مطالعات مدیریت صنعتی

چکیده پیش‌بینی دقیق تقاضا در خرده‌فروشی آنلاین یکی از چالش‌های اساسی در مدیریت زنجیره تأمین و برنامه‌ریزی موجودی محسوب می‌شود، زیرا الگوهای تقاضا معمولاً تحت تأثیر روابط پیچیده زمانی، تعاملات شبکه‌ای میان محصولات و ویژگی‌های معنایی اقلام قرار دارند. بسیاری از رویکردهای سنتی سری زمانی و حتی برخی مدل‌های یادگیری عمیق در مدل‌سازی هم‌زمان این وابستگی‌های پویا و غیرخطی با محدودیت‌هایی مواجه‌اند. در پاسخ به این چالش، پژوهش حاضر یک چارچوب پیش‌بینی نوین مبتنی بر معماری ترنسفورمر ارائه داده که قادر است وابستگی‌های زمانی با تأخیر، اثرات شبکه‌ای میان محصولات و اطلاعات معناشناختی کالاها را به‌صورت یکپارچه مدل‌سازی کند. این پژوهش از نوع تجربی- محاسباتی بوده و برای ارزیابی مدل پیشنهادی از مجموعه‌داده واقعی خرده‌فروشی آنلاین دو استفاده شده است. پس از انجام مراحل پیش‌پردازش داده‌ها و حذف رکوردهای ناقص، داده‌ها به مجموعه‌های آموزش و آزمون تقسیم شدند. سپس مدل پیشنهادی با بهره‌گیری از سازوکار توجه چندسری در چارچوب ترنسفورمر و با استفاده از بازنمایی‌های معنایی استخراج‌شده از توضیحات محصولات آموزش داده شد. بر اساس نتایج، مدل ترنسفورمر پیشنهادی با دستیابی به مقادیر میانگین قدرمطلق خطا معادل ۲٫۶۸ و ریشه میانگین مربعات خطا معادل ۳٫۸۵، عملکرد بهتری نسبت به مدل‌های خودهمبسته میانگین متحرک انباشته (با میانگین قدرمطلق خطا برابر ۴٫۳۷ و ریشه میانگین مربعات خطا برابر ۵٫۹۶) و الگوریتم تقویت گرادیانت (با میانگین قدرمطلق خطا برابر ۳٫۹۱ و ریشه میانگین مربعات خطا برابر ۵٫۱۲) ارائه می‌دهد. این بهبود نشان داد که چارچوب پیشنهادی قادر است الگوهای پیچیده تقاضا و روابط میان‌محصولی را به‌طور مؤثر شناسایی کند.

چکیده صنعت نفت و گاز با چالش‌هایی ازقبیل پیچیدگی شبکه تأمین چندلایه و جهانی، ریسک‌های عملیاتی و ژئوپلیتیکی، تهدیدات امنیت سایبری در زیرساخت‌های حیاتی، فشارهای پایداری (زیست‌محیطی، اقتصادی و اجتماعی) و نیازبه تصمیم‌گیری بلادرنگ مبتنی‌بر داده، مواجه است. هدف اصلی پژوهش حاضر طراحی و تحلیل چارچوب زنجیره تأمین خودمختار مبتنی بر هوش مصنوعی، کلان‌داده و اینترنت اشیاء در صنعت نفت و گاز با تأکید بر پایداری و امنیت سایبری است. ‌پژوهش ازنظر هدف، کاربردی و توسعه‌ای؛ ازنظر ماهیت داده‌ها، آمیخته کیفی-کمی و ازنظر نحوه گردآوری داده‌ها، توصیفی است که به روش نگاشت شناختی فازی انجام شده است. بازه زمانی مطالعه تابستان،پائیز و زمستان 1404 می‌باشد. جامعه آماری پژوهش خبرگان صنعت نفت و گاز ایران است که به‌روش نمونه‌گیری هدفمند پرسشنامه ساختاریافته توسط 23 خبره تکمیل شد. نتایج این مطالعه بیانگر آن است که دستیابی به خودمختاری در زنجیره تأمین صنعت نفت و گاز، در گرو هم‌افزایی و به‌کارگیری فناوری‌های نوین دیجیتال است. در این میان، هوشمندی عملیاتی به عنوان یک عامل میانجی، نقش کلیدی در تبدیل ظرفیت‌های فناورانه به ارزش‌های اقتصادی و زیست‌محیطی ایفا می‌کند. به عبارت دیگر، استقرار زیرساخت‌های دیجیتال داده‌محور، پیش‌نیاز اصلی برای دستیابی به پایداری است؛ در حالی که تاب‌آوری و اعتماد در این اکوسیستم، تنها در سایه تأمین امنیت سایبری پایدار محقق خواهد شد. مدل ارائه شده در این پژوهش، به عنوان یک سیستم پشتیبان تصمیم‌گیری، مدیران این صنعت را قادر می‌سازد تا ضمن اولویت‌بندی بهینه سرمایه‌گذاری‌های دیجیتال، پیامد سیاست‌های امنیتی را ارزیابی و سناریوهای مختلف تحول دیجیتال را پیش از عملیاتی‌سازی، شبیه‌سازی نمایند.

چکیده در صنعت رقابتی قطعه‌سازی خودرو، شناسایی و اولویت‌بندی دقیق حالت‌های شکست به‌منظور پیشگیری از خسارات مالی، تضمین ایمنی سرنشینان و حفظ استانداردهای کیفی، ضرورتی اجتناب‌ناپذیر است؛ چراکه مدیریت ریسک نظام‌مند به‌طور مستقیم بر بهره‌وری تولید و قابلیت اطمینان محصولات نهایی تأثیر می‌گذارد. پژوهش حاضر با هدف شناسایی و اولویت‌بندی حالت‌های شکست در فرآیند مونتاژ مجموعه پلوس در یک شرکت ایرانی قطعه‌سازی خودرو، با به‌کارگیری رویکرد ترکیبی روش بهترین-بدترین فازی و ویکور فازی انجام شد. این پژوهش از لحاظ هدف، کاربردی و از نظر ماهیت، توصیفی-تحلیلی است که به شیوه پیمایشی اجرا شد. در این راستا، پانزده خبره به‌صورت هدفمند انتخاب و طی سه دور پرسشنامه دلفی (با طیف پنج‌درجه‌ای لیکرت) به غربالگری شاخص‌های ریسک و حالت‌های بالقوه شکست پرداختند؛ سپس شاخص‌های باقی‌مانده با روش بهترین-بدترین فازی وزن‌دهی و حالت‌های خرابی غربال‌شده با روش ویکور فازی رتبه‌بندی شدند. یافته‌ها نشان داد شاخص شدت در میان شاخص‌های منتخب بیشترین وزن نسبی را به خود اختصاص داد و حالت‌های شکست مرتبط با مقاومت کششی و تلرانس‌های ابعادی و هزارخار قطعات مجموعه پلوس، بالاترین اولویت را برای اقدامات اصلاحی کسب کردند. مقایسات زوجی خبرگان از سازگاری بالایی برخوردار بود و ترکیب غربالگری دلفی با وزن‌دهی و رتبه‌بندی چندمعیاره فازی، دقت اولویت‌بندی را نسبت به رویکرد سنتی عدد اولویت ریسک بهبود بخشید. یافته‌های این پژوهش مبنایی قابل‌اعتماد و تکرارپذیر برای تصمیم‌گیری پیشگیرانه و بهینه‌سازی فرآیندهای تولید در صنعت قطعه‌سازی خودرو در اختیار مدیران تولید قرار می‌دهد.

چکیده مسئله زمان‌بندی کارگاه جریان با زمان‌های آماده‌سازی وابسته به توالی و محدودیت اپراتور، به دلیل هم‌زمانی تصمیم‌های توالی، زمان‌بندی و تخصیص منابع انسانی، از مسائل پیچیده و نزدیک به شرایط واقعی تولید محسوب می‌شود که حل دقیق آن در ابعاد متوسط و بزرگ با چالش‌های محاسباتی جدی همراه است. هدف این پژوهش ارائه یک چارچوب یکپارچه برای مدل‌سازی و حل مسئله با رویکرد کمینه‌سازی مجموع دیرکرد سفارش‌ها است؛ به‌گونه‌ای که قیود تقدم تکنولوژیک، عدم هم‌پوشانی ماشین‌ها، زمان‌های آماده‌سازی وابسته به توالی و محدودیت ظرفیت اپراتورها به‌صورت هم‌زمان لحاظ شوند. بدین منظور، ابتدا یک مدل برنامه‌ریزی عدد صحیح مختلط توسعه یافت که تصمیم‌های توالی عملیات، زمان‌بندی و تخصیص اپراتور را به‌طور یکپارچه پوشش می‌دهد. با توجه به پیچیدگی محاسباتی مدل، یک رویکرد حل تقریبی مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات طراحی شد. برای انطباق این الگوریتم با ماهیت ترکیبی مسئله، از کدگذاری پیوسته همراه با دیکودر سازنده استفاده گردید تا قیود اصلی در فرآیند ارزیابی راه‌حل‌ها اعمال شوند. ارزیابی عملکرد الگوریتم از طریق یک مطالعه موردی صنعتی و اجرای مکرر با دانه‌های تصادفی متفاوت انجام شد و شاخص‌هایی نظیر بهترین مقدار تابع هدف، میانگین و انحراف معیار نتایج، زمان محاسباتی و رفتار همگرایی تحلیل گردید. نتایج نشان داد الگوریتم پیشنهادی با ثبات مناسب و هزینه محاسباتی قابل قبول به راه‌حل‌های با کیفیت بالا دست می‌یابد. همچنین تحلیل حساسیت پارامترها بیانگر آن است که تقویت مؤلفه اکتشافی کیفیت و پایداری نتایج را افزایش می‌دهد، هرچند زمان اجرا بیشتر می‌شود، در حالی که تنظیمات بهره‌بردارانه‌تر موجب همگرایی سریع‌تر اما کاهش کیفیت راه‌حل‌ها می‌گردد.

چکیده با ظهور هوش مصنوعی، مدیریت منابع انسانی با فرصت‌ها و چالش‌های بنیادینی مواجه شده است که حفظ و ارتقای بهره‌وری کارکنان دانشی را به یک مسئله حیاتی تبدیل می‌کند. پژوهش حاضر با هدف «شناسایی، تحلیل روابط و اولویت‌بندی عوامل مؤثر بر تجربه کارکنان دانشی در عصر هوش مصنوعی و تدوین نقشه راه مدیریتی متناسب با محیط دانشگاهی مأموریت‌محور » انجام شده است. این تحقیق از نظر استفاده، کاربردی، از نظر هدف، اکتشافی- تبیینی، از نظر زمانی، مقطعی و از حیث فن جمع آوری داده ها، آمیخته (کیفی از نوع تحلیل مصاحبه-کمّی از نوع پیمایشی) با رویکرد استقرایی است. داده‌های پژوهش با استفاده از پرسشنامه‌های محقق‌ساخته بر مبنای استاندارد منابع انسانی ایزو ۳۴۰۰۰ و نظرات پنل خبرگان دانشگاه گردآوری شد. برای تحلیل داده‌ها و سطح‌بندی مؤلفه‌ها از روش‌های مدل‌سازی ساختاری تفسیری و ماتریس تحلیل اثرات متقاطع (تحلیل میکمک) بهره گرفته شد و سپس با استفاده از فرآیند تحلیل شبکه‌ای، وزن و اهمیت هر عامل تعیین گردید. نتایج و یافته‌های پژوهش نشان می‌دهد که در میان عوامل شناسایی‌شده، «رهبری هوشمند» و «فرهنگ سازمانی»، مهم‌ترین محرک‌های زیربنایی با بیشترین وزن هستند که سایر ابعاد تجربه کارکنان را هدایت می‌کنند. بر مبنای این یافته‌ها، یک نقشه راه مدیریتی جامع در پنج فاز شامل: «بسترسازی»، «تحول مدیریتی و فرهنگی»، «بهینه‌سازی تجربه شغلی»، «ظهور نوآوری و مرجعیت علمی» و «ماندگاری سرمایه‌های دانشی» تدوین و اعتبارسنجی شد که می‌تواند مبنای سیاست‌گذاری‌های اثربخش در سازمان‌های دانش‌بنیان قرار گیرد.