شناسایی و اولویتبندی عوامل مؤثر بر بهرهوری صنایع تولیدی (موردمطالعه: صنایع دارویی و لوازم خانگی استان گیلان)
الموضوعات :حمزه امین طهماسبی 1 , ندا کریمی 2 , مهدی زارع پور 3 , سید اسماعیل مقدس 4
1 - دانشیار گروه مهندسی صنایع، دانشکده فنی مهندسی شرق گیلان، دانشگاه گیلان،ایران
2 - استادیار گروه مهندسی صنایع، دانشکده فنی مهندسی شرق گیلان، دانشگاه گیلان،ایران
3 - کارشناس ارشد مهندسی صنایع، موسسه غیرانتفاعی راهبرد شمال، رشت، ایران
4 - کارشناس ارشد مدیریت بازرگانی، سازمان صنعت، معدن و تجارت گیلان،ایران
الکلمات المفتاحية: بهرهوری, صنایع تولیدی, صنایع دارویی, صنایع لوازم خانگی, استان گیلان,
ملخص المقالة :
در دنیای کنونی یکی از مهمترین عوامل توسعۀاقتصادی کشور، ارتقای بهرهوری صنایع تولیدی است. شناسایی عوامل مؤثر بر بهرهوری صنایع تولیدی و اولویتبندی آنها در ارتقای بهرهوری مؤثر بوده و میتواند نویدبخش دستیابی به بهرهوری سازمانی و ملی باشد. هدف از انجام این پژوهش، شناسایی عوامل مؤثر بر ارتقای بهرهوری صنایع تولیدی است. روش پژوهش حاضر، توصیفی- پیمایشی و ابزار گردآوری دادهها، پرسشنامه میباشد؛ در گام نخست، با توجه به بررسیهای صورت گرفته از مرور پیشینۀ تحقیق به روش تطبیقی، مطالعات کتابخانهای و نظرخواهی از خبرگان، عوامل بالقوه مؤثر بر بهرهوری صنایع شناسایی و مورد تجزیهوتحلیل قرار گرفت. سپس عوامل در قالب چهار دسته اصلی تقسیم شده و با استفاده از پرسشنامه و تلفیق نظرات خبرگان، عوامل نهایی تعیین گردیدند. سپس میزان اهمیت عوامل منتخب با استفاده از روش تصمیمگیری Fuzzy SWARA مشخص شد و در پایان رتبهبندی صنایع منتخب استان به روش MOORA صورت گرفت. نتایج حاصل از این پژوهش نشان داد که عوامل "حاشیه سود"، "نسبت فروش بر داراییهای جاری" و "نسبت صادرات بر فروش" به ترتیب دارای بیشترین میزان اهمیت بوده و در میان صنایع دارویی و لوزم خانگی استان که در بورس اوراق بهادار حضور دارند، شرکت کاسپین تأمین با امتیاز بهرهوری 437/0 دارای بالاترین میزان بهرهوری میباشد.
Amin-Tahmasbi, H., & Alireza, M. (2023). Stock ranking of companies in the three metals, chemical and pharmaceutical industries with a combined approach of fuzzy SWARA and COCOSO. Journal of Decisions and Operations Research, 8(3), 623-641. [in persian]. doi:10.22105/dmor.2022.336294.1597.
Amin-Tahmasbi, H., Asgharpour, M., & Izdiar, P. (2022). Evaluation of the government's support policies for the pharmaceutical industry in the midst of sanctions and the covid-19 pandemic. Journal of health administration, 25(1), 69-79. [in persian]. doi:10.52547/jha.25.1.69
Bakhshali, S., Peykarjou, K., HaJbar Kiani, K., & Memarnejad, A. (2023). Medium-term and long-term factors determining the productivity of all factors of production: A review. Political Sociology of Iran, 5(11), 3513-3531. doi:10.30510/PSI.2022.291645.1859.
Balk, B. M. (2021). Productivity. Springer International Publishing, 1-345. doi:10.1007/978-3-030-75448-8.
Barasa, L., Vermeulen, P., Knoben, J., Kinyanjui, B., & Kimuyu, P. (2019). Innovation inputs and efficiency: manufacturing firms in Sub-Saharan Africa. European Journal of Innovation Management, 22(1), 59-83. doi:10.1108/EJIM-11-2017-0176.
Brauers, W. K., & Zavadskas, E. K. (2006). The MOORA method and its application to privatization in a transition economy. Control and cybernetics, 35(2), 445-469. doi:10.1287/mnsc.2022.4476.
Dieppe, A. (Ed.). (2021). Global productivity: Trends, drivers, and policies. World Bank Publications.
Fatah, R. H., & Pasławski, J. (2023). Factors Affecting Labor Productivity on Construction in Kurdistan of Iraq: Web Survey. Journal of Engineering, 29(01), 14-41. doi:10.31026/j.eng.2023.01.02.
Fathabadi, M., & Soufimajidpour, M. (2023). Higher education, technical efficiency and total productivity changes: evidence from Iran's manufacturing industries. Quarterly Journal of Research and Planning in Higher Education, 24(2), 27-51. [in persian]. doi:10.30495/ECO.2022.1953248.2632.
Goli, Y., Delangizan, S., & Falahati, A. (2019). Measurement of the production efficiency and it’s determinants in Iran provinces. Iranian Journal of conomic Research, 24(78), 195-221. [in persian]. doi:10.22054/ijer.2019.10167.
Nikmanesh, M., Feili, A., & Sorooshian, S. (2023). Employee Productivity Assessment Using Fuzzy Inference System. Information, 14(7),1-423. doi:10.3390/ info14070423.
Hakimi, I., Moradi, M., Shoul, A. (2022). A survey on the impact of HPWS on labor productivity in service SMEs: mediating role of social capital and knowledge exchange and combination. The Journal of Productivity Management, 16(63), 83-109. [in persian]. doi:10.30495/QJOPM.2020.1880527.2649.
Harati Mokhtari, A., & Younespoor, M. (2022). Identifying and prioritizing the factors affecting human resource productivity in Chabahar port. Oceanography, 13, 3-95. [in persian]. doi:10.52547/joc.11.44.1
Isazadeh, S., & Soufimajidpour, M. (2018). TFP growth, technological progress, efficiency changes: Empirical evidence from Iranian manufacturing industries. Economical modeling, 11(40), 29-48. [in persian].
Keršuliene, V., Zavadskas, E. K., & Turskis, Z. (2010). Selection of rational dispute resolution method by applying new step‐wise weight assessment ratio analysis (SWARA). Journal of business economics and management, 11(2), 243-258. doi:10.3846/jbem. 2010.12.
Laleh, A., Gharabiglo, H., Ramazani, M., Iranzadeh, S. (2022). Designing an employer brand model in small and medium industries using meta-synthesis method: human resource productivity in focus. The Journal of Productivity Management, 16(63), 305-342. [in persian]. doi:10.30495/QJOPM.2022.1935221.3230.
Luria, G., Yagil, D., Gal, I. (2014). Quality and productivity: role conflict in the service context. The Service Industries Journal, 34(12), 955-973. doi:10.1080/02642069.2014.915948.
McCann, P., & Vorley, T. (2020). Introduction to productivity perspectives. In Productivity Perspectives (pp. 1-17). Edward Elgar Publishing. doi:10.4337/9781788978804.00006.
Mohamadian, B. (2021). Identifying effective factors on improving the productivity of human resources in the tire industry (case study: Iran Tire Company). Iranian rubber industry. 26(104), 51-61. [in persian]. doi:10.22034/IRM.2021.245281.1111.
Nasirzadeh, H., Amin-Tahmasbi, H., Khalili, H. A. (2021). Investment analysis in privatization of National Iranian Drilling Company using systems dynamics and BWM technique. Energy Policy, 148, 111963. doi:10.1016/j.enpol.2020.111963.
Nasrollahi, M., & Asgharizadeh, E. (2019). Identification and Prioritization of Criteria affecting the Productivity of Production Factors in Broiler Industry Using Fuzzy Best-Worst Method: A Case Study of West Azerbaijan Province of Iran. Agricultural Economics and Development, 27(2), 237-261. [in persian]. doi:10.30490/AEAD.2019.95476.
Nikookar, M., Fekri, R., Babaeianpour, M., & Akhavan, P. (2021). Identification and analysis of productivity enhancing dimensions in lean service: a grounded theory research. The Journal of Productivity Management, 15(4), 51-68. [in persian]. doi:10.30495/QJOPM.2020.1870505.2500.
Norozi, F., Nonejad, M., Ebrahimi, M., & Khodaparast Shirazi, J. (2021). Investigation of productivity growth factors in Iran using artificial neural networks algorithm. Economic growth and development research, 11(42), 58-35. [in persian]. doi:10.30473/egdr.2019.48433.5378.
Poswa, F., Adenuga, O. T., Mpofu, K. (2022). Productivity Improvement using simulated value stream mapping: a case study of the truck manufacturing industry. Processes, 10(9), 1884. doi:10.3390/pr10091884.
Saaty, T.L (2002), Decision making with the analytic hierarchy process. Scientia iranica, 9(3), 215-229. doi:0.1016/j.diabres.2013.11.002.
Saei, Y. (2022). Evaluating and ranking the indicators affecting Business Process Re-engineering (BPR) in order to improve the efficiency of manufacturing industries by using FANP method. Journal of Business Management, 14(55), 147-163. [in persian]. doi:20.1001.1.22520104.1401.14.55.9.8.
Seyedi, H. Farhadi, P., Hosseini, A. (2022). Identifying and prioritizing supply chain issues in Iran's wood and paper industries and providing improvement solutions with the QFD approach and multi-criteria decision making. Industrial engineering researches in production systems. 10(20),1-15. [in persian]. doi: 10.22084/IER.2023.27103.2102.
Heydarnezhad, Ali, Jafari, Seyed Mohammadbagher, Rahmani, Jafar, Zare Matin, Hassan. (2023). Presenting a Productivity Pattern Based on Social Capital Using the Meta-Synthesis Approach. The Journal of Productivity Management, 17(67), 177-208. doi:10.30495/qjopm.2022.1962985.3407.