تحلیل نقش مدیریت ریسک زنجیرۀ تأمین برای رسیدن صنعت خودروسازی ایران به کلاس جهانی

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

1 گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد واحد تهران شمال، تهران، ایران

2 گروه مدیریت صنعتی دانشکده مدیریت دانشگاه شهید بهشتی، تهران، ایران

3 گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد واحد تهران مرکز، تهران، ایران

چکیده

امروزه یکی از استراتژی‌های برتر، تولید در کلاس جهانی است که بیشتر شرکت‌های بزرگ یا به آن دست یافته‌اند و یا در حال سپری‌کردن مراحل آن‌اند؛ اما جهانی‌شدن همراه با ریسک‌هایی است که اگر در نظر گرفته نشود، نه‌تنها نتیجۀ مطلوب حاصل نمی‌شود، هزینه‌های زیادی از جنبه‌های مختلف برای سیستم‌ها به‌دنبال خواهد داشت؛ از این رو، در تحقیق حاضر سعی شد که با طراحی مدلی برای مدیریت هم‌زمان اهداف و ریسک در زنجیرة تأمین صنعت خودروسازی ‌(یکی از سیستم‌های اقتصادی پیشتاز)، نقش و اهمیت مدیریت ریسک برای تولید در کلاس جهانی تبیین شود. در ابتدا با بررسی پیشینۀ تحقیق، مدل‌های مختلف در زمینه‌های تولید در کلاس جهانی، ریسک و مدیریت ریسک شناسایی و موارد نزدیک‌تر به صنایع خودروسازی برای طراحی اولیۀ مدل پژوهش انتخاب شود؛ سپس به کمک روش‌های قطعی و غیرقطعی مثل معادلات ساختاری (در نرم‌افزار (AMOSو روش ترکیبی دیمتل خاکستری- مجموعه‌های دستیابی و پیشنیاز، مدل پیشنهادی اعتبارسنجی و تحلیل شود. توجه به نتایج به دست آمده و تأیید مدل اولیه از سوی خبرگان و متخصصان صنعت خودروسازی کشور ایران، به نظر می‌رسد که پیگیری هم‌زمان تولید در کلاس جهانی و ریسک‌های مربوط به آن، با روش‌ها و اعداد خاکستری، نه‌تنها لازم و ضروری بوده است،‌ ‌رعایت‌نکردن آن نیز، ‌عواقب و هزینه‌های گزافی به سیستم‌ها تحمیل می‌کند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analyzing the Role of Supply Chain Risk Management in Achieving World-Class Status for Iran's Automotive Industry

نویسندگان [English]

  • Ali Roshanbakhsh 1
  • Hassan Farsijani 2
  • Mohamad reza Motadel 3
1 Department of Industrial Management, Faculty of Management, North Tehran Azad University, Tehran, Iran
2 Faculty of Management, Shahid Beheshti University, Tehran, Iran
3 Department of Industrial Management, Tehran Central Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

Purpose: In the age of globalization and fierce competition, achieving World-Class Manufacturing (WCM) standards is crucial for maintaining and enhancing companies’ competitive advantage. This study focuses on Iran’s automotive industry, which grapples with economic challenges and rapid market fluctuations, and investigates the role of Supply Chain Risk Management (SCRM) as a vital tool for attaining WCM. This research aims to develop an integrated model that effectively manages risks, facilitates the implementation of WCM principles in Iran’s automotive sector, and ultimately boosts the industry’s performance and global competitiveness.
Design/methodology/approach: This research utilizes a mixed-methods approach, incorporating both qualitative and quantitative techniques. Initially, a literature review was conducted to identify various models related to WCM, risk, and risk management, selecting those most pertinent to the automotive industry for the preliminary research model. Subsequently, the proposed model was validated and analyzed using both deterministic and non-deterministic methods, including Structural Equation Modeling (SEM) in AMOS software and a hybrid Grey DEMATEL–Interpretive Structural Modeling (ISM) approach.
Findings: The results indicate that the selected factors (five risk factors and six WCM factors) exhibit significant interrelationships across five levels. According to the proposed model for Iran’s automotive industry, environmental and decision-making risks, along with factors such as strategy and performance evaluation, are situated at the lowest level, while human capital and dynamic activities are positioned at the highest level. Currently, factors in the fourth and fifth levels should be prioritized for enhancement. Furthermore, a 20% discrepancy between the results of deterministic and non-deterministic methods employed in this study suggests that the WCM landscape in Iran’s automotive industry is in a "grey" state (where a deterministic environment is "white," a highly uncertain environment is "black," and a semi-uncertain environment is "grey"). This underscores the necessity of integrating both deterministic and non-deterministic approaches rather than relying on one in isolation.
Research limitations/implications: This study primarily focuses on Iran’s automotive industry, and its findings may not be generalizable to other industries or regions. Additionally, limitations in data collection and the subjective nature of expert judgments in fuzzy and grey methods may introduce bias. Future research could extend the model to other industries and emerging economies and incorporate real-time risk assessment tools for enhanced accuracy.
Practical implications: The proposed model offers a strategic roadmap for automotive manufacturers and policymakers to effectively manage supply chain risks while achieving WCM. The findings highlight the need to reduce dependence on macroeconomic government policies, enhance decision-making accuracy, and promote competitive differentiation in products. To this end, it is recommended to strengthen the private sector, advance technology, integrate artificial intelligence, and optimize processes. Furthermore, employing hybrid decision-making tools is crucial for managing risks and opportunities concurrently in uncertain conditions.
Social implications: This research emphasizes the significance of a resilient and risk-aware supply chain for sustainable industrial growth. Mitigating supply chain risks can enhance job security, economic stability, and consumer confidence. Additionally, incorporating WCM principles into the industry fosters environmental sustainability by minimizing waste, inefficiencies, and energy consumption.
Originality/value: This study is among the first to propose an integrated WCM-SCRM model for Iran’s automotive industry. It adds to the body of knowledge on risk management in emerging markets and introduces an innovative methodological approach by combining Fuzzy Delphi, Grey DEMATEL, ISM, and SEM techniques. The findings will be beneficial for academics, industry professionals, and policymakers aiming to boost global competitiveness in high-risk industries.

کلیدواژه‌ها [English]

  • Automotive industry
  • Grey DEMATEL
  • Structural Equation Modeling (SEM)
  • Supply Chain Risk Management (SCRM)
  • World-Class Manufacturing
مقدمه
با بررسی صنایع پیشتاز (مثل نفت و خودرو) و مطالعۀ اسناد راهبردی و استراتژیک کشور و مقایسۀ آن با کشورهای در حال توسعۀ دیگر (مثل کرۀ جنوبی، ترکیه‌، چین‌، هند و ...) طی 50 سال اخیر، مشاهده می‌شود که جهانی‌شدن صنعت خودرو (به عبارت دیگر خودرو‌ساز‌شدن کشور) از مدت‌ها قبل جزء سند چشم‌انداز ملی بوده و بر‌اساس الگوهای جهانی تأیید‌شده حرکت کرده است، منتهی در این مسیر با موانع پیش‌بینی‌نشده‌ای (مثل تحریم و ...) مواجه شده و از اهداف اولیۀ خود بسیار فاصله گرفته است؛ در زیر به برخی از این موارد اشاره شده است: 
عقب‌ماندگی حدود 70درصدی بهره‌‌وری نیروی کار؛
کاهش میزان تولید سالیانه و عقب‌ماندگی حدود 50درصدی آن از سند چشم‌انداز سال 1404‌؛
افت حدود 30درصدی رتبۀ جهانی در صنعت خودرو‌؛
عقب‌ماندگی حدود 60درصدی این صنعت از سهم کل صنعت ایران نسبت‌به میانگین جهانی.
حال با شرایط موجود یا باید اهداف ملی تغییر کنند یا با اجرای فعالیت‌های هوشمندانه و رفع مشکلات به وجود آمده، عقب‌ماندگی ایجادشده طی دهه‌های اخیر را تا حدی جبران کنیم و اقتصاد کشور را به مسیر رقابت‌پذیری و جهانی‌شدن بازگردانیم، در غیر این صورت با ادامۀ روند فعلی در کشور و پیش‌بینی نرخ رشد بسیار ملایم، صنایع تا سال 2050 و ادغام صنایع جهانی، آیندۀ خوبی برای اقتصاد کشور در مقابل رقبا تصور نمی‌شود و به احتمال زیاد نمی‌توانیم به اهداف تعیین‌شده برسیم. به همین دلیل بهتر است که در مسیر جهانی‌شدن سیستم‌ها، علاوه بر عوامل مورد نیاز آن، ریسک‌های مختلف نیز به‌طور هم‌زمان شناسایی و کنترل شوند تا اتفاقات گذشته دوباره تکرار نشود؛ چون‌که زنجیره‌های تأمین بزرگ امروزی، در این راه (یعنی جهانی‌شدن و رشد)، نسبت‌به اختلالات ناشی از مسائل و روابط درونی و بیرونی سازمان بسیار آسیب‌پذیر است و سطح بالای پیچیدگی‌های ناشی از عدم قطعیت‌ها و ریسک‌های موجود در محیط، باعث‌ دست‌نیافتن آنها به اهدافشان و اتلاف وقت و هزینه می‌شود (Jamal El Baz & Ruel, 2021). در‌واقع در حال حاضر به نظر می‌رسد که استفاده از این روش ترکیبی برای همراهی و همگامی صنایع کشور با جامعۀ جهانی بسیار ضروری است و جهانی‌شدن فعالیت‌های تولیدی و صنعتی (با کمترین ریسک) یکی از مهم‌ترین تغییرات در محیط تجاری قرن 21 خواهد بود؛ از این رو در این تحقیق سعی شد نقش مدیریت هم‌زمان ریسک در WCM  برای صنعت خودروسازی (‌دومین صنعت ملی و راهبردی کشور از‌نظر ضریب نفوذ) بررسی شود؛ زیرا‌ توجه‌نکردن به آن در مدیریت سازمان، به‌سادگی باعث ایجاد آثار زیان‌بار و از دست رفتن موجودیت صنعت می‌شود. 
پیشینۀ پژوهش
امروزه بر هیچ سازمانی پوشیده نیست که برای رشد و بقای خود در بازارهای رقابتی شدید فعلی، به اتخاذ استراتژی‌های جدید نیاز است و باید از رویکردهای قبلی تا حدی فاصله بگیرند. یکی از این استراتژی‌های برتر، تولید در کلاس جهانی است. مفهوم تولید در کلاس جهانی را اولین بار شونبرگر  در سال 1986 میلادی،‌ مطرح کرد و مواردی چون بهبود مستمر کیفیت، هزینه، زمان انتظار و خدمت به مشتری را در بر ‌‌گرفت. به مرور زمان نگرش‌ها به WCM توسعه یافت و مدل‌های جامع‌تری با در نظر گرفتن مواردی چون عوامل رقابتی (مثل انعطاف‌پذیری، قیمت و ...)، عوامل داخلی (مثل ارزش‌ها، اهداف و ...) و عوامل محیطی (مثل قوانین و مقررات، پارامترهای اقتصادی و ...) برای آن ارائه شد؛ به‌طور مثال پور و همکاران  (2016) در تحقیق خود با عنوان «مدل تولید در کلاس جهانی (WCM) به‌عنوان ابزاری برای مدیریت شرکت»، عوامل متعددی چون JIT  ، اصل s5، کایزن، بهبود مستمر و شش سیگما را مؤثر بر WCM دانسته‌اند. پتریلو و همکاران  (2018) نیز سلسـله‌مراتب زیر را برای دستیابی به کارکردهای کلاس جهانی ارائه داده‌اند: 1- استراتژی کسب و کار و عملیات؛ 2 - طراحی سازمان، منابع انسانی، تکنولوژی و ارزیابی عملکرد؛ 3 - سیستم‌های اطلاعاتی، مدیریت موجودی و ظرفیـت‌هـای عملیـات؛ 4 – کیفیت؛ 5 - خدمات مشتری؛ 6 -‌ تولیـد در کـلاس جهـانی. در حال حاضر نیز عواملی مثل چشم‌انداز مدیران ارشد، افراد آموزش‌دیده در راستای چشم‌انداز و پایش مداوم سیستمی و ترغیب و تنبیه افراد در نظر گرفته می‌شود؛ بنابراین ویژگی اصلی تولید در کلاس جهانی تطبیق‌پذیری بالا با نیازهای بازار است. به همین دلیل جامعۀ WCM، طی سال‌های اخیر، ضمن تبیین اصول تولید در کلاس جهانی، ‌ در ترغیب و استانداردسازی سازمان‌ها در سه سطح A، B و C می‌کوشد و بیشتر شرکت‌های برتر در حال سپری‌کردن مراحل آن و کسب امتیازند؛ اما مدل‌های تولید جهانی نشان می‌دهند که عبور از مراحل قدیمی و رسیدن به کلاس جهانی، باعث افزایش ریسک در زنجیره‌های تأمین می‌شود (به‌خصوص برای سازمان‌هایی که رشد غیرخطی داشته و برای مدت‌زمان زیادی از دیگر شرکت‌های جهانی عقب افتاده‌اند؛ مثل بیشتر سیستم‌های اقتصادی کشور ما)؛ بنابراین سازمان‌ها برای اینکه‌ در این مسیر راهبردهای مناسبی را برای رقابت انتخاب کنند، باید ریسک‌ها، محرک‌ها و شرایط به وجود آورندۀ آنها را به‌درستی درک و شناسایی‌ و با تحلیل مناسب آنها، رویکردهای مدیریت ریسک اثربخشی را برای خود اتخاذ کنند (Merna & Al-Thani, 2008). تعاریف مختلفی هم برای ریسک وجود دارد؛ مثل‌‌ عدم قطعیت در شرایط محیطی و بی‌ثباتی در پدیده‌های مؤثر، پراکندگی در نتایج و‌ تکرارناپذیری آنها، احتمال ایجاد خسارت و پیش‌بینی‌ناپذیربودن سیستم (Kumar Singh et al., 2023)؛ اما ریسک در زنجیرۀ تأمین جهانی معمولاً به‌صورت وقایعی ذاتی تعریف می‌شود که پتانسیل ایجاد اختلال در جریان طبیعی مواد، اطلاعات و پول را دارند (Razali & Tahir, 2011)‌؛ به‌طور مثال کریستوفر و لی  (2004) در مقاله‌ای با عنوان «کاهش ریسک زنجیرۀ تأمین از‌طریق بهبود ضریب اطمینان»، ریسک‌های زنجیرۀ تأمین را ریسک‌های موجود در بخش‌های فرآیند، کنترل، تقاضا، تأمین و محیط معرفی کردند. نورمن و جانسون  (2004) نیز در مقاله‌ای با عنوان «رویکرد مدیریت ریسک زنجیرۀ تأمین پیشگیرانه»، محرک‌هایی چون افزایش برون‌‌سپاری، جهانی‌شدن، کاهش تأمین‌کننده، افزایش یکپارچگی بین شرکتی، کاهش موجودی و زمان راه‌اندازی، افزایش تقاضا، کاهش چرخۀ عمر محصول، محدودیت ظرفیت را باعث ایجاد ریسک در زنجیرۀ تأمین در نظر گرفتند. تانگ و موسی  (2011) نیز در مقاله‌ای با عنوان «شناسایی مسائل و پیشرفتهای تحقیقاتی در مدیریت ریسک زنجیرۀ تأمین»، چهار حوزۀ مدیریت تأمین، مدیریت تقاضا، مدیریت محصول و مدیریت اطلاعات را برای مدیریت ریسک زنجیرۀ تأمین شناسایی کردند. اسریواستاوا و راجرز  (2021) هم مواردی چون تولید، کنترل، صنعت و سازمان را در ایجاد ریسک‌های زنجیرۀ تأمین مؤثر دانستند. نوسرا و همکاران  (2024) نیز در مقاله‌ای با عنوان ‌ «تجزیه و تحلیل ریسکهای زنجیرۀ تأمین»، ریسک‌های زنجیرۀ تأمین را ریسک‌هایی مانند ریسک محیطی، سازمانی و شبکه پیشنهاد کردند. در‌نهایت دو مقولۀ مدل‌های ریسک و کلاس جهانی، مفاهیم پر‌‌تکرار و وابسته به هم در فضای تحقیقاتی سال‌های اخیرند و در آیندۀ نزدیک، این همبستگی بیشتر هم خواهد شد. 
مبانی نظری 
در این بخش، مهم‌ترین مفاهیم و تعاریف نظری مرتبط با موضوع تحقیق معرفی شده است. 
مدیریت ریسک در زنجیرۀ تأمین
مدیریت ریسک یکی از مباحث مهم و کلیدی در مدیریت سازمان‌ها و صنایع است. در‌واقع زنجیرۀ تأمین به‌دلیل پیچیدگی‌ها و وابستگی‌های زیاد به عوامل داخلی و خارجی، با انواع مختلفی از ریسک‌ها مواجه است. این ریسک‌ها ‌ کارایی، بهره‌وری و توانایی سازمان را در ارائۀ محصولات و خدمات‌ تحت تأثیر قرار می‌دهند؛ بنابراین مدیریت ریسک زنجیرۀ تأمین باید به شناسایی، ارزیابی، اولویت‌بندی و پاسخ‌گویی به ریسک‌های موجود در طول زنجیرۀ تأمین منجر شود (Srivastava & Rogers, 2021). در همین راستا، تحلیل سناریو، نظریه‌بازی‌ها، مدل‌سازی ریاضی، تحلیل تصمیم‌گیری چندمعیاره و مدل‌های احتمالی از مهم‌ترین ابزارها و روش‌های مدیریت ریسک در زنجیرۀ تأمین‌اند. 
زنجیرۀ تأمین تولید در کلاس جهانی
زنجیرۀ تأمین تولید در کلاس جهانی، مفهومی استراتژیک و جامع است که بر بهبود عملکرد زنجیرۀ تأمین از‌طریق به‌کارگیری شیوه‌ها و فناوری‌های پیشرفتۀ تولید تأکید دارد. این مفهوم با هدف ایجاد رقابت‌پذیری پایدار در بازارهای جهانی و پاسخگویی به نیازهای مشتریان، فرآیندها و فعالیت‌های زنجیرۀ تأمین را به‌صورت هماهنگ و یکپارچه طراحی و مدیریت می‌کند (Petrillo et al., 2018). تولید ناب، تأکید بر کیفیت بالا، چابکی، استفاده از فناوری‌های پیشرفته (مانند اینترنت اشیا، داده‌های بزرگ و هوش مصنوعی)، بهینه‌سازی فرآیندها از‌طریق اتوماسیون و روباتیک، همکاری و یکپارچگی زنجیرۀ تأمین، تمرکز بر پایداری، اتخاذ رویکردهای اقتصاد دایره‌ای و مدیریت منابع پایدار از مهمترین ویژگی‌های کلیدی زنجیرۀ تأمین تولید در کلاس جهانی‌اند. همچنین پیچیدگی زنجیرۀ تأمین، نیاز به سرمایه‌گذاری بالا، مدیریت ریسک و مسائل زیست‌محیطی از مهمترین چالش‌های اجرای زنجیرۀ تأمین تولید در کلاس جهانی‌اند. 
روش دلفی فازی
 یک روش تصمیم‌گیری گروهی است که با ترکیب روش‌های دلفی کلاسیک و منطق فازی برای تحلیل در شرایط عدم قطعیت استفاده می‌شود. در‌واقع این روش برای مسائل پیچیده و جایی بسیار مفید است که داده‌ها ناقص، مبهم یا ذهنی‌اند. بر همین اساس، معمولاً پس از طراحی اولیۀ پرسش‌نامۀ مربوط به مؤلفه‌های مدل (بر‌اساس منابع علمی معتبر)، آن را در اختیار 10 تا 15 نفر از خبرگان قرار می‌دهند تا نظرات خود را دربارۀ هر مؤلفه با استفاده از اعداد فازی مثلثی (حداقل، مقدار محتمل، حداکثر) اعلام کنند؛ سپس‌ فرآیند تحلیل به کمک مواردی چون جمع‌آوری پرسش‌نامه‌ها، محاسبۀ میانگین دیفازی‌شده، حذف مؤلفه‌های با امتیاز پایین‌تر از حد نصاب و تکرار فرآیند تا رسیدن به اجماع انجام می‌گیرد. 
مدل‌سازی ساختاری با نرم‌افزار AMOS 
این یک روش قدرتمند برای آزمون و تحلیل مدل‌های نظری است که به محققان کمک می‌کند تا روابط پیچیدۀ بین متغیرها را به‌طور دقیق بررسی‌ و مدل‌های خود را بر‌اساس داده‌های واقعی اعتبارسنجی کنند.
مراحل انجام مدل‌سازی ساختاری با نرم‌افزار AMOS
تعریف مدل مفهومی و تهیۀ داده‌ها: مدل مفهومی بر‌اساس پیشینۀ تحقیق و داده‌ها از‌طریق پرسش‌نامه یا دیگر ابزارهای اندازه‌گیری جمع‌آوری می‌شود. 
ورود مدل در AMOS و تخمین آن: داده‌ها در نرم‌افزارهایی مانند SPSS آماده‌ و به کمک ابزارهای گرافیکی و الگوریتم‌هایی مانند بیشینه، درست‌نمایی در محیط AMOS ترسیم و تخمین زده می‌شود.
ارزیابی برازش مدل: شاخص‌های برازش بررسی می‌شوند تا مشخص شود که مدل مفهومی با داده‌ها سازگار است یا خیر. مقادیر پذیرفتنی برای شاخص‌های برازش عبارت‌اند از:
 
Chi-Square,df<3 CFI,GFI>0.9 RMSEA<0.08
 
اصلاح مدل (در صورت نیاز): اگر مدل برازش مطلوبی نداشته باشد، ممکن است لازم باشد برخی مسیرها اضافه یا حذف شوند. همچنین نرم‌افزار AMOS پیشنهادهایی را برای بهبود مدل ارائه می‌دهد که از آنها استفاده می‌شود.
روش ترکیبی دیمتل خاکستری - مجموعه‌های دستیابی و پیش‌نیاز 
روش دیمتل خاکستری، ترکیبی از روش دیمتل و نظریۀ خاکستری است که برای تحلیل روابط پیچیدۀ علت و معلولی بین معیارها در شرایط عدم ‌قطعیت به کار می‌رود. این روش، در کنار استفاده از مجموعه‌های دستیابی و پیش‌نیاز، نه‌تنها امکان مدل‌سازی و شناسایی روابط علت و معلولی را فراهم می‌آورد،‌ ساختار سلسله‌مراتبی عوامل را نیز تعیین می‌کند. این رویکرد سیستماتیک با ارائۀ یک چارچوب جامع، به تحلیل سیستم‌های پیچیده با عوامل وابسته کمک می‌کند. در این روش، عوامل کلیدی و روابط سلسله‌مراتبی بین آنها شناسایی و اولویت‌بندی می‌شوند و در‌نتیجه، تصمیم‌گیرندگان ‌ در مسائلی مانند مدیریت، برنامه‌ریزی استراتژیک و دیگر زمینه‌های پیچیده، تصمیمات بهتری اتخاذ می‌کنند.
مراحل اجرای روش ترکیبی دیمتل خاکستری – مجموعه‌های دستیابی و پیش‌نیاز 
تعریف مسئله و طراحی ماتریس روابط اولیه: ابتدا عوامل یا معیارهای مرتبط با موضوع پژوهش ازطریق مرور پیشینه، مصاحبه با خبرگان و یا طوفان فکری شناسایی می‌شوند؛ سپس ماتریس‌های تأثیر مستقیم خاکستری براساس نظرات خبرگان تهیه می‌شود‌؛
انجام عملیات خاکستری بر ماتریس نظرات هر خبره و تشکیل ماتریس با داده‌های قطعی برای آنها‌؛
تشکیل ماتریس تأثیرات مستقیم خاکستری نظرات خبرگان، نرمال‌سازی آن و محاسبۀ ماتریس ارتباط کامل خاکستری با استفاده از رابطۀ T=〖N×(I-N)〗^(-1) (در این رابطه I وN به ترتیب ماتریس یکه و ماتریس نرمال‌اند)؛ 
محاسبۀ بردار تأثیرگذاری و تأثیرپذیری و تحلیل نتایج: برای هر عامل، مجموع سطرها (D) و ستون‌های (R) ماتریس ارتباط کامل محاسبه می‌شود. تفاوت (D-R) تعیین می‌کند که یک عامل علت (تأثیرگذار) یا معلول (تأثیرپذیر) است و مجموع (D+R) نشان‌دهندۀ اهمیت نسبی عامل‌هاست؛
تعیین سطوح عوامل و رسم مدل سلسله‌مراتبی :طبق این روش، عواملی که مجموعۀ دستیابی و پیش‌نیاز یکسان دارند، در یک سطح قرار داده می‌شوند و با حذف آنها از ماتریس، فرآیند برای تعیین دیگر سطوح تکرار می‌شود. در‌نهایت، عوامل بر‌اساس سطوح مشخص‌شده به‌صورت یک نمودار سلسله‌مراتبی یا گراف ترسیم می‌شوند. این نمودار، ساختار روابط علت و معلولی میان عوامل را به تصویر می‌کشد.
روش‌شناسی پژوهش
تحقیق حاضر از نوع تحقیقات تحلیلی- توصیفی است. برای انجام این کار ابتدا با بررسی پیشینۀ تحقیق، ارکان اصلی و فرعی مدل مفهومی تحقیق شناسایی شدند و بعد از جمع‌بندی اولیه و انتخاب مدل نزدیک‌تر به زنجیرۀ تأمین صنعت خودروسازی، از روش‌های دلفی فازی، مدل‌سازی ساختاری در محیط نرم‌افزار اموس (برای اعتبارسنجی مدل) و روش ترکیبی دیمتل خاکستری – مجموعه‌های دستیابی و پیش‌نیاز (برای سطح‌بندی و تجزیه و تحلیل آن) استفاده شد. 
جامعۀ آماری این تحقیق شامل مدیران و خبرگان زنجیرۀ تأمین صنعت خودروسازی کشور و استادان دانشگاه است. در بخش اعتبارسنجی مدل، بر‌اساس پیشنهاد هومن (1385)، تعداد 250 پرسش‌نامۀ اولیه توزیع شد و پس از جمع‌آوری و حذف پرسش‌نامه‌های ناقص، تعداد 217 پرسش‌نامۀ معتبر به کار رفت. همچنین در بخش تحلیلی پژوهش، 60 پرسش‌نامه طراحی و توزیع شد که در‌نهایت 53 پرسش‌نامۀ کامل در تحلیل‌ها استفاده شد. در ضمن از متخصصان درخواست شد که هنگام تکمیل پرسش‌نامه‌ها، تمامی گزینه‌ها را بر‌اساس تجربه و دیدگاه کلی خود نسبت‌به وضعیت صنعت خودروسازی ایران ارزیابی کنند و تنها به شرایط خاص سازمان محل فعالیت خود بسنده نکنند.
از طرفی، با توجه به اینکه در این پژوهش، تمامی گویه‌های پرسش‌نامه‌ها با استناد به مطالعات پیشین طراحی شده‌ و برای بررسی دقیق‌تر در اختیار گروهی از استادان متخصص دانشگاه و مدیران صنعت خودروسازی قرار گرفته‌اند تا پس از دریافت بازخوردها و رفع ابهامات، نسخۀ نهایی پرسش‌نامه تدوین شود، ‌این فرآیند طراحی، بازبینی و اصلاح، روایی محتوای پرسش‌نامه‌ها را تضمین می‌کند. همان‌طور که کایناک  (2003) بیان می‌کند، اگر اکثریت خبرگان تأیید کنند که ابزار سنجش سازۀ مدنظر را به شکلی معقول‌ بازتاب می‌دهد، پرسش‌نامه از سطح بالایی از روایی محتوا برخوردار خواهد بود. همچنین معیارهای انتخاب خبرگان نیز به‌گونه‌ای تدوین شد تا تنها افرادی که دارای دانش و تجربه کافی در زمینۀ مدیریت ریسک و زنجیرۀ تأمین‌اند،‌ در فرآیند تحقیق مشارکت داشته باشند. این شرایط برای سه گروه اصلی به شرح زیر است:
استادان دانشگاه: حداقل درجۀ استادیاری، تحصیلات تکمیلی در یکی از رشته‌های صنایع یا مدیریت، سابقۀ کاری بیش از 7 سال در دانشکده‌های مدیریت یا صنایع دانشگاه‌های معتبر و انجام حداقل 10 طرح پژوهشی ثبت‌شده در زمینۀ مدیریت زنجیرۀ تأمین؛
مدیران و کارشناسان زنجیرۀ تأمین: حداقل مدرک کارشناسی ارشد در یکی از رشته‌های صنایع یا مدیریت، سابقۀ کاری بیش از 7 سال در زنجیرۀ تأمین صنایع خودروسازی برتر کشور و داشتن سابقۀ اجرایی مرتبط با مدیریت ریسک یا بازارهای بین‌المللی.
علاوه بر این، با توجه به استفاده از روش تحلیل عاملی تأییدی و دستیابی به میانگین واریانس استخراج‌شده (AVE) با مقادیر بالاتر از 5/0 برای مؤلفه‌ها، روایی سازۀ پرسش‌نامه‌ها نیز تأیید می‌شود؛ بنابراین‌ پرسش‌نامه‌های طراحی‌شده در این تحقیق، از اعتبار علمی کافی برخوردار‌ و برای ارزیابی و سنجش سازه‌های تحقیق مناسب‌اند.
مدل مفهومی تحقیق 
طبق اهداف پژوهش، مدل تحقیق باید به‌گونه‌ای طراحی می‌شد که ارتباط میان مؤلفه‌های ریسک و تولید در کلاس جهانی (WCM) را به‌وضوح نشان دهد. بر همین اساس، مدل مدنظر مطابق شکل 1 انتخاب‌ و با استفاده از روش مدل‌سازی ساختاری در نرم‌افزار AMOS اعتبارسنجی شد. در این مدل، مؤلفه‌های ریسک در نیمۀ بالایی و مؤلفه‌های تولید در کلاس جهانی در نیمۀ پایینی تصویر قرار دارند. همان‌طور که ملاحظه می‌کنید، ریسک در این مدل به پنج شاخۀ اصلی (شامل تصمیم‌گیرنده، مشکلات خاص، صنعتی، محیطی و سازمانی) و تولید در کلاس جهانی (WCM) به شش شاخۀ اصلی (شامل فعالیت‌های پویا، تکنولوژی و ابزارهای الکترونیکی، مدیریت زنجیرۀ تأمین الکترونیکی، سرمایۀ انسانی، استراتژی و ارزیابی عملکرد) تقسیم می‌شود (کادرهای بیضی‌شکل و صورتی‌رنگ). از طرفی هر‌یک از این شاخه‌های اصلی نیز به چند زیرشاخۀ فرعی تقسیم می‌شوند که در کادرهای مستطیلی‌شکل و آبی‌رنگ مشخص شده‌اند. برای مثال، ریسک صنعتی شامل زیرشاخه‌های فرعی بازار ورودی، بازار خروجی و بازار رقابتی است و سرمایۀ انسانی به زیرشاخه‌های فرعی باهوش، دانش‌محور و خودکنترل تقسیم می‌شود. این مدل امکان بررسی تأثیر متقابل 11 عامل اصلی (کادرهای بیضی‌شکل و صورتی‌رنگ) و 35 عامل فرعی (کادرهای مستطیلی‌شکل و آبی‌رنگ) را فراهم می‌کند و ساختار جامعی را برای تحلیل روابط و تعاملات بین این عوامل ارائه می‌دهد.
 
شکل 1 - مدل مفهومی تحقیق
Fig. 1- research conceptual model
یافته‌ها 
تحلیل داده‌های این پژوهش در دو بخش کلی طراحی- اعتبارسنجی و تحلیل انجام شده است؛ به‌طوری که برای طراحی و اعتبارسنجی مدل پیشنهادی از روش‌های دلفی فازی و مـدل‌یـابی معادلات ساختاری و برای تحلیل آن نیز از روش ترکیبی دیمتل خاکستری – مجموعه‌های دستیابی و پیش‌نیاز استفاده شد. 
برازش مدل 
برازش مدل یکی از مراحل اساسی در پژوهش‌های علمی است که اطمینان می‌دهد ابزارهای اندازه‌گیری به‌درستی طراحی شده‌اند و داده‌های جمع‌آوری‌شده، نمایندۀ واقعی متغیرهای مورد مطالعه‌اند. این فرآیند معمولاً در دو مرحله انجام می‌شود‌: 
برازش مدل اندازه‌گیری: در این مرحله، پایایی و روایی مدل ارزیابی می‌شود تا مشخص شود که روابط بین متغیرهای مشاهده‌شده (شاخص‌ها) و متغیرهای پنهان (سازه‌ها) چگونه است. این مرحله، بررسی می‌کند که ابزار طراحی‌شده تا چه حد متغیرهای مدنظر را به‌درستی اندازه‌گیری می‌کند؛
برازش کلی مدل: این نوع برازش،‌ تمامیت مدل پژوهش را در سطح کلی ارزیابی و بررسی می‌کند که آیا مدل مفهومی ارائه‌شده به‌طور کلی با داده‌های جمع‌آوری‌شده سازگار است یا خیر. این کار معمولاً با استفاده از شاخص‌های زیر انجام می‌شود:
1 - شاخص‌های برازش مطلق: این شاخص‌ها میزان تطابق مدل نظری را با داده‌های مشاهده‌شده، بدون مقایسه با مدل‌های دیگر نشان می‌دهند؛ مانند‌:
RMSEA: میزان خطای مدل که مقادیر کمتر از 08/0 مناسب است؛
SRMR: میزان باقی‌ماندۀ استانداردشدۀ مدل که مقادیر کمتر از 08/0 مناسب است.
2 - شاخص‌های برازش تطبیقی یا مقایسه‌: این شاخص‌ها مدل مفهومی را با مدل پایه‌ای مقایسه می‌کنند که هیچ رابطه‌ای را بین متغیرها در نظر نمی‌گیرد؛ مانند:
CFI وTLI : مقادیر بالاتر از 9/0 پذیرفتنی‌اند.
3 - شاخص‌های برازش مقتصد: این شاخص‌ها میزان ساده‌سازی مدل را با توجه به تعداد پارامترها ارزیابی می‌کنند؛ مانند:
BIC و AIC: مقادیر کمتر، نشان‌دهندۀ مدل بهینه‌تر است.
بر این اساس، در این تحقیق برای ارزیابی کیفیت ابزار اندازه‌گیری، پایایی پرسش‌نامه‌ها با استفاده از آلفای کرونباخ و پایایی ترکیبی‌ بررسی‌ و روایی ابزار اندازه‌گیری نیز از‌طریق روایی محتوا و روایی سازه با روش تحلیل عاملی تأییدی ارزیابی شد. مطابق داده‌های جدول 1، تمامی مقادیر آلفای کرونباخ و پایایی ترکیبی برای متغیرها بالاتر از 7/0 است که نشان‌دهندۀ سطح پذیرفتنی پایایی ابزار اندازه‌گیری است. علاوه بر این، مقادیر روایی همگرا (AVE) نیز برای تمامی متغیرها بیش از 5/0 گزارش شده است‌ که کفایت ابزار را در سنجش سازه‌های تحقیق تأیید می‌کند. شایان ذکر است که اطلاعات جدول 1 از بارهای عاملی ارائه‌شده در شکل 2 استخراج شده است. همچنین‌ به‌دلیل مقادیر نامناسب، دو شاخص مربوط به ریسک و یک شاخص از معیارهای تولید در کلاس جهانی، از مدل حذف شده‌اند.
جدول 1- ضرایب مربوط به پایایی و روایی ابزار اندازه‌گیری
Table 1- Coefficient related to reliability and validity of measurement tool
AVE پایایی ترکیبی آلفای کرونباخ بار عاملی شاخص‌ها ابعاد
71/0 88/0 7/0 778/0 ، 868/0،، 88/0 ریسک تصمیم‌گیرنده
63/0 83/0 76/0 739/0 ، 845/0 ، 79/0 ریسک مشکلات خاص
54/0 77/0 85/0 58/0 ، 721/0 ، 87/0 ریسک صنعتی
60/0 85/0 75/0 801/0 ، 593/0 ، 827/0 ، 844/0 ریسک محیطی
52/0 76/0 754/0 568/0 ، 844/0 ، 721/0 ریسک سازمانی
64/0 84/0 82/0 743/0 ، 831/0 ، 826/0 فعالیت‌های پویا
51/0 76/0 767/0 672/0 ، 833/0 ، 63/0 تکنولوژی و ابزار الکترونیکی
60/0 75/0 89/0 703/0 ، 836/0 مدیریت زنجیرۀ تأمین الکترونیکی
64/0 84/0 77/0 751/0 ، 813/0 ، 827/0 سرمایه انسانی
54/0 78/0 873/0 865/0 ، 517/0 ، 787/0 استراتژی
60/0 88/0 73/0 78/0 ، 721/0 ، 801/0 ، 741/0 ، 825/0 ارزیابی عملکرد
 
از سوی دیگر، شاخص‌های ارائه‌شده در جدول 3 نشان می‌دهند که مدل از برازش کلی مطلوبی برخوردار است و به‌طور دقیق، متغیرهای پنهان سازه‌ها را برآورد می‌کند. این شاخص‌ها با استفاده از نرم‌افزار AMOS و براساس داده‌های شکل 2 محاسبه شده‌اند. براساس این نتایج، پرسشنامه‌ها و مدل تحقیق دارای کیفیت مناسبی‌اند و به‌طور کامل متغیرهای مدنظر پژوهش را پوشش می‌دهند.
 
شکل2- مدل تحقیق در حالت ضرایب استاندارد
Fig. 2- Research model in the case of standard coefficients
جدول 2- گزارش شاخص‌های برازش مدل نهایی
Table 2- Final model fit indices Report 
معیار SRMR CFI IFI NFI GFI RMSEA
اندازۀ معیار 06/0 98/0 87/0 82/0 89/0 062/0
مقدار مطلوب 08/0>x 1>x >8/0 1>x >8/0 1>x >8/0 1>x >8/0 1/0>x >0
آزمون فرضیه‌ها
برای آزمون فرضیه‌ها و بررسی تأثیر مثبت و معنادار ابعاد ریسک زنجیرۀ تأمین بر تولید در کلاس جهانی، از ضرایب معناداری T-Value و ضرایب بار عاملی مربوط به هر فرضیه استفاده شده است که در شکل 3 نمایش داده شده است. براساس مقادیر ارائه‌شده در این شکل، از میان 30 رابطۀ موجود، 27 رابطه تأیید شده‌اند؛ در حالی که 3 رابطه به‌دلیل پایین‌بودن مقادیر T-Value رد شده‌اند؛ برای نمونه، ضریب معناداری بین متغیرهای ریسک صنعتی و سرمایۀ انسانی برابر با 135/8 است که از 96/1 بیشتر است؛ بنابراین، رابطۀ مثبت و معنادار بین آنها در سطح اطمینان 95درصد تأیید می‌شود. در مقابل، ضریب معناداری بین متغیرهای ریسک تصمیم‌گیرنده و استراتژی برابر با 216/1 است که از 96/1 کمتر است؛ بنابراین رابطۀ مثبت و معنادار بین این دو متغیر در سطح اطمینان 95درصد رد می‌شود. بر‌اساس این نتایج، ‌‌تأثیر مثبت ابعاد شناسایی‌شدۀ ریسک (شامل تصمیم‌گیرنده، مشکلات خاص، صنعتی، محیطی و سازمانی) بر ابعاد تولید در کلاس جهانی صنعت خودروسازی ایران (شامل فعالیت‌های پویا، تکنولوژی و ابزارهای الکترونیکی، مدیریت زنجیرۀ تأمین الکترونیکی، سرمایۀ انسانی، استراتژی و ارزیابی عملکرد) تأیید می‌شود. در ضمن شایان ذکر است که نحوۀ تأثیر متقابل این ارکان بر یکدیگر در بخش دیمتل خاکستری نیز، به‌طور کامل تحلیل و ارائه شده است.
 
شکل3- مدل تحقیق در حالت ضرایب معناداری
Fig. 3- Research model in the case of significant coefficients
نتایج روش ترکیبی دیمتل خاکستری – مجموعه‌های دستیابی و پیش‌نیاز
روش دیمتل یکی از روش‌های تصمیم‌گیری چندشاخصه است که تأثیرگذاری و تأثیرپذیری معیارها را بر یکدیگر و تعیین روابط میان آنها را تحلیل می‌کند. در این تحقیق نیز از این روش برای بررسی تأثیر متقابل متغیرهای مدل مفهومی بر یکدیگر در شرایط مبهم استفاده شده است. نتایج این روش، که با استفاده از اعداد و عملگرهای خاکستری محاسبه شده‌اند، در جدول 3 ارائه شده است (علت استفاده از اعداد و عملگرهای خاکستری، وجود داده‌های قطعی و غیرقطعی در کنار یکدیگر است). با بررسی این جدول و مشاهدۀ مقادیر(D-R)، متوجه می‌شویم که پنج عامل دارای مقدار مثبت و شش عامل دارای مقدار منفی‌اند. عواملی که مقدار مثبت دارند، مانند تکنولوژی و ابزارهای الکترونیکی، علت شناخته می‌شوند؛ در حالی که عواملی که مقدار منفی دارند، مانند فعالیت‌های پویا، به‌عنوان معلول تعریف می‌شوند. بر این اساس و طبق اطلاعات موجود در این جدول،  روابط علت و معلولی مؤلفه‌ها در شرایط خاکستری بررسی می‌شود. 
 همچنین برای تعیین سطوح مدل تحقیق و انجام تحلیل نهایی، از نتایج روش دیمتل خاکستری و تکنیک مجموعه‌های دستیابی و پیش‌نیاز استفاده شده است. مراحل این فرآیند به‌صورت زیر است:
استخراج ماتریس شدت روابط از داده‌های به‌ دست ‌آمده در روش دیمتل؛
محاسبۀ عدد میانۀ ماتریس شدت روابط و صفر‌کردن مقادیر کوچک‌تر از آن به‌منظور آماده‌سازی اطلاعات اولیه برای جدول 4؛
تکمیل جدول 4 با استفاده از دستورالعمل مجموعه‌های دستیابی و پیش‌نیاز و بهره‌گیری از نتایج آن برای ترسیم شکل 4.
با بررسی شکل 4، مشاهده می‌شود که طبق این روش، مؤلفه‌ها از‌لحاظ اهمیت در پنج سطح مختلف قرار می‌گیرند و مؤلفه‌های سطوح پایین‌تر، اهمیت و ارجحیت بیشتری نسبت‌به مؤلفه‌های سطوح بالاتر دارند (در این شکل، سطح 5 پایین‌ترین سطح و سطح 1 بالاترین سطح در نظر گرفته شده است). علاوه بر این، با مقایسۀ نتایج جدول 3 و شکل 4، ‌ میزان ابهام مؤلفه‌ها ارزیابی و تحلیل می‌شود.
جدول 3 - مجموع و تفاضل تأثیرگذاری و تأثیرپذیری ارکان مدل تحقیق
Table 3- The sum and difference of the effectiveness and influence of the pillars of the research model
ارزیابی عملکرداستراتژیسرمایۀ انسانیمدیریت زنجیرۀ تأمین الکترونیکیتکنولوژی و ابزار الکترونیکیفعالیت‌های پویاریسک سازمانیریسک محیطی ریسک صنعتی ریسک مشکلات خاصریسک تصمیم‌گیرنده
81/3 72/4 49/3 09/3 57/4 78/3 84/4 3 40/3 66/4 94/3 D+R
23/0 20/0- 41/0- 11/0- 41/0 70/0- 52/0- 63/0 69/0 07/0 08/0- D-R
جدول 4 - طراحی مدل از‌طریق مجموعه‌های دستیابی و پیش‌نیاز
Table 4 - Model design through Achievement and prerequisite sets
 
شکل4- سطوح مدل تحقیق 
Fig. 4- research model Levels
بحث 
نتایج نشان می‌دهد که پنج رکن اصلی ریسک با شش رکن اصلی تولید در کلاس جهانی ارتباط معناداری دارند و در پنج سطح بر هم تأثیر متقابل می‌گذارند؛ به‌طوری که ریسک‌های محیطی و تصمیم‌گیرنده به‌همراه استراتژی و ارزیابی عملکرد در پایین‌ترین سطوح این مدل و فعالیت‌های پویا و سرمایۀ انسانی در بالاترین سطح آن قرار گرفته‌اند که با توجه به شرایط ویژۀ کشورمان و‌ اجرانشدن کامل و یکنواخت سیاست‌های صنعتی در شرکت‌های برتر خودروسازی، این نتایج معقول به نظر می‌رسند. همچنین تقدم و تأخر مؤلفه‌های ریسک و WCM در مدل نهایی و در هم تنیدگی آنها، حاکی از ارتباط پیچیده و غیر منفرد آنهاست که نشان می‌دهد ‌در اجرای WCM باید به‌طور هم‌زمان ریسک‌ها را نیز مدیریت کرد. از طرفی با مقایسۀ نتایج بخش‌های اول و دوم پژوهش و اختلاف تقریباً بیست درصدی، نتیجه می‌گیریم که مفاهیم ‌بررسی‌شده چه از‌‌نظر داده و چه از‌نظر روش، برای صنایع ما مبهم‌‌ و اتخاذ روش خاکستری برای مدل‌سازی و تحلیل، انتخابی معقول و مناسبی است و نباید مفاهیمی مثل WCM را در شرایط کنونی، در فضاهایی غیر از خاکستری بررسی کرد. این نتایج از جهت اهمیت و مدل‌های WCM با یافته‌های یانگ و همکاران (2020)، شاوشوکوو و ژوراولوا  (2020) و قائم‌مقامی و همکاران  (2022)، از‌نظر تفاوت مدیریت نوین با مدیریت سنتی و نیاز به طراحی مدل‌ها و استراتژی‌های ابتکاری با یافته‌های قده و همکاران (2017)، لی و همکاران  (2019) و حسین‌زاده و همکاران  (2019) و از جهت ضرورت استفاده از سیستم‌های خاکستری و غیرقطعی برای مدیریت زنجیرۀ تأمین، با یافته‌های فان و همکاران (2017)، قاضی و همکاران  (2018) و مینگویتو و بانلوتا  (2023) همسو است. در‌نهایت هم با توجه به جمع‌بندی خروجی‌های این تحقیق، برای رسیدن صنعت خودروسازی ایران به کلاس جهانی با کمترین ریسک، رعایت موارد زیر‌ بسیار راهگشاست: 
1 - کاهش و مهار تأثیرپذیری از تغییرات کلان دولتی: برای دستیابی به افزایش پایداری در برابر تغییرات خارجی و کاهش وابستگی به سیاست‌ها و تصمیم‌گیری‌های دولتی، باید اقدامات زیر را انجام داد: 
تلاش برای کاهش وابستگی بین بودجۀ ملی و صنعت خودروسازی از‌طریق افزایش سهم بخش خصوصی در مدیریت اقتصادی کشور‌؛
حمایت از بهره‌گیری از فناوری‌های پیشرفتۀ تولید؛
تمرکز بر تقویت بازارهای بین‌المللی و کاهش وابستگی به بازار داخلی؛ 
ارتقای سیستم‌های پایش و مدیریت تغییرات خارجی برای واکنش سریع‌تر به تغییرات محیطی.
2 - افزایش دانش، مهارت، دقت و منطق در سطوح فردی و سیستمی: این چهار مؤلفۀ اساسی‌ با یکپارچگی و تعامل مناسب، پایۀ قوی را برای بهبود رقابت‌پذیری صنایع، به‌ویژه در شرایط چالش‌برانگیز‌ ایجاد می‌کنند. در ادامه، راهکارهایی برای ارتقا در هر‌یک از این مؤلفه‌ها ارائه می‌شود:
توسعۀ کتابخانه‌های دیجیتال و امکان دسترسی به آن برای همۀ اعضا؛
افزایش همکاری با شرکت‌ها و دانشگاه‌های بین‌المللی برای انتقال دانش و فناوری؛
کمک به استفاده از شبیه‌سازی‌ و سیستم‌های یادگیری آنلاین؛
کاهش خطاهای انسانی با استفاده از سرمایه‌گذاری در فناوری‌های خودکارسازی؛ ‌
گسترش استفاده از تحلیل داده و الگوریتم‌های هوش مصنوعی برای تصمیم‌گیری‌های منطقی‌تر. 
3 - ایجاد تمایز در محصول از‌طریق توسعه و بهبود شاخص‌های عملکردی در زمینه‌های مشتری و فرآیندهای داخلی: در صنایع خودروسازی، تمرکز بر طراحی نوآورانه، بهینه‌سازی کیفیت و ارائۀ خدمات متمایز، تمایز رقابتی درخور ‌توجهی را ایجاد می‌کند. برخی از راهکارهایی که‌ در بهبود این شاخص‌‌ها مؤثرند، در ذیل آورده شده است. 
ترغیب به ارائۀ محصولات و خدمات متناسب با ترجیحات و نیازهای هر مشتری؛
توسعۀ سیستم‌های پشتیبانی مشتری برای تضمین رضایت آنان؛
تشویق به اضافه‌کردن ویژگی‌های منحصربه‌فرد به محصولات برای متقاعدکردن مشتریان به خرید؛
کمک به طراحی فرآیندهایی که چرخۀ تولید را کوتاه‌تر کنند؛
توسعۀ سیستم‌هایی برای مشارکت مشتریان در طراحی و بهبود محصولات؛
تسهیل همکاری میان بخش‌های مختلف صنعت برای ایجاد همسویی و یکپارچه‌سازی.
نتیجه‌گیری 
واضح است که در دنیای امروزی، سرعت رشد سیستم‌ها و شدت رقابت بین آنها، به‌دلیل توسعۀ فناوری و افزایش سطح فعالیت‌ها، روز به روز بیشتر ‌و اتخاذ تصمیم‌های کلان و راهبردی متناسب و یا نامتناسب، خیلی سریع به گسترش بازارها و یا از دست رفتن آنها منجر می‌شود. از طرفی در جهان امروز نمی‌توان مفاهیم و راهبردها را مجزا از هم تحلیل و اجرا کرد و باید در کنار یکدیگر بررسی شوند. بر همین اساس، در این پژوهش سعی شد با تحلیل هم‌زمان دو مفهوم مهم این روزهای سیستم‌های برتر اقتصادی، راه‌حل بهتری برای توسعۀ صنعت خودروسازی کشور (‌‌یکی از صنایع برتر) ارائه شود؛ زیرا‌ ارتباط‌نداشتن بهینه و پیوسته با جامعۀ جهانی، کم‌کم باعث از بین رفتن فرصت‌ها و مزیت رقابتی سیستم‌ها می‌شود. در‌واقع در بیشتر پژوهش‌های قبلی، این دو مقوله به‌طور مجزا و با اعداد و روش‌‌های قطعی انجام گرفته است که در این تحقیق سعی شد با انتخاب سیستم‌های خاکستری و ترکیب این دو مدل، تحلیل جامع‌تری از نقش و اهمیت  SCRM برای WCM ارائه شود. نتایج هم نشان می‌دهد که این مفاهیم با هم ارتباطی چند سطحی و پیچیده دارند و تحلیل هم‌زمان آنها ضروری است.‌
همچنین، به‌دلیل محدودیت‌های موجود در صنایع بزرگ کشور برای محققان دانشگاهی، در این پژوهش برای طراحی مدل و تعیین استراتژی‌های مرتبط، از مصاحبه با خبرگان و اطلاعات محدود به یک دورۀ زمانی استفاده شده است. این در حالی است که سازمان‌ها‌ با دسترسی به داده‌های خروجی خطوط تولیدی خود و تعریف شاخص‌های مناسب (براساس مدل پیشنهادی این پژوهش)، در بازه‌های زمانی مختلف (مثلاً فصلی یا سالیانه) وضعیت تولید خود را مستقل از نظرات خبرگان و تنها بر مبنای داده‌های تولید، رصد و ضمن شبیه‌سازی تغییرات و پویایی مدل خاص خود، تصمیمات بهینه‌تری اتخاذ می‌کنند. از طرفی، پژوهش حاضر تنها در صنعت خودروسازی انجام شده است و پیشنهاد می‌شود این روش برای دیگر صنایع مهم کشور نظیر نفت و کشاورزی نیز‌ بررسی شود تا بتوان نتایج حاصل را مقایسه کرد‌ و به جمع‌بندی بهتری رسید.

 

Chritopher, M., & Lee, H. (2004). Mitigating supply chain risk through improved confidence. International journal of physical distribution & logistics management, 34(5), 388 – 396. https://doi.org/10.1108/09600030410545436.
Fan, H., Li.G., Sun, H., & Cheng, T.C.E. (2017). An information processing perspective on supply chain risk management : Antecedents , mechanism , and consequences. International journal of production Economics, 185, 63 – 75. https://doi.org/10.1016/j.ijpe.2016.11.015.
Ghadge, A., Dani, S., Ojha, R. & Caldwell, N. (2017). Using risk sharing contracts for supply chain risk mitigation : A buyer – supplier power and dependence perspective. Computers & Industial Engineering, 103, 262 – 270. https://doi.org/10.1016/j.cie.2016.11.034.
Ghaem maghami, M.S., Asgharizadeh, E., & Farsijani, H. (2022). Designing a performance evaluation model with a world-class sustainable production approach in the automotive industry. Research in Production and Operations Management, 13(3), 77-98 . https://doi.org/10.22108/POM.2022.133624.1441.
Homan, H. (2005). Multivariate data analysis in behavioral research. Peyk Farhang (in persian).
Hosseinzadeh, M., mehregan, M.R., & Ghomi, M. (2019). Identifying and Analyzing Supply Chain Risks of Saipa Automobile Company using the Coso Model and Social Network Analysis (SNA). Research in Production and Operations Management, 10(1), 111-132. https://doi.org/10.22108/JPOM.2018.107972.1093.
Jamal El Baz, S.R., & Ruel, S. (2021). Can supply chain risk management practices mitigate the disruption impacts on supply chains’ resilience and robustness? Evidence from an empirical survey in a COVID-19 outbreak era. International Journal of Production Economics, 233(4), 107972. https://doi.org/10.1016/j.ijpe.2020.107972.
Kaynak, H. (2003). The Relationship between Total Quality Management Practices and Their Effects on Firm Performance. Operations Management, 21, 405-435. https://doi.org/10.1016/S0272-6963(03)00004-4
Kumar Singh,V., Kumar, R., Joshi, C.V., & Poddar, S. (2023). Improving operational performance with world class quality (WCQ) technique: A case in Indian automotive industry. Materials Today: Proceedings, 72(‌3), 1561-1567. https://doi.org/10.1016/j.matpr.2022.09.387.
Lei, Z., Lim, M.k., Cui, M., & Wang, Y. (2019). Modelling of risk transmission and control strategy in the transnational supply chain. International Journal of Production research, 59(2), 1-20. https://doi.org/10.1080/00207543.2019.1698782.
Merna, T. & Al-Thani, F.F. (2008). Corporate Risk Management, 2nd edition. John Wiley & Sons Ltd.
Minguito, G., & Banluta, J. (2023). Risk management in humanitarian supply chain based on FMEA and grey relational analysis. Socio-Economic Planning Sciences, 87, Part B, 101551. https://doi.org/10.1016/j.seps.2023.101551
Nocera, F., Contento, A., & Gardoni, P. (2024). Risk analysis of supply chains: The role of supporting structures and infrastructure. Reliability Engineering & System Safety, 241, 109623. https://doi.org/10.1016/j.ress.2023.109623
Norrman, A., & Jansson, U. (2004). Ericsson’s Proactive Supply Chain Risk Management-approach After a Serious Supplier Accident. International Journal of Physical Distribution & Logistics Management, 34(5), 434-456. https://doi.org/10.1108/09600030410545463
Petrillo, A., Felice, F.D., & Zomparelli, F. (2018). Performance easurement for world class manufacturing: a model for Italian automative industry. Total Quality Management&Business, 30(7), 908 – 935. https://doi.org/10.1080/14783363.2017.1408402
Poor, P., Kocisko, M., & Krhel, R. (2016). World class manufacturing (WCM) model as a tool for company management. In B. Katalinic (Ed.), Proceedings of the 27th DAAAM International Symposium on Intelligent Manufacturing and Automation (pp. 386–390). Vienna: DAAAM International. https://doi.org/10.2507/27th.daaam.proceedings.057
Quzi, A., Dickson, A., Quigley, J., & Gaudenzi, B. (2018). Supply chain risk network management : A Bayesian belief network and expected utility based approach for managing supply chain risks. International Journal of Production Economics, 196, 24 – 42. https://doi.org/10.1016/j.ijpe.2017.11.008
Razali, A.R., & Tahir, I.M. (2011). Review of the Literature on Enterprise Risk Management. Business Management Dynamics, 1(5), 8-16.
Schonberger, R.J. (1986). World Class Manufacturing: The Lessons of Simplicity Applied. Free Press.
Shavshukov, V.M., & Zhuravleva, N. (2020). Global Economy : New Risks and Leadership Problems. International Journal of Financial Studies, 8(1), 7-19. https://doi.org/10.3390/ijfs8010007
Srivastava, M. & Rogers, H. (2021). Managing global supply chain risks: effects of the industry sector. International Journal of Logistics Research and Applications, 25(7), 1091-1114. https://doi.org/10.1080/13675567.2021.1873925
Tang, O. & Musa, S.N. (2011). Identifying risk issues and research advancements in supply chain risk management. International Journal of production economics, 133(1), 25 – 34. https://doi.org/10.1016/j.ijpe.2010.06.013
Yang, J., Xie, H., Yu, G., & Liu, M. (2020). Antecedents and consequences of supply chain risk management capabilities: an investigation in the post-coronavirus crisis. International Journal of Production research, 59(2), 1-13. https://doi.org/10.1080/00207543.2020.1856958