سناریوسازی تأثیرمؤلفه‌های مدیریت دانش برزنجیره تأمین بارویکردپویایی سیستم

محورهای موضوعی : آینده پژوهی

الهام علمی ¹ , عادل آذر ² , فرهاد غفاری ³

1 - دانشجوی دکتری، گروه مدیریت صنعتی،دانشکده اقتصاد و مدیریت، واحد علوم تحقیقات، دانشگاه آزاد اسلامی،تهران،ایران
2 - عادل آذر، استاد،گروه مدیریت صنعتی، دانشگاه تربیت مدرس، تهران، ایران
3 - دانشیار، گروه اقتصاد،دانشکده اقتصاد و مدیریت، واحد علوم تحقیقات، دانشگاه آزاد اسلامی،تهران،ایران

تاریخ دریافت : 1400/03/24 تاریخ پذیرش : 1400/04/27 تاریخ انتشار : 1400/05/01

کلید واژه: پویایی سیستم, مدیریت تولید, بهینه سازی, ‌ زنجیره تأمین, مدیریت دانش,

چکیده مقاله :

زمینه:در سازمان های پیشرفته سیاست های مدیران در طول زنجیره تامین مستلزم به کارگیری مدیریت دانش است. همچنین یکی از تصمیماتی که در زنجیره تامین گرفته می شود مساله برنامه ریزی تولید است که نیازمند تصمیمات آینده نگر با رویکردی جامع و به پیوسته است که نمیتوان از طریق نگرش ایستا این امر را محقق کرد. هدف:این تحقیق به دنبال ارائه مدلی پویا برای بررسی تاثیر سناریوهای احتمالی مدیریت دانش بر نرخ تولید در فراورده های نفتی در چارچوب تفکر سیستمی می باشد. روش:پژوهش حاضر براساس هدف ،از نوع پژوهش های کاربردی و به لحاظ ماهیت داده ها از نوع کمی و کیفی واز لحاظ گردآوری داده ها از نوع پژوهش های تحلیلی- علی می باشد.این تحقیق در یک شرکت تولید محصولات پتروشیمی در یک بازه زمانی ۲۰ساله مورد مطالعه قرار گرفته است که با تهیه پرسشنامه و‌تایید خبرگان ابتدا متغیرهای اصلی شناسایی‌و روابط آن ها در قالب حلقه های علی تدوین گردیده سپس با طراحی مدل اصلی در قالب نمودار انباشت- جریان تکمیل و به وسیله نرم افزار ,ونسیم شبیه سازی شده است. یافته ها:سناریوهای مطرح شده تاثیر متغیرهای مدیریت دانش بر تقاضای نرخ تولید وکاهش نرخ ضایعات آن را مورد ارزیابی قرارمی دهند. نتیجه گیری:این مدل با ارائه خروجی های مناسب و بهره گیری از مولفه های مدیریت دانش موفق به افزایش نرخ تولید و کاهش نرخ ضایعات آن در زنجیره تامین شده است.همچنین آزمون های اعتبار سنجی و تحلیل حساسیت صورت گرفته بر روی مدل نشان از معتبر بودن آن دارد.

چکیده انگلیسی:

Background: In advanced organizations, managers' decisions and policies along the supply chain require the use of knowledge management. One of the most important decisions to be made in the supply chain is the production planning, that it’s management needs provident decisions and designing new capacities with a comprehensive and continuous approach, and it’s not achievable through a static approach. Objective: This study seeks to provide a dynamic model to investigate the impact of possible knowledge management scenarios on the components of the oil supply chain in the framework of systems thinking. Methods: Current study based on purpose ,is an applied research and based on data character is a quantitative and qualitative and based on data acquisition that is a casual-analytical research. This research is studied in a petrochemical products production company in a 20 years period .And thanks to questionnaire and expert validation ,first basic variables detected and their relations compiled in casual loops, then basic model completed by flow accumulation diagram and simulated by vensim software. Findings: The proposed scenarios evaluate the effects of knowledge management variables on production rate and reduction of wastage rate. Conclusion: This model has succeeded in increasing the production rate and reducing the waste rate in the supply chain by providing appropriate outputs and utilizing knowledge management components. Also, validation tests and sensitivity analysis performed on the model show its validity.

متن کامل:



 

 

 

سناریوسازی تأثیرمؤلفه‌های مدیریت دانش برزنجیره تأمین بارویکردپویایی سیستم

        

چکیده

زمینه:در سازمان های پیشرفته سیاست های مدیران در طول زنجیره تامین مستلزم به کارگیری مدیریت دانش است. همچنین یکی از تصمیماتی که در زنجیره تامین گرفته می شود مساله برنامه ریزی تولید است که نیازمند تصمیمات آینده نگر با رویکردی جامع و به پیوسته است که نمیتوان از طریق نگرش ایستا این امر را محقق کرد.

هدف:این تحقیق به دنبال ارائه مدلی پویا برای بررسی تاثیر سناریوهای احتمالی مدیریت دانش بر نرخ تولید در فراورده های نفتی در چارچوب تفکر سیستمی می باشد.

روش:پژوهش حاضر براساس هدف ،از نوع پژوهش های کاربردی و به لحاظ ماهیت داده ها از نوع کمی و کیفی واز لحاظ گردآوری داده ها از نوع پژوهش های تحلیلی- علی می باشد.این تحقیق در یک شرکت تولید محصولات پتروشیمی در یک بازه زمانی ۲۰ساله مورد مطالعه قرار گرفته است که با تهیه پرسشنامه و‌تایید خبرگان ابتدا متغیرهای اصلی شناسایی‌و روابط آن ها در قالب حلقه های علی تدوین گردیده سپس با طراحی مدل اصلی در قالب نمودار انباشت- جریان تکمیل و به وسیله نرم افزار vensim شبیه سازی شده است.

یافته ها:سناریوهای مطرح شده تاثیر متغیرهای مدیریت دانش بر تقاضای نرخ تولید وکاهش نرخ ضایعات آن را مورد ارزیابی قرارمی دهند.

نتیجه گیری:این مدل با ارائه خروجی های مناسب و بهره گیری از مولفه های مدیریت دانش موفق به افزایش نرخ تولید و کاهش نرخ ضایعات آن در زنجیره تامین شده است.همچنین آزمون های اعتبار سنجی و تحلیل حساسیت صورت گرفته بر روی مدل نشان از معتبر بودن آن دارد.

واژگان کلیدي: مدیریت دانش، مدیریت تولید،‌ زنجیره تأمین، پویایی سیستم، بهینه سازی

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1-       مقدمه

امروزه شیوه‌های مدیریت تولید و زنجیره تامین گذشته که یکپارچگی کمتری را در فرایندهایشان دنبال می‌کردند کارایی خود راازدست داده‌اند(صادقی مقدم و همکاران، ۱۳۸۸). 

دراین رابطه دانش به‌عنوان مهم‌ترین منبع جهت اتخاذ تصمیمات مدیریتی و فناوری‌های نوین به بهبود عملکرد زنجیره تامین ومولفه های آن کمک مینماید.(علمداری،1399). که فرایندی بسیار پیچیده و چالش برانگیز است (اگییلا،2015). همچنین مدیریت دانش درتولید، باعث ایجاد یک محیط همکاری می‌شود که به انعطاف‌پذیری و پاسخگویی به تقاضا و نرخ تولید درطول زنجیره تأمین کمک می‌کند.

در زنجيره‌های تأمين جديد جريان محصولات به تنهايی وجود ندارد و دانش نيز به‌عنوان يک کالای نامشخص در جريان است، اعضای مختلف زنجيره تأمين علاوه بر اينکه دانش کل زنجيره تأمين را گسترش می‌دهند، می‌توانند دانش ساير سازمان‌ها را نيز کسب کنند تا بتوانند به دانش مکمل دست پيدا کنند. تمام اعضای زنجيره تأمين مانند تأمين‌کنندگان، توليدکنندگان، توزيع‌کنندگان و مصرف‌کنندگان دارای دانش زنجيره تأمين هستند، اماناهمگونی  زيادی از نظر دانش و کسب‌وکار با يکديگر دارند، بنابراين می‌توانند از طريق اشتراک‌گذاری دانش منابع دانش را همسوکرده وسرعت نوآوری و بهره‌وری را افزايش دهند (لی وهو،2012).

واحدهای تولیدی به‌دنبال راهی برای سازگاری و همراه شدن با تغییرات مداوم دردنیای رقابتی امروز می‌باشند.در طول ۱۵سال گذشته مدیریت دانش از یک مفهوم و دانش در حال ظهور به یک فعالیت ضروری روزافزون در سازمان‌ها تبدیل شده است(چنگ،۲۰۰۵).

مطالعه نوناکا وتاکوچی¹(۱۹۹۵) نشان داد که چگونه دانش در سازمان‌ها خلق،استفاده و تسهیم می‌شود و چگونه چنین دانشی به توزیع نوآوری کمک می‌کند تعدادی از محققان مانند اسویبی(۱۹۹۶)،ادینسون و مالن(۱۹۹۷)،کاپلان و نورتون(۱۹۹۶) باتأکیدبر اهمیت آن مدیریت دانش را به‌عنوان سرمایه سازمان خاطر نشان کردند. 

با توجه به اينکه تلفيق مفاهيم مديريت زنجيره تأمين و مديريت دانش به تازگی مورد توجه قرار گرفته است درهردوزمينه، تمرکز برتخصيص منابع برای حمايت از فعالیت های تجاری در جهت کسب مزیت رقابتی اهمیت پیدا می کند، از آنجاییکه این دو مفهوم زمینه های مختلف تحقیقاتی را نشان می دهد و باعث تلاقی بیشتر مدیریت دانش و زنجیره تامین شده است، امروزه زنجیره های تامین علاوه برمنابع و دارایی ملموس، دارایی های ناملموس همانند دانش را بیشترازگذشته مورد توجه قرار داده اند.(ژانگ و همکاران 2011).

انطباق مديريت دانش در زنجيره تأمين همکاری لازم را در محيط فراهم می‌کند تا زنجيره به شکلی کارا و اثر بخش به يک جايگاه رقابتی استراتژيک در بازار تبديل شود. 

یعنی وجود مديريت دانش درميان اعضاء زنجيره تأمين می‌تواند تضمين نمايد که کليه اعضاء به دانش لازم برای بهبود رقابت درزنجيره تأمين دست يافته‌اند.به عبارت ديگرمديريت‌ کردن دانش درون زنجیره تأمین به سازمان‌ها در استفاده مؤثر از منابع کمک می‌نمايد(لی و هو،2012).

انتقال دانش و تسهيم دانش ميان گروه‌هايی که اهداف متفاوت دارند هم درون يک سازمان وهم بين شرکا در زنجيره تأمين بسيار دشوار است.

همچنین درک ناقص از انطباق مديريت دانش در زنجيره تأمين باعث شکست و ناکارآمدی آن می‌شود.دراين باره ضرورت دارد که موانع استقرار مديريت دانش در زنجيره تأمين شناسايی شود.

برای ازبين بردن اين موانع بايستی راه حل‌های از بين بردن اين موانع، شناسايی واولويت‌بندی گردد. مهم اين است که راه حل‌ها براساس اولويت‌بندی صورت گرفته واجرا شوند تا موانع انطباق مديريت دانش در زنجيره تأمين برای رسيدن به يک مزيت رقابتی ازبين بروند. اتخاذ مديريت دانش در زنجيره تأمين به همسویی اهداف وپاسخگويی به موقع به تقاضا در زنجيره تأمين کمک می‌کند مديريت دانش در زنجيره تأمين به‌عنوان ضمانتی در دسترس به دانش خارجی وبهبود کلی زنجيره تأمين درمحيط رقابتی محسوب می‌شود (پاتيل و کانت²،2014).

ازطرفی زمانی که يک سيستم دارای پيچيدگی می‌باشد استفاده از مدل‌های شبيه‌سازی ضروری به نظر می‌رسد. باتوجه به مشکلات آشکاردر مدل‌سازی رياضی، زمان صرف‌شده جهت استخراج يک راه حل برای يک مدل تحليلیزياد بوده ومدل‌پرداز سعی می‌کند از آن اجتناب کند و حتی ممکن است مدل‌پرداز قادر به فرموله کردن رفتار سيستم نباشد. در اين راستا رویکرد پویایی شناسی سیستم ها، رویکردی برای درک رفتار غیر خطی سیستم ها در طول زمان با استفاده از ایده هایی مانند حلقه های باز خور،نرخ و حالت و تاخیرهای زمانی موثر بر رفتار کل سیستم است.(بلک مور³،و همکاران 2015).

از آنجايي‌که تکنيک پويايی‌های سيستم مي‌توانددرتحليل رفتار يک سيستم در بازه زمانی مشخص به تصميم‌ گيرنده کمک کند و بتواند با مشاهده رفتار سيستم در گذر زمان تصميمی مناسب اتخاذ نمايد تا برای تصميم‌گيری پيش از اجرای آن پی برد. يکی از راه‌های مورد استفاده برای اين منظور،شبيه سازی مدل تصميم در محيط مجازی پیش از اجرای آن در سيستم حقيقی می‌باشد، که اين شبيه سازی ضرورت دارد.

در پژوهش صورت گرفته مدل ارائه شده براساس پیشینه و مرور ادبیات پژوهش با استفاده از نرم‌افزارهای کارآمد و براساس معیارها و متغیرهای مسئله اقدام به سناریوسازی تاثیر مؤلفه‌های مدیریت دانش در زنجیره تامین می‌نماید.بنابراین شاخص‌های مؤثر مدیریت دانش بر زنجیره تأمین و نحوه اثرگذاری این شاخص‌ها بر روی نرخ تولید،شبیه سازی و تجزیه‌وتحلیل آن در طول زمان با استفاده از رویکرد پویایی سیستم از جمله اهداف این تحقیق می‌باشد.

با عنایت به توضیحاتی که در بالا ذکر شد به نظر می‌رسد دستیابی به یک سیاست بهینه وتدوین سناریوهای مناسب در زنجیره تأمین شرکت پالایش و پخش فراورده‌های نفتی و تأثیر آن بر نرخ تولیدمی‌تواند موضوعی مهم و در خور توجه باشد.

پیشینه پژوهش

روش پویایی‌های سیستم از نوع مدل‌های شبیه سازی است که در این مدل‌ها وضعیت فعلی سیستم با توجه به فرایندها و رفتارهای گذشته مدل‌سازی می‌شود تا درک بهتری از رفتار سیستم واقعی حاصل شود.با پیشرفت صنعت و پا گذاشتن به دنیای صنعتی دانش محور، نیاز شرکت‌های تولیدی به داشتن ساختاری که باعث افزایش تولید محصولات با کیفیت مناسب در طول زنجیره تأمین شود بیشتر مشخص شده است.لذا در جهت استفاده بهینه از مدیریت دانش و بررسی تأثیرات آن بر خروجی فرایند مدل‌های مختلف اقدامات زیادی صورت گرفته است که در ادامه به تعدادی از آن‌ها اشاره می‌شود.

مری دورانی و همکارانش (2019) به طراحی زیر ساخت های مدیریت دانش بر عملکرد مدیریت زنجیره تامین پرداختند. وبه این نتیجه رسیدند که مشتری و زنجیره تامین آن در مدیریت خود بسیار معامله میکنند و سرمایه گذاری را در مدیریت دانش و مدیریت برنامه به حداقل می رسانند.

لو و همکاران (2016) نقش مدیریت کیفیت بر عملکرد زنجیره تامین را مورد بررسی قرار داده و دریافتند که تمرکز بر مشتری ، بهبود مستمر و مشارکت کل تامین کنندگان، عملکرد زنجیره تامین را بهبود می بخشد.

لی (2008)چگونگی ارزیابی اثربخش مدیریت دانش در زنجیره ی تامین برای افزایش توسعه را مطرح وبا تحلیل ویژگی های مدیریت دانش به بیان استفاده ازآن برای ایجاد شایستگی و عملیاتی کردن دانش در زنجیره ی تامین میپردازد.

مینگ⁴ و همکاران (2017) در تحقیقی سازمان دهی ، یادگیریی،به اشتراک گذاری دانش واطلاعات،خلق دانش مشترک،فناوری اطلاعات و ذخیره سازی دانش را از عوامل مهم در بهبود عملکرد زنجیره تامین دانستند.

بوتواکیونا ⁵و همکاران (2015) ادعا کردند مطالعات محدودی در زمینه توسعه مدل یکپارچه قابلیت‌های مدیریت دانش وجود دارد که سه بعد اساسی توسعه مدیریت دانش، شامل زیر ساخت مدیریت دانش، فرایندهای مدیریت دانش و شایستگی‌ها و مهارت‌های مدیریت دانش را یکجا در نظر گرفته باشد.پژوهش چن و فانگ(2012)نشان داد ساز و کارهای حاکمیت دانش و فرایندهای دانش، ابعاد مؤثری در پیاده سازی ابتکارهای دانشی هستند. بررسی نظام‌مند ادبیات حوزه مدیریت دانش نشان می‌دهد در مدل‌های بلوغ، به مباحث هم راستایی استراتژیک و مؤلفه‌های آن، کمتر توجه شده است. در بسیاری از پروژه‌ها اهمیت استراتژیک مدیریت دانش نادیده گرفته شده و پروژه‌های مدیریت دانش، به‌عنوان پروژه‌های مستقل و بی‌ارتباط با استراتژی‌های سازمان برنامه‌ریزی شده‌اند. به‌همین دلیل، با وجود حجم انبوهی از پروژه‌های پیاده سازی مدیریت دانش در سازمان‌ها، شاهد شکست آن‌ها در دستیابی به مزیت‌های مورد انتظار هستیم (زاک⁶، 2012). آله و همکاران نیز در تحقیقی در ۲۰۱۴ پی بردند درک اهمیت استفاده از مدیریت دانش، اولین و ساده‌ترین گام به‌منظور دستیابی به ارزش و رسیدن به مزیت رقابتی است.

نتایج حاصل از مطالعه کارین و گوری در سال 2010 با عنوان «مدیریت دانش در زنجیره تأمین، مطالعه‌ای تجربی در فرانسه» نشان می‌دهد که مدیریت دانش یکی از مهم‌ترین توانمند سازها در مدیریت زنجیره تأمین به شمار می‌رود و یک عنصر حیاتی در کسب اطلاعات در محیط‌های چند فرهنگی شرکت‌های امروزی است. با توجه به اهمیت مدیریت دانش در زنجیره تأمین، در پژوهش آن‌ها سعی شده چارچوبی مفهومی در مورد مدیریت دانش و تأثیر آن در مدیریت زنجیره تأمین با استفاده از مطالعات تجربی در شرکت‌های فرانسوی ارائه گردد.

در پژوهشی که طالاری و علیمحمدی در سال 1392 انجام دادند نقش مدیریت دانش در تکامل زنجیره تأمین شرکت‌ها مورد بررسی قرار گرفت. در این پژوهش ابتدا به بررسی زنجیره تأمین و سیر تکامل آن پرداخته شده و سپس مدیریت دانش و نقش آن در زنجیره تأمین را مورد بحث قرار می‌دهد. این پژوهش نشان می‌دهد که نقش مدیریت دانش در زنجیره‌های تأمین نه تنها انکارناپذیر بوده، بلکه با گسترش فناوری اطلاعات و توسعه تجارت الکترونیک منجر به ورود زنجیره تأمین به مراحل تکاملی خود شده است.

اسماعیل زاده و همکارانش طی پژوهشی در سال 1393 دریافتند در دنیای دانش محور و رقابتی فعلی، مدیریت دانش یکی از عناصر کلیدی در زنجیره تامین بوده و درنهایت در این تحقیق تاثیر مولفه های مدیریت دانش بر کلیه ابعاد عملکرد زنجیره تامین را نشان دادند.

در بحث سیستمهای پویا نیز افشار کاظمی و همکاران(۱۳۸۸) مدل مربوط به زنجیره تأمین فولاد ایران با روش پویایی سیستم‌ها رابرای شناخت و ارزیابی روند و شناخت عوامل اثرگذار بر آن، تهیه و توسعه دادند.

ونگ(2011) در یک شرکت تولید کننده موتور سیکلت برای انتقال دانش جهت مدیریت بحران های سازمانی از پویایی سیستم بهره گرفته است .

پولس⁷ در سال 2013 در مقاله‌ای با عنوان مدل پویایی سیستم برای بهبود استراتژی‌های لجستیک معکوس، یک مدل موجودی در محیط لجستیک معکوس برای بررسی استراتژی‌ها در نظر گرفته است و با در نظر گرفتن تولید محصولات جدید در کنار تولید مجدد محصولات بازگشتی زنجیره تأمین را توسعه داده است و یک مدل موجودی مرور پیوسته با هدف کمینه کردن هزینه‌های زنجیره تأمین برآن رادر نظر گرفته است. با توجه به تطابق مدل مورد بررسی با ویژگی‌های سیستم پویا، مدل برنامه‌ریزی پویا برای تحلیل این مسئله استفاده شده و سپس نتایج به دست آمده با نتایج مورد انتظار مقایسه و تجزیه‌وتحلیل شده است.جرجیادیس و همکاران در سال 2005 در مقاله‌ای با عنوان مدل‌سازی سیستم‌های پویا برای مدیریت زنجیره تأمین استراتژیک زنجیره‌های غذایی، متدولوژی پویایی سیستم را به‌عنوان ابزار مدل‌سازی و تجزیه‌وتحلیل، همراه با در نظر گرفتن موضوع‌های استراتژیک برای زنجیره‌های تأمین غذایی اتخاذ کرده‌اند و راهبردی برای متدولوژی ارائه داده‌اند و بهبود و پیشرفت آن را برای مدل‌سازی استراتژیک زنجیره‌های تأمین یک و چند ستونی ارائه و برنامه‌ریزی ظرفیت بلندمدت مدیریت زنجیره تأمین استراتژیک را تحلیل کرده‌اند و قابلیت اجرایی متدولوژی توسعه‌یافته‌ی مورد نظر را یک شبکه‌ی چندین رده‌ای از یک زنجیره‌ی عمده‌ی غذاهای سریع، نشان داده‌اند.

نیک بخش و همکاران در سال 1391 در مقاله‌ای با عنوان شناسایی عوامل مؤثر بر عملکرد زنجیره تأمین و بهبود آن با استفاده از تکنیک‌های پویایی‌های سیستم مورد کاوی در شرکت داروگر، به‌منظور شناسایی متغیرهای مؤثر در زنجیره تأمین و شیوه‌های بهبود عملکرد آن، از تکنیک پویایی‌های سیستم در شرکت داروگر استفاده کرده‌اند.

براساس مطالب فوق،مدیریت دانش مفهوم نسبتاً جدیدی است که سازمان‌ها در محیط‌های رقابتی و متغیر و پیچیده امروزی جهت کسب رویکردهایی نوین دارند.تحقیقات زیادی در این زمینه در بخش تولیدی و‌صنعتی انجام گرفته‌است اما تأثیر آن در زنجیره تأمین وتولید بخصوص درصنعت پتروشیمی به‌صورت معدود و جزئی انجام شده است. در مجموع با توجه به بررسی‌های انجام شده در مدل‌های ارائه شده در تحقیقات پیشین،تأثیر مدیریت دانش برنرخ تولید در طول زنجیره تأمین با روش سیستم‌های دینامیکی در نظر گرفته نشده است. بنابراین جزو نوآوری‌های مشهود ارائه شده در این تحقیق می‌باشد.

3-روش شناسی تحقیق

پژوهش حاضرازنوع تحقیقات علمی -کاربردی می‌باشد و با توجه به اينکه قلمرو مکانی اين تحقيق شرکت‌های زير مجموعه شرکت نفت هستند و داده‌های 10سال گذشته آن به‌‌صورت مستند در شرکت موجود بوده وهمچنین با نظر خبرگان و متخصصین شرکت پالایش و پخش فراورده‌های نفتی داده‌های 10سال آینده نیز پیش‌بینی شده است. شرايط خبرگان مورد استفاده عبارت بودند از: حداقل5 سال تجربه در خصوص يکی از بخش‌های اصلی زنجيره تأمين، سمت مديريتی در شرکت‌های نفتی و يا پروژه‌های مربوط به زنجيره تأمين شرکت‌های نفتی، ارتباط با مراکز آکادميک و مطالعه درخصوص مفاهيم زنجيره تأمین.

اصطلاحات،متغیرها و روش‌ها

دراین پژوهش قصد داریم مدلی ایجاد کنیم که موارد ذکر شده در بالا را در بر داشته باشد و با استفاده از نمودار علت و معلولی روابط متقابل آن‌ها را در نظر بگیرد.سپس با ایجاد این مدل و شبیه‌سازی آن در نرم‌افزار ونسیم نشان داده می‌شود که چه متغیرهایی تأثیر بیشتری بر نرخ تولیددارند.سپس با انجام تحلیل حساسیت و تغییر دادن برخی عوامل، سناریوهای پیشنهادی مطرح می‌گردند.

متغیرهای مورد بررسی در این تحقیق در جدول شماره 1به شرح زیر می‌باشد:

 

 

 

 

 

 

 

 

 

 

 

جدول۱- متغیرهای استفاده شده دراین پژوهش

پژوهشگران	متغیر	معادل انگلیسی متغیر
Massa and testa 2009 :Daroch and McNAUGHTON 2002	ارزیابی تغییرات بازار در میان رقبا	evaluate market changes among competitors
Massa and  testa 2009:DanaeeFard and Selseleh 2010	جذب و حفظ نیروهای متخصص	attract and retain specialized staff
DoD 2011	نرخ ایجاددانش	knowledege cretion rate
DoD 2011	نرخ دانش منقضی شده	knowledge expuration rate
Goldoni and Oliviera 2010 DanaeeFard and Selseleh 2010	دانش معتبرثبت شده	recorded valided knowledge
Leibowitz and Chen 2001: DanaeeFard and Selseleh 2010	پشتیبانی مدیریت درتسهیم دانش واطلاعات	Management support in sharing knowledge and information
Massa and testa 2009 ;Goldoni and Oliviera 2010	دسترسی همه کارکنان به منابع دانش و پروژه های تکمیل شده	access of all staff to knowledge resources and completed projects
Schermata 2000	سطح اشتراک دانش	knowledge sharing level
Goldoni and Oliviera 2010	وجودسیستم اطلاعاتی وارتباطی مناسب	existence of proper information and communication system
Fawcett et al 2007	اشتراک اطلاعات باتأمین‌کنندگان واعضای تدارکات	information sharing with suppliers and logestics members
Fugate et al.2009; Hult et al. 2004; Liao and wu 2009; Masssa and Testa 2009	مشارکت دانش در تولید و توسعه یک محصول جدید	knowledge participation in the production and development of a new product
Liao et al. 2011	استفاده وبهره‌برداری ازدانش	knowledge utilization and exploitation
Massa and testa 2009	توانایی تطبیق فرآیندها	ability to adapt processes
Shafi I Nikabadi.2013	انگیزه کارکنان در بکارگیری فعالیت هایی برمبنای دانش	emplyees interest in using knowledge based activities
Chopra and Mindell 2007	ورودی موادخام	raw material input
Cooper 2007	موجودی مواد اولیه	Raw material inventory
Chang 2012	نرخ ضایعات مواد اولیه	raw material loss ratio
David Ross 2016	نرخ تولید	Production rate
David Ross 2016	ظرفیت تولید	Production capacity
Winser 2014	تقاضا	Demand
Winser 2014	نرخ حمل ونقل	Shipment rate
Cooper 2007	نرخ ضایعات مواداولیه	Raw material loss rate
David Ross 2016	تولیدمطلوب	Desired production
Winser 2014	نرخ مطلوب ارسال	Desired shipment rate
David Ross 2016	نرخ ضایعات محصول نهایی	product loss ratio
Cooper 2007	موجودی عمده فروشی	wholeseller inventory
David Ross 2016	نرخ تحویل	Delivery rate
Fugate et al.2009; Hult et al. 2004; Liao and wu 2009; Masssa and Testa 2009	مشارکت با مشتریان برای ارزیابی نیازها	partnership with customers to assess needs
Fawcett et al. 2007	توسعه یک محصول جدید	development of a new product

 

مدیریت دانش

مدیریت دانش، فرآیندی است که به سازمان‌ها در شناسایی، گزینش، سازمان‌دهی، انتشار (انتقال) اطلاعات و تخصص‌های مهم که بخشی از حافظه سازمانی هستند و غالباً به صورت ساختار نیافته در سازمان وجود دارند، کمک می‌نماید توربان و (مکلین، 2002).

همچنین مدیریت دانش، آگاهی از دانش موجود سازمانی، خلق، تسهیم و انتقال دانش، استفاده از دانش موجود، کسب دانش جدید و ذخیره و انباشت آن است که این اقدامات در فرآیند یادگیری سازمانی و با توجه به فرهنگ و استراتژی‌های سازمان‌ها صورت می‌گیرد (اصغر زاده و قرایی پور، 1393).

که این اقدامات در فرآیند یادگیری سازمانی و با توجه به فرهنگ و استراتژی سازمان‌ها صورت می‌گیرد. ساختاردهی به دانش موجب بهبود مؤثر و کارایی حل مسئله یادگیری پویا، برنامه‌ریزی استراتژیک و تصمیم‌گیری اثربخش می‌شود. مدیریت دانش بر شناسایی دانش، شرح و سازمان‌دهی و افزایش ارزش آن از طریق استفاده مجدد تمرکز می‌کند. مفهوم مدیریت دانش در حوزه‌های مختلفی بکار گرفته شده است که از آن جمله می‌توان به مهندسی دانش و هوش مصنوعی اشاره کرد که پیشرفت‌هایی که در پردازش داده‌ها و فنّاوری‌های شبکه به وجود آمده، دسترسی به داده‌ها و اطلاعات از طریق اینترنت در هر زمان و مکان در جهان را افزایش داده است. افزایش تقاضای بازار برای کاهش زمان ورود محصول به بازار، انعطاف‌پذیری بیشتر و کیفیت بالاتر در پایین‌ترین هزینه همگی نقش مهمی را در ایجاد مباحث در مورد مدیریت دانش داشته‌اند.

زنجیره تأمین

زنجیره تامین به مجموعه ای از فعالیت های سفارش مواد خام،تولید محصولات، توزیع نهایی و تحویل به مشتری اطلاق می شود که این فعالیت ها با جریان مواد و جریان اطلاعات مرتبط است

( Li،2011). در این راستا دو نفر از محققین معروف این حوزه، یعنی چوپرا و میندل در سال ۲۰۰۱ زنجیره تأمین را به این صورت تعریف می‌کنند. زنجیره تأمین تمامی مراحلی است که به صورت مستقیم یا غیرمستقیم در برآوردن سفارش مشتری درگیر می‌شوند.

پویایی سیستم

سيستم مجموعه‌اي سازمان‌يافته از اجزا است که براي رسيدن به هدف مشخصی ايجاد شده است. شرکتی را در نظر بگيريد که داراي بخش منابع انسانی و بازاريابی است.اجزای این دو بخش به‌گونه‌اي سازمان‌یافته با يکديگر در ارتباطند و تلاش می‌کنند تا بقا و سودآوري (هدف مشخص) شرکت را تأمين کنند. ايده و هدف پايه‌اي پويايی سيستم دستيابی به کيفيتی از طراحی است که قابل مقايسه با عملکرد در سيستم‌هاي مديريت شده باشد.

مدل‌های پویایی سیستمی:

منابع: منابع به فیزیک یا خمیره سیستم مربوط بوده و کانون توجه فرآیند تبدیلی که در سیستم روی می‌دهد هستند. محصولات در مورد یک شرکت تولیدی، بیماران در مورد یک بیمارستان و یا منابع مالی و اعتباری برای یک مؤسسه اعتباری نمونه‌ای از منابع می‌باشند.

سطح و نرخ: سطوح، نمایانگر حالت و وضعیت سیستم در هر نقطه‌ای از زمان هستند. حتی اگر در لحظه‌ای مقدار نرخ به صفر برسد، سطوح همچنان وجود خواهند داشت. علاوه بر این ازآنجاکه متغیرهای سطح در یک سیستم پویا حکم انبار یا انباشته مواد را دارند، دو نرخ مختلف را از هم جدا می‌کنند. سطوح انبارهایی هستند که تغییرات جریان‌ها را جذب می‌کنند.می‌توان گفت ساده‌ترین روش برای نمایش این مفاهیم، تصویر منبعی شامل جریان ورودی و یک جریان خروجی است (میان آبادی، 1396).

نمودار علّی-حلقوی: در این نمودار هر ارتباط با یک پیکان نشان داده شده که حامل یک علامت است و انتهای آن جهت ارتباط علّی را نشان می‌دهد. علامت مثبت روی پیکان نمایانگر آن است که در صورت ثابت بودن سایر عوامل، تغییر (افزایش/کاهش) در عامل ابتدای پیکان موجب تغییر (افزایش/کاهش) در عامل انتهای پیکان در همان جهت خواهد شد. علامت منفی نشان می‌دهد که تغییر در عامل ابتدای پیکان در یک جهت موجب تغییر در عامل انتهای پیکان در جهت عکاس می‌شود یعنی افزایش منجر به کاهش و کاهش منجر به افزایش می‌شود (تیموری و مزرعه فراهانی،1387).

 

 

۴- اجرای مدل

۴-۱ حلقه‌های علی-معلولی

نمودارعلت -معلولی ابزاری برای ترسیم ارتباطات علی در داخل یک سیستم است. برای ترسیم نمودار علت -معلولی و توسعه فرضیه‌های پویا، مدل‌ساز نیازمند داده‌ها و اطلاعات گسترده‌ای است. مشخص نبودن دیدگاهی که بر اساس آن مدل علی ساخته می‌شود از مشکلات روش پویایی سیستم است(صادقی مقدم و خاتم فیروز آبادی، 1390).با این وجود روش‌های فراوان و در دسترس زیادی برای جمع‌آوری داده‌ها وجود دارد.

حال،حلقه‌های علی و معلولی که توضیح داده شد،برای فرایندهای مدیریت دانش و تأثیرات آن بر نرخ تولید در شکل 1 ترسیم می‌شود.

 

 

 

شکل شماره1- حلقه علی -معلولی به‌کارگیری دانش در نرخ تولید

 

 

همانگونه که در شکل 1 ملاحظه شد افزایش دانش ثبت شده باعث افزایش سطح اشتراک دانش در سازمان و سپس افزایش کاربرد دانش شده، و این خود منجر به افزایش تولید و افزایش پاسخ دهی به تقاضا میشود که این امر نیز به نوبه خود باعث افزایش خلق دانش میشود در نتیجه بار دیگر میزان دانش ثبت شده افزایش می یابد و این حلقه مثبت ادامه پیدا میکند همانطورکه در حلقه‌های علت و معلولی فوق مشخص است تأثیر مؤلفه‌های مدیریت دانش یعنی نرخ تولید دانش، دانش معتبر ثبت شده، سطح اشتراک‌گذاری دانش و استفاده و بهره‌برداری از دانش به همراه زیر مجموعه‌های آن‌ها بر نرخ تولید و میزان موجودی در سیستم تولید،مشخص و ثبت گردیده است. همچنین نوع و جهت تأثیرگذاری این متغیرها بر یکدیگر به ‌وسیله پیکان‌های مربوطه در حلقه‌های علی و معلولی ترسیم شده است.

۴-۲ شبیه‌سازی مدل جریان در نرم‌افزار

بعد از ترسیم و تشریح نمودار علت و معلولی به رسم نمودار جریان می‌پردازیم. مدل جریان محوری‌ترین بخش یک شبیه‌سازی است که از طریق برآوردپارامترها و معادلات ریاضی و نرم‌افزار شبیه‌سازی اجرا می‌شود و مبنای تحلیل قرار می‌گیرد.

 

 

 

شکل2- نمودار جریان حالت

 

 

برای درک بهتر از رفتار سیستم، باید روابط بین متغیرهای سیستم تدوین شود و با استفاده از رایانه، مقدار متغیرها در طول زمان شبیه سازی شود. برای این منظور از نرم‌افزار Vensim استفاده شده است. برای بدست آوردن فرمول‌ها از نظرات خبرگان و صاحب‌نظران آشنا با مدیریت دانش و زنجیره تأمین و پویایی سیستم بهره گرفته شده است. ضرایب و مقادیر ثابت با کمک آمارهای قبلی شرکت پتروشیمی و صاحب نظران آن شرکت محاسبه شده است.

5-بحث و نتیجه‌گیری

رویکرد سیستم‌های پویا، ساختارهای پیچیده مانند مدیریت دانش و روابط پارامترهای کلیدی سیستم را مدل‌سازی می‌نماید.مدل سازی کارآمداین وابستگی‌هاو روابط متقابل امری ضروری است و درک کامل از پویایی سیستم و رفتار آن گامی مهم در جهت بهینه‌سازی عملکرد آن است.مدل ارائه شده در ابتدا به نمایندگی از رفتار سیستم، تحت شرایط عادی ساخته شده است.عملکرد سیستم با توجه به تعدادی از معیارهای کلیدی مورد تجزیه و تحلیل قرار گرفته است. سناریوهایی با توجه به جنبه‌های مختلف مدیریت دانش طراحی گردیده و معیارهای عملکردی سیستم اندازه‌گیری شده و در انتهابا مدل پایه مقایسه گردیده است.

۵-۱ سناریوپردازی

 در تدوین سناریوی متغیرهای مدیریت دانش و زنجیره تأمین با توجه به نظر خبرگان به دو حالت خوش‌بینانه و بدبینانه تغییر دادیم که در جدول شماره 2به شرح زیر می‌باشد:

 

 

 

 

 

 

جدول شماره2- سناریو متغیرهای مدیریت دانش وزنجیره تأمین در دو حالت خوش‌بینانه و بدبینانه

 

متغیرها	حالت بد بینانه	حالت خوش بینانه
ارزیابی تغییرات بازار در میان رقبا	17درصد کاهش	34درصد افزایش
مشارکت با مشتریان برای ارزیابی نیازها	18درصد کاهش	47درصد افزایش
حمایت مدیریت در تسهیم دانش	40درصد کاهش	60درصد افزایش
دسترسی کارکنان به منابع دانش	40درصد کاهش	60درصد افزایش
وجود سیستم اطلاعاتی مناسب	24درصد کاهش	47درصد افزایش
اشتراک اطلاعات بین تأمین‌کنندگان و اعضای تدارکات	12درصدکاهش	30درصد افزایش
استفاده و بهره‌برداری از دانش	27درصد کاهش	47درصد افزایش
توانایی تطبیق فرایندها	40درصد کاهش	60درصد افزایش
انگیزه کارکنان	40درصد کاهش	60درصد افزایش
جذب و حفظ نیروی متخصص	27درصد کاهش	27درصد افزایش

 

با اجرای سناریوی بدبینانه درصد تحقق تقاضا کمتر شده و با اجرای سناریوی خوش‌بینانه درصد تحقق تقاضا بیشتر می‌شود که با اجرای سناریوهای فوق در محیط نرم‌افزار Vensim خروجی‌های زیر بدست می‌آید:

 

 

 

شکل شماره 3- رفتار مدل در حالت پایه و سناریو خوش بینانه و بد بینانه برای متغیر نرخ تولید

 

 

 

همانگونه که در شکل شماره 3 مشاهده میکنید با اعمال تغییرات ذکر شده بر روی مقادیر متغیرها، شاهد تغییر رفتار سیستم به صورت خوش بینانه و بدبینانه در مقایسه با حالت Base Run هستیم. بر این اساس نرخ تولید شرکت با افزایش مقادیر متغیرها در سناریوی خوش بینانه از سال 13 به بعد شروع به افزایش می کندو این روند افزایشی تا سال 20 ادامه دارد به طوریکه پس از مدت 7 سال در نهایت نرخ تولید بیش از 30 واحد افزایش را نسبت به مدل پایه نشان میدهد وهمچنین با کاهش مقادیر متغیرها در سناریو بدبینانه از سال 13 به بعد شاهد کاهش نرخ تولید خواهیم بود تا جاییکه در انتهای سال 20 نرخ تولید به میزان 10 واحد از سناریوی حالت پایه کمتر خواهد شد. 

 

 

 

  شکل شماره ۴- رفتار مدل در حالت پایه و سناریو خوش بینانه و بد بینانه برای متغیر نرخ ضایعات

 

 

 

 

و همانطور که در شکل شماره 4 قابل ملاحظه است با اعمال تغییرات ذکر شده بر روی مقادیر متغیرها، شاهد تغییر رفتار سیستم به صورت خوش بینانه و بدبینانه در مقایسه با حالت Base Run هستیم. بر این اساس نرخ ضایعات مواد اولیه شرکت با افزایش مقادیر متغیرها در سناریوی خوش بینانه از سال 10 به بعد شروع به کاهش می کند و این روند کاهشی تا سال 20 ادامه دارد به طوریکه پس از مدت 10 سال در نهایت نرخ ضایعات مواد اولیه بیش از 4/0 تن کاهش را نسبت به مدل پایه نشان میدهد وهمچنین با کاهش مقادیر متغیرها در سناریو بدبینانه از سال 10 به بعد شاهد افزایش نسبی نرخ ضایعات خواهیم بود تا جاییکه در انتهای سال 20 مقدار ضایعات مواد اولیه به میزان ناچیزی از سناریوی حالت پایه بیشتر خواهد شد.

 

5-2 تست آزمون حدی و اعتبار سنجی مدل

 

اعتبار سنجی در رویکرد سیستم‌های پویا،بیشتر بر رفتار داده‌ها در طول زمان تأکید دارد که بیان کننده صحت ارتباط ساختار ایجاد شده با رفتار تولید شده است. (استرمن،۲۰۰۰و احمدوند و همکاران،۱۳۹۳).

تست مدل به‌دنبال اعتماد به مدل و نتایج آن ورسیدن به درک عمیق‌ترمی‌باشد در این تست با استفاده از مقادیر حدی بعضی از متغیرها به تعیین اینکه آیا معادلات و مدل به‌ صورت منطقی و مطابق با قوانین فیزیکی رفتار می‌کنند پرداخته می‌شود. به‌عنوان مثال در این تست متغیر مقدار مورد نیاز در هر واحد محصول را در دو حالت کمینه و بیشینه ممکن صفراست که در شکل زیر نیز قابل مشاهده است‌.

 

 

شکل شماره 5- رفتار مدل در حالت اکستریم پوینت برای متغیر نرخ تولید

 

 

شکل شماره 6- رفتار مدل در حالت اکستریم پوینت برای متغیر ورودی مواد اولیه

 

 

 

 

 

 

 

اگر ورودی متغیرهای خلق دانش برابر صفر شود حلقه‌های بعدی مانند دانش ثبت شده و استفاده و بهره‌برداری از دانش نیز کاهش پیدا می‌کند، مقدار تولید که توسط مدل برای بازه زمانی ۲۰سال پیش‌بینی شده بود با مقدار واقعی تولید در همین بازه مقایسه شده است؛ همان‌طورکه در شکل زیر نیز قابل مشاهده است اگر ورودی متغیرهای خلق دانش برابر صفر شود حلقه‌های بعدی مانند دانش

ثبت شده و استفاده و بهره‌برداری از دانش نیز کاهش پیدا می‌کند.که مورد تأیید خبرگان نیز می‌باشد که این نتایج در شکل‌های 5 و 6 مشاهده می‌شوند که با صفر در نظر گرفتن مقادیر متغیرهای خلق دانش، نرخ تولید و در پی آن مقدار مصرف مواد اولیه صفر می‌گردند.

۵-۳ نتیجه گیری

سناریوهای مطرح شده تاثیر متغیرهای مدیریت دانش رابر نرخ تولید و میزان ضایعات را مورد ارزیابی قرار دادند.همان طور که مشاهده شد با افزایش و کاهش مقادیر متغیرها تا سال 13تغییری صورت نگرفته و اثرات مدل طراحی شده بعد از سال دوازدهم ملموس و قابل درک است.

 از این رو میتوان گفت مدل ارائه شده در این پژوهش که شامل متغیرهایی نظیر : ارزیابی تغییرات بازار در میان رقبا،مشارکت با مشتریان برای ارزیابی نیاز ها، حمایت مدیریت در تسهیم دانش، دسترسی کارکنان به منابع دانش، وجود سیستم اطلاعاتی مناسب، اشتراک اطلاعات بین تامین کنندگان و اعضای تدارکات، استفاده و بهره برداری از دانش، توانایی تطبیق فرایندها، انگیزه کارکنان و جذب و حفظ نیروی متخصص که از متغیرهای کلیدی مدیریت دانش هستند به طور جدی و مقابل درک بر روی بر روی متغیرهای خروجی مسئله که همان نرخ تولید و مقدار ضایعات هستند تاثیر گذار است. و با کمک سناریو های مطرح شده میتوان میزان تولید را تا 30 درصد افزایش داد که این امر به تنهایی موجب پوشش دادن مقدار بیشتری از تقاضا می باشد و همچنین میزان ضایعات نیز در مدل پیشنهادی به میزان 40 درصد کاهش نشان می دهد که این میزان کاهش ضایعات میتواند اثرات چشمگیری در کاهش هزینه های کل سیستم داشته باشد.

 

6-پیشنهادات 

دراین مقاله مدلی جامع برای مدیریت دانش در زنجیره تأمین، با رویکرد پویایی سیستم ارائه شده

است. مدل فوق در یک شرکت پتروشیمی به‌ کار گرفته شده است. پس از به‌کارگیری مدل پویا و مشاهده نتایج آن، سیاست‌هایی برای بهبود نتایج مدل پیشنهاد شدند. این سیاست‌ها را می‌توان به‌صورت انفرادی یا همزمان اجرا کرد.از مدل فوق می‌توان در هر سازمان یا نهاد دیگری استفاده کرد.با اعمال تغییراتی در پارامترهای آن، می‌توان تأثیرات عوامل مختلف مدیریت دانش بر زنجیره تأمین را بررسی کرد. البته در این مدل از پارامترهای فرعی مؤثربر سیستم مدیریت دانش و زنجیره تأمین، به دلیل افزایش پیچیدگی صرف‌نظرشده و فقط عوامل اصلی مد نظر قرار گرفته‌اند. بنابراین با لحاظ کردن سایر عوامل، می‌توان نتایج دقیق‌تری را برای پژوهش‌های بعدی پیش‌بینی کرد.

مدیران شرکت باید در تصمیم‌های سرمایه‌گذاری خود تأخیرهای زمانی میان اعمال یک سیاست و نتایج آن را مد نظر قرار دهند، یعنی موفقیت‌ها یا شکست‌های زود هنگام را ناشی از تصمیم‌ها یا سیاست‌های اتخاذ شده ندانند، زیرا ارزیابی درستی یا نادرستی هر سیاست در سیستمی مانند سیستم مورد مطالعه این تحقیق در بلندمدت امکان‌پذیراست و نتایج فوری ممکن است ناشی از عواملی باشد که از نظر مدیران پنهان مانده است.

 

 

 

 

 

 

فهرست منابع

 

1) استرمن،جان د. (1390)،پویایی شناسی کسب وکار،مترجمان؛کوروش برارپورو همکاران.

2) اصغرزاده،ف.وقرایی پور رضا.(1393)ابزارهای مدیریت در توسعه دانش

3) افشارکاظمی م.،ماکویی ا.، (1388)،تدوین استراتژی زنجیره تأمین صنعت فولادایران بااستفاده ازتحلیل پویایی سیستم‌ها،پژوهشنامه بازرگانی،شماره 51.

4) تیموری،ا.،ومزرعه فراهانی،م.، (1386)،مقدمه‌ای برمدلسازی سیستم‌هایاقتصادی واجتماعی،تهران،انتشارات دانشگاه علم وصنعت ایران.

5) صادقی مقدم،م.و مومنی منصور،(1388)،برنامه ریزی یکپارچه تامین، تولید و توزیع زنجیره تامین با بکارگیری الگوریتم ژنتیک.

6) طالاری،م. وعلیمحمدی،ع. (1392)،نقش مدیریت دانش درتکامل زنجیره. تأمین شرکت‌ها،بررسی‌های بازرگانی،دوره 11،شماره 58.

7) علمداری،ا.(1399)بررسی نقش مولفه های مدیریت دانش در بهبود عملکرد زنجیره تامین فروشگاه های زنجیره ای،پژوهش های کاربردی در مدیریت و حسابداری(سال پنجم) شماره 17/بهار 1399/ص87-67

8) قرایی پور،ر. (1399)،زنجیره تأمین ناب ومدلی برای ارزیابی ناب بودن زنجیره تأمین.

9)میان آبادی،ع.،(1396)،مدیریت زنجیره تأمین: تاریخچه،اهداف،فرایندها

مزایاو موانع،ص263.

10) نیکبخش ج، مهدی خانی ا ،(1391)، شناسایی عوامل موثر برعملکرد زنجیره تامین و بهبود آن با استفاده از تکنیک پویایی سیستم مورد کاوی در شرکت داروگر ، پژوهش های مدیریت در ایران ، دوره 16، شماره3 ،صفحه5.کاربردی در سازمانها،اولین کنفرانس اقتصاد و مدیریت کاربردی با رویکرد ملی

 

11) Ale, M. Toledo, C. Chiotti, O. & Galli, M. (2014). A conceptual model and technological support for organizational knowledge management. Science of Computer Programming, 95(1): 73-92

 

12) Blackmore, C., R. Ison, & M. Reynolds. 2015. Thinking Differently About Sustainability: Experiences from the UK Open University BT - Integrating Sustainability Thinking in Science and Engineering Curricula: Innovative Approaches,

13) Booto Ekionea, J. Fillion, G. Plaisent, M. & Bernard, P. (2015). Towards an Integrated Maturity Model of Knowledge Management Capabilities. In E -Business and E -Government (ICEE). 2015 International Conference on,1-4, 6-8.

14) Chung, S.H. (2004). A Resource –Based Perspective on Knowledge Management Capability and Competitive Advantage: an Empirical Investigation, Expert System with Application, 27(3),p. 459-465

15) Chopra, S., Meindl, P. (2007). Supply Chain Management: Strategy, Planning, and Operation, Third Edition, Prentice Hall.

16) Chen, T.H., Chen, J.M. (2005). Optimizing supply chain collaboration based on joint replenishment and channel coordination. 2003. Transportation Research, Part E, 41 (4): 261-285.

 

17) Duryan, M. and Smyth, H. (2019), "Service design and knowledge management in the construction supply

18) chain for an infrastructure programme", Built Environment Project and Asset Management, Vol. 9 No. 1, 118-137.

19) Li, Da Xu (2011). Information architecture for supply chain quality management, International Journal of Production Research, 49:1, 183-198.

20) Lee, V. H., Ooi, K. B., Sohal, A. S., & Chong, A. Y. L. (2012). Structural relationship between TQM practices and learning organisation in Malaysia's manufacturing industry.Production planning & control, 23(10-11), 885-902.

21)Ming K. Lim, Ming-Lang Tseng, Kim Hua Tan, Tat Dat Bui.(2017). Knowledge management in sustainable supply chain management: improving performance through an interpretive structural modelling approach. Journal of Cleaner Production.

22) Nonaka &Takeuchi.(1995).The knowledge-creating company.Oxford university press. ODell,C., & Grayson, J.C.(1988). If only we knew what we know. NewYork,  free  press.

23) Patil, S.K., Kant, R. (2014). A Fuzzy AHP-TOPSIS  framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers. Expert Systems with Applications, 41(2), 679-693.

24) Poles R., (2013), System Dynamics modelling of a production and inventory system for remanufacturing to evaluate system improvement strategies.International Journal of Production Economics, 144(1), 181-111.

25) Turban, E., Mclean, E., wetherbe, J. (2002). Information Technology for Management. 3th Edition, John Wiley & Sons, New Jersy.

Wong, W.P., & Wong,K.Y. (2011). Supply chain management knowledge management capability and their linkage toward firm performance. Business Process Management Journal,16(17)، 940-961

26) Wang.W.T.2011.System dynamics modeling for examining knowledge transfer during crises. Systems Research and Behavioral Science 28(1); 105-127

27) Zack, M.H. (2012). Developing a knowledge strategy.The strategic management of intellectual capital and organizational knowledge, Oxford University press.

 

 

 

 

Making The Scenarios Of knowledge Management Component Effects On Supply Chain With System Dynamics Approach

 

Abstract;

Background: In advanced organizations, managers' decisions and policies along the supply chain require the use of knowledge management. One of the most important decisions to be made in the supply chain is the production planning, that it’s management needs  provident decisions and designing new capacities with a comprehensive and continuous approach, and it’s not achievable through a static approach.

 Objective: This study seeks to provide a dynamic model to investigate the impact of possible knowledge management scenarios on the components of the oil supply chain in the framework of systems thinking.

Methods: Current study based on purpose ,is an applied research and based on data character is a quantitative and qualitative and based on data acquisition that is a casual-analytical research.This research is studied in a petrochemical products production company in a 20 years period .And thanks to questionnaire and expert validation,first basic variables detected and their relations compiled in casual loops, then basic model completed by flow accumulation diagram and simulated by Vensim software.

 Findings: The proposed scenarios evaluate the effects of knowledge management variables on production rate and reduction of wastage rate.

Conclusion: This model has succeeded in increasing the production rate and reducing the waste rate in the supply chain by providing appropriate outputs and utilizing knowledge management components. Also, validation tests and sensitivity analysis performed on the model show its validity.

Keywords: Knowledge Management, Production management, Supply Chain, System Dynamics, Optimization

 

 

یادداشت ها

17

 

---

[1]  Nonaka&Takeuchi

[2]  Patil&kant

[3]  Blackmore

[4]  Ming

[5] Ekionea Booto

[6]  Zack

[7]  Poles

---