طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی (مورد مطالعه گروه خودروسازی سایپا)

محورهای موضوعی : مدیریت صنعتی گرایش زنجیره تأمین

علی اکبر ساسانی ¹ , حسین عظیمی ^{2 *} , عبداله نظری ³

1 - دانشجوی دکتری گروه مدیریت صنعتی واحد ابهر، دانشگاه آزاداسلامی، ابهر،ایران
2 - دانشیار گروه مدیریت بازرگانی ، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران
3 - استادیار گروه مدیریت ،واحد ابهر،دانشگاه آزاد اسلامی ،ابهر،ایران

تاریخ دریافت : 1403/01/05 تاریخ پذیرش : 1403/02/26 تاریخ انتشار : 1404/07/01

کلید واژه: زنجیرۀ تأمین, عملکرد مالی, پیچیدگی ساختاری, پیچیدگی دینامیکی و رفتاری.,

چکیده مقاله :

مدیریت پیچیدگی‌ها و ریسک‌ها برای بقای هر سازمانی در یک محیط رقابتی حیاتی است، زیرا آن‌ها عمدتاً بر زنجیره تامین تأثیر می‌گذارند. پژوهش انجام شده از نظر هدف از نوع پژوهش های بنیادی-کاربردی می‌باشد. جامعه آماری تحقیق حاضر کلیه مدیران و کارکنان گروه خودروساز ی سایپا می‌باشد که به تعداد 50000 نفر می‌باشند که با استفاده از فرمول کوکران 384 نفر برای بخش کمی و 17 نفر از خبرگان صنعت خودروسازی سایپا برای بخش کیفی انتخاب شدند. جهت گردآوری داده‌ها ابتدا از روش تحلیل مضمون بوسیله مصاحبه استفاده شد بعد تایید سوالات بوسیله تحلیل عامل تاییدی پرسشنامه جهت انجام بخش کمی تحقیق استفاده شد. جهت تجزیه و تحلیل داده‌ها در بخش کیفی از روش مصاحبه و کدگذاری دستی استفاده شد و در بخش کمی از نرم افزار اسمارت PLS و SPSS شامل آزمون‌های تحلیل عامل تاییدی و معادلات ساختاری به روش تحلیل مسیر استفاده شده است نتایج بیانگر آن است که پیچیدگی زنجیره تامین بر عملکرد مالی شرکت سایپا با شدت 0.86 تاثیر دارد. همچنین پیچیدگی ساختاری زنجیره تامین بر عملکرد مالی شرکت سایپا با شدت 0.56 تاثیر دارد و پیچیدگی رفتاری زنجیره تامین بر عملکرد مالی شرکت سایپا با شدت 0.42 تاثیر دارد.

چکیده انگلیسی:

Understanding and managing supply chain complexities is crucial for the survival of any organization in a competitive environment since they mainly affect the organization's performance in various dimensions. Therefore, the present study as a case study of the Saipa Automotive Group is an attempt to design a supply chain complexity model and measure its impact on the financial performance of automotive companies. Therefore, it is categorized as basic-applied research in terms of its purpose. The statistical population of the study encompass all managers and employees of the Saipa Automotive Group, of which 384 people were selected for the quantitative part and 17 Saipa automotive industry experts for the qualitative part using the Cochran formula. A questionnaire and semi-structured interviews were used to collect the quantitative and qualitative data, respectively. The data from the questionnaire were analyzed using SPSS and Smart PLS software, and the content analysis was used to analyze the data from the interviews. The results of the qualitative data analyis show that the supply chain complexities in automotive companies are divided into two parts: structural complexities and dynamic-behavioral complexities. These complexities in the structural section are related to the four dimensions of integration, supply, production, and distribution complexities, and in the dynamic-behavioral complexities section, they are related to the three dimensions of supply, production, and distribution, which include a total of 31 items. The results of the quantitative data analysis also reveal that supply chain complexities affect different dimensions of Saipa Group's financial performance.

​Key Words

supply chain complexity model, on financial performance, structural complexity, dynamic and behavioral complexity, Saipa Automotive Group

 

1.Introduction

A supply chain is a complex network of business entities involved in the upstream and downstream flows of products and/or services, along with related finance and information. Supply chain management (SCM) includes the systematic and strategic coordination of these flows within and between companies in the supply chain with the aim of reducing costs, improving customer satisfaction, and gaining competitive advantage for independent companies and the entire supply chain. A supply chain that operates in a dynamic and uncertain environment is definitely a complex system with different companies, a large number and variety of relationships, processes and interactions between companies and within companies, which involve many levels of the system and a large amount of information.

2.Litrature Review

Stephen Hawking (1942-2018) argued that the 21st century would be the century of complexity. Today, VUCA factors, that is, Volatility, Uncertainty, Complexity and Ambiguity environments are becoming more and more challenging for companies to deal with. Hence, it is essential to keep these factors in mind while managing and improving organaizational performance. One of the VUCA factors is the complexity that characterizes any interconnected system and network such as a supply chain (Maka et al., 2016, Rahum et al., 2019).

3.Research methodology

In any research, the selection of data collection and analysis methods is guided by the research objectives and questions. Accordingly, to provide a model of the supply chain coomplexity within the Saipa automotive industry, in the first stage of the study, the interview method has been employed. This qualitative approach is appropriate since this research is trying to provide a complexity model and identify the most complete and relevant factor affecting the finantioal performance. In this regard, the current research is purpose-driven, with the primary audience being the scientific community and researchers. The main objective is to generate new knowledge and contribute to the understanding of supply chain complexity specifically within the Saipa automotive industry.

4.Result

Based on the results of the hypothesis test in the present research, it can be concluded that the automotive supply chain industry consists of several companies that either directly or indirectly produce both primary and secondary equipment. Every car needs different components, from the small nuts and bolts that hold the seat together with the frame, to larger parts like tires. As a result, automotive supply chains have added complexity on both the supplier and manufacturer sides. Supplier inefficiencies can be very expensive for Saipa because the industry often uses JIT production. Delayed delivery of parts or delivery of poor quality can bring the entire production line to a standstill. A high intensity of sub-dimensions of complexity is observed on the supplier side. In production, the use of continuous production lines makes it necessary that all required factors for production work well.

5.Discussion

The automotive industry has many complex suppliers. Consequently, they cannot be easily managed due to difficulties in supplier integration and ensuring traceability across levels. Supply reliability is difficult to manage, however, forecasting accuracy can be greatly improved by big data analysis. The automotive industry involves a large amount of automation, which due to machine breakdowns and changes in product design becomes an important part of the supply chain disruption. These complexities can now be easily managed through predictive maintenance and product design software.

Conflict of interest: none

 

منابع و مأخذ:

Stoner, James and Freeman, Edward (2016). Leadership and control. Translated by Seyed Mohammad Arabi and Ali Parsaian, Tehran: Business Studies and Research Institute, 9789645799098. [In Persian]
Anwar Rostami, Ali, Asghar., Rostami, M, R. (2017) "Evaluation of models and methods of valuation of companies' intellectual capitals", Accounting reviews and 51-76, (34) Audit, 10, https://sid.ir/paper/8030/fa. [In Persian]
Timouri, Ebrahim (2007), Development of supplier and distributor selection model with supply chain management perspective, Ph.D. thesis, Iran University of Science and Technology,doi: 10.22054/jims. 2022. 60801.2654. [In Persian]
Jahankhani, Ali; Parsaian, Ali (2017), "Financial Management", second volume, translated and adapted from Raymond P. Novo's book, Samt Publications. 9, 1-484. [In Persian]
Hafeznia, Mohammad Reza (2017), Introduction to Research Methodology in Humanities, Semat Publications, 15th edition, 1-346. [In Persian]
Khatami Firouzabadi, Seyyed Mohammad Ali, Elfat, Laiya, Amiri, Maqsood, Sharifi, Hamid. (2017). Supply chain complexity as a strategic asset and financial performance position. Asset Management and Financing, 6(4), 57-78. 10.22108/AMF.2018.105826.1154 [In Persian].
Khatami Firouzabadi, Seyyed Mohammad Ali and Elfat, Laiya and Amiri, Maqsood and Sharifi, Hamid (2016). Prioritization of supply chain complexity drivers using fuzzy hierarchical analysis process, 9(1), 79-102 .https://sid.ir/paper/140011/fa [In Persian].
Hemta, Nima and Akbarpour Shirazi, Mohsen and Qobadi, Shahram, 2014, Modeling and measuring structural complexity in assembly supply chain networks, 12th International Industrial Engineering Conference, Tehran.Aitken, J., Bozarth, C., & Garn, W. (2016). To eliminate or absorb supply chain complexity: a conceptual model and case study. Supply Chain Management: an International Journal, 21, 759–774. https://civilica.com/doc/516193 [In Persian].
Akın Ateş, M., Suurmond, R., Luzzini, D., & Krause, D. (2022). Order from chaos: A meta‐analysis of supply chain complexity and firm performance. Journal of Supply Chain Management, 58(1), 3-30.
Approach for prioritizing supply chain complexity drivers of an Indian mining, doi:10.1111/jscm.12264
Bentaher, C., & Rajaa, M. (2022). Supply Chain Management 4.0: A Literature Review and Research Framework. European Journal of Business and Management Research, 7(1), 117-127, doi:10.24018/ejbmr. 2022.7.1.1246.
Birkie, S. E., & Trucco, P. (2020). Do not expect others do what you should! Supply chain complexity and mitigation of the ripple effect of disruptions. International Journal of Logistics Management,31(1), 123–144. doi:10.1108/IJLM-10-2018-0273.
Calinescu, A., Efstathiou, J., HuacchoHuatuco, L. &Sivadasan, S., Classes of complexity in manufacturing, 17th National Conference on Manufacturing Research, NCMR 2001: Advances in Manufacturing Technology XV, pp. 351-356, 2001, doi:10.1007/978-3-662-53120-4_6670.
Caniato, F., & Gröβler, A. (2017). The moderating effect of product complexity on new product development and supply chain management integration. Production Planning & Control, 26, 1306–1317, doi:10.1080/09537287.2015.1027318.
Dong, Y., Skowronski, K., Song, S., Venkataraman, S., & Zou, F. (2020). Supply base innovation and firm financial performance, 66(7-8):768-796. doi:/10.1002/joom.1107.
Feldhütter, V., Steck, C., Hawer, S., & ten Hompel, M. (2017). Impacts of product-driven complexity on the success of logistics in the automotive sector. Procedia CIRP, 62, 129-134, doi: 10.1016/j.procir.2016.06.078.
Giannoccaro, I., Nair, A., & Choi, T. (2018). The impact of control and complexity on supply network performance: An empirically informed investigation using NK simulation analysis. Decision Sciences, 49(4), 625–659, doi:10.1111/deci.12293.
Hu-Chen Liu ; Xiao-Yue You(2021) Green Supply Chain Management ; Green Supplier Evaluation and Selection: Models, Methods and Applications (pp.1-11), doi:10.1007/978-981-16-0382-2.
Käki, A., Salo, A., & Talluri, S. (2015). Disruptions in supply networks: A probabilistic risk assessment approach. Journal of Business Logistics, 36(3), 273-287, doi:10.1111/jbl.12086.
Lee, G. (2023). Supply Chain Complexity and Supply Chain Resilience: a Literature Review,https://easychair,1-11.org/publications/preprint/ K4C8.
Lorentz, H., Töyli, J., Solakivi, T., & Ojala, L. (2016). The effect of a geographically dispersed supply base on downside risk: Developing and testing the N-shaped theory. International Business Review, 25(4), 872–882, doi:10.1016/j.ibusrev.2015.10.009.
Lorentz, H., Töyli, J., Solakivi, T., Hälinen, H., & Ojala, L. (2012).Effects of geographic dispersion on intrafirm supply chain performance. Supply Chain Management: an International Journal, 17,611-626, doi:10.1108/13598541211269229.
Lorentz, H., Tِyli, J., Solakivi, T., & Ojala, L. (2016). The effect of a geographically dispersed supply base on downside risk: Developing and testing the N-shaped theory. International Business Review, 25(4), 872–882, doi:10.1016/j.ibusrev.2015.10.009.
Lu, G., & Shang, G. (2017). Impact of supply base structural complexity on financial performance: Roles of visible and not-so- Visible characteristics. Journal of Operations Management, 53, 23–44.
Mack. O., A. Khare, A. Krämer, and T. Burgartz.)(2016).“Managing in VUCA World,” Springer International Publishing, 1-277. doi:10.1016/j.jom.2017.10.001.
Matthew N O Sadiku ; Kelechi Eze ; Sarhan M Musa (2018) Supply Chain Management ; International Journal of Engineering Research 7(8):137-139, doi:10.1016/j.ijpe.2009.07.002.
Mehra, N., Khurania, A., Rastogi, K., & Garg, S. K. (2021).Analysis of Supply Chain Complexity Sub-Dimensions for Automobile Industry, 11, 623-633. doi:10.1016/j.ibusrev.2015.10.010.
Pulles, N. J., Schiele, H., Veldman, J., & Hüttinger, L. (2016). The impact of customer attractiveness and supplier satisfaction on becoming a preferred customer. Industrial Marketing Management, 54,129–140, doi:10.1016/j.indmarman.2015.06.004.
Rahoum, K., & Jamouli, H. (2019). The Automotive Supply Chain Complexity Model using SysML Language. Automotive Supply, 6(12), 1578-1585. doi:10.1108/17410380510594525.

متن کامل:



Vol.19, No.74, Autumn 2025                                                                Journal of Productivity Management 

 

 

 

 

 

 

 

 

Modeling Supply Chain Complexity and its Impact on Financial Performance of Automotive Companies: A Case Study of Saipa Automotive Group

 

Ali Akbar Sasani¹, Hossein Azimi²⃰, Abdullah Nazari³

(Received:2024.03.24 - Accepted:2024.05.15 )

 

 

Abstract

Understanding and managing supply chain complexities is crucial for the survival of any organization in a competitive environment since they mainly affect the organization's performance in various dimensions. Therefore, the present study as a case study of the Saipa Automotive Group is an attempt to design a supply chain complexity model and measure its impact on the financial performance of automotive companies. Therefore, it is categorized as basic-applied research in terms of its purpose. The statistical population of the study encompass all managers and employees of the Saipa Automotive Group, of which 384 people were selected for the quantitative part and 17 Saipa automotive industry experts for the qualitative part using the Cochran formula. A questionnaire and semi-structured interviews were used to collect the quantitative and qualitative data, respectively. The data from the questionnaire were analyzed using SPSS and Smart PLS software, and the content analysis was used to analyze the data from the interviews. The results of the qualitative data analyis show that the supply chain complexities in automotive companies are divided into two parts: structural complexities and dynamic-behavioral complexities. These complexities in the structural section are related to the four dimensions of integration, supply, production, and distribution complexities, and in the dynamic-behavioral complexities section, they are related to the three dimensions of supply, production, and distribution, which include a total of 31 items. The results of the quantitative data analysis also reveal that supply chain complexities affect different dimensions of Saipa Group's financial performance.

​Key Words: supply chain complexity model, on financial performance, structural complexity, dynamic and behavioral complexity, Saipa Automotive Group

 

1.Introduction

A supply chain is a complex network of business entities involved in the upstream and downstream flows of products and/or services, along with related finance and information. Supply chain management (SCM) includes the systematic and strategic coordination of these flows within and between companies in the supply chain with the aim of reducing costs, improving customer satisfaction, and gaining competitive advantage for independent companies and the entire supply chain. A supply chain that operates in a dynamic and uncertain environment is definitely a complex system with different companies, a large number and variety of relationships, processes and interactions between companies and within companies, which involve many levels of the system and a large amount of information.

2.Litrature Review

Stephen Hawking (1942-2018) argued that the 21st century would be the century of complexity. Today, VUCA factors, that is, Volatility, Uncertainty, Complexity and Ambiguity environments are becoming more and more challenging for companies to deal with. Hence, it is essential to keep these factors in mind while managing and improving organaizational performance. One of the VUCA factors is the complexity that characterizes any interconnected system and network such as a supply chain (Maka et al., 2016, Rahum et al., 2019).

3.Research methodology

In any research, the selection of data collection and analysis methods is guided by the research objectives and questions. Accordingly, to provide a model of the supply chain coomplexity within the Saipa automotive industry, in the first stage of the study, the interview method has been employed. This qualitative approach is appropriate since this research is trying to provide a complexity model and identify the most complete and relevant factor affecting the finantioal performance. In this regard, the current research is purpose-driven, with the primary audience being the scientific community and researchers. The main objective is to generate new knowledge and contribute to the understanding of supply chain complexity specifically within the Saipa automotive industry.

4.Result

Based on the results of the hypothesis test in the present research, it can be concluded that the automotive supply chain industry consists of several companies that either directly or indirectly produce both primary and secondary equipment. Every car needs different components, from the small nuts and bolts that hold the seat together with the frame, to larger parts like tires. As a result, automotive supply chains have added complexity on both the supplier and manufacturer sides. Supplier inefficiencies can be very expensive for Saipa because the industry often uses JIT production. Delayed delivery of parts or delivery of poor quality can bring the entire production line to a standstill. A high intensity of sub-dimensions of complexity is observed on the supplier side. In production, the use of continuous production lines makes it necessary that all required factors for production work well.

5.Discussion

The automotive industry has many complex suppliers. Consequently, they cannot be easily managed due to difficulties in supplier integration and ensuring traceability across levels. Supply reliability is difficult to manage, however, forecasting accuracy can be greatly improved by big data analysis. The automotive industry involves a large amount of automation, which due to machine breakdowns and changes in product design becomes an important part of the supply chain disruption. These complexities can now be easily managed through predictive maintenance and product design software.

Conflict of interest: none

 

 

 

 

 

 

 

 

 

 

 

 

 

 

طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی (مورد مطالعه گروه خودروسازی سایپا)

 

علي اكبر ساساني⁴، حسین عظیمی*⁵، عبداله نظری⁶

(دریافت: 05/01/1403-پذیرش نهایی: 26/02/1403)

 

چکیده

شناخت و مدیریت پیچیدگی‌های زنجیرۀ تأمین برای بقای هر سازمانی در یک محیط رقابتی حیاتی است، زیرا آن‌ها عمدتاً بر عملکرد سازمان در ابعاد مختلف تأثیر می‌گذارند. از این رو پژوهش حاضر با هدف طراحی الگوی پیچیدگی زنجیرۀ تأمین و سنجش تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی به مطالعه گروه خودرو سازی سایپا پرداخته است؛ بنابراین این پژوهش از نظر هدف از نوع پژوهش های بنیادی-کاربردی می‌باشد. جامعه آماری تحقیق حاضر، کلیه مدیران و کارکنان گروه خودروساز ی سایپا می‌باشد که با استفاده از فرمول کوکران 384 نفر برای بخش کمی و 17 نفر از خبرگان صنعت خودروسازی سایپا برای بخش کیفی  انتخاب شدند. جهت گردآوری داده‌های کمی و کیفی  به ترتیب  از  روش پرسشنامه و مصاحبه نیم ساختار یافته استفاده شد. داده های حاصل از پرسشنامه با نرم افزار spss  و Smart PLS  تجزیه و تحلیل شد و برای تحلیل    داده های حاصل از مصاحبه ها نیز از روش تحلیل مضمون استفاده گردید.  یافته های کیفی این تحقیق نشان   می دهد پیچیدگی های زنجیرۀ تأمین در شرکت های خودرو سازی در دو بخش پیچیدگی‌های ساختاری و پیچیدگی‌های دینامیکی – رفتاری تقسیم می گردند؛ این پیچیدگی ها در بخش ساختاری مربوط به چهار بعد پیچیدگی های یکپارچگی، تأمین، تولید و توزیع و در بخش پیچیدگی های دینامیکی-رفتاری مربوط به سه بعد تأمین، تولید و توزیع می باشند که در مجموع شامل 31 مورد می گردند. همچنین نتایج بخش کمی نشان        می دهد پیچیدگی های زنجیرۀ تأمین بر ابعاد مختلف عملکرد مالی گروه سایپا تأثیرگذار می باشند.

 

واژه­های کلیدی: زنجیرۀ تأمین، عملکرد مالی، پیچیدگی ساختاری، پیچیدگی دینامیکی و رفتاری.

 

 

مقدمه

زنجیرۀ تأمین، شبکه پیچیده‌ای از نهادهای تجاری است که در جریان‌های بالادستی و پایین‌دستی محصولات و یا خدمات، همراه با امور مالی و اطلاعات مرتبط درگیر هستند. مدیریت زنجیرۀ تأمین (SCM) شامل هماهنگی سیستمی و استراتژیک این جریان‌ها در داخل و بین شرکت‌ها در زنجیرۀ تأمین با هدف کاهش هزینه‌ها، بهبود رضایت مشتری و کسب مزیت رقابتی برای شرکت‌های مستقل و کل زنجیرۀ تأمین است. زنجیرۀ تأمین که در یک محیط پویا و نامطمئن عمل می‌کند، قطعاً یک سیستم پیچیده با شرکت‌های مختلف، تعداد و تنوع زیاد روابط، فرآیندها و تعاملات بین شرکت‌ها و درون شرکت‌ها، فرآیندها و تعاملات پویا است که سطوح بسیاری از سیستم و حجم وسیعی از اطلاعات مورد نیاز برای کنترل این سیستم در آن دخیل هستند. پیچیدگی ذاتی در زنجیرۀ تأمین به اشکال و منشأهای مختلفی مشاهده می‌شود: پیچیدگی ایستا که مربوط به اتصال و ساختار زیرسیستم‌های درگیر در زنجیرۀ تأمین است (به عنوان مثال شرکت‌ها، عملکردها و فرآیندهای تجاری). پیچیدگی پویا، که از رفتار عملیاتی سیستم و محیط آن ناشی می‌شود.

 بیان مسأله: استیون هاوکینگ (1942-2018)  عنوان می کند که"من فکر می کنم قرن 21 قرن پیچیدگی خواهد بود." محیط های VUCA (نوسان، عدم قطعیت، پیچیدگی و ابهام)⁷ برای شرکت ها جهت مقابله با آن بیش از پیش چالش برانگیزتر می شود، از این رو ضروری است که این عوامل را در طول مدیریت و بهبود عملکرد خود در نظر داشته باشند. یکی از فاکتورهای VUCA، پیچیدگی است که هر سیستم به هم پیوسته و شبکه ای مانند زنجیرۀ تأمین را مشخص می کند (مک ا⁸ و همکاران، 2016، راحوم و همکاران⁹، 2019).

عوامل یا محرک‌های متعدد بر زنجیرۀ‌های تأمین تأثیر می‌گذارند و آنها را پیچیده‌تر و به هم مرتبط‌تر می‌کنند. محرک های پیچیدگی را می توان بر اساس ماهیتشان به کلاس ها و گروه های مختلفی طبقه بندی کرد. طبق مقاله‌ای توسط مدیرعامل اروپایی¹⁰ (2011)، محرک‌های پیچیدگی را می‌توان به شش دسته کلی طبقه‌بندی کرد: محرک‌های خارجی (قانون‌گذاری، رقابت، آشفتگی اقتصادی و سایر عوامل خارج از تجارت)؛ افراد (رفتارهای روزمره کارکنان و مدیران)؛ فرآیند (پیچیدگی فرآیندهای تجاری که در حال استفاده هستند)؛ استراتژیک (هدف ها و تصمیماتی که هیئت مدیره در مورد اینکه کجا تمرکز کند و چگونه در یک بازار خاص برنده شود می گیرد؛ سازمانی (نحوه ساختار کسب و کار، مدیریت استعداد و تصمیم گیری) و محصولات و خدمات (تعداد آنها، طراحی و ساختار پورتفولیوی شما).

در تحقیق حاضر به منظور شناسایی بحرانی ترین محرک های پیچیدگی که بر زنجیرۀ تأمین یک صنعت خاص تأثیر می گذارند، مهم است که طبقات پیچیدگی ها  به گونه ای انتخاب شوند که دامنه هر طبقه به اندازه کافی گسترده باشد تا احتمالاً ترکیبی از تمام پیچیدگی های موجود در یک صنعت را در برگیرد.

اثرات منفی می تواند به روش های مختلفی مانند افزایش هزینه های مبادله (به عنوان مثال، تولید، موجودی، تدارکات و ارتباطات)، کاهش کارایی، زمان طولانی و غیرقابل اعتماد، دشواری در دستیابی به برنامه و کیفیت محصول ناسازگار ظاهر شود (چوی و کراوس، 2006; دیتفلد و همکاران، 2018؛ لورنتس و همکاران، 2012؛ لو و شانگ، 2017؛ واچون و کلاسن، 2002). این اثرات می تواند از پیچیدگی بیرونی (بالادست و پایین دست) و درونی ناشی شود (سرداران، 2013).

در حالی که هزینه‌های مبادله افزایش می‌یابد، درجه کنترل بر پایه عرضه با افزایش پیچیدگی کاهش می‌یابد و باعث می‌شود شرکت کانونی کمتر بتواند فرصت‌طلبی بالقوه تأمین‌کننده را نظارت کند (جیانوکارو و همکاران¹¹، 2018). علاوه بر این، از دست دادن کنترل نیز می تواند در برقراری ارتباط با الزامات کیفیت و به دست آوردن ورودی های ثابت از چندین تأمین کننده مشاهده شود (لو و شانگ، 2017).

اهمیت و ضرورت انجام تحقیق:

الف) از نظر کاربردی: مدیریت مؤثر شبکه‌های زنجیرۀ تأمین به گونه‌ای که پیچیدگی سیستم بهینه شود، برای کاهش هزینه‌ها و افزایش ارزش شبکه ضروری است (سان و همکاران 2015). بنابراین، ادغام مدیریت پیچیدگی در مدیریت زنجیرۀ تأمین یک اقدام ضروری است. قبل از بررسی رویکردهای مدیریت پیچیدگی در زنجیرۀ تأمین، توصیف پیچیدگی زنجیرۀ تأمین و بحث در مورد عوامل محرک آن بسیار مهم است. 

در نهایت، این مطالعه ممکن است "پایه‌ای برای تصمیم‌گیری صحیح در مورد انتخاب و استفاده از عوامل کاهش دهنده این پیچیدگی‌ها و هزینه‌های آن ارائه دهد. این مطالعه اولین مطالعه تجربی در مورد پیچیدگی‌های زنجیرۀ تأمین در صنعت خودروسازی انجام شده توسط مربیان را در داخل کشور و در صنعت خودروسازی ارائه می‌دهد. این مطالعه عوامل محرک این پیچیدگی‌ها را مدون و دسته بندی خواهدکرد. سپس یافته‌ها در چارچوب یک مدل برای کاهش پیچیدگی‌های زنجیرۀ تأمین در صنعت خودروسازی گروه سایپا را ارائه خواهد داد.

ب) از نظر علمی: نیاز به شناسایی پیچیدگی‌های زنجیرۀ تأمین خودروسازی در کشورمان به عنوان ابزاری برای حفظ فرآیندهای کاری و کاهش پیچیدگی‌ها، در دید و در مسیر مشخص ظاهر شده است. این نقش در جلوگیری از مشکلات بسیار مهم است زیرا سایر ذینفعان، زمان و توجهی برای پیش بینی و شناسایی این پیچیدگی‌ها ندارند.

نتایج این تحقیق همچنین می‌تواند مدیران و متخصصان این صنعت را در مورد مدیریت پیچیدگی‌های زنجیرۀ تأمین صنعت خودروسازی آگاه کند، که به نوبه خود می‌تواند الگوی خوبی را برای کاهش پیچیدگی‌های زنجیرۀ تأمین صنعت خودروسازی ارائه کند.

بنابراین تحقیق حاضر به دنبال طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی در گروه خودروسازی سایپا می‌باشد.

عملکرد مالی عبارت است از اندازه‌گیری پولی نتایج فرایندها و عملیات شرکت مانند بازگشت سهام، دارایی، سرمایه گذاری و غیره (احمد خان و همکاران¹²، 2012). قبل از هرچیز باید اهداف قابل اجرا برای شرکت به خوبی تعریف شده باشد تا مدیر مالی بتواند وظایف معیّنی را برای تحقق اهداف از پیش تعیین شده دنبال کند.

ارزیابی عملکرد شرکتها بخش عمدهای از مباحث حسابداری، مدیریت و اقتصاد را تشکیل    می دهد. ارزیابی عملکرد یعنی اندازه گیری این موضوع که شرکت تا چه حدی به اهداف تعیین شده در برنامه های خود دست یافته است. نتیجه حاصل شده از ارزیابی عملکرد، ابزاری برای پیش بینی برنامه های آتی و نیز بهبود نقاط قوت و برطرف کردن نقاط ضعف می باشد. روشهای متعددی برای ارزیابی عملکرد وجود دارد که به طور کلی می توان آنها را به دو دسته مدلهای حسابداری و مدلهای اقتصادی تقسیم کرد.

کارایی هزینه، اصطلاح کارایی معادل فارسی واژه انگلیسی "Efficiency " است. تاریخ و نحوه ورود این لغت به قلمرو ادبیات اقتصادی چندان روشن نیست، اما می توان حدس زد از زمان آدام اسمیت، پدر علم اقتصاد مفهوم کارایی وجود داشته است كارايي یک مفهوم نسبی است و مقایسه بین عملکرد واقعی و عملکرد ایده آل است.

رابطه بين عملكرد مالي و زنجيره تأمين، عملیات مدیریت زنجیرۀ تأمین پایدار به يک مسأله کلیدی در سالهای اخیر تبديل شده است. درحالیکه تفاسیر مختلفی از پايداری وجود دارد، يک مفهوم اساسی میان تمام تفاسیر به چشم می خورد و آن هم رويکرد سه گانه پايداری يعنی اقتصادی، محیط زيستی و اجتماعی است. با اين ديدگاه در زنجیرۀ تأمین پايدار، معیارهای مالي  بايد توسط اعضای زنجیرۀ تأمین رعايت گردند.

زنجیرۀ تأمین، یک سیستم پیچیده شامل تعاملات و تغییرات متعدد بین بسیاری از اجزای مختلف است. برای زنجیرۀ تأمین، پیچیدگی به عنوان تنوع و عدم قطعیت مرتبط با یک سیستم تعریف می‌شود(لادی من و همکاران¹³، 2012).

عدم قطعیت ناشی از زمان‌های تأمین کننده نامعتبر و تعویض تأمین کننده بیشتر به این پیچیدگی کمک می‌کند. پیچیدگی زنجیرۀ تأمین یکی از مبرم ترین مسائل برای زنجیرۀ تأمین معاصر در نظر گرفته می‌شود. بنابراین، بینش‌های اخیر عملا نشان می‌دهد که متخصصان زنجیرۀ تأمین را با «مشکل» پیچیدگی مرتبط می‌دانند و هدفشان کاهش خطرات آن است(آکین ملک و همکاران¹⁴، 2021). 

ماهیت پیچیدۀ زنجیرۀ تأمین به دشواری مدیریت زنجیرۀ تأمین می‌افزاید، به طوری که تقریباً منطقی است که بگوییم مدیریت زنجیرۀ تأمین در مورد مدیریت پیچیدگی زنجیرۀ تأمین است. اگرچه مشکلات خاصی در مواجهه با پیچیدگی در زنجیرۀ تأمین وجود دارد، مطالعات متعدد نشان می‌دهد که مدیریت پیچیدگی منجر به دستیابی به عملکرد بهتر زنجیرۀ تأمین می‌شود(بلکر و همکاران¹⁵، 2004، کا پی ام جی¹⁶، 2011، سیدا سیدارتان¹⁷، 2013).

براى مدیریت مؤثر زنجیرۀ تأمین ضرورى است که تأمین کنندگان و مشتریان با یکدیگر و در یک روش هماهنگ و با شراکت و ارتباطات اطلاعاتى و گفت و گو با یکدیگر کار کنند. این امر یعنى جریان سریع اطلاعات در میان مشتریان و عرضه کنندگان، مراکز توزیع و سیستم‌هاى حمل و نقل که بعضى از شرکت‌ها را قادر مى سازد که زنجیرۀ‌هاى عرضه بسیارکارایى را ایجاد کنند(براون، ترجمه غضنفری و صغیری،1398). علاوه بر آن عرضه‌کنندگان و مشتریان باید در طراحى زنجیرۀ تأمین براى دستیابى به اهداف مشترک‌ و تسهیل ارتباطات و جریان اطلاعات با یکدیگر شریک شوند. بعضى شرکت‌ها کوشش مى‌کنند تا کنترل زنجیرۀ تأمین خود را با کنترل عمومى با استفاده از مالکیت و یکپارچگى تمام اجزاى مختلف در امتداد زنجیرۀ تأمین از تهیه مواد و خدمات تا تحویل محصول نهایى و خدمت به مشترى به دست آورند.

مدیریت پیچیدگی مؤثر نیز می‌تواند به افزایش قابل توجه درآمد قبل از بهره ‌و مالیات یک سازمان کمک کند. اولین قدم ضروری برای مدیریت مؤثر زنجیرۀ تأمین، شناسایی و بازرسی محرک‌های پیچیدگی‌های مختلف زنجیرۀ تأمین صنعت خودروسازی است. پیچیدگی زنجیرۀ تأمین می‌تواند به دلیل عوامل متعددی مانند: غیرخطی بودن، افزایش تعاملات یا سیستم‌های نامتقارن ایجاد شود (هرنشاو و ویلسون 2013). 

مدیریت زنجیرۀ تأمین بر پایه اعتماد و تعهد ساخته می‌شود. توافق نظر در این است که اعتمـاد و اطمینان می‌تواند به ‌طور قابل ملاحظه‌ای به ثبات بلندمدت یک سازمان کمک کند. اعتماد به‌ طور ساده اعتقادی در شرکت است که شریک زنجیرۀ تأمین شرکت به شیوه‌ای سازگار عمل خواهد کرد و آنچه کــه شرکت می‌گوید انجام دهد، شریک آن کار را انجام می‌دهد‏. تعهد عبارت است از اعتقادی که شرکای تجاری تمایل دارند برای حفظ کردن این رابطه انرژی اختصاص دهند؛ یعنی ازطریق تعهد شرکای متعهد منابعی برای حفظ کردن و پیشرفت اهداف زنجیرۀ تأمین اختصاص می‌یابد. برای مثال شرکای زنجیرۀ تأمین نه تمایل دارند که اطلاعات در مورد طرح‌ها‏ و برنامــه‌های آینده را به اشتراک بگذارند و همین‌ طور اطلاعات در مورد نیروهای رقابتی و تحقیق و توسعه¹⁸شرکا تشخیص داده‌اند که موفقیت بلندمدت آن‌ها به قوی بودن ضعیف ترین شریک زنجیرۀ تأمین خودشان وابسته است(براون، ترجمه غضنفری و صغیری،1398). 

مهرا و همکاران¹⁹(2021)، تحقیقی با عنوان" تجزیه و تحلیل زیر ابعاد پیچیدگی زنجیرۀ تأمین برای صنعت خودرو انجام دادند. آن‌ها عنوان کردند: متون زیادی وجود دارد که مدیریت پیچیدگی را در زنجیرۀ تأمین توضیح می‌دهد. بخش عمده‌ای از این ادبیات، پارامترهای متعددی را برای ابداع تکنیک‌های مدیریت در نظر می‌گیرد. با این حال، پارامترهای متعددی از این قبیل مستقیماً بر نتیجه تأثیر نمی‌گذارند و ترکیب آن‌ها می‌تواند تحلیل‌ها را بیش از حد پیچیده کند. بیشتر علل ناکارآمدی زنجیرۀ تأمین به دلیل به هم پیوستگی و وابستگی متقابل در ساختار، فرآیندها و محیط زنجیرۀ تأمین است.

یکی از راهکارهایی که می‌توان برای رفع این مشکل استفاده کرد، استفاده از بهترین تجربیات صنایع پیچیده در جهان در این زمینه است. شرکت‌هایی که توانسته‌اند به خوبی بر این چالش‌ها فائق آیند و در بحث راهبرد زنجیرۀ تأمین و مدیریت شبکه همکاران رویکردهای نوینی را در پیش بگیرند و علاوه بر کاهش هزینه‌های مالی، زمان و هزینه توسعه را نیز کاهش داده و از شبکه همکاران قوی و وفادار بهترین بهره‌را ببرند. در این راستا با استفاده از روش اکتشافی به بررسی رویکرد­های شرکت‌های بزرگ در این زمینه مانند تویوتا، بوئینگ، ایرباس، امبرائر پرداخته شد.

شکاف تحقیق، در این تحقیق پیچیدگی ترکیبی زنجیرۀ تأمین خودروسازی در شرکت سایپا مدل‌سازی و ریشه های ساختاری، رفتاری، دینامیکی این نوع پیچیدگی ترکیبی مورد مطالعه قرار   می گیرد. با توجه به وجود خلاء تحقیقاتی تحقیق حاضر ارائه روابط بین اجزای فرعی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی ارائه می شود.

هدف پژوهش حاضر، خلق دانش جدید و فراهم آوردن دانشی جدید از پیچیدگی زنجیرۀ تأمین در صنعت خودروسازی سایپا می‌باشد و در بخش دوم این تحقیق که به دنبال بررسی تأثیر پیچیدگی زنجیرۀ تأمین بر عملکرد مالی در صنعت خودروسازی سایپا می‌باشد.

 

ابزار و روش

در هر پژوهشی، روش منتخب برای جمع آوری داده‌ها و تحلیل آن‌ها منتج از اهداف و پرسش‌های پژوهش می‌باشد؛ بنابراین برای ارائۀ یک الگو از پیچیدگی زنجیرۀ تأمین در صنعت خودروسازی سایپا در مرحله اول پژوهش، روش تحقیق به كار گرفته شده روش مصاحبه است. از آنجا كه این تحقیق در تلاش برای ارائه الگو می‌باشد و هدف از این روش آن است كه کاملترین عوامل جهت مدل­سازی شناسایی می‌شود.

در این خصوص پژوهش حاضر بر اساس هدف، با توجه به این که مخاطب اولیه این پژوهش جامعه علمی و پژوهشگران می‌باشند و هدف از انجام آن خلق دانش جدید و فراهم آوردن دانشی جدید از پیچیدگی زنجیرۀ تأمین در صنعت خودروسازی سایپا می‌باشد. و در بخش دوم این تحقیق که به دنبال بررسی تأثیر پیچیدگی زنجیرۀ تأمین بر عملکرد مالی در صنعت خودروسازی سایپا می‌باشد که در این بخش از نوع تحقیقات کاربردی می‌باشد؛ همچنین بر اساس ماهیت و روش با توجه به اینكه محقق قصد دستكاری داده‌ها را نداشته و وضعیت موجود را مطالعه می‌كند، از انواع تحقیقات توصیفی و غیر آزمایشی محسوب می‌شود. نهایتاً این تحقیق از لحاظ نحوه گردآوری داده‌ها به وسیله مصاحبه است که با روش میدانی داده‌ها جمع آوری خواهد شد؛ همچنین با توجه به سؤال اصلی تحقیق، مطالعه حاضر در چارچوب پارادایم تحقیق تفسیری تنظیم شده است؛ بدین معنی که محقق برای ارائه یک الگو از پیچیدگی زنجیرۀ تأمین در صنعت خودروسازی باید از نظرات و دیدگاه‌های خبرگان صنعت خودروسازی به عنوان بخشی از فرایند تحقیق استفاده کند لذا پارادایم کیفی فرصت مناسبی برای این مطالعه به شمار می‌رود. این تحقیق با ایجاد یک چارچوب نظری، آغاز و مراحل تدوین سؤالات طی می‌شود و برای رسیدن به پاسخ، نسبت به جمع آوری داده‌ها اقدام می‌گردد، سپس این داده‌ها، تحلیل شده و در پایان استنتاج منطقی از نتایج، بررسی به عمل می‌آید.

در بعد کمی، جامعه آماری تحقیق حاضر کلیه مدیران و کارکنان گروه خودروسازی سایپا می‌باشد که به تعداد 50000 نفر می‌باشند که با استفاده از فرمول کوکران 384 نفر برای بخش کمی و 17 نفر از خبرگان صنعت خودروسازی سایپا برای بخش کیفی انتخاب شدند. جهت گردآوری داده‌ها ابتدا از روش تحلیل مضمون به وسیله مصاحبه استفاده شد بعد تأیید سؤالات بوسیله تحلیل عامل تأییدی پرسشنامه جهت انجام بخش کمی تحقیق استفاده شد. برای تعیین روایی پرسشنامه از روایی محتوا استفاده شد و پس از تدوین پرسشنامه نهایی جهت تعیین روایی محتوا، از تخصص استادان دانشگاه و خبرگان استفاده گردید که پرسشنامه‌ها مورد تأیید واقع شدند. جهت تجزیه و تحلیل داده‌ها در بخش کیفی از روش مصاحبه و کدگذاری دستی استفاده شد و در بخش کمی از نرم افزار اسمارت (­PLS و SPSS ) شامل آزمون‌های تحلیل عامل تأییدی و معادلات ساختاری به روش تحلیل مسیر استفاده شده است.

 

فرضیات و سؤالات پژوهش

با توجه به اینکه این پژوهش به روش کیفی و مبتنی بر پژوهش اکتشافی انجام شده است، لذا در بخش کیفی فرضیه‌ای مطرح نشده است. در نتیجه تحقیق حاضر به سؤالات زیر پاسخ می‌دهد:

 

1) پیچیدگی ساختاری زنجیرۀ تأمین گروه خودروسازی سایپا کدامند؟

2) پیچیدگی دینامیکی و رفتاری زنجیرۀ تأمین گروه خودروسازی سایپا کدامند؟

3) میزان تأثیر پیچیدگی ساختاری بر عملکرد مالی شرکت تأثیر چقدر است؟

4) میزان تأثیر پیچیدگی دینامیکی و رفتاری بر عملکرد مالی شرکت چقدر است؟

 

یافته‌های توصیفی

در اين پژوهش، ویژگی‌های جمعیت شناختی مصاحبه‌شوندگان به شرح جدول ذیل می باشد.

 

جدول (1) ویژگی‌های عمومی و جمعیت‌شناختی مشارکت‌کنندگان در مصاحبه

Table (1) General and demographic characteristics of interview participants

درصد Percent	فراوانی Abundance	توضیحات Description	متغیر Variable
0/71	12	مرد Man	جنسیت gender
0/29	5	زن Female
0/35	6	3۱ تا 40 سال 31 to 40 years	سن Age
0/41	7	41 تا 50 سال 41 to 50 years
0/23	4	بالای 50 سال Over 50 years old
0/23	4	کارشناسی Masters	تحصیلات educaion
0/53	9	کارشناسی ارشد Masters
0/23	4	دکتری P.H.D
0/35	6	5 الی 10 سال 5 to 10 years	سابقه کاری Work Experience
0/47	8	11 الی 15 سال 11 to 15 years
0/17	3	بالای 16 سال Above 16 years

              

نتایج جدول فوق، نشان می‌دهد71 درصد از پاسخگویان، مرد و29 درصد پاسخگویان، زن بوده‌اند. متغیرهای دوم و سوم مربوط به سن و تحصیلات پاسخگویان می‌باشد که بیشترین رده سنی مربوط به 41 تا 50 است که مقدار آن 41 درصد می‌باشد. متغیر مربوط به تحصیلات را گروه کارشناسی ارشد با53 درصد تشکیل می‌دهند و 86 درصد را افراد دارای مدرک کارشناسی ارشد و دکتری تشکیل می‌دهند. برای متغیر سابقه کاری می‌توان گفت که  47درصد پاسخگویان دارای سابقه کار بین 11تا 15سال، 35درصد پاسخگویان دارای سابقه بین 5 تا 10 سال و 17 درصد از آنان بالای 16 سال سابقه کاری دارند.

یافته‌های کیفی

هدف از کدگذاری، تسهیل حفظ مدیریت و کیفیت داده‌ها است. کدگذاری را قلب گراند تئوری خوانده‌اند (کوربین و اشتراووس، 1394).

کدگذاری باز: کدگذاری باز یا سطح اول کدگذاری که آن را کدگذاری مبنا نیز می‌خوانند اولین مرحله‌ی تجزیه و تحلیل و شکستن اولیۀ داده‌هاست. (دانایی‌فرد و امامی، 1392).

کدگذاری محوری: کدگذاری محوری، تعیین الگوهای موجود در داده‌ها را شامل می‌شود. در این مرحله، مقولات محوری و فرعی پژوهش در یک مدل نمایش داده می‌شوند.(کوربین و اشتراووس، 1394).

کدگذاری انتخابی: در مرحله کدگذاری انتخابی، مقولات به مقوله مرکزی مرتبط می‌شوند و نظریه را شکل می‌دهند.

شرایط علّی: مقوله‌هایی (شرایطی) هستند که بر مقوله اصلی تأثیر‌ می‌گذارند و به وقوع یا گسترش پدیده مورد نظر می‌انجامد. (کوربین و اشتراووس، 1394).

شرایط زمینه‌ای: مجموعه خاصی از شرایط که در یک زمان و مکان خاص جمع می‌شوند تا مجموعۀ اوضاع و احوال یا مسائلی را به‌وجود آورند که اشخاص با عمل خود به آنها پاسخ می‌دهند (کوربین و اشتراووس، 1394).

مقوله اصلی (محوری): در واقع هسته مورد مطالعه است که در این رساله « طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی سایپا» است (کوربین و اشتراووس، 1394).

شرایط مداخله‌گر: شرایط ساختاری که به پدیدها تعلق دارند و بر راهبردهای کنش و واکنش اثر می‌گذارند. آنها راهبردها را در درون زمینۀ خاصی سهولت می‌بخشند و یا آنها را محدود و مقید می‌کنند (کوربین و اشتراووس، 1394).

راهبردها: راهبردها مبتنی بر کنش‌ها و واکنش‌هایی برای کنترل، اداره و برخورد با پدیده مورد نظر هستند. راهبردها مقصود داشته، هدفمند هستند و به‌دلیلی صورت می‌گیرند (کوربین و اشتراووس، 1394).

پیامدها: نتایجی که بر اثر راهبردها پدیدار می‌شود. پیامدها نتایج و حاصل کنش‌ها و واکنش‌ها هستند (کوربین و اشتراووس، 1394).

در این پژوهش نتایج حاصل از تجزيه و تحليل داده‌هاي پژوهش طی سه مرحله کدگذاری شدند. در این راستا، مقوله‌های کلان، مقوله‌های اصلی و فرعی استخراجی از داده‌های پژوهش (مصاحبه‌ها) مورد تجزیه و تحلیل قرار گرفت. با توجه به مفهوم «طراحی الگوی پیچیدگی زنجیرۀ تأمین» از نگاه مشارکت‌کنندگان (خبرگان)، طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی سایپا در قالب الگوی پارادایمی که دربرگیرنده شرایط علی، شرایط زمینه‌ای و شرایط مداخله‌گر، راهبردها و پیامدها است، ارائه گردید. همچنین در بخش کمی با پرسشنامه است. ابزار گردآوري اطلاعات، پرسشنامه و استفاده از نمونه‌‌گیری تصادفی ساده به تعداد 384 نمونه آماری می‌باشد و روش تجزیه و تحلیل اطلاعات و داده‌ها و آزمون فرضیات با استفاده از معادلات ساختاری و نرم افزار PLS است. از طرفی در پژوهش حاضر برای اطمینان از قابل قبول بودن، یافته‌های پژوهش، پس از اتمام هر مصاحبه، به مصاحبه شوندگان که خود خبرگان و افراد مطلع در موضوع بودند، ارائه می‌شد و درباره اجزای آن بحث و تبادل نظر صورت می‌گرفت. در این پژوهش، برای معیار مقبولیت جهت ارتقای دقت علمی و روایی و پایایی، از موارد زیر استفاده شده است: حساسیت پژوهشگر در انسجام روش‎شناسی، متناسب‎نمودن نمونه، تکرار شدن یک یافته و استفاده از بازخورد مطلعان. به منظور اعتبار یافته‌ها نتایج تحلیل و کدگذاری در اختیار 17 نفر از مشارکت‌کنندگان قرار گرفت و نظر آنها پیرامون کدهای استخراجی و برچسب‌های مفهومی با محتوای داده‌ها از متن داده‌ها اخذ گردید. دستیابی به اشباع نظری (عدم اضافه شدن مفاهیم و مقوله‌های جدید داده‌ها گردآوری شده و نهایتا در مصاحبه‌های آخر) گواهی بر اعتبار یافته‌های پژوهش است (دانایی‌فرد و امامی، 1392).

در این پژوهش جهت کدگذاری، بعد از انجام مصاحبه ها، مصاحبه ها مکتوب شدند و بعد از بررسی و بازخوانی، مفاهیم استخراج شدند با توجه به ماهیت نظریه داده بنیاد و شیوه انجام آن، در این پژوهش برای هر گزاره که مفاهیم مصاحبه شوندگان را شامل می شد، یك کد اختصاص داده شده است. سعی شده تا انتخاب کدها در عین دقت با هدف تبیین موضوع پژوهش صورت پذیرد و کدگذاری تا حد امکان با مشاوره مصاحبه شوندگان انجام شود. در این مرحله، هدف، ایجاد مجموعه سازمان یافته­ای از کدها و مفاهیم اولیه است که نتیجه بررسی دقیق و تفصیلی گزاره­های هر مصاحبه است. با توجه به مصاحبه­های انجام شده با خبرگان در این پژوهش مصاحبه­ها با استفاده از تحلیل محتوای سطر به سطر، عبارت به عبارت و مفهوم کلی بررسی، مفهوم­پردازی، مقوله­بندی و بر اساس تشابه، مفهوم و اشتراکات بین کدهای باز، مفاهیم و مقولات مشخص شدند. در این مرحله 131 کد و مفهوم شناسایی و طبقه­بندی شده و مقوله­های کلان شکل گرفتند. در نهایت، مرحله نهایی کدگذاری به پیامدها به برون داده‌ها يا نتايج كنش/ كنش متقابل اشاره مي‌كنند که در این پژوهش از نظر خبرگان پیامدهای « طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی سایپا» که در جدول (2) بیان شده است وقتی اهمیت دارد و می‌توان به آن اتکا کرد که در درجه پیچیدگی زنجیرۀ تأمین و عملکرد مالی و وظايفي را خدشه‌دار ‌نکند و دوم بین فعالیت‌های آنها توازن و تعادل برقرار شود. بنابراین پیامدها با توجه به موارد ذکر شده به شرح جدول ذیل می‌باشد:

 

جدول (2)کدگذاری باز و شرایط مربوط به پیامدها

Table (2) open coding and conditions related to outcomes

(source: researcher's findings(

ردیف Row	مقوله‌های اصلی The main components	مقوله‌های فرعی Subcategories	مفاهیم concepts
1	پیچیدگی‌های ساختاری	تأمین	تعداد زیاد تأمین کنندگان
2			فاصله جعرافیایی بین تأمین کننده و کارخانه تولید
3			تعداد قطعاتی که باید خریداری شود
4			کارایی لجستیک
5			طبقه‌بندی تأمین کنندگان
6		تولید	نوع سیستم تولید
7			تعداد عملیات (زمان ساخت)
8			گسترش جعرافیایی بین کارخانه‌های تولیدی مختلف
9			تنوع محصول
10			تعداد کارخانه‌های تولیدی و خطوط تولید
11		توزیع	تعداد خرده فروشان
12			نوع کانال توزیع
13			تعداد کانال‌های توزیع
14			گسترش جعرافیایی توزیع کنندگان
15			درجه سفارشی سازی مورد نیاز توسط توزیع کنندگان
16	پیچیدگی‌های دینامیکی و رفتاری	تأمین	قابلیت اطمینان تأمین کنندگان
17			استحکام لجستیک تأمین
18			دقت پیش بینی
19			سیاست تدارکات
20			رهبری نامطمئن زمان
21		تولید	محیط شرکت
22			تغییرات تکنولوژیکی و نوآوری
23			خرابی ماشین آلات
24			تغییرات طراحی محصولات
25			تولید مدل‌های ترکیبی از خودروها
26			ساخته شده برای انیار و ساخته شده برای سفارش
27		توزیع	حجم سفارش‌های دریافتی
28			سقوط توزیع کننده
29			استحکام لجستیک توزیع
30			تغییر ترجیحات مشتری (نوسانات تقاضا)
31		یکپارچه سازی	داده‌های بزرگ
32			تجارت الکترونیک
33			قدمت و دقت اطلاعات

 

با توجه به جدول فوق، پیامدهای حاصل از طراحی الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی سایپا شامل مقولات اصلی مزیت رقابتی و دقت پیش بینی و قابلیت اطمینان تأمین­کنندگان است که می‌تواند برای سازمان‌ها، افراد و جامعه مفید واقع شود.

- کدگذاری انتخابی: سومین مرحله‌ کدگذاری در روش گراندد تئوری، کد گذاری انتخابی است. اين روش عبارت است از فراگردِ انتخابِ دسته‌بندی اصلی، مرتبط کردن سیستماتیک آن با ديگر دسته‌بندی‌ها، تأيید اعتبار اين روابط و تکمیل دسته‌بندی‌هايی که نیاز به اصلاح و توسعه بیشتری دارند (دانایی‌فرد و امامی، 1392). در اين پژوهش با در نظر داشتن مطالعات اولیه و نظرات مصاحبه شوندگان و تحلیل داده‌های گردآوری شده توسط روش نظریه پردازی داده بنیاد الگوی پیشنهادی که طی احصای مفاهیم اصلی حاصل شده بود در شکل زیر ترسیم شد. 

 

 

شکل (1) الگوی پیشنهادی پژوهش (منبع: یافته های محقق)

Figure (1) of the proposed research model (source: researcher's findings(

 

تحلیل عامل تأییدی سؤالات تحقیق:

ارزیابی مدل‌های اندازه‌گیری

تخمین مدل، معیارهای تجربی روابط بین معرف‌ها و ساختارها (مدل‌های اندازه‌گیری) و همچنین بین ساختارها (مدل ساختاری) را فراهم می‌کند. این معیارها ما را قادر می‌سازد تا داده‌های نمونه را با مقایسه اندازه‌گیری نظری و مدل‌های ساختاری با واقعیت نمایش دهیم؛ به عبارت دیگر، می‌توان تعیین کرد که نظریه تا چه اندازه با داده‌ها مرتبط است. برخلاف CB-SEM، یک معیار مناسب منحصر به فرد برای PLS-SEM در دسترس نیست. در این زمینه، مهم است که بدانیم برازش معانی مختلفی برای CB-SEM و PLS-SEM دارد. آمار برازش برای CB-SEM از تفاوت بین ماتریس‌های کوواریانس تجربی و ضمنی مدل (تئوری)، در حالی که PLS-SEM از تفاوت بین مقادیر مشاهده‌شده (برای متغیرهای صریح) یا تقریبی (برای متغیرهای صریح) به دست می‌آید. (متغیرهای پنهان) متغیرها و مقادیر وابسته. پیش بینی توسط مدل مورد نظر متمرکز می‌شود. در نتیجه، محققان PLS-SEM معیارهایی را ذکر می‌کنند که قابلیت‌های پیش بینی مدل را برای قضاوت در مورد کیفیت مدل نشان می‌دهد. به طور خاص، ارزیابی نتایج مدل‌های اندازه‌گیری و ساختاری در PLS-SEM بر اساس مجموعه‌ای از معیارهای ارزیابی ناپارامتریک است و از رویه‌هایی مانند راه‌اندازی و چشم‌پوشی استفاده می‌کند. همانطور که در جدول 5 نشان داده شده است، اعمال اصولی این معیارها از یک فرآیند دو مرحله ای پیروی می‌کند. این فرآیند شامل ارزیابی جداگانه مدل‌های اندازه‌گیری و مدل‌های ساختاری است. در ابتدا، اندازه‌گیری مدل بر مدل‌های اندازه‌گیری متمرکز بود. بررسی تخمین‌های PLS-SEM محققان را قادر می‌سازد تا قابلیت اطمینان و اعتبار معیارهای ساختاری را ارزیابی کنند. بنابراین، پایایی شرط لازم برای روایی است. البته ارزیابی این مدل‌ها شامل پایایی ترکیبی برای ارزیابی سازگاری داخلی، قابلیت اطمینان هر معرف و میانگین واریانس استخراج شده (AVE) برای ارزیابی اعتبار همگرا است. علاوه بر این، معیار Fornell-Larker و بارهای عرضی برای ارزیابی اعتبار دیفرانسیل استفاده می‌شود. در ادامه به معیارهای ارزیابی مدل‌های اندازه‌گیری بازتابی پرداخته می‌شود.

در نهایت بررسی پایایی مدل تحقیق از روش های آماره پایایی شاخص که شامل بارهای عاملی، آلفای کرونباخ و پایایی ترکیبی و یا اشتراکی است انجام شد وپایایی مدل­های­ تحقیق از نظر ضرایب پایایی مرکب سازه‌های پژوهش، پایایی ترکیبی یا اشتراکی و آلفای کرونباخ از حیث بارها و سازگاری بیرونی و درونی معنی دار بوده است و از نظر روایی همگرا، معیاری است که در آن یک معیار با معیارهای جایگزین از همان ساختار همبستگی مثبت دارد. با استفاده از مدل نمونه‌گیری دامنه، بازتاب‌های ساختار بازتابی به روش‌های مختلف برای اندازه‌گیری یک ساختار استفاده می‌شود در این تحقیق برای عملکرد مالی شرکت، پیچیدگی ساختاری و پیچیدگی دینامیکی و رفتاری بالای 5/0 بوده و بیانگر مقدار قابل قبول برای پذیرش برازش مدل‌های اندازه‌گیری بر حسب ضریب آلفای کرونباخ بالای 0.7 است. نتایج نشان می‌دهد که برای تمامی سازه‌ها این مقدار بالاتر از مقدار قابل قبول است. همچنین مقدار پایایی ترکیبی باید بالای 0.7 باشد و این مقدار همیشه کمی بیشتر از ضریب آلفای کرونباخ است. مقدار این آمار نیز در محدوده قابل قبول خود قرار دارد. در نهایت شاخص میانگین واریانس استخراج شده را داریم که آن هم بالای 0.5 است.

در نهایت، معیار Fornell-Larker و بارهای عرضی امکان کنترل اعتبار تفاضلی را فراهم می‌کند. با توجه به این معیار، ریشه دوم میانگین مقدار واریانس استخراج شده (AVE) هر سازه باید بیشتر از بیشترین همبستگی سازه با سایر سازه‌های مدل باشد (این مفهوم مشابه مقایسه مقدار میانگین واریانس استخراج شده است. (AVE) با توان درجه دوم سازه‌ها). جدول زیر ارزیابی معیار فورنل-لارکر برای اعتبار افتراقی مدل تحقیق را نشان می‌دهد.

 

جدول (3) معیار فورنل-لارکر

Table (3) Fornell-Larker criterion

	عملکرد مالی شرکت Financial performance of the company	پیچیدگی ساختاری Structural complexity	پیچیدگی دینامیکی و رفتاری Dynamic and behavioral complexity
عملکرد مالی شرکت Financial performance of the company	0/858
پیچیدگی ساختاری Structural complexity	0/946	0/832
پیچیدگی دینامیکی و رفتاری Dynamic and behavioral complexity	0/933	0/906	0/802

 

حاصل جذر میانگین واریانس استخراج شده (AVE) روی عناصر قطری و همبستگی میان سازه‌ها در ذیل آن‌ها آمده است. به طور کلی، ریشه دوم AVE برای سازه‌های انعکاسی همه آن‌ها بیشتر از همبستگی این ساختار با سایر متغیرهای پنهان در مدل مسیر هستند. به طور کلی، معیار فورنل-لارکر شواهدی برای اعتبار افتراقی سازه‌ها ارائه می‌دهد. در این بخش با توجه به یافته‌های آماری برازش مدل‌های اندازه‌گیری از نظر پایایی شاخص، روایی همگرا و روایی واگرا ارائه شد.

 

آمار استنباطی 

 شاخص نیکویی برازش

هنسلر و سرستاد (2012) اخیراً سودمندی مفهومی و تجربی این شاخص را به چالش کشیده اند. مطالعه آن‌ها نشان می‌دهد که GOF تناسب خوبی برای PLS-SEM ارائه نمی دهد. به طور خاص، GOF، بر خلاف معیار برازش CB-SEM، توانایی جدا کردن مدل‌های معتبر از مدل‌های نامعتبر را ندارد. از آنجایی که GOF نمی‌تواند برای مدل‌های اندازه‌گیری رشدی مورد استفاده قرار‌گیرد و نسبت به تلاش برای دست‌کم زدن به پارامترها هشدار نمی‌دهد و جریمه‌ای برای آن‌ها اعمال نمی‌کند، محققان استفاده از این معیار را توصیه نمی‌کنند (آذر، غلام‌زاده، 1395). به طور کلی هنگام استفاده از Smart PLS نسخه 3 دو نشانگر تناسب مدل داریم که یکی از آن‌ها SRMR است که باید کمتر از 0.08 باشد. اگر مقدار این شاخص کمتر از 0.08 باشد، برازش قابل قبولی حاصل می‌شود. در پژوهش حاضر این مقدار برابر با 063/0 بوده و از مقدار 08/0 کمتر است. باتوجه به مورد قبول بودن این شاخص، می‌توانم ادعا کنم که مدل پژوهش حاضر دارای برازش بسیار مناسب است. پس از تحلیل برازش مدل‌های اندازه‌گیری و ساختاری و در نهایت برازش مدل کلی اجازه پیدا می‌کنیم که به اثبات و رد فرضیه‌های پژوهش بپردازیم.

 

تحلیل نتایج سؤالات تحقیق

در پژوهش حاضر به منظور آزمون فرضیه­ها از تجزیه و تحلیل حداقل مربعات جزئی استفاده شده است. تجزیه و تحلیل حداقل مربعات جزئی، تکنیکی چند متغیره است که متغیرهای مکنون غیرقابل مشاهده را از طریق شاخص­های مختلف و بررسی مسیر بین این متغیرهای مکنون، تخمین می­زند. تجزیه و تحلیل مبتنی برحداقل مربعات جزئی، نیازی به فرض نرمال بودن توزیع داده­ها و حجم بزرگ نمونه ندارد. همچنین در مواردی که سازه­ها توسط شاخص­های تکوینی سنجیده      می­شوند، حداقل مربعات جزئی روش مناسب تری برای تجزیه و تحلیل داده­ها می­باشد. دلیل استفاده از روش حداقل مربعات جزئی در این پژوهش نرمال نبودن توزیع متغیرها می‌باشد. در مدل‌های (PLS) دو مدل آزمون می‌شود.

الف) نتایح آزمون سؤال اصلی(2) میزان تأثیر پیچیدگی زنجیرۀ تأمین بر عملکرد مالی شرکت‌های خودروسازی گروه خودروسازی سایپا چقدر است؟

نتیجه آزمون در حالت آماره t جهت نشان دادن معناداری و میزان رابطه علی در قالب مدل اعداد معناداری بین متغیر‌های پیچیدگی زنجیرۀ تأمین و عملکرد مالی شرکت برابر با 0.869 می‌باشد که به دلیل داشتن آماره t برابر با 43.853 می‌باشد که بیشتر از 1.96 می‌باشد بنابراین میزان تأثیر پیچیدگی زنجیرۀ تأمین بر عملکرد مالی شرکت‌های خودروسازی گروه خودروسازی سایپا برابر با 0.869 می‌باشد.

ب) نتایح آزمون سؤال فرعی(3) میزان تأثیر پیچیدگی ساختاری زنجیرۀ تأمین بر عملکرد مالی شرکت‌های خودروسازی گروه خودروسازی سایپا چقدر است؟

 

 

شکل (2) مدل ساختاری به همراه ضرایب استاندارد

Figure (2) structural model with standard coefficients

 

براساس شکل فوق، ضریب استانداردکه این ضرایب در واقع نشان دهنده ضرایب مسیر یا بارهای عاملی بین متغیرها و سؤالات مربوطه (متغیرهای پنهان و مشاهده پذیر) می‌باشند و نشان می‌دهد که بین متغیرهای مکنون و شاخص‌های مربوطه چه میزان شدت تأثیر وجود دارد. در نهایت براساس شكل مدل فوق نتیجه این آزمون را در حالت آماره t جهت نشان دادن معناداری این مسیر نشان می‌دهد. میزان رابطه علی در قالب مدل اعداد معناداری بین متغیر‌های پیچیدگی ساختاری زنجیرۀ تأمین و عملکرد مالی شرکت برابر با 0.566 می‌باشد که به دلیل داشتن آماره t (با توجه به مدل شماره4-2) برابر با 12.005 می‌باشد که بیشتر از 1.96 می‌باشد بنابراین میزان تأثیر پیچیدگی ساختاری زنجیرۀ تأمین بر عملکرد مالی شرکت‌های خودروسازی گروه خودروسازی سایپا برابر با 0.566 می‌باشد.

 

 

شکل (3) مدل ساختاری به همراه اعداد معناداری (بین متغیرهای مکنون و شاخص‌های مربوطه)

Figure (3) structural model with significant numbers (between the variables and the relevant indicators(

 

یافته‌های استنباطی

جهت آزمون سؤال اصلی(2) و یافتن پاسخ میزان تأثیر پیچیدگی دینامیکی و رفتاری زنجیرۀ تأمین بر عملکرد مالی شرکت‌های خودروسازی گروه خودروسازی سایپا از مدل‌یابی معادلات ساختاری استفاده شد که نتایج آن به شرح ذیل در نمودار درج شده است.

 

شکل (4) مدل ساختاری به همراه ضرایب استاندارد (منبع : یافته های محقق)

Figure (4) structural model with standard coefficients (source: researcher's findings(

 

براساس شکل فوق  ضریب استانداردکه این ضرایب در واقع نشان دهنده ضرایب مسیر یا بارهای عاملی بین متغیرها و سؤالات مربوطه (متغیرهای پنهان و مشاهده پذیر) می‌باشند و نشان می‌دهد که بین متغیرهای مکنون و شاخص‌های مربوطه چه میزان شدت تأثیر وجود دارد.

 

شکل (5) مدل ساختاری به همراه اعداد معناداری (بین متغیرهای مکنون و شاخص‌های مربوطه)

Figure (5) of the structural model with significant numbers (between the underlying variables and the relevant indicators) (source: researcher's findings)

براساس نتایج ضرایب استاندارد مدل ساختاری فوق نتیجه این آزمون را در حالت آماره t جهت نشان دادن معناداری این مسیر نشان می‌دهد.میزان رابطه علی در قالب مدل اعداد، معناداری بین متغیر‌های پیچیدگی دینامیکی و رفتاری زنجیرۀ تأمین و عملکرد مالی شرکت برابر با 0.420 می‌باشد که به دلیل داشتن آماره t  برابر با 8.598 می‌باشد که بیشتر از 1.96 می‌باشد بنابراین میزان تأثیر پیچیدگی دینامیکی و رفتاری زنجیرۀ تأمین بر عملکرد مالی شرکت‌های خودروسازی گروه خودروسازی سایپا برابر با 0.420 و معنی دار می‌باشد.

 

پیشنهادهای کاربردی

زنجیرۀ تأمین یک سیستم پیچیده و یکپارچه کننده پیچیدگی است و مدیریت پیچیدگی زنجیرۀ تأمین یک اقدام ضروری است. درک کردن پیچیدگی ذاتی زنجیرۀ تأمین و انجام اقدامات لازم کاهش پیچیدگی و مدیریت پیشگیری از آن، منجر به عملکرد بهتر و در نتیجه رضایت بیشتر مشتری خواهد شد. با توجه به پاسخ سؤالات تحقیق و جهت کاهش پیچیدگی زنجیرۀ تأمین و بهبود عملکرد مالی شرکت سایپا به مدیران این شرکت پیشنهادهای زیر ارائه می‌گردد:

ü       توصیه می‌شود شرکت سایپا روابط بین سازمان و تأمین كنندگان مواد اولیه خود را بهبود دهند. برای این كار باید با تأمین كنندگان شایسته و منتخب، روابط استراتژیك برقرار كنند تا در کنار همكارى استراتژیك با آن‌ها بتوانند به مزایاى رقابتى مدنظر دست یابند.

ü       پیشنهاد می‌شود از سیستم‌های حمل ونقل هوشمند بهره‌برده شود.

ü       همچنین باید به شاخص‌های ارسال و تحویل توجه ویژه ای شود. در این بخش به شركت‌های تولیدی پیشنهاد می‌شود به تنوع تقاضای مشتریان توجه كنند و آن را نادیده نگیرند.

ü       پیشنهاد می‌شود شبكة ارتباط با مشتریان را گسترش دهند و اقدامات لازم را دراین زمینه به عمل آورند. برای این کار از تکنولوژی‌ها و فناوری‌های رسانه ای جدید و شبکه‌های اجتماعی کمک گرفته شود.

ü       پیشنهاد می‌شود شرکت سایپا به مقررات و استانداردهای صنعت تسلط كافی داشته باشد و قوانین و مقررات ملی و بین المللی را رعایت کند این اقدامات به ادامة فعالیت سازمان كمك خواهد كرد.

ü       برای بهبود طراحی و برنامه ریزی در شرکت سایپا باید حجم اطلاعات موجود در سازمان را به خوبی مدیریت كرد و جریان اطلاعات را به گونه ای هموارساخت تا تصمیم‌گیری در سازمان را مورد حمایت قرار دهد.

ü       برای زنجیرۀ تأمین مدلسازی به روش شبیه سازی انجام گردد تا بهینه ترین مدل زنجیرۀ تأمین در بخش تأمین، تولید و توزیع و یکپارچه سازی انجام گردد.

ü       فاصله جغرافیایی بین تأمین کننده و شرکت سایپا، مقرون به صرفه ترین انتخاب گردد.

ü       راههای افزایش کارایی لجستیک و کاهش هزینه‌های حمل و نقل و توزیع، بررسی و مورد استفاده قرار‌گیرد.

ü       سیستم‌ها و روش‌های تولید مورد بازبینی و بهینه سازی قرار‌گیرد.

 

 نتیجه گیری و پیشنهاد برای پژوهش‌های آتی

با توجه به نتایج آزمون فرضیه‌های تحقیق حاضر می‌توان نتیجه‌گیری کرد که: زنجیرۀ تأمین صنعت خودرو متشکل از چندین شرکت است که به طور مستقیم یا غیرمستقیم تولید کننده تجهیزات اصلی و فرعی است. هر خودرویی به اجزای مختلفی نیاز دارد، از مهره‌ها و پیچ‌های کوچکی که صندلی را با فریم کنار هم نگه می‌دارند تا قطعات بزرگ‌تری مانند لاستیک‌ها. در نتیجه، زنجیرۀ‌های تأمین خودرو پیچیدگی‌هایی را در سمت تأمین کننده و تولید کننده اضافه کرده است. ناکارآمدی تأمین کنندگان می‌تواند برای شرکت سایپا بسیار گران باشد زیرا این صنعت اغلب از تولید JIT استفاده می‌کند. تأخیر در تحویل قطعات یا تحویل با کیفیت بد می‌تواند کل خط تولید را متوقف کند. شدت بالایی از ابعاد فرعی پیچیدگی در سمت تأمین کننده مشاهده می‌شود. در تولید، استفاده از خطوط تولید مستمر این امر را ضروری می‌سازد که تمامی عوامل مورد نیاز برای تولید به خوبی کار کنند. یک خرابی دستگاه می‌تواند کل خط مونتاژ را متوقف کند. محصول نهایی یک وسیله نقلیه است و دارای سطح مشخصی از سفارشی‌سازی است، اما از نقطه نظر تولید، چنین سفارشی‌سازی‌هایی به ندرت نیاز به عملیات اضافی دارد. این باعث کاهش شدت عملیات مربوط به ابعاد فرعی پیچیدگی می‌شود. توزیع کنندگان برای صنعت خودرو در فواصل مکانی بزرگ پراکنده شده اند. با توجه به ماهیت حجیم محصول، یک شبکه لجستیک قوی مورد نیاز است. چنین اتصالات افزوده شده ممکن است پیچیدگی زنجیرۀ تأمین را افزایش دهد.

صنعت خودرو دارای تأمین کنندگان بسیار و پیچیده است. در نتیجه، به دلیل مشکلات در یکپارچه سازی تأمین کننده و اطمینان از قابلیت ردیابی در بین سطوح، نمی توان آن‌ها را به راحتی مدیریت کرد. مدیریت قابلیت اطمینان عرضه دشوار است، اما دقت پیش‌بینی را می‌توان تا حد زیادی با تجزیه و تحلیل داده‌های بزرگ بهبود بخشید. صنعت خودرو شامل میزان زیادی از اتوماسیون است که در نتیجه خرابی ماشین‌ها و تغییرات در طراحی محصول به بخش مهمی تبدیل می‌شود که منجر به اختلال در زنجیرۀ تأمین می‌شود. اکنون می‌توان این پیچیدگی‌ها را از طریق نگهداری پیش بینی و نرم افزار طراحی محصول به راحتی مدیریت کرد. تغییرات تکنولوژیکی و محیط شرکت پیچیده است و به عوامل خارجی مختلفی بستگی دارد و از این رو به راحتی قابل مدیریت نیست. تعداد کانال‌های توزیع کمتر است، اما شامل شبکه گسترده ای از توزیع کنندگان و خرده فروشان برای اطمینان از توزیع مناسب است. قابلیت اطمینان بالاتر توزیع‌کنندگان، خطر کمتری را برای افت توزیع‌کننده تضمین می‌کند و تغییر ترجیحات مشتری و توزیع‌کننده را می‌توان به راحتی با کمک تحلیل روند و بازخورد مشتری برطرف کرد. بنابراین می‌توان گفت تحقیق حاضر این پیچیدگی را در بخش تأمین و تولید، توزیع و یکپارچه سازی در دو بخش پیچیدگی‌های ساختاری و پیچیدگی‌های دینامیکی و رفتاری مورد شناسایی قرار داد و 61 شاخص در پایان مدلسازی شدند و الگویی ارائه گردید.

تحقیق حاضر پیچیدگی‌های زنجیرۀ تأمین را نشان و این پیچیدگی را در بخش تأمین و تولید، توزیع و یکپارچه سازی در دو بخش پیچیدگی‌های ساختاری و پیچیدگی‌های دینامیکی و رفتاری مورد شناسایی قرار داد با توجه به نتایج تحقیق حاضر:

نتایج تحقیق حاضر با تحقیقات زنگنه و همکاران(1400)، با عنوان کاربست رویکرد ساختاری-تفسیری پیچیدگی زنجیرۀ تأمین و نقش آن در رقابت پذیری در صنعت خودروسازی، لطفی و همکاران(1398)، با عنوان بررسی پیچیدگی‌ها، نقاط ضعف و قوت یک زنجیرۀ تأمین براساس محرکه‌های تعیین شده، کریمی گوارشکی و همکاران(1398)، با عنوان مروری بر زنجیرۀ تأمین صنایع پیچیده مرتبط با صنایع دفاعی در جهان، خاتمی فیروز آبادی و همکاران(1397)، با عنوان پیچیدگی زنجیرۀ تأمین به عنوان یک دارایی راهبردی و جایگاه عملکرد مالی، خاتمی فیروزآبادی و همکاران (1396)، اولویت‌بندی پیشران‌های پیچیدگی زنجیرۀ تأمین با استفاده از فرایند تحلیل سلسله مراتبی فازی، زرگران خوزانی و همکاران(1395)، مدیریت پیچیدگی‌های زنجیرۀ تأمین در صنعت مُد و پوشاک، همتا و همکاران(1394)، مدل سازی و اندازه‌گیری پیچیدگی ساختاری در شبکه‌های زنجیرۀ تأمین مونتاژ، رمضانیان و همکاران(1392)، برخورد با پیچیدگی زنجیرۀ تأمین با استفاده از رویکرد فرآیند تفکر تئوری محدودیتها(مطالعه موردی: یک شرکت تولید کننده کاغذ)، ماکویی و همکاران(1398)، پیچیدگی در زنجیرۀ‌های تأمین، آکین آتس و همکاران (2022)، سفارش از آشوب: متاآنالیز پیچیدگی زنجیرۀ تأمین و عملکرد شرکت، مهرا و همکاران (2021)، تجزیه و تحلیل زیر ابعاد پیچیدگی زنجیرۀ تأمین برای صنعت خودرو، راحوم و جامولی (2019) مدل پیچیدگی زنجیرۀ تأمین خودرو با استفاده از زبان SysML، دیوید کلاس و همکاران (2017)؛ پیچیدگی زنجیرۀ تأمین و مدیریت ریسک: خودرو جهانی، فلدهوترا و همکاران (2017) اثرات پیچیدگی محصول محور بر موفقیت لجستیک در بخش خودرو، سان و همکاران (2016)، مدلسازی و شبیه سازی زنجیرۀ تأمین صنعت خودرو، باچایارا و همکاران (2014) مدیریت زنجیرۀ تأمین در صنعت خودروسازی هند: پیچیدگی‌ها، چالش‌ها و راه‌های پیش رو، پوجاوان و ار (2014) مدیریت پیچیدگی زنجیرۀ تأمین در یک شرکت تولید چای، ترنر و ویلیام (2005)، پیچیدگی، مدل سازی در زنجیرۀ تأمین صنعت خودرو گروه تحقیقاتی اطلاعات و یکپارچه سازی زنجیرۀ تأمین، تجارت برایت سانچز و پریز (2005)، انعطاف پذیری زنجیرۀ تأمین و عملکرد شرکت: مدل مفهومی و مطالعه تجربی در صنعت خودرو همسو می‌باشد.

در‌ اين تحقیق، ابتدا با اشاره به اهداف و سؤالات تدوين شده در فصل اول، تلاش می‌شود تا بر مبنای يافته‌های پژوهش بحث گردد و در ادامه نیز ديگر يافته‌ها، دستاوردهای پژوهش و پیشنهادهای کاربردی برای پژوهشگران علاقه مند ارائه خواهد شد. هدف این پژوهش ارائه الگوی پیچیدگی زنجیرۀ تأمین و تأثیر آن بر عملکرد مالی شرکت‌های خودروسازی سایپا با رویکرد کیفی و مبتنی بر نظریه داده‌ بنیاد است.

نتایج آزمون سؤالات در بخش کمی به شرح ذیل می باشند:

Ø       پیچیدگی‌های زنجیرۀ تأمین بر عملکرد مالی شرکت تأثیر دارد.

Ø       پیچیدگی ساختاری بر عملکرد مالی شرکت تأثیر دارد.

Ø       پیچیدگی دینامیکی و رفتاری بر عملکرد مالی شرکت دارد.

در نهایت نتایج این بخش از تحقیق با تحقیقات خاتمی و همکاران با عنوان پیچیدگی زنجیرۀ تأمین به‌عنوان یک دارایی و جایگاه عملکرد مالی، راهبردی و خوش طینت و همکاران، 1395 مدیریت زنجیرۀ تأمین و عملکرد مالی همسو می‌باشد.

برای تحقیقات آینده پیشنهاد می‌شود در تحلیل پیچیدگی زنجیرۀ تأمین سایر شركت‌ها در كشور استفاده شود و راهكارهای بهبود پیشنهاد شوند. همچنین به كارگیری رویكردهای تلفیقی-مقایسه ای پیشنهاد می‌شود. به این صورت كه از سایر رویكردهای متداول در مدیریت پیچیدگی نظیر رویكرد كنترل تطبیقی سیستم‌های پیچیده، رویكرد پویایی شناسی سیستم، رویكرد تئوری آشوب و نیز سایر تكنیك‌های متداول در آنالیز پیچیدگی نظیر آنالیزهای آماری و شبیه سازی استفاده كرده و نتایج با نتیجه این تحقیق مقایسه و نتیجه‌گیری شود

پیشنهاد می‌شود تا در تحقیقات آتی به بررسی تأثیر پیچیدگی زنجیرۀ تأمین بر سایر متغیرهای مهم دیگر مانند عملکرد کارکنان، اثربخشی شرکت، بهره‌وری شرکت و ... پرداخته شود.

پیشنهاد می‌شود این تحقیق در صنایع دیگر با این عنوان انجام شود.

نتایج این تحقیق با نتایج تحقیقات مشابه با این تحقیق در کشورهای دیگر مقایسه گردد.

تعارض و منافع: بین نویسندگان هیچ گونه تعارض و منافعی وجود ندارد.

References   

Stoner, James and Freeman, Edward (2016). Leadership and control. Translated by Seyed Mohammad Arabi and Ali Parsaian, Tehran: Business Studies and Research Institute, 9789645799098. [In Persian]

Anwar Rostami, Ali, Asghar., Rostami, M, R. (2017) "Evaluation of models and methods of valuation of companies' intellectual capitals", Accounting reviews and 51-76, (34) Audit, 10, https://sid.ir/paper/8030/fa. [In Persian]

Timouri, Ebrahim (2007), Development of supplier and distributor selection model with supply chain management perspective, Ph.D. thesis, Iran University of Science and Technology,doi: 10.22054/jims. 2022. 60801.2654. [In Persian]

Jahankhani, Ali; Parsaian, Ali (2017), "Financial Management", second volume, translated and adapted from Raymond P. Novo's book, Samt Publications. 9, 1-484. [In Persian]

Hafeznia, Mohammad Reza (2017), Introduction to Research Methodology in Humanities, Semat Publications, 15th edition, 1-346. [In Persian]

Khatami Firouzabadi, Seyyed Mohammad Ali, Elfat, Laiya, Amiri, Maqsood, Sharifi, Hamid. (2017). Supply chain complexity as a strategic asset and financial performance position. Asset Management and Financing, 6(4), 57-78.  10.22108/AMF.2018.105826.1154 [In Persian].

Khatami Firouzabadi, Seyyed Mohammad Ali and Elfat, Laiya and Amiri, Maqsood and Sharifi, Hamid (2016). Prioritization of supply chain complexity drivers using fuzzy hierarchical analysis process, 9(1), 79-102 .https://sid.ir/paper/140011/fa [In Persian].

Hemta, Nima and Akbarpour Shirazi, Mohsen and Qobadi, Shahram, 2014, Modeling and measuring structural complexity in assembly supply chain networks, 12th International Industrial Engineering Conference, Tehran.Aitken, J., Bozarth, C., & Garn, W. (2016). To eliminate or absorb supply chain complexity: a conceptual model and case study. Supply Chain Management: an International Journal, 21, 759–774. https://civilica.com/doc/516193 [In Persian].

Akın Ateş, M., Suurmond, R., Luzzini, D., & Krause, D. (2022). Order from chaos: A meta‐analysis of supply chain complexity and firm performance. Journal of Supply Chain Management, 58(1), 3-30.

Approach for prioritizing supply chain complexity drivers of an Indian mining, doi:10.1111/jscm.12264

Bentaher, C., & Rajaa, M. (2022). Supply Chain Management 4.0: A Literature Review and Research Framework. European Journal of Business and Management Research, 7(1), 117-127, doi:10.24018/ejbmr. 2022.7.1.1246.

Birkie, S. E., & Trucco, P. (2020). Do not expect others do what you should! Supply chain complexity and mitigation of the ripple effect of disruptions. International Journal of Logistics Management,31(1), 123–144. doi:10.1108/IJLM-10-2018-0273.

Calinescu, A., Efstathiou, J., HuacchoHuatuco, L. &Sivadasan, S., Classes of complexity in manufacturing, 17th National Conference on Manufacturing Research, NCMR 2001: Advances in Manufacturing Technology XV, pp. 351-356, 2001, doi:10.1007/978-3-662-53120-4_6670.

Caniato, F., & Gröβler, A. (2017). The moderating effect of product complexity on new product development and supply chain management integration. Production Planning & Control, 26, 1306–1317, doi:10.1080/09537287.2015.1027318.

Dong, Y., Skowronski, K., Song, S., Venkataraman, S., & Zou, F. (2020). Supply base innovation and firm financial performance, 66(7-8):768-796. doi:/10.1002/joom.1107.

Feldhütter, V., Steck, C., Hawer, S., & ten Hompel, M. (2017). Impacts of product-driven complexity on the success of logistics in the automotive sector. Procedia CIRP, 62, 129-134, doi: 10.1016/j.procir.2016.06.078.

Giannoccaro, I., Nair, A., & Choi, T. (2018). The impact of control and complexity on supply network performance: An empirically informed investigation using NK simulation analysis. Decision Sciences, 49(4), 625–659, doi:10.1111/deci.12293.

Hu-Chen Liu ; Xiao-Yue You(2021) Green Supply Chain Management ; Green Supplier Evaluation and Selection: Models, Methods and Applications (pp.1-11), doi:10.1007/978-981-16-0382-2.

Käki, A., Salo, A., & Talluri, S. (2015). Disruptions in supply networks: A probabilistic risk assessment approach. Journal of Business Logistics, 36(3), 273-287, doi:10.1111/jbl.12086.

Lee, G. (2023). Supply Chain Complexity and Supply Chain Resilience: a Literature Review,https://easychair,1-11.org/publications/preprint/ K4C8.

Lorentz, H., Töyli, J., Solakivi, T., & Ojala, L. (2016). The effect of a geographically dispersed supply base on downside risk: Developing and testing the N-shaped theory. International Business Review, 25(4), 872–882, doi:10.1016/j.ibusrev.2015.10.009.

Lorentz, H., Töyli, J., Solakivi, T., Hälinen, H., & Ojala, L. (2012).Effects of geographic dispersion on intrafirm supply chain performance. Supply Chain Management: an International Journal, 17,611-626, doi:10.1108/13598541211269229.

Lorentz, H., Tِyli, J., Solakivi, T., & Ojala, L. (2016). The effect of a geographically dispersed supply base on downside risk: Developing and testing the N-shaped theory. International Business Review, 25(4), 872–882, doi:10.1016/j.ibusrev.2015.10.009.

Lu, G., & Shang, G. (2017). Impact of supply base structural complexity on financial performance: Roles of visible and not-so- Visible characteristics. Journal of Operations Management, 53, 23–44.

Mack. O., A. Khare, A. Krämer, and T. Burgartz.)(2016).“Managing in VUCA World,” Springer International Publishing, 1-277. doi:10.1016/j.jom.2017.10.001.

Matthew N O Sadiku ; Kelechi Eze ; Sarhan M Musa (2018) Supply Chain Management ; International Journal of Engineering Research 7(8):137-139, doi:10.1016/j.ijpe.2009.07.002.

Mehra, N., Khurania, A., Rastogi, K., & Garg, S. K. (2021).Analysis of Supply Chain Complexity Sub-Dimensions for Automobile Industry, 11, 623-633. doi:10.1016/j.ibusrev.2015.10.010.

Pulles, N. J., Schiele, H., Veldman, J., & Hüttinger, L. (2016). The impact of customer attractiveness and supplier satisfaction on becoming a preferred customer. Industrial Marketing Management, 54,129–140, doi:10.1016/j.indmarman.2015.06.004.

Rahoum, K., & Jamouli, H. (2019). The Automotive Supply Chain Complexity Model using SysML Language. Automotive Supply, 6(12), 1578-1585. doi:10.1108/17410380510594525.

 

 

(119)

 

 

---

[1] .Ph.D. Candidate, Department of Industrial Management, Abhar Branch, Islamic Azad University, Abhar, Iran

[2] .Associate Professor, Department of Management and Accounting, Faculty of Humanities, University of Zanjan, Zanjan, Iran

*.Corresponding author: [e-mail]

[3] .Assistant Professor, Department of Accounting, Abhar Branch, Islamic Azad University, Abhar, Iran

[4] .دانشجوی دکتری گروه  مدیریت صنعتی ، واحد ابهر، دانشگاه آزاداسلامی، ابهر، ایران

[5] .دانشیار گروه مدیریت و حسابداری، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران.

*. نویسنده مسؤول: [e-mail]

[6] . استادیار گروه حسابداری ، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران [e-mail]

[7] .Volatility, Uncertainty, Complexity & Ambiguity

[8] .Mack . O., A. Khare, A. Krämer, and T. Burgartz

[9] . Rahoum, K., & Jamouli, H.

[10] . European CEO

[11] 1. Giannoccaro, I., Nair, A., & Choi, T.

[12] 1.Ahmadkhan,ci and Yan,Hong

[13] 1.J. Ladyman, J. Lambert, and K. Wiesner

[14] 2.Akın Ateş, M., Suurmond, R., Luzzini, D., & Krause, D

[15] 3.Blecker, T., Abdelkafi, N., Kaluza, B. & Kreutler, G

[16] 4.KPMG.

[17] 5.Seyda SerdarAsan

[18] 1.Research and Development

[19] 2.Mehra