صنعت لاستیک ایران

صنعت لاستیک ایران

توسعه مدل قابلیت‌های سازمانی برای مدیریت گذار راهبردی به سوی تولید هوشمند در صنایع پشتیبان زنجیره تأمین صنعت لاستیک: یک مطالعه کیفی مبتنی بر تحلیل مضمون در شرکت کربن ایران

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مدیریت بازرگانی، دانشکده اقتصاد و مدیریت، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر، ایران
2 دکتری روابط بین الملل، دانشگاه آزاد اسلامی، تهران، ایران
3 دکتری اقتصاد نفت و گاز، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/irm.2026.591937.1352
چکیده
پژوهش حاضر با هدف توسعه مدل قابلیت‌های سازمانی برای مدیریت گذار راهبردی به سوی تولید هوشمند در شرکت کربن ایران انجام شد. پژوهش حاضر از نظر هدف، توسعه‌ای و از نظر رویکرد، کیفی است و با استفاده از تحلیل مضمون انعکاسی انجام گرفت. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با ۱۵ نفر از مدیران و خبرگان دارای تجربه در حوزه‌های تولید، مدیریت سازمان، فناوری، بهبود فرآیند و تحول دیجیتال گردآوری شد. مشارکت‌کنندگان با روش نمونه‌گیری هدفمند انتخاب شدند و مصاحبه‌ها تا دستیابی به اشباع مفهومی ادامه یافت. تحلیل داده‌ها طی مراحل کدگذاری اولیه، توسعه مفاهیم فرعی، تشکیل مضامین پایه و سازمان‌دهی مضامین اصلی انجام شد و به استخراج ۲۸۶ کد اولیه، ۴۷ مفهوم فرعی، ۲۴ مضمون پایه، پنج مضمون سازمان‌دهنده و یک مضمون فراگیر منجر شد. در ادامه، مدل توسعه‌یافته با مشارکت ۱۲ نفر از خبرگان مدیریت صنعتی، تولید، فناوری اطلاعات و تحول دیجیتال ارزیابی و پالایش شد. میانگین کلی اهمیت مؤلفه‌های مدل ۴٫۶۶ از ۵، میانگین نسبت روایی محتوا ۰٫۸۰، شاخص روایی محتوا ۰٫۹۳ و میزان توافق کلی خبرگان ۹۲٫۳ درصد به دست آمد. یافته‌ها نشان داد که قابلیت‌های سازمانی مورد نیاز برای مدیریت گذار به سوی تولید هوشمند در پنج بعد شامل قابلیت‌های راهبردی و رهبری تحول، قابلیت‌های انسانی و فرهنگی، قابلیت‌های داده‌محور و فناورانه، قابلیت‌های فرآیندی و عملیاتی و قابلیت‌های یادگیری و انطباق سازمانی قابل تبیین است. نتایج نشان می‌دهد که تحول هوشمند در صنعت کربن بلک، نه یک پروژه فناورانه مستقل، بلکه فرآیندی سازمانی و پویا است که موفقیت آن به هماهنگی میان راهبرد، سرمایه انسانی، داده، فناوری و فرآیندهای تولید وابسته است. توسعه این قابلیت‌ها می‌تواند از طریق ارتقای کنترل فرآیند، بهبود یکنواختی و کیفیت محصول، کاهش انحرافات عملیاتی، افزایش قابلیت اطمینان تولید و تقویت پایداری تأمین، عملکرد زنجیره ارزش صنعت لاستیک را بهبود بخشد.
کلیدواژه‌ها
موضوعات

Bag, S., Gupta, S., & Kumar, S. (2021). Industry 4.0 adoption and sustainable development: A systematic literature review and future research agenda. Technological Forecasting and Social Change, 163, 120406. https://doi.org/10.1016/j.techfore.2020.120406
Braun, V., & Clarke, V. (2021). One size fits all? What counts as quality practice in (reflexive) thematic analysis? Qualitative Research in Psychology, 18(3), 328–352. https://doi.org/10.1080/14780887.2020.1769238
Buer, S. V., Strandhagen, J. O., & Chan, F. T. S. (2018). The link between Industry 4.0 and lean manufacturing: Mapping current research and establishing a research agenda. International Journal of Production Research, 56(8), 2924–2940.
Creswell, J. W., & Poth, C. N. (2018). Qualitative Inquiry and Research Design: Choosing Among Five Approaches (4th ed.). SAGE Publications.
Frank, A. G., Dalenogare, L. S., & Ayala, N. F. (2019). Industry 4.0 technologies: Implementation patterns in manufacturing companies. International Journal of Production Economics, 210, 15–26.
Gökalp, E., & Martinez, V. (2021). Digital transformation capability maturity model enabling the assessment of industrial manufacturers. Journal of Manufacturing Technology Management, 32(5), 999–1020.
Lee, J., Bagheri, B., & Kao, H. A. (2015). A cyber-physical systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters, 3, 18–23.
Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563–575.
Mittal, S., Khan, M. A., Romero, D., & Wuest, T. (2018). A critical review of smart manufacturing and Industry 4.0 maturity models. Journal of Manufacturing Systems, 49, 194–214.
Müller, J. M., Kiel, D., & Voigt, K. I. (2018). What drives the implementation of Industry 4.0? Sustainability, 10(1), 247.
Nowell, L. S., Norris, J. M., White, D. E., & Moules, N. J. (2017). Thematic analysis: Striving to meet trustworthiness criteria. International Journal of Qualitative Methods, 16, 1–13.
Polit, D. F., & Beck, C. T. (2006). The content validity index: Are you sure you know what’s being reported? Research in Nursing & Health, 29(5), 489–497.
Schumacher, A., Erol, S., & Sihn, W. (2016). A maturity model for assessing Industry 4.0 readiness and maturity of manufacturing enterprises. Procedia CIRP, 52, 161–166.
Sony, M., & Naik, S. (2020). Critical factors for the successful implementation of Industry 4.0. Production Planning & Control, 31(10), 799–815.
Sony, M., Antony, J., McDermott, O., & Garza-Reyes, J. A. (2021). An empirical examination of benefits, challenges, and critical success factors of Industry 4.0 implementation. Total Quality Management & Business Excellence, 32(7–8), 741–767.
Teece, D. J. (2018). Business models and dynamic capabilities. Long Range Planning, 51(1), 40–49
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533.
Tortorella, G. L., Giglio, R., & van Dun, D. H. (2021). Industry 4.0 adoption as a moderator of the impact of lean production practices. International Journal of Operations & Production Management, 41(6), 860–886.
Vial, G. (2019). Understanding digital transformation: A review and a research agenda. Journal of Strategic Information Systems, 28(2), 118–144.
Wang, S., Wan, J., Li, D., & Zhang, C. (2016). Implementing smart factory of Industry 4.0: An outlook. International Journal of Distributed Sensor Networks, 12(1), 3159805.
Warner, K. S. R., & Wäger, M. (2019). Building dynamic capabilities for digital transformation. Long Range Planning, 52(3), 326–349.

  • تاریخ دریافت 24 تیر 1405
  • تاریخ بازنگری 06 مرداد 1405
  • تاریخ پذیرش 04 بهمن 1404