• Home
  • Prediction and Assessment of Innovation Development in the Automotive After-Sales Service Industry with an Adaptive Neuro Fuzzy Inference Approach

Share To

Article Url


Manuscript ID : 140212051103657 Visit : 6 Page: -

Article Type: Original Research

Prediction and Assessment of Innovation Development in the Automotive After-Sales Service Industry with an Adaptive Neuro Fuzzy Inference Approach

Subject Areas : Management

NAYYER BAKHSHI FATASAMI 1 , تقی ترابی 2 , abbas khamseh 3

1 - Department of Economics and Research branch , Islamic Azad University , Tehran . Iran
2 - گروه آموزشی اقتصاد و عضو هیئت علمی واحد علوم و تحقیقات دانشگاه آزاد اسلامی
3 - Department of Industrial Management, Karaj Branch, Islamic Azad University, Karaj, Iran

Received: 2024-02-24 Accepted : 2025-01-05 Published : 2025-10-10

Keywords: Keywords: Innovation, After-sales services, Innovation ecosystem, automotive industry, Fuzzy inference system,

Abstract :

Abstract Innovation in the automotive after-sales service industry plays a pivotal role in enhancing customer satisfaction, improving operational efficiency, and driving competitive advantage. Recognizing the importance of fostering innovation ecosystems within this sector, this research aims to predict and assess the development of innovation using an ecosystem approach. Through a mixed-methods approach, the study first conducted metasynthesis to identify key dimensions and components influencing innovation in the automotive after-sales service industry. Subsequently, a fuzzy inference system was employed to evaluate and prioritize the importance of these dimensions and components. The results revealed five critical dimensions: infrastructure, knowledge, interaction of actors, capital, and culture, each comprising several components. Notably, physical infrastructure, integration of knowledge, universities and research institutes, human and social capital, and creating an innovative environment emerged as the most influential components within their respective dimensions. This research underscores the multidimensional nature of innovation development in the automotive after-sales service industry and highlights the significance of fostering collaborative partnerships, investing in talent development, and creating a conducive culture for innovation. Moving forward, stakeholders in the automotive after-sales service industry are encouraged to leverage these findings to develop targeted strategies, allocate resources effectively, and foster a culture of innovation that drives sustainable growth and competitive advantage.

References:

آذر، عادل، و فرجی، حجت (1395). علم مدیریت فازی. تهران، انتشارات کتاب مهربان، چاپ پنجم.
ارجمندی، روح اله، فتحی، محمد رضا، منطقی، منوچهر و شهبازی، میثم (1401). ارائه الگوی گذار فناورانه به نسل چهارم انقلاب صنعتی در صنعت خودرو. فصلنامه توسعه تکنولوژی صنعتی، .doi: 10.22034/jtd.2022.1972025.1808
حسینی شکیب، مهرداد و مرادیان، محمدرضا (1397). ارزیابی عملکرد مدیریت نوآوری و رتبه بندی عوامل موثر بر آن با فرآیند تحلیل شبکه ای در شرکت مهندسی موادکاران مپنا. فصلنامه توسعه تکنولوژی صنعتی، 16(31), 5-12.
حنیفی، حمید، آذر، عادل و منطقی، منوچهر (1401). تحلیل اثر متقابل بازیگران خودروی بدون راننده با روش آینده نگاری. فصلنامه توسعه تکنولوژی صنعتی، 20(49)، 63 – 70.
صباغی رستمی، مهرانه و حسینی شکیب، مهرداد (1398). جوّ نوآوری و خلاقیت کارکنان، گرایش کارآفرینانه و کارآفرینی درون سازمانی: مدلی برای تبیین نقش رهبری تحول آفرین. مدیریت نوآوری در سازمان¬های دفاعی، 2(4)، 27-50. doi: 10.22034/qjimdo.2020.103947
صمدی انصاری، هدایت، رضوی، محمدرضا، جعفری، پریوش (1402). شناسایی شاخص‌های سنجش یادگیری فناورانه: فراترکیب مطالعات پیشین. دانش کارآفرینی، 3 (3)، 1-19.

Abraham, A. (2005). Adaptation of fuzzy inference system using neural learning. Journal of Fuzzy Systems Engineering, 181, 53–83. https://doi.org/10.1007/11339366_3
Asefi, S., Resende, D. N., & Castro Amorim, M. P. (2020). Modeling a successful innovation ecosystem toward a sustainable community: The I-Reef (a review study). Energy Reports, 6(1), 593-598.
Audretsch, D. B., Eichler, G. M., & Schwarz, E. J. (2022). Emerging needs of social innovators and social innovation ecosystems. International Entrepreneurship and Management Journal, 1-38 Caicedo, A., Robayo, P., Morales, E., Moyano, A., Barba, D., Zambrano, K., & Maron-Gutierrez, T. (2023). Scientific venturing for early-stage professionals (ESPs), a key concept in the innovation ecosystem
Cytotherapy, 25(4), 369-374 Corvello, V., Felicetti, A. M., Steiber, A., & Alänge, S. (2023). Start-up collaboration units as knowledge brokers in Corporate Innovation Ecosystems: a study in the automotive industry. Journal of Innovation
Knowledge, 8(1), 100303
Da Silva, R. H., Kaminski, P. C., & Marin, R. O. (2021). Innovation ecosystems in the automotive industry between opportunities and limitations. Форсайт, 15(3 (eng)), 66-80
de Faria, P., Noseleit, F., Los, B. (2020). The influence of internal barriers on open innovation. Industry and Innovation, 27(3), 205-209, 2020
Ekasari, R., Arif, D., & Nurcholis, M. (2023). Service Quality and After-Sales Service on IoT-Based Car User Satisfaction and Repeat Purchases Services in Indonesia. ABAC Journal, 43(3), 60-83
Erwin, D. H. (2021). A conceptual framework of evolutionary novelty and innovation. Biological Reviews, 96(1), 1-15
Fasnacht, D. (2018). Open Innovation Ecosystems. In Open Innovation Ecosystems. Management for Professionals. Springer, Cham. DOI: 10.1007/978-3-319-76394-1_5
Gachanja, I. M., Nga’nga, S. I., & Kiganane, L. M. (2020). Influence of organization learning on innovation output in manufacturing firms in Kenya. International Journal of Innovation Studies, 4(1), 16-26
Ghazinoory, S., Sarkissian, A., Farhanchi, M., & Saghafi, F. (2020). Renewing a dysfunctional innovation ecosystem: The case of the Lalejin ceramics and pottery. Technovation, 96-97, 102122
Granstrand, O., & Holgersson, M. (2023). Innovation ecosystems: A conceptual review and a new definition. Technovation, 90-91, 102098
Huang, Y., Li, K., & Li, P. (2023). Innovation ecosystems and national talent competitiveness: A country-based comparison using fsQCA. Technological Forecasting and Social Change, 194, 122733
Khademi, B. (2020). Ecosystem Value Creation and Capture: A Systematic Review of Literature and Potential Research Opportunities. Technology Innovation Management Review, 10(1), 16-34
Khan, K., Su, C. W., Rehman, A. U., & Ullah, R. (2022). Is technological innovation a driver of renewable energy? Technology in Society, 70, 102044 Kim, J., Paek, B., & Lee, H. (2022). Exploring innovation ecosystem of incumbents in the face of technological discontinuities: Automobile firms. Sustainability, 14(3), 1606. Kolomytseva, O., Gunina, I., Kolesnikova, E., & Agafonova, V. (2019). Management of the innovative ecosystem development environment. In E3S Web of Conferences (Vol. 91). EDP Sciences.
https://doi.org/10.1051/e3sconf/20199108067
Lopez-Vega, H., & Moodysson, J. (2023). Digital Transformation of the Automotive Industry: An Integrating Framework to Analyse Technological Novelty and Breadth. Industry and Innovation, 30(1), 67-102 Nurhidayat, S. S., & Girsang, L. R. (2024). Consumer Relations through Digital Communication Strategy: A Case Study of After-Sales Service at Pt. Bardi Solusi Otomasi. Valley International Journal Digital Library,
5778-5782. Raddats, C., Kowalkowski, C., Benedettini, O., Burton, J., & Gebauer, H. (2019). Servitization: A contemporary thematic review of four major research streams. Industrial Marketing Management, 83
10.1016/j.indmarman.2019.03.015
Sandelowski, M., & Barroso, J. (2007). Handbook for Synthesizing Qualitative Research. New York: Springer Publishing Company
Taques, F. H., López, M. G., Basso, L. F., & Areal, N. (2021). Indicators used to measure service innovation and manufacturing innovation. Journal of Innovation & Knowledge, 6(1), 11-26 Visscher, K., Hahn, K., & Konrad, K. (2021). Innovation ecosystem strategies of industrial firms: A multilayered approach to alignment and strategic positioning. Creativity and innovation management, 30(3), 619-
631 Yakovleva, A. Y., & Volkova, I. O. (2018). Towards an innovation ecosystem: The case for stimulating collaboration in the Russian energy sector. IOP Conference Series: Earth and Environmental Science, 188, 012011.
DOI 10.1088/1755-1315/188/1/012011
Zhao, H., Li, J., & Gan, C. (2023). Improving the domestic automotive after-sales service industry on alleviating consumer anxiety. CNS Spectrums, 28(S2), S131-S132
Full-Text:


پیش­بینی و ارزیابی توسعه نوآوری در صنعت خدمات پس از فروش خودرو با رویکرد استنتاج فازی عصبی – تطبیقی

 

نام و نام خانوادگی نویسنده اول

مرتبه علمی

نام و نام خانوادگی نویسنده مسئول (مسئول مکاتبات)

مرتبه علمی

نام و نام خانوادگی نویسنده سوم

مرتبه علمی

 

چکیده

زمینه و هدف: نوآوری در صنعت خدمات پس از فروش خودرو نقش اساسی در افزایش رضایت مشتری، بهبود کارایی عملیاتی و ایجاد مزیت رقابتی دارد. با توجه به اهمیت پرورش اکوسیستم­های نوآوری در این بخش، این پژوهش با هدف پیش­بینی و ارزیابی توسعه نوآوری با استفاده از رویکرد اکوسیستمی انجام شد.

روش: از طریق یک رویکرد آمیخته، این پژوهش ابتدا روش فراترکیب را برای شناسایی ابعاد و مولفه­های کلیدی مؤثر بر توسعه نوآوری در صنعت خدمات پس از فروش خودرو انجام داد. پس از آن، یک سیستم استنتاج فازی برای ارزیابی و اولویت­بندی اهمیت این ابعاد و مولفه­ها به کار گرفته شد.

یافته­ها: نتایج، پنج بُعد مهم را نشان داد: زیرساخت، دانش، تعامل بازیگران، سرمایه و فرهنگ، که هر یک شامل چندین مؤلفه است. شایان ذکر است، زیرساخت‌های فیزیکی، ادغام دانش، دانشگاه‌ها و مؤسسات تحقیقاتی، سرمایه انسانی و اجتماعی و ایجاد محیطی نوآورانه به‌عنوان تأثیرگذارترین مؤلفه‌ها در ابعاد مربوطه ظاهر شدند.

نتیجه­گیری: این پژوهش، بر ماهیت چندبُعدی توسعه نوآوری در صنعت خدمات پس از فروش خودرو تاکید می­کند و اهمیت تقویت مشارکت­های مشترک، سرمایه­گذاری در توسعه استعدادها و ایجاد فرهنگ مناسب برای نوآوری را برجسته می­سازد. با حرکت رو به جلو، ذی­نفعان صنعت خدمات پس از فروش خودرو تشویق می­شوند تا از این یافته­ها برای توسعه استراتژی­های هدفمند، تخصیص موثر منابع و پرورش فرهنگ نوآوری که موجب رشد پایدار و مزیت رقابتی می­شود، استفاده کنند.

واژگان کلیدی: نوآوری، خدمات پس از فروش، اکوسیستم نوآوری، صنعت خودرو، سیستم استنتاج فازی

 

 

مقدمه

نوآوری سنگ بنای پیشرفت است که صنایع را به جلو می­برد و خطوط جامعه مدرن را شکل می­دهد. در اصل، نوآوری بیانگر تعقیب بی‌وقفه ایده‌ها، فناوری‌ها و فرآیندهای جدید با هدف رسیدگی به چالش‌های موجود، استفاده از فرصت‌های نوظهور و ایجاد ارزش برای افراد، سازمان‌ها و کل جامعه است (خان و دیگران1، 2022). در مفهوم نوآوری، مفهوم اکوسیستم نوآوری نهفته است – شبکه­ای پویا و به هم پیوسته از بازیگران، منابع و مؤسساتی که برای تولید، انتشار و بهره­برداری از راه­حل­های نوآورانه با یکدیگر همکاری و رقابت می­کنند (کایسدو و دیگران2، 2023).

در صنعت خودرو، نوآوری صرفاً یک مزیت رقابتی نیست؛ یک امر وجودی است. سرعت بی‌امان پیشرفت فناوری، تغییر ترجیحات مصرف‌کننده، و چشم‌اندازهای نظارتی در حال تحول، چرخه مداوم نوآوری و سازگاری را می‌طلبد. این موضوع در هیچ بخشی به اندازه بخش خدمات پس از فروش مشهود نیست - یک جزء حیاتی از زنجیره ارزش خودرو که مسئول ارائه خدمات نگهداری، تعمیر و پشتیبانی به صاحبان خودرو پس از خرید است. اهمیت صنعت خودرو فراتر از ردپای آن در اقتصاد است و به عنوان زنگ خطری برای پیشرفت فناوری، محرک رشد اقتصادی و کاتالیزوری برای تحول اجتماعی عمل می­کند (لوپزوگا و مودیسون3، 2023). در این اکوسیستم وسیع و به هم پیوسته، بخش خدمات پس از فروش خودرو، جایگاه منحصر به فردی را به خود اختصاص داده و به عنوان پایه‌ای است که تولیدکنندگان، فروشندگان، ارائه‌دهندگان خدمات و مصرف‌کنندگان را به هم متصل می‌کند. این بخش در صنعت خودرو، جریان کالاها، خدمات و اطلاعات را تسهیل می‌کند و عملکرد مداوم، ایمنی و رضایت خودروها را در طول چرخه عمر آن­ها تضمین می­کند (کارولو و دیگران4، 2023).

همان­طورکه وسایل نقلیه به طور فزاینده­ای از نظر فنی پیچیده­تر می­شوند، اهمیت خدمات پس از فروش کارآمد و مؤثر بیشتر می­شود و نیاز به نوآوری و تعالی در ارائه خدمات را تحریک می­کند. علی­رغم اهمیت حیاتی آن، بخش خدمات پس از فروش خودرو با چالش­ها و پیچیدگی­های بی­شماری مواجه است. تغییر انتظارات مصرف‌کننده، پیشرفت‌های سریع فناوری و تشدید فشارهای رقابتی، چشم‌انداز را تغییر می‌دهد و ذی­نفعان صنعت را مجبور می‌کند در مدل‌های کسب‌وکار سنتی تجدیدنظر کنند و از رویکردهای جدید برای ارائه خدمات استفاده کنند (ژائو و دیگران5، 2023). در این زمینه، نوآوری به عنوان یک محرک اصلی مزیت رقابتی ظاهر می‌شود و شرکت‌ها را قادر می‌سازد تا خود را متمایز کنند، تجربه مشتری را افزایش دهند و فرصت‌های جدید بازار را به دست آورند (نورهدایت و گیرسانگ6، 2024).

تحقیقات قبلی در زمینه نوآوری خدمات پس از فروش خودرو، بینش­های ارزشمندی را در مورد محرک­ها، موانع، و توانمندسازهای نوآوری در این بخش ارائه کرده است (اکاساری و دیگران7، 2023). با این حال، یک شکاف تحقیقاتی حیاتی باقی می­ماند - فقدان چارچوب­ها و روش­هایی برای پیش­بینی و ارزیابی توسعه نوآوری در اکوسیستم خدمات پس از فروش خودرو. این شکاف هم یک چالش و هم فرصتی برای کاوش و تحلیل بیشتر است و پتانسیل گشودن چشم­اندازها و استراتژی‌های جدید برای هدایت نوآوری و افزایش رقابت در این بخش را ارائه می‌دهد. بر این اساس، با اتخاذ یک رویکرد اکوسیستم نوآوری، این پژوهش به دنبال ایجاد چارچوبی قوی برای پیش‌بینی و ارزیابی توسعه نوآوری در بخش خدمات پس از فروش خودرو است. پژوهش حاضر با تکیه بر تحقیقات موجود و استفاده از بینش از چندین رشته - از جمله مدیریت نوآوری، نظریه اکوسیستم و مدیریت استراتژیک - به دنبال شناسایی عوامل کلیدی، چالش‌ها و فرصت‌هایی است که نوآوری را در این بخش شکل می‌دهند. 

با ترسیم چشم‌انداز نوآوری و شناسایی عوامل موفقیت حیاتی، هدف این پژوهش ارائه بینش‌های ارزشمند برای ذی­نفعان صنعت، سیاست‌گذاران و محققان، و اطلاع‌رسانی به تصمیم‌گیری استراتژیک و تخصیص منابع در این بخش است. درنهایت، این پژوهش به پیشرفت دانش و عملکرد در زمینه نوآوری خدمات پس از فروش خودرو کمک می­کند و با روشن کردن عواملی که باعث نوآوری در این بخش می­شود و ارائه توصیه­های عملی برای پرورش فرهنگ نوآوری و تعالی، به دنبال توانمندسازی شرکت­ها برای سازگاری و پیشرفت در یک محیط رقابتی و پویا است. انتظار می­رود نتایج این پژوهش مورد توجه طیف وسیعی از ذی­نفعان، از جمله خودروسازان، فروشندگان، ارائه­دهندگان خدمات، سیاست­گذاران و دانشگاهیان باشد که در آینده صنعت خودرو و بخش خدمات پس از فروش آن سرمایه­گذاری می­کنند.

با توجه به آنچه مطرح شد سوال اصلی پژوهش این است که چگونه می­توان توسعه نوآوری را در صنعت خدمات پس از فروش خودرو با استفاده از رویکرد اکوسیستم نوآوری پیش­بینی و ارزیابی کرد و پیامدهای آن برای ذی­نفعان صنعت چیست؟

پیشینه پژوهش

نوآوری فرآیندی چندوجهی و پویا است که شامل ایجاد، پذیرش و اجرای ایده‌ها، فناوری‌ها، محصولات یا فرآیندهای جدید با هدف ایجاد ارزش و ایجاد پیشرفت می‌شود. نوآوری در هسته خود، طیفی از فعالیت‌ها را شامل می­شود که از پیشرفت‌های تدریجی تا پیشرفت‌های اساسی را دربرمی‌گیرد و می‌تواند در اشکال مختلف از جمله نوآوری‌های فناورانه، نوآوری‌های سازمانی و نوآوری‌های مدل کسب‌وکار ظاهر شود. مفهوم نوآوری در تازگی8 است و تازگی می­تواند به طرق مختلف ظاهر شود؛ برای مثال، می­تواند یک محصول جدید، یک فرآیند جدید، یک خدمت جدید یا حتی یک روش جدید سازماندهی یا اداره کسب و کار باشد. نوآوری به پیشرفت­های فناورانه محدود نمی­شود؛ بلکه شامل نوآوری­های اجتماعی و فرهنگی نیز است که شیوه زندگی، کار و تعامل ما با یکدیگر را شکل می­دهد (اروین9، 2021).

مفهوم اکوسیستم نوآوری مبتنی بر این ایده است که نوآوری یک پدیده منزوی نیست، بلکه یک سیستم پیچیده و به هم پیوسته از روابط، تعاملات و وابستگی­ها است. یک اکوسیستم نوآوری، طیف متنوعی از ذی­نفعان را دربرمی­گیرد، از جمله شرکت­ها، دانشگاه­ها، مؤسسات تحقیقاتی، دولت­ها، سرمایه­گذاران و مصرف­کنندگان، که برای تولید، انتشار و بهره­برداری از ایده­ها و فناوری­های جدید با یکدیگر همکاری و رقابت می­کنند. مفهوم اکوسیستم نوآوری این است که بدانیم نوآوری یک تلاش جمعی است که در یک محیط حمایتی و مساعد رشد می­کند. این محیط طیفی از عوامل از جمله چارچوب­های نهادی، هنجارهای فرهنگی، سیستم­های آموزشی و زیرساخت­ها را دربرمی­گیرد که جریان دانش، منابع و استعداد را در اکوسیستم شکل می­دهد. علاوه بر این، یک اکوسیستم نوآوری با تعاملات پویا و حلقه‌های بازخورد مشخص می‌شود، جایی که نوآوری‌ها از طریق شبکه‌های بازیگران و مؤسسات، ظهور، تکامل و انتشار می‌یابند. با تقویت همکاری، تبادل دانش و کارآفرینی، اکوسیستم‌های نوآوری نقشی حیاتی در محرک رشد اقتصادی، ارتقای رفاه اجتماعی و رسیدگی به چالش‌های جهانی ایفا می‌کنند (ویسچر و دیگران10، 2021).

نوآوری و اکوسیستم­های نوآوری مفاهیم ذاتی مرتبط هستند که ماهیت به هم پیوسته فرآیند نوآوری را منعکس می­کنند. نوآوری، همان­طور که مورد بحث قرار گرفت، به ایجاد، پذیرش و اجرای ایده‌ها، فناوری‌ها، محصولات یا فرآیندهای جدید اشاره دارد که ارزش تولید می‌کنند و باعث پیشرفت می‌شوند. از سوی دیگر، اکوسیستم‌های نوآوری، زمینه وسیع‌تری را نشان می‌دهند که در آن نوآوری رخ می‌دهد و شبکه‌ای از بازیگران، منابع و نهادهایی را دربرمی‌گیرد که چشم‌انداز نوآوری را شکل می‌دهند (آدرش و دیگران11، 2022). اکوسیستم­های نوآوری و نوآوری با هم یک رابطه پویا و هم­زیست را تشکیل می­دهند که در آن نوآوری از تعاملات و همکاری­های درون اکوسیستم پدید می­آید و به نوبه خود ساختار و پویایی خود اکوسیستم را شکل می­دهد. در این چارچوب، اکوسیستم‌های نوآوری به‌عنوان زمینی حاصل­خیز برای خلاقیت، آزمایش و کارآفرینی عمل می‌کنند و شرایط لازم را برای شکوفایی و شکوفایی نوآوری‌ها فراهم می‌کنند سازمان­ها برای نهادینه کردن جو خلاقیت و نوآوری باید استراتژی­هایی را برای هدایت و کنترل این تغییرات به مدد رهبران تحول­آفرین ایجاد کنند (صباغی رستمی و حسینی شکیب، 1398). اکوسیستم‌های نوآوری با پرورش فرهنگ باز بودن، همکاری و ریسک‌پذیری، افراد و سازمان‌ها را قادر می‌سازند تا از پتانسیل جمعی خود بهره ببرند و تغییرات و دگرگونی معنی‌داری را ایجاد کنند.

برای رقابت در فضای موجود، روی آوردن به نوآوری و متعاقب آن، مدیریت آن بیش از پیش اهمیت پیدا کرده است. مدیریت نوآوری می­تواند برای شرکت­ها مزیت رقابتی ایجاد کند (حسینی شکیب و مرادیان، 1397). در صنعت خودرو، نوآوری نه تنها در طراحی و ساخت خودرو، بلکه در خدمات پس از فروش نیز بسیار مهم است. خدمات پس از فروش، از جمله تعمیر و نگهداری، به نقاط کانونی برای نوآوری تبدیل شده است که هدف آن، افزایش تجربه مشتری و کارایی عملیاتی است. نوآوری­ها در این بخش، شامل ارائه خدمات جدید مانند تعمیر و نگهداری پیش­بینی و پلتفرم­های دیجیتال برای مدیریت خدمات می­شود. این نوآوری در اکوسیستم نوآوری خودرو، شبکه­ای از تولیدکنندگان، نمایندگی­ها، ارائه­دهندگان خدمات، تامین­کنندگان و مشتریان پرورش می­یابد. همکاری و به اشتراک گذاری دانش میان این ذی­نفعان باعث پیشرفت می­شود و نوآوری در یک حوزه، اغلب تحولات در جاهای دیگر را تسریع می­کند. پذیرش نوآوری در این اکوسیستم، شرکت­ها را قادر می­سازد تا نیازهای متغیر مشتری را پیش­بینی و برآورده سازند و رقابت و پایداری را در بازار پویا تضمین کنند (لوپزوگا و مودیسون، 2023).

کیم و دیگران12 (2022) به بررسی ساختار اکوسیستم نوآوری در مقابل ناپیوستگی‌های فناوری با توجه به اشخاص فعال در این اکوسیستم (به عبارتی متصدیان، ارائه‌دهندگان اجزا و مکمل‌ها) و فعالیت‌های آن­ها برای خلق ارزش پایدار متمرکز شده‌اند. یافته‌های این مطالعه نشان داد که چون زنجیره ارزش در صنعت به نوآوران جوان و متنوعی که فناوری‌های اساسی را در دوران نوآوری ناپیوسته ارائه می‌دهند، باز می‌باشد، بازیگران اکوسیستم به طور گسترده‌ای فعالیت می‌کنند و فراتر از محدوده‌های صنعت مربوطه می‌پردازند. علاوه بر این، پنج قابلیت اصلی که متصدیان فعلی برای موفقیت در اکوسیستم نوآوری پیشنهاد داده‌اند، برای موفقیت در محیط پیچیده اکوسیستم نوآوری ضروری است. در نهایت، مطالعه موردی نشان می‌دهد که شرکت‌های خودروسازی سنتی به سمت ساختاردهی فناوری و ایجاد زیرساخت‌های موثر برای نوآوری و خلق ارزش پایدار به منظور تبدیل شدن به رهبران یک اکوسیستم نوآوری در دوران نوآوری پیوسته و مشترک در صنعت خودرو، حرکت می‌کنند.

داسیلوا و دیگران13 (2021) بیان کردند که ایجاد اکوسیستم‌های نوآوری موثر در سطح ملی یا صنعتی، یک وظیفه چالش‌برانگیز است که همواره قابلیت اجرا ندارد. با توجه به شواهد ارائه شده از صنعت خودروسازی در برزیل، یک نمونه از فرصت‌های از دست رفته برای ایجاد یک اکوسیستم نوآوری قوی و مؤثر مورد بررسی قرار گرفته است، که به دلیل عدم توانایی این اکوسیستم‌ها در تطبیق با تغییرات پیچیده و الگوهای تعاملی جدید که برای رقابت در زمینه‌های جدیدی مانند بوم‌شناسی رقابتی ارائه می‌شود، امکان‌پذیر نمی‌باشد. در مقابل، خودروسازان، علی‌رغم همکاری‌های مشترک با شرکای زنجیره ارزش محلی، به خلاف صنایع دیگر مانند هوافضا یا فناوری اطلاعات و ارتباطات که از طریق ایجاد یک اکوسیستم نوآوری گسترده‌تر، رشد و تحول عمده‌ای را تجربه کرده‌اند، نسبت به همکاری‌های بین‌المللی رویکرد بسته‌ای دارند. در واقع، تنها فشار قابل توجه دولت برای ایجاد یک اکوسیستم نوآوری مؤثر و قوی می‌تواند وضعیت را تغییر دهد. 

هوانگ و دیگران14 (2023) به بررسی اکوسیستم‌های نوآوری پرداخته و اظهار داشته‌اند که نیروی متخصص، یک منبع بنیادین برای توسعه ملی محسوب می‌شود و رقابت در این زمینه به عنوان یک شاخص حیاتی برای اندازه‌گیری توسعه کشورها و مناطق تلقی می‌شود. این مطالعه مکانیسم‌های پیچیده و علی اکوسیستم‌های نوآوری را که منجر به رقابت نیروی متخصص می‌شوند، مورد بررسی قرار داده و چهار عامل (شرکت‌ها، دولت‌ها، دانشگاه‌ها و مؤسسات تحقیق و توسعه) را که در این اکوسیستم‌ها تعامل می‌کنند، شناسایی و تبیین نموده است. مهمترین یافته‌های این مطالعه عبارتند از: (1) ضرورت کارایی دولت الکترونیک به عنوان یکی از شرایط اساسی برای رقابت نیروهای متخصص و نقش کلیدی زیرساخت‌های اطلاعاتی و ارتباطی در تحقق این رقابت؛ (2) شناسایی سه نوع اکوسیستم نوآوری که رقابتی بالا با نیروی متخصص را ایجاد می‌کنند؛ (3) تشخیص چهار نوع اکوسیستم نوآوری که رقابت‌پذیری با نیروی متخصص کمتری دارند و وجود رابطه نامتقارن با اکوسیستم‌های نوآوری که رقابت‌پذیری با نیروی متخصص بالاتری دارند. به طور کلی، این مطالعه به یافته­های مهمی درباره عوامل مؤثر در ایجاد و ارتقاء اکوسیستم‌های نوآوری و نقش آن­ها در رقابتی کردن نیروی متخصص پرداخته است.

گرنستراند و هولگرسون15 (2023) به بررسی تعاریف مرتبط با اکوسیستم‌های نوآوری پرداخته و با توجه به تحلیل مفهومی، یک تعریف ترکیبی از این اکوسیستم‌ها ارائه نموده‌اند. آن‌ها نقاط نامتوازن تمرکز بر مکمل‌ها، همکاری‌ها و بازیگران در تعاریف مختلف را شناسایی کرده و اقدام به ارائه یک تعریف جامع از اکوسیستم‌های نوآوری کرده‌اند. این تعریف عبارت است از: «مجموعه‌ای از بازیگران، فعالیت‌ها و مصنوعات متحول، همچنین نهادها و روابط، از جمله روابط مکمل و جایگزین، که برای اجرای نوآورانه یک بازیگر یا جمعیتی از بازیگران اساسی هستند». این تعریف توازن بین اجزای مختلف اکوسیستم را به خوبی بیان می‌کند و با مفاهیم مربوط به سیستم‌های نوآوری و اکوسیستم‌های طبیعی همخوانی دارد. اعتبار این تعریف با ارائه سه مثال تجربی از اکوسیستم‌های نوآوری، تایید شده است.

ارجمندی و دیگران (1401) با هدف سنتز ادبیات مرتبط با گذار فناورانه به نسل چهارم انقلاب صنعتی، مطالعه­ای انجام دادند تا چارچوب یکپارچه‌ای از صنعت 4.0 را در زمینه‌ صنعت خودرو به ارمغان بیاورند. در این مطالعه، با جستجو و ترکیب سیستماتیک، 107 کد، 24 مفهوم، و 7 مقوله کلیدی مورد بررسی و تحلیل قرار گرفت. نتایج نشان داد که مهم‌ترین مقوله‌های شناسایی شده عبارتند از: منابع، عوامل سازمانی، سیاست‌های دولت، عوامل فرهنگی، بازار، عوامل قانونی- حمایتی، و محیط نهادی. این عوامل در سه دسته‌ اصلی، زمینه‌ای، و محیطی قرار گرفته‌اند. در پایان، پس از طی مراحل گوناگون مطالعه، یک الگوی گذار فناورانه به نسل چهارم انقلاب صنعتی تدوین شد.

آسفی و دیگران16 (2020) به بررسی مدل سازی یک اکوسیستم نوآوری پرفروش در جهت ایجاد یک جامعه پایدار پرداختند. این مطالعه نشان می‌دهد که تحقیقات متعددی درباره‌ سیلیکون ولی و سایر اکوسیستم‌های نوآوری پرشتاب انجام شده است و با تمایز ویژگی‌های خاص، اهمیت بقای آن‌ها بر پایه فعالیت‌هایی که آن‌ها را به مناطق خاص تبدیل می‌کند، مورد بررسی قرار گرفته‌اند. این مناطق ارتقاء زیرساخت‌های نوآوری را تسهیل می‌دهند. اما، اگر بازیکنان با یک شبکه ضعیف از روابط مشارکتی در اکوسیستم مواجه شوند، تلاش می‌کنند تا نوآوری‌ها به نتایج اقتصادی قابل اندازه‌گیری تبدیل شوند. علاوه بر این، بازگرداندن ارزش ایجاد شده در همان منطقه می‌تواند مشکل دیگری در مورد اکوسیستم‌های نوآوری واقعی باشد که توسط همه بازیگران ایجاد شده و مورد استفاده قرار می‌گیرد. اکوسیستم‌های نوآوری موفق دارای ویژگی‌هایی هستند که در آن‌ها روند رشد اقتصادی و تجدید یک منطقه همیشه سبز در روابط مشترک خاص معتبر است.

حنیفی و دیگران (1401) به منظور بررسی تأثیرات همبستگی بازیگران بر عوامل کلیدی خودروی خودران، با تمرکز بر این عوامل، تلاش کردند تا زمینه‌ای مناسب برای ارتقاء این فناوری فراهم آورند. یافته‌های این مطالعه نشان می‌دهد که نهادهایی نظیر وزارت ارتباطات و فناوری اطلاعات و وزارت راه و شهرسازی، به دلیل موقعیت‌های برجسته خود، جزء عوامل کلیدی و مؤثر در این سیستم محسوب می‌شوند. این عوامل، که دارای تأثیر چشم­گیری بر سیستم و حساسیت بالایی به آن دارند، می‌توانند از طریق یک سیاست‌گذاری هوشمندانه به اجرای موفق این فناوری کمک کنند، زیرا خودروی خودران به عنوان یک فناوری با تأثیرات گسترده‌ای در آینده اجتماعی، فرهنگی و فناورانه خواهد بود.

دفاریا و دیگران17 (2020) با مطالعه تأثیر موانع داخلی بر فرآیند نوآوری باز، عوامل کلیدی موثر در این حوزه را شامل مواردی نظیر مدیریت دانش، بهره‌مندی از دانش خارجی، ادغام دانش خارجی، منابع مالی، فرآیندهای دانش داخلی، ظرفیت انطباق، همکاری با دانشگاه‌ها و مراکز پژوهشی، فرهنگ نوآوری، و تعامل گسترده با شرکای کسب‌وکار برای جذب دانش خارجی شناخته‌اند.

کولومیتسوا و دیگران18 (2019) اظهار می‌دارند که مدیریت محیط توسعه اکوسیستم نوآوری از جمله عوامل کلیدی برای پیشرفت نوآوری است. ایجاد یک محیط نوآورانه مناسب می‌تواند به تبدیل ایده‌ها و ابتکارات به محصولات بازارپسند و معرفی آنها به بخش‌های اصلی اقتصاد و جوامع مختلف کمک کند. علاوه بر این، این محیط می‌تواند امکان ایجاد و ذخیره مجموعه‌های منحصربه‌فرد را فراهم کند. این پژوهش بیان می‌کند که عدم وجود محیط مساعد و جو نوآورانه از مشکلات اساسی برای اجرای نوآوری‌های مؤثر است، که می‌تواند به رشد توانایی رقابت جهانی، بهره‌وری نیروی کار و کیفیت زندگی جمعیت کمک کند. بنابراین، توسعه و شکل‌گیری محیط نوآورانه به‌عنوان یکی از شرایط اساسی اجرای نوآوری‌های موثر، نشان‌دهنده نقش اساسی و علمی در راستای تحقق اهداف اقتصادی ملی است. در حال حاضر، فناوری‌های دیجیتال به‌خوبی در چارچوب اکوسیستم‌های توسعه یافته‌اند و پروژه‌های مبتنی بر این اکوسیستم‌ها اهمیت بیشتری پیدا می‌کنند، زمانی که افرادی با منافع مشترک به یکدیگر متصل می‌شوند.

روش پژوهش

این پژوهش از منظر هدف، به طور کاربردی ارائه شده و از رویکرد آمیخته بهره گرفته است. در ابتدا، برای دستیابی به اهداف پژوهش، از رویکرد فراترکیب سندلوسکی و بارسو19 (2007) استفاده شده است. این رویکرد شامل بررسی منظم و سازمان‌یافته‌ تحقیقات کیفی است که از طریق هفت مرحله متوالی، تفسیر نوآورانه‌ای از مطالب به‌دست‌آمده ارائه می‌دهد. مراحل شامل تعیین سوالات و اهداف پژوهش، بررسی سیستماتیک متون موجود، جستجو و انتخاب مقالات مرتبط، استخراج اطلاعات و نتایج مقالات، تجزیه و تحلیل دقیق و ترکیب یافته‌های کیفی، کنترل کیفیت فرآیند، و درنهایت ارائه نتایج می‌باشد. جهت شناسایی مقالات مرتبط، با جستجوی سیستماتیک در عناوین، چکیده‌ها و کلیدواژه‌ها از کلمات "نوآوری، توسعه نوآوری، اکوسیستم نوآوری، صنعت خودرو، خدمات پس از فروش و خدمات پس از فروش خودرو" استفاده شده است. معیارهای ورود به پژوهش شامل مقالات کیفی و مرتبط با سوال پژوهش بودند که در پایگاه‌های داده معتبر خارجی از جمله گوگل اسکالر، امرالد، الزویر، ویلی، اسپرینگر، تیلور اند فرانسیس، و همچنین در پایگاه‌های داده معتبر داخلی از جمله سیویلیکا، سید، و مگیران، در دهه اخیر بین سال‌های ۲۰۱۴ تا ۲۰۲۳ (معادل شمسی ۱۳۹۳ تا ۱۴۰۲) چاپ شده بودند. به کمک این روش، 241 مقاله شناسایی و پس از اعمال معیارهای ورود به پژوهش، از جمله مقالات کیفی و مرتبط با سوال پژوهش، 214 مقاله حذف و 27 مقاله برای تجزیه و تحلیل انتخاب شدند. اعتبار پژوهش با استفاده از روش سندلوسکی و بارسو (2007) تایید شد و برای افزایش روایی توصیفی، از معیارهای ورود به پژوهش از جمله برگزاری جلسات هفتگی برای گزارش جستجوی مقالات، استفاده از نرم‌افزار اندنوت برای ذخیره و بررسی مقالات، برگزاری جلسات هفتگی و ارزیابی گزارش‌های اعضای تیم برای افزایش روایی تفسیری و استفاده از متخصص در زمینه پژوهش برای افزایش روایی عملی استفاده شد. به­منظور بررسی پایایی پژوهش، از برنامه مهارت‌های ارزیابی انتقادی20 (2018) توسط اعضای تیم و خبرگان استفاده شد. این ارزیابی شامل ۱۰ سوال که به جوانب مختلف مقالات می‌پردازد، با هدف ارزیابی کیفیت، دقت، اعتبار و اهمیت مقالات نهایی انجام شد.

پس از استخراج ابعاد و مولفه‌ها از مرور ادبیات با استفاده از روش فراترکیب، پرسشنامه­ای برای تدوین، اجرا، و آزمون الگو طراحی شد. این پرسشنامه با استفاده از روش‌های روایی صوری و محتوایی تدوین و طراحی شده و با محاسبه ضریب آلفای کرونباخ، پایایی آن تأیید شد. این پرسشنامه میان 48 نفر از مدیران و کارشناسان فعال در حوزه صنعت خودرو و از متخصصان حوزه نوآوری با سابقه کار بیش از 10 سال در پست‌های مدیریتی و دارای مدارک تحصیلی کارشناسی ارشد و دکتری توزیع و جمع‌آوری شد. این افراد که به صورت هدفمند انتخاب شدند، بر اساس دانش تجربی و تخصصی خود، میزان توسعه نوآوری در صنعت خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری را تخمین زدند و با علامت‌گذاری از بین مقادیر 0 تا 10 آن‌ را مشخص کردند. برای طراحی قوانین استنتاجی، از سیستم استنتاج فازی عصبی تطبیقی21 یا ANFIS استفاده شد که بر اساس ترکیب قابلیت یادگیری شبکه‌های عصبی و عملکرد سیستم‌های فازی عمل می‌کند (آبراهام22، 2005). پس از جمع‌آوری پرسشنامه‌ها، از ANFIS با استفاده از نرم‌افزار متلب بهره گرفته شد. داده‌های جمع‌آوری شده از پرسشنامه‌ها به سه دسته تقسیم شدند: داده‌های آموزش برای الگو‌سازی سیستم هدف استفاده شدند و داده‌های امتحان و بررسی برای اعتبارسنجی الگوی طراحی شده به کار گرفته شدند. 

در روش‌های پژوهش و حل مسئله مبتنی بر داده‌های معاصر، ANFIS به عنوان ابزاری بسیار قوی برای پرداختن به مسائل غیرخطی با دقت بالا ظاهر می‌شود. ANFIS، یک مدل هوش مصنوعی است که از ترکیب اصول استنتاج فازی و شبکه‌های عصبی بهره می‌برد. این مدل به صورت یک چارچوب انعطاف‌پذیر برای تبدیل ورودی‌ها به خروجی‌ها عمل می‌کند و به ویژه برای پیش‌بینی مناسب است. ANFIS به صورت یک جعبه سیاه عمل می‌کند، به این معنا که کاربران می‌توانند از قابلیت‌های پیش‌بینی آن بدون نیاز به دانش پیچیده از فرآیندهای داخلی آن استفاده کنند. این مدل با جمع‌آوری داده‌های ورودی و خروجی شروع می‌شود و سپس با استفاده از تکنیک‌های خوشه‌بندی، خوشه‌های متغیر خروجی شناسایی می‌شوند و قوانین فازی بر اساس این خوشه‌ها تولید می‌شوند. این فرآیند با توسعه هر خوشه متغیر خروجی در فضای متغیر ورودی ادامه می‌یابد و روابط بین داده‌های ورودی و خروجی را مشخص می‌کند. ANFIS به دلیل دقت و انعطاف‌پذیری بالا، به عنوان یک گزینه مناسب برای پیش‌بینی وظایف مختلف در دنیای واقعی شناخته می‌شود (آذر و فرجی، 1395). در ادامه، طراحی، پیاده‌سازی و اجرای سیستم فازی عصبی تطبیقی که موضوع این پژوهش است، مورد بررسی قرار می­گیرد.

یافته­ها

یافته­های پژوهش در بخش فراترکیب

به منظور دستیابی به سوال اصلی پژوهش، از دیدگاه تجزیه و تحلیل طبقه­بندی شده23 استفاده شده است. در این روش، عبارات مرتبط با توسعه نوآوری در صنعت خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری، ابتدا به شکل کدهای اولیه استخراج شده­اند. سپس، با استفاده از کدهای اولیه، مفاهیمی که الگوهای موجود در یافته‌ها را بازتاب می‌دهند، از طریق کدگذاری باز شناسایی گردیدند. این مفاهیم نیز از طریق کدگذاری محوری به زیرمقوله­ها و مقوله­های اصلی طبقه‌بندی شدند. درنهایت، عوامل موثر بر توسعه نوآوری در صنعت خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری در 5 بُعد و در قالب 16 مولفه شناسایی شد که در جدول 1 ارائه شده است.

جدول 1: ابعاد و مولفه­های موثر بر توسعه نوآوری در صنعت خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری

مفهوم اصلی

ابعاد

مولفه­ها

منبع

توسعه نوآوری در خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری

زیرساخت

زیرساخت فیزیکی

تاقز و دیگران24 (2021)، قاضی نوری و دیگران25 (2020)، فاسنات26 (2018)، کولومیسوا و دیگران27 (2019)

زیرساخت­های تکنیکی، فناوری و فناوری­های دیجیتال

دفاریا و دیگران (2020)، فاسنات (2018)، قاضی نوری و دیگران (2020)، راداتز و دیگران28 (2019)، کولومیسوا و دیگران (2019)، تاقز و دیگران (2021)

زیرساخت­های ارتباطی

دفاریا و دیگران (2020)، فاسنات (2018)، تاقز و دیگران (2021)

سرمایه

مؤلفه دارایی­ها و منابع مالی

گاچانجا و دیگران29 (2020)، کولومیسوا و دیگران (2019)

سرمایه­های انسانی و اجتماعی

صباغی رستمی و حسینی شکیب (1398)، آسفی و دیگران (2020)، راداتز و دیگران (2019)

سرمایه­گذاری در تحقیق و توسعه

تاقز و دیگران (2021)، قاضی نوری و دیگران (2020)، کولومیسوا و دیگران (2019)

دانش

آموزش و تعهد به یادگیری

صمدی انصاری و دیگران (1402)، فاسنات (2018)، یاکولوا و وولکوا30 (2018)

اشتراک دانش

فاسنات (2018)، خادمی31 (2020)، گاچانجا و دیگران (2020)

ادغام دانش

گاچانجا و دیگران (2020)، راداتز و دیگران (2019)

فرهنگ

کار تیمی و توانمندی­های مشارکتی

تاقز و دیگران (2021)، صباغی رستمی و حسینی شکیب (1398)، آسفی و دیگران (2020)، دفاریا و دیگران (2020)

ایجاد محیط نوآورانه و حمایت از نوآوران

یاکولوا و وولکوا (2018)، گاچانجا و دیگران (2020)، تاقز و دیگران (2021)

ریسک­پذیری و تحمل شکست

یاکولوا و وولکوا (2018)، صباغی رستمی و حسینی شکیب (1398)

تعامل بازیگران

صنایع و سازمان­ها و شبکه­های خدمات پس از فروش

خادمی (2020)، آسفی و دیگران (2020)، دفاریا و دیگران (2020)

مشتریان

آسفی و دیگران (2020)، دفاریا و دیگران (2020)، خادمی (2020)، گاچانجا و دیگران (2020)، راداتز و دیگران (2019)

دانشگاه­ها و مؤسسات و نهادهای تحقیقاتی

خادمی (2020)، آسفی و دیگران (2020)

دولت

صمدی انصاری و دیگران (1402)، آسفی و دیگران (2020)، خادمی (2020)، راداتز و دیگران (2019)

طراحی سيستم استنتاج فازي با رویکرد عصبی تطبیقی

جدول 2 مولفه اصلی پژوهش (خروجی نهایی)، ابعاد و مولفه­های مربوط به آن­ها را نشان می­دهد. در این پژوهش یک بار ابعاد اصلی به همراه خروجی مورد نظر، مدل ANFIS را تشکیل داده و بار دیگر هر یک از مولفه­های مربوط به ابعاد مورد مطالعه، ساختار Sub-ANFISها را ایجاد کرده­اند.

جدول 2: مولفه اصلی پژوهش، ابعاد و مولفه­ها

مولفه اصلی

ابعاد

نماد

مولفه­ها

نماد

توسعه نوآوری در خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری

 

زیرساخت

INFRASTRUCTURE

زیرساخت فیزیکی

INF

زیرساخت­های تکنیکی، فناوری و فناوری­های دیجیتال

TECH

زیرساخت­های ارتباطی

COM

سرمایه

CAPITAL

مؤلفه دارایی­ها و منابع مالی

FIN

سرمایه­های انسانی و اجتماعی

HSC

سرمایه­گذاری در تحقیق و توسعه

RD

دانش

KNOWLEDGE

آموزش و تعهد به یادگیری

LET

اشتراک دانش

NSH

ادغام دانش

INT

فرهنگ

CULTURE

کار تیمی و توانمندی­های مشارکتی

TE

ایجاد محیط نوآورانه و حمایت از نوآوران

ENV

ریسک­پذیری و تحمل شکست

RIS

تعامل بازیگران

ACTOR-INTRACTION

صنایع و سازمان­ها و شبکه­های خدمات پس از فروش

AFS

مشتریان

CUS

دانشگاه­ها و مؤسسات و نهادهای تحقیقاتی

UNI

دولت

GOV

 

در این پژوهش به منظور تعریف تابع عضویت از تابع عضویت گوسی32 استفاده شده است. در این تابع عضویت، مشتق پذیر بودن تابع مربوط به متغیرهای ورودی و خروجی در سیستم ANFIS برقرار است. بازه تغییرات در مورد متغیرهای ورودی بین 0 تا 10 و برای متغیر خروجی نیز بین 0 تا 10 بوده است. همچنین، جهت طراحی قوانین استنتاجی از ابزار قدرتمند ANFIS استفاده شده است. به عبارتی، این پژوهش با اتکا به ترکیب قدرت یادگیری شبکه­های عصبی و عملکرد منطقی سیستم­های فازی و دانش خبرگان در صنعت خودرو در پی یافتن قوانین مربوط به این حوزه بوده است. به منظور تعیین مقادیر داده­های اولیه، از نتایج حاصل از پرسشنامه­های طراحی شده، استفاده شده است. ارتباطات میان ورودی­ها و خروجی­های این داده­ها، قوانین استنتاج فازی را به صورت ساختار یافته آورده­اند. در مدل ANFIS اصلی از 5 ورودی شامل زیرساخت، سرمایه، دانش، فرهنگ و تعامل بازیگران استفاده شده است. در Sub-ANFISهای برازش یافته نیز هر یک از این 5 بُعد به عنوان یک مدل در نظر گرفته شده و مولفه­های آن ها نقش ورودی­های مدل را ایفا کرده­اند. در هر وضعیت، داده­های مورد مطالعه به سه گروه شامل داده­های آموزش، داده­های آزمایش و داده­های مربوط به اعتبارسنجی تقسیم شده است. داده­های آموزش به منظور مدل­سازی سیستم هدف به کار گرفته می­شوند. داده­های آزمایش و اعتبارسنجی نیز با هدف بررسی اعتبار مدل حاصل مورد استفاده قرار می­گیرند. به منظور خوشه­بندی مدل نیز از آن­جا که نیاز به تعیین تعداد خوشه­ها وجود نداشته، از روش خوشه­بندی کاهشی33 استفاده شده است.

آموزش ANFIS

برای به روز کردن پارامترهای تابع عضویت در فرآیند آموزش، دو روش پس‌انتشار34 و ترکیبی35 مورد استفاده قرار می‌گیرد. در روش پس‌انتشار، خطای مربوط به هر مرحله از اجرای مدل محاسبه شده و در بازگشت رو به عقب، خطا به سمت ورودی­ها انتشار می­یابد. در ادامه با استفاده از الگوریتم شیب نزولی خطا، مجددا پارمترها اصلاح شده و مدل بار دیگر برازش می­یابد. در روش ترکیبی، پارامترهاي مجموعه عضويت ورودي به منظور تهيه توابع عضويت خروجي به صورت پس پراكنش تحليل مي­شوند. در نتيجه اين امر، خطا در طول فرايند يادگيري، كاهش مي­يابد. بنابراين اكثر توابع عضويت اوليه بهينه­سازي شده و در ساختار مدل ANFIS وارد مي­شوند. در این پژوهش، از ترکیب دو روش ذکر شده، یعنی روش هیبریدی استفاده شده است. همچنین با توجه به این­که دامنه تغییرات خطا36 با اندازه خطا نیز رابطه مستقیم دارد، از این معیار برای توقف آموزش مدل استفاده شده است. مدل­های ANFIS و Sub-ANFIS برازش یافته پس از 40 دوره37 آموزش به مقدار خطای قابل قبول دست یافته­اند که در جدول 3 میزان خطا برای هر مدل گزارش شده است.

جدول 3: میزان خطا در انفیس طراحی شده

خطا

ANFIS

0.005

INFRASTRUCTURE

0.03

CAPITAL

10-5× 3.56

KNOWLEDGE

0.09

CULTURE

0.04

ACTOR-INTRACTION

10-6× 8.882

D

معماری ANFIS

به منظور برازش مدل و سنجش توسعه نوآوری در خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری (D) ابتدا مدل اصلی ANFIS طراحی و برازش یافته است. ساختار این مدل شامل 5 ورودی بوده که 24 قاعده را در 5 لایه اصلی ایجاد کرده­اند. لایه اول یعنی ورودی­های مدل عبارتند از: 1) زیرساخت، 2) سرمایه، 3) دانش، 4) فرهنگ، 5) تعامل بازیگران. لایه­های میانی شامل توابع عضویت ورودی، قوانین و همچنین تابع عضویت خروجی مدل بوده است. در لایه آخر نیز خروجی مدل یعنی توسعه نوآوری در خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری قرار دارد. در شکل 1 و شکل 2 ساختار این مدل قابل مشاهده است.

img0 

شکل 1: معماری ANFIS

 

img0 

شکل 2: لایه­های ورودی، میانی و خروجی مدل ANFIS

 

هر یک از ورودی­های مدل ANFIS اصلی خود به عنوان یک sub-ANFIS نیز در ادامه در نظر گرفته شده و به همراه ورودی­های خود که عبارتند از مولفه­های مربوط به همان شاخص در پرسشنامه، برازش داده شده­اند. در شکل 3 دو نمونه از سیستم­های عصبی فازی تطبیقی مربوط به دو مورد از sub-ANFISها نشان داده شده است. 

img0img0 

شکل 3: ساختار استنتاج فازی sub-ANFISها سمت راست) بعد زیرساخت؛ سمت چپ) بعد سرمایه

 

مولفه­های ورودی در بُعد زیرساخت عبارت بوده است از: 1) زیر ساخت فیزیکی، 2) زیرساخت­های تکنیکی، فناوری و فناوری­های دیجیتال، 3) زیرساخت­های ارتباطی. مولفه­های ورودی در بُعد سرمایه نیز عبارت بوده است از: 1) مؤلفه دارایی­ها و منابع مالی، 2) سرمایه­های انسانی و اجتماعی، 3) سرمایه­گذاری در تحقیق و توسعه. در ادامه با توجه به ساختار ANFIS و همچنین پایگاه قواعد استخراج شده، ارتباطات و ترکیب­های ایجاد شده میان ورودی­های پژوهش براساس قواعد مورد نظر، خروجی­های مختلفی را ایجاد نموده است. نمودارهای حاصل در شکل 4 ارتباطات میان متغیرها را براساس تاثیرگذاری بر خروجی نهایی مدل نشان می­دهد.

img0img0 

شکل 4: منحنی مقایسه تاثیر عوامل ورودی بر متغیر خروجی

اجرای مدل ریاضی

با هدف ارزیابی عوامل موثر بر توسعه نوآوری در خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری، نتایج حاصل از پرسشنامه طراحی شده در بخش فراترکیب مورد استفاده قرار گرفته است. این پرسشنامه که میان 48 پاسخ­دهنده توزیع شده است، شامل 6 بخش اصلی (5 ورودی و یک خروجی مدل ANFIS ) بوده که هر بخش نیز شامل چندین مولفه بوده است. هر یک از مولفه­های 5گانه مورد بررسی شامل زیرساخت، سرمایه، دانش، فرهنگ و تعامل بازیگران بوده­اند. در جدول 4 نتایج مربوط به هر یک از مولفه­ها ارائه شده است.

جدول 4: مقادیر ورودی و خروجی مولفه­ها

بعد زیرساخت

INFRASTRUCTURE

COM

TECH

INF

8.31

8.17

8.16

7.74

بعد سرمایه

CAPITAL

RD

HSC

FIN

8.63

7.66

9.13

7.71

بعد دانش

KNOWLEDGE

INT

NSH

LET

9

8.09

8.14

8.59

بعد فرهنگ

CULTURE

RIS

INV

TE

8.13

8.54

7.82

7.52

بعد تعامل بازیگران

ACTOR-INTRACTION

GOV

UNI

GUS

AFS

8.95

7.59

8

7.26

6.87

اعتبارسنجی مدل ریاضی

به منظور اعتبارسنجی این مدل ریاضی از دو روش "بررسی مدل در داده­های آزمایش و داده­های اعتبار" و همچنین "آزمون شرایط حدی" استفاده شده است. به کمک روش بررسی اعتبار مدل براساس داده­های آزمایش و اعتبارسنجی، توانایی تعمیم سیستم استنتاج فازی بررسی شده و همچنین مشکل بیش برازش نیز به این ترتیب مورد ارزیابی قرار گرفته است. شکل 5 نشان دهنده انطباق داده­های خروجی مدل ANFIS با مقدار پیش­بینی شده آن دارد. متوسط خطای محاسبه شده براساس تکرارهای مختلف در این مدل 6-10 × 8.82 حاصل شده است. در شکل 5 علامت * نشان­دهنده خروجی ANFIS و علامت • نشان­دهنده داده­های آموزشی و داده­ های اعتبارسنجی است. در ادامه مشابه این نمودار با داده­های بخش اعتبارسنجی ترسیم شده است. این داده­ها برای اولین بار در مدل وارد شده­اند و چنانچه تطبیق میان مقادیر پیش­بینی و واقعی در مورد این گروه داده نیز مشاهده شود، می­توان مناسبت مدل را مورد تایید قرار داد. همان­طور که ملاحظه می­شود انطباق میان داده­های اعتبارسنجی و نتایج حاصل از مدل سیستم استنتاج فازی برقرار است. در مورد این داده­ها خطا برابر 6- 10 × 7.23 حاصل شده است.  

img0img0 

شکل 5: مقایسه بین خروجی انفیس و داده­ها – سمت راست) داده­های آموزش؛ سمت چپ) داده­های اعتبارسنجی

آزمون شرایط حدی با هدف بررسی پایایی مدل ANFIS در برابر تغییرات هم­زمان ورودی­های مدل انجام شده است. بدین منظور، ورودی­های مدل در حالت­های بسیار زیاد و بسیار کم در نظر گرفته شده و براساس این تغییرات، میزان تغییر ایجاد شده در خروجی مدل انفیس نیز محاسبه شده است. هدف این آزمون، اثبات صحت و تایید رفتار مناسب و قابل اعتماد (پایایی) مدل ریاضی حاصل شده در مقابل تغییرات داده­های ورودی است که نتایج آن در جدول 5 ارائه شده است. همان­طور که نشان داده شده است، مدل در مقابل تغییرات متغیرهای ورودی از مقدار بسیار کم (0) تا بسیا زیاد (10) رفتاری کاملا منطقی ارائه داده است و نیز رفتار منطقی خروجی مدل با توجه به تغییرات صورت گرفته در ورودی­های آن کاملا مشهود است.

جدول 5: تاثیر تغییرات همزمان ورودی­ها بر خروجی مدل

خروجی

ورودی های مدل

D

INFRASTRUCTURE

CAPITAL

KNOWLEDGE

CULTURE

ACTOR-INTRACTION

3.46

0

0

0

0

0

6.66

5

5

5

5

5

9.98

10

10

10

10

10

تحلیل حساسیت

در این بخش، به منظور بررسی میزان تغییرات خروجی در صورت تغییر در مقادیر ورودی­ها، دو ورودی با حداقل و حداکثر اثرگذاری بر خروجی در نظر گرفته شده و اثرگذاری بر خروجی در صورت تغییر یک واحدی در مقادیر این ورودی­ها مورد بررسی قرار گرفته است. ابتدا ورودی "زیرساخت" به عنوان موثرترین عامل در نظر گرفته شده و مقدار آن یک واحد افزایش داده شده است. در جدول 6 مقادیر اولیه پیش از تغییر در مقادیر ورودی ارائه شده است. همان­طور که مشاهده می­شود، بیشترین اثرگذاری مربوط به ورودی زیرساخت و کم­ترین تاثیر مربوط به تعامل بازیگران بوده است. 

به منظور بررسی حساسیت مدل نسبت به تغییرات در متغیرهای ورودی، در گام نخست مقدار بُعد زیرساخت به میزان یک واحد افزایش داده شده است. همان­طور که در جدول 6 ملاحظه می­شود با افزایش یک واحدی در متغیر ورودی زیرساخت، مقدار خروجی مربوط به توسعه نوآوری در خدمات پس از فروش به میزان 0.53 (اختلاف مقدار 8.45 و 8.98) افزایش یافته است. بار دیگر تغییرات خروجی به ازای کاهش یک واحدی در کم­اثرترین متغیر ورودی، یعنی تعامل بازیگران مورد بررسی قرار گرفته است. همان­طور که در جدول 6 ملاحظه می­شود، با کاهش در این متغیر مقدار خروجی با 0.09 (اختلاف میان 8.36 و 8.45) کاهش داشته است. نتایج حاصل برای این مدل نیز نشان می­دهد که افزایش در بُعد زیرساخت، افزایش در متغیر خروجی را به همراه داشته و کاهش در مقدار تعامل بازیگران موجب کاهش در خروجی مدل شده است. از سوی دیگر، با توجه به تغییرات حاصل به لحاظ عددی اثربخشی بیشتر متغیر زیرساخت (به عنوان متغیر دارای اثرگذاری بیشینه) هم­چنان قابل تایید بوده است.

جدول 6: نتایج آزمون تحلیل حساسیت

D

ACTOR-INTRACTION

CULTURE

KNOWLEDGE

CAPITAL

INFRASTRUCTURE

مقدار اولیه خروجی در مدل برازش یافته

8.45

7.43

8.36

8.19

8.2

8.6

مقدار تغییر خروجی در ازای تغییر در زیرساخت

8.98

7.43

8.36

8.19

8.2

9.6

مقدار تغییر خروجی در ازای تغییر در تعامل بازیگران

8.36

7.43

8.36

8.19

8.2

9.6

تحلیل نتایج حاصل از سیستم استنتاج فازی

با توجه به جدول 7 می­توان گفت مهم­ترین عامل اثرگذار بر توسعه نوآوری در خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری، بُعد "زیرساخت" بوده است. پس از آن، ابعاد "دانش"، "تعامل بازیگران"، "سرمایه" و "فرهنگ" به ترتیب در جایگاه­های بعد از منظر اهمیت قرار گرفته­اند. رتبه­بندی مولفه­ها در هر بُعد نیز در جدول 7 ارائه شده است.

        جدول 7: میزان تاثیر ورودی­­ها بر خروجی مدل انفیس و درجه اهمیت        

ابعاد

اهمیت

درجه اهمیت

مولفه­ها

نماد

اهمیت

درجه اهمیت

زیرساخت

0.53

1

زیرساخت فیزیکی

INF

0.11

1

زیرساخت­های تکنیکی، فناوری و فناوری­های دیجیتال

TECH

0.013

3

زیرساخت­های ارتباطی

COM

0.021

2

سرمایه

0.13

4

مؤلفه دارایی­ها و منابع مالی

FIN

0.66

2

سرمایه­های انسانی و اجتماعی

HSC

1.29

1

سرمایه­گذاری در تحقیق و توسعه

RD

0.21

3

دانش

0.25

2

آموزش و تعهد به یادگیری

LET

2.6

3

اشتراک دانش

NSH

2.74

2

ادغام دانش

INT

3.5

1

فرهنگ

0.04

5

کار تیمی و توانمندی­های مشارکتی

TE

1.43

3

ایجاد محیط نوآورانه و حمایت از نوآوران

ENV

1.9

1

ریسک­پذیری و تحمل شکست

RIS

1.74

2

تعامل بازیگران

0.17

3

صنایع و سازمان­ها و شبکه­های خدمات پس از فروش

AFS

1.21

3

مشتریان

CUS

1.86

2

دانشگاه­ها و مؤسسات و نهادهای تحقیقاتی

UNI

3.1

1

دولت

GOV

1.1

4

بحث و نتیجه­گیری

صنعت خدمات پس از فروش خودرو به عنوان یک بخش کلیدی در قلمرو خودرو است و نقش مهمی در رضایت مشتری، حفظ و درک کلی از برند دارد. با پیشرفت سریع فناوری و تغییر ترجیحات مصرف­کنندگان، ضرورت نوآوری در این صنعت به طور فزاینده­ای آشکار شده است. بنابراین، انجام تحقیقات در زمینه پیش‌بینی و ارزیابی توسعه نوآوری در صنعت خدمات پس از فروش خودرو از اهمیت بالایی برخوردار است. هدف این پژوهش، روشن کردن ابعاد و مؤلفه‌های کلیدی مؤثر بر نوآوری در این بخش با رویکرد اکوسیستم نوآوری است که درنهایت بینش‌های ارزشمندی را برای ذینفعان و تصمیم‌گیرندگان صنعت فراهم می‌کند. روش تحقیق مورد استفاده در این پژوهش شامل دو مرحله اولیه بود. ابتدا، یک رویکرد فراترکیب برای شناسایی ابعاد و مؤلفه‌های اساسی مؤثر بر توسعه نوآوری در صنعت خدمات پس از فروش خودرو با رویکرد اکوسیستم نوآوری مورد استفاده قرار گرفت. از طریق تجزیه و تحلیل و ترکیب ادبیات موجود، پنج بُعد کلیدی شناسایی شد که در مجموع شامل 16 مولفه بوده است. متعاقباً، سیستم استنتاج فازی برای ارزیابی و تعیین اهمیت این ابعاد و مؤلفه‌ها مورد استفاده قرار گرفت و چارچوبی ساختاریافته برای درک روابط پیچیده بین آن­ها ارائه کرد. نتایج این پژوهش نشان می­­دهد که توسعه نوآوری در صنعت خدمات پس از فروش خودرو تحت تأثیر عوامل مختلف مرتبط به هم در ابعاد مختلف قرار دارد.

در بُعد زیرساخت، سه جزء کلیدی به عنوان محرک‌های مهم نوآوری ظاهر شدند: زیرساخت‌های فیزیکی، زیرساخت‌های ارتباطی و پیشرفت‌های فناوری. زیرساخت­های فیزیکی که از نظر اهمیت در بالاترین رتبه قرار دارند، عناصر ملموسی مانند مراکز خدمات، کارگاه­ها و امکانات لجستیکی را دربرمی­گیرند. همراستا با نتایج مطالعات تاقز و دیگران (2021)، قاضی نوری و دیگران (2020) و فاسنات (2018) این منابع، ستون فقرات صنعت خدمات پس از فروش را تشکیل می­دهند و ارائه خدمات کارآمد و رضایت مشتری را تسهیل می­کنند. زیرساخت ارتباطی که در رتبه دوم قرار دارد، نقشی اساسی در ایجاد کانال­های ارتباطی یکپارچه بین ارائه­دهندگان خدمات، مشتریان و سایر ذی­نفعان ایفا می­کند. این نتیجه که با مطالعات دفاریا و دیگران (2020) و فاسنات (2018) همراستا است، نشان می­دهد با استفاده از فناوری‌ها و پلتفرم‌های ارتباطی پیشرفته، مانند سیستم‌های مدیریت ارتباط با مشتری (CRM) و ابزارهای ارتباط دیجیتال، ارائه‌دهندگان خدمات می‌توانند تعامل را افزایش دهند، فرآیندها را ساده‌سازی کنند و تجربیات شخصی‌سازی شده را ارائه دهند. پیشرفت‌های فناوری که در رتبه سوم قرار گرفته‌اند، شامل پذیرش و ادغام فناوری‌های پیشرفته و راه‌حل‌های دیجیتال در اکوسیستم خدمات پس از فروش است. از ابزارهای تشخیصی و سیستم‌های تعمیر و نگهداری پیش‌بینی‌کننده گرفته تا برنامه‌های کاربردی واقعیت افزوده (AR) و واقعیت مجازی (VR)، نوآوری‌های مبتنی بر فناوری این پتانسیل را دارند که انقلابی در ارائه خدمات، بهبود کارایی عملیاتی و هدایت مشتری محوری در صنعت ایجاد کنند.

در بُعد دانش، ادغام دانش به عنوان حیاتی­ترین مؤلفه تأثیرگذار بر نوآوری ظاهر شد. این کار مستلزم ادغام یکپارچه حوزه­های دانش متنوع، از جمله تخصص فنی، بینش صنعت، و بازخورد مشتری، در فرآیند نوآوری است. با پرورش فرهنگ اشتراک دانش و همکاری، سازمان­ها می­توانند از هوش جمعی استفاده کنند، از بهترین شیوه­ها استفاده کنند و ابتکارات بهبود مستمر را هدایت کنند که این نتیجه با مطالعات گاچانجا و دیگران (2020) و راداتز و دیگران (2019) همراستا است. اشتراک دانش که در رتبه دوم قرار دارد، همسو با مطالعات فاسنات (2018)، خادمی (2020) و گاچانجا و دیگران (2020) بر اهمیت انتشار بینش­های ارزشمند، درس­های آموخته شده و ایده­های نوآورانه در سراسر مرزهای سازمانی تأکید می­کند. از طریق پلتفرم‌های اشتراک‌گذاری دانش، انجمن‌ها و پروژه‌های مشترک، ذینفعان می‌توانند همکاری متقابل کارکردی را تسهیل کنند، یادگیری را ارتقا دهند و چرخه‌های نوآوری را تسریع بخشند. آموزش و تعهد به یادگیری، در رتبه سوم، بر اهمیت سرمایه­گذاری در آموزش کارکنان، توسعه حرفه­ای و ابتکارات یادگیری مادام­العمر تأکید دارد. همسو با مطالعات صمدی انصاری و دیگران (1402) و یاکولوا و وولکوا (2018) با توانمندسازی کارکنان با مهارت‌ها، شایستگی‌ها و دانش لازم، سازمان‌ها می‌توانند فرهنگ نوآوری، سازگاری و انعطاف‌پذیری را در مواجهه با پویایی‌های بازار در حال تحول و اختلالات فناوری پرورش دهند.

بُعد تعامل بازیگران، اهمیت مشارکت مشترک بین ذی­نفعان مختلف از جمله دانشگاه­ها، موسسات تحقیقاتی، مشتریان، صنایع، سازمان­ها و نهادهای دولتی را برجسته می­کند. دانشگاه­ها و مؤسسات تحقیقاتی که از نظر اهمیت در بالاترین رتبه قرار دارند، همسو با مطالعات خادمی (2020) و آسفی و دیگران (2020) به عنوان منابع ارزشمندی از تخصص، تحقیق و نوآوری در اکوسیستم خدمات پس از فروش خودرو عمل می­کنند. با تقویت ابتکارات تحقیقاتی مشترک، برنامه‌های تبادل دانش و مشارکت‌های انتقال فناوری، همکاری‌های دانشگاه و صنعت می‌تواند منجر به نوآوری‌های مهم شود، به چالش‌های صنعت رسیدگی کند و رشد اقتصادی را تقویت کند. مشتریان که در رتبه دوم قرار دارند، نقشی اساسی در شکل‌دهی اولویت‌ها و انتظارات نوآوری در صنعت خدمات پس از فروش دارند. با درگیر کردن فعالانه مشتریان در فعالیت‌های خلق مشترک، مکانیسم‌های بازخورد، و فرآیندهای طراحی مشارکتی، ارائه‌دهندگان خدمات می‌توانند بینش‌های ارزشمندی به دست آورند، پیشنهادات محصول/خدمات را افزایش دهند و روابط طولانی‌مدت با مشتری ایجاد کنند. صنایع، سازمان‌ها و شبکه‌های خدمات پس از فروش که در رتبه سوم قرار دارند، همسو با مطالعات آسفی و دیگران (2020) و دفاریا و دیگران (2020) بر اهمیت تقویت همکاری‌های هم­افزایی، اتحادهای استراتژیک و مشارکت‌های اکوسیستمی تاکید دارند. بازیگران صنعت می‌توانند با استفاده از قدرت‌ها، منابع و قابلیت‌های مکمل، انتشار نوآوری را تسریع بخشند، دسترسی به بازار را گسترش دهند و ارزش مشترکی برای همه سهامداران ایجاد کنند. دولت که در رتبه چهارم قرار دارد، نقش مهمی در ایجاد یک محیط توانمند، ارائه حمایت از سیاست­ها، و تقویت اکوسیستم­های نوآوری در صنعت خدمات پس از فروش خودرو ایفا می­کند. همراستا با مطالعات صمدی انصاری و دیگران (1402) و راداتز و دیگران (2019) از طریق چارچوب‌های نظارتی، طرح‌های مالی و برنامه‌های مشوق، دولت‌ها می‌توانند نوآوری را تسریع کنند، سرمایه‌گذاری را تحریک کنند و رشد پایدار را در زنجیره ارزش صنعت هدایت کنند.

بُعد سرمایه شامل تخصیص و بسیج اشکال مختلف سرمایه از جمله سرمایه انسانی، سرمایه اجتماعی، منابع مالی و سرمایه­گذاری در فعالیت­های تحقیق و توسعه می­شود. سرمایه انسانی و اجتماعی که از نظر اهمیت در بالاترین رتبه قرار دارد، نشان دهنده دانش، مهارت­ها و قابلیت­های جمعی افراد، تیم­ها و سازمان­ها در صنعت خدمات پس از فروش است. همسو با مطالعات صباغی رستمی و حسینی شکیب (1398)، آسفی و دیگران (2020) و راداتز و دیگران (2019) با سرمایه­گذاری در توسعه استعدادها، مشارکت کارکنان، و ابتکارات متنوع، سازمان­ها می­توانند پتانسیل کامل نیروی کار خود را باز کنند، خلاقیت را پرورش دهند و نوآوری را هدایت کنند. دارایی­ها و منابع مالی در رتبه دوم، دارایی­های مشهود، سرمایه­گذاری­های مالی و مکانیسم­های تامین مالی موجود برای حمایت از طرح­های نوآوری در صنعت را دربرمی­گیرد. همسو با مطالعات گاچانجا و دیگران (2020) و کولومیسوا و دیگران (2019) از تأمین مالی سرمایه‌های خطرپذیر و سرمایه‌گذاری‌های شرکتی گرفته تا کمک‌های مالی و یارانه‌ها، دسترسی به منابع مالی کافی برای تقویت پروژه‌های تحقیق و توسعه، پذیرش فناوری و تلاش‌های توسعه کسب‌وکار حیاتی است. سرمایه‌گذاری در تحقیق و توسعه که در رتبه سوم قرار دارد، بر اهمیت تخصیص منابع برای هدایت پیشرفت‌های فناوری، نوآوری محصول/خدمات و بهینه‌سازی فرآیند در صنعت خدمات پس از فروش تاکید می‌کند. با اولویت‌بندی سرمایه‌گذاری‌های تحقیق و توسعه، سازمان‌ها می‌توانند جلوتر از روندهای بازار بمانند، از فرصت‌های نوظهور استفاده کنند و رقابت را در یک چشم‌انداز پویا و رقابتی به‌طور فزاینده حفظ کنند.

بُعد فرهنگ بر اهمیت پرورش فرهنگ سازمانی که نوآوری، ریسک­پذیری، همکاری و بهبود مستمر را دربرمی­گیرد، تاکید می­کند. ایجاد یک محیط نوآورانه و حمایت از نوآوران، که از نظر اهمیت در بالاترین رتبه قرار دارند، همسو با مطالعات یاکولوا و وولکوا (2018)، گاچانجا و دیگران (2020) و تاقز و دیگران (2021) مستلزم پرورش فرهنگ خلاقیت، آزمایش و تولید ایده در صنعت خدمات پس از فروش است. با ارائه استقلال، منابع و انگیزه به کارکنان برای دنبال کردن ایده‌های نوآورانه، سازمان‌ها می‌توانند پتانسیل خلاقانه خود را آزاد کنند، نوآوری‌های موفقیت‌آمیز را پیش ببرند و مزیت رقابتی در بازار به دست آورند. ریسک­پذیری و تحمل شکست که در رتبه دوم قرار دارد، بر اهمیت پذیرش شکست به عنوان بخشی ذاتی از فرآیند نوآوری تأکید دارد. با تشویق ریسک‌پذیری حساب شده، یادگیری از شکست‌ها و جشن گرفتن موفقیت‌ها، سازمان‌ها می‌توانند یک شبکه ایمنی روان‌شناختی ایجاد کنند که کارکنان را قادر می‌سازد ایده‌های جدید را کشف کنند، رویکردهای جدید را آزمایش کنند و مرزهای نوآوری را پیش ببرند. کار تیمی و توانایی­های مشارکتی که در رتبه سوم قرار دارند، همسو با مطالعات تاقز و دیگران (2021)، آسفی و دیگران (2020) و دفاریا و دیگران (2020) بر اهمیت تقویت کار گروهی مشترک، همکاری متقابل و به اشتراک­گذاری دانش در سازمان­ها تاکید می­کند. با تقویت ارتباطات باز و ترویج فرهنگ اعتماد و شفافیت، سازمان‌ها می‌توانند از هوش جمعی تیم‌های مختلف استفاده کنند، هم‌افزایی ایجاد کنند و نتایج نوآوری را تسریع بخشند.

به طور خلاصه، تحلیل نتایج ماهیت چند بُعدی توسعه نوآوری در صنعت خدمات پس از فروش خودرو را برجسته می­کند. با اولویت‌بندی و درک تعامل پیچیده بین ابعاد و اجزا، سازمان‌ها می‌توانند استراتژی‌های هدفمند را تدوین کنند، منابع را به طور مؤثر تخصیص دهند و فرهنگ نوآوری را که موجب رشد پایدار و مزیت رقابتی در صنعت می‌شود، پرورش دهند. علی­رغم ماهیت جامع این پژوهش، چندین محدودیت باید اذعان شود. این پژوهش در درجه اول بر ادبیات موجود و نظرات کارشناسان برای شناسایی ابعاد و مؤلفه‌های مؤثر بر توسعه نوآوری در صنعت خدمات پس از فروش خودرو تکیه کرد. در حالی که تلاش‌هایی برای اطمینان از دقت و صحت مرور ادبیات انجام شد، ممکن است ابعاد یا مؤلفه‌های دیگری وجود داشته باشد که در این پژوهش مورد توجه قرار نگرفته باشد. علاوه بر این، این پژوهش صرفاً بر صنعت خدمات پس از فروش خودرو متمرکز شد و تعمیم یافته‌ها را به سایر صنایع یا بخش‌هایی که پویایی نوآوری در آن­ها ممکن است متفاوت باشد، محدود کرد. برای پرداختن به محدودیت‌های این پژوهش و پیشرفت بیشتر دانش در این زمینه، مطالعات آتی می‌توانند با ترکیب روش‌های جمع‌آوری داده‌های تجربی، مانند نظرسنجی، مصاحبه، یا مطالعات موردی، بینش عمیق‌تری در مورد پویایی نوآوری در صنعت خدمات پس از فروش خودرو به دست آورند. همچنین، محققان آینده می­تواند یک رویکرد تحلیل تطبیقی را اتخاذ کند و پویایی نوآوری را در صنایع، مناطق یا زمینه­های سازمانی مختلف بررسی کند. با مقایسه و تضاد اکوسیستم‌های نوآوری، محققان می‌توانند بهترین شیوه‌ها، درس‌های آموخته‌شده و بینش‌های قابل انتقال را شناسایی کنند که می‌تواند به سیاست‌گذاری، برنامه‌ریزی استراتژیک و تصمیم‌گیری مدیریتی در محیط‌های مختلف کمک کند.

منابع 

آذر، عادل، و فرجی، حجت (1395). علم مدیریت فازی. تهران، انتشارات کتاب مهربان، چاپ پنجم.

ارجمندی، روح اله، فتحی، محمد رضا، منطقی، منوچهر و شهبازی، میثم (1401). ارائه الگوی گذار فناورانه به نسل چهارم انقلاب صنعتی در صنعت خودرو. فصلنامه توسعه تکنولوژی صنعتی،  .doi: 10.22034/jtd.2022.1972025.1808

حسینی شکیب، مهرداد و مرادیان، محمدرضا (1397). ارزیابی عملکرد مدیریت نوآوری و رتبه بندی عوامل موثر بر آن با فرآیند تحلیل شبکه ای در شرکت مهندسی موادکاران مپنا. فصلنامه توسعه تکنولوژی صنعتی، 16(31), 5-12.

حنیفی، حمید، آذر، عادل و منطقی، منوچهر (1401). تحلیل اثر متقابل بازیگران خودروی بدون راننده با روش آینده نگاری. فصلنامه توسعه تکنولوژی صنعتی، 20(49)، 63 – 70.

صباغی رستمی، مهرانه و حسینی شکیب، مهرداد (1398). جوّ نوآوری و خلاقیت کارکنان، گرایش کارآفرینانه و کارآفرینی درون سازمانی: مدلی برای تبیین نقش رهبری تحول آفرین. مدیریت نوآوری در سازمان­های دفاعی، 2(4)، 27-50.  doi: 10.22034/qjimdo.2020.103947

صمدی انصاری، هدایت، رضوی، محمدرضا، جعفری، پریوش (1402). شناسایی شاخص‌های سنجش یادگیری فناورانه: فراترکیب مطالعات پیشین. دانش کارآفرینی، 3 (3)، 1-19.

Abraham, A. (2005). Adaptation of fuzzy inference system using neural learning. Journal of Fuzzy Systems Engineering, 181, 53–83. https://doi.org/10.1007/11339366_3

Asefi, S., Resende, D. N., & Castro Amorim, M. P. (2020). Modeling a successful innovation ecosystem toward a sustainable community: The I-Reef (a review study). Energy Reports, 6(1), 593-598.

Audretsch, D. B., Eichler, G. M., & Schwarz, E. J. (2022). Emerging needs of social innovators and social innovation ecosystems. International Entrepreneurship and Management Journal, 1-38.

Caicedo, A., Robayo, P., Morales, E., Moyano, A., Barba, D., Zambrano, K., & Maron-Gutierrez, T. (2023). Scientific venturing for early-stage professionals (ESPs), a key concept in the innovation ecosystem. Cytotherapy, 25(4), 369-374.

Corvello, V., Felicetti, A. M., Steiber, A., & Alänge, S. (2023). Start-up collaboration units as knowledge brokers in Corporate Innovation Ecosystems: a study in the automotive industry. Journal of Innovation & Knowledge, 8(1), 100303.

Da Silva, R. H., Kaminski, P. C., & Marin, R. O. (2021). Innovation ecosystems in the automotive industry between opportunities and limitations. Форсайт, 15(3 (eng)), 66-80.

de Faria, P., Noseleit, F., Los, B. (2020). The influence of internal barriers on open innovation. Industry and Innovation, 27(3), 205-209, 2020.

Ekasari, R., Arif, D., & Nurcholis, M. (2023). Service Quality and After-Sales Service on IoT-Based Car User Satisfaction and Repeat Purchases Services in Indonesia. ABAC Journal, 43(3), 60-83.

Erwin, D. H. (2021). A conceptual framework of evolutionary novelty and innovation. Biological Reviews, 96(1), 1-15.

Fasnacht, D. (2018). Open Innovation Ecosystems. In Open Innovation Ecosystems. Management for Professionals. Springer, Cham. DOI: 10.1007/978-3-319-76394-1_5

Gachanja, I. M., Nga’nga, S. I., & Kiganane, L. M. (2020). Influence of organization learning on innovation output in manufacturing firms in Kenya. International Journal of Innovation Studies, 4(1), 16-26.

Ghazinoory, S., Sarkissian, A., Farhanchi, M., & Saghafi, F. (2020). Renewing a dysfunctional innovation ecosystem: The case of the Lalejin ceramics and pottery. Technovation, 96-97, 102122.

Granstrand, O., & Holgersson, M. (2023). Innovation ecosystems: A conceptual review and a new definition. Technovation, 90-91, 102098.

Huang, Y., Li, K., & Li, P. (2023). Innovation ecosystems and national talent competitiveness: A country-based comparison using fsQCA. Technological Forecasting and Social Change, 194, 122733.

Khademi, B. (2020). Ecosystem Value Creation and Capture: A Systematic Review of Literature and Potential Research Opportunities. Technology Innovation Management Review, 10(1), 16-34.

Khan, K., Su, C. W., Rehman, A. U., & Ullah, R. (2022). Is technological innovation a driver of renewable energy? Technology in Society, 70, 102044.

Kim, J., Paek, B., & Lee, H. (2022). Exploring innovation ecosystem of incumbents in the face of technological discontinuities: Automobile firms. Sustainability, 14(3), 1606.

Kolomytseva, O., Gunina, I., Kolesnikova, E., & Agafonova, V. (2019). Management of the innovative ecosystem development environment. In E3S Web of Conferences (Vol. 91). EDP Sciences. https://doi.org/10.1051/e3sconf/20199108067

Lopez-Vega, H., & Moodysson, J. (2023). Digital Transformation of the Automotive Industry: An Integrating Framework to Analyse Technological Novelty and Breadth. Industry and Innovation, 30(1), 67-102.

Nurhidayat, S. S., & Girsang, L. R. (2024). Consumer Relations through Digital Communication Strategy: A Case Study of After-Sales Service at Pt. Bardi Solusi Otomasi. Valley International Journal Digital Library, 5778-5782.

Raddats, C., Kowalkowski, C., Benedettini, O., Burton, J., & Gebauer, H. (2019). Servitization: A contemporary thematic review of four major research streams. Industrial Marketing Management, 83. 10.1016/j.indmarman.2019.03.015

Sandelowski, M., & Barroso, J. (2007). Handbook for Synthesizing Qualitative Research. New York: Springer Publishing Company.

Taques, F. H., López, M. G., Basso, L. F., & Areal, N. (2021). Indicators used to measure service innovation and manufacturing innovation. Journal of Innovation & Knowledge, 6(1), 11-26.

Visscher, K., Hahn, K., & Konrad, K. (2021). Innovation ecosystem strategies of industrial firms: A multilayered approach to alignment and strategic positioning. Creativity and innovation management, 30(3), 619-631.

Yakovleva, A. Y., & Volkova, I. O. (2018). Towards an innovation ecosystem: The case for stimulating collaboration in the Russian energy sector. IOP Conference Series: Earth and Environmental Science, 188, 012011. DOI 10.1088/1755-1315/188/1/012011

Zhao, H., Li, J., & Gan, C. (2023). Improving the domestic automotive after-sales service industry on alleviating consumer anxiety. CNS Spectrums, 28(S2), S131-S132.

 

 

[1]  Khan et al.

[2]  Caicedo et al.

[3]  Lopez-Vega & Moodysson

[4]  Corvello et al.

[5]  Zhao et al.

[6]  Nurhidayat & Girsang,

[7]  Ekasari et al.

[8]  novelty

[9]  Erwin

[10]  Visscher et al.

[11]  Audretsch et al.

[12]  Kim et al.

[13]  Da Silva et al.

[14]  Huang et al.

[15]  Granstrand & Holgersson

[16]  Asefi et al.

[17]  de Faria et al.

[18]  Kolomytseva et al.

[19]  Sandelowski and Barroso

[20]  Critical Appraisal Skills Program

[21]  Adaptive Neuro-Fuzzy Inference System (ANFIS)

[22]  Abraham

[23]  Taxonomic analysis approach

[24]  Taques et al.

[25]  Ghazinoory et al.

[26]  Fasnacht

[27]  Kolomytseva et al.

[28]  Raddats et al.

[29]  Gachanja et al.

[30]  Yakovleva & Volkova

[31]  Khademi

[32]  Gussian

[33]  Subtractive Clustering

[34]  Back Propa

[35]  Hybrid

[36]  Error Tolerance

[37]  EPOCH

Prediction and Assessment of Innovation Development in the Automotive After-Sales Service Industry with an Adaptive Neuro Fuzzy Inference Approach

 

Author 1

Author 2

Author 3

 

 

Abstract

Innovation in the automotive after-sales service industry plays a pivotal role in enhancing customer satisfaction, improving operational efficiency, and driving competitive advantage. Recognizing the importance of fostering innovation ecosystems within this sector, this research aims to predict and assess the development of innovation using an ecosystem approach. Through a mixed-methods approach, the study first conducted metasynthesis to identify key dimensions and components influencing innovation in the automotive after-sales service industry. Subsequently, a fuzzy inference system was employed to evaluate and prioritize the importance of these dimensions and components. The results revealed five critical dimensions: infrastructure, knowledge, interaction of actors, capital, and culture, each comprising several components. Notably, physical infrastructure, integration of knowledge, universities and research institutes, human and social capital, and creating an innovative environment emerged as the most influential components within their respective dimensions. This research underscores the multidimensional nature of innovation development in the automotive after-sales service industry and highlights the significance of fostering collaborative partnerships, investing in talent development, and creating a conducive culture for innovation. Moving forward, stakeholders in the automotive after-sales service industry are encouraged to leverage these findings to develop targeted strategies, allocate resources effectively, and foster a culture of innovation that drives sustainable growth and competitive advantage.

 

Keywords: Innovation, After-sales services, Innovation ecosystem, automotive industry, Fuzzy inference system

 

 

 

 

 


Sanad

Sanad is a platform for managing Azad University publications

Links

Related Centers

Technical Support

Official pages

The rights to this website are owned by the Raimag Press Management System.
Copyright © 2021-2025

Home| Login| About Us| Contact Us|
[فارسی] [العربية] [fa] [ar]