سیستم تصمیمگیری فازی برای اولویتبندی فرآیندها به منظور تعیین استراتژی‌های بهینه
محورهای موضوعی : مهندسی کامپیوتر و فناوری اطلاعاتحسین اکبری 1 , مهدی باقری زاده 2 *
1 - گروه مدیریت فناوری اطلاعات،واحد علوم تحقیقات،دانشگاه آزاد اسلامی،تهران،ایران
2 - گروه مهندسی کامپیوتر، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران
کلید واژه: مدیریت دانش, سیستم فازی مبتنی بر قانون, رویکردهای (استراتژی ها) مدیریت دانش, فرآیندهای مدیریت دانش, فاکتورهای مدیریت دانش,
چکیده مقاله :
در عصر اطلاعات و دیجیتال شدن کسب‌وکارها، مدیریت دانش به عنوان یک عامل کلیدی در ایجاد مزیت رقابتی پایدار شناخته شده است. این مقاله با هدف ارائه یک راهکار عملی برای سازمانها در جهت بهره‌برداری موثر از دانش خود، یک مدل تصمیمگیری مبتنی بر سیستم فازی را ارائه می‌دهد. در واقع در این مقاله، یک مدل نوین تصمیمگیری مبتنی بر سیستم فازی ارائه شده است که با بهره‌گیری از فضای ابری کنار دو عدد صفر و یک، به سازمانها کمک می‌کند تا فرایندهای مدیریت دانش خود را اولویتبندی کرده و استراتژی بهینه‌ای برای پیاده‌سازی این فرایندها انتخاب کنند. این مدل پیشنهادی با در نظر گرفتن عوامل کیفی و کمّی موثر بر مدیریت دانش، به سازمانها کمک می‌کند تا فرایندهای کلیدی خود را شناسایی کرده و با اولویتبندی مناسب، منابع خود را به سمت دستیابی به اهداف استراتژیک متمرکز کنند. نتایج این مقاله نشان می‌دهد که مدل پیشنهادی نه تنها در بهبود عملکرد سازمانها مؤثر است، بلکه می‌تواند به عنوان یک ابزار مدیریتی قدرتمند در صنایع مختلف مورد استفاده قرار گیرد. همچنین نتایج این مقاله می‌تواند به عنوان یک مرجع ارزشمند برای مدیران و تصمیم‌گیران در سازمان‌های مختلف مورد استفاده قرار گیرد.
In the age of information and digital transformation of businesses, knowledge management is recognized as a key factor in creating sustainable competitive advantage. This article aims to provide a practical solution for organizations to effectively leverage their knowledge by proposing a decision-making model based on a fuzzy system. Specifically, a novel decision-making model based on a fuzzy system is introduced; which, by utilizing a cloud space alongside binary values of zero and one, helps organizations prioritize their knowledge management processes and choose the optimal strategy for implementing these processes. The proposed model, considering both qualitative and quantitative factors affecting knowledge management, assists organizations in identifying their key processes and focusing their resources on achieving strategic goals through proper prioritization. The results of this article show that the proposed model not only improves organizational performance but can also be used as a powerful management tool across various industries. Additionally, the findings of this paper can serve as a valuable reference for managers and decision-makers in different organizations.
[1] خدیور، آمنه، شهره نصری نصرآبادی، و الهام فاح. ۱۳۹۳. طراحی سیستم خبره فازی جهت انتخاب استراتژی مدیریت دانش. پژوهشنامه پردازش و مدیریت اطلاعات ۳۰ (۱): ۹۱-۱۱۹
[2] بهروز آقاشاهی، هومان تحیری، غلامحسین دستغیبی فرد، معصومه محرر. ۱۴۰۰. طراحی سیستم فازی نوع اول مبتنی بر قانون جهت تعیین استراتژی مدیریت دانش در سازمان از طریق اولویتبندی فرآیندها مجله علمی پژوهشی رایانش نرم و فناوری اطلاعات، مجله علمی پژوهشی رایانش نرم و فناوری اطلاعات دانشگاه صنعتی نوشیروانی بابل ص ۵۳-۶۷
[3] محمد حکاک، محمد حسین آزادی، محمد افتخاری. ۱۴۰۰. اولویتبندی مولفه‌های مدیریت منابع انسانی پایدار با رویکرد فازی، فصل نامه علمی پژوهشهای مدیریت انتظامی. صفحه ۹۷-۱۲۷
[4] ابوطالب مطلبی، علیرضا عالی پور، فرامرز نصری. ۱۳۹۲. شناسایی عوامل موثر بر پیاده‌سازی مدیریت دانش در موسسات آموزشی عالی و رتبه‌بندی آن‌ها به روش تاپسیس فازی، فصلنامه علمی _ پژوهشی تحقیقات مدیریت آموزشی، سال پنجم، شماره یکم مسلسل ۱۷
[5] محمود مدیری، معصومه شکیبایی ثابت، حسن رنگریز. ۱۳۹۳. شناسایی و اولویتبندی عوامل انگیزشی مؤثر برتسهیم دانش بین کارکنان دانشی با رویکرد تصمیم گیری چندمعیاره فازی (F_MCDM) مجله مدیریت توسعه و تحول شماره ۱۸ صفحه ۲۶ - ۹۹
[6] هادی شیرویه زاد، حنانه شیروانی، محمد رضا واصلی. ۲۰۱۵. استفاده از فرآیندهای مدیریت دانش به منظور اولویتبندی سازمانها به روش فازی تاپسیس با مطالعه موردی، پژوهشنامه مهندسی صنعت شماره ۲ ص ۶۳-۵۲
[7] الناز حبیب زاده، رضا انصاری، مجید اسماعیلیان. ۱۳۹۵. شناسایی و اولویتبندی عوامل درون سازمانی تأثیرگذار بر یادگیری تکنولوژیک - مورد مطالعه شرکت فولاد مبارکه شماره۴ ص ۱۲۹-۱۰۵
[8] سید جلال موسوی خطیر، ابوالقاسم نادری، مقصود فراستخواه. ۱۳۹۹. شناسایی و اولویتبندی مؤلفه‌های سازمان دانش محور. راهبرد فرهنگ شماره ۵۲ ص ۱۶۳-۲۰۰
[9] خداکرم سلیمی فرد، عباس عباسی‌زاد، رضا سیاوشی. ۱۳۹۴. شناسایی و اولویتبندی عوامل مؤثر بر پذیرش BYOD در سازمانها با رویکردی فازی دانشکده مدیریت دانشگاه تهران فصلنامه مدیریت فناوری اطلاعات دوره ۷، شماره۴ ص ۷۶۹ – ۷۸۸
[10] علی سرایی، مصطفی دستمزدی. ۱۴۰۰. کاربرد روش تحلیل سلسله مراتب فرآیند در حالت فازی برای اولویتبندی استراتژیها، مرکز بررسی‌ها و مطالعات راهبردی ۱۱۷-۱۴۵
[11] محمد نایب‌پور، فرید سعیدی، سمانه رئیسی ۱۳۹۱. شناسایی و اولویت بندی معیارهای اخلاقی در مدیریت منابع انسانی، به روش تحلیل سلسله مراتبی گروهی با رویکرد فازی (F_GAHP)، فصلنامه توسعه سال هفتم، شماره ۲۵ صفحه ۱۳۵-۱۶۶
[12] رضا سپهوند، صابر تقی‌پور، معصومه مومنی مفرد، ۱۳۹۹. شناسایی و اولویتبندی عوامل موثر در شکل گیری فرهنگ جهش تولید با روش دلفی فازی. فصلنامه راهبرد اجتماعی _فرهنگی، سال نهم، شماره سی و ششم. ص ۷۱-۱۰۱
[13] سید حمزه میرزایی، ۱۳۹۷. رتبه‌بندی سیستمهای رأیگیری با استفاده از منطق فازی. نشریه تصمیمگیری و تحقیق در عملیات دوره ۳، شماره ۴ صفحه ۳۱۷-۳۳۴
[14] Alavi, M., & D. E. Leidner. 2001. Review: Knowledge Management and knowledge management systems: conceptual foundations and research issues. MIS Quarterly 25 (1). 107-136.
[15] I. Becerra-Fernandez, R. Sabherwal, Knowledge Management: Systems and Processes. Armonk, New York: M.E. Sharpe, 2015.
[16] H. Shakerian, H. D. Dehnavi, and F. Shateri, “A framework for the implementation of knowledge management in supply chain management,” Procedia-Social and Behavioral Sciences, vol. 230, pp. 176-183, 2016.
[17] Bosua, R., & K. Venkitachalam. 2013. Aligning strategies and processes in knowledge management: A framework. Journal of Knowledge Management 17 (3): 331-346.
[18] Fan, Z. P, B. Feng, Y. H. Sun, & W. Ou. 2009. Evaluating knowledge management capability of organizations: a fuzzy linguistic method. Expert Systems with Applications 36 (2): 3346-3354.
[19] Gupta, B, L. S. lyer, & J. E. Aronson. 2000. Knowledge management: practices and challenges. Industrial Management and Data Systems 100 (1). 17-21.
[20] Holsapple, C. W., & K. D. Joshi. 2000. An investigation of factors that influence the management of knowledge in organizations. Journal of Strategic Information Systems 9 (1): 235-261.
[21] Kacprzyk, J., & W. Pedrycz. 2015. Handbook of Computational Intelligence. London: Springer.
[22] Kamara, J. M., C. J. Anumba, & P. M. Carrillo. 2002. A CLEVER approach to selecting a knowledge management strategy. International Journal of Project Management 20 (3): 205-211.
[23] Lee, K. C., S. Lee, & I. W. Kang. 2005. KMPI: Measuring knowledge management performance. Information & Management 42 (3). 469-482.
[24] Liang, G. S., J. E. Ding, & C. K. Wang. 2012. Applying fuzzy quality function deployment to prioritize solutions of knowledge management for an intemational port in Taiwan. Knowledge-Based Systems 33 (1): 83-91.
[25] Liao, S. H. 2003. Knowledge management technologies and applications—literature review from 1995 to 2002. Expert Systems with Applications 25 (2). 155-164.
[26] Maier, R. and U. Remus. 2003. Implementing process-oriented knowledge management strategies. Joumnal of Knowledge Management 7 (4). 62-74.
[27] Ou, C. X. J., R. M. Davison, & L. H. M. Wong. 2016. Information and Management using interactive systems for knowledge sharing: The impact of individual contextual preferences in China. Information & Management 53 (2). 145-156.
[28] Patil, S. K. and R. Kant. 2014. A fuzzy AHP-TOPSIS framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers. Expert Systems with Applications 41 (2): 679-693.
[29] Sabherwal, R. and S. Sabherwal. 2005. Knowledge Management Using Information Technology: Determinants of Short-Term Impact on Firm Value. Decision Sciences 36 (4): 531-567.
[30] Shakerian, H., H. D. Dehnavi, & F. Shateri. 2016. A framework for the implementation of knowledge management in supply chain management. Procedia Social and Behavorial Sciences 230: 176-183.
[31] Spiegler, I. 2003. Technology and knowledge: Bridging a ‘generating’ gap. Information & Management 40 (6): 533-539.
[32] Oscar Castillo · Patricia Melin ·Roberto Sepulveda .2007.Mediative fuzzy logic: a new approach for contradictory knowledge management .Soft Comput (2008) 12:251–256
[33] Coombs, C. et al. (2020) “The strategic impacts of Intelligent Automation for knowledge and service work: An interdisciplinary review,” The Journal of Strategic Information Systems, 101600.
[34] Fteimi, Nora and Hopf, Konstantin, "Knowledge Management in the Era of Artificial Intelligence - Developing an Integrative Framework" (2021). ECIS 2021 Research-in-Progress Papers. 20.
[35] International Organization for Standardization. 2018. ISO 30401: Knowledge Management Systems — Requirements.
[36] J.M. Mendel, Uncertain Rule-Based Fuzzy Systems, Introduction and New Directions, 2nd Edition, Springer International Publishing, 2017.
[37] Jennex, M. E. (2019) "Towards understanding knowledge management strategy," in Proceedings of the International Conference on Information Systems, pp. 1-12.
[38] M. Shahzad, Y. Qu, A. U. Zafar, X. Ding, S. Rehman, “Translating stakeholders’ pressure into environmental practices – The mediating role of knowledge management”, Journal of Cleaner Production, vol. 275, pp. 124163, 2020.
[39] M.M.A. Pinto, J.L. Kovaleski, R.T. Yoshino, R.N. Pagani, “Knowledge and Technology Transfer Influencing the Process of Innovation in Green Supply Chain Management: A Multicriteria Model Based on the DEMATEL Method”, Sustainability, vol. 11, pp. 3485, 2019.
[40] L. Abdullah, N. Zulkifli, “A new DEMATEL method based on interval type-2 fuzzy sets for developing causal relationship of knowledge management criteriaNeural Computing and Applications, vol. 31, pp. 4095–4111, 2019.
[41] Paliszkiewicz, J. (2021) Knowledge management: enterprise-wide strategies. In: Liebowitz, J. (Ed.) A research agenda for knowledge management and analytics. Edward Elgar Publishing Limited: Cheltenham, UK, pp. 31–41.