Identification, localization, and Causal Modeling of Barriers to the Adoption and Implementation of Industry 4.0 in Steel Companies

Document Type : Persian Research paper

Authors

Department of Management, Faculty of Administrative Sciences and Economics, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran

Abstract

Purpose: The primary purpose of this study is to identify, localize, and analyze the key barriers hindering the adoption and implementation of Industry 4.0 technologies in the Iranian steel industry. Despite global momentum toward digital transformation, emerging economies face various challenges that impede the transition to smart manufacturing. Given the strategic importance of the steel industry for national development, this paper seeks to bridge the knowledge gap by developing a contextualized model of Industry 4.0 barriers tailored to Iran's socioeconomic and technological environment. The research also aims to provide managers and policymakers with actionable insights to prioritize barriers, understand their causal interactions, and design strategies to overcome the most influential impediments.
Design/methodology/approach: This study adopts an applied, exploratory, and descriptive research design. The methodological framework combines the Fuzzy Delphi Method and the Fuzzy DEMATEL technique in two stages. First, an extensive systematic literature review was conducted, yielding 53 potential Industry 4.0 barriers. Through screening and expert evaluation, a refined list of 15 barriers was selected for assessment. Using Fuzzy Delphi with linguistic variables, input from 14 steel industry experts was collected to validate and localize the barriers. Barriers not meeting the threshold value were eliminated, resulting in a final approved set of 12 barriers. In the second stage, Fuzzy DEMATEL was employed to map the causal relationships among the barriers. Pairwise comparisons provided by experts were transformed into normalized matrices, defuzzified using CFCS, and analyzed to determine influence, dependence, and causal effects.
Findings: The findings show that the Iranian steel sector faces a complex, interrelated set of challenges in implementing Industry 4.0. Fuzzy Delphi results indicate that three barriers—resistance to change, intellectual property issues, and sanction-related constraints—were not validated by experts. Fuzzy DEMATEL analysis identifies economic–financial constraints, technological limitations, and managerial barriers as the most influential root causes. High initial investment costs, outdated technological infrastructure, low technological maturity, and weak managerial commitment exert strong causal effects across the entire barrier network. Conversely, organizational misalignment, human resource skill gaps, lack of supply chain collaboration, and insufficient governmental support are dependent barriers heavily influenced by the root causes. The causal diagram suggests that improvements in managerial leadership, strategic planning, investment capacity, and technological readiness would produce positive effects across organizations and supply chains, thereby accelerating Industry 4.0 adoption.
Research limitations/implications: This study is limited by its reliance on expert judgment within a single national context, which may constrain generalizability to other countries or industries. Additionally, as Industry 4.0 technologies evolve rapidly, some barriers may change over time or be replaced by new challenges. Future research could extend this work through longitudinal analyses as digital transformation progresses and by applying the model to other industrial sectors for comparative insights. Despite these limitations, the study offers a robust methodological framework and a localized understanding of Industry 4.0 barriers in emerging economies.
Practical implications: The study provides actionable insights for steel industry managers, executives, and policymakers by identifying the most critical leverage points for successful digital transformation. The results stress that overcoming economic-financial and technological barriers—through investment in digital infrastructure, upgrading legacy systems, and strengthening R&D capabilities—is essential to enable Industry 4.0 adoption. Managerial implications include the need to reinforce strategic digital planning, develop clear roadmaps, enhance leadership commitment, and cultivate a digital culture within organizations. The findings also recommend improving collaboration across supply chain partners, expanding employee training programs, and designing targeted governmental incentives. Addressing these areas can reduce risks, boost efficiency, and support long-term transformation.
Social implication: This research highlights the societal importance of accelerating digital transformation in the steel industry. Industry 4.0 can enhance resource efficiency, reduce environmental impact, improve workplace safety, and raise employees’ quality of life by minimizing hazardous manual tasks. From a broader perspective, successful Industry 4.0 implementation can strengthen national industrial competitiveness, advance sustainable development goals, and stimulate innovation ecosystems. The study’s insights can guide governmental institutions in shaping supportive regulatory frameworks, standardization policies, and investment incentives that facilitate responsible and inclusive digital transformation within the steel industry.
Originality/value: This paper offers one of the first comprehensive, contextualized analyses of Industry 4.0 barriers in the Iranian steel industry using a hybrid Fuzzy Delphi–Fuzzy DEMATEL approach. Its originality lies in developing a localized set of barriers validated by domain experts and in mapping complex causal relationships among barriers using fuzzy logic. The study provides substantial value to researchers investigating digital transformation barriers and to practitioners seeking evidence-based strategies to accelerate Industry 4.0 adoption in steel manufacturing.

Keywords

Main Subjects


1- مقدمه
امروزه تولید تحت تأثیر رقابت جهانی، به انطباق سریع با نیازهایی نیاز دارد که دائم‎‍ در حال تغییرند. تولید مدرن بر پایۀ سه انقلاب صنعتی شکل گرفته است: انقلاب اول که عملیات کارخانههای تولیدی را سادهسازی کرد، انقلاب دوم که برق را به صنعت آورد و انقلاب سوم که خودکارسازی را رواج داد (Kraft Helm & Dowling, 2021). اکنون چهارمین انقلاب صنعتی (معروف به صنعت 4.0)، مسیرهای جدید تولید مانند گسترش افقی فناوریهای اطلاعات و ارتباطات (ICT)، ماشینهای یادگیری، رباتهای خودران و دیجیتالی‎‍شدن کامل زنجیرۀ تأمین در نظر گرفته می‎‍شود. در‎‍واقع، صنعت 4.0 مسیرهای جدیدی را از پیشرفت و نوآوریهای فناورانه‎‍ گشوده است و پایان پیشرفت فناوری نیست. این انقلاب چهارم، مجموعهای از کارخانههای هوشمند، محاسبات ابری، اینترنت خدمات، سیستمهای سایبری-فیزیکی و اینترنت اشیا نیز توصیف می‎‍شود (Zunino et al., 2020). صنعت ۴.۰ با هدف ایجاد کارخانههای هوشمندی آغاز شد که دارای طیف گستردهای از فناوریهای دیجیتال مانند تجزیه و تحلیل کلان داده، اینترنت اشیا، تولید افزایشی، واقعیت مجازی و سیستمهای رباتیک‎‍‎‍اند. مفهوم کارخانههای هوشمند در سال 2011 و با آغاز پروژۀ تولید دیجیتال دولت آلمان، در نمایشگاه تجاری هانوور مطرح شد. این انقلاب جدید، دولتها و صنایع را در سراسر جهان ترغیب کرد تا برنامه‎‍های استراتژیک خود را برای توسعۀ فناوریهای صنعت 4.0 بهمنظور حمایت از رشد بازار و بهرهگیری از موج جدید انقلاب صنعتی آغاز کنند (Dalenogare et al., 2018). شرکتهای دارای فناوریهای هوشمند، دستاوردهای بهرهوری و هزینه‎‍های تولید کمتر، کیفیت محصول بالاتر و رضایت بیشتر مشتری از محصولات شخصیسازی‎‍شده و کاهش مصرف مواد خام و انرژی را گزارش میدهند (Ajmera & Jain, 2019)؛ بنابراین صنعت 4.0 نهتنها یک دورۀ جدید تولید است، برجستهترین راهحل نیز به شمار می‎‍رود که برای دستیابی به پایداری ظهور کرده است.
اما با وجود افزایش علاقۀ آکادمیک و مدیریتی به صنعت 4.0، پژوهشهای بیشتری نیاز است تا امکان پذیرش گستردۀ فناوریهای آن در زمینههای مختلف فراهم شود؛ زیرا پیادهسازی فناوریهای صنعت 4.0 بهدلیل موانع پیش روی شرکت‎‍های تولیدی دشوار است (Basl, 2017). پذیرش صنعت 4.0 به صنایع تولیدی کمک می‎‍کند تا فرایند تولید را دیجیتالی کنند که به سهم خود به افزایش خروجی تولید کمک میکند. با این حال، اجرای صنعت 4.0 بهدلیل وجود چالشهای مختلف چندان آسان نیست. در همین راستا در این پژوهش، بهمنظور برنامهریزی و مدیریت اجرای فناوری‎‍های صنعت 4.0 در شرکتهای تولید فولاد،‎‍ شناسایی، بومیسازی و تحلیل روابط علّی موانع آن با استفاده از دلفی فازی و دیمتل فازی انجام میشود. دلفی ضمن بررسی‎‍ پیچیدگیهای اطلاعات و جلوگیری از تحریف نظرات متخصصان، اجماع‎‍ قوی را بین گروهی از متخصصان ایجاد میکند و باعث غربالگری مبتنی بر واقعیتهای میدانی میشود (Tuni et al., 2023). دیمتل، موانع را در یک رابطۀ علت و معلولی‎‍ فهم‎‍پذیر ساختار میدهد و یک تصویر ساختاریافته و مفهوم را از چگونگی تعامل موانع در صنعت فولاد ارائه میکند که از رتبهبندی ساده فراتر است. تکنیکهای فازی، ابهامات و عدم قطعیتهای ذاتی را در دادهها و نظرات خبرگان‎‍ در نظر می‎‍گیرد و تضمین میکند که قضاوتهای ذهنی انسان با درجهای از اطمینان در نظر گرفته شوند و نتایج از استحکام بیشتری برخوردار باشند (Ibrahim & Kumar, 2024).
صنعت فولاد، هستۀ رشد صنعتی است و در اقتصاد ایران، یکی از صنایع استراتژیک برشمرده میشود. فولاد محصولی با قابلیت بازیافت بالاست که یکی از مهمترین منابع تولید در زمینههای مختلف صنعتی، سازهای و ساختمانی است. تحول دیجیتال و انقلاب صنعتی چهارم در تولید فولاد، نهتنها‎‍ کیفیت، انعطافپذیری و بهرهوری را افزایش می‎‍دهد،‎‍ قابلیت مشاهدۀ دادههای عملیاتی را نیز در زمان واقعی‎‍ تضمین میکند و بینشی را برای تصمیمگیری بهتر و سریعتر در طول زنجیرۀ ارزش فراهم میکند (Herzog et al., 2017). از‎‍جمله کاربردهای فناوریهای صنعت 4.0 در شرکتهای فولادی، تجزیه و تحلیل کلان دادهها، محاسبات ابری و مدیریت پایگاه داده، ارتقای اتوماسیون و تولید به کمک رباتها، شبیهسازی خط تولید، سیستمهای تولید خودران، سیستمهای سایبر فیزیکی، شبکۀ تأمین هوشمند، ادغام عمودی / افقی در کارخانههای هوشمند، مستندسازی با واقعیت افزوده، لجستیک و سیستمهای حمل و نقل خودران و هوشمند، نت پیشبینانه و از راه دور، با استفاده از تکنیکهای یادگیری ماشین، دادهکاوی و دیجیتالیشدن مدیریت دانش است (Branca et al., 2020). پژوهش حاضر، یکی از اولین تلاشهای جامع و سیستماتیک برای شناسایی و بومیسازی موانع خاص صنعت 4.0 در شرکتهای فولادی ایران است. با توجه به چالشهای منحصربه‌فرد این صنعت در کشور، یافته‎‍های این پژوهش‎‍ به شرکتهای فولادی برای تدوین دستورالعملهای لازم برای رفع موانع پیادهسازی صنعت 4.0 و به مدیران بالادستی برای تهیه و تنظیم سیاستهای بهبود وضعیت فعلی فناوری صنایع فولادی، کمک می‎‍کند. همچنین به دیگر بخشهای تولیدی کمک میکند تا اهمیت تحلیل موانع صنعت 4.0 را قبل اجرای آن، درک کنند.
با وجود منافع تحولآفرین صنعت 4.0 در کاهش هزینهها، افزایش بهرهوری و ارتقای زنجیرۀ ارزش در صنایع تولیدی، پذیرش و پیادهسازی موفقیتآمیز آن، بهویژه در اقتصادهای در حال توسعه، همچنان با چالشهای دشواری روبهرو است؛ در حالی که مطالعات پیشین، موانع عمومی را در بخشهای تولیدی مختلف مانند صنایع غذایی، خودرو، سلامت و لجستیک بررسی کرده‎‍اند، دانش عمیق و زمینهای دربارۀ موانع خاص صنعت فولاد کم است. از طرف دیگر، تنها شناسایی موانع کافی نیست. بیشتر مطالعات موجود در شناسایی روابط پیچیدۀ علّی و معلولی میان‎‍ موانعی ناتوان بودهاند که برای تصمیمگیری استراتژیک ضروری است؛ بنابراین ضرورت این پژوهش در مدلسازی و شناسایی بومی موانع پذیرش و اجرای صنعت 4.0، در شرکتهای فولادی ایران نهفته است. در پژوهش از ترکیب روشهای دلفی فازی و دیمتل فازی استفاده شد تا ابهام و عدم قطعیت را در نظرات خبرگان‎‍ مدیریت‎‍ و یک شبکۀ علّی ساختاریافته را ترسیم کند و نشان دهد کدام موانع ریشهای (محرک) و کدام معلول (وابسته) هستند. این تحلیل ساختاریافته، برای مدیران و سیاستگذاران صنعت فولاد ایران بسیار ارزشمند است؛ زیرا با تمرکز منابع بر‎‍ موانع علّی تأثیرگذار، امکان تدوین استراتژیهای هدفمند و اطمینان از موفقیت اجرای صنعت 4.0 فراهم میشود.
2- پیشینۀ پژوهش
میش را و همکاران  (2023) موانع بهکارگیری فناوریهای صنعت 4.0 را برای کربنزدایی در صنعت فولاد هند‎‍ تجزیه و تحلیل کردند. برای اولویتبندی، تعیین روابط متقابل و توسعۀ شاخص شدت موانع، از روش بهترین – بدترین و تئوری گراف و رویکرد ماتریسی (GTMA ) استفاده شد. یافتهها نشان داد که به ترتیب موانع مرتبط با فناوری، موانع سازمانی و موانع محیطی مهمترین‎‍اند. شابور و همکاران  (2023) وضعیت فعلی موانع اجرای صنعت 4.0 را در بخش فولاد بنگلادش بررسی کردند. آنها با نظرخواهی از 9 خبره (4 نفر از صنعت و 5 نفر از دانشگاه) نه مانع را با استفاده از روش بهترین-بدترین‎‍ رتبه‎‍بندی کردند. نتایج نشان داد که نیاز به سرمایهگذاری زیاد، مهمترین و‎‍ حمایت‎‍نکردن دولت، کماهمیتترین موانع‎‍اند. هاریوم و همکاران  (2024) مشکلات مرتبط با ادغام فناوریهای صنعت 4.0 را در بخش تولید آهن و فولاد‎‍ بررسی کردند. 27 مانع شناسایی و بر‎‍اساس شباهت و کاربردشان به 8 دسته طبقهبندی شدند؛ سپس با استفاده از روش دیمتل، روابط علّی و اولویتبندی آنها انجام شد. فقدان استانداردهای عملیاتی و امنیتی، قدرت مالی ناکافی، زیرساختهای ناکافی و رقابت محدود، برجستهترین موانع شناسایی شدند. سنا و همکاران  (2022) 14 مانع را برای پذیرش فناوریهای 4.0 در صنایع تولیدی پرتغال‎‍ شناسایی و طبقهبندی آنها را بر‎‍اساس معیارهای چارچوب  TOE (فناوری – سازمانی - محیطی) انجام دادند؛ سپس سطحبندی و وابستگی متقابل موانع را با روش مدل‎‍سازی ساختاری تفسیری و تحلیل میکمک را با نظرخواهی از متخصصان صنعت 4.0 انجام دادند. نتایج نشان داد که فقدان استانداردسازی و‎‍ راهحلهای آماده بهعنوان موانع ریشهای و فرآیندهای سازمانی، مهارتهای دیجیتالی نیروی کار و سطوح بالای سرمایهگذاری، کمترین وابستگی متقابل را در پذیرش فناوریهای 4.0 دارند.
پورمهدی و همکاران  (2022) به شناسایی، تحلیل روابط و رتبهبندی چالشهای یکپارچهسازی کارآمد 4.0 و سیستم لجستیک پایدار معکوس فولاد با روش مدلسازی ساختاری تفسیری و فرآیند تحلیل شبکهای فازی روی آوردند. کمبود متخصص،‎‍ درک‎‍نکردن واضح مفاهیم، برنامههای آموزشی و سیاستها و حمایتهای دولتی، بحرانیترین چالشها شناسایی شدند. کوردیرو و همکاران  (2024) تأثیر موانع تجربه‎‍شدۀ 99 شرکت برزیلی را در پذیرش صنعت 4.0، با تحلیل عاملی و رگرسیون خطی‎‍ بررسی کردند. آنها به این نتیجه رسیدند که سه مانع زیرساخت فناوری، محدودیت مالی و‎‍ درک‎‍نکردن مزایای آن، بیشترین تأثیر را بر پذیرش صنعت 4.0 داشتهاند. محمود و همکاران  (2021)‎‍ شناسایی، رتبهبندی و ایجاد تعامل بین 20 مانع روانی پذیرش فناوریهای صنعت 4.0 را در صنایع تولیدی پاکستان، با استفاده از تکنیکهای آماری وAHP-TOPSIS انجام دادند. یافتهها نشان داد که ترس‎‍ از دست دادن شغل، درز اطلاعات / خطر نقض امنیت و‎‍ آموزش‎‍نداشتن کارکنان، به ترتیب برجسته‌ترین موانع روانی در اقتصادهای در حال توسعه‎‍اند. استنتافت و همکاران  (2020) با یک رویکرد آمیخته، محرکها و موانع صنعت 4.0 را در میان تولیدکنندگان کوچک و متوسط دانمارکی‎‍ بررسی کردند. نتایج تحلیل پرسش‎‍نامههای 190 تولیدکننده نشان داد که درک‎‍نکردن مدیران، مهمترین مانع است. جدول (1)، خلاصهای را از پیشینۀ پژوهش‎‍ نشان میدهد.
جدول 1- پیشینۀ پژوهش
Table 1- Research Background
خلاصه پژوهش موانع تکنیک جامعه موضوع نویسندگان
موانع پیاده‌سازی فناوری‌های صنعت 4.0 در بخش تولیدی اقتصادهای در حال توسعه شناسایی و تحلیل شدند. فقدان استراتژی دیجیتال و کمبود منابع، برجسته‌ترین موانع شناسایی شدند. فقدان استراتژی دیجیتال، سرمایهگذاری بالا، نبود شفافیت، یکپارچهسازی زنجیرۀ ارزش، نقص امنیت، سطح پایین بلوغ فناوری، کمبود زیرساخت، فقدان مهارت دیجیتال، کیفیت داده‎‍ها، مقاومت در برابر تغییر، کمبود منابع
دیمتل خاکستریصنایع تولیدی اقتصادهای در حال توسعهتحلیل روابط علّی موانع پذیرش صنعت ۴.۰راج و همکاران  (2019)
 
با تمرکز بر زنجیرۀ تأمین پایدار در صنعت مواد غذایی، موانع حیاتی را کشف و برای آنها راه‌حل ارائه دادند. یافته‌ها نشان داد که درک ضعیف مدیریت ارشد از دیجیتالی‎‍شدن و‎‍ تمایل‎‍نداشتن به پذیرش زنجیرۀ تأمین پایدار مواد غذایی مبتنی بر صنعت ۴.۰، مهم‌ترین موانع‎‍اند. موانع سازمان (فقدان زیرساخت،‎‍ آمادگی‎‍نداشتن سازمانی،‎‍ سرمایهگذاری‎‍نکردن، دانش ناکافی از فناوری). موانع استراتژیک (پشتیبانی و تعهد ضعیف مدیریت ارشد، نقشۀ راه استراتژیک نامشخص 4.0، ناهماهنگی اعضای زنجیرۀ تأمین). موانع نظارتی (فقدان مقررات قانونی، فقدان حمایت و مقررات دولتی، فقدان استانداردهای سیستماتیک،‎‍ وجودنداشتن پروتکل ارتباطی یکپارچه). موانع اقتصادی (سرمایه‎‍گذاری اولیه و هزینۀ عملیاتی بالا، فقدان کمکهای مالی). موانع اجتماعی (‎‍‎‍مشارکت‎‍نکردن و انگیزۀ کارکنان، ‎‍آموزش‎‍ندادن در جهت آگاهی از منافع، تنوع منطقهای و سطح تحصیلات). موانع تحول (دانش و تخصص ناکافی صنعت 4.0 در میان ذینفعان، حریم خصوصی دادهها، مسائل یکپارچهسازی)
فرآیند تحلیل سلسله‎‍مراتبی فازی فیثاغورث (PF-AHP)
و
ارزیابی فازی فیثاغورث بر‎‍اساس فاصله از میانگین راهحل (PF-EDAS) صنعت مواد غذایی کشف موانع حیاتی توانمندسازی زنجیرۀ تأمین پایدار در پذیرش صنعت 4.0 لاهان و همکاران  (2023)
 
هدف سطح‌بندی و تعیین روابط وابستگی متقابل موانع بود. نتایج نشان داد که برای توسعۀ مناسب صنعت 4.0، دولت، دانشگاه‌ها و سازمان‌های تحقیقاتی، باید زیرساخت‌های دیجیتالی لازم را برای صنعت فراهم کنند. امنیت سایبری، عدم اطمینان از مزایای اقتصادی، فقدان مهارت، سرمایهگذاری بالا، مدیریت داده‎‍ها، فقدان استاندارد، زیرساخت نامناسب ISM
و تحلیل MICMAC سازمانهای تولیدی سطحبندی موانع پذیرش صنعت 4.0 کومار و همکاران  (2021)
 
‎‍ تفسیر شرکت‌ها را از مفهوم صنعت ۴.۰ و نیروهای محرک و موانع اصلی معرفی فناوری‌های جدید دیجیتال بررسی کردند. مشخص شد که تأمین‌کنندگان عمدتاً بر جنبۀ فناوری و کاربران عمدتاً بر جنبه‌های مدیریتی صنعت ۴.۰ تمرکز دارند. منابع انسانی و شرایط کاری، کمبود منابع مالی، امنیت سایبری، مشکلات استانداردسازی، ادغام فناوری، ناهماهنگی، فقدان مهارتها، مقاومت سازمانی نظریۀ دادهبنیاد
شرکتهای کوچک و متوسط (SMEs) و شرکتهای چندملیتی (MNEs) بررسی شرایط علّی، زمینهای و موانع صنعت 4.0 هوروات و سابو  (2019)
 
با هدف شناسایی موانع صنعت 4.0 و تحلیل روابط فی‌مابین آنها انجام شد. نتایچ نشان داد موانع ناشی از تحریم، موانع رقابتی و موانع نیروی انسانی به ترتیب مهم‌ترین موانع‎‍اند. موانع ناشی از تحریم، مالی و اقتصادی، سختافزاری و نرمافزاری، همکاری، رقابتی، مدیریتی، نیروی انسانی تحلیل تماتیک و مدلسازی ساختاری تفسیری فراگیر فازی خبرگان بخش سلامت شهرستان کاشان و استادان دانشگاهی دارای تحقیقات در حوزۀ سلامت و فناوریهای نوین
طراحی مدل موانع پیاده‎‍سازی صنعت نسل 4 در بخش مراقبتهای بهداشتی مزروعی و خیرخواه  (2023)
 
هدف مطالعه، تحلیل موانع بالقوه‌ای است که مانع پذیرش صنعت 4.0 از سوی سازمان‌های تولیدی می‌شود. نتیجۀ سطح‌بندی و محاسبۀ قدرت نفوذ و وابستگی موانع، به متخصصان و سیاست‌گذاران برای درک دقیق فرایند پذیرش صنعت 4.0 کمک می‌کند. اختلالات شغلی، هزینۀ اجرای بالا، تغییرات سازمانی و فرآیند، نیاز به مهارتهای پیشرفته، فقدان سیستمهای مدیریت دانش، نبود درک‎‍ واضح از مزایای اینترنت اشیا، فقدان پوشش اینترنتی، مسائل امنیتی، عدم قطعیت قانونی و قراردادی ISM و
 MICMAC فازی صنایع تولیدی شناسایی، سطحبندی و تعیین وابستگی موانع پذیرش صنعت ۴.۰ کامبله و همکاران  (2018)
 
چالش‌های کلیدی پذیرش صنعت 4.0 را در صنعت خودرو شناسایی و رتبه‌بندی کرد. 36 چالش شناسایی و در چهار بعد طبقه‌بندی شد. مدیریتی، استراتژی، فناوری، سازمانی و اداری تصمیمگیری چندمعیارۀ بهترین – بدترین (BWM) شرکتهای قطعهسازی خودرو تحلیل چالشهای صنعت 4.0 وانخده و وینوده  (2021)
 
 ارزیابی معیارها و موانع دستیابی به اهداف پایداری در دورۀ صنعت 4.0 انجام شد. نتایج نشان داد که استراتژی‌های ناکارآمد برای ادغام صنعت ۴.۰، با اقدامات پایداری و کمبود بودجه برای ابتکارات صنعت ۴.۰ موانع اصلی‎‍اند. سرمایهگذاری نادرست، قوانین و کنترل ناکافی، استراتژی اشتباه، فقدان نیروی کار ماهر، کمبود بودجه، مدیریت‎‍نکردن ضایعات، کیفیت ضعیف منابع/زیرساخت، کمبود حمایت دولتی، مقاومت در برابر تغییر، تقاضای ناکافی بازار، عدم حمایت مدیریت، ناآگاهی یک رویکرد یکپارچه متشکل از AHP و ELECTRE
شرکتهای واقع در دهلی هندبررسی موانع SCM پایدار در دورۀ صنعت 4.0 و اقتصاد دایرهای
کومار و همکاران (2020)
 
چگونگی تأثیر موانع درونی و بیرونی را بر پذیرش صنعت ۴.۰ توسط شرکت‌ها‎‍ بررسی کرد. هشت فرضیه بر‎‍ ۱۴۳ شرکت تولیدی با استفاده ازAMOS تست شد. یافته‌ها نشان داد که موانع ذاتی و بیرونی با دیجیتالی‎‍شدن ارتباط معنادار و منفی دارند. موانع بیرونی (‎‍وجودنداشتن الگو، سیاست و مقررات دولت، امنیت سایبری، کمبود مهارت، ‎‍تمایل‎‍نداشتن شرکای زنجیرۀ تأمین، ابهام حقوقی و قراردادی، محدودیتهای تجاری)
موانع درونی (مشکل هماهنگی،‎‍ تمایل‎‍نداشتن مدیریت ارشد، کمبود مدلهای جدید کسب و کار، فقدان استراتژی دیجیتال، مقاومت در برابر تغییر،‎‍ درک‎‍نکردن مزایای صنعت 4.0، چالش ادغام دادهها، هزینۀ اجرا)
مدلسازی معادلات ساختاری (SEM) ۱۴۳ شرکت تولیدی موانع پذیرش صنعت ۴.۰ و پیامدهای عملکرد آن چاوهان و همکاران  (2020)
 
اولویت‌بندی موانع گذار به صنعت 4.0 و زنجیرۀ تأمین دایره‌ای انجام شد. نتایج مطالعه نشان داد که نبود ‌دانش مدیریت داده‌ها،‎‍ درک‎‍نکردن ساختار سازمانی غیرمتمرکز و نیاز به سرمایه‌گذاری زیاد در فناوری‌ها مهم‌ترین موانعی هستند که سازمان‌ها باید در ابتدا با آنها مقابله کنند. فقدان دانش مدیریت دادهها،‎‍ وجودنداشتن امکانات اینترنت اشیا، سرمایهگذاریهای بالا، فقدان دانش، ساختار سازمانی متمرکز،‎‍ ناآگاهی از مزایای سیستمهای خودمختار، پشتیبانی ضعیف مدیریت، برنامههای آموزشی ناکافی، امنیت داده‎‍ها،‎‍ وجودنداشتن مقررات دولتی،‎‍ نبود تمایل‎‍ سازمانی و‎‍ اعتمادنداشتن به تحول صنعت 4.0 Fuzzy ANP 5 متخصص با حداقل 10 سال تجربه از صنایع نساجی، الکترونیک، بازیافت، پلاستیک و لجستیک موانع مشترک گذار از صنعت 3 به صنعت 4 و زنجیرۀ تأمین دایرهای
اوزکان اوزن و همکاران  (2020)
 
با هدف شناسایی و تحلیل موانع مرتبط با لجستیک بندری در دوران صنعت ۴.۰ برای اقتصادهای نوظهور انجام شد. اکوسیستم سیاستی غیرحمایتی، زیرساخت ضعیف و کمبود تحقیق و توسعه به‎‍عنوان موانع زیربنایی شناسایی شد. مشکلات هماهنگی، فقدان تصمیمگیری مبتنی بر داده، انگیزههای ناکافی برای کارمندان، عدم آموزش متخصصان، مشکلات لجستیک،‎‍ تطابق‎‍نداشتن بین تقاضا و برنامهریزی ظرفیت، فقدان تحقیق توسعه، قوانین غیر حمایتی، زیرساخت ضعیف، بازده پایین سرمایهگذاری، فقدان مشارکت سهامداران، ظرفیت ناکافی و مشکل انباشتگی، نبود تطابق بین فرآیند و استانداردهای عملیات محلی و بینالمللی، تکنولوژی نامناسب، ‎‍ اعتمادنداشتن، نارضایتی مشتری مدلسازی ساختاری تفسیری کل (TISM)
و تحلیل MICMAC)) بنادر هند تحلیل موانع مرتبط با لجستیک در دوران صنعت 4.0 سرکار و شانکار  (2021)
 
3- روششناسی 
پژوهش حاضر ازنظر هدف کاربردی، از حیث ماهیت توصیفی و ازنظر گردآوری اطلاعات پیمایشی است. جامعۀ آماری پژوهش، خبرگان صنعت فولاد بودند که نمونهای متشکل از 14 نفر بهصورت هدفمند و با استفاده از روش نمونهگیری غیر احتمالی و گلولهبرفی انتخاب شدند. روش گردآوری اطلاعات، بهصورت کتابخانهای – میدانی با استفاده از اینترنت، مطالعۀ کتب، مقالات، مصاحبه با افراد خبره و همچنین استفاده از پرسشنامۀ استاندارد در هر‎‍یک از روشهای دلفی فازی و دیمتل فازی بود. برای پاسخدهی به پرسشهای پژوهش (موانع پذیرش و اجرای فناوریهای صنعت 4.0 در صنعت فولاد کدام‎‍اند؟ میزان تأثیرگذاری، تأثیرپذیری و قدرت تعامل هر مانع چقدر است؟ مدل روابط علّی میان آنها چگونه است؟) از روشهای دلفی فازی و دیمتل فازی استفاده شد. پژوهش در سه مرحلۀ شناسایی موانع، بومیسازی آنها در صنعت فولاد و تحلیل روابط علّی میان آنها انجام شد.
دلفی فازی
این روش، ترکیبی از روش دلفی و تئوری مجموعههای فازی است که اولین بار‎‍ ایشیکاوا و همکاران  (1993) آن را مطرح کردند. دلفی فازی تصمیمگیری را در شرایط عدم اطمینان محیطی آسان میکند و باعث صرفهجویی در هزینه و زمان میشود. در این روش با استفاده از متغیرهای زبانی و اعداد فازی مثلثی مطابق جدول (2)، نظرات خبرگان جمع‎‍آوری میشود.
جدول 2-  عبارات کلامی روش دلفی فازی
Table2- Linguistic expressions of the fuzzy Delphi method
متغیر زبانی عدد فازی
خیلی زیاد (1، 1، 75/0)
زیاد (1، 75/0، 5/0)
متوسط (75/0، 5/0، 25/0)
کم (5/0، 25/0، 0)
خیلی کم (25/0، 0، 0)
اهمیت معیار b با خبرۀ a بهصورت   ارزیابی می‏شود؛ سپس وزن معیار b میشود:
(1)  
 
(2)  
 
 یعنی کمترین حد پایین و بیشترین حد بالای نظرات خبرگان دربارۀ هر معیار، به ترتیب حد پایین و بالای آن معیار در نظر گرفته میشود. حد وسط بهصورت میانگین هندسی حد وسط نظرات خبرگان محاسبه میشود. برای محاسبۀ مقدار ترکیب محدب ( )، معادلات زیر را بوی و همکاران  (2020) پیشنهاد دادند:
(3) 
(4)
(5)  
 
برش α بر مبنای ادراک مثبت یا منفی خبرگان، مقداری بین 0 تا 1 میگیرد. δ برای توصیف سطح خوشبینی تصمیم‎‍گیرنده استفاده میشود. در شرایط عادی برای α و δ مقدار 5/0 در نظر گرفته میشود؛ سپس حد آستانه به‎‍جهت غربال معیارها با استفاده از فرمول زیر محاسبه میشود:
(6)  
 
یعنی حد آستانۀ میانگین D، معیارهای مختلف است. معیارهایی که مقدار D آنها از حد آستانه بیشتر یا مساوی باشد، پذیرفته و مابقی رد میشوند.
دیمتل فازی
دیمتل یکی از روشهای تصمیمگیری چندمعیارۀ مبتنی بر تئوری گراف است که برای ساختاردهی به عوامل پیچیده در قالب گروههای علت و معلولی‎‍ استفاده می‎‍شود. با توجه به اینکه در این روش از نظر خبرگان استفاده میشود و این نظرات در بیشتر مواقع شفاف نیست، پیشنهاد شده است که از روش دیمتل فازی برای رفع ابهام استفاده شود. مراحل این روش به شرح زیر است (Wu & Lee, 2007Lin & wu, 2008; ):
گام (1): تشکیل ماتریس ارتباط مستقیم فازی: در این مرحله، از خبرگان خواسته میشود تا معیارها (ابعاد) را بهصورت زوجی و بر حسب میزان تأثیرشان بر یکدیگر، مطابق با جدول (3) مقایسه کنند.
جدول 3- مقیاسهای زبانی برای مقایسات زوج
Table 3- Linguistic scales for pairwise comparisons
عبارات کلامی مقدار عددی اعداد فازی مثلثی
بدون تأثیر (NO ) 0 (25/0، 0، 0)
تأثیر خیلی کم (VL ) 1 (5/0، 25/0، 0)
تأثیر کم (L ) 2 (75/0، 5/0، 25/0)
تأثیر زیاد (H ) 3 (1، 75/0، 5/0)
تأثیر خیلی زیاد (VH ) 4 (1، 1، 75/0)
 
سپس با استفاده از میانگین حسابی ساده، نظر خبرگان تجمیع و ماتریس ارتباط مستقیم تشکیل میشود. هریک از درایه‎‍های ماتریس اعداد فازی مثلثی (lij, mij, uij) هستند.
(7) Z=[■(0&⋯&z ̃_1n@⋮&⋱&⋮@z ̃_n1&⋯&0)]
z یک ماتریس n×n است و z ̃_ij میزان تأثیر معیار i بر j را نشان میدهد. عناصر z ̃_ii  یک عدد فازی مثلثی (0, 0, 0) در نظر گرفته میشوند.
گام (2). نرمالسازی ماتریس فازی ارتباط مستقیم: با استفاده از روابط زیر، ماتریس ارتباط مستقیم فازی نرمالشده به‌ دست میآید.
(8) X=[■(x ̃_11&⋯&x ̃_1n@⋮&⋱&⋮@x ̃_n1&⋯&x ̃_nn )]
(9) x ̃_ij=z ̃_ij/r= (l_ij/r,m_ij/r,u_ij/r) 
که
 (10) r=〖max┬(1≤i≤n) (∑_(j=1)^n▒u_ij )〗⁡〖     〗 
بنابراین برای نرمالسازی هر‎‍یک از اجزای سهگانه، عناصر ماتریس ارتباط مستقیم بر بیشترین مقدار مجموع حدهای بالای سطرها تقسیم میشود.
گام (3). محاسبۀ ماتریس فازی ارتباط کامل: این ماتریس با استفاده از روابط زیر به‌ دست میآید.
(11) T ̃=lim┬(k→+∞)⁡〖(X^1+X^2+⋯+X^k)〗=X〖(I-X)〗^(-1)
(12)  
 
که هر درایۀ آن عدد فازی بهصورت   است و بهصورت زیر محاسبه میشو‎‍د:
(13)
 
(14)
 
(15)  
 
I ماتریس همانی است.
گام (4). فازیزدایی مقادیر ماتریس ارتباط کامل: برای فازیزدایی از روش CFCS  اپریکویچ و زنگ  (2003) استفاده شد؛ زیرا این روش مزایای ارائۀ یک مقدار قطعی  با تابع عضویت بزرگتر و تمایز بین دو عدد فازی مثلثی متقارن را با میانگین یکسان‎‍ دارد (Lin & wu, 2008). مراحل این روش بهصورت زیر است:
1. نرمالسازی:
(16) l_ij^n=((l_ij^t-min⁡〖l_ij^t 〗 ))/(Δ_min^max )
(17) m_ij^n=((m_ij^t-min l_ij^t))/(Δ_min^max )
(18) u_ij^n=((u_ij^t-min l_ij^t))/(Δ_min^max )
بهطوری که:
(19) Δ_min^max=max⁡〖u_ij^t-min⁡〖l_ij^t 〗 〗
2. محاسبۀ کران چپ (ls) و راست (rs) مقادیر نرمالشده:
(20) 〖ls〗_ij=(m_ij^n)⁄((1+m_ij^n-l_ij^n))
(21) 〖rs〗_ij=(u_ij^n)⁄((1+u_ij^n-m_ij^n))
3. محاسبۀ مقادیر قطعی نرمال‎‍شدۀ کل:
(22) x_ij=([〖ls〗_ij (1-〖ls〗_ij )+〖rs〗_ij×〖rs〗_ij])/([1-〖ls〗_ij+〖rs〗_ij])
4. محاسبۀ مقادیر قطعی
 
(23) z_ij=minl_ij+x_ij ∆_min^max
5. ادغام مقادیر قطعی
در صورتی که zij برای خبرگان مختلف محاسبه شود، میانگین آنها مقدار قطعی نهایی در نظر گرفته میشود.
خروجی الگوریتم CFCS یک ماتریس با مقادیر قطعی است.
گام (5). محاسبۀ حد آستانه: مقادیر ماتریس ارتباط کامل قطعی‎‍شده که کمتر از میانگین ماتریس ارتباط کامل باشند، با استفاده از رابطۀ زیر شناسایی و صفر میشوند، به عبارت دیگر آن رابطۀ علّی در نظر گرفته نمیشود.
(24) TS=(∑_(i=1)^n▒∑_(j=1)^m▒z_ij )/(m×n)
U_ij={█(■(z_ij&z_ij≥TS)@■(0&Others))┤
گام (6). خروجی نهایی و ایجاد نمودار علّی. مجموع سطرها (D) و ستونها (R) با توجه به فرمولهای زیر به دست می‎‍آید:
(25) D=∑_(j=1)^n▒T_ij _ 
(26) R=∑_(i=1)^n▒T_ij _ 
سپس با توجه به D و R، مقادیر D+R و D-R که به ترتیب نشان‎‍دهندۀ میزان تعامل و قدرت تأثیرگذاری عوامل‎‍اند، محاسبه میشود.
شناسایی موانع
با جست‎‍وجوی کلیدواژههای مرتبط و بررسی جامع پیشینۀ پژوهش، 53 مانع برای پذیرش و اجرای فناوریهای صنعت 4.0 شناسایی شد. با رسم نمودار فراوانی استفاده از آنها در مقالات پیشینه، در‎‍نهایت 15 مانع به کار رفت که فراوانی آنها بیشتر از 4 (نقطۀ شکست نمودار) بود‎‍. 38 مانع از‎‍جمله استانداردسازی، کیفیت داده‌ها، اختلالات شغلی، ابهام حقوقی و ... با توجه به فراوانی و اهمیت کمتر و هم‌پوشانی با دیگر موانع حذف شدند. نتایج این مرحله در اختیار خبرگان قرار گرفت و از سوی آنها تأیید شد. جدول (4)، موانع تأیید‎‍شده را بههمراه تعریف و منابع آنها نشان میدهد. 
جدول 4- موانع اجرای صنعت 4.0
Table 4- Obstacles to implementing Industry 4.0
مانع توضیح منابع
مالی و اقتصادی نیاز به سرمایهگذاری اولیۀ زیاد برای توسعۀ زیرساختها و فناوری‎‍های پیشرفتۀ صنعت 4.0، هزینۀ بهروز‎‍کردن فناوریها
کامبله و همکاران (2018)؛ استنتافت و همکاران (2020)؛ راج و همکاران (2019)؛ کومار و همکاران (2021)؛ کومار و همکاران (2020)؛ اوزکان اوزن و همکاران (2020)؛ سرکار و شانکار (2021)؛ مزروعی و خیرخواه (2023)
 
شرکای زنجیرۀ تأمین مشارکت و همکاری نکردن بازیگران مختلف زنجیرۀ تأمین برای به‌کارگیری و اجرای فناوریهای صنعت 4.0
لی و همکاران  (2022)؛ لاهان و همکاران (2023)؛ ‎‍چاوهان و همکاران (2020)؛ راج و همکاران (2019)
 
مدیریتی نبود تعهد،‎‍ حمایت و ترس از شکست مدیریت عالی سازمان استنتافت و همکاران (2020)؛ پالازسکی و همکاران‎‍ (2018)؛ جبور و همکاران  (2018) ؛ وانخده و وینوده‎‍(2021) ؛ لاهان وهمکاران (2023)؛ کومار و همکاران (2020)؛ چاوهان و همکاران (2020)؛ اوزکان اوزن و همکاران (2020)؛ مزروعی و خیرخواه (2023)
 
سازمانی ساختار سازمانی و سازمان‎‍دهی نامناسب، تضاد منافع و ‎‍ناهماهنگی بخشها، فقدان فرهنگ دیجیتال
جبور و همکاران (2018)؛ پارک )2017(؛ لاهان و همکاران (2023)؛ هوروات و سابو (2019)؛ کومار و همکاران (2018)؛ وانخده و وینوده (2021)؛ اوزکان اوزن و همکاران (2020(
 
منابع انسانی کمبود نیروی انسانی متخصص، آموزشدیده و ماهر برای کار با فناوریهای صنعت 4.0
کامبله و همکاران (2018)؛ مولر  و همکاران (۲۰۱۸)؛ مزروعی و خیرخواه (2023)؛ لاهان و همکاران (2023)؛ هوروات و سابو (2019)
 
مشتریان و بازار نبود فشار از سوی مشتریان و بازار بهدلیل ناآگاهی از منافع اجرای صنعت 4.0 مولر و همکاران (۲۰۱۸)؛ تورتورلا و فترمن  (۲۰۱۷)؛ سارکار و شانکار (۲۰۲۱)؛ کومار و همکاران (۲۰۲۰)
 
فناوری زیرساخت ضعیف و ناکافی فناوری اطلاعات، فناوریهای ناکارآمد، سیستم پشتیبان ناکافی، ظرفیت کم جذب فناوری، سطح بلوغ پایین فناوری اوزکان اوزن و همکاران (2020)؛ سنا و همکاران (2022)؛ کومار و همکاران (2021)؛ لاهان و همکاران (2023)‎‍؛ راج و همکاران (2019)؛ هوروات و سابو (2019)؛ وانخده و وینوده (2021)
 
جهتگیری استراتژیک ‎‍وجودنداشتن استراتژی تحول دیجیتال، نداشتن مدل کسب و کار مبتنی بر صنعت 4.0 درن و همکاران  (2023)؛ لی و همکاران (2022)؛ لاهان و همکاران (2023)، راج و همکاران (2019)
 
رقبا ناآگاهی مدیران صنعت فولاد از مزایای صنعت 4، نبود جو رقابتی، نبود تشریک مساعی بین شرکتهای فولادی
مولر و همکاران (۲۰۱۸)؛ لاهان و همکاران (2023)؛ مزروعی و خیرخواه (2023)
 
امنیت سایبری امنیت دادهها، حریم خصوصی، تهدیدات سایبری
کامبله و همکاران (2018)؛ سنا و همکاران (2022)؛ چاوهان و همکاران (2020)؛ هوروات و سابو (2019)؛ کومار و همکاران (2020)
 
مقاومت در برابر تغییر ‎‍ تمایل و انگیزه‎‍نداشتن کارمندان و شرکتها برای اتخاذ فناوری‎‍های جدید و تغییر روال کاری جبور و همکاران (2018)؛ کامبله و همکاران (2018)؛ چاوهان و همکاران (2020)؛ کومار و همکاران (2020)؛ راج و همکاران (2019)
 
‎‍حمایت‎‍نکردن دولت ‎‍ وضع‎‍نکردن استانداردهای مناسب برای تبادل اطلاعات رایگان و ایمن‎‍، تأمین‎‍نکردن زیرساختها، نبود حمایت مالی، قوانین بالادستی مبهم و سختگیرانه
چاوهان و همکاران (2020)؛ لاهان و همکاران (2023)؛ کامبله و همکاران (2018)؛ کومار و همکاران (2020)؛ اوزکان اوزن و همکاران (2020)
 
مالکیت معنوی حمایت‎‍نکردن کافی از مالکیت معنوی، به تقلید، تجاوز و کاهش نوآوریهای جدید اعم از ثبت اختراع، حق چاپ و صدور مجوز و... منجر میشود.
لی و همکاران (2022)؛ سارکار و شانکار (2021) 
 
ضعف در تحقیق و توسعه کمبود امکانات تحقیقاتی،‎‍ تعامل‎‍نداشتن کافی با دانشگاهها و پژوهشکدهها، سرمایهگذاری‎‍نکردن در تحقیق و توسعه 
ولز و همکاران  (2021)؛ کومار و همکاران (2020)؛ سرکار و شانکار (2021)
 
موانع ناشی از تحریم‏ها محدود‎‍بودن دسترسی کشورهای تحریم‎‍شده به سیستم مالی جهانی، کاهش واردات سرمایه، فناوری و کالا از بازارهای بینالمللی سیپریانی و همکاران  (2023)؛ کلیشومی و نیستیکو  (2024)؛ مزروعی و خیرخواه (2023)؛‎‍ چاوهان و همکاران (2020)
 
4- یافتهها
تحلیل دادهها طی دو مرحله انجام شد. در مرحلۀ اول با نظرخواهی از 14 خبرۀ صنعت تولید فولاد و انجام مراحل دلفی فازی، بومیسازی موانع در صنعت فولاد انجام شد. جدول (5) مقادیر L، U و D حاصل از دلفی فازی را برای 15 مانع نشان میدهد. با توجه به اینکه مقدار حد آستانه 55/0 شد، موانع با مقادیر D بیشتر از آن تأیید (12 مانع) و مابقی (3 مانع) رد شدند.
جدول 5- نتایج روش دلفی فازی
Table 5- Results of the Fuzzy Delphi Method
وضعیت D U L موانع
تأیید 58/0 87/0 37/0- امنیت سایبری
تأیید 56/0 82/0 32/0- مشتریان و بازار
تأیید 64/0 84/0 04/0 جهتگیری استراتژیک
 
تأیید 69/0 93/0 05/0- مالی و اقتصادی
تأیید 63/0 83/0 04/0 منابع انسانی
تأیید 56/0 82/0 32/0- رقبا
تأیید 57/0 85/0 35/0- شرکای زنجیرۀ تأمین
تأیید 60/0 90/0 40/0- سازمانی
تأیید 58/0 87/0 37/0- ضعف در تحقیق و توسعه
تأیید 69/0 94/0 06/0- مدیریتی
عدم تأیید 38/0 50/0 00/0 تحریمها
 
تأیید 77/0 95/0 30/0 فناوری
عدم تأیید 28/0 38/0 00/0 مقاومت در برابر تغییر
تأیید 59/0 88/0 38/0- ‎‍ حمایت‎‍نکردن دولت
عدم تأیید 19/0 25/0 00/0 مالکیت معنوی
 
طبق رابطۀ (2)، کمترین حد پایین و بیشترین حد بالای مانع امنیت سایبری، بر‎‍اساس نظر خبرگان به ترتیب 0 و 1 به دست آمد. همچنین حد وسط با محاسبۀ میانگین هندسی نظرات خبرگان 74/0 شد. طبق رابطۀ (3) و (4) مقدار U و L این مانع محاسبه شد:
(27)  
 
سپس مقدار ترکیب محدب (D) بر‎‍اساس رابطۀ (5)، به‌صورت زیر محاسبه شد:
(28)  
 
چون این مقدار از حد آستانۀ ( ) بیشتر است، بنابراین مانع امنیت سایبری تأیید شد. به همین ترتیب برای دیگر موانع نیز، محاسبات در اکسل انجام شد.
موانع تحریمها، مقاومت در برابر تغییر و مالکیت معنوی طبق نظر خبرگان تأیید نشدند. صنایع فولاد در شرایط تحریم، با تکیه بر توانمندیهای بومی، بخشی از نیازهای فناورانۀ خود را از‎‍طریق همکاری با شرکتهای داخلی و مهندسی معکوس تأمین می‎‍کنند. خبرگان معتقدند بهدلیل مزایای فراوان فناوریهای صنعت 4.0، در صورت رفع دیگر موانع ازجمله مدیریتی، سازمانی و منابع انسانی، تمایل و انگیزۀ کارمندان برای پذیرش این فناوریها افزایش خواهد یافت؛ درنتیجه مقاومت در برابر تغییر خود یک چالش کلیدی نیست، بلکه نتیجۀ جانبی شکست در رسیدگی به مشکلات اصلی و ریشهای است. همچنین مباحث مالکیت معنوی در صنایع فولاد، بهدلیل ماهیت آن‎‍ اهمیت کمی دارد.
در مرحلۀ بعد، 12 مانع تأییدشده از دلفی فازی به‎‍‎‍جهت تعیین روابط علّی، وارد مرحلۀ دیمتل فازی شدند. در این مرحله با نظرخواهی از 14 خبرۀ صنعت فولاد، تأثیر هر مانع بر مانع دیگر مشخص و با میانگینگیری از نظرات خبرگان، ماتریس ارتباط مستقیم فازی اولیه تشکیل شد؛ سپس مطابق فرمولهای گفتهشده، ماتریس ارتباط مستقیم فازی نرمالشده (جدول 6) و ماتریس ارتباط کامل فازی، محاسبه شد (جدول 7).
جدول 6- ماتریس ارتباط مستقیم فازی نرمالشده
Table 6- Normalized direct-relation fuzzy matrix
مالی و اقتصادیمشتریان و بازاررقباجهتگیری استراتژیک
امنیت سایبری ضعف در تحقیق و توسعه منابع انسانی شرکای زنجیرۀ تأمین ‎‍حمایت‎‍نکردن دولت مدیریتی فناوری سازمانی
مالی و اقتصادی (0/000,0/000,0/000) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.000,0.023,0.045) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/045,0/068,0/091)
مشتریان و بازار (0/023,0.045,0.068) (0/000,0/000,0/000) (0/023,0/045,0/068) (0/023,0/045,0/068) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.000,0.023,0.045) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/068,0/091,0/091) (0.000,0.023,0.045)
رقبا (0/023,0/045,0/068) (0.045,0.068,0.091) (0/000,0/000,0/000) (0/023,0/045,0/068) (0/023,0/045,0/068) (0.045,0.068,0.091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/023,0/045,0/068) (0/068,0/091,0/091)
جهتگیری استراتژیک
(0/068,0/091,0/091) (0/023,0/045,0/068) (0/068,0/091,0/091) (0/000,0/000,0/000) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/023,0/045,0/068)
امنیت سایبری (0/023,0/045,0/068) (0/023,0/045,0/068) (0/023,0/045,0/068) (0/023,0/045,0/068) (0/000,0/000,0/000) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/023,0/045,0/068) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/023,0/045,0/068)
ضعف در تحقیق و توسعه (0/023,0.045,0.068) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/000,0/000,0/000) (0.045,0.068,0.091) (0/023,0.045,0.068) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/023,0.045,0.068) (0.000,0.023,0.045)
منابع انسانی (0/023,0.045,0.068) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/000,0/000,0/000) (0/023,0.045,0.068) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.000,0.023,0.045) (0.045,0.068,0.091)
شرکای زنجیره تأمین (0.000,0.023,0.045) (0/068,0/091,0/091) (0/023,0.045,0.068) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/000,0/000,0/000) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.045,0.068,0.091)
‎‍ حمایت‎‍نکردن دولت (0.045,0.068,0.091) (0/068,0/091,0/091) (0.000,0.023,0.045) (0.000,0.023,0.045) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/000,0/000,0/000) (0/023,0.045,0.068) (0.045,0.068,0.091) (0/068,0/091,0/091)
مدیریتی (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/000,0/000,0/000) (0.045,0.068,0.091) (0/068,0/091,0/091)
فناوری (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/000,0/000,0/000) (0.045,0.068,0.091)
سازمانی (0/068,0/091,0/091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.000,0.023,0.045) (0.045,0.068,0.091) (0.045,0.068,0.091) (0.045,0.068,0.091) (0/068,0/091,0/091) (0/068,0/091,0/091) (0.045,0.068,0.091) (0/000,0/000,0.023) (0/000,0/000,0/000)
جدول 7- ماتریس ارتباط کامل فازی
Table 7- Total-relation fuzzy matrix
مالی و اقتصادیمشتریان و بازاررقباجهتگیری استراتژیک
امنیت سایبری ضعف در تحقیق و توسعه منابع انسانی شرکای زنجیرۀ تأمین ‎‍حمایت ‎‍نکردن دولت مدیریتی فناوری سازمانی
مالی و اقتصادی (0/046,0/220,0/878) (0/132,0/364,1/073) (0/125,0/338,1/007) (0/118,0./317,0 / 966) (0/114,/351,1/095) (0/137,0/377,1/116) (136/0,376/0,1/116) (115/0,316/0,/1 002) (064/0,286/0,/1 038) (124/0,338/0,1/094) (091/0,286/0,1/025) (090/0,285/0,0/982)
مشتریان و بازار (0/058,0/225,0/844) (0/051,0/231,0/878) (0/066,0/251,0/881) (0/061,0/234,0/846) (0/118,0/321,0/981) (0/118,0/325,0/999) (118/0,324/0,0/999) (038/0,213/0,0.859) (109/0,297/0,/0 964 (087/0,271/0,0/979) (099/0,266/0,0/918) (036/0,205/0,0/841)
رقبا (0/056,0/220,0/901) (0/093,0/288,1/027) (0/040,0/200,0/879) (0/057,0/227,0/904) (0/073,0/273,1/028) (0/095,0/298,1/068) (0/0094,0/297,1.068) (080/0,250/0,0.959) (088/0,273/0,1 / 030) (085/0,265/0,1/046) (057/0,222/0,0/962) (099/0,261/0,0/940)
جهتگیری استراتژیک
(0/108,0/297,0/962) (0/088,0/316,1/054) (0/120,0/328,1/005) (0/049,0/224,0/882) (0.131,0/362,1/095) (0/134,0/368,1/116) (0/133,0/367,1/116) (093/0,290/0,1 / 002) (121/0,334/0,1 / 075) (100/0,309/0,1/093) (088/0,278/0,1/) (069/0,260/0,0/963)
امنیت سایبری (0/052,0/205,0/865) (0/065,0/249,0/966) (0/058,0/227,0/904) (0/054,0/212,0/867) (/044,0/210,0/922) (0/088,0/277,1/024) (0/088,0/277,1/024) (054/0,213/0,0/901) (081/0,253/0,0/988) (079/0,248/0,1/004) (072/0,225/0,0/941) (052/0,206/0,0/883)
ضعف در تحقیق و توسعه (0/054,0/217,0/880) (0/111,0/305,1/003) (0/104,0/282,0/940) (0/078,0/246,0/903) (0/093,0/291,1/023) (0/051,0/233,0/960) (0/094,0/296,1/043) (056/0,226/0,0/917) (087/0,271/0,1/006) (084/0,264/0,1/022) (056/0,220/0,0/939) (034/0,199/0,0/879)
منابع انسانی (0/063,0/245,0/900) (0.122,0.337,1.024) (0/114,0/312,0/960) (0/106,0/292,0/992020) (0/125,0/345,1/045) (0/126,0/350,1/065) (0/062,0/266,0/982) (065/0,254/0,0/937) (099/0,303/0,1/028) (115/0,314/0,1/044) (044/0,227/0,0/940) (084/0,265/0,0/937)
شرکای زنجیرۀ تأمین (0/043,0/226,0/902) (0/123,0/340,1/049) (0/073,0/274,0/963) (0/108,0/295,0/943) (0/128,0/349,1/071) (0/128,0/353,1/091) (0/128,0/352,1/091) (042/0,211/0,0/896) (100/0,305/0,1/053) (094/0,295/0,1/069) (086/0,268/0,1/003) (083/0,265/0,0/960)
‎‍حمایت‎‍نکردن دولت (0/080,0/253,0/901) (0/120,0/327,1/005) (0/047,0/240,0/902) (0/042,0/223,0/865) (0/122,0/333,1/026) (0/123,0/338,1/044) (0/122,0/336,1/044) (083/0,264/0,0/938) (049/0,225/0,0/924) (070/0,263/0,1/004) (082/0,257/0,0/960) (100/0,273/0,0/920)
مدیریتی (0/117,0/325,0/999) (0/141,0/390,1/115) (0/129,0/358,1/044) (0/121,0/335,1/002) (0/144,0/396,1/138) (0/126,0/385,1/160) (0/146,0/404,1/160) (122/0,338/0,1/041) (133/0,368/0,1/118) (066/0,277/0,1/053) (098/0,308/0,1/065) (119/0,327/0,1/020)
فناوری (0/115,0/318,0/999) (0/138,0/382,1/115) (0/128,0/352,1/044) (0/121,0/331,1/002) (0/141,0/390,1/138) (0/144,0/397,1/160) (0/143,0/396,1/160) (119/0,331/0,1/041) (110/0,341/0,1/118) (108/0,334/0,1/136) (052/0,238/0,0/982) (095/0,300/0,1/020)
سازمانی (0/103,0/281,0/959) (0/104,0/318,1/071) (0/091,0/288,1/002) (0/045,0/232,0/923) (0/104,0/322,1/092) (0/106,0/328,1/113) (0/106,0/327,1/113) (109/0,294/0,0/999) (115/0,316/0,1/073) (093/0,291/0,1/091) (085/0,265/0,1/023) (042/0,201/0,0/897)
 
در گام بعدی با فازیزدایی بهروش تبدیل اعداد فازی به امتیازهای قطعی (CFCS)، ماتریس ارتباط کامل قطعی به ‌دست آمد. جدول (8) این ماتریس را نشان می‌دهد.
جدول8- ماتریس ارتباط کامل
Table 8- Total-relation matrix
مالی و
 اقتصادی مشتریان و
 بازار رقبا جهت‌گیری
 استراتژیک امنیت سایبری ضعف در تحقیق و توسعه منابع انسانی شرکای
 زنجیرۀ تأمین ‎‍ حمایت‎‍نکردن
 دولت مدیریتی فناوری سازمانی
مالی و
 اقتصادی 31/0 445/0 415/0 399/0 438/0 462/0 462/0 399/0 382/0 433/0 359/0 373/0
مشتریان و
 بازار 311/0 321/0 336/0 322/0 405/0 412/0 411/0 304/0 386/0 370/0 337/0 295/0
رقبا 315/0 386/0 296/0 324/0 374/0 4/0 4/0 347/0 376/0 374/0 304/0 353/0
جهت‌گیری استراتژیک 380/0 407/0 409/0 319/0 448/0 457/0 456/0 38/0 427/0 412/0 355/0 352/0
امنیت سایبری 299/0 348/0 322/0 309/0 313/0 38/0 38/0 312/0 357/0 356/0 31/0 303/0
ضعف در تحقیق و توسعه 315/0 401/0 374/0 36/0 395/0 342/0 402/0 328/0 378/0 376/0 309/0 3/0
منابع
 انسانی 332/0 42/0 391/0 375/0 429/0 437/0 362/0 345/0 397/0 409/0 304/0 353/0
شرکای زنجیرۀ تأمین 318/0 425/0 362/0 38/0 436/0 443/0 442/0 307/0 402/0 398/0 344/0 356/0
‎‍ حمایت‎‍نکردن دولت 34/0 411/0 328/0 314/0 418/0 426/0 425/0 353/0 323/0 365/0 33/0 358/0
مدیریتی 402/0 467/0 432/0 415/0 476/0 471/0 485/0 419/0 454/0 379/0 376/0 407/0
فناوری 398/0 462/0 429/0 413/0 472/0 481/0 48/0 415/0 434/0 434/0 315/0 388/0
سازمانی 346/0 386/0 355/0 305/0 392/0 4/0 4/0 361/0 389/0 374/0 269/0 276/0
 
جدول (9) میزان تأثیرگذاری هر مانع بر دیگر موانع (D)، درجۀ تأثیرپذیری هر مانع از دیگر موانع (R)، میزان تعامل (D+R) و قدرت تأثیرگذاری خالص (D-R) هر مانع را نشان میدهد.
براساس جدول (9)، موانع مدیریتی، فناوری و مالی - اقتصادی به ترتیب تأثیرگذارترین و ضعف R&D و منابع انسانی، تأثیرپذیرترین موانع‎‍اند. شکل (1) الگوی روابط معنیدار را نشان میدهد. این الگو در قالب یک نمودار است که در آن محور طولی مقادیر D+R و محور عرضی براساس D-R است. موقعیت هر مانع با نقطهای به مختصات (D+R, D-R) معین میشود.
جدول 9- میزان تأثیرگذاری موانع
Table 9- The effectiveness of barriers
موانع D R D+R D-R
مالی و اقتصادی 876/4 066/4 942/8 81/0
مشتریان و بازار 211/4 88/4 092/9 -669/0
رقبا 247/4 449/4 697/8 -202/0
جهتگیری استراتژیک
801/4 235/4 036/9 566/0
امنیت سایبری 99/3 996/4 986/8 -006/1
ضعف در تحقیق و توسعه 279/4 109/5 388/9 -83/0
منابع انسانی 555/4 106/5 661/9 -551/0
شرکای زنجیرۀ تأمین 614/4 268/4 882/8 345/0
‎‍حمایت‎‍نکردن دولت 392/4 706/4 098/9 -314/0
مدیریتی 183/5 68/4 863/9 503/0
فناوری 121/5 912/3 033/9 209/1
سازمانی 254/4 115/4 37/8 139/0
 
شکل 1- الگوی روابط
Fig. 1- Relationship pattern
موانعی که در بالای محور افقی قرار میگیرند‎‍(D-R>0)، شدت اثر خالص آنها مثبت است و با عنوان شاخصهای علّی، محرک یا تأثیرگذار دستهبندی میشوند؛ بنابراین موانع فناوری، مالی و اقتصادی، سازمانی، جهتگیری استراتژیک و شرکای زنجیرۀ تأمین و مدیریتی علّی‎‍اند. موانعی که در پایین محور افقی قرار میگیرند‎‍(D-R <0)، شدت اثر خالص آنها منفی است و با عنوان شاخصهای معلول، وابسته یا تأثیرپذیر دستهبندی میشوند. موانع منابع انسانی،‎‍ حمایت‎‍نکردن دولت، مشتریان و بازار، ضعف در تحقیق و توسعه، امنیت سایبری و رقبا معلول‎‍اند. هر‎‍چه موانع از محور افقی فاصلۀ بیشتری داشته باشند، نشاندهندۀ اثرگذاری با اثرپذیری بیشتر آنهاست. همچنین هرچه بهسمت راست نمودار حرکت شود، موانع اهمیت بیشتری پیدا میکنند؛ زیرا مجموع تأثیرگذاری و تأثیرپذیری‎‍شان بیشتر میشود. به عبارت دیگر موانعی که تعامل بیشتری با دیگر موانع داشته باشند، دارای اهمیت بالاتری هستند.
5- بحث
یافتههای دیمتل فازی به رتبهبندی موانع پذیرش صنعت 4.0 بر‎‍اساس میزان تأثیر آنها بر یکدیگر و گروهبندی آنها به دستههای علت و معلول منجر شد. تحلیل علت و معلول، دانش و بینش عمیقی به سیاستگذاران و مدیران برای درک روابط متقابل بین موانع و تمرکز بر موانع مهمتر بر‎‍اساس قدرت نفوذشان میدهد. شکل (2)، شبکۀ علّی - معلولی موانع را به تفکیک موانع علت (آبیرنگ)، معلول (سبز) و روابط یکطرفه (آبی) و دوطرفه (نارنجی) در صنعت فولاد نشانمیدهد. در ماتریس ارتباط کامل (جدول 8)، مقادیر کمتر از حد آستانه (TS=0/379) حذف شدند و بر‎‍اساس الگوی روابط معنی‌دار، روابط علّی-معلولی بین عناصر ترسیم شد. برای اعتبارسنجی یافتهها و مدل پژوهش، خروجی پژوهش در اختیار خبرگان صنعت و دانشگاه قرار گرفت تا نسبت‎‍به منطقیبودن روابط بر‎‍اساس دانش و تجربۀ خود اظهارنظر کنند. خبرگان، نتایج و مدل روابط علّی را تأیید کردند.
 
 
شکل2- شبکۀ علی و معلولی
Fig.2- Cause and effect network
مانع مدیریتی، بیشترین تأثیرگذاری و بیشترین تعامل را با دیگر موانع دارد. مانع مدیریتی نقش محوری در عصر صنعت ۴.۰ دارد؛ زیرا بدون حمایت مدیریت ارشد، اجرای فناوریهای صنعت 4.0 موفقیتآمیز نخواهد بود. مدیرانی که فاقد مهارت، تجربۀ مناسب، برنامهریزی آگاهانه و درک صحیح از مزایای فناوریهای صنعت 4.0 هستند، مانع دستیابی به فناوریهای جدید میشوند (Horvath & Szabo, 2019)؛ بنابراین ضروری است که ابتدا مدیران ارشد اهمیت فناوری‎‍های صنعت 4.0 را درک کنند تا آنها را با اولویت بالا در سازمان اجرا کنند. مدیران باید دید باز نسبت‎‍به فناوریهای جدید داشته باشند و محیطی ایجاد کنند که تغییر و نوآوری را در سازمان پرورش ‎‍دهد‎‍. مدیران شرکتهای فولادی باید اعتقاد داشته باشند که صنعت 4.0 دارای مزایای ارزشمندی است. فقدان تعهد از سوی مدیریت ارشد، مانع اصلی اتخاذ فناوریهای صنعت 4.0 است؛ زیرا مدیران تمایل دارند که با روشها و فناوریهای سنتی کار و از ریسک و ترس از شکست اتخاذ و اجرای فناوریهای جدید اجتناب کنند. در پژوهشهای آجمرا و جاین  (2019) و استنتافت و همکاران (2020) نیز مدیریت، مهمترین مانع اجرای موفقیتآمیز صنعت 4.0 شناخته شد.
مانع تأثیرگذار بعدی، فناوری است. این مانع با همۀ 11 مانع دیگر ارتباط دارد. زیرساختهای ناکافی فناوری مانع از پیادهسازی فناوریهای نوظهور میشود و پس از غلبه بر این مانع، امکان رسیدگی به دیگر چالشها وجود خواهد داشت (Moktadir et al., 2018). شرکتها بهدلیل سرمایهگذاری در فناوریهای فعلی، تمایلی به سرمایهگذاری مجدد در فناوریهای صنعت ۴.۰ ندارند (Marquez et al., 2017). شرکتهای فولادی نیز، برای اجرای موفقیتآمیز فناوریهای جدید، به زیرساختهای قوی فناوری اطلاعات، ایجاد شبکۀ ارتباطی یکپارچه و مؤثر، سیستم پشتیبانی کافی، استانداردهای فناوری، سیستمهای ذخیرهسازی داده و ظرفیت و سطح بلوغ بالای جذب فناوری نیاز دارند؛ بنابراین شرکتهای فولادی باید بر تقویت فناوریها برای پذیرش روان صنعت 4.0 تمرکز کنند. در مطالعات وانخده و وینوده (2021)، میش را و همکاران (2023) و کوردیرو و همکاران (2024) نیز، فناوری چالش کلیدی پذیرش صنعت 4.0 در شرکتهای تولیدی شناسایی شد.
سومین مانع تأثیرگذار، مالی و اقتصادی است که با 9 مانع دیگر ارتباط دارد. محدودیتهای مالی، یک مانع بزرگ برای پذیرش و اجرای صنعت 4.0 است. هزینۀ سرمایهگذاری برای صنعت ۴.۰ بسیار زیاد است و همۀ شرکتهای علاقهمند آن را در دسترس ندارند و با محدودیتهای بودجهای مواجه‎‍اند. سرمایهگذاری بالا در زیرساختهای اینترنت اشیا، ‎‍‎‍یک نگرانی عمده در صنعت 4.0 در نظر گرفته میشود (Mukhopadhyay & Suryadevara, 2014). علاوه بر هزینۀ اولیۀ زیاد، در آینده نیز برای پشتیبانی از پیشرفتهای جدید فناوری، به بودجۀ اضافی نیاز است (Park, 2017)؛ اما شرکت‎‍های فولادی باید این پول را با دید سرمایهگذاری ببینند که در آینده با مزایای به ‌دست آمده از اجرای صنعت 4.0 پوشش داده میشود. دولت‎‍ برای حرکت شرکتها بهسمت فناوریهای تحولآفرین، تسهیلات و یارانه در نظر می‎‍گیرد. شابور و همکاران (2023) نیز، نیاز به سرمایهگذاری زیاد را مهمترین مانع صنعت 4.0 شناسایی کردند. هر سه مانع مهم مدیریتی، فناوری و مالی – اقتصادی، موانع علّی‎‍اند؛ یعنی تمرکز بر برطرف‎‍کردن آنها، به رفع و کاهش اثر منفی دیگر موانع کمک میکند؛ برای مثال، مانع مدیریتی بر موانع سازمانی، منابع انسانی، جهتگیری استراتژیک، مالی و ضعف R&D تأثیر دارد؛ بنابراین در شرکتی که تعهد و حمایت کافی مدیریت عالی از اجرای صنعت 4.0 وجود دارد، برطرف‎‍کردن موانع و چالشهای دیگر نیز، راحتتر خواهد بود.
6- نتیجهگیری
در عصر دیجیتالیشدن، برای سازمانها ضروری است که فناوریهای نوظهور از‎‍جمله صنعت 4.0 را برای تقویت سیستم‎‍های تولید و لجستیک خود به کار گیرند. صنعت 4.0 انقلابی در صنایع خدماتی و تولیدی است. کاربرد فناوری‎‍های صنعت چهار در شرکتهای فولادی، به بهینهسازی کل زنجیرۀ تولید، تنظیم آنلاین فرایندها، بهبود انعطافپذیری و قابلیت اطمینان فرایندها و بهبود کیفیت محصول کمک میکند (Rauch et al. 2020). سازمانهای تولیدی، برای تضمین رقابتپذیری باید بر مقابله با چالشهای صنعت 4.0 تمرکز کنند. پژوهش حاضر، موانع پذیرش و اجرای فناوری‎‍های صنعت ۴.۰ را در بخش تولید فولاد بررسی کرد. در ابتدا با بررسی پیشینۀ پژوهش، 15 مانع شناسایی شد؛ سپس با روش دلفی فازی، 12 مانع‎‍ تأیید و در گام بعدی با روش دیمتل فازی، موانع تأثیرگذار و تأثیرپذیر مشخص شد. موانع مدیریتی، فناوری و مالی – اقتصادی، مهمترین موانع شناسایی شدند که بیشترین تأثیر را بر دیگر موانع دارند. بر این اساس، با برنامهریزی مناسب برای رفع این موانع تأثیرگذار، انتظار میرود که موانع دیگر هم برطرف شوند؛ بنابراین مدیران باید با رفع این موانع، زمینه را برای پذیرش و اجرای فناوریهای صنعت 4.0 فراهم کنند.
برای ارتقای اعتبار و تعمیم‌پذیری یافته‌های پژوهش حاضر، به‎‍ویژه الگوی علّی موانع پذیرش صنعت 4.0 که با روش دیمتل فازی و بر‎‍اساس اجماع نظر خبرگان استخراج شده است، پیشنهاد می‌شود در پژوهش‌های آتی، از روش‌های کمی استفاده شود. در این راستا، استفاده از تحلیل عاملی اکتشافی، گام اولیۀ ضروری است تا ضمن گروه‌بندی موانع و تقلیل آنها به تعدادی عامل پنهان یا مفاهیم کلی‌تر، یک پرسش‎‍نامۀ معتبر و پایا برای اندازه‌گیری این سازه‌ها توسعه یابد. در گام دوم،‎‍ مدل علّی به‌ دست ‌آمده از دیمتل فازی، مدل مفهومی در نظر گرفته و بر‎‍اساس آن، فرضیات علّی مشخصی میان موانع تدوین می‎‍شود؛ ‎‍سپس با جمع‌آوری داده‌های کمی با استفاده از پرسش‎‍نامه‌های مقیاس‌بندی‌شده مانند لیکرت، از تحلیل عاملی تأییدی در چارچوب مدل‌سازی معادلات ساختاری بهره برده می‎‍شود. ابزارهایی مانند AMOS یا SmartPLS، برای تأیید برازش مدل اندازه‌گیری و آزمون معناداری روابط علّی فرضیه‌سازی‌شده استفاده می‎‍شوند و این امر، امکان اعتبارسنجی کمی و آماری نتایج اکتشافی و کیفی دیمتل فازی را در مقیاس بزرگ‌تر‎‍ فراهم می‌کند.
در پژوهشهای آتی، کارایی اجرای فناوریهای صنعت 4.0 شرکتهای فولادی‎‍ با تحلیل پوششی دادههای شبکهای و پویا محاسبه و برای شرکتهای ناکارا، الگوهای کارا معرفی می‌شود. با توجه به اینکه اجرای فناوریهای صنعت 4.0 مجموعهای از ورودیها مانند نیروی انسانی و منابع مالی را مصرف میکند، مدلهای تحلیل پوششی دادهها برای ارزیابی مناسب‎‍اند. با توجه به اینکه رسیدن به مزایای اجرای صنعت 4.0 زمانبر است، بنابراین باید از مدلهای پویای تحلیل پوششی دادهها استفاده کرد که آثار زمانی را در نظر میگیرند‎‍. با توجه به اینکه مانع مدیریتی، مهمترین مانع در صنعت فولاد شناسایی شد، در پژوهشهای دیگر‎‍، ویژگیهای مورد نیاز مدیران صنعت 4.0 و طراحی مدل شایستگی آنان شناسایی می‎‍شود. لزوماً مدیران موفق گذشته، در عصر صنعت 4.0 موفق نخواهند بود. 

 

Ajmera, P., & Jain, V.(2019). Modelling the barriers of Health 4.0–the fourth healthcare industrial revolution in India by TISM. Operations Management Research, 12, 129-145. https://doi.org/10.1007/s12063-019-00143-x.
Basl, J. (2017). Pilot study of readiness of Czech companies to implement the principles of Industry 4.0. Management and Production Engineering Review, 8, 2. https://doi.org/10.1515/mper-2017-0012.
Branca, T. A., Fornai, B., Colla, V., Murri, M. M., Streppa, E. & Schröder, A. J. (2020). The challenge of digitalization in the steel sector. Metals, 10(2), 288. https://doi.org/10.3390/met10020288.
Bui, T. D., Tsai, F. M., Tseng M. L. & Ali, M. H. (2020). Identifying sustainable solid waste management barriers in practice using the fuzzy Delphi method. Resources, Conservation & Recycling, 154, 1-14. https://doi.org/10.1016/j.resconrec.2019.104625
Chauhan, C., Singh, A., Luthra, S. (2020). Barriers to Industry 4.0 adoption and its performance implications: An empirical investigation of emerging economy. Journal of cleaner production, 285. https://doi.org/10.1016/j.jclepro.2020.124809.
Cipriani, M., Goldberg, L. S. & La Spada, G. (2023). Financial sanctions, SWIFT, and the architecture of the international payment system. Journal of Economic Perspectives, 37(1), 31-52. https://doi.org/10.1257/jep.37.1.31.
Dalenogare, L.S., Benitez, G.B., Ayala, N.F. & Frank, A.G. (2018). The expected contribution of Industry 4.0 technologies for industrial performance. International Journal of Production Economics, 204(2018), 383–394. https://www.sciencedirect.com/science/article/pii/S0925527318303372.
Deren, A. M., Kamińska, A. M., Rutkowska, M. & Skonieczny, J. (2023). Creativity as a Strategic Orientation of Industry 4.0 Organizations in the Conditions of Sustainable Development. Scientific Papers of Silesian University of Technology, 22, 4. http://doi.org/10.29119/1641-3466.2023.187.6.
Hariom, R., Rajak, S. & Kumar, A. )2024). An Analytical Framework for Analysing Barriers for the Implementation of Industry 4.0. Journal of The Institution of Engineers, 10(5), 401-416. https://doi.org/10.1007/s40032-024-01072-w.
Herzog, K., Winter, G., Kurka, G., Ankermann, K., Binder, R., Ringhofer, M., Maierhofer, A. & Flick, A. (2017). The digitalization of steel production. BHM Berg-und Hüttenmännische Monatshefte, 162)11(, 504-513. https://doi.org/10.1007 / s00501-017-0673-9.
Horvath, D. & Szabo, R.Z. (2019). Driving forces and barriers of Industry 4.0: Do multinational and small and medium-sized companies have equal opportunities?. Technological forecasting and social change, 146, 119-132. https://doi.org/10.1016/j.techfore.2019.05.021.
Ibrahim, A. & Kumar, G. (2024). Selection of Industry 4.0 technologies for Lean Six Sigma integration using fuzzy DEMATEL approach. International Journal of Lean Six Sigma, 15, 1025-1042. https://doi.org/10.1108/IJLSS-05-2023-0090.
Ishikawa, A., Amagasa, M., Shiga, T., Tomzawa, G., Tatsuta, R. & Mieno, H. (1993). The max-min Delphi method and fuzzy Delphi method via fuzzy integration. Fuzzy Sets System, 55 (3). https://doi.org/10.1016/0165-0114(93)90251-c.
Jabbour, L. S., Jabbour, C. J. C, Godinho F. M. & Roubaud, D.(2018). Industry 4.0 and the circular economy: a proposed research agenda and original roadmap for sustainable operations. Annals of Operations Research, 270(1). https://doi.org/10.1007/S10479-018-2772-8.
Kamble, S. S., Gunasekaran, A. & Sharma, R. (2018). Analysis of the driving and dependence power of barriers to adopt industry 4.0 in Indian manufacturing industry. Computers in Industry, 101, 107-119. https://doi.org /10.1016/j.compind.2018.06.004.
Kelishomi, A. M., Nistico, R. (2024). Economic sanctions and informal employment. Labour Economics, 89. https://doi.org/10.1016/j.labeco.2024.102581.
Kraft, P., Helm, R. & Dowling, M. (2021). New business models with Industrie 4.0 in the German Mittelstand. International Journal of Technology, Policy and Management, 21(1), 47. https://doi.org/abs/10.1504/IJTPM.2021.114308.
Kumar, P., Singh, R. K. & Kumar, V. (2020). Managing supply chains for sustainable operations in the era of industry 4.0 and circular economy: Analysis of barriers. Resources, conservation and recycling, 164, 4. https://doi.org/10.1016/j.resconrec.2020.105215.
Lee, K.L., Roesinger, A. & Hommel, U. (2022). Development and Practice of Industry 4.0 in China—Practical Experience of a German Industrial Software Company in China. Sci, 4(3), 28. https://doi.org/10.3390/sci4030028.
Lin, C., J. & Wu, W. W. (2008). A causal analytical method for group decision-making under fuzzy environment. Expert Systems with Applications, 34, 205-213.
Mahmood, A., Ali, A.A., Nazam, M. & Nazim, M. (2021). Developing an interplay among the psychological barriers for the adoption of industry 4.0 phenomenon. PloS one, 16, 8. https://doi.org/10.1371/journal.pone.0255115.
Marques, M., Agostinho, C., Zacharewicz, G. & Jardim-Gonçalves, R. (2017). Decentralized decision support for intelligent manufacturing in industry 4.0. Journal of Ambient Intelligence and Smart Environments, 2017, journals.sagepub.com. https://journals.sagepub.com/doi/abs/10.3233/AIS-170436.
Mazroui, E. & Kheirkhah, Z. (2023). Industry 4.0 Outcome Model in Healthcare: A Fuzzy Total Interpretive Structural Modeling Approach. Journal of Health Information Management, 20, 1. https://doi.org/10.48305/him.2023.41702.11110. (In Persian)
Mishra, R., Singh, R. K. & Gunasekaran, A. (2023). Adoption of industry 4.0 technologies for decarbonisation in the steel industry: self assessment framework with case illustration. Annals of Operations Research, 12, 3. https://doi.org/10.1007/s10479-023-05440-0.
Moktadir, M. A., Ali, S. M., Kusi-Sarpong, S., & Shaikh, M. A. A. (2018). Assessing challenges for implementing Industry 4.0: Implications for process safety and environmental protection. Process Safety and Environmental Protection, 117, 730–741. https://doi.org/10.1016/j.psep.2018.04.020.
Mukhopadhyay, S.C., Suryadevara, N.K. (2014). Internet of Things: Challenges and Opportunities. In: Mukhopadhyay, S. (eds) Internet of Things. Smart Sensors, Measurement and Instrumentation, 9, 1-17. https://doi.org/10.1007/978-3-319-04223-7_1.
Müller, J. M., Kiel, D. & Voigt, K. I. (2018). What drives the implementation of Industry 4.0? The role of opportunities and challenges in the context of sustainability. Sustainability, 10)1(, 1-24. https://doi.org/10.3390/SU10010247.
Opricovic, S. & Tzeng, G.H. (2003). Defuzzification within a multicriteria decision model. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 11)5(, 635-652. https://doi.org/10.1142/S0218488503002387.
Ozkan-Ozen, Y.D., Kazancoglu, Y. & Mangla, S. K. (2020). Synchronized barriers for circular supply chains in industry 3.5/industry 4.0 transition for sustainable resource management. Resources, Conservation and Recycling, 161. https://doi.org/10.1016/j.resconrec.2020.104986.
Palazzeschi, L., Bucci, O. & Di Fabio, A. (2018). Re-thinking innovation in organizations in the industry 4.0 scenario: New challenges in a primary prevention perspective. Frontiers in psychology, 9. https://doi.org/10.3389/fpsyg.2018.00030.
Park, S. C. (2017). The Fourth Industrial Revolution and implications for innovative cluster policies. Ai & Society, 33,4. https://doi.org /10.1007 / s00146-017-0777-5.
Pourmehdi, M., Paydar, M.M., Ghadimi, P & Azadnia, A.H. (2022). Analysis and evaluation of challenges in the integration of Industry 4.0 and sustainable steel reverse logistics network. Computers & Industrial Engineering, 163. https://doi.org / 10.1016/j.cie.2021.107808.
Raj, A., Dwivedi, G., Sharma, A., Sousa Jabbour, A. B. L., & Rajak, S. (2019). Barriers to the adoption of industry 4.0 technologies in the manufacturing sector: An inter-country comparative perspective. International Journal of Production Economics, 224, 1-17. https://doi.org/10.1016/j.ijpe.2019.107546.
Rauch, E., Unterhofer, M., Rojas, R.A., Gualtieri, L., Woschank, M. &  Matt, D.T.(2020).  A Maturity Level-Based Assessment Tool to Enhance the Implementation of Industry 4.0 in Small and Medium-Sized Enterprises. Sustainability, 2020•mdpi.com. https://www.mdpi.com/2071-1050/12/9/3559.
Sarkar, B. D. & Shankar, R. (2021). Understanding the barriers of port logistics for effective operation in the Industry 4.0 era: Data-driven decision making. International Journal of Information Management Data Insights, 1, 2. https://doi.org/10.1016/j.jjimei.2021.100031.
Senna, P.P., Ferreira, L.M.D.F., Barros, A.C., Roca, J.B & Magalhaes, V. (2022). Prioritizing barriers for the adoption of Industry 4.0 technologies. Computers & Industrial Engineering, 171. https://doi.org/10.1016/j.cie.2022.108428.
Shabur, A., Rahman, K.A & Siddiki, R. (2023). Evaluating the difculties and potential responses to implement Industry 4.0 in Bangladesh’s steel sector. Journal of Engineering and Applied Science, 70, 1. https://doi.org/10.1186/s44147-023-00336-z.
Stentoft, J., Wickstrøm, K.A., , Philipsen, K., & Haug, A. (2020). Drivers and barriers for Industry 4.0 readiness and practice: empirical evidence from small and medium-sized manufacturers. Production Planning & Control, 32)5(, 1-18. 2021. https://doi.org/10.1080/09537287.2020.1768318.
Tortorella, G. L. & Fettermann, D. (2018). Implementation of Industry 4.0 and lean production in Brazilian manufacturing companies. International journal of production research, 56. https://doi.org/abs/10.1080/00207543.2017.1391420.
Tuni, A., Ijomah, W. L., Gutteridge, F., Mirpourian, M., Pfeifer, S. & Copani, G. (2023). Risk assessment for circular business models: A fuzzy Delphi study application for composite materials. Journal of Cleaner Production, 389. https://doi. org/10.1016/j.envc.2021.10023.
Wales, W. J., Kraus, S., Filser, M., Stockmann, C. & Covin, J. G. (2021). The status quo of research on entrepreneurial orientation: Conversational landmarks and theoretical scaffolding. Journal of Business Research, 128, 564-577. https://doi.org/j.jbusres.2020.10.046.
Wankhede, V. A. & Vinodh, S. (2021). Analysis of Industry 4.0 challenges using best worst method: A case study. Computer & Industrial Engineering, 159. https://doi.org/10.1016/j.cie.2021.107487.
Wu, W. W. & Lee, Y. T. (2007). Developing global managers competencies using the fuzzy DEMATEL method. Expert systems with applications, 32)2(, 499-507. https://doi.org/10.1016/j.eswa.2005.12.005.
Zunino, C., Valenzano, A., Obermaisser, R. & Petersen, S. (2020). Factory Communications at the Dawn of the Fourth Industrial Revolution. Computer Standards & Interfaces, 71. https://doi.org/10.1016/j.csi.2020.103433.