نوع مقاله : مقاله پژوهشی- فارسی
نویسندگان
1 دانشجوی دکتری گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران
2 استادیار گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Purpose: This study aims to assess the readiness level of Iranian petrochemical companies to adapt to the transformations of Industry 4.0. Given the importance of advanced technologies in enhancing productivity and competitiveness, the primary goal is to identify readiness levels and categorize organizations based on internationally recognized indicators.
Design/methodology/approach: This research is primarily practical and survey-based. The questionnaire for this study is based on the Industry 4.0 Readiness Assessment Model developed by the University of Warwick. After identifying and validating key indicators through a literature review and expert interviews, the researchers gathered data from 78 petrochemical companies using the aforementioned standard questionnaire. The combined K-means-PSO algorithm was employed for data analysis and clustering.
Findings: It was discovered that out of 78 petrochemical companies, 42 are at a high readiness level and 36 are at a medium readiness level for adapting to Industry 4.0. This clustering is clearly defined with the assistance of the K-means PSO algorithm. Additionally, indicators such as data usage, strategy implementation, and human resource capability had the most significant impact on determining the readiness level of companies.
Research limitations/implications: As the results of this study are based on self-reported data from a specific industry, future research should explore other industries and employ longitudinal analyses to monitor the dynamics of preparedness over time.
Practical implications: The findings of this study serve as a valuable decision-making tool for petrochemical company managers and industry policymakers, enabling more targeted planning for the transition to Industry 4.0 by identifying company readiness levels.
Social implications: Enhancing the readiness of companies to adopt Industry 4.0 technologies can result in higher quality employment, better technology utilization, reduced environmental impacts, and increased national productivity.
Originality/value: Given that no research has previously assessed the readiness of petrochemical companies to adapt to Industry 4.0 developments and their clustering, this study is among the first to comprehensively evaluate the readiness of petrochemical companies for Industry 4.0 using a valid international model and machine learning techniques, providing a replicable framework for other sectors.
کلیدواژهها [English]
امروزه شرکتهای تولیدی بهویژه در صنایع پتروشیمی، بهدلیل پیشرفتهای اخیر محیطی، اجتماعی، اقتصادی و فناوری، با چالشهای اساسی ناشی از انقلاب صنعتی ۴.۰ مواجهاند. این چالشها نیازمند قابلیتهای جدید و رویکردهای چابک و پاسخگو هستند. از طرفی در حالی که تحقیقات زیادی در زمینۀ آمادگی پذیرش فناوریهای صنعت ۴.۰ انجام شده است، هنوز خلأهایی در ارزیابی دقیق و جامع وضعیت آمادگی شرکتهای پتروشیمی برای سازگاری با صنعت ۴.۰ و این تحولات، وجود دارد.
از زمان ظهور انقلاب صنعتی، محققان تلاش کردهاند تا راههای نوآورانهای را برای تقویت فرآیند تولید به نفع راندمان تولید، کاهش هزینه و کیفیت محصول بیابند. صنعت ۴.۰ نشاندهندۀ دیجیتالیشدن تمام سیستمها و فرآیندهای موجود در زنجیرۀ ارزش سازمان است و فناوریهای نوینی مثل اینترنت اشیا و سیستمهای سایبر-فیزیکی را معرفی کرده است که به بهبود کارایی و کاهش هزینهها کمک میکنند (Chen et al., 2017; Wang et al., 2016). صنایع نسل۴.۰ در حال تغییر اکوسیستم تولیدی جهان با ادغام فناوریهای دیجیتال در نحوۀ تولید، بهبود و توزیع محصولات شرکتهاست. با این حال، شرکتهای تولیدی بهدلیل ناآگاهی از میزان آمادگی و سازگاری با فناوریهای صنعت۴.۰، بیشتر در ادغام این فناوریها در بخشهای سازمانی خود، با شکست مواجه میشوند. با بهکارگیری مدلهای آمادگی پذیرش فناوریهای صنعت ۴.۰، وضعیت فعلی شرکتها ارزیابی و راهکارهایی برای تقویت، بهبود و انتقال آنها بهسمت یک سازمان بالغ و آماده برای فناوریهای صنعت ۴.۰ ارائه میشود (Grufman et al., 2020). در این عصر، فناوریهای نوظهور، شرکتهای تولیدی سنتی را به کارخانههای هوشمند تبدیل میکنند که افراد، محصولات، اطلاعات و ماشینهای مبتنی بر فناوری را به محیطهای دیجیتال و خودکار منتقل میکنند. با ظهور فناوری صنعتی دیجیتال تحولی که در آن حسگرها، ماشینها، محصولات و سیستمهای فناوری اطلاعات در سراسر زنجیرۀ ارزش به هم متصل میشوند، وضعیت تمام اجزای یک سیستم در زمان واقعی مشخص میشود و تصمیمگیریهای بعدی بهبود مییابد. فناوریهای صنعت ۴.۰ انعطافپذیری بیشتری را برای شرکت به ارمغان میآورد تا محصولات با کیفیت بالا و با هزینۀ کمتر را تولید کند. با این حال، برای دستیابی به این روند، صنایع باید رویکردهای تصمیمگیری را تطبیق دهند و تقویت کنند (Nouinou et al., 2023). بهکارگیری فناوریهای صنعت ۴.۰ برای دستیابی به اهداف حیاتی مانند کارایی هزینه، انعطافپذیری، چابکی و سیستمهای تولید مشتریمحور مفید خواهد بود و بهطور مثبت بر فرآیندهای تجاری تأثیر میگذارد و آنها را مولدتر و کارآمدتر میکند (Monshizadeh et al., 2023). در این راستا با توجه به اینکه بسیاری از کارشناسان و محققان دانشگاهی بر توسعۀ مدلهای میزان آمادگی شرکت برای پذیرش فناوری تمرکز کردهاند و بیشتر این مدلها بر ارزیابی ابعاد بدون تجزیه و تحلیل و خوشهبندی شرکتها تمرکز داشتند، ولی هنوز تحقیق جامعی از حیث ارزیابی میزان آمادگی شرکتهای صنایع پتروشیمی برای سازگاری با تحولات صنعت ۴.۰ و خوشهبندی آنها وجود ندارد؛ بنابراین هدف اصلی این پژوهش، ارزیابی میزان آمادگی شرکتهای صنایع پتروشیمی در سازگاری با تحولات صنعت نسل چهارم با رویکرد یادگیری ماشین است. برای دستیابی به این هدف، به سؤالهای زیر پاسخ داده خواهد شد:
۱) شرکتهای صنایع پتروشیمی از حیث ویژگیهای سازگاری با تحولات صنعت نسل چهارم، در چند خوشهبندی قرار میگیرند؟
۲) عملکرد فعلی خوشههای شرکتهای صنایع پتروشیمی از حیث میزان آمادگی در سازگاری با تحولات صنعت نسل چهارم چگونه است؟
۳) مدل یادگیری میزان آمادگی شرکتهای صنایع پتروشیمی در سازگاری با تحولات صنعت نسل چهارم، به چه صورت است؟
پاسخ به سؤالات فوق، به خوشهبندی شرکتهای پتروشیمی براساس ویژگیهای سازگاری با تحولات صنعت ۴.۰، عملکرد فعلی خوشههای شرکتها را در زمینۀ آمادگی برای سازگاری با تحولات صنعت ۴.۰ و مدل یادگیری میزان آمادگی شرکتها در سازگاری با تحولات صنعت ۴.۰ بررسی میکند. این پژوهش به درک بهتر، نیاز به برنامهریزی استراتژیک برای ارتقای سطح آمادگی شرکتها و بهبود عملکرد آنها کمک میکند.
در ادامه، نگارش مقاله به شرح زیر سازماندهی شده است. در بخش مبانی نظری و پیشینۀ پژوهش، دربارۀ صنعت نسل چهارم و مدلهای ارزیابی آمادگی موجود در حوزۀ مرتبط بحث میشود.
بهدنبال بخش روششناسی، چارچوب استفادهشده برای ارزیابی آمادگی شرکتها در سازگاری با تحولات صنعت ۴.۰ و جزئیات مربوط به روش خوشهبندی توضیح داده شده است. در بخش یافتهها، نتایج ارزیابی اولیه، با بحث دربارۀ شرکتهای صنایع پتروشیمی بیان میشود. درنهایت در بخش پایانی، یافتههای اصلی، محدودیتهای پژوهش و تحقیقات آتی ارائه میشود.
در این بخش از پژوهش، متغیرهای اصلی و فرعی را بررسی میکنیم که در ارزیابی آمادگی شرکتها برای سازگاری با تحولات صنعت ۴.۰ به کار میروند. در جدول ۱، مدلهای مختلف ارزیابی آمادگی شرکتها برای سازگاری با صنعت ۴.۰ و ابعاد کلیدی هر مدل معرفی شده است.
توسعۀ فناوری و راهحلهای هوشمند در حال تکامل است و هیچ نشانهای از کاهش سرعت وجود ندارد. صنایع برای رقابتپذیری در فضای بینالمللی، نیازمند دستیابی به این فناوریها هستند. انقلاب صنعتی ۴.۰، اولین بار در سال 2011 در آلمان و در نمایشگاه هانوفر[i] معرفی شد. در این نمایشگاه، بحثهایی برای توصیف اینکه چگونه صنعت۴.۰، انقلابی در ایجاد زنجیرههای ارزش جهانی ایجاد میکند، برگزار شده است (Popkova et al., 2019). با توجه به اینکه این مفهوم کاملاً جدید است، هنوز هیچ اتفاق نظری دربارۀ یک تعریف مشترک برای صنعت ۴.۰ وجود ندارد. صنعت ۴.۰ بیشتر یک اصطلاح گسترده، عمومی و فراگیر برای توصیف تلاقی روندها و فناوریهایی است که پتانسیل تغییر شکل مکانیسمهای ارائۀ ارزش برای خدمات و محصولات را دارند؛ بنابراین، برخی از نویسندگان به ضرورت تعریفی پویا و جامع اشاره و صنعت ۴.۰ را تغییر منطق تولید بهسمت رویکرد غیرمتمرکز فزاینده و خودتنظیمکنندۀ خلق ارزش توصیف کردهاند که با مفاهیم و فناوریهایی مانند سیستمهای فیزیکی-سایبری، اینترنت اشیا[ii] (IOT)، محاسبات ابری، تولید مواد افزودنی و کارخانههای هوشمند امکانپذیر است (Mittal et al., 2018). با این راهحلهای هوشمند جدید، صنعت ۴.۰ برای هر صنعتی در سرتاسر جهان سودمند است که آمادۀ استفاده از فناوریها باشد (Maisiri & Van Dyk, 2019). صنعت ۴.۰ فرصتها، پیشرفتها و مزایای متعددی مانند تولید انبوه بسیار سازگار، انعطافپذیر و سفارشیسازیشده، هماهنگی زنجیرههای ارزش در زمان واقعی و بهینهسازی آنها، کاهش هزینههای پیچیدگی و ظهور خدمات و مدلهای تجاری جدید را ارائه میدهد. فناوریهای جدید مانند اینترنت اشیا، اینترنت خدمات[iii]، دادههای بزرگ[iv]، تجزیه و تحلیل دادههای بزرگ، سیستمهای فیزیکی-سایبری[v]، رباتهای مستقل[vi] و رایانش ابری[vii] باعث ایجاد مدلهای تجاری جدید و تغییرات در سیستمهای تولید، مصرف، حمل و نقل، توزیع و غیره میشود. در عصر صنعت ۴.۰، شرکتها بهدنبال بهرهبرداری از دادههای موجود برای اتخاذ تصمیمات مبتنی بر داده، برای به دست آوردن مزیت رقابتیاند (Chen et al., 2017).
صنعت ۴.۰، چهارمین انقلاب صنعتی شناخته میشود که با ظهور فناوریهای نوین مانند اینترنت اشیا (IOT)، سیستمهای سایبر - فیزیکی و تحلیل دادههای کلان، به تحول در فرایندهای تولید و تجاریسازی منجر شده است. این تحول نهتنها به بهبود کارایی و کاهش هزینهها کمک میکند، این امکان را به سازمانها میدهد که به تقاضاهای متغیر بازار پاسخ دهند و محصولات سفارشی را با کیفیت بالاتر تولید کنند که به گفتۀ (Wang et al., 2016)، این تحول به ایجاد کارخانههای هوشمند منجر میشود که در آنها ارتباط بین ماشینها و سیستمها به شکل بهینهتری مدیریت میشود. با وجود مزایای فراوان، پذیرش صنعت ۴.۰ با چالشهایی نیز همراه است. راج و همکاران [viii] (2020)، موانع موجود در پذیرش این فناوریها را بررسی و عواملی مثل وجودنداشتن استراتژی دیجیتال و کمبود منابع را بهعنوان موانع اصلی شناسایی کردهاند. همچنین، فرصتهایی نظیر بهبود فرآیندهای تولید، افزایش بهرهوری و ایجاد مدلهای کسبوکار جدید نیز در این زمینه وجود دارد که به شرکتها کمک میکند تا در بازار رقابتی باقی بمانند.
بررسی و مطالعه دربارۀ آمادگی صنعت ۴.۰، راهی است که به شرکتها در جهت آمادهشدن برای چالشهایی کمک میکند که ممکن است هنگام تغییر به انقلاب جدید ظاهر شوند (Hofmann & Rüsch, 2017). مدل ارزیابی آمادگی و سازگاری با تحولات، باید شرکت را به سطحی از آگاهی و شناخت برساند تا متوجه شوند شرکت آمادۀ شروع فرآیند تحول برای صنعت ۴.۰ است یا خیر. میتال و همکاران[ix] (2018) ارزیابی آمادگی را به «ابزار ارزیابی برای تحلیل و تعیین سطح آمادگی شرایط، نگرشها و منابع، در تمام سطوح یک سیستم مورد نیاز برای دستیابی به یک هدف» تعریف میکنند. شوماخر و همکاران[x] (2016) بیان میکنند که تفاوت بین مدل بلوغ و مدل آمادگی، در ارزیابی آمادگی قبل از شروع فرآیند تحول است.
ارزیابی آمادگی ابزاری است که برای تجزیه و تحلیل و تعیین سطح آمادگی شرکت مورد نیاز برای دستیابی به اهدافش استفاده میشود (Mittal et al., 2018). تاکنون مدلهای متعددی برای ارزیابی آمادگی شرکت بهجهت پذیرش و سازگاری با تحولات صنعت ۴.۰ منتشر شده است. در این مدلها رویکردهای مختلفی به صنعت ۴.۰ وجود دارد. برای به دست آوردن درک روشنی از تفاوتهای بین هر مدل، روشنکردن جزئیات بیشتری از تفاوتهای بین سطوح و ویژگیهای هر مدل ارزیابی مهم است. این تفاوتها در میزان جزئیات ارائهشده با ابعاد فرعی هر مدل منعکس میشود. برخی از این مدلها بر فناوری استفادهشده در ساخت و همچنین در خود محصول تمرکز میکنند؛ در حالی که مدلهای دیگر ارزیابی بر جنبههای دیگر تأکید میکنند (جدول ۱). این جدول، مدلهای مختلف ارزیابی عملکرد، امکانات شرکتهای مختلف و آمادگی شرکتها را برای سازگاری با تحولات صنعت ۴.۰ در صنایع مختلف در سالهای 2015، 2017 و 2024 مقایسه کرده است. این جدول مبنایی برای برنامهریزی استراتژیک و بهبود فرآیندها در راستای سازگاری با صنعت ۴.۰ است و به کمک آن، شرکتها با درک بهتری از جنبههای مختلف آمادگی خود، مدل مناسب برای ارزیابی آمادگیشان را انتخاب و تصمیمات بهتری در زمینۀ پذیرش فناوریهای جدید اتخاذ میکنند. منظور از سطوح، تعداد مراحل یا مراحلی است که شرکت باید قبل از اجرای کامل صنعت ۴.۰ طی کند. این سطوح، ویژگیهای هر مدل ارزیابی را به بخشهای آسان و فهمپذیر تجزیه میکند؛ مانند ابعاد اصلی و یا ابعاد فرعی(Anderl et al., 2015).
|
چمنیز[xii] |
آندرل و همکاران[xiii] |
لیچبالو و همکاران[xiv] |
مدل ابعاد |
|
|
ü |
ü |
ü |
ü |
محصول |
|
ü |
ü |
ü |
ü |
فرایند |
|
|
ü |
|
ü |
افراد |
|
ü |
|
|
ü |
تکنولوژی |
|
ü |
ü |
|
ü |
سازمان |
|
ü |
|
|
ü |
استراتژی |
|
|
ü |
|
|
فرهنگ |
|
ü |
|
|
|
دولت |
|
|
|
|
ü |
سیستم اطلاعاتی |
|
ü |
|
|
|
خدمات مشتق از داده |
|
ü |
|
|
|
زنجیرۀ تأمین |
مفهوم از ابعاد، بهعنوان تعداد حوزههای درون یک شرکت مرتبط با هر مفهومی درک میشود که در مدل در نظر گرفته شده است.
یکی از آنها، ابزار ارزیابی آمادگی صنعت نسل چهارم است که واحد تحقیقاتی به نام WMG در دانشگاه وارویک[xv] آن را ارائه کرده است. این ابزار ارزیابی آمادگی از شش بعد اصلی و ۳۷ بعد فرعی مرتبط با صنعت ۴.۰ تشکیل شده است (Agca et al., 2017). هدف آنها ارائۀ راهی ساده و عینی برای شرکتها بهجهت شروع ارزیابی آمادگی و جاهطلبی آیندۀ خود با استفاده از پتانسیل عصر فیزیکی سایبری است. این ابزار ارزیابی آمادگی بهصورت جامع طراحی شده است و فراتر از حوزۀ فناوری، تمامی بخشهای سازمان را در بر میگیرد. این ابزار حول چهار سطح آمادگی(مبتدی، متوسط، باتجربه و متخصص) طراحی شده است.
سونی و نایک[xvi] (2020) مقالهای سیستماتیک را با عنوان «عوامل حیاتی برای اجرای موفقیتآمیز صنعت نسل ۴.۰، بررسی و جهتگیری تحقیقات آینده» نوشتند. آنها در این مطالعه با بررسی چگونگی پیادهسازی موفق صنعت نسل۴.۰ در سازمانها، 10 عامل کلیدی را شناسایی کردند. این عوامل به این شرحاند: همراستایی با استراتژی سازمانی، حمایت مدیر ارشد، آموزش و توانمندسازی کارکنان، توسعۀ فرهنگ نوآوری، توسعۀ زیرساختهای دیجیتال، مدیریت تغییر، یکپارچگی سیستم، تحلیل دادهها و تصمیمگیری مبتنی بر دادهها، همکاری با ذینفعان و توجه به جنبههای پایداری. این عوامل بهطور مستقیم با ابعاد اصلی و فرعی ارائهشده از سوی دانشگاه وارویک مرتبطاند؛ برای مثال عامل «همراستایی با استراتژی سازمانی»، به نیاز یک استراتژی همسو با ابعاد مختلف سازمان اشاره دارد که در زمینۀ محصولات و خدمات و همچنین زنجیرۀ تأمین اثرگذار است و عامل «حمایت مدیر ارشد»، به بهبود فرهنگ نوآوری و توانمندسازی کارکنان کمک میکند. این عوامل کلیدی بهعنوان عوامل موفقیت در پیادهسازی و پذیرش فناوریهای صنعت ۴.۰، به ابعاد اصلی کمک میکنند تا سازمانها بهطور مؤثرتری در مسیر دیجیتالسازی و بهبود مستمر حرکت کنند.
راماناتن و سامارانایاک[xvii] (2022) در مقالۀ خود با موضوع «ارزیابی آمادگی صنعت ۴.۰ در تولید: یک چارچوب خودتشخیصی و یک مطالعۀ موردی گویا»، با بررسی یک شرکت تولیدی و طرح موضوعI4.0RAF[xviii] ، چارچوبی با هشت عامل کلیدی معرفی کردند که به شرکتها کمک میکند تا اولویتهای ورود به محیط صنعت نسل ۴.۰ را شناسایی کنند. این هشت عامل عبارتاند از استراتژی و سازمان، تجهیزات، سیستمهایIT، منابع انسانی، مدیریت زنجیرۀ تأمین، مدیریت کیفیت، مدیریت عملیات و تعریف محصول که این عوامل بهصورت مستقل ارزیابی شدند و به شرکتها کمک کردند تا بدون نیاز به تحلیلهای پیچیده، سطح آمادگی خود را ازنظر هر عامل مشخص کنند. نتایج این تحقیق نیز، مشابه بسیاری از تحقیقات ازجمله کستلو برانکو و همکاران[xix] (2019) به مدیران و سازمانها کمک میکند تا نیازهای خود را بهتر شناسایی کنند و برنامهریزی بهتری در راستای انتقال به صنعت نسل ۴.۰ انجام دهند.
اوستونداگ و همکاران[xx] (2018) در بخشی از کتاب خود با عنوان صنعت ۴.۰: مدیریت تحول دیجیتال، جنبههای مختلف صنعت نسل ۴.۰ و همچنین تحلیل و مدیریت تغییرات ناشی از این صنعت را در سازمانها و صنایع بررسی کردند که برخی از آنها عبارتاند از تحول دیجیتال، مدلهای بلوغ و آمادگی، فناوریهای کلیدی و مدیریت استراتژیک. در بخشی از کتاب بهصورت مقاله در دسترس مدلهای بلوغ و آمادگی برای استراتژیهای صنعت ۴.۰ بررسی شده است و به چالشهای شرکتها در فرآیند تحول بهسمت صنعت نسل ۴.۰ اشاره میشود. آنها با طرح پرسشنامه و ابزارهای ارزیابی سطح بلوغ سازمانی و تحلیل به کمک فرمولهای ریاضی، یک مدل بلوغ جدید شامل ابعاد و زمینههای مرتبط با صنعت نسل۴.۰ را ارائه کردند. مدیران و سازمانها با کمک این مدلها، تصمیمات بهتری در راستای پذیرش و تحول شرکت ازطریق صنعت نسل۴.۰ میگیرند.
کاسترو و همکاران[xxi] (2020) در پژوهشی، آمادگی صنعت ۴.۰ شرکتهای پرتغالی را ارزیابی کردند. آنها در مقالۀ خود با توسعۀ سیستم خودارزیاب SHIFTo4.0 که برای پذیرش مفاهیم صنعت نسل ۴.۰ طراحی شده است، آمادگی شرکتها را در شش بعد مختلف ارزیابی میکنند. با کمک نتایج این مطالعه و سیستم خودارزیاب، شرکتها، بهخصوص شرکتهای کوچک و متوسط (SMEs) در پرتغال، تواناییها و ضعفهای خود را شناسایی میکنند، روند دیجیتالسازی و فرایندهای خود را بهبود میدهند و استراتژیهای مناسبی را برای پذیرش صنعت نسل۴.۰ پیادهسازی میکنند.
پازی و همکاران[xxii] (2023) مطالعهای با عنوان «فناوریهای صنعت نسل۴.۰: عوامل موفقیت حیاتی برای اجرا و بهبود در شرکتهای تولیدی» را به چاپ رساندند که هدف آن شناسایی فاکتورهای کلیدی موفقیت در پیادهسازی فناوریهای صنعت نسل ۴.۰ و بهبودهای ناشی از آن بوده است. آنها تعدادی از کارخانههای تولیدی در ایتالیا، که حداقل یکبار پیادهسازی موفق فناوریهای صنعت نسل ۴.۰ را انجام داده بودند، را بررسی کردند. همچنین دادههای خود را ازطریق بازدیدهای میدانی و مصاحبههای ساختاریافته، با مدیران و کارکنان این شرکتها جمعآوری و تأثیرات و فرصتهای فناوریهای صنعت نسل ۴.۰ را بر آنها بررسی کردند. نتایج آنها نشان داد که فاکتورهای کلیدی موفقیت شامل «مدیریت ناب، آموزش و توانمندسازی کارکنان، تشکیل تیمهای چندوظیفهای و مدیریت کیفیت و بهبود مستمر» است و پیادهسازی فناوریهای جدید و بهبودهای ناشی از این پیادهسازیها تدریجی (کایزن) یا انقلابی (جهشی و یکباره/ نوآوری) و توجه به نیازهای مشتریان بهعنوان پیشنیاز برای بهبودهای انقلابی(جهشی و یکباره/ نوآوری) مطرح شده است. راجنی و کوکسیس[xxiii] (2018) در مطالعهای با عنوان «ارزیابی آمادگی شرکتها در صنعت ۴.۰»، جنبههای مختلف صنعت نسل۴.۰ را بررسی کردند. آنها آمادگی شرکتها برای پذیرش این صنعت، تغییر و تحولات ناشی از دیجیتالیشدن، مدلهای ارزیابی و بلوغ، تهدیدها و فرصتهای صنعتیشدن و اهمیت تدوین استراتژی را برای حفظ رقابتپذیری بررسی کردند. نتایج این مطالعه نشان داد، سازمانها با تمرکز بر سطح آمادگی خود و با استفاده از مدلهای آمادگی و بلوغ، سطح بلوغ خود را ارزیابی و تواناییها و ضعفهای خود را شناسایی کنند و با توجه به فرهنگ سازمانی و فناوریهای نوین، استراتژیهای مناسبی را برای دیجیتالیکردن فرآیندهای خود تدوین کنند، با شناخت تهدیدها و فرصتهای صنعتیشدن و ارزیابی خود، تهدیدها را به فرصتهای بهبود و نوآوری تبدیل و بهترین تصمیمات استراتژیک را اتخاذ کنند. سازمانها باید با کمک ابزارها و مدلهای ارزیابی، برای هدایت فرآیندهای تحول استفاده کنند. شوماخر و همکاران (2016) در مقالهای با عنوان «مدل بلوغ برای ارزیابی آمادگی و بلوغ صنعت نسل۴.۰ بنگاههای تولیدی»، آمادگی و بلوغ شرکتهای تولیدی را برای پذیرش مفاهیم و فناوریهای صنعت ۴.۰ نظیر اینترنت اشیا، رایانش ابری و چالشهای عمدهای بررسی و ارزیابی کردند که شرکتهای تولیدی در مواجهه با مفاهیم جدید صنعت ۴.۰ با آن روبهرو هستند. آنها به کمک مطالعۀ سیستماتیک، مصاحبههای کارشناسی و مدلسازی مفهومی، مدل بلوغی را توسعه دادند که شامل ۹ بُعد کلیدی سازمانی و فناوری است (استراتژی، رهبری، مشتری، محصول، عملیات، فرهنگ، افراد و کارکنان، فناوری). هدف این مطالعه، کمک به شرکتها در شناسایی تواناییها و ضعفهای خود در زمینۀ تحول دیجیتال و بهبود تدوین استراتژیهای مرتبط با صنعت نسل ۴.۰ است. نویسندگان، نرمافزاری طراحی کردند که ازطریق تکمیل پرسشنامهای استاندارد و پردازش و ارزیابی خودکار در نرمافزار و اعلام نتیجۀ سطح بلوغ، در قالب گزارشهای شفاف و کاربردی به شرکتها کمک میکند تا سطح بلوغ خود را اندازهگیری و برای اتخاذ تصمیمات استراتژیک و برنامههای خود از این گزارشها استفاده کنند.
همانطور که پیشتر نیز اشاره شد، انقلاب صنعتی ۴.۰ برای سازمانها و صنایعی که با چالشهای این انقلاب همراستا شوند، فرصت خوبی برای رشد و تکامل فراهم کرده است. شرکتهای نفت و گاز و صنایع پتروشیمی نیز، از این قاعده مستثنا نیستند. در این راستا، پژوهشها نشان میدهند که ارزیابی آمادگی سازمانها برای پذیرش فناوریهای جدید، بهویژه فناوریهای دیجیتال و بلاکچین، از اهمیت ویژهای برخوردار است. فارسیجانی و اله کرمپور[xxiv] (2022) در تحقیق کاربردی - پیمایشی خود، به نام «ارزیابی میزان آمادگی برای بهکارگیری فناوری بلاکچین در شرکت ملی گاز ایران»، آمادگی شرکت ملی گاز ایران را برای پذیرش فناوری بلاکچین بررسی کردند. جمعآوری دادهها از روشهای کتابخانهای و میدانی انجام و در بخش میدانی، از پرسشنامۀ مقایسات زوجی برای جمعآوری دادهها استفاده شده است. تحلیل دادهها با استفاده از روش سلسلهمراتبی فازی (FAHP[xxv]) انجام شده است که شامل وزندهی مؤلفهها و زیرمؤلفهها میشود. نتایج این پژوهش نشان میدهد که شرکتهای نفت و گاز بهدلیل نوسانات بازار و چالشهای شدید اقتصادی، نیازمند بهکارگیری فناوریهای جدیدند تا در بازار رقابتی باقی بمانند. همچنین نشان دادند که عوامل سازمانی و فناوری، بالاترین میزان آمادگی را دارند؛ در حالی که عوامل محیطی و انسانی در سطح پایینتری قرار دارند.
با توجه به اینکه هوش مصنوعی یکی از محورهای اساسی تحول در صنایع مختلف شناخته شده است، صفری و ابراهیمی[xxvi] (2022) در مقالهای با عنوان «اولویتبندی حوزههای کاربردی بهمنظور جاریسازی فناوری هوش مصنوعی»، چالشها و فرصتهای پیادهسازی این فناوری را در حوزههای مختلف بررسی کردند. آنها از روشهای تحلیلی و تصمیمگیری چندمعیاره، برای شناسایی و وزندهی معیارهای مؤثر بر اولویتبندی حوزههای کاربردی هوش مصنوعی استفاده کردند. حوزههای کاربردی با کمک یکی از روشهای تصمیمگیری چندمعیاره به نام COPRAS[xxvii]، رتبهبندی شدهاند. نتایج این پژوهش نشان میدهد که حوزههای اقتصاد، حملونقل و حکمرانی (حمایت مدیر ارشد) به ترتیب بیشترین اولویت را برای بهکارگیری فناوری هوش مصنوعی دارند. رویکرد بیانشده در این پژوهش، مدل مفیدی برای ارزیابی و تحلیل میزان آمادگی صنایع پتروشیمی در سازگاری با تحولات صنعت نسل چهارم به کار میرود. خلاصهای از آنچه در پیشینۀ تجربی ذکر شد، در جدول ۲ آمده است. در این جدول ابعاد ذکرشده در هر منبع با توجه به جدول ۳ و ابعاد اصلی و فرعی ابزار ارزیابی میزان آمادگی صنعت ۴.۰ ارائهشده از سوی دانشگاه وارویک، آمده است.
|
منبع |
ابعاد شناساییشده |
ارتباط با ابعاد دانشگاه وارویک |
|
سونی و نایک (2020) |
همراستایی با استراتژی سازمانی |
اهداف و استراتژیهای کلی سازمان |
|
حمایت مدیر ارشد |
نقش کلیدی مدیران در هدایت تغییرات |
|
|
آموزش و توانمندسازی کارکنان |
ارتقا مهارتها و دانش کارکنان |
|
|
توسعۀ فرهنگ نوآوری |
ایجاد محیطی که تشویق به نوآوری را ممکن کند |
|
|
توسعۀ زیرساختهای دیجیتال |
سرمایهگذاری در فناوریهای اطلاعات و ارتباطات |
|
|
مدیریت تغییر |
فرایندهای مدیریت تغییر برای پذیرش فناوریهای جدید |
|
|
یکپارچگی سیستم |
ضرورت یکپارچهسازی فرایندها و سیستمها |
|
|
تحلیل دادهها و تصمیمگیری مبتنی بر دادهها |
استفاده از دادهها برای اتخاذ تصمیمات استراتژیک |
|
|
همکاری با ذینفعان |
تعامل با ذینفعان داخلی و خارجی |
|
|
توجه به جنبههای پایداری |
توجه به جنبههای زیستمحیطی و اجتماعی |
|
|
راماتن و همکاران (2022) |
استراتژی و سازمان |
همراستایی استراتژی با اهداف سازمان |
|
تجهیزات |
ارزیابی و بهروزرسانی تجهیزات |
|
|
سیستمهای IT |
زیرساختهای فناوری اطلاعات |
|
|
منابع انسانی |
توانمندیها و مهارتهای کارکنان |
|
|
مدیریت زنجیرۀ تأمین |
یکپارچگی و کارایی زنجیرۀ تأمین |
|
|
مدیریت کیفیت |
فرایندهای کنترل کیفیت و بهبود مستمر |
|
|
مدیریت عملیات |
بهینهسازی فرایندهای عملیاتی |
|
|
تعریف محصول |
مشخصات و ویژگیهای محصولات |
|
|
اوستونداگ و همکاران (2018) |
تحول دیجیتال |
فرایندهای دیجیتالسازی و تغییرات ناشی از آن |
|
مدلهای بلوغ و آمادگی |
ارزیابی سطح بلوغ سازمانی |
|
|
فناوریهای کلیدی |
شناسایی و استفاده از فناوریهای جدید |
|
|
مدیریت استراتژیک |
تدوین استراتژیهای مناسب برای تحول |
|
|
کاسترو و همکاران (2020) |
استراتژی |
تطابق استراتژی با نیازهای صنعت ۴.۰ |
|
تجهیزات |
ارزیابی و بهروزرسانی تجهیزات |
|
|
سیستمهای IT |
زیرساختهای فناوری اطلاعات |
|
|
منابع انسانی |
آموزش و توانمندسازی کارکنان |
|
|
مدیریت زنجیرۀ تأمین |
بهبود فرایندهای زنجیرۀ تأمین |
|
|
مدیریت کیفیت |
کنترل و بهبود کیفیت محصولات و خدمات |
|
|
پازی و همکاران ((2023 |
مدیریت ناب |
بهینهسازی فرایندها و کاهش هدررفت |
|
آموزش و توانمندسازی کارکنان |
ارتقای مهارتها و دانش کارکنان |
|
|
تشکیل تیمهای چندوظیفهای |
همکاری بین بخشها و تخصصهای مختلف |
|
|
مدیریت کیفیت و بهبود مستمر |
فرایندهای کنترل کیفیت و نوآوری |
|
|
راجنی و کوکسیس (2018) |
آمادگی برای پذیرش صنعت ۴.۰ |
ارزیابی سطح آمادگی سازمان |
|
مدلهای ارزیابی و بلوغ |
استفاده از مدلهای بلوغ برای شناسایی تواناییها و ضعفها |
|
|
تهدیدها و فرصتهای صنعتیشدن |
شناسایی و مدیریت تهدیدها و فرصتها |
|
|
تدوین استراتژی |
ایجاد استراتژیهای مناسب برای رقابتپذیری |
|
|
شوماخر و همکاران (2016) |
استراتژی |
تدوین استراتژیهای مرتبط با صنعت ۴.۰ |
|
رهبری |
نقش رهبری در تحول دیجیتال |
|
|
مشتری |
توجه به نیازهای مشتریان |
|
|
محصول |
نوآوری در محصولات و خدمات |
|
|
عملیات |
بهینهسازی فرایندهای عملیاتی |
|
|
فرهنگ |
ایجاد فرهنگ سازمانی مناسب برای تحول |
|
|
افراد و کارکنان |
توانمندسازی و آموزش کارکنان |
|
|
فناوری |
استفاده از فناوریهای نوین |
|
|
فارسیجانی و اله کرمپور (2022) |
عوامل سازمانی |
تدوین استراتژیهای مرتبط با صنعت ۴.۰ و مؤلفههای مدیریتی |
|
عوامل فناوری |
زیرساختهای فناوری اطلاعات |
|
|
عوامل انسانی |
توانمندسازی و آموزش کارکنان |
|
|
عوامل محیطی |
شناسایی و مدیریت تهدیدها و فرصتها |
|
|
صفری و ابراهیمی (2023) |
اقتصاد |
بهرهوری، کاهش هزینهها و افزایش درآمدها |
|
حملونقل |
بهینهسازی فرایندهای عملیاتی برای حملونقل و لجستیک |
|
|
حکمرانی (حمایت مدیر ارشد) |
نقش کلیدی مدیران در هدایت تغییرات |
|
|
کشاورزی |
نوآوری در محصولات و خدمات (کشاورزی) |
|
|
علموفناوری |
زیرساختهای فناوری اطلاعات |
|
|
اجتماع و فرهنگ |
شناسایی و مدیریت تهدیدها و فرصتها با توجه به فرهنگ سازمانی |
|
|
محیطزیست |
توجه به جنبههای زیستمحیطی و اجتماعی |
|
|
صنعت و انرژی |
ارزیابی و بهروزرسانی تجهیزات برای استفاده از فناوریهای هوش مصنوعی در بهینهسازی مصرف انرژی و بهبود فرایندهای تولید |
با توجه به جدول فوق، ابعاد مشترک منابع مختلف، نشاندهندۀ اهمیت استراتژی، آموزش، مدیریت تغییر، فناوری و کیفیت در پیادهسازی موفق صنعت ۴.۰ در سازمانها هستند که از ابعاد اصلی ذکرشده در دانشگاه وارویکاند. پرسشنامۀ ارزیابی دانشگاه وارویک در ادامه در جدول ۳ آمده است. تمرکز بر این ابعاد، به سازمانها در راستای شناسایی میزان آمادگیشان برای سازگاری با تحولات صنعت ۴.۰ کمک بسزایی میکند.
این پژوهش ازنظر هدف، توسعهای - کاربردی و بهلحاظ گردآوری داده، میدانی است. جامعۀ آماری آن، شرکتهای صنایع پتروشیمی ایراناند. روششناسی این پژوهش از دو مرحلۀ شناسایی شاخصهای ارزیابی میزان آمادگی و خوشهبندی شرکتهای پتروشیمی با استفاده از الگوریتم آمیختۀ کای میانگین - الگوریتم بهینهسازی ازدحام ذرات تشکیل شده است. در مرحلۀ نخست این پژوهش، با مطالعۀ مبانی نظری و مرور پیشینۀ تجربی و نیز مصاحبه با خبرگان، شاخصهای ارزیابی آمادگی صنعت ۴.۰ که دانشگاه وارویک آن را ارائه داد، مبنای پژوهش حاضر قرار گرفت؛ سپس با استفاده از پرسشنامۀ استاندارد ارزیابی آمادگی صنعت ۴.۰ دانشگاه وارویک، دادههای ۷۸ شرکت از صنایع پتروشیمی ایران جمعآوری شد. پرسشنامۀ الکترونیکی پژوهش حاضر ازطریق سایت پرس لاین، طراحی، توزیع و جمعآوری شد.
شایان ذکر است مقایسۀ ارتباط بین ابعاد شاخصهایی که محققان آن را شناسایی کردند و ابعاد پرسشنامۀ دانشگاه وارویک، در جدول ۲ آمده است. هدف از این کار، شناسایی و تحلیل همپوشانیها و تفاوتهای موجود بین این دو مجموعه از شاخصهاست. این مقایسه به ما کمک میکند تا درک بهتری از عوامل مؤثر بر آمادگی صنعت ۴.۰ به دست آوریم و همچنین اعتبار و قابلیت اعتماد ابزار ارزیابی استفادهشده را تقویت کنیم. بهعلاوه، نتایج این مقایسه به توسعۀ نظری و عملی در زمینۀ ارزیابی آمادگی صنایع منجر میشود و مسیرهای جدیدی را برای تحقیقات آینده فراهم میآورد.
با توجه به اینکه در این پژوهش از پرسشنامۀ استاندارد دانشگاه وارویک استفاده شد و پرسشنامۀ مذکور بهطور گستردهای در مطالعات مختلف به کار رفت، روایی و پایایی آن در زمینۀ ارزیابی آمادگی صنعت ۴.۰ تأیید شده است.
ابزار ارزیابی ارائهشده از سوی دانشگاه وارویک برای ارزیابی میزان آمادگی سازگاری صنعت ۴.۰، در جدول (۳) نشان داده شده است.
|
ابعاد فرعی |
ابعاد |
|
سفارشیسازی محصولات |
محصولات و خدمات |
|
ویژگیهای دیجیتالی محصولات |
|
|
خدمات دادهمحور |
|
|
سطح استفاده از دادههای محصول |
|
|
سهم درآمد |
|
|
اتوماسیون |
تولید و عملیات |
|
یکپارچهسازی ماشین و سیستم عملیاتی (M2M) |
|
|
آمادگی تجهیزات برای صنعت ۴.۰ |
|
|
قطعات خودکار (رباتهای صنعتی که وظایف مختلفی مثل جوشکاری و مونتاژ را بهطور خودکار انجام میدهند) |
|
|
فرایندهای خودبهینهسازی |
|
|
مدلسازی دیجیتال |
|
|
جمعآوری دادههای عملیاتی |
|
|
استفاده از دادههای عملیات |
|
|
استفاده از راهحل ابری |
|
|
امنیت داده و فناوری اطلاعات |
|
|
درجۀ اجرای استراتژی |
استراتژی و سازمان |
|
اندازهگیری |
|
|
سرمایهگذاریها |
|
|
قابلیتهای افراد |
|
|
همکاری |
|
|
رهبری |
|
|
تأمین مالی |
|
|
کنترل موجودی با استفاده از مدیریت دادۀ بلادرنگ |
زنجیرۀ تأمین |
|
یکپارچهسازی زنجیرۀ تأمین |
|
|
رؤیتپذیری زنجیرۀ تأمین |
|
|
انعطافپذیری زنجیرۀ تأمین |
|
|
مدتزمان تحویل سفارش (LT[xxviii]) |
|
|
مدل کسبوکار «بهعنوان خدمات» |
مدل تجاری |
|
تصمیمات مبتنی بر داده |
|
|
ردیابی در زمان واقعی |
|
|
زمانبندی لحظهای و خودکار |
|
|
کانالهای بازاریابی یکپارچه |
|
|
کسبوکار پشتیبانیشده از فناوری اطلاعات |
|
|
مدلهای قراردادی |
ملاحظات حقوقی |
|
ریسک |
|
|
حفاظت داده |
|
|
مالکیت معنوی |
در ادامه، بهمنظور خوشهبندی دادهها بهدلیل پیچیدهبودن ماهیت مسئله و نیز غلبه بر ضعفهای شناختهشده در روشهای خوشهبندی کلاسیک، از الگوریتم آمیختۀ کای میانگین - الگوریتم بهینهسازی[xxix] ازدحام ذرات استفاده شده است. الگوریتم Kmeans-PSO یک ترکیب از دو الگوریتم K-means و بهینهسازی ازدحام ذرات (PSO) است. در این الگوریتم، ابتدا تعداد خوشهها (K) بهصورت تصادفی انتخاب میشود و سپس، مراکز اولیۀ خوشهها تعیین میشوند. فرایند بهینهسازی با استفاده از PSO به شرح زیر است:
گام ۱) از میان N دادهای که باید خوشهبندی شود، تعداد k داده بهصورت تصادفی انتخاب و مرکز خوشهها بهصورت در نظر گرفته میشود؛
گام ۲) برای t از یک تا مراحل زیر انجام میشود:
2-1) برای ذرۀ i ام، مقادیر و با استفاده از رابطههای (۴) و (۵) محاسبه میشود. هر ذرۀ i، دارای یک موقعیت در فضای dبعدی مسئله است که در تکرار t ام، با بردار رابطۀ (۳) نشان داده میشود.
|
(1) |
|
همچنین، هر ذره دارای سرعتی است که هدایت حرکت ذره را بر عهده دارد و در تکرار t ام با بردار رابطۀ (۴) نمایش داده میشود.
|
(2) |
|
ذره در هر تکرار برای ذخیرهکردن بهترین موقعیت پیشین خود، از حافظهای با عنوان بردار P نمایانگر در رابطۀ (۵) استفاده میکند.
|
(3) |
|
در هر تکرار، مقادیر یعنی بهترین موقعیتی که ذره تاکنون به آن رسیده و بهترین موقعیتی محاسبه میشود که تاکنون با جمعیت ذرات به دست آمده است. درنهایت، سرعت و موقعیت هر ذره بهروز میشود.
|
(4) |
|
|
(5) |
|
در رابطههای بالا، t بیانگر شمارۀ تکرار و پارامترهای و عاملهای یادگیری و نیز و دو عدد تصادفی یکنواختاند که در بازۀ قرار دارند (Golmakani & Fazel, 2011). برای محاسبۀ ضریب اینرسی (W) از رابطۀ (6) استفاده میشود.
|
(6) |
|
با کمک رابطه ۷ محاسبه میشود.
|
(7) |
|
در رابطة فوق و مقدار آنها برابر با 05/2 است. برای محاسبۀ ضریب یادگیری شخصی ( )، از رابطۀ ۸ و برای محاسبۀ ضریب یادگیری جمعی ( ) از رابطۀ ۹ استفاده میشود (Clerc & Kennedy, 2002).
|
(8) |
|
|
(9) |
|
۲-۲) فاصلۀ اقلیدسی با مراکز همهی ذرات محاسبه میشود.
۲-۳) دادۀ به خوشهای نسبت داده میشود که با مرکز آن خوشه، کمترین فاصله را داشته باشد (رابطۀ ۱۰).
|
(10) |
|
که در آن بیانگر مرکز خوشۀ jام و بیانگر مرکز خوشۀ pام است.
۲-۴) در این الگوریتم، هر ذره یک مقدار شایستگی دارد. تابع شایستگی ذرات با استفاده از رابطۀ (۱۱) محاسبه میشود.
|
(11) |
|
در رابطۀ بالا بیانگر موقعیت مکانی ذره و بیانگر مرکز خوشه است. همچنین d و k به ترتیب نمایانگر فاصله و تعداد خوشهها هستند.
۲-۵) و بهروز میشوند.
۲-۶) مرکز خوشههای مربوط به هر ذره با رابطۀ (۱۲) بهروز میشوند.
|
(12) |
|
گام ۳) شرط توقف بررسی میشود. اگر شرط برقرار بود، متوقف میشود و در غیر این صورت به گام ۲ برمیگردد.
در ادامه، بهمنظور تعیین تعداد بهینۀ خوشه از روش سیلهوت استفاده شد. این روش براساس میانگین فاصلۀ هریک از نمونههای یک خوشه با تمام نمونههای موجود در همان خوشه و میانگین فاصلۀ کل نمونۀ موجود در خوشههای دیگر با یک خوشۀ مشخص تعریف میشود. براساس این دیدگاه، برای هر خوشه میزان پراکندگی و همبستگی دادهها تعیین میشود که مقادیر بیشینۀ این شاخص برای تعیین تعداد بهینۀ خوشه به کار میرود. شاخص سیلهوت براساس رابطۀ (۱۳) محاسبه میشود.
|
(13) |
|
نمایانگر تشابهنداشتن درون خوشهای و نمایانگر تشابهنداشتن با خوشههای دیگر است. مقدار این شاخص بین 1- تا 1 متغیر است. مقدار بیشتر عملکرد مطلوبتر خوشهبندی را نشان میدهد (Umargono et al., 2019).
با توجه به اینکه هر مرحله از پژوهش بهمنظور دستیابی به اهداف مشخص و بهینهسازی نتایج طراحی شده است، گامهای اجرایی این پژوهش بهصورت خلاصه در شکل (۱) نشان داده شده است:
شکل ۱- مراحل اجرایی فرایند پژوهش
Fig. 1- Steps of conducting resaerch
شبکۀ عصبی مصنوعی، از انواع مدلهای غیرپارامتریک هوش مصنوعی با ساختار و عملکردی مشابه نورونها در عصب مغز است. رایجترین شبکۀ عصبی، شبکۀ عصبی چندلایۀ پرسپترون است. این شبکه مکمل شبکۀ عصبی پیشخور است که از سه نوع لایه (یکلایه نورونهای ورودی، یک یا چندلایه نورونهای پنهان و یکلایه نورونهای خروجی) تشکیل شده است. لایۀ ورودی سیگنال ورودی را برای پردازش دریافت میکند. کار مورد نیاز، مانند پیشبینی و طبقهبندی ازطریق لایۀ خروجی انجام میشود. تعداد دلخواه لایههای پنهان که بین لایۀ ورودی و خروجی قرار میگیرند، موتور محاسباتی واقعی MLP[xxx] هستند. شبکههای عصبی چندلایه، مسائلی را حل میکنند که بهصورت خطی تفکیکدادنی نیستند. طبقهبندی الگو، تشخیص، پیشبینی و تقریب از موارد استفاده این نوع شبکههاست. محاسبات در لایۀ خروجی و لایههای میانی بهازای هر نورون بهصورت رابطۀ ۱۴ و ۱۵ انجام میشود:
|
(14) |
|
|
(15) |
|
در روابط فوق و بردار بایاس و و و و تابع محرک است.
در این پژوهش در ابتدا با مطالعۀ کتابخانهای و مصاحبه با خبرگان دانشگاهی و صنایع پتروشیمی، شاخصهای ابزار ارزیابی میزان آمادگی شرکتها شناسایی شدند؛ سپس با توجه به پرسشنامه که مبنای آن ابزار ارزیابی آمادگی صنعت ۴.۰ (دانشگاه وارویک) است، دادههای ۷۸ شرکت صنایع پتروشیمی ایران جمعآوری و تجزیه و تحلیل شد. خلاصهای از نتایج ارزیابی میزان آمادگی شرکت صنایع پتروشیمی ایران برای سازگاری با تحولات صنعت ۴.۰ در شکل (۲) نشان داده شده است.
شکل ۲- خلاصهای از نتایج ارزیابی آمادگی شرکتهای صنایع پتروشیمی
Fig. 2- A summary of the results of the readiness assessment of petrochemical companies
در ادامه بهمنظور تعیین تعداد بهینۀ خوشه، از معیار سیلوئت استفاده شده است. شکل (۳) مقدار شاخص سیلوئت را بهازای مقدارهای مختلف k نشان میدهد.
شکل ۳- مقدار شاخص سیلوئت برای تعداد خوشۀ ۱ تا ۱۰
Fig.3- Silhouette index value for cluster number 1 to 10
همانگونه در شکل فوق مشخص است، بهازای 2 k =، مقدار سیلوئت بیشتری دارد و تعداد بهینۀ خوشه انتخاب میشود. در ادامه، الگوریتم تلفیقی بهمنظور تنظیم پارامترهای الگوریتم چند بار اجرا شد. مقدار پارامترها و مقدار بهینۀ تابع هدف در هر اجرا در جدول (۴) آورده شده است.
|
|
اجرای اول |
اجرای دوم |
اجرای سوم |
اجرای چهارم |
|
تعداد خوشهها (K) |
2 |
2 |
2 |
2 |
|
ماکزیمم تعداد تکرار (Max It) |
200 |
200 |
200 |
200 |
|
تعداد اعضای جمعیت (Npop) |
70 |
70 |
50 |
50 |
|
ضریب اینرسی (w) |
7298/0 |
7/0 |
8/0 |
9/0 |
|
ضریب یادگیری شخصی ( ) |
4962/1 |
2 |
8/1 |
4/1 |
|
ضریب یادگیری جمعی ( ) |
4962/1 |
2 |
8/1 |
4/1 |
|
مقدار بهینۀ تابع هدف (Bestcost) |
72/437 |
91/439 |
98/440 |
97/443 |
جدول فوق نشان میدهد مقدار Bestcost در اجرای اول نسبتبه دیگر اجراها کمتر است؛ بنابراین پارامترهای مدل براساس اجرای اول تنظیم و سپس خوشهبندی صنایع انجام شد. در نتیجۀ آن، تعداد ۴۴ تا از شرکتها در خوشۀ اول و ۳۴ شرکت دیگر در خوشۀ دوم قرار گرفته است. در ادامه، میزان همگرایی الگوریتم محاسبه شد. شکل (۴) همگرایی را نشان میدهد.
شکل ۴- مقدار بهینۀ تابع هدف الگوریتم تلفیقی Kmeans-PSO
Fig. 4- Optimum value of the objective function of the combined Kmeans-PSO algorithm
بعد از اجرای الگوریتم در تکرار اول، مقدار تابع هدف برابر 29/611 و در تکرار 200 این مقدار به 72/437 کاهش پیدا کرده است. در ادامه، پیشبینی عملکرد صنایع با الگوریتم دستهبندی شبکههای عصبی انجام شده است. در این پژوهش، تعداد نمونهها شامل ۷۸ و تعداد ویژگیها برابر ۳۷ واحد انتخاب شده است. در ستون برچسب نیز، کد خوشۀ هریک از نمونهها، که در مرحلۀ قبل محاسبه شد، آورده میشود. بهمنظور اجرای الگوریتم دستهبندی، دادهها به سه قسمت دادههای آموزش، اعتبارسنجی و تست یا آزمایش تقسیمبندی شدهاند. جدول (۵) اطلاعات مربوط به این دادههای مطالعهشده را نشان میدهد که براساس دادههای آموزش، اعتبارسنجی و آزمایش تقسیم شدند.
|
دادهها |
تعداد |
درصد |
|
دادههای آموزش |
54 |
70 |
|
دادههای اعتبارسنجی |
12 |
15 |
|
دادههای آزمایش |
12 |
15 |
شبکۀ عصبی ایجادشده دارای مشخصات به شرح جدول (۶) است.
|
مشخصات شبکه |
تعداد نورون |
تابع انتقال |
|
لایۀ ورودی |
۳۷ |
همانی |
|
لایۀ پنهان |
۱۰ |
sigmoid |
|
لایۀ خروجی |
۱ |
softmax |
الگوریتمهای استفادهشده در شبکۀ عصبی این پژوهش از تقسیم تصادفی[xxxi]، آموزش با استفاده از گرادیان مزدوج مقیاسبندیشده[xxxii] و آنتروپی متقاطع[xxxiii] استفاده شده است. از تقسیم تصادفی برای تقسیم دادهها بهطور تصادفی در فرایندهای مختلف استفاده شد. از گرادیان مزدوج مقیاسبندیشده برای بهینهسازی و آموزش استفاده شد تا سرعت همگرایی افزایش یابد و بهینهسازی کارآمدتری فراهم شود. از آنتروپی متقاطع نیز، برای اندازهگیری فاصلۀ بین توزیع پیشبینیشده و توزیع واقعی استفاده شد. در این پژوهش شبکۀ عصبی ۷۰ بار اجرا شد. خطاهای مربوط به آموزش، اعتبارسنجی و تست در قالب شکل (۵) نشان داده شده است.
شکل ۵- خطاهای مربوط به آموزش، اعتبارسنجی و تست
Fig. 5- Errors related to training, validation and testing
مطابق شکل فوق، کمترین خطا و بهترین عملکرد اعتبارسنجی در تکرار ۱ و برابر با 010424/0 است. در ادامه نمودار گرادیانت تابع خطا در قالب شکل(۶) آورده شده است. مشخص است که در این نمودار، کمترین مقدار گرادیانت در تکرار ۷ اتفاق افتاده است.
Fig. 6- Error function gradient
در ادامه، بهمنظور اندازهگیری شاخصهایی مانند دقت و صحت، مدل ماتریس سردرگمی[xxxiv] در قالب جدول (۷) محاسبه شد.
|
Predicted |
|
|||
|
|
خوشه 2 |
خوشه 1 |
||
|
42 |
1 |
41 |
خوشه 1 |
actuale |
|
36 |
33 |
3 |
خوشه 2 |
|
|
78 |
34 |
44 |
|
|
همانگونه که در شکل فوق نشان داده شده است، در کل ۷۸ داده در مجموعه دادهها قرار دارد، ۴۲ داده در کلاس خروجی یک قرار دارد که ۴۱ نمونه بهدرستی و ۱ نمونه بهاشتباه طبقهبندی شده است و ۳۶ داده در کلاس خروجی دو قرار دارد که ۳۳ نمونه بهدرستی و ۳ نمونه بهاشتباه طبقهبندی شده است. شکل (۷) نتایج خوشهبندی صنایع نفتی را نشان میدهد.
شکل ۷- نتایج خوشهبندی صنایع پتروشیمی
Fig. 7- The results of clustering petrochemical industries
بنابراین، دقت طبقهبندی برای مجموعهدادهها 9/94% است. بهمنظور تعیین متوسط دقت تابع پیشبینی شبکۀ عصبی، الگوریتم هفتاد بار اجرا و دقت دادههای تست در هر بار محاسبه شد. رابطۀ ۱۶ فاصلۀ اطمینان میانگین دقت را محاسبه میکند.
|
(16) |
|
در رابطۀ فوق، سطح اطمینان، میانگین نمونه، میانگین دقت شبکۀ عصبی، انحراف معیار نمونه و n تعداد نمونه است.
|
(17) |
P (89/78 ≤ ≤ 92/86) = 0.95 |
با ۹۵درصد اطمینان، میانگین دقت شبکۀ عصبی ایجادشده در این مطالعه، بین ۷۸/۸۹ تا ۸۶/۹۲درصد است.
با توجه به یافتههای الگوریتم Kmeans-PSO، صنایع پتروشیمی از حیث میزان آمادگی، در دو خوشه طبقهبندی شدند. مراکز خوشهها در هریک از ابعاد فرعی (شاخصها) در شکل (۸) نشان داده شده است. یافتههای پژوهش نشان میدهد که شرکتهای صنایع پتروشیمی، متعلق به خوشۀ اول و خوشۀ دوم در بیشتر شاخصها (ابعاد فرعی) دارای عملکردی پاییناند و تنها در شاخصهایی مانند استفاده از دادههای عملیات، امنیت داده و فناوری اطلاعات، رؤیتپذیری زنجیرۀ تأمین، مدتزمان تحویل سفارش (LT[xxxv])، مدل کسبوکار «بهعنوان خدمات»، تصمیمات مبتنی بر داده، ردیابی در زمان واقعی و مدلهای قراردادی عملکردی متوسط دارند.
شکل ۸- مراکز خوشهها در هریک از ابعاد فرعی
Fig. 8- Cluster centers in each of the subdimensions
امروزه شرکتهای تولیدی بهدلیل پیشرفتهای اخیر محیطی، اجتماعی، اقتصادی و فناوری با چالشهای اساسی روبهرو هستند. برای رویارویی با این چالشها، شرکتهای تولیدی به قابلیتهایی جدید و به شیوهای چابک و پاسخگو نیاز دارند. صنعت ۴.۰، انقلابی دیجیتالی است که نشاندهندۀ دیجیتالیشدن تمام سیستمها و فرایندهای موجود در زنجیرۀ ارزش سازمان است. این انقلاب بر یکپارچهسازی اشیای فیزیکی، ماشینها، سیستمها و فرایندها ازطریق یک شبکۀ متصل تأکید دارد. فناوریهای صنعت ۴.۰ این امکان را برای شرکتها فراهم میآورد تا محصولات خود را با کیفیت بالاتر و هزینۀ پایینتر تولید کنند. با این حال برای دستیابی به این امکان، مستلزم تطبیق و تقویت رویکردهای تصمیمگیری صحیح و اجرایی در سازمانهاست؛ بنابراین، ارزیابی میزان آمادگی شرکتهای صنایع پتروشیمی در سازگاری با تحولات صنعت نسل چهارم، همواره یک دغدغۀ اصلی است که در این مطالعه بررسی شده است.
در این پژوهش، ابتدا میزان آمادگی صنایع پتروشیمی برای سازگاری با تحولات صنعت ۴.۰ براساس ابزار ارزیابی ارائهشده از سوی دانشگاه وارویک (Agca et al., 2017) سنجش شد. همانطور که در شکل (۱) آمده است، وضعیت موجود صنایع پتروشیمی در ابعاد مختلف سنجششده نشان میدهد که آمادگی شرکتهای پتروشیمی ایران برای پذیرش تحولات در ابعاد استراتژی و سازمانی در سطح مبتدی (سطح یک) و در دیگر ابعاد، یعنی محصولات و خدمات، تولید و عملیات، زنجیرۀ تأمین، ملاحظات حقوقی و مدل کسبوکار در سطح متوسط (سطح دو) قرار دارند. بهعبارتی، آمادگی شرکتهای پتروشیمی ایران برای پذیرش تحولات در ابعاد استراتژی و سازمانی در سطح مبتدی و در ابعاد دیگر، مانند محصولات و خدمات، تولید و عملیات، زنجیرۀ تأمین و ملاحظات حقوقی در سطح متوسط قرار دارد. این وضعیت بیانگر این است که صنایع پتروشیمی ایران درمجموع، در شرایط مناسبی قرار ندارند. برای رسیدن به سطوح بالاتر آمادگی، یعنی رسیدن به سطح باتجریه (سطح سوم) و سطح متخصص (سطح چهارم)، به برنامهریزی و اقداماتی مؤثر نیاز دارند.
یافتههای این پژوهش همچنین نشان میدهد که صنایع پتروشیمی در ابعاد فرعی، درجۀ اجرای استراتژی، سرمایهگذاریها و تأمین مالی، از بعد استراتژی و سازمانی پایین است و آمادگی لازم برای سازگاری با تحولات انقلاب صنعتی چهارم را ندارد. این واقعیت، ضرورت ارزیابی و تجزیه و تحلیل دقیق هریک از ابعاد سازمانی را نمایان میکند. آگاهی از میزان آمادگی صنایع پتروشیمی در ابعاد مختلف، به شناسایی وضعیت موجود و ارائۀ برنامههای بهبود متوازن و واقعبینانه کمک شایانی میکند. بهطور کلی، با توجه به ابزار ارزیابی میزان آمادگی دانشگاه وارویک، هریک از ابعاد سازمان، از زوایای مختلف ارزیابی و تجزیه و تحلیل میشود که در شکل (۱) نتایج ارزیابی هریک از ابعاد اصلی و فرعی در شرکتهای صنایع پتروشیمی مطالعهشده، نشان داده شده است. سیاستها و استراتژیها و اولویتهای برنامههای سازمان در راستای تعالی عملکرد، براساس آن تنظیم میشود.
بخش دیگری از پژوهش حاضر، شرکتهای صنایع پتروشیمی را خوشهبندی میکند. نتایج خوشهبندی نشان میدهد که تعداد ۴۲ واحد از صنایع پتروشیمی در خوشۀ اول و ۳۶ واحد دیگر در خوشۀ دوم قرار گرفتند. شرکتهای خوشۀ اول از حیث میزان آمادگی برای سازگاری با تحولات صنعت ۴.۰ عملکرد پایینتری دارند؛ در حالی که واحدهای خوشۀ دوم عملکرد متوسطی در برخی ویژگیها از خود نشان میدهند.
درنهایت، اشاره میشود که تاکنون پژوهش مشابهی دربارۀ بررسی میزان آمادگی صنایع پتروشیمی ایران در سازگاری با تحولات و همچنین خوشهبندی آن با رویکرد یادگیری ماشین، انجام نشده است.
از طرفی مطالعات شوماخر و همکاران (2016)، ارزیابی آمادگی و بلوغ شرکتهای تولیدی را برای پذیرش مفاهیم و فناوریهای صنعت ۴.۰، نظیر اینترنت اشیا و رایانش ابری و چالشهای عمدهای را بررسی کرد که شرکتهای تولیدی در مواجهه با مفاهیم جدید صنعت ۴.۰ با آن روبهرو هستند. با توجه به اینکه یافتههای این پژوهش نشان داد که آمادگی شرکتهای پتروشیمی ایران برای سازگاری با تحولات صنعت ۴.۰ در ابعاد مختلف، در سطح پایینی قرار دارد، بنابراین نظر به یافتههای شوماخر و همکاران (2016)، شرکتهای تولیدی در مواجهه با مفاهیم جدید صنعت ۴.۰ با چالشهای جدی روبهرو هستند و به ارتقای سطح آمادگی خود نیاز دارند.
راج و همکاران (2020) در پژوهشی نشان دادند که «فقدان استراتژی دیجیتال در کنار کمبود منابع»، برجستهترین مانع در اقتصادهای توسعهیافته و در حال توسعه ظاهر میشود. این یافتهها با وضعیت فعلی صنایع پتروشیمی ایران همخوانی دارد؛ جایی که پایینبودن سرمایهگذاریها و تأمین مالی، یکی از نقاط ضعف کلیدی شناسایی شده است.
میتال و همکاران (2018) در مطالعۀ خود، مدلهای آمادگی شرکتها را برای پذیرش فناوریهای صنعت ۴.۰ بررسی کردهاند. یافتههای آنها نشان داده است که شرکتها باید بهطور فعال در زمینۀ ارتقای زیرساختهای دیجیتال و فرهنگ نوآوری کار کنند تا به سطوح بالاتری از آمادگی دست یابند. این موضوع نیز در پژوهش حاضر تأکید شده است و نیاز مبرم به برنامهریزی و اقدامات مؤثر برای ارتقای آمادگی وجود دارد.
بنابراین، با توجه به مطالب فوق و نتایج این پژوهش، نیاز است که سازمانها با ارتقای سطح آمادگی خود، سطح بلوغ خود را ارزیابی و تواناییها و ضعفهایشان را شناسایی کنند. همچنین، با توجه به فرهنگ سازمانی و فناوریهای نوین، باید استراتژیهای مناسبی برای دیجیتالیکردن فرایندهای خود تدوین کنند. شناخت تهدیدها و فرصتهای صنعتیشدن و ارزیابی دقیق وضعیت فعلی، به سازمانها کمک میکند تا تهدیدها را به فرصتهای بهبود و نوآوری تبدیل و بهترین تصمیمات استراتژیک را اتخاذ کنند.
با توجه به نقش بسیار مهم صنایع پتروشیمی در توسعۀ اقتصادی و با توجه به نقش مهمی که در مواردی ازجمله «تأمین نیازهای داخلی»، «ایجاد اشتغال»، «ایجاد ارزش افزودۀ اقتصادی»، «تأثیر در محیطزیست» دارند، ضروری است که شرکتهای پتروشیمی و صنایع وابسته با رویکردی جامعتر، موضوع سازگاری با تحولات صنعت ۴.۰ را بررسی کنند. این پژوهش با ارزیابی میزان آمادگی شرکتهای صنایع پتروشیمی در سازگاری با تحولات صنعت ۴.۰، نشان میدهد که صنایع پتروشیمی، برای سازگاری با تحولات صنعت ۴.۰ در وضعیت مناسبی قرار ندارند و هنوز در مراحل ابتدایی آمادگی برای پذیرش سازگاریاند. مناسبنبودن سطح آمادگی در ابعاد استراتژی و سازمانی و کمبود سرمایهگذاری و تأمین مالی، چالش بررسیپذیر است و باید در کشور به آن توجه شود. از طرفی با توجه به وضعیت تحریمها علیه ایران که تأثیرات ژرفی بر صنایع پتروشیمی داشته است، به کاهش سرمایهگذاریهای خارجی، کاهش صادرات و کاهش مواد اولیۀ ورودی (واردات) اشاره میشود؛ بنابراین، ضروری است که سازمانها برای کاهش وابستگی خارجی و پیشگیری از عقبماندگی اقتصادی و فناوری - تکنولوژیکی، با کمک دولت و تمرکز بر بهبود زیرساختها، سطح آمادگی خود را ارتقا دهند و به تسریع روند سازگاری شرکتها، با تحولات صنعت نسل چهارم کمک کنند. در راستای تحولات صنعت ۴.۰، باید با شناسایی تواناییها و ضعفهای خود و استفاده از فرصتها، همچنین با تکیه بر بازارهای داخلی و تمرکز بر نوآوری و خودکفایی، استراتژیهای مناسبی را برای دیجیتالیکردن فرایندها و افزایش سرمایۀ خود، تدوین کنند. نتیجۀ این پژوهش، گواه آمادگینداشتن صنایع برای سازگاری با صنعت نسل ۴.۰ است که به صنایع پتروشیمی و دیگر صنایع برای بررسی وضعیت آمادگی خود و تلاش برای بهبود وضعیت در مواجهه با چالشهای صنعت ۴.۰، کمک شایانی میکند.
از محدودیتهای این پژوهش، به استفاده از ابزار ارزیابی آمادگی صنعت ۴.۰ اشاره میشود که دانشگاه وارویک آن را ارائه کرده است. هرچند این ابزار اعتبار و روایی خود را در تحقیقات قبلی نشان داده است، اما ممکن است این نتواند تمام ابعاد خاص صنایع پتروشیمی را بهطور جامع پوشش دهد؛ ولی سعی شد با شناسایی شاخصهای ارزیابی براساس مطالعات پیشین و همچنین مصاحبه با خبرگان صنعت پتروشیمی و مقایسهای که بین ابعاد شاخصهای شناساییشده با ابعاد شاخصهای پرسشنامۀ دانشگاه وارویک انجام شد و نتایج آن نیز در جدول (۳) آمده است، این محدودیت تا حدودی مرتفع شود.
درنهایت با اشارۀ مجدد به اهمیت صنایع پتروشیمی در اقتصاد کشور و بهبود آمادگی آنها برای ارتقای سطح کیفی و کمی و توجه به یافتههای پژوهش، پژوهشهای آینده در ادامۀ این پژوهش و در موضوعات زیر انجام شود:
[i] Hannover
[ii] Internet of Things
[iii] Internet of Services
[iv] Big Data
[v] Cyber-Physical Systems
[vi] Autonomous Robots
[vii] Cloud Computing
[viii] Raj et al.
[ix] Mittal et al.
[x] Schumacher et al.
[xi] Agca et al.
[xii] Chemnitz
[xiii] Anderl et al.
[xiv] Lichtblau et al.
[xv] University of Warwick
[xvi] Sony & Naik
[xvii] Ramanathan et al.
[xviii] I4.0RAF یا Industry 4.0 Readiness Assessment Framework
[xix] Castelo -Branco et al.
[xx] Ustundag et al.
[xxi] Castro et al.
[xxii] Pozzi et al.
[xxiii] Rajnai and Kocsis
[xxiv] Farsijani & Alah karam pour
[xxv] Fuzzy Analytical Hierarchy Process
[xxvi] Safari & Ebrahimi
[xxvii] COmplex PRoportional ASsessment
[xxviii] Lead Time
[xxix] Kmeans-PSO
[xxx] Multi Layer Perceptron
[xxxi] Random(dividerand)
[xxxii] Scaled Conjugate Gradient(trainscg)
[xxxiii] Cross-Entropy(crossentropy)
[xxxiv] Confusion Matrix
[xxxv] Lead Time
)