تحلیل شناختی توسعه شایستگی‌های نیروی انسانی در راستای انقلاب صنعتی چهارم

الموضوعات :

حبیب زارع احمدآبادی ¹ , سید حیدر میرفخرالدینی ² , فاطمه زمزم ³ , سمیه السادات امیرحسینی ⁴

1 - دانشیار گروه مدیریت صنعتی، دانشگاه یزد، یزد، ایران
2 - استاد گروه مدیریت صنعتی، دانشگاه یزد، یزد، ایران
3 - دانشجوی دکتری گروه مدیریت صنعتی، دانشگاه یزد، یزد، ایران
4 - کارشناس ارشد مدیریت صنعتی، دانشگاه یزد، یزد، ایران

تاريخ الإرسال : 25 الإثنين , شوال, 1444 تاريخ التأكيد : 24 السبت , صفر, 1445 تاريخ الإصدار : 20 السبت , جمادى الثانية, 1446

الکلمات المفتاحية: انقلاب صنعتی چهارم, تاپسیس فازی شهودی, شایستگی‌های نیروی انسانی, صنعت 4.0, نقشه شناختی فازی شهودی,

ملخص المقالة :

هم‌اکنون جهان در عصر انقلاب صنعتی چهارم به ‌سر می‌برد، اگرچه این عصر به‌سبب پیشرفت‌های تکنولوژیکی فرصت‌های بسیاری را برای بنگاه‌ها و سازمان‌ها فراهم می‌کند، اما با این وجود چالش‌های زیادی را نیز با خود به همراه دارد. یکی از این چالش‌ها نیاز به مجموعه شایستگی‌ها و مهارت‌های جدیدی است که به سبب تحول ماهیت مشاغل از طریق دیجتالی شدن در صنعت 4.0 رخ می‌دهد. بنابراین هدف از انجام پژوهش حاضر، شناسایی شایستگی‌های مورد نیاز نیروی انسانی در صنعت 4.0 و ارائه نقشه راه ارتقاء این شایستگی‌ها در راستای انقلاب صنعتی می‌باشد. در همین راستا در پژوهش حاضر ابتدا با بررسی ادبیات و مرور پیشینه پژوهش شایستگی‌های صنعت 4.0 و اقدامات و کارکردهای لازم جهت ارتقاء این شایستگی‌ها استخراج گردید. سپس با استفاده از روش تاپسیس فازی شایستگی‌های استخراج‌شده اولویت‌بندی و در نهایت روابط بین اقدامات‌ جهت ارتقاء شایستگی‌ها با استفاده از روش نقشه شناختی فازی شهودی تبیین شد. یافته‌های بدست آمده حاکی از آن است که شاخص تمایل مدیران و مالکان بنگاه‌ها برای حرکت به سمت هوشمندسازی و ایجاد کارخانه‌های هوشمند نسبت به سایر اقدامات از مرکزیت بیشتری برخوردار است، که در نتیجه می‌بایست توجه بیشتری به آن نمود. همچنین در اولویت‌بندی شایستگی‌ها مشخص شد که شایستگی مشتری‌مداری دارای بالاترین اولویت می‌باشد.

المصادر:

Chen, C.-T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy sets and systems, 114(1), 1-9. doi:10.1016/S0165-0114(97)00377-1.
Dillinger, F., Bernhard, O., & Reinhart, G. (2022). Competence Requirements in Manufacturing Companies in the Context of Lean 4.0. Procedia Cirp, 106, 58-63. doi:10.1016/j.procir.2022.02.155
Erol, S., Jäger, A., Hold, P., Ott, K., & Sihn, W. (2016). Tangible Industry 4.0: a scenario-based approach to learning for the future of production. Procedia Cirp, 54, 13-18 doi:10.1016/j.procir.2016.03.162
Esmailzadeh, Jalilian, & Sobek Ro. (2021). Application of intuitive fuzzy recognition mapping to analyze knowledge assessment scenarios (case study: faculty members of management fields in public universities of Yazd province). Educational Measurement and Evaluation Studies, 11(36), 54-70. [In Persian].doi:10.22034/EMES.2021.251557
Gentner, S. (2016). Industry 4.0: reality, future or just science fiction? How to convince today's management to invest in tomorrow's future! Successful strategies for industry 4.0 and manufacturing IT. CHIMIA International Journal for Chemistry, 70(9), 628-633. doi:10.2533/chimia.2016.628
Gupta, A., Singh, R. K., & Gupta, S. (2021). Developing human resource for the digitization of logistics operations: readiness index framework. International Journal of Manpower, 43 No. 2, pp. 355-379 . doi:10.1108/IJM-03-2021-0175
Hecklau, F., Galeitzke, M., Flachs, S., & Kohl, H. (2016). Holistic approach for human resource management in Industry 4.0. Procedia Cirp, 54, 1-6. doi:10.1016/j.procir.2016.05.102
Hecklau, F., Orth, R., Kidschun, F., & Kohl, H. (2017). Human resources management: Meta-study-analysis of future competences in Industry 4.0. Proceedings of the International Conference on Intellectual Capital, Knowledge Management & Organizational Learning.
Hernandez-de-Menendez, M., Morales-Menendez, R., Escobar, C. A., & McGovern, M. (2020). Competencies for industry 4.0. International Journal on Interactive Design and Manufacturing (IJIDeM), 14(4), 1511-1524. doi:10.1007/s12008-020-00716-2
Jerman, A., Pejić Bach, M., & Bertoncelj, A. (2018). A bibliometric and topic analysis on future competences at smart factories. Machines, 6(3), 41. doi:10.3390/machines6030041
Jerman, A., Pejić Bach, M., & Aleksić, A. (2020). Transformation towards smart factory system: Examining new job profiles and competencies. Systems Research and Behavioral Science, 37(2), 388-402. doi:10.1002/sres.2657
Kazancoglu, Y., & Ozkan-Ozen, Y. D. (2018). Analyzing Workforce 4.0 in the Fourth Industrial Revolution and proposing a road map from operations management perspective with fuzzy DEMATEL. Journal of enterprise information management, 31 No. 6, pp. 891-907. https://dspace.yasar.edu.tr/xmlui/handle/20.500.12742/7589
Kipper, L. M., Iepsen, S., Dal Forno, A. J., Frozza, R., Furstenau, L., Agnes, J., & Cossul, D. (2021). Scientific mapping to identify competencies required by industry 4.0. Technology in Society, 64, 101454. doi:10.1016/j.techsoc.2020.101454
Kumar, R., Singh, R. K., & Dwivedi, Y. K. (2020). Application of industry 4.0 technologies in SMEs for ethical and sustainable operations: Analysis of challenges. Journal of cleaner production, 275, 124063. doi:10.1016/j.jclepro.2020.124063
Kwiotkowska, A., Gajdzik, B., Wolniak, R., Vveinhardt, J., & Gębczyńska, M. (2021). Leadership competencies in making Industry 4.0 effective: The case of Polish heat and power industry. Energies, 14(14), 1-21. doi:10.3390/en14144338
Mehrgan, & Seyed Kalali. (2012). Investigating the relationship between the factors affecting the resignation of ICT scientists in Iran's mobile communications industry using the methodology of fuzzy cognitive maps. Public Management Research, 18(5), 25-44. [In Persian], 10.22111/JMR.2013.1018
Mirghafoori, S. H., Sharifabadi, A. M., & Takalo, S. K. (2018). Development of causal model of sustainable hospital supply chain management using the Intuitionistic Fuzzy Cognitive Map (IFCM) method. Journal of Industrial Engineering and Management (JIEM),. 11(3), 588-605. [In Persian], 10.3926/jiem.2517
Nam, T. (2019). Technology usage, expected job sustainability, and perceived job insecurity. Technological Forecasting and Social Change, 138, 155-165. doi:10.1016/j.techfore.2018.08.017
Nicolás-Agustín, Á., Jiménez-Jiménez, D., & Maeso-Fernandez, F. (2021). The role of human resource practices in the implementation of digital transformation. International Journal of Manpower, 43 No. 2, pp. 395-410. doi:10.1108/IJM-03-2021-0176
Prifti, L., Knigge, M., Kienegger, H., & Krcmar, H. (2017). A Competency Model for" Industrie 4.0" Employees, 46-60.
Roganian, & Mujibian. (2012). Group decision making based on a new trapezoidal intuitive fuzzy TOPSIS method. Industrial Management Studies, 10(26), 35-54. [In Persian], 10.1016/j.asoc.2015.01.054
Romero, D., Bernus, P., Noran, O., Stahre, J., & Fast-Berglund, Å. (2016). The operator 4.0: Human cyber-physical systems & adaptive automation towards human-automation symbiosis work systems. IFIP international conference on advances in production management systems, 677-686.
Rouyendegh, B. D., Yildizbasi, A., & Üstünyer, P. (2020). Intuitionistic fuzzy TOPSIS method for green supplier selection problem. Soft Computing, 24(3), 2215-2228. 10.1007/s00500-019-04054-8.
Sapper, S., Kohl, M., & Fottner, J. (2021). Future Competency Requirements in Logistics Due to Industry 4.0: A Systematic Literature Review. 2021 10th International Conference on Industrial Technology and Management (ICITM).
Simic, M., & Nedelko, Z. (2019). Development of competence model for Industry 4.0: A theoretical approach. Economic and Social Development: Book of Proceedings, 1288-1298.
Vrchota, J., Mařiková, M., Řehoř, P., Rolínek, L., & Toušek, R. (2019). Human resources readiness for industry 4.0. Journal of Open Innovation: Technology, Market, and Complexity, 6(1), 1-20. doi:10.3390/joitmc6010003