چکیده:
یکی از مهمترین چالش‌هایی که اغلب سازمانهای امروزی دائما با آن مواجه هستند، برنامه ریزی برای
توسعه و بهبود فرایندها و عملیات مبتنی بر پذیرش فناوریهای نوین، به ویژه دیجیتال، جهت واکنش به
الزامات بازارها و محیطهای رقابتی است. بنابراین، تحقیق حاضر با استفاده از رویکرد ترکیبی) کیفی و
کمی (کاربردهای فناوریهای دیجیتال را از لحاظ احتیاجات فنی و عملکردهای تجاری در شبکه زنجیره
تامین صنعت کالای خواب مورد بررسی قرار میدهد. روش کار بهصورت توسعه یک ابزار سنجش کارآمد
برای ارزیابی مشخصات دیجیتالی سازی و اتوماسیون جهت مدیریت یکپارچه عملیات و جریانات
زنجیره‌های تامین صنایع تولیدی و اعتبارسنجی آن به کمک رویکرد تصمیم‌گیری چندمعیاره دنپ (ایانپی
مبتنی بر دیمتل (خواهد بود که به عنوان سهم دانش افزایی تحقیق قلمداد میگردد. لذا، در گام نخست فهرست عوامل تاثیرگذار در قالب 6 حوزه فرایندی و مجموعا 22 شاخصه مرتبط به کمک مطالعه کتابخانه ای و
روش دلفی تعیین شد. سپس، با استفاده از تکنیک دنپ اوزان اهمیت و روابط میان عوامل مورد ارزیابی قرار
گرفت. بر اساس نتایج حاصله، حوزه فرایندی مدیریت موجودی و انبار با کسب بالاترین وزن اهمیت بهعنوان بحرانیترین عامل مورد توجه قرار دارد. از طرفی، حوزه‌های فرایندی منبعیابی و خرید و مدیریت
تجاری به عنوان اثرگذارترین عوامل در بهبود حوزه‌های بحرانی شناسایی شدند.
One of the main challenges constantly facing the majority of the organizations is planning to develop and improve processes and operations based on the adoption of new technologies, especially digital technologies, to react to the requirements of markets and competitive environments. Therefore, by using hybrid research approach (qualitative and quantitative), the present study explores the applications of digital technologies in terms of technical needs and business performances in the supply chain network of the bedding industry. The method includes developing an efficient measurement tool to evaluate the digitalization and automation specifications for integrated management of the supply chain operations and flows in manufacturing industries and validating it using the multi-criteria decision-making approach DANP (DEMATEL-based ANP), which is considered the study’s contribution to knowledge and the literature. Therefore, in the first step, the list of influential factors was determined as 6 process areas and a total of 22 related attributes using the desk-based research and Delphi method. Then, the weights and relationships among factors were evaluated using the DANP technique. According to the obtained results, the process area of inventory and warehouse management is considered the most critical factor with the highest weight. However, the process areas of sourcing and buy and business management were identified as the most effective factors in improving critical areas.
خلاصه ماشینی:
(QM٣) بهبود کیفیت مبتنی بر اصول ناب و بهنگام (QM٤) , 1/255261 0/604145 0/540214 1/074171 , 1/054726 0/812736 1/173227 1/5972 , 2/309987 1/416881 1/713441 2/671371 , 0/200535 -0/20859 -0/63301 -0/52303 , 0/040639 0/032734 0/039615 0/058983 , 10 12 11 8 , 0/236313 0/190346 0/230358 0/342982 , 2 4 3 1 مدیریت موجودی و انبار (IW) موقعیت و ظرفیت مکان های انباشت (IW١) مکان یابی اقلام (IW٢) کنترل موجودی و تقاضا (IW٣) , 0/173141 0/47073 0/46194 0/855286 , 0/400673 1/528972 1/39231 1/504629 , 0/573814 1/999702 1/85425 2/359915 , -0/22753 -1/05824 -0/93037 -0/64934 , - 0/083044 0/079397 0/067191 , (1) 3 4 7 , 0/229632 0/361658 0/345775 0/292618 , - 1 2 3 بازاریابی فروش و خدمات مشتری (MS) نوآوری و رقابت پذیری محصولات و خدمات (MS١) کانال های ارتباطی با مشتریان (MS٢) قابلیت های بازاریابی، توزیع و فروش (MS٣) پیش بینی رفتار مشتریان (MS٤) , 0/261503 0/638065 1/148119 0/724533 1/213759 , 0/337652 1/758168 0/651751 1/810737 0/81395 , 0/599155 2/396233 1/79987 2/53527 2/027709 , -0/07615 -1/1201 0/496368 -1/0862 0/399809 , - 0/071772 0/023919 0/073035 0/026523 , (3) 6 15 5 14 , 0/195249 0/367592 0/122505 0/374060 0/135841 , - 2 4 1 3 همان طوری که داده های جدول ٤ نشان میدهد، بر اساس وزن های (جهانی) حاصل شده از تکنیک دنپ ، شاخصه های EP٢ و BM١، به ترتیب وزن اهمیت ، مهم ترین و کم اهمیت ترین شاخصه زنجیره تأمین دیجیتال در صنعت مورد مطالعه هستند.
The future and social impact of Big Data Analytics in Supply Chain Management: Results from a Delphi study.
Smart supply chain management: a review and implications for future research.
Impact of big data on supply chain management.
Big Data Driven Supply Chain Management: A Framework for Implementing Analytics and Turning Information into Intelligence.
Big data analytics in supply chain management between 2010 and 2016: Insights to industries.
Big data analytics in logistics and supply chain management: Certain investigations for research and applications.
(
, 
, 
)
