تحلیل ارتباط میان توانمندسازهای سیستم ساخت انعطاف‌پذیر انسانی در صنایع خودروسازی با استفاده از رویکرد نقشه‌ شناختی فازی

مدیریت بهره‌وری

مقاله 6، دوره 13، 3(50)پاییز، آبان 1398، صفحه 175-204   

نوع مقاله: علمی پژوهشی

شناسه دیجیتال (DOI): 10.30495/qjopm.2019.668706

نویسندگان

غلامرضا جمالی^{* 1}؛ معصومه محمدی²

¹استادیار گروه مدیریت صنعتی، دانشگاه خلیج فارس، بوشهر، ایران

²دانش آموخته کارشناسی ارشد مدیریت صنعتی، دانشگاه خلیج فارس، بوشهر، ایران

چکیده

هدف مطالۀ حاضر تحلیل ارتباط میان توانمندسازهای سیستم ساخت انعطاف­پذیر انسانی مبتنی بر نقشه­ شناختی فازی در صنعت خودروسازی ایران می­باشد. مبانی نظری و تحلیل­های مربوطه با استفاده از قضاوت گروه خبره انجام گرفت. از آنجایی که اعضای گروه تمایل داشتند با متغیرهای زبانی و لفظی منظور خود را برسانند؛ لذا از مجموعه گسسته­ای از برچسب‌های لفظی در قالب نقشه­های شناخت فازی، بمنظور تبیین ارتباط بین توانمندسازها بهره­گیری شد. جامعۀ آماری دو نوع بوده است. جامعه اول شامل 20 نفر از خبرگان صنعت خودروسازی بوده که با سیستم ساخت انعطاف پذیر انسانی آشنایی داشته­اند. که از بین آن­ها 10 نفر به طور تصادفی انتخاب شده­اند. جامعه دوم شامل 320نفر از کارکنان شرکت­های شامل شرکت­های ایران خودرو، پارس خودرو، زاگرس خودرو، سایپا، کرمان خودرو، گروه بهمن و مدیران خودرو بوده با استفاده از فرمول کوکران 174 نفر به شیوه نمونه­گیری تصادفی برگزیده شدند. نتایج نشان داد کلیدی­ترین توانمندسازهای سیستم ساخت انعطاف­پذیر انسانی عبارتند از: تعهد کارکنان، پرسنل آموزش دیده، مشارکت و تعهد مدیریت ارشد، برنامه­ریزی بلندمدت مؤثر، وضعیت مالی مطلوب سازمان، کاهش هزینه نگهداری، فرهنگ کار در سازمان، رضایت کارکنان، مشوق­ها و پاداش­ها، و تکنیک­های عملیاتی و کنترل. پیشنهاد می­گردد با توجه به نقش و اهمیت جایگاه عامل انسانی در سیستم­ ساخت انعطاف­پذیر، یک نقشه راه در صنایع خودروسازی جهت جلوگیری از هدررفت منابع بویژه منابع انسانی تدوین گردیده تا بتوان در فرایند برنامه­ریزی استراتژیک جهت بروز نمودن اهداف و چشم انداز شرکت از آن بهره گرفت.

کلیدواژه‌ها

سیستم ساخت انعطاف‌پذیر انسانی؛ صنایع خودروسازی؛ نقشه شناختی فازی

مراجع

 Amer, M., Tugrul, U. D., & Jetter, A. (2016). Technology Roadmap through Fuzzy Cognitive Mapbased Scenarios: The Case of Wind Energy Sector of a Developing Country. Technology Analysis & Strategic Management, 28(2), 131-155.

Arvan, M., Omidvar, A., & Ghodsi, R. (2016). Intellectual Capital Evaluation Using Fuzzy Cognitive maps: A Scenario-Based Development Planning. Expert Systems with Applications,55,21-36.

Bayazit, O. (2005). Use of AHP in Decision-Making for Flexible Manufacturing Systems. Journal of Manufacturing Technology Management, 16(7), 808-819.

Belassi, W., & Fadlalla, A. (1998). An Integrative Framework for FMS Diffusion.International Journal of Management Science,26(6),699-713.

Esmaelian, M., & Molavi, B. (2014). Prioritization and Selection Agility Capability Using Fuzzy TOPSIS and Fuzzy DEA Approach. Production and Operations Management, 5(2), 160-145, (In Persian).

Kosko, B. (1985). Adaptive Inference, Monograph, Verac Inc. Technical Report.

Kosko,B.(1992). Neural Networks and Fuzzy Systems. NY:Prentice-Hall.

Maniya, K., & Bhatt, M. (2011). The Selection of Flexible Manufacturing System Using Preference Selection Index Method. International Journal of Industrial and Systems Engineering, 9(3), 330-349.

Nagar, B., & Raj, T. (2012). An AHP-Based Approach for the Selection of HFMS: An Indian Perspective. International Journal of Operational Research, 13(3), 338-358.

Nagar, B., & Raj, T. (2012). Analysis of Critical Success Factors for Implementation of Humanized Flexible Manufacturing System in Industries. International Journal of Logistics Economics and Globalization, 4(4), 309-329.

Nagar, B., & Raj, T. (2013). Digraph and Matrix Evaluation for Shifting to Humanized Flexible Manufacturing System. International Journal of Logistics Economics and Globalization, 5(2), 149-165.

Prakash, R., Singhal, S., & Agrawal, A. (2018). An Integrated Fuzzy-Based Multi-Criteria Decision Making Approach for Selection of Effective Manufacturing System: A Case Study of an Indian Manufacturing Company. Benchmarking: An International Journal, 25(1), 280-296.

Raj, T., Shankar, R., & Suhaib, M. (2007). A Review of Some Issues and Identification of Some Barriers in the Implementation of FMS. The International Journal of Flexible Manufacturing Systems,19(1),1-40.

Raj, T., Shankar, R., & Suhaib, M. (2008). An ISM Approach for Modeling the Enablers of Flexible Manufacturing System: The Case for India. International Journal of Production Research, 46(24), 6883-6912.

Raj, T., Shankar, R., & Suhaib, M. (2010). GTA-Based Framework for Evaluating the Feasibility of Transition to FMS. Journal of Manufacturing Technology Management, 21(2), 160-187.

Raj, T., Shankar, R., Suhaib, M., & Khan, R. (2010). A Graph-Theoretic Approach to Evaluate the Intensity of Barriers in the Implementation of FMSs. International Journal of Services and Operations Management, 7(1), 24-52.

Raj, T., Shankar, R., Suhaib, M., Garg, S., & Singh, Y. (2008). An AHP Approach for Selection of Advanced Manufacturing System: A Case Study.International Journal of Manufacturing Research,3(4),471-498.

Rao, K., & Deshmukh, S. (1994). Strategic Framework for Implementing Flexible Manufacturing Systems in India. International Journal of Operations and Production Management, 14(4), 50-63.

Rodriguez-Repiso, L., Setchi, R., & Salmeron, J. (2007). Modelling IT Projects Success with Fuzzy Cognitive Maps. Expert Systems with Applications, 32, 543-559.

Safdary Ranjbar, M., Mansour, S., & Azami, A. (2015). Prioritizing and Analyzing the Interaction among Factors Effective on the Success of New Product Development projects by ISM and DEMATEL. Production and Operations Management, 6(1), 149-170, (In Persian).

Schneider, M., Shnaider, E., Kandel, A., & Chew, G. (1998), Automatic Construction of FCMs. Fuzzy Sets and Systems, 93, 161-172.

Talaie, H. R., Alem Tabriz, A., & Farsijani, H. (2017). Analysis the Enablers of Flexible Manufacturing System, Using Interpretive Structural Modelling and Interpretive Ranking Process. Industrial Management Studies, 15(44), 1-26, (In Persian).

Tao, F., Cheng, Y., Zhang, L., & Nee, A.Y.(2017). Advanced Manufacturing Systems: Socialization Characteristics and Trends. Journal of Intelligent Manufacturing, 28(5), 1079-1094.

Vasslides, J., & Jensen, O. (2016). Fuzzy Cognitive Mapping in Support of Integrated Ecosystem Assessments: Developing a Shared Conceptual Model among Stakeholders. Journal of Environmental Management, 166, 348-356.