار گرفته است دارای قدرت نفوذ پایین و وابستگی متوسط هست. هم‌چنین متغیرهای «خدمات اتاق و پذیرایی (خانه‌داری)» و «منابع انسانی» در منطقه خنثی قرار گرفته‌اند. هم‌چنین مشخص گردید، «خدمات اتاق و پذیرایی (خانه‌داری)»، «منابع انسانی» و «وزارت میراث فرهنگی، گردشگری و صنایع دستی» در بالاترین سطح قرار گرفته‌اند و بیشتر تحت تأثیر عوامل «گردشگر» و «PMS هتل (پذیرش / بوکینگ / رزرواسیون)» هستند.نتیجه‌گیری: تحلیل سناریوها بر اساس دو متغیر کلیدی «زیرساخت فناورانه» و «نیروی انسانی متخصص» بیانگر آن بود که ارتقاء همزمان این دو، بیشترین اثر را در دستیابی به هدف تأمین ۶۵ میلیون نفر-شب اقامت تا افق ۱۴۰۴ دارد. نوآوری اصلی پژوهش، ادغام سه جریان مواد، اطلاعات و مالی در چارچوب گردشگری نسل ۴ و ارائه مدلی بومی و جامع برای تصمیم‌گیری راهبردی در صنعت هتل است که می‌تواند به بهبود کیفیت خدمات، بهره‌وری عملیاتی و رقابت‌پذیری در بازار گردشگری هوشمند کمک کند. https://jimp.sbu.ac.ir/article_106812.html مقدمه و اهداف: در حال حاضر، فرآیندهای ماشین‌کاری بخش حیاتی از فرایندهای تولید جهان را تشکیل می‌دهند. اهمیت این فرآیندها را می‌توان از طریق شناسایی جریان مالی ناشی از به کارگیری آنها مشاهده کرد. یکی از مسائل اساسی در استفاده از فرآیندهای ماشین‌کاری برای تولید محصولات، مسأله‌ سایش ابزار است. تاکنون، مطالعات مختلفی با فرض‌های متنوع برای تجزیه و تحلیل ویژگی‌های سایش در شرایط مختلف انجام شده است تا اهداف متنوعی را ارضا کنند. مدل‌های سنتی برای تحلیل عمر و سایش ابزار، که اغلب بر مبنای معادلات قطعی هستند، تغییرات رخ داده در فرآیندهای برش را در نظر نمی‌گیرند و به همین دلیل، عمر واقعی ابزار به‌ندرت با مقادیر پیش‌بینی شده توسط این روش‌ها مطابقت دارد. در سال‌های اخیر، توجه بیشتری به استفاده از توزیع‌­های آماری برای پیش‌بینی عمر ابزار شده است. در میان آنها، استفاده از توزیع وایبل از اهمیت ویژه‌ای برخوردار است. چالش اصلی این رویکردها، تخمین دقیق تابع توزیع عمر ابزار بر اساس اطلاعات واقعی است. از سوی دیگر، با تغییر شرایط ماشین‌کاری، تابع توزیع عمر ابزار ممکن است تغییر کند که این امر، مسأله‌ تخمین پارامترهای توزیع عمر ابزار را دشوارتر می‌کند. علاوه بر این، به دلیل تطابق مناسب عمر ابزارهای برشی با توزیع وایبل، تخمین پارامترهای این توزیع با توجه به ویژگی‌های خاص آن دارای پیچیدگی است.روش‌­ها: در این تحقیق، یک روش ترکیبی ارائه می‌شود که با استفاده از طراحی آزمایشات مبتنی بر مدل Box-Behnken  و اعمال یک تبدیل ریاضی در آزمایشات بر روی داده‌های واقعی عمر ابزار، پارامترهای توزیع عمر ابزار را تعیین می‌کند. این روش به گونه‌ای است که رابطه‌ی پارامترهای توزیع عمر ابزار با شرایط ماشین‌کاری، شامل سرعت اسپیندل، نرخ تغذیه و عمق برش، به‌صورت یک معادله چندجمله‌ای قابل توصیف باشد. در این روش، از روش جستجوی بخش طلایی برای تناسب داده‌های بدست‌آمده بر روی توزیع مناسب عمر ابزار استفاده خواهد شد. در پایان، متدولوژی پیشنهادی بر روی یک مطالعه موردی پیاده‌سازی شده و نتایج حاصل از آن گزارش می‌شود.یافته‌­ها: پس از بدست آوردن مقادیر پارامترهای شکل و مقیاس توزیع وایبل در هر سطح از آزمایشات طراحی شده توسط متدولوژی box-behnken می­توان با استفاده از تابع مربع کامل رابطه­ این پارامترها را با شرایط ماشین‌کاری مدلسازی نمود. در این مقاله پارامترهای شکل و مقیاس توزیع وایبل، در هر سطح از آزمایشات، گزارش شده، سپس مقدار تابع  که در فرایند بهینه­سازی با استفاده از الگوریتم GSS بدست آمده ارائه می­شود. نتایج نشان­دهنده­ مقادیر مطلوب خطا در بکارگیری متدولوژی پیشنهادی است. همچنین با پیاده­سازی متدولوژی پیشنهادی در این مقاله، مقدار  برای پارامتر شکل 92.52% و برای پارامتر مقیاس، 96.80% است. Correlation مناسب مابین مدل مربع کامل برای هر یک از پارامترهای توزیع وایبل با داده­های بدست آمده از عمر ابزارهای برشی نشان دهنده­ی کفایت متدولوژی پیشنهادی در کاربردهای عملی می‌­باشد.نتیجه­‌گیری: در این مقاله برای رسیدن به دو هدف کاربردی،  یک متدولوژی ترکیبی با استفاده از طراحی آزمایشات، استفاده از تبدیلات ریاضی بر روی داده­های بدست آمده از عمر ابزار و به کارگیری الگوریتم جستجوی بخش طلایی توسعه داده شد. هدف اول تخمین پارامترهای توزیع وایبل در یک شرایط ماشین‌کاری خاص است. که با استفاده از آن توزیع عمر ابزار برشی تحت یک شرایط ماشین‌کاری خاص بر اساس توزیع وایبل مشخص می‌­شود. هدف دوم شناسایی تغییرات بوجود آمده در توزیع عمر ابزار بر اساس تغییرات ایجاد شده در شرایط ماشین‌کاری می‌باشد. برای این منظور در متدولوژی ارائه شده رابطه­ پارامترهای توزیع وایبل با شرایط ماشین‌کاری به صورت یک مدل مربع کامل تعیین می­‌شود. در انتها، روش پیشنهادی در این مقاله بر روی یک فرایند فرزکاری با اطلاعات مشخص، پیاده­‌سازی شده و نتایج بدست آمده از آن گزارش شده است. https://jimp.sbu.ac.ir/article_106779.html مقدمه و اهداف: مدیریت زباله‌های پلاستیکی به‌عنوان یکی از مهم‌ترین چالش‌های زیست‌محیطی قرن حاضر، مستلزم ایجاد زنجیره‌های تأمین کارآمد و مقاوم در برابر ریسک است. نوسانات در کیفیت و کمیت مواد اولیه بازیافتی، عدم‌قطعیت‌های عملیاتی و آسیب‌پذیری در فرآیند تولید از جمله عواملی‌اند که پایداری زنجیره تأمین بازیافت پلاستیک را تهدید می‌کنند. در چنین شرایطی، شناسایی و اولویت‌بندی ریسک‌ها و تدوین استراتژی‌های پیشگیرانه کاهش آن‌ها از اهمیت بسزایی برخوردار است. هدف اصلی پژوهش حاضر، ارائه رویکردی ترکیبی مبتنی بر تلفیق الگوریتم‌های یادگیری ماشین و تکنیک گسترش کارکرد کیفیت فازی است تا ضمن شناسایی عوامل کلیدی ریسک، استراتژی‌های پیشگیرانه کاهش ریسک در زنجیره تأمین بازیافت پلاستیک اولویت‌بندی شوند.روش‌ها: پژوهش حاضر با رویکرد داده‌محور و بهره‌گیری از الگوریتم‌های یادگیری ماشین انجام شده است. داده‌های پژوهش از شرکت "شیمی‌پلاست شمال" یکی از بزرگ‌ترین مجتمع‌های بازیافت ضایعات پلاستیکی گردآوری گردید. جامعه آماری شامل هفت کارشناس صنعتی با بیش از سه سال تجربه در حوزه زنجیره تأمین بازیافت بود. ابتدا از طریق مرور نظام‌مند ادبیات و تأیید خبرگان، یازده عامل ریسک و هشت راهبرد پیشگیرانه شناسایی شدند. سپس، با استفاده از الگوریتم‌های درخت تصمیم و جنگل تصادفی، اهمیت ویژگی‌ها و وزن نسبی هر عامل ریسک محاسبه شد. وزن‌های استخراج‌شده در چارچوب ماتریس خانه کیفیت فازی ادغام گردید تا استراتژی‌های پیشگیرانه کاهش ریسک رتبه‌بندی شوند. فرآیند تحلیل داده‌ها و کدنویسی در محیط نرم‌افزار متلب انجام شد.یافته‌ها: نتایج تحلیل یادگیری ماشین نشان داد که ریسک‌های مرتبط با مواد اولیه ورودی به‌عنوان مهم‌ترین تهدید زنجیره تأمین بازیافت پلاستیک شناسایی شدند. پس از آن، ریسک‌های فرآیند تولید بازیافت و ریسک‌های ایمنی و بهداشت به‌ترتیب در رتبه‌های دوم و سوم قرار گرفتند. نتایج تحلیلی ماتریس خانه کیفیت نیز نشان داد که همکاری خریدار-تأمین‌کننده مؤثرترین استراتژی پیشگیرانه در کاهش ریسک است و پس از آن، شفافیت و چابکی زنجیره تأمین بیشترین تأثیر را دارند. همکاری میان خریداران و تأمین‌کنندگان از طریق اشتراک اطلاعات، برنامه‌ریزی مشترک و توسعه راهکارهای اضطراری، تاب‌آوری زنجیره را افزایش می‌دهد. همچنین، بهره‌گیری از فناوری‌های نوین نظیر اینترنت اشیاء، برچسب‌های شناسایی فرکانس های رادیویی و جی پی اس نقش مهمی در افزایش شفافیت و نظارت بر جریان مواد ایفا می‌کند.نتیجه‌گیری: نتایج پژوهش نشان داد که رویکرد تلفیقی مبتنی بر یادگیری ماشین و گسترش کارکرد کیفیت فازی می‌تواند ابزاری کارآمد برای تصمیم‌گیری مبتنی بر داده در مدیریت ریسک زنجیره تأمین بازیافت باشد. این رویکرد با حذف نیاز به قضاوت‌های ذهنی متعدد و افزایش دقت محاسبه وزن معیارها، فرایند تصمیم‌سازی را بهینه می‌کند. علاوه بر این، قابلیت تفسیرپذیری الگوریتم‌های درختی به مدیران امکان می‌دهد تا منطق تصمیم‌گیری مدل را درک کرده و نتایج را در شرایط واقعی عملیاتی به کار گیرند. چارچوب پیشنهادی ضمن ارتقای توانمندی مدیریت ریسک در صنعت بازیافت پلاستیک، قابلیت تعمیم به سایر صنایع بازیافت نظیر زباله‌های الکترونیکی، فلزات و لاستیک را نیز دارد. با این حال، محدودیت‌هایی همچون وابستگی به داده‌های کمی و نیاز به اطلاعات جامع می‌تواند دامنه کاربرد آن را محدود سازد. در نهایت، به پژوهشگران آینده پیشنهاد می‌شود که با استفاده از مدل‌های زبانی بزرگ، روش‌های تحقیق در عملیات نظیر دیمتل و تحلیل شبکه، و تکنیک‌های وزن‌دهی عینی مانند آنتروپی و کریتیک چارچوب‌های تصمیم‌گیری ترکیبی دقیق‌تر و منعطف‌تری را برای مدیریت ریسک در زنجیره‌های تأمین پایدار توسعه دهند. https://jimp.sbu.ac.ir/article_106801.html مقدمه و اهداف: با پیشرفت فناوری در زمینه‌های علوم کامپیوتری و ظهور مفاهیمی همچون هوش مصنوعی، یادگیری ماشین و یادگیری عمیق، فرصت‌های شگرفی برای تحقق آرمان‌شهری هوشمند فراهم شده است. یکی از کاربردهای حساس و مهم این فناوری‌ها، استفاده از آن‌ها در بخش سلامت است که از کنترل پیشینه پزشکی بیماران تا مشاوره دیجیتال و مدیریت دارو را شامل می‌شود. بااین‌حال، این ابزارهای پیشرفته به چالش‌هایی همچون دقت پایین در خروجی‌های فرآیند تصمیم‌گیری مبتلا هستند. پژوهش حاضر به بررسی معیارهای ارزیابی‌کننده قابلیت اطمینان سیستم‌های هوش مصنوعی در حوزه سلامت می‌پردازد و با استفاده از روش نقشه شناختی فازی (FCM)، مؤثرترین معیارها را شناسایی می‌کند. روش‌ها: در این پژوهش، ابتدا معیارهای مرتبط با قابلیت اطمینان سیستم‌های هوش مصنوعی از طریق مرور ادبیات و انجام مصاحبه با متخصصین حوزه سلامت استخراج و شناسایی شدند. سپس با استفاده از روش دلفی معیارهای حیاتی ارزیابی قابلیت اطمینان سیستم‌های هوش مصنوعی در حوزه موردنظر حاصل گردید. در گام بعد مدلی علت و معلولی با توجه به‌مرور ادبیات حوزه موردنظر ایجاد گردید. آنگاه برای اعتبارسنجی این مدل از روش معادلات ساختاری (SEM) استفاده گردید. در ادامه، روابط علت و معلولی با استفاده از ورودی مدل اعتبارسنجی شده از روش SEM و نظر خبرگان حوزه موردنظر به دست آمد و تأثیرات معیارهای شناسایی‌شده بر یکدیگر با به‌کارگیری روش FCM موردبررسی قرار گرفت. این روش به شناسایی روابط نهایی علت و معلولی میان معیارها و تعیین مؤثرترین و تأثیرپذیرترین معیارها کمک کرده و امکان تحلیل دقیق‌تری از قابلیت اطمینان سیستم‌های هوش مصنوعی در حوزه سلامت را فراهم می‌آورد. به‌منظور جمع‌آوری داده‌ها، پرسشنامه‌های مختلفی (عبارتند از پرسشنامه طیف لیکرت (روش‌های دلفی و SEM)، پرسشنامه AHP و پرسشنامه FCM طراحی و توزیع شد و نتایج به‌دست‌آمده با نرم‌افزار SmartPLS مورد تحلیل قرار گرفتند. یافته‌ها: یافته‌های پژوهش نشان می‌دهند که معیار "نظارت مستمر بر نتایج تولیدشده و تنظیم مجدد سیستم" به‌عنوان مؤثرترین معیار در ارزیابی قابلیت اطمینان سیستم‌های هوش مصنوعی در حوزه سلامت شناسایی شده است. علاوه بر این، معیار "استفاده از الگوریتم‌های غیرقطعی" به‌عنوان تأثیرپذیرترین معیار معرفی گردید. این نتایج تأکید می‌کنند که نظارت مداوم بر عملکرد سیستم‌های هوش مصنوعی و نیاز به به‌روزرسانی‌های مستمر ازجمله اصول کلیدی در افزایش دقت و قابلیت اطمینان این سیستم‌ها هستند. درمجموع، شش معیار حیاتی برای ارزیابی قابلیت اطمینان استخراج و ارزیابی شدند که شامل داده‌های قابل‌اعتماد و همگن، رعایت امنیت و حریم خصوصی داده‌ها، به‌روزرسانی‌های هفتگی، استفاده از الگوریتم‌های غیرقطعی، ایجاد ساختاری جهت ارزیابی تصمیمات از سوی ذی‌نفعان و نظارت مستمر بر نتایج تولید شده بود. نتیجه‌گیری: پژوهش حاضر به‌طور جامع به بررسی قابلیت اطمینان سیستم‌های هوش مصنوعی در حوزه سلامت پرداخته و نشان می‌دهد که برای بهبود دقت و قابلیت اطمینان این سیستم‌ها، نیاز به نظارت مستمر و به‌روزرسانی‌های منظم وجود دارد. همچنین، توجه به امنیت و حریم خصوصی داده‌ها در طراحی و پیاده‌سازی این سیستم‌ها از اهمیت ویژه‌ای برخوردار است. با توجه به چالش‌های موجود، این پژوهش می‌تواند به‌عنوان یک راهنما برای توسعه‌دهندگان سیستم‌های هوش مصنوعی در حوزه سلامت عمل کند و به آن‌ها کمک کند تا با در نظر گرفتن معیارهای شناسایی‌شده، سیستم‌های مطمئن‌تری طراحی کنند. این تحقیق همچنین می‌تواند به بهبود کیفیت خدمات پزشکی و افزایش اعتماد بیماران به سیستم‌های هوش مصنوعی کمک کند. درنهایت، استفاده از روش‌های نوین و توجه به مؤلفه‌های کلیدی در طراحی و توسعه این سیستم‌ها، می‌تواند به پیشرفت و تحول در ارائه خدمات بهداشتی و درمانی منجر شود. https://jimp.sbu.ac.ir/article_106815.html مقدمه و اهداف: 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.روش‌ها: 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.یافته‌ها: 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.نتیجه‌گیری: 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_106419.html مقدمه و اهداف: با گسترش روزافزون خدمات درمان، تقلب در نظام‌های بیمه درمانی به یک چالش جدی تبدیل شده است. پژوهش حاضر با هدف طراحی و توسعه یک چارچوب هوشمند و ماژولار برای کشف تقلب در بیمه درمانی انجام شده است. این چارچوب به‌گونه‌ای طراحی شده که مستقل از نوع خدمت یا بازیگر، توانایی شناسایی رفتارهای سوءاستفاده‌گرانه و تقلبی را داشته باشد و بتواند با محیط‌های پیچیده و پویا سازگار شود. هدف اصلی، ارائه راهکاری منعطف برای ارتقای دقت در تشخیص تقلب و کاهش خطاهای انسانی در فرآیند کشف تقلب بیمه‌ درمان است.روش‌ها: چارچوب پیشنهادی شامل چهار ماژول کلیدی است: نخست، ماژول دانش‌محور که با بهره‌گیری از دیدگاه‌های کارشناسان بیمه و پزشکی، یک فریم‌ورک برای شبیه‌سازی فرایند تشخیص تقلب ایجاد می‌شود تا تیم پزشکی-بیمه بتواند رفتارهای غیرعادی را بر اساس رفتار بازیگران مختلف توصیف و نمایش دهد. دوم، یک انبار داده دو مرحله‌ای برای پردازش کارآمد داده‌های حجیم بیمه طراحی شده است؛ در انبار داده مرحله اول فرایند استخراج، تبدیل و بارگذاری داده‌های ادعاهای بیمه‌ای انجام می‌شود، نواقص داده‌ای اصلاح و ناسازگاری‌ها و خطاها از بین می‌روند تا داده‌ها برای استخراج ویژگی‌ها لازم برای کشف انواع تقلب مناسب شوند. در انبار داده مرحله دوم ویژگی‌های مرتبط با تقلب با همکاری متخصصان استخراج و انتخاب می‌گردند. فهرستی از بیست ویژگی مؤثر برای تشخیص تقلب استخراج و مستندسازی شد که برای هر نوع تقلب، اطلاعات مربوط به بازیگران، کالاها و ویژگی‌های مرتبط را دربرمی‌گیرد. سوم، موتور کشف تقلب براساس یک الگوریتم پیشنهادی موسوم به K-IF است که ابتدا با استفاده از الگوریتم جنگل ایزوله (IF) داده‌ها را خوشه‌بندی کرده و سپس با الگوریتم K-Means نمونه‌های مشکوک را شناسایی می‌کند. چهارم، ابزارهای تجسم و داشبورد مدیریتی برای تحلیل تعاملی و به‌روزرسانی پویا توسط کاربران طراحی و ارائه می‌شود.یافته‌ها: نتایج آزمایش‌های انجام‌شده بر روی مجموعه داده‌های برچسب‌دار نشان می‌دهد که الگوریتم پیشنهادی با بهره‌گیری از قدرت تفکیک IF و دقت خوشه‌بندی K-Means، عملکرد بهتری از نظر شاخص‌های عملکردی و زمان محاسباتی نسبت به الگوریتم‌های رایج مانند LOF، OCSVM، EE، DBSCAN، AE  و K-Means داشته است. همچنین، اجرای این الگوریتم بر روی داده‌های واقعی شرکت بیمه دی نشان داد که وابستگی به نرخ آلودگی کاهش یافته و دقت در شناسایی نقاط لبه‌ای افزایش یافته است. در نهایت، این چارچوب به‌صورت یک بسته نرم‌افزاری برای شرکت‌های بیمه خصوصی توسعه یافته و با ارائه ابزارهای تحلیلی پیشرفته، نقش مؤثری در ارتقای تصمیم‌گیری و کاهش نیاز به مداخله انسانی ایفا می‌کند.نتیجه‌گیری: پژوهش حاضر نشان می‌دهد که موفقیت در کشف تقلب‌های بیمه‌ای به‌طور مستقیم به کیفیت و دقت ویژگی‌های استخراج‌شده از داده‌های تراکنش‌های درمانی وابسته است. هم‌افزایی میان داده‌های جمعیتی، مالی و خدماتی نقش مهمی در افزایش حساسیت مدل‌های یادگیری ماشین نسبت به رفتارهای ناهنجار ایفا می‌کند، در حالی که کمبود داده‌های دقیق و ساختارمند یکی از چالش‌های اساسی در توسعه نرم‌افزارهای تشخیص تقلب محسوب می‌شود. چارچوب توسعه‌یافته به‌صورت بسته نرم‌افزاری برای مدیریت ادعاهای بیمه درمانی طراحی شده و با ترکیب مدل‌های یادگیری ماشین، معماری ماژولار و رابط کاربری مدرن، قابلیت گسترش‌پذیری بالا و پاسخگویی سریع به نیازهای سازمانی را فراهم می‌آورد و پیشنهاد می‌شود مدیران شرکت‌های بیمه این راهکار را به‌عنوان بخشی از استراتژی دیجیتال‌سازی مدیریت ادعاها به کار بگیرند تا با ادغام با سامانه‌های موجود و استفاده از پایگاه داده امن و داشبوردهای تعاملی، بهبود کارایی، شفافیت و کاهش هزینه‌های تقلب را تحقق بخشند. https://jimp.sbu.ac.ir/article_106819.html مقدمه و اهداف: در عصر رقابتی امروز، تصمیمات استخدامی دیگر نمی‌توانند صرفاً بر قضاوت‌های انسانی تکیه داشته باشند. با افزایش حجم داده‌ها، پیچیدگی ویژگی‌های متقاضیان و ضرورت دقت بالا در انتخاب نیروی انسانی، بهره‌گیری از هوش‌مصنوعی و یادگیری ماشین به یک الزام راهبردی برای سازمان‌ها تبدیل شده است. اگرچه مدل‌های یادگیری ماشین کلاسیک، مانند درخت تصمیم یا رگرسیون لجستیک، نتایج قابل‌قبولی داشته‌اند، اما این مدل‌ها در مواجهه با داده‌های نامتوازن، ساختارهای پیچیده و نیاز به دقت بالا، محدودیت‌های جدی دارند. پژوهش حاضر با هدف طراحی یک مدل یادگیری ماشین ترکیبی مبتنی‌بر یادگیری عمیق انجام شده که بتواند با ترکیب مزایای شبکه‌های عصبی و الگوریتم‌های یادگیری ماشین جمعی پیشرفته، مدلی قدرتمند، دقیق و تفسیرپذیر برای پیش‌بینی تصمیمات استخدامی ارائه دهد. روش‌ها: برای توسعه مدل پیشنهادی، از یک ساختار استکینگ چندلایه استفاده شده است که در آن شبکه عصبی عمیق (DNN)  به همراه 4 الگوریتم قدرتمند شامل Random Forest، Gradient Boosting، LightGBM و CatBoost به‌عنوان مدل‌های پایه عمل می‌کنند. خروجی این مدل‌ها به XGBoost به‌عنوان فرامدل منتقل می‌شود تا پیش‌بینی نهایی انجام شود. برای متوازن‌سازی مجموعه داده نامتوازن، از روش NearMiss استفاده شده و برای تنظیم بهینه پارامترها، الگوریتم TPE در چارچوب Optuna به کار رفته است. همچنین، فرآیند انتخاب ویژگی‌ها با روش حذف بازگشتی با اعتبارسنجی متقاطع (RFECV)  انجام شده تا مهم‌ترین متغیرهای مؤثر بر تصمیم استخدام شناسایی شوند. یافته‌ها: مدل ترکیبی پیشنهادی بر روی یک مجموعه داده نمونه شامل ۱۵۰۰ نمونه در برابر ۱۶ مدل یادگیری ماشین شناخته شده ارزیابی شده است. نتایج نشان داد که مدل پیشنهادی در تمام زمینه‌های دقت، صحت، فراخوانی و امتیاز F1 باصحت ٪۹۲.۴۷ و امتیاز F1  ٪۹۲.۱۲ از تمام معیارهای کلیدی عملکرد پیشی گرفته است. برخی مدل‌های دیگر مانند CatBoost و LightGBM نیز نمرات خوبی داشتند، اما هیچ مدل دیگری بهتر از معیارهای گزارش شده برای مدل پیشنهادی عمل نکرد. افزون بر این، تحلیل اهمیت ویژگی‌ها (Feature Importance) که با بهره‌گیری از الگوریتم XGBoost انجام شد، نشان داد که متغیرهایی مانند «استراتژی جذب نیرو»، «سطح تحصیلات» و «امتیاز مصاحبه» بیشترین سهم را در پیش‌بینی نتیجه نهایی استخدام داشته‌اند. این نتایج نه‌تنها موجب بهبود اثربخشی مدل در پیش‌بینی تصمیمات استخدامی شد، بلکه با شفاف‌سازی عوامل مؤثر، اطلاعات ارزشمندی را برای تصمیم‌گیرندگان منابع‌انسانی فراهم کرد که می‌توانند بر پایه آن سیاست‌های جذب و ارزیابی خود را بازطراحی کنند. نتیجه‌گیری: مدل ترکیبی یادگیری ماشین ارائه‌شده در این پژوهش، با تلفیق منسجم الگوریتم‌های کلاسیک و ساختارهای یادگیری عمیق در قالب معماری استکینگ چندلایه، چارچوبی نوین و اثربخش برای پیش‌بینی دقیق تصمیمات استخدامی فراهم کرده است. این مدل نه‌تنها در آزمون‌های عددی و مقایسه‌ای عملکرد ممتاز و پایداری از خود نشان داده، بلکه از نظر کاربردی نیز واجد ویژگی‌هایی چون تفسیرپذیری، تعمیم‌پذیری و انعطاف‌پذیری است. دستاوردهای پژوهش حاکی از آن است که بهره‌گیری از چنین مدل‌های ترکیبی می‌تواند منجر به تحول اساسی در سیستم‌های تصمیم‌یار منابع‌انسانی شود و فرآیند انتخاب و ارزیابی متقاضیان شغلی را هوشمندانه‌تر، سریع‌تر و عادلانه‌تر سازد. از سوی دیگر، تلفیق تحلیل ویژگی‌ها با تکنیک‌های پیش‌بینی، امکان ارائه بازخورد هدفمند و داده‌محور به مدیران جذب نیرو را نیز فراهم می‌سازد. با توجه به این نتایج امیدبخش، پیشنهاد می‌شود در تحقیقات آتی از مجموعه‌داده‌های بزرگ‌تر، داده‌های غیرساختاریافته مانند رزومه‌های متنی، و مصاحبه‌های ویدیویی استفاده شود. https://jimp.sbu.ac.ir/article_106848.html مقدمه و اهداف: موفقیت شرکت شهرک‌های صنعتی تحت تأثیر مجموعه‌ای از عوامل متنوعی قرار دارد. این عوامل در ارتقاء عملکرد و تضمین پایداری بلندمدت شرکت شهرک‌های صنعتی نقش حیاتی ایفا می‌کنند و به عنوان مؤلفه‌های اساسی در فرآیند رشد اقتصادی پایدار و حفظ منابع طبیعی و محیط زیست به شمار می‌روند. از این رو، شرکت شهرک‌ها نه تنها به عنوان مراکز تولید و اشتغال، بلکه به عنوان عامل کلیدی و مؤثر در توسعه اقتصادی منطقه‌ای و ملی شناخته شده‌اند و سهم قابل توجهی در تحقق اهداف توسعه اقتصادی کشور دارند. پژوهش با هدف شناسایی عوامل کلیدی موفقیت در شرکت‌ شهرک‌های صنعتی استان کرمانشاه، تلاش نموده تا نقش این عوامل در رشد اقتصادی، افزایش اشتغال و ارتقای رقابت‌پذیری کشور تحلیل شود. روش‌ها: این پژوهش با هدف کاربردی به صورت توصیفی، تحلیلی و کاربردی با رویکرد کیفی انجام شد. جمع آوری داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با اساتید دانشگاهی دارای تخصص و تجربه علمی مرتبط، کارشناسان شرکت شهرک‌های صنعتی استان کرمانشاه، صاحبان صنایع و فعالان کسب‌وکار مستقر در شهرک‌های صنعتی استان کرمانشاه، همچنین اسناد و متون مرتبط با موضوع جمع‌آوری گردید. نمونه‌گیری تا رسیدن به اشباع نظری ادامه یافت و ۱۷ نفر از خبرگان مشارکت داشتند. تحلیل داده‌ها با استفاده از روش تحلیل مضمون براساس الگوی شش‌مرحله‌ای براون و کلارک انجام شد که شامل کدگذاری، تولید و بازبینی مضامین بود. پایایی با ضریب کاپا (75/0) تأیید و روایی پژوهش با استراتژی حساسیت پژوهشگر تضمین شد. یافته‌ها همچنین توسط خبرگان دانشگاهی و متخصصان این زمینه تأیید گردید. یافته‌ها: تحلیل داده‌های کیفی حاصل از ۱۷ مصاحبه انجام‌شده، تعداد ۱۱۸ کد اولیه استخراج گردید که پس از ادغام و تلفیق مضامین مشابه، در نهایت ۴۲ مضمون پایه شناسایی شد، مضامین پایه به‌طور دقیق جمع‌آوری و کدگذاری شده و مقولات مرتبط و متمایز در قالب مضامین سازمان‌دهنده طبقه‌بندی گردیدند. یافته‌های به‌دست‌آمده نشان داد، ۴۲ مضمون پایه در قالب ۱۳ مضمون سازمان‌دهنده مرتبط با عوامل کلیدی موفقیت در شرکت شهرک‌های صنعتی دسته‌بندی شده‌اند. در مرحله نهایی، جهت شناسایی مولفه‌های اصلی عوامل کلیدی موفقیت، مضامین سازمان‌دهنده در ۵ دسته کلی و فراگیر تقسیم‌بندی شدند که شامل: مدیریت کلان و راهبری استراتژیک سازمان مبتنی بر دانش و شایستگی‌های تخصصی، نوآوری راهبردی و توسعه پایدار صنعتی، تطابق محیطی و مشارکت فعال ذینفعان، تخصیص بهینه منابع و توسعه زیرساخت‌ها و فرهنگ سازمانی و روابط ارتباطی درون سازمانی. این یافته‌ها به طور جامع به بررسی و شناسایی عوامل کلیدی موفقیت شرکت شهرک‌های صنعتی استان کرمانشاه پرداخته‌اند. نتیجه‌گیری: شناسایی دقیق این عوامل کلیدی، امکان ارائه راهکارهای عملی و مؤثر جهت بهبود فضای کسب و کار در شرکت مذکور را فراهم می‌آورد. بهبود فضای کسب و کار از طریق این راهکارها می‌تواند زمینه‌ساز جذب سرمایه‌گذاران بیشتر، افزایش ظرفیت تولید و در نتیجه ارتقاء سطح اشتغال‌زایی در استان باشد. بنابراین، نتایج این بخش از پژوهش نقش مهمی در ارتقاء عملکرد و توسعه پایدار شرکت شهرک‌های صنعتی استان کرمانشاه ایفا می‌کند و می‌تواند به عنوان مبنایی برای تصمیم‌گیری‌های مدیریتی و سیاست‌گذاری‌های توسعه‌ای مورد استفاده قرار گیرد و به مدیران شرکت شهرک‌های صنعتی استانی در راستای بهبود عملکرد، موفقیت و پیاده سازی استراتژی‌های مدیریت‌ کمک نماید. https://jimp.sbu.ac.ir/article_106900.html چکیده مقدمه و اهداف: بنادر، به‌عنوان نقاط کلیدی در شبکه‌های لجستیکی جهانی، تحت‌تأثیر تحولات تجارت جهانی و تغییرات در حوزه‌های مرتبط مانند کشتیرانی همواره در حال تغییر و تطبیق است. در سال‌های اخیر، چالش‌هایی مانند افزایش آگاهی‌های زیست‌محیطی، فشارهای ناشی از مسئولیت اجتماعی و ضرورت اجرای عملیات اقتصادی پایدار، بنادر را به چالش کشیده‌اند. بنادر ایران به‌دلیل موقعیت ژئوپلیتیکی خاص و نقش کلیدی آن‌ها در حمل‌ونقل بین‌المللی، از اهمیت ویژه‌ای برخوردارند و نقش به سزایی در رشد و توسعه اقتصادی کشور ایفا می‌کنند. با توسعه زیرساخت‌های بندری، استفاده از فناوری‌های نوین در مدیریت عملیات، بهبود بهره‌وری انرژی و افزایش تعاملات تجاری با کشورهای همسایه، فرصت‌های قابل‌توجهی برای توسعه اقتصادی پایدار ایجاد می‌شود. همچنین، توسعه صنایع وابسته به بنادر، از جمله لجستیک، حمل‌ونقل و مناطق آزاد تجاری، می‌تواند به افزایش اشتغال، جذب سرمایه‌گذاری خارجی و رشد اقتصادی منجر شود. این تحقیق قصد دارد به بررسی پایداری 14 بندر مهم ایران در هر سه بعد پایداری شامل اقتصادی، زیست‌محیطی و اجتماعی بپردازد و راهکارهایی برای استفاده بهینه از ظرفیت‌های موجود در جهت تحقق توسعه اقتصادی پایدار ارائه دهد. روش‌ها: در این مطالعه برای ارزیابی پایداری بنادر از روش نوین بهترین- بدترین کمینه‌گرا استفاده شده‌است. این روش مانند روش کلاسیک خود با شناسایی بهترین و بدترین معیار در مقایسات زوجی از بروز سوگیری یکسان‌نگری و سوگیری لنگراندازی جلوگیری می‌کند. با این حال، برتری این روش نسبت به نوع کلاسیک خود این است که برخلاف BWM کلاسیک که تنها تنها برای 9 معیار یا گزینه استفاده می‌شود، در این روش در صورتی که تعداد گزینه یا معیار بیشتر از 9 تا باشد می‌توان با انتخاب گزینه‌های مرجع و مقایسات زوجی آنان را بررسی نمود. یافته‌ها: نتایج این پژوهش نشان‌می‌دهد از 14 بندر، چهار بندر ایران در هر سه بعد پایداری، عملکردی مطلوب داشته‌اند. این امر نشان‌دهنده توانمندی این بنادر در مدیریت مؤثر منابع و ایجاد تعادل میان توسعه اقتصادی و حفظ محیط‌زیست می‌باشد. علاوه بر این، تعامل مثبت با جوامع محلی و توجه به مسئولیت‌های اجتماعی، نقش مهمی در بهبود وضعیت این بنادر ایفا کرده است. از سوی دیگر، سه بندر ایران به علت ضعف‌های ناشی از کمبود سرمایه‌گذاری، مدیریت ناکارآمد، یا عدم توجه کافی به مسائل زیست‌محیطی و اجتماعی در رتبه‌های پایانی قرار گرفته‌اند. در نتیجه، این بنادر نیازمند بازنگری در سیاست‌ها و اتخاذ راهکارهای نوین برای بهبود وضعیت فعلی و افزایش رقابت‌پذیری خود هستند. نتیجه‌گیری: این پژوهش با ارزیابی وضعیت پایداری ۱۴ بندر اصلی ایران، بر اهمیت بازنگری در زیرساخت‌ها، ارتقای فرآیندهای مدیریتی و اتخاذ راهبردهای نوآورانه تأکید دارد تا زمینه‌ساز بهبود رقابت‌پذیری پایدار شود. این امر می‌تواند نقش بنادر ایران را در زنجیره تجارت بین‌المللی تقویت کرده و به توسعه اقتصادی و بهره‌وری بیشتر در سطح ملی و منطقه‌ای منجر شود. همچنین، توجه به ابعاد زیست‌محیطی و اجتماعی در توسعه بنادر می‌تواند به ایجاد تعادل میان رشد اقتصادی و حفظ محیط‌زیست کمک کند، که این خود به پایداری بلندمدت بنادر یاری می‌رساند. بنابراین، پیشنهاد می‌شود که سیاست‌گذاران و مدیران بنادر با اتخاذ استراتژی‌های جامع و پایدار، گام‌های مؤثری در جهت بهبود عملکرد بنادر بردارند تا بتوانند در رقابت جهانی جایگاه مطلوبی کسب کنند و به توسعه پایدار کشور کمک نمایند. https://jimp.sbu.ac.ir/article_107058.html مقدمه و اهداف: صنایع تولیدی، اگرچه نقش محوری در توسعه اقتصادی ایفا می‌کنند، اما از جمله منابع اصلی آلودگی‌های زیست‌محیطی محسوب می‌شوند. در این راستا، حرکت به سمت زنجیره تأمین پایدار به یک ضرورت استراتژیک تبدیل شده است. با این وجود، شرکت‌های صنعتی در مسیر استقرار این مفهوم با موانع متعدد و درهم‌تنیده‌ای روبرو هستند. مطالعه حاضر با هدف شناسایی، اولویت‌بندی و تبیین روابط ساختاری بین موانع کلیدی پیاده‌سازی زنجیره تأمین پایدار در شرکت‌های صنعتی استان یزد انجام شده است. درک این روابط می‌تواند به مدیران در تدوین راهبردهای مؤثر برای غلبه بر این چالش‌ها و تسریع در گذار به سمت پایداری کمک شایانی نماید. روش‌ها: این پژوهش از نظر هدف، کاربردی و از نظر نحوه گردآوری داده‌ها، در زمره پژوهش‌های آمیخته (کیفی-کمی) قرار دارد. در گام نخست، با انجام یک مرور نظام‌مند ادبیات و بهره‌گیری از تکنیک دلفی با 12 خبرۀ دانشگاهی و صنعتی، 12 مانع کلیدی از میان 44 مانع اولیه شناسایی و احصاء شد. در گام بعدی، از یک رویکرد ترکیبی شامل تکنیک‌های مدل‌سازی ساختاری-تفسیری (ISM) و دیمتل (DEMATEL) برای تحلیل روابط درونی و سلسله مراتبی این موانع استفاده شد. مدل ISM برای سطح‌بندی و ترسیم ساختار سلسله مراتبی موانع به کار رفت و تحلیل MICMAC برای دسته‌بندی موانع بر اساس قدرت نفوذ و وابستگی انجام پذیرفت. سپس، تکنیک دیمتل به منظور شناسایی روابط علّی-معلولی و تفکیک موانع به دو گروه علت و معلول مورد استفاده قرار گرفت. یافته‌ها: بر اساس یافته‌های مدل ISM، موانع در چهار سطح سلسله مراتبی سازماندهی شدند. موانع سطح پایین‌تر (سطح 4)، شامل «محدودیت‌های مالی و کمبود بودجه برای اقدامات پایداری»، «مقاومت فرهنگی و نبود تعهد و انگیزش مدیریتی و سازمانی» و «فقدان برنامه‌ریزی و سیاست‌گذاری استراتژیک در زمینه زنجیره تأمین پایدار» مهم‌ترین و بحرانی‌ترین موانع پیاده‌سازی زنجیره تأمین پایدار هستند و به‌عنوان موانع بنیادین شناسایی شدند که بیشترین تأثیر را بر سایر سطوح دارند. تحلیلMICMAC نیز این یافته را تأیید و موانع M1 و M2 را در ربع "عوامل مستقل" (دارای قدرت نفوذ بالا و وابستگی کم) قرار داد که نشان از نقش کلیدی و محرک آن‌ها در سیستم دارد. نتایج تکنیک دیمتل نیز همسو با یافته‌های قبلی، شش مانع را در گروه علل (عوامل تأثیرگذار) و شش مانع دیگر را در گروه معلول‌ها (عوامل تأثیرپذیر) طبقه‌بندی نمود. موانع «محدودیت‌های مالی (M1)»، «مقاومت فرهنگی (M2)» و «فقدان برنامه‌ریزی استراتژیک (M3)» در صدر موانع علّی قرار گرفتند. ترسیم نمودار علت و معلول بر پایه ماتریس تأثیر کل، به وضوح جهت و شدت تأثیرگذاری این موانع بنیادین بر موانع دیگر مانند «فقدان سیستم‌های ارزیابی عملکرد (M9)» و «کمبود آگاهی و مهارت نیروی انسانی (M7)» را نشان داد. نتایج نشان می‌دهد که کلیه موانع علّی به‌طور دقیق با موانع سطح سوم و چهارم مدل ISM مطابقت دارند. روش دیمتل از نتایج حاصل از تکنیک‌های ISM و MICMAC پشتیبانی می‌کند. همپوشانی و تأیید نتایج حاصل از این سه تکنیک، اعتبار و قابلیت اتکای یافته‌ها را به طور قابل توجهی افزایش می‌دهد. نتیجه‌گیری: یافته‌های این پژوهش به طور قاطع نشان می‌دهد که مسائل مالی و فرهنگی-مدیریتی، هسته اصلی چالش‌های پیاده‌سازی زنجیره تأمین پایدار در شرکت‌های صنعتی استان یزد هستند. بدون تزریق منابع مالی کافی و ایجاد تحول در نگرش و تعهد مدیران و کارکنان، سایر اقدامات اصلاحی در زمینه‌هایی مانند آموزش، فناوری‌های سبز و شفافیت اطلاعات، تأثیر مطلوب و پایداری نخواهند داشت. بنابراین، به مدیران و سیاست‌گذاران صنعتی توصیه می‌شود که اولویت برنامه‌ریزی و سرمایه‌گذاری خود را بر رفع این موانع بنیادین قرار دهند. تمرکز بر تأمین مشوق‌های مالی، فرهنگ‌سازی سازمانی و تدوین نقشه راه استراتژیک می‌تواند به عنوان اهرمی قدرتمند، غلبه بر طیف وسیعی از موانع ثانویه را میسر ساخته و مسیر حرکت به سوی زنجیره تأمین پایدار را هموار نماید. https://jimp.sbu.ac.ir/article_107059.html مقدمه و اهداف: مطالعه حاضر، با هدف مدل‌سازی مکان‌یابی هاب (مراکز توزیع) در زنجیره تامین کالاهای فسادپذیر فصلی با حمل‌ونقل چندمدی ارائه شده است. محصولات فسادپذیر به دلیل ماهیت‌شان، نسبت به کالاهای دیگر بیشتر تحت تاثیر عدم قطعیت‌ها و اختلالات قرار می‌گیرند و کوچکترین تاخیر و وقفه در هر یک از بخش‌های این نوع از زنجیره‌های تامین، می‌تواند موجب کاهش کیفیت محصولات، فروش از دست رفته و به خطر افتادن سلامت عمومی مصرف‌کنندگان گردد. یکی از منابع مهم عدم قطعیت در زنجیره تامین محصولات فسادپذیر، میزان تقاضای متفاوت محصولات در فصول مختلف است. به علاوه، مراکز توزیع نقش تعیین‌کننده‌ای در برآورده کردن تقاضاهای کالاهای فصلی دارند. بنابراین، تصمیم‌گیری در رابطه با نحوه مکان‌یابی این نوع از هاب‌ها (ساخت یا اجاره آن‌ها)، می‌تواند به عنوان راهی مناسب برای پاسخ‌گویی به تقاضای پویا در این زنجیره‌های تامین باشد. روش‌ها: در این مطالعه یک مدل ریاضی دوهدفه، چندمحصولی و چندمدی توسعه داده شده است که شامل حداقل کردن هزینه‌های مختلف زنجیره تامین از جمله هزینه مکان‌یابی هاب، هزینه‌های حمل‌ونقل، هزینه کمبود کالا، هزینه فسادپذیری کالا طی حمل، و هم‌چنین کمینه کردن زمان جابجایی محصولات می‌شود. مسئله پیشنهادی به صورت یک مدل برنامه‌ریزی عدد صحیح مختلط مدل‌سازی شده و برای حل مسئله دوهدفه از روش‌های حل دقیق نرمال‌سازی و اپسیلون محدودیت تقویت‌شده در محیط کدنویسی GAMS با حل‌کننده CPLEX استفاده شده است. یافته‌ها: ‌برای اعتبارسنجی و مقیاس‌پذیری مدل، مثال‌های عددی در ابعاد مختلف حل و تحلیل شده است. نتایج تحلیل حساسیت نشان داد که مدل پیشنهادی در مسائل با ابعاد مختلف و نیز تغییر در پارامترها به خوبی عمل کرده و قابلیت تطبیق با شرایط مختلف را دارد. هم‌چنین با افزایش پارامتر حداکثر تعداد هاب‌های اجاره‌ای، هزینه‌های کل و نیز میزان کمبود در فصول مختلف کاهش می‌یابد. پس، زمانی که تقاضاها به‌صورت موقت افزایش می‌یابد، می‌توان به‌جای تأسیس دائمی هاب‌ها، با اجاره هاب به‌صورت فصلی، هزینه‌ها و میزان کمبود را تا حد قابل‌توجهی کاهش داد. اما از طرف دیگر این امر، باعث افزایش تعداد کل هاب‌های تاسیس شده و اجاره‌ای و در نتیجه افزایش فاصله بین هاب‌ها و نقاط تقاضا، و زمان سفر می‌گردد، که این نتیجه بیانگر تعارض بین هزینه‌های کلی شبکه و زمان سفر یا به عبارتی، سطح خدمت‌رسانی در زنجیره تأمین محصولات فسادپذیر است. به علاوه، کاربرد مدهای مختلف حمل‌ونقلی (هوایی و جاده‌ای) در این مسئله، با ویژگی‌های منحصر به فرد خود، نقش بسزایی در توزیع بهتر محصولات ایفا می‌کنند. به عنوان مثال، با توجه به ماهیت فسادپذیر کالاها، بهره‌گیری از سیستم حمل‌ونقل هوایی موجب افزایش سرعت در جابجایی آن‌ها می‌شود و سیستم جاده‌ای حمل‌ونقل، به‌واسطه خاصیت دسترسی‌پذیری که دارد، دسترسی به اکثر مناطق را امکان‌پذیر ساخته و توزیع کالا را تسهیل می‌نماید. نتیجه‌گیری: این پژوهش با تلفیق مدل‌سازی دوهدفه، پویایی پارامتر تقاضا و روش حمل‌ونقل چندمدی، چارچوبی کارآمد برای مدیریت تقاضای پویای محصولات فسادپذیر ارائه می‌دهد. یافته‌های این مقاله می‌تواند به مدیران زنجیره تأمین و سیاست‌گذاران در تصمیمات استراتژیکی مانند مکان‌یابی و نوع هاب‌ها در صنایع با کالاها یا خدمات فصلی مانند صنعت گردشگری به منظور تامین بیشتر و سریع‌تر کالاها در فصول اوج گردشگری و صرف هزینه‌کمتر در فصول کم‌تقاضا، مورد استفاده قرار گیرد.