مدل‌سازی دینامیکی پایداری و تاب‌آوری در سیستم‌های تولیدی: تلفیق چهار زیرسیستم توسعۀ پایدار

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

دانشکده مهندسی صنایع، دانشگاه یزد، یزد، ایران

چکیده

این مطالعه، یک مدل پویایی‌شناسی سیستم یکپارچه را برای طراحی و ارزیابی سیاست‌هایی با هدف افزایش پایداری، تاب‌آوری و عملکرد در زیرسیستم‌های به هم پیوستۀ اقتصادی، زیست‌محیطی، اجتماعی و نهادی ارائه می‌دهد. با استفاده از حلقه‌های بازخورد پویا و شبیه‌سازی‌های مبتنی بر سناریو، این مدل نقاط اهرم مهمی را شناسایی می‌کند و به توسعۀ استراتژی‌های سازگار و بلندمدت برای حمایت از تولید پاک‌تر و توسعۀ پایدار منجر می‌شود. مطابق نتایج، سرمایه‌گذاری‌های استراتژیک پایدار در تحقیق و توسعه باعث رشد اقتصادی، کارایی فنی و پذیرش نوآوری می‌شود. تجزیه و تحلیل زیرسیستم زیست‌محیطی، بر ضرورت حکمرانی یکپارچۀ چندبخشی و سرمایه‌گذاری در مقیاس بزرگ در فناوری‌های پاک، به کاهش آلودگی و تاب‌آوری اکوسیستم تأکید می‌کند. سیاست‌های اجتماعی افزایش‌بخش کیفیت زندگی از‎‍طریق بهداشت و آموزش، روندهای جمعیتی را تثبیت و از عرضۀ پایدار نیروی کار حمایت می‌کنند. علاوه بر این، نتایج نشان می‌دهد که اصلاحات نهادی‎‍ همراه با بهبود حکمرانی، فساد را کاهش داده است، انسجام سیاست‌گذاری را بهبود بخشیده و تاب‌آوری را برای مسیرهای تصمیم‌گیری آینده، افزایش داده است. این رویکرد جامع و چندبعدی، یک چارچوب تصمیم‌گیری قوی را برای سیاست‌گذاران فراهم می‌کند تا مسیرهای تولید پاک‌تری را هدایت کنند و رشد اقتصادی، رفاه اجتماعی، نظارت بر محیط‎‍زیست و اثربخشی نهادی در سیستم‌های اجتماعی-فنی پیچیده و در حال تحول، متعادل شوند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Dynamic Modelling of Sustainability and Resilience in Industrial Ecosystems: Integrating four Subsystems of Sustainable Development

نویسندگان [English]

  • Azadeh Rezaei
  • Yahia Zare Mehrjerdi
  • Mohammad Saleh Owlia
  • Hasan Khademi Zare
Department of Industrial Engineering, Yazd University, Yazd, Iran
چکیده [English]

Purpose : This paper aims to develop and validate an integrated system dynamics model for analysing the dynamic interactions between sustainability and resilience in industrial ecosystems through the simultaneous consideration of four interdependent sustainability subsystems: economic, environmental, social and institutional. Motivated by the increasing complexity of industrial ecosystems and the inability of conventional linear models to capture nonlinear feedback relationships, the study seeks to explain how these interconnected dimensions influence long‑term system behaviour and sustainable production performance. Using Kerman Province, Iran, as a case study, the research investigates how causal interactions among economic growth, environmental resource constraints, social development and institutional governance shape production resilience and identifies high‑leverage intervention points for improving long‑term sustainability while balancing economic prosperity, environmental protection, social well‑being and institutional effectiveness.
Design/methodology/approach : The study adopts a system dynamics methodology to model the complex feedback structures governing sustainability and resilience in industrial ecosystems. An integrated stock‑and‑flow simulation model was developed by combining four interrelated subsystems representing the economic, environmental, social and institutional dimensions of sustainable development. The model incorporates causal loop diagrams and feedback mechanisms derived from the sustainability and resilience literature and is calibrated using data from Kerman Province. Model structure and behaviour were verified through the Extreme Conditions Test, Model Structure Verification Test and scenario‑based validation using Vensim. Multiple policy scenarios were simulated to examine the effects of research and development (R&D) investment, agricultural water‑demand management, quality‑of‑life improvements and institutional reforms. Comparative scenario analysis evaluated their effects on gross domestic product, production performance, resource availability, pollution, demographic trends, governance quality and system resilience.
Findings : Sustainability and resilience emerge from the interaction of all four subsystems rather than from isolated interventions. Sustained investment in R&D generates long‑term improvements in gross domestic product, production output, technical efficiency and innovation adoption, whereas limited investment produces only marginal gains. Aggressive investment in agricultural water‑demand management, pollution control and ecosystem restoration is essential for achieving environmental sustainability and resilient production systems, while moderate interventions provide only temporary improvements. Social policies that improve healthcare, education and quality of life stabilise demographic trends, reduce mortality and strengthen the long‑term labour force. Institutional reforms that enhance government effectiveness, accountability, rule of law and anti‑corruption measures improve governance quality and adaptive capacity. Comparative scenario analysis indicates that water‑demand management has the greatest influence on long‑term production sustainability, followed by quality‑of‑life improvements, institutional effectiveness and R&D investment. Overall, coordinated policy implementation across the four sustainability dimensions produces greater resilience and sustainability than isolated sectoral policies.
Research limitations/implications : The system dynamics model necessarily simplifies complex real‑world interactions, which may limit representation of all behavioural dynamics. The empirical analysis focuses on a single case study in Kerman Province, limiting direct generalisation to other regions or industrial contexts. In addition, calibration and validation relied partly on incomplete or historical datasets, requiring certain assumptions and parameter estimation. Future research should apply the framework to different manufacturing sectors and regions, incorporate more comprehensive real‑time datasets, integrate additional sustainability dimensions and combine system dynamics with complementary modelling approaches to improve predictive capability and external validity.
Practical implications : The proposed framework provides policymakers, industrial managers and sustainability practitioners with a decision‑support tool for evaluating long‑term policy alternatives before implementation. The results suggest that sustained investment in R&D, cleaner production technologies, integrated water‑resource management, environmental restoration, education, healthcare and institutional reform should be prioritised to improve manufacturing resilience and sustainability. The model enables decision‑makers to identify leverage points, anticipate unintended consequences and coordinate interventions across economic, environmental, social and institutional domains, thereby improving resource efficiency, operational resilience and long‑term production performance.
Social implications : Sustainability policies extending beyond economic performance can generate substantial societal benefits. Improvements in education, healthcare and quality of life contribute to healthier demographic structures, stronger labour‑force stability and enhanced social well‑being. Environmental policies that reduce pollution and conserve water resources improve ecosystem resilience and support long‑term community welfare. Strengthening governance, transparency and institutional effectiveness also promotes public trust, reduces corruption and improves policy implementation. The framework therefore provides evidence for governments seeking to promote sustainable industrial development while enhancing environmental quality, social equity and institutional resilience.
Originality/value : The principal contribution of this study lies in integrating the four core dimensions of sustainable development (economic, environmental, social and institutional) within a single system dynamics framework that explicitly incorporates resilience into sustainability analysis. Unlike previous studies that examine these dimensions independently, the proposed model captures their nonlinear interactions, feedback mechanisms and long‑term dynamics within industrial ecosystems. By validating the framework through a real‑world case study and identifying policy leverage points that simultaneously improve sustainability and resilience, the study provides both a novel theoretical framework and a practical decision‑support model for policymakers, industrial managers and researchers interested in resilient manufacturing systems.

کلیدواژه‌ها [English]

  • System dynamics
  • Sustainable development
  • Production ecosystems
  • Resiliency
  • Policy simulation

a.               1- مقدمه

توسعۀ پایدار مفهومی چندبعدی است که ثبات بلندمدت ابعاد اقتصادی، اجتماعی، زیست‌محیطی و نهادی را در بر می‌گیرد (Mensah, 2019). اکوسیستم‌های تولیدی، عناصر حیاتی اقتصاد جهانی‎‍اند و باید پایداری و تاب‌آوری را برای تداوم عملکرد و جلوگیری از پیامدهای منفی زیست‌محیطی و اجتماعی در خود ادغام کنند (Dacre et al., 2025). پایداری به‌ معنای پاسخ‌گویی به نیازهای فعلی، بدون آسیب به توان نسل‌های آینده تعریف می‎‍شود و بر سه رکن اصلی حفاظت از محیط‎‍زیست، دوام اقتصادی و عدالت اجتماعی متکی است (Bañon Gomis et al., 2011؛ Mensah, 2019)

با این‌ حال، در شرایط واقعی که با عدم قطعیت و تغییرات پیوسته همراه است، دستیابی به پایداری، نیازمند گنجاندن تاب‌آوری، یعنی توانایی سیستم برای جذب اختلالات، سازگاری با تغییرات و حفظ عملکردهای اصلی است (Walker et al., 2004؛ Folke et al., 2010).  این دیدگاه یکپارچه، مبنای پژوهش حاضر را شکل می‌دهد و تعاملات بین ابعاد چهارگانۀ پایداری را در اکوسیستم‌های تولیدی بررسی می‎‍کند.

پیچیدگی فزاینده و آسیب‌پذیری سیستم‌های تولیدی، نیازمند رویکردهای پویایی است که به‌طور هم‎‍زمان به پایداری و تاب‌آوری توجه داشته باشند (Machado et al., 2019). مدل‌های سنتی خطی قادر به درک حلقه‌های بازخورد و وابستگی‌های متقابل پیچیدۀ این سیستم‌ها نیستند؛ در حالی ‌که مدل‌سازی پویایی‌شناسی سیستم، ابزار مناسبی را برای شبیه‌سازی پویایی بلندمدت این روابط پیچیده در زیرسیستم‌های اقتصادی، زیست‌محیطی، اجتماعی و نهادی فراهم می‌آورد (Zenezini & Marco, 2020؛ Cosenz et al., 2020).

در سیستم‌های تولیدی واقع در مناطق کم‌منابع و حساس به محیط‎‍زیست نظیر استان کرمان، چالش‌هایی نظیر کمبود آب، تخریب محیط‎‍زیست و بی‌ثباتی اجتماعی-اقتصادی وجود دارد که تحلیل دقیق تعامل بین نیروی کار، منابع آبی، حکمرانی، آلودگی و رشد اقتصادی را ضروری می‌‎‍کند (Ghorbani et al., 2021). مطالعۀ حاضر با تکیه بر متغیرهای استخراج‌شده برای هر زیرسیستم (Rezaei et al., 2023)، مدلی پویا را توسعه داده است که چهار بعد کلیدی پایداری اقتصادی، زیست‌محیطی، اجتماعی و نهادی را شامل می‌شود. این مدل در قالب یک مطالعۀ موردی بر استان کرمان، پویایی رفتار بلندمدت سیستم‌های تولیدی را شبیه‌سازی می‎‍کند و با هدف شناسایی نقاط اهرمی، بر طراحی استراتژی‌هایی برای بهبود پایداری و تاب‌آوری متمرکز است.

با وجود پیشرفت‌های انجام‎‍شده، شکاف‌های پژوهشی متعددی باقی مانده است: ابتدا‎‍ بیشتر مطالعات، زیرسیستم‌های پایداری را به‌صورت مجزا بررسی می‎‍کنند و فاقد یکپارچگی میان ابعاد مختلف‎‍اند؛ دوم، تاب‌آوری معمولاً به‌صورت مستقل و نه در قالب مدل‌های یکپارچه تحلیل شده ‌است؛ سوم، کمبود مطالعات تجربی در زمینۀ به‌کارگیری مدل‌های پویایی‌شناسی سیستم در سیستم‌های تولیدی واقعی، همچنان محسوس است؛ امری که برای اعتباربخشی نظریه‌ها و تقویت اثرگذاری سیاستی ضروری است.

در پاسخ به این شکاف‌ها، اهداف این مطالعه به شرح زیر است:

  1. توسعۀ یک مدل پویایی‌شناسی سیستم یکپارچه شامل چهار زیرسیستم کلیدی پایداری؛
  2. مدل‌سازی پویایی پایداری و تاب‌آوری در سیستم‌های تولیدی؛
  3. اعتبارسنجی مدل از‎‍طریق مطالعۀ موردی در استان کرمان.

b.    هدف این پژوهش، تبیین و شبیه‌سازی پویایی پایداری و تاب‌آوری در سیستم تولیدی استان کرمان از‎‍طریق یک مدل جامع پویایی‌شناسی سیستم است. این مطالعه می‌کوشد مشخص کند که چگونه تعامل متغیرهای اقتصادی، زیست‌محیطی، اجتماعی و نهادی رفتارهای مشاهده‌شده، همچون نوسانات تولید اقتصادی، کاهش منابع آب، انباشت آلودگی و رشد کاهنده، جمعیت را شکل می‌دهد و چگونه‎‍ این رفتارها‎‍ در قالب یک ساختار بازخوردی بازتولید و تحلیل می‎‍شود. هدف اصلی آن است که سازوکارهای علی-معلولی ایجادکنندۀ این الگوهای ناپایدار شناسایی و زمینه برای ارزیابی سیاست‌های مختلفی فراهم شود که سیستم را به‎‍سوی مسیر پایدارتر و تاب‌آورتر هدایت می‎‍کنند. این پژوهش با ارائۀ یک چارچوب تصمیم‌سازی مبتنی بر مدل‌سازی پویا، می‎‍کوشد نشان دهد کدام مسیرهای سیاستی قادرند بهره‌وری اقتصادی را در بلندمدت تقویت کنند، فشار زیست‌محیطی را کاهش دهند، کیفیت زندگی اجتماعی را بهبود بخشند و در‎‍نهایت ساختار نهادی را برای تحقق توسعۀ پایدار تقویت کنند.

c.                2- مفاهیم، مبانی نظری و بررسی پیشینه

مفاهیم پایداری در اکوسیستم‌های تولیدی ازنظر چهار زیرسیستم اقتصادی، زیست‌محیطی، اجتماعی و نهادی‎‍ بررسی می‎‍شود که با ابعاد سنتی توسعۀ پایدار مطابقت دارند (Elkington, 1998)‎‍‎‍. این زیرسیستم‌ها با روابط غیرخطی و حلقه‌های بازخورد پیچیده در تعامل‎‍اند و پایداری را افزایش یا کاهش می‎‍دهند (Meadows, 2008; Sterman, 2000). مفهوم پایداری از تمرکز اولیه بر رشد اقتصادی، به‌سوی درک روابط متقابل ابعاد چهارگانه تحول یافته است.

توسعۀ پایدار، نوعی تعادل بین رشد اقتصادی و حفاظت از محیط‎‍زیست (Mensah, 2019) است و به تأمین نیازهای نسل حاضر، بدون آسیب به نسل‌های آینده اشاره دارد (WCED, 1987) ‎‍و تاب‌آوری نیز به توانایی سیستم در جذب اختلال و حفظ عملکرد اشاره می‌کند (Folke et al., 2010)‎‍‎‍. این دو مفهوم، مکمل و تقویت‌کنندۀ یکدیگرند و اتخاذ رویکردی یکپارچه برای تحلیل آنها در سیستم‌های تولیدی ضروری است (Dacre et al., 2025). مطالعۀ تمرکز بر هماهنگی رابطۀ بین توسعۀ اقتصادی، حفاظت از محیط‎‍زیست و مصرف انرژی را در کشورهای در حال توسعه، به‌عنوان اهداف پژوهش در نظر گرفته است و برای روشن‎‍شدن ارتباط بین مصرف انرژی، رشد اقتصادی و انتشار گازهای گلخانه‌ای، یک سیستم شبیه‌سازی انرژی-اقتصاد-محیط‎‍زیست[i] توسعه داده شده است که به صرفه‌جویی مالی و پایداری از‎‍طریق بازیافت اشاره دارد. متغیرهای کلیدی شامل تولید ناخالص داخلی[ii]، تولید صنعتی، مصرف کل انرژی و انتشار آلودگی بود. آنها چهار سناریو توسعه، شامل سناریو پایه، توسعۀ سریع، تأخیر در توسعه و توسعۀ هماهنگ را برای تحلیل روندهای توسعۀ مصرف انرژی، توسعۀ اقتصادی و کاهش انتشار زیست‌محیطی برای توسعۀ پایدار در کشورهای در حال توسعه بررسی کردند و به این نتیجه رسیدند که سناریوی توسعۀ هماهنگ در دستیابی به اهداف توسعۀ پایدار، به‎‍ویژه بهبود بهره‌وری انرژی و کاهش تدریجی انتشار گازهای گلخانه‌ای زیست‌محیطی نسبت‎‍به دیگر سناریوها، مؤثرترین سناریو‎‍ بوده است. این مطالعه نشان می‌دهد که نه اولویت‎‍دادن به رشد سریع اقتصادی و نه نادیده‎‍گرفتن نگرانی‌های زیست‌محیطی، به یک مسیر سالم و پایدار منجر نمی‌شود (Wu et al., 2021). مطالعۀ دیگری با بررسی تعاملات پیچیده میان سیستم‌های زیست‌محیطی، اجتماعی و اقتصادی، چالش‌های دستیابی به توسعۀ پایدار را بررسی کرده‎‍ و ناپایداری را نتیجۀ آثار نامطلوب تخریب محیط‌زیست و نبود تعادل اجتماعی می‌داند. نتایج مدل نشان می‌دهد که مسیر فعلی توسعۀ جهانی، هم از‎‍نظر طبیعی و هم از‎‍نظر اجتماعی، ناپایدار است. شبیه‌سازی‌ها نشان می‌دهد که الگوهای توسعۀ اقتصادی ناپایدار و کنترل‌نشده، به تأثیرات منفی درخور ‌توجهی بر تولید ناخالص داخلی منجر می‌شود، به‌ویژه از‎‍طریق تغییرات آب‌وهوایی و آثار آن بر دارایی‌های سرمایه‌ای و بهره‌وری انرژی. آثار اجتماعی‎‍ که بازتاب‌دهندۀ سازگاری اجتماعی با تغییرات آب‌وهوایی‎‍اند، در مدل محدود ظاهر شده‌اند و این موضوع نشان‌دهندۀ محدودیت‌های بالقوه در سازگاری اجتماعی یا نیاز به ادغام گسترده‌تر متغیرهای اجتماعی است. این مطالعه، بهبود ادغام متغیرهای اجتماعی و توسعۀ مدل‌های ترکیبی پویایی سیستم و عامل ‌مبنا را برای پژوهش‌های آینده پیشنهاد می‌کند. این یافته‌ها ناپایداری اجتماعی و زیست‌محیطی مسیر توسعۀ جهانی فعلی را برجسته می‌کنند (Feder et al., 2024).

 برخی از مطالعات، اثربخشی مدل‌های ترکیبی پویایی‌شناسی سیستم را در بهبود پایداری اجتماعی، اقتصادی و زیست‌محیطی نشان داده‌اند؛ برای مثال، پژوهشی یک مدل پویایی سیستم را برای ارزیابی توسعۀ پایدار ارائه و‎‍ تنش‌های میان رشد اقتصادی و رفاه زیست‌محیطی و اجتماعی را بررسی کرده است. مدل شامل پنج زیرسیستم صنعت پارک علمی، جمعیت، مسکن و کاربری زمین، آلودگی محیط‌زیست و اقتصاد شهری بود. نتایج شبیه‌سازی‌ها نشان داد که حداکثرسازی سود صنعتی همراه با حداقل‌سازی آسیب‌های زیست‌محیطی و اجتماعی، شرط اساسی برای توسعۀ پایدار است. سه سناریو شامل رشد اقتصادی، حفاظت محیط‌زیست و مدیریت یکپارچه‎‍ ارزیابی‎‍ و سناریوی مدیریت یکپارچه مؤثرترین گزینه تشخیص داده شد که متعادل‌کنندۀ سودآوری صنعتی، حفاظت محیطی و عدالت اجتماعی بود (Ho & Wang, 2005). پژوهش دیگری، یک مدل پویایی سیستم را برای شبیه‌سازی مدیریت پایداری در شرکت‌های صنعتی توسعه داد‎‍. این مطالعه، روابط میان متغیرهایی مانند آموزش پایداری، مدیریت پسماند، مدیریت اخلاقی، نظارت و دستمزد کارگران را بررسی کرد. مدل، سه بُعد اقتصادی، اجتماعی و زیست‌محیطی پایداری را ادغام کرد. نتایج شبیه‌سازی نشان داد که متغیرهایی همچون آموزش پایداری، مدیریت پسماند، رفتار اخلاقی، نظارت و حداقل دستمزد، عوامل اثرگذارند. همچنین سناریوهای آزمایشی نشان دادند که بهبود مدیریت و کاهش رفتارهای غیراخلاقی، ظرفیت پویای شرکت‌ها را به‌طور درخور توجهی افزایش می‌دهد (Bayu et al., 2022). ‎‍

همچنین، یکی از پژوهش‎‍ها اهمیت نوآوری و رفاه کارکنان را در ارتقای عملکرد سیستم تولید بررسی کرده (Becerra-Fernandez et al., 2022) ‎‍ و پژوهش دیگری نشان داده است که توسعۀ مبتنی بر منابع تجدیدناپذیر ناپایدار است و رویکردی گام‌به‌گام برای مدل‌سازی پویایی سیستم ارائه و با استفاده از یک مدل رشد اقتصاد کلان، مفهوم پایداری را تبیین می‎‍کند. متغیرهای اصلی شامل موجودی سرمایه، تولید، مصرف، پس‌انداز و سرمایه‌گذاری بودند و مدل در ادامه با افزودن عوامل اکولوژیکی، پایداری فیزیکی، اجتماعی و زیست‌محیطی را در بر گرفت. نتایج نشان داد که توسعۀ اقتصادی‎‍ با وجود ظاهر پایدار، با لحاظ تخلیۀ منابع تجدیدناپذیر در بلندمدت ناپایدار می‌شود و تعادل حالت پایدار به‌دلیل کاهش مستمر این منابع،‎‍ حفظ‎‍شدنی نیست. همچنین ادغام متغیرهای اجتماعی مانند رشد جمعیت و حداقل سطح مصرف، مبادلات میان حفظ منابع و تأمین معاش را آشکار و تأکید کرد که حتی با وجود حلقه‌های بازخورد اکولوژیکی، در صورت ادامۀ تخلیۀ منابع تجدیدناپذیر، رکود اقتصادی اجتناب‌ناپذیر خواهد بود (Yamuguchi, 2001). همچنین نتایج مطالعۀ دیگری، بیانگر آن بود که استفاده از روش‌های بازیافت موجب صرفه‌جویی مالی و ارتقای پایداری بلندمدت می‌شود. آنها از مدل‌سازی پویایی سیستم استفاده کردند و بر ادغام شیوه‌های بازیافت و به‎‍کارگیری مجدد با هدف بهبود عملکرد زیست‌محیطی و سودآوری تمرکز داشتند. در این مدل، متغیرهایی مانند جریان مواد، مدیریت پسماند، کیفیت محصول، تصویر سبز شرکت و منابع مالی، عوامل کلیدی مؤثر بر موفقیت مدل پایدار در نظر گرفته شدند. شبیه‌سازی سناریوهای مختلف نشان داد که ادغام بازیافت و استفادۀ مجدد‎‍، به‌ویژه در مناطقی به تأمین پایدار مواد اولیه منجر می‎‍شود که فاقد زیرساخت‌های بازیافت‎‍اند. یافته‌ها بیان می‌کند که هرچند افزایش محتوای مواد بازیافتی ممکن است کیفیت محصول را اندکی کاهش دهد، حفظ کیفیت بالاتر از 85درصد امکان‌پذیر است. همچنین درصد بیشتر مواد بازیافتی، تصویر سبز شرکت را تقویت می‎‍کند و بر تقاضا اثر مثبت دارد، اگرچه این رویکرد باید با توجه به محدودیت‌های فناوری و کیفیت در سطوح پذیرفتنی باقی بماند. عوامل بیرونی نظیر مشوق‌های دولتی و مالیات بر آلودگی نیز، بر تصمیمات مدیریتی تأثیرگذارند. نتایج نهایی نشان می‌دهد که به‌کارگیری شیوه‌های پایدار، موجب صرفه‌جویی در هزینه‌های مواد و بهبود اعتبار برند می‎‍شود و از پایداری اقتصادی و زیست‌محیطی بلندمدت حمایت می‎‍کند (Hosseini & Hosseini, 2022). ‎‍

در حوزۀ تاب‌آوری، پویایی‌شناسی سیستم برای تحلیل سیستم‌های پیچیده مانند تولید و اکوسیستم‌های اجتماعی_اکولوژیکی کاربرد گسترده یافته است. مطالعه‌ای با استفاده از پویایی‌شناسی سیستم، مفهوم «فضای عملیاتی ایمن» را با استفاده از یک مدل پویایی سیستم و اجرای هشت سناریو در بستر سیستم‌های اجتماعی-اکولوژیکی، برای حفظ تاب‌آوری بررسی کردند. نتایج مطالعه تأکید کرد که حفظ سیستم در یک فضای امن، مستلزم‎‍ (1) مدیریت مؤثر بازخوردها برای تقویت تاب‌آوری بلندمدت؛ (2) همکاری و مذاکره در زمینۀ منابع آب فرامرزی‎‍ و (3) بازنگری در سیاست‌های جهانی با آثار منفی بر مقیاس‌های منطقه‌ای است. این یافته‌ها نقش سیاست‌گذاری چندسطحی را در مدیریت پویای سیستم‌های اجتماعی-اکولوژیکی برجسته می‌کند (Hossain et al., 2017). پژوهش دیگری نشان داد مدل‌های پویایی‌شناسی سیستم، قابلیت بهتری در نمایش نوسانات قابلیت اطمینان و ارزیابی تاب‌آوری فرآیندهای صنعتی دارند. نتایج نشان داد که مدل پویایی‌شناسی سیستم، تغییرات زمانی قابلیت اطمینان و نقش مهم نگهداری پیشگیرانه را بهتر منعکس می‌کند (Salzano et al., 2014). در همین راستا، مطالعۀ دیگری تأثیر راهبردهای پیشگیرانه را در بازگشت سیستم به عملکرد مطلوب‎‍ بررسی کردند. آنها مفهوم تاب‌آوری را در سیستم‌های تولیدی، با الهام از سیستم‌های اجتماعی-اکولوژیکی بررسی و با استفاده از مدل‌سازی پویایی سیستم، برنامه‌های بهبود قابلیت اطمینان ماشین را شبیه‌سازی کردند. نتایج نشان داد که رویکردهای واکنشی در مواجهه با افزایش تقاضا، موجب کاهش قابلیت اطمینان و افت عملکرد می‎‍شود؛ در حالی که استراتژی نگهداری پیشگیرانه، توان بازگرداندن سیستم به وضعیت مطلوب را دارد (Rydzak et al., 2006). پژوهش دیگری، شاخص تاب‌آوری پویا را برای ارزیابی تاب‌آوری در سیستم‌های اجتماعی_اکولوژیکی توسعه داد. این شاخص، مجموعه‌ای از مؤلفه‌های کلیدی از‎‍جمله تنوع زیستی، شبکه‌های اجتماعی، نهادها، حکمرانی چندمرکزی، خدمات اکوسیستمی، سرمایۀ فیزیکی، کارایی، دانش تطبیقی و برابری جنسیتی را در یک معیار کمی واحد ادغام می‌کند. این مطالعه همچنین نشان داد که حوزۀ اجتماعی در تحقیقات تاب‌آوری کمتر بازنمایی می‎‍شود و این شکاف‎‍ با ادغام بینش‌های علوم اجتماعی، کاهش می‎‍یابد. در‎‍مجموع، شاخص تاب‌آوری پویا ابزاری کمی برای تکمیل ارزیابی‌های کیفی و انجام مقایسه‌های بین‌سیستمی پیشنهاد شده است (Meirelles, 2018). در سطح تولید، پژوهشی با ترکیب پویایی‌شناسی سیستم و دیمتل فازی، روابط میان عوامل تاب‌آوری و شاخص‌های پایداری را شبیه‌سازی کرد. برای تبیین روابط علی میان عوامل تاب‌آوری، از روش دیمتل فازی استفاده و سپس این روابط در قالب نمودار علی و مدل انباشت-جریان به‌صورت پویا شبیه‌سازی شد. پنج سناریو با وزن‌های متفاوت برای عوامل تاب‌آوری طراحی و شبیه‌سازی‎‍ و به ‌کمک روش تاپسیس، سناریوی بهینه تعیین شد. نتایج نشان داد که یک ترکیب خاص از وزن‌دهی عوامل، بهترین پیامد را ایجاد می‌کند. این پژوهش با تلفیق دیمتل فازی و مدل‌سازی پویایی سیستم، به شکاف موجود در پیشینه،‎‍‎‍ یعنی نبود چارچوب‌های پویا، که هم‎‍زمان عوامل کلیدی تاب‌آوری و شاخص‌های پایداری را در یک مدل یکپارچه لحاظ کنند، پاسخ داده است (Zare Mehrjerdi, 2022).

پویایی‌شناسی سیستم، ابزار مهمی برای تحلیل پویایی اقتصادی در سیستم‌های تولیدی است که پایداری اقتصادی را از‎‍طریق رقابت‌پذیری، نوآوری و بهره‌وری منابع بررسی می‌کند (Porter & Kramer, 2006). سرمایه‌گذاری در فناوری‌های پاک و بهینه‌سازی مصرف منابع، باعث کاهش هزینه، افزایش سود و تقویت تاب‌آوری بازار می‌شود (Kamande & Lokina, 2013) و توسعۀ پایدار نیازمند تعادل میان رشد اقتصادی و مسئولیت‌های اجتماعی_زیست‌محیطی است (Spangenberg, 2004).‎‍ مطالعات با مدل پویایی‌شناسی سیستم، نشان داده‌اند که واکنش فوری سیستم تولید به شوک‌ها ممکن است ناپایداری ایجاد کند، اما سیاست‌گذاری تدریجی پایداری بیشتری دارد. پژوهشی با به‌کارگیری مدل‌سازی پویایی‌شناسی سیستم، پویایی اقتصادی سیستم‌های تولید را در یک مطالعۀ موردی صنعتی تحلیل کردند. تحلیل سناریو نشان داد که واکنش‌های سریع و تهاجمی به شوک‌های تقاضا،‎‍ مانند افزایش فوری نیروی کار،‎‍ بی‌ثباتی و ناکارآمدی ایجاد می‎‍کند؛ در حالی که سیاست‌های تدریجی و هماهنگ با اهداف بلندمدت عملکرد بهتری دارند. یافته‌ها همچنین اهمیت حلقه‌های بازخورد داخلی را برجسته می‌کند؛ به‌گونه‌ای که افزایش ظرفیت بدون توجه به آموزش نیروی کار یا محدودیت‌های عملیاتی، بازده را کاهش می‎‍دهد (Britten & Curiel Sosa, 2020).

همچنین، سرمایه‌گذاری در فناوری سبز و آموزش پرسنل موجب کاهش مصرف انرژی و بهبود بهره‌وری می‌شود. پژوهشی با استفاده از رویکرد پویایی‌شناسی سیستم، پویایی اجرای نوآوری‌های زیست‌محیطی را در شرکت‌های تولیدی، مدل‌سازی کردند. نتایج شبیه‌سازی نشان داد که سرمایه‌گذاری در تجهیزات سازگار با محیط‌‎‍زیست، مصرف انرژی و هزینه‌ها را کاهش می‎‍دهد و حرکت تدریجی را از فناوری‌های سنتی به فناوری‌های سبز‎‍ تسهیل می‌کند. تقاضای بازار و آگاهی زیست‌محیطی نیز، محرک‌های کلیدی پذیرش شیوه‌های پایدار شناسایی شدند. مدل نشان داد که ارتقای مهارت و آموزش کارکنان، نقش اساسی در موفقیت نوآوری‌های زیست‌محیطی دارد (Pérez-Pérez et al., 2021). ‎‍

پویایی‌شناسی سیستم نقش مهمی در تحلیل زیرسیستم زیست‌محیطی در برابر چالش‌هایی چون تغییرات اقلیمی، کاهش منابع طبیعی و آلودگی دارد (Geissdoerfer et al., 2017). ‎‍مطالعه‌ای در بررسی مدیریت زباله، بر نقش تفکیک و استفادۀ مجدد در کاهش آلودگی تأکید کرد. این مطالعه با تمرکز بر چالش‌های دفع نامناسب زباله و تأثیر آن بر تغییرات آب و هوا و سلامت عمومی، از حلقه‌های علی و نمودارهای ذخیره و جریان برای تحلیل سیستم پیچیدۀ مدیریت پسماند استفاده کرد. نتایج نشان داد کاهش بالقوۀ زباله امکان‌پذیر است و نقش حیاتی مرتب‌سازی و بازیافت را در کاهش آلودگی محیط‎‍زیست‎‍ برجسته می‌کند. سه سناریوی متعادل، مطلوب و نامطلوب برای پیش‌بینی روند تولید و بازیافت زباله، تحلیل شد. براساس این مطالعه، مدل‌سازی پویایی‌شناسی سیستم، چارچوب جامعی را برای تصمیم‌گیری مبتنی بر شواهد در مدیریت پسماند ارائه می‌کند (Retuerto et al., 2021).‎‍ پژوهش دیگری تأثیر ساختار صنعتی و کشاورزی را بر کیفیت آب، در پنج سناریو تحلیل کرد. مدل، تعامل بین کیفیت آب، جمعیت، منابع آب و بخش‌های اولیه، ثانویه و ثالث را نشان می‌دهد و ۹ زیرصنعت کلیدی آلاینده را شناسایی می‎‍کند. پنج سناریوی مبتنی بر تجدید ساختار صنعتی برای بررسی آثار توسعۀ اقتصادی شبیه‌سازی شد. نتایج حاکی از بهبود مداوم کیفیت آب و بیشترین تأثیر از سوی بخش کشاورزی،‎‍ صنایع تولید کاغذ و پرورش دام و طیور بود. طبق این مطالعه، بهینه‌سازی مشارکتی این صنایع کیفیت آب را به‎‍طور محدود‎‍ بهبود می‎‍دهد؛ اما اجرای استراتژی تولید پاک‌تر ضروری است (Wang et al., 2021). همچنین‎‍ در مدل‌های اقتصادی-انرژی-محیط‎‍زیست، پژوهشی بر نیاز به اصلاح ساختار انرژی و سرمایه‌گذاری زیست‌محیطی، برای پایداری تأکید داشت. مدل آنها شامل سه زیرسیستم اقتصادی، انرژی و محیط‎‍زیست است که با استفاده از تولید ناخالص داخلی، مصرف انرژی و آلودگی آب، هوا و پسماند صنعتی به هم پیوند داده شده‌اند. شبیه‌سازی‌ها نشان داد سیستم فعلی ناپایدار است و رشد سریع مصرف انرژی و افزایش آلودگی، سلامت عمومی و توسعۀ اقتصادی را تهدید می‌کند. با این حال، تنظیم ساختار انرژی و سرمایه‌گذاری در حفاظت محیط‎‍زیست، کیفیت محیط‎‍زیست را بهبود می‎‍دهد و رشد اقتصادی پایدار را تضمین می‎‍کند. تحلیل سناریوها نشان داد الگوی توسعۀ هماهنگ و یکپارچه‌سازی سیاست‌های انرژی و محیط‎‍زیست، بیشترین منافع جامع را فراهم می‌کند (Zuo et al., 2017).‎‍ مطالعۀ دیگری با ترکیب پویایی‌شناسی سیستم و سیستم اطلاعات جغرافیایی[iii] برای تحلیل سیستم اقتصادی-انرژی-محیط‎‍زیست، سناریوهای فناوری و محیط‌زیستی را برای توسعۀ متعادل بررسی کرد. مدل شامل هشت زیرسیستم از‎‍جمله تولید ناخالص داخلی، ورودی فناوری و سرمایه، منابع تجدیدپذیر و تجدیدناپذیر، انتشار گازهای گلخانه‌ای و پسماند جامد بود. براساس شبیه‌سازی‌ها، شرایط فعلی ناپایدار است، سناریوی فناوری برای رشد اقتصادی‎‍ اجرایی است و سناریوی محیط‎‍زیست توسعۀ متعادل و بلندمدت را حفظ می‌کند. همچنین اولویت‌های سیاستی ساده برای توسعۀ پایدار کافی نیست و ترکیب سیاست‌ها برای توازن محیط‎‍زیست، انرژی و اقتصاد ضروری است (Wu & Ning, 2018). در پژوهش دیگری، اثربخشی ترکیب سیاست‌های مختلف‎‍ در دستیابی به اهداف 3E نشان داده شده است. سه سناریوی تک‌سیاستی و چهار سناریوی ترکیبی شبیه‌سازی‎‍شده و نتایج مشخص کرد که ادامۀ روند فعلی، نقش محدود صنایع پیشرفته، سهم بالای انرژی فسیلی و‎‍ تحقق‎‍نیافتن اهداف کاهش آلودگی هوا را به‎‍همراه دارد. اجرای سیاست‌های جامع در هر سه بعد به‎‍طور چشمگیری مؤثر است و ترکیب بهینه‌سازی ساختار صنعتی، تحول ساختار انرژی و کنترل انتشار گازهای گلخانه‌ای، توسعۀ اقتصادی پیشرفته، انقلاب انرژی پاک و کاهش آلودگی هوا را تضمین می‌کند (Zhu et al., 2022). پژوهشی رابطۀ رشد جمعیت را با تولید غذا، مصرف انرژی و آلودگی بررسی کرد. مدل شامل تولید مواد غذایی، تقاضای انرژی و انتشار گازهای گلخانه‌ای بود و متغیرهای کلیدی شامل اندازۀ جمعیت، مصرف غذا و انرژی، انتشار گازهای گلخانه‌ای و تولید ناخالص داخلی بود. شبیه‌سازی‌ها نشان داد افزایش جمعیت، تقاضای غذا و انرژی و آلودگی هوا را افزایش می‌دهد و تغییرات نرخ رشد جمعیت، تأثیر درخور توجهی بر مصرف انرژی و انتشار آلودگی دارد‎‍ که این مسئله، اهمیت سیاست‌های مدیریت انرژی را برجسته می‌کند (Mobaseri et al., 2021).‎‍ مطالعۀ دیگری نشان داد که رشد اقتصادی متوسط با کاهش متوسط کربن، تعادل بهتری میان توسعه و حفاظت زیست‌محیطی ایجاد می‌کند. آنها توسعۀ هماهنگ رشد اقتصادی و حفظ محیط‎‍زیست را با مدل پویایی‌شناسی سیستم بررسی کردند که زیرسیستم‌های اقتصاد، مصرف انرژی، انتشار کربن و توسعۀ اجتماعی را ادغام می‌کند. براساس شبیه‌سازی سه سناریو، تولید متوسط و کم‌کربن متوسط، بهترین تعادل را بین رشد اقتصادی و حفاظت محیط‌زیست‍ فراهم می‌کند. روند تعدیل ساختار صنعتی مشخص کرد که نسبت صنایع سبز و متوسط کاهش و نسبت صنایع سبک و سنگین افزایش می‌یابد (Li et al., 2019). آنها همچنین‎‍ بر اهمیت محدودیت‌های اکولوژیکی در مدیریت منابع و آلاینده‌ها تأکید کرده و نشان داده‌اند که تعادل بین مصرف منابع و انتشار آلاینده‌ها برای حفظ محیط‎‍زیست، ضروری است. حلقه‌های بازخورد نشان می‌دهند نرخ تولید بر کیفیت آب، هوا و امنیت انرژی تأثیر می‌گذارد (Mota-López et al., 2017). ‎‍

ابعاد اجتماعی که پیش‌تر جنبه‌ای ثانویه در توسعۀ پایدار داشتند، امروزه مؤلفه‌های اساسی در نظر گرفته می‌شوند. در همین راستا، مطالعه‌ای با ادغام الگوریتم بهینه‌سازی چندهدفه و پویایی‌شناسی سیستم، مدلی را برای پیش‌بینی جمعیت شهری ارائه داد که شامل عوامل طبیعی، زیست‌محیطی، اجتماعی-اقتصادی و سیاست‌های دولتی مانند نرخ باروری، مرگ و میر، شاخص‌های اقتصادی، تحصیلات و مراقبت‌های بهداشتی است. سیاست‌های اشتغال و باروری، بیشترین تأثیر مثبت را دارند (Li et al., 2023).‎‍ ‎‍‎‍در مطالعۀ دیگری، تعامل عوامل اقتصادی_اجتماعی مؤثر بر فقر بررسی و بر اهمیت بودجه‌ریزی مؤثر، اصلاح دستمزدها و کنترل قیمت‌ها در کاهش فقر تأکید شد. شبیه‌سازی‌ها نشان داد فقر عمدتاً تحت تأثیر تعامل هزینه، توزیع هزینه و خط فقر است و غفلت از بودجه‌ریزی برنامه‌های فقرزدایی، فقر را افزایش می‎‍دهد. سیاست‌هایی مانند کنترل قیمت‌ها، بهبود توزیع هزینه‌ها و تعدیل دستمزد برای گروه‌های کم‌درآمد، مکانیسم‌های کاهش فقر بلندمدت پیشنهاد شد. مطالعه بر اهمیت بودجۀ مستقیم دولت در برنامه‌هایی تأکید کرد که مصرف جامعه را به‎‍طور مستقیم‎‍ تحت تأثیر قرار می‌دهند (Ahmad & Kustiwan, 2019). پژوهش دیگری، از مدل پویایی‌شناسی سیستم برای ارزیابی آثار اجتماعی-اقتصادی استفاده کرد و نشان داد این پروژه‌ها نرخ بیکاری را کاهش و تولید ناخالص داخلی را افزایش می‎‍دهند. مدل شامل معیارهای اقتصادی و مزایای غیرمستقیم مانند تأثیر بر تولید ناخالص داخلی، نرخ بیکاری و مالیات‌های بخش‌های اقتصادی بود. نتایج نیز کاهش نرخ بیکاری و افزایش تولید ناخالص داخلی بخش‌ها را نشان داد (Nguyen et al., 2017). ‎‍همچنین‎‍ پژوهشی با مدل‌سازی سیستم‌های تولید_زندگی_اکولوژیکی شهری[iv]، تأثیر متقابل عملکردهای زیستی، اقتصادی و اجتماعی را بر کیفیت زندگی تحلیل کر‎‍د. نتایج همبستگی مثبت بین جمعیت، تولید ناخالص داخلی و مساحت ساخته‎‍شده را نشان داد و مشخص کرد که افزایش فضاهای سبز، بازتاب‌دهندۀ رشد آگاهی زیست‌محیطی است. تعامل بین تولید، زندگی و عملکردهای اکولوژیکی نیز به‌طور چشمگیری بر توسعۀ شهری و کیفیت زندگی تأثیر می‌گذارد و مدل توانایی بررسی هماهنگی کارکردهای شهری را دارد (Wu & Huang, 2023). ‎‍

نهادها نقش کلیدی در هدایت پایداری دارند؛ زیرا ساختارهای حاکمیتی، توانمندسازهای توسعۀ پایدار را شکل می‎‍دهند. در همین راستا، مطالعه‌ای با استفاده از پویایی‌شناسی سیستم، پویایی فساد را در کشورهای در حال توسعه بررسی کرد. متغیرهای کلیدی شامل فساد، پاسخگویی، باز‎‍بودن اقتصادی، مخارج و ثبات دولت بود. عواملی مانند تورم، دولت و شفافیت در افزایش یا کاهش فساد در کشورهای در حال توسعه مؤثرند (Ullah, 2012). ‎‍پژوهشی دیگر، تعامل عوامل ساختاری، فرهنگی و مالی را در شکل‌گیری فساد بررسی کرد. مدل متغیرهایی مانند شفافیت، استانداردهای اخلاقی، شرایط اقتصادی و چارچوب‌های نظارتی را در حلقه‌های بازخورد ترکیب کرد. مدل در سه زیرسیستم تعامل محرک‌های معتبر و سازمانی، تعامل محرک‌های فردی، فرهنگی و سازمانی‎‍ و تعامل محرک‌های سازمانی و مالی دسته‌بندی شد. همچنین مطالعه سه راه‌حل را ارائه داد: فساد باید در سطوح دولتی و سازمانی درک شود، استراتژی‌های ضد فساد باید مبتنی بر مدیریت ذینفعان و اخلاق باشد‎‍ و اصلاحات ضد فساد باید به رکود اقتصادی توجه کند (Zarghami, 2024). در مدلی دیگر، اثر متقابل حکمرانی خوب، رضایت از زندگی و ضریب GINI بررسی شد. مدل آنها شامل متغیرهای درون‌زا مانند رضایت از زندگی، کنترل فساد و ثبات سیاسی و عوامل برون‌زا مانند هزینه‌های دولت و نرخ بیکاری بود و اثر اثربخشی حکمرانی بر تورم، کنترل فساد و حاکمیت قانون تحلیل شد. حکمرانی اثربخش‎‍ تورم، نابرابری و رضایت اجتماعی را بهبود می‎‍بخشد (Zare Mehrjerdi & Abedi, 2023). همچنین‎‍ مطالعه‌ای با ترکیب اقتصادسنجی و پویایی‌شناسی سیستم پیشنهاد داد‎‍ که کنترل فساد باید متناسب با وضعیت نهادی کشورها تنظیم شود. مدل آنها شامل سیزده عامل نهادی، از‎‍جمله کنترل فساد، پاسخگویی، اثربخشی دولت، رشد تولید ناخالص داخلی و حاکمیت قانون بود و روابط علی بین آنها با تحلیل اقتصادسنجی تعیین شد. نتایج نشان داد که کاهش فساد مستلزم استراتژی سرمایه‌گذاری متناسب با شرایط کشور است؛ برای مثال در کشورهای در حال توسعه‎‍ تمرکز بر کنترل تورم، باز‎‍بودن اقتصادی و حاکمیت قانون؛ در کشورهای بریکس، ثبات سیاسی، نبود خشونت و حاکمیت قانون‎‍ و در کشورهای توسعه‌یافته، تولید ناخالص داخلی سرانه، کنترل نابرابری درآمد، ثبات سیاسی، کیفیت نظارتی و حاکمیت قانون کلیدی است (Taylor et al., 2022). ‎‍

پیشینۀ موجود نشان می‌دهد که پایداری در اکوسیستم‌های تولیدی، یک مفهوم چندبعدی است، تحت تأثیر زیرسیستم‌های اقتصادی، زیست‌محیطی، اجتماعی و نهادی قرار دارد و پیامدهای بلندمدت سیستم را با حلقه‌های بازخورد پیچیده شکل می‌دهد.

طبق مطالعات مربوط به پایداری، توسعۀ اقتصادی بدون لحاظ مؤلفه‌های محیط‌زیستی و اجتماعی، به ناپایداری می‌انجامد. مدل‌های چند زیرسیستمی هم بر ضرورت توازن میان رشد اقتصادی، مصرف انرژی و کاهش آلودگی تأکید دارند؛ اما بیشتر ابعاد اجتماعی و نهادی مانند عدالت، رفاه و کیفیت زندگی به‌صورت جامع ادغام نشده‌اند، بسیاری از پژوهش‌ها در سطح ملی یا بین‌المللی انجام شده‎‍اند و مدل‌های محلی‌شده برای استان‌ها و اکوسیستم‌های تولیدی خاص، محدود است.

براساس‎‍ حوزۀ تاب‌آوری، برخی واکنش‌ها‎‍ قابلیت اطمینان را در صنایع تولیدی کاهش می‌دهند و مدیریت پیشگیرانه و بازخورد، نقش کلیدی در بازگرداندن سیستم به وضعیت مطلوب دارند. با این حال‎‍ بیشتر افراد، مطالعات تاب‌آوری را جدا از پایداری بررسی کرده‌اند و شاخص‌های چندبعدی تاب‌آوری هم، که مؤلفه‌های نهادی، اجتماعی و زیست‌محیطی را یکپارچه می‎‍کنند، محدود است. مطالعات در حوزۀ تولید‎‍ نشان می‌دهند که واکنش شتاب‌زده به شوک‌ها موجب ناپایداری می‌شود و فناوری‌های پاک، بازیافت و سرمایۀ انسانی در پیاده‌سازی نوآوری و کاهش هزینه‌ها نقش حیاتی دارند. با این حال، تحلیل هم‌زمان عوامل فنی، اجتماعی و نهادی در مدل‌های رفتاری تولید، بسیار محدود است.

از سوی دیگر، پیشینۀ اجتماعی و نهادی بر نقش رضایت اجتماعی، سیاست‌گذاری، کیفیت حکمرانی و کنترل فساد در پایداری تأکید دارد؛ به‌طوری که سیاست‌های اجتماعی، حکمرانی خوب و کاهش فساد، آثار مستقیمی بر رفاه و پایداری اقتصادی و زیست‌محیطی دارند. با این حال، مدل‌های پویایی‌شناسی سیستم یکپارچه، شامل هر چهار بعد اقتصادی، اجتماعی، زیست‌محیطی و نهادی بسیار محدودند و به‌ویژه در مقیاس منطقه‌ای کمتر به آنها توجه می‎‍شود.

مطالعۀ حاضر با هدف پر‎‍کردن این شکاف‌ها، یک مدل پویایی‌شناسی سیستم یکپارچۀ چهاربعدی را ارائه می‌دهد که پیوندهای ساختاری میان پایداری و تاب‌آوری را در نظر گرفته است. این پژوهش با تحلیل سناریوهای ترکیبی، اثر سیاست‌ها را بر پایداری و تاب‌آوری بررسی می‎‍کند و چارچوبی علمی را برای مدیریت آینده‌نگرانۀ تولید ارائه می‌دهد که شامل پیش‌بینی آثار اقتصادی سیاست‌ها، تحلیل چالش‌های محیط‌زیستی، بررسی جمعیت، مهاجرت، اشتغال و نقش حکمرانی و نهادها در اکوسیستم تولیدی است.

d.               3- روش پژوهش

این پژوهش با مدل‌سازی پویایی‌شناسی سیستم، مدلی را برای تحلیل پایداری و تاب‌آوری در سیستم‌های تولیدی استان کرمان توسعه می‎‍دهد. فرآیند مدل‌سازی با نرم‌افزار Vensim PLE  انجام شد‎‍‎‍ و مطالعۀ موردی، استان کرمان را بررسی کرد که با چالش‌هایی مانند کم‌آبی، تخریب زیست‌محیطی، ناهماهنگی مهارت‌ها و جمعیتی مواجه است .در ادامۀ این فرآیند، مدل‌سازی را برای ساخت مدل دنبال می‌کنیم.

e.                3-1 بیان مسئله و تعیین مرز در مطالعۀ کاربردی

این پژوهش حول نیاز به درک و افزایش پایداری و تاب‌آوری سیستم‌های تولیدی انجام شده ‌است. شاخص‌ها در چهار زیرسیستم طبقه‌بندی شده‌اند: اقتصادی (علم، فناوری، نوآوری)، زیست‌محیطی (کیفیت هوا، تصفیۀ زباله، بهره‌وری انرژی)، اجتماعی (فقر، توزیع درآمد، بهداشت، ایمنی) و نهادی (شفافیت اطلاعات و ثبات سیاسی) (Rezaei et al., 2023). ‎‍

در این مطالعه، استان کرمان به‌عنوان مطالعۀ موردی انتخاب شده است تا پویایی‌های اقتصادی، زیست‌محیطی، اجتماعی و نهادی و نقش آنها در شکل‌گیری پایداری و تاب‌آوری سیستم تولیدی بررسی شود. داده‌های تاریخی سال‌های 2010 تا 2024 مبنای استخراج رفتارهای مرجع و سپس توسعۀ ساختار مدل انباشت-جریان قرار گرفته‌اند. هدف از به‌کارگیری این داده‌ها، شناسایی الگوهای تاریخی، آشکارسازی ریشه‌های ناپایداری و فراهم‌‎‍کردن شواهد تجربی برای تدوین فرضیۀ دینامیکی است.

رفتار مرجع زیرسیستم اقتصادی نشان داد که تولید ناخالص داخلی استان طی دورۀ بررسی‎‍شده، الگوی نوسانی و شکننده‌ای را تجربه کرده است. دوره‌هایی از رشد نسبی، افت‌های ناگهانی، نوسان‌های ممتد و در‎‍نهایت جهش‌های جبرانی، بیانگر وجود ساختارهایی است که از یک‌سو ظرفیت رشد اقتصادی را محدود می‌کنند و از سوی دیگر، تاب‌آوری و پایداری آن را در برابر اختلالات بیرونی کاهش می‌دهند. وابستگی شدید فرآیندهای تولید به منابع آب، فرسودگی فناوری و ضعف در نوآوری، تغییرات کارآمدی نهادی و تأثیرپذیری اقتصاد از شوک‌های بیرونی، مجموعه‌ای از سازوکارهای بازخوردی را شکل می‌دهند که رفتار ناپایدار GDP را توضیح می‌دهد. بر همین اساس، مدل دینامیکی اقتصادی با تمرکز بر تعامل میان منابع، فناوری و سرمایه‌گذاری و همچنین سازوکارهای تقویتی و تضعیفی مرتبط با ظرفیت تولید، توسعه یافت.

تحلیل داده‌ها در زیرسیستم زیست‌محیطی‎‍ نشان داد که منابع آب تجدیدپذیر استان طی پانزده سال گذشته، به‌طور مستمر کاهش یافته و در مسیر یک روند نزولی انباشتی قرار گرفته است. این الگو متأثر از افزایش پیوستۀ مصرف آب در بخش‌های صنعتی، کشاورزی و خانگی، برداشت بیش از حد از سفره‌های آب زیرزمینی، افزایش فراوانی خشک‌سالی‌ها و ضعف سیاست‌های تخصیص و مدیریت منابع آب است. کاهش منابع آب، نشان‌دهندۀ احتمال ورود سیستم به یک وضعیت بحرانی است. این رفتار مرجع، نیاز به درک عمیق سازوکارهای بازخوردی بین مصرف آب، تولید، جمعیت و سیاست‌گذاری را ضروری می‌‎‍کند. همچنین روند تاریخی انباشت آلودگی و انتشار گازهای گلخانه‌ای مشخص کرد که فعالیت‌های صنعتی و حمل‌ونقل، وابستگی گسترده به سوخت‌های فسیلی و نبود فناوری‌های کارآمد کنترل آلودگی، موجب شکل‌گیری یک رفتار افزایشی و فزاینده در افزایش آلاینده‌ها شده است که نتیجه، تأخیر‎‍ توسعۀ اقتصادی است و در طول زمان تجمیع می‌شو‎‍د؛ رفتاری که با وجود تأخیر زمانی، بر کیفیت زندگی، سلامت جامعه و بهره‌وری نیروی کار تأثیر منفی گذاشته و کنترل آن به‌مرور، دشوارتر شده است. این یافته‌ها در مدل، به‌صورت جریان‌های ورودی و خروجی وابسته به تولید و جمعیت، همراه با تأخیرهای بلندمدت تجدیدپذیری و ظرفیت جذب آلاینده‎‍ وارد شدند.

زیرسیستم اجتماعی نیز، رفتار جمعیت استان را طی دورۀ 2010 تا 2024 به‌صورت روند‎‍ افزایشی با آهنگ رشد کاهنده نشان می‌دهد. افزایش امید به زندگی و ارتقای شاخص توسعۀ انسانی، موجب تقویت تدریجی سهم گروه‌های میان‌سال و سالمند شده و مهاجرت به‌ویژه در میان جوانان، به‎‍دلیل محدودیت‌های فرصت‌های شغلی، نابرابری درآمدی و فقر و فشارهای اجتماعی، جریان خروجی مهمی را در ساختار جمعیتی شکل داده است. در کنار این عوامل، ثبات نسبی نرخ مشارکت نیروی کار نشان می‌دهد که رشد جمعیت الزاماً با افزایش ظرفیت نیروی کار همراه نیست و بخشی از جمعیت در بازار کار فعال نمی‌شود. این رفتارها در مدل پویایی‌شناسی سیستم، در قالب حلقه‌های بازخوردی مرتبط با بار جمعیتی، مهاجرت و عرضۀ نیروی کار بازنمایی و به نقش آنها در شکل‌گیری تاب‌آوری اجتماعی‎‍ توجه شده است.

جدول 1، خلاصه‌ای از نتایج این مطالعۀ کاربردی را نشان می‌دهد که پایداری و تاب‌آوری سیستم تولیدی در استان کرمان، حاصل برهم‌کنش پیچیده و مستمر میان زیرسیستم‌های اقتصادی، زیست‌محیطی، اجتماعی و نهادی است. الگوهای رفتاری شناسایی‌شده بیانگر آن‎‍اند که ناپایداری موجود نه‌تنها نتیجۀ ضعف در یک حوزۀ خاص،‎‍ محصول تعامل سازوکارهای بازخوردی چندبعدی است. کاهش مداوم منابع آب، افزایش آلودگی و تغییرات ساختار جمعیتی، هر‎‍یک به‌صورت مستقیم و غیرمستقیم بر ظرفیت تولید و توان بازگشت سیستم از اختلالات، اثر می‌گذارند. از سوی دیگر، نوسانات اقتصادی نیز‎‍ موجب تشدید فشار بر محیط‌زیست و تضعیف شاخص‌های اجتماعی می‌شود.

 

 

         i.            جدول 1- خلاصه‌ای از وضعیت موجود در سه زیرسیستم اقتصادی، زیست‌محیطی و اجتماعی استان کرمان (2010–2024)

1. Table 1- Summary of the current situation in the three subsystems of Kerman Province (2010-2024)

زیرسیستم

متغیر مرجع کلیدی

الگوی رفتاری 2010-2024

عوامل علّی و سازوکارهای بازخوردی

برداشت تحلیلی

پیامد برای پایداری و تاب‌آوری

اقتصادی

تولید ناخالص داخلی

نوسانی با دامنۀ متوسط: رشد پایدار (2010-2012)، افت ناگهانی (2013)، نوسان و بازیابی نسبی (2014-2017)، سقوط شدید (2018-2020)، رشد پرشتاب (2021-2023)

 

وابستگی تولید به منابع آب و مشارکت نیروی کار

کاهش بهره‌وری صنعتی به‌دلیل فرسودگی فناوری، نوسانات سرمایه‎‍گذاری در تحقیق و توسعه و ظرفیت نوآوری، نوسان در کیفیت حکمرانی و کارایی نهادی

 

نشان‌دهندۀ تاب‌آوری اقتصادی پایین و وابستگی به منابع محدود؛ تأییدکنندۀ وجود حلقه‌های تقویتی رشد و حلقه‌های تضعیف‌کنندۀ ناشی از محدودیت‌های محیطی و نهادی

زیست‌محیطی

منابع آب

روند نزولی پایدار و مداوم (رفتار کاهش انباشتی)

 

افزایش مصرف آب در صنعت، کشاورزی و بخش خانگی

استخراج بیش از ظرفیت سفره‌های زیرزمینی، افزایش تقاضای صنعتی/کشاورزی، کاهش بارش و تشدید خشک‌سالی ناشی از تغییرات اقلیمی، مدیریت ناکارآمد تخصیص آب

خطر ورود سیستم به وضعیت بحرانی منابع؛ وجود تأخیرهای ساختاری در بازتولید آب؛ نقش مهم این متغیر در حلقه‌های تضعیف‌کنندۀ اقتصادی-زیست‌محیطی

زیست‌محیطی

انباشت گازهای گلخانه‌ای/ آلودگی هوا

روند افزایشی فزاینده (رفتار انباشتی تقویتی)

 

 

 

افزایش تولید و فعالیت‌های صنعتی

گسترش صنعتی، وابستگی بالا به سوخت‌های فسیلی، فناوری ناکافی کنترل آلودگی، افزایش حمل ونقل

نشان‌دهندۀ وجود حلقه‌های تقویتی مخرب که به کاهش کیفیت زندگی و بهره‌وری منجر می‌شود؛ اهمیت سیاست‌های انرژی و کنترل آلودگی

اجتماعی

رشد جمعیت

مهاجرت

رشد افزایشی با نرخ رشد کاهندۀ

روند مهاجرت معنادار جوانان

 

افزایش امید به زندگی،

کاهش مرگ‌ومیر نوزادان،

مهاجرت جوانان به‌دلیل بیکاری، نابرابری و ناامنی اجتماعی

 

جمعیت در حال حرکت به‎‍سوی رشد پایدار همراه با سالخوردگی و کاهش مشارکت نیروی کار، نابرابری درآمدی و فقر، مهاجرت جوانان به‌دلیل بیکاری، نابرابری و ناامنی اجتماعی

 

وجود حلقه‌های تضعیف‌کننده در عرضۀ نیروی کار، کاهش نرخ رشد جمعیت فعال، تهدید برای تاب‌آوری نیروی کار

 

بر‎‍اساس این تحلیل، الگوهای تاریخی استخراج‌شده نه‌تنها ماهیت مسئله را روشن می‌‎‍کنند، بنیانی تجربی برای ساختاردهی مدل انباشت-جریان و تدوین سناریوهای سیاستی‎‍اند. مطالعۀ موردی استان کرمان نشان می‌دهد که بدون مداخلۀ سیاستی بلندمدت و هماهنگ در حوزه‌های اقتصادی، محیط‌زیستی، اجتماعی و نهادی، الگوی موجود سیستم را در معرض ناپایداری‌های شدیدتر قرار می‎‍دهد. این یافته‌ها اهمیت بهره‌گیری از مدل‌سازی پویایی سیستم را به‌عنوان ابزار تحلیلی جامع برای ارزیابی آثار متقابل سیاست‌ها و طراحی مسیرهای پایدار توسعه‎‍ برجسته می‌کنند.

f.                3-2 تدوین فرضیه‌های پویا

فرضیه‌های پویا در مدل‌سازی پویایی سیستم، بیان‌کنندۀ سازوکارهای علی-معلولی و حلقه‌های بازخوردی‎‍اند. در این مطالعه، فرضیه‌های پویا بر‎‍اساس تحلیل رفتارهای مرجع در هر‎‍یک از زیرسیستم‌ها تدوین می‎‍شوند و سازوکارهای شکل‌دهندۀ الگوهای مشاهده‌شده را توضیح می‌دهند. بر‎‍پایۀ این تحلیل، فرض می‌شود که پایداری و تاب‌آوری سیستم تولیدی استان کرمان، نتیجۀ تعامل هماهنگ چهار مؤلفۀ کلیدی کارایی و بهره‌وری اقتصادی، مسئولیت‌پذیری و سلامت زیست‌محیطی، رفاه و کیفیت زندگی اجتماعی و اثربخشی نهادی و قدرت حکمرانی است. هرگونه ناهماهنگی یا ضعف در هریک از این ابعاد، موجب تضعیف عملکرد کل سیستم می‎‍شود و سیستم را به‎‍سمت رفتارهای ناپایدار، نوسانی یا رو به وخامت سوق می‌دهد.

این فرضیه‌های پویا توضیح می‌دهند که چگونه ساختارهای بازخوردی متقابل میان زیرسیستم‌ها، رفتارهای مشاهده‌شده را در مدل ‎‍ ایجاد می‌کنند. بر این اساس، مدل فرض می‌کند که رشد اقتصادی از‎‍طریق حلقه‌های تقویتی ناشی از نوآوری، تحقیق و توسعه[v] و افزایش بهره‌وری ایجاد می‌شود؛ اما این رشد‎‍ از‎‍طریق مصرف منابع آب و تولید آلودگی، وارد حلقه‌های تضعیف‌کنندۀ زیست‌محیطی می‌شود که ظرفیت تولید را محدود می‌‎‍کنند. هم‌زمان تغییرات اجتماعی مانند مهاجرت جوانان، افزایش نرخ بیکاری، تغییر کیفیت زندگی و پیری جمعیت، موجب کاهش عرضۀ نیروی کار و از‎‍طریق حلقه‌های اجتماعی موجب کاهش بهره‌وری و افت تولید می‌شو‎‍د. علاوه بر این، قدرت نهادی و کیفیت حکمرانی، تعیین‌کنندۀ آن است که آیا سیاست‌های اصلاحی‎‍ این حلقه‌های تضعیف‌کننده را خنثی و رشد اقتصادی را به مسیر پایدار هدایت می‎‍کنند یا خیر.

در‎‍مجموع، فرضیه‌های پویا بیان می‌کنند که وضعیت ناپایدار فعلی سیستم تولیدی استان کرمان، حاصل تعامل ساختارهای بازخوردی اصلی حلقه‌های تقویتی رشد اقتصادی و حلقه‌های تضعیف‌کنندۀ زیست‌محیطی و اجتماعی است که این ساختارهای بازخوردی در کنار یکدیگر، الگوهای واقعی مشاهده‌شده را در رفتارهای مرجع‎‍ بازتولید می‎‍کنند و مبنای طراحی نمودار انباشت-جریان و تحلیل سیاست‌ها در مراحل بعدی مدل‌سازی قرار می‌گیرند.

شکل 1،CLD  سیستم را نمایش می‌دهد و‎‍ وابستگی متقابل زیرسیستم‌ها و رفتار سیستمی آنها را در طول زمان بررسی می‎‍کند.

 

شکل 1. نمودار حلقۀ علی مدل

1. Fig. 1. Model’s CLD

در ادامه، نمودارهای انباشت و جریان، بینش‌های کیفی CLD را به چارچوبی کمی برای شبیه‌سازی تبدیل می‌کنند. متغیرهای انباشت کلیدی شامل منابع آب، آلودگی آب، شاخص بازیافت، گازهای گلخانه‌ای، جمعیت، رضایت شغلی و کارایی فنی‎‍اند و در شکل 2 نمایش داده شده‎‍اند.

 

شکل 2. نمودار انباشت و جریان مدل

2. Fig. 2. Model’s SFD

g.               3-3 فرمول‌بندی معادله و پارامترسازی

در مرحلۀ فرمول‌بندی معادلات و پارامترسازی مدل پویایی‌شناسی سیستم، پس از توسعۀ نمودار انباشت و جریان، روابط ریاضی میان متغیرها در چهار زیرسیستم اصلی تعریف شده‌اند.

در زیرسیستم اقتصادی، تولید به شرح زیر مدل‌سازی می‌شود:

(1)

 

نرخ نقص نیز تابعی از عملکرد نیروی کار و کارایی فنی است:

(2)

 

این روابط بر نقش هم‌افزایی میان فناوری و منابع انسانی در بهبود بهره‌وری، تأکید دارند (Sterman, 2000). ‎‍

 

در زیرسیستم زیست‌محیطی، مصرف انرژی تابعی از GDP و شدت انرژی است (Liu et al., 2015):

(3)

 

همچنین، تقاضای آب در سه بخش بررسی می‌شود:

(4)

 

  • مصرف آب صنعتی:

(5)

 

 

 

در زیرسیستم اجتماعی، جمعیت به‌صورت زیر محاسبه می‌شود (Sterman, 2000): ‎‍

(6)

 

شاخص توسعۀ انسانی[vi] از ترکیب سرانۀ تولید ناخالص داخلی و پایداری زیست‌محیطی محاسبه می‌شود (Lefaan & Dalimi, 2018).

(7)

 

متغیر کیفیت زندگی ترکیبی از مؤلفۀ اقتصادی و توسعۀ اجتماعی را متعادل می‌کند (Ilyasov et al., 2019; Retuerto et al., 2021). ‎‍

(8)

 

در زیرسیستم نهادی، کنترل فساد به‎‍صورت تابعی از اثربخشی دولت و حاکمیت قانون تعریف شده است:

(9)

 

پاسخگویی دولت، تابعی از حاکمیت قانون و کنترل فساد نشان داده شده ‌است (Zare Mehrjerdi & Abedi, 2023): ‎‍

(10)

 

در پایان، برای ارزیابی تاب‌آوری و پایداری تولید، دو متغیر تعریف می‌شود:

  • تاب‌آوری تولید:

(11)

 

این معادله نشان می‌دهد که تاب‌آوری نه‎‍تنها به سطوح تولید، به کارایی فنی سیستم نیز بستگی دارد (Zare Mehrjerdi, 2022)؛

  • پایداری تولید:

(12)

 

این مدل تأکید می‌کند که توسعۀ پایدار تنها در سایۀ بهبود هم‎‍زمان ابعاد زیست‌محیطی، اقتصادی، اجتماعی و نهادی حاصل خواهد شد (Bayu et al., 2022). ‎‍

h.               4- یافته‌ها

به‌عنوان گام بعدی در فرآیند مدل‌سازی پویایی‌شناسی سیستم، این بخش از نتایج تحلیل سناریو و به‎‍دنبال آن اعتبارسنجی و آزمایش مدل‎‍ ارائه می‎‍شود.

i.                 4-1 تجزیه و تحلیل سناریو، توسعۀ سناریو و طراحی شبیه‌سازی

تحلیل سناریو، دورۀ 2024 تا 2040 را با یک بازۀ زمانی شبیه‌سازی برای اعتبارسنجی مدل از سال 2010 تا 2024 پوشش می‌دهد. اهرم‌های سناریویی برای هر زیرسیستم انتخاب شدند تا محرک‌های کلیدی تغییر را منعکس کنند.

j.                4-1-1 طراحی و تحلیل سناریو: زیرسیستم اقتصادی

پس از تجزیه و تحلیل ساختاری و بررسی عوامل درون‎‍زا و برون‎‍زا، سرمایه‌گذاری تحقیق و توسعه به‎‍دلیل تأثیر درخور توجه آن بر شاخص‌های کلیدی عملکرد، اهرم سناریو انتخاب شد. سه سطح سرمایه‌گذاری تحقیق و توسعه در نظر گرفته شد که در جدول 2 خلاصه شده‌ است.

                                                                            i.            جدول 2. سناریوها در سرمایه‌گذاری تحقیق و توسعه

1. Table 2. Scenarios in R&D Expenditure

سناریو

هزینه‌های تحقیق و توسعه
(٪ از تولید ناخالص داخلی)

توضیحات

پایه

5/0%

تحقیق و توسعۀ سطح فعلی یا متوسط

سرمایه‌گذاری کم

3/.%

کاهش سرمایه‌گذاری و حداقل نوآوری

سرمایه‌گذاری بالا

7/.%

افزایش سرمایه‌گذاری و نوآوری تهاجمی

 

شکل‌های 3 تا 8 مقادیر تولید ناخالص داخلی، سطح تولید، کارایی فنی، عملکرد نیروی کار، تاب‌آوری و پایداری تولید را در طول زمان، تحت سه سناریوی سیاستی برای سرمایه‌گذاری تحقیق و توسعه نشان می‌دهند.

 

 

شکل 4. تولید در سناریوهای R&D

2.                Fig. 4. Production in R&D scenarios

شکل 3. GDP در سناریوهای R&D

3.                Fig. 3. GDP in R&D scenarios

 

شکل 6. عملکرد نیروی کار در سناریوهای R&D

4.                Fig. 6. Labour Performance in R&D Scenarios

شکل 5. کارایی فنی در سناریوهای R&D

5.                Fig. 5. Technical Efficiency in R&D Scenarios

شکل 8. پایداری تولید در سناریوهای R&D

6. Fig. 8. Production Sustainability in R&D Scenarios

شکل 7. تاب‌آوری تولید در سناریوهای R&D

7. Fig. 7. Production Resilience in R&D Scenarios

در سناریوی پایه، رشد GDP متوسط و باثبات است؛ اما بهبود اقتصادی کند باقی می‌ماند. سناریوی R&D پایین، ضعیف‌ترین نتایج را در تمامی شاخص‌ها دارد. در مقابل، سناریوی R&D بالا با نوآوری سریع، رشد پایدار و بهبود چشمگیر‎‍ در کارایی و تاب‌آوری سیستم، بهترین عملکرد را ارائه می‌دهد. تولید در سناریوی R&D پایین پس از افزایش اولیه، دچار رکود و کاهش می‌شود. در سناریوی پایه، رشد ملایم و پایدار است‎‍ و در سناریوی بالا، تولید به‌طور مستمر رشد می‌کند و با بهره‌وری نیروی کار و بازخوردهای مثبت سیستمی تقویت می‎‍شود. به‌طور مشابه، کارایی فنی در سناریوی پایین رشد کمی دارد و سریع تثبیت می‌شود؛ در حالی که در سناریوی بالا، رشد شتاب‎‍‌گرفته و چشم‌گیری دارد. بهره‌وری نیروی کار نیز در همۀ سناریوها‎‍ ابتدا افزایش می‌یابد؛ اما در بلندمدت فقط در سناریوی R&D بالا، به بالاترین سطح می‌رسد. سناریوی پایین نیز عملکرد ضعیفی دارد و سناریوی پایه، عملکرد‎‍ متوسطی ارائه می‌دهد. تاب‌آوری تولید در هر سه سناریو بهبود می‌یابد؛ اما این بهبود تنها در سناریوی بالا پایدار و صعودی باقی می‌ماند. سناریوی پایه رشد کندتری دارد‎‍ و سناریوی پایین پس از افزایش اولیه، روند‎‍ نزولی را تجربه می‌کند. در‎‍نهایت، پایداری تولید در سناریوی بالا بیشترین بهبود را نشان می‌دهد؛ در حالی که سناریوی پایه بهبودی ملایم و سناریوی پایین کاهش بلندمدت را تجربه می‌کند. این نتایج بر نقش تعیین‌کنندۀ سرمایه‌گذاری پایدار و بلندمدت در R&D برای تقویت عملکرد، سازگاری و تاب‌آوری سیستم تأکید می‌کند.

k.               4-1-2 طراحی و تحلیل سناریو: زیرسیستم زیست‌محیطی

مصرف آب کشاورزی در استان کرمان، با سهمی حدود ۹۲٪ از کل مصرف، مهم‌ترین عامل تنش‌های زیست‌محیطی محسوب می‌شود و مدیریت آن، نقش‎‍ حیاتی در پایداری محیط دارد. تقاضای آب کشاورزی‎‍ متغیر اهرمی برای سناریوها انتخاب شد. سه سناریو برای مدیریت تقاضای آب در نظر گرفته شده‌اند که در جدول 3، خلاصه شده ‌است.

                                                                               i.            جدول 3. سناریوها در تقاضای آب کشاورزی

1. Table 3. Scenarios in Agricultural Water Demand

سناریو

تقاضای آب کشاورزی (میلیون متر مکعب)

توضیحات

پایه

77/6

‎‍ تغییرنکردن تقاضای آب کشاورزی

حفاظت متوسط

5/5

اجرای اقدامات متوسط صرفه‎‍جویی در مصرف آب

کاهش تهاجمی

0/4

سیاست‌های قوی برای کاهش تقاضای آب

شکل‌های 9 تا 13، منابع آب، کمبود آب، خروج آب، پایداری زیست‌محیطی و پایداری تولید را در هر سناریوی سطوح مختلف مصرف آب کشاورزی نشان می‌دهد.

 

 

شکل 10. کمبود آب در سناریوهای تقاضای آب کشاورزی

2.                Fig. 10. Water Deficit in Agricultural Water Demand Scenarios

شکل 9. دسترسی به منابع آب در سناریوهای تقاضای آب کشاورزی

3.                Fig. 9. Water Resources in Agricultural Water Demand Scenarios

 

شکل 12. پایداری زیست‌محیطی در سناریوهای تقاضای آب کشاورزی

4.                Fig. 12. Environmental Sustainability in Agricultural Water Demand Scenarios

شکل 11. خروج آب در سناریوهای تقاضای آب کشاورزی

5.                Fig. 11. Water Outflow in Agricultural Water Demand Scenarios

شکل 13. پایداری تولید در سناریوهای تقاضای آب کشاورزی

6.                Fig. 13. Production Sustaiability in Agricultural Water Demand Scenarios

در زمینۀ کمبود آب، سناریوی 1 افزایش سریع و مداوم کمبود را نشان می‌دهد که ناشی از‎‍ نبود تعادل میان عرضه و تقاضاست. سناریوی 2 نرخ رشد کمبود را کاهش می‌دهد؛ اما روند را معکوس نمی‌کند. تنها در سناریوی 3، کمبود ابتدا افزایش می‌یابد؛ ولی در ادامه تثبیت و سپس کاهش می‌یابد که این نشانه‌ای از موفقیت در تعادل‎‍بخشی بین عرضه و تقاضای آب است. در خروج آب نیز، سناریوی 1 تداوم جریان بالای خروجی را نشان می‌دهد که ناشی از مصرف تنظیم‌نشدۀ کشاورزی و بازگشت ناکارآمد آب است. سناریوی 2 کاهش تدریجی خروجی را در اثر افزایش بهره‌وری و سناریوی 3 بیشترین کاهش پایدار را نشان می‌دهد که نتیجۀ بهینه‌سازی مصرف و کاهش تلفات در کشاورزی است و به افزایش جریان‌های اکولوژیکی برای اکوسیستم‌های پایین‌دست منجر می‎‍شود. دربارۀ پایداری زیست‌محیطی، سناریوی 1 کاهش مستمر شاخص را در نتیجۀ کاهش منابع، افزایش کمبود و آلودگی نشان می‌دهد، سناریوی 2 ثبات نسبی و بهبود تدریجی را در میان‌مدت فراهم می‌کند و سناریوی 3 بیشترین بهبود را دارد؛ به‌طوری که شاخص از سطح اولیه فراتر می‎‍رود و به سطح بالایی از پایداری می‌رسد که ناشی از کاهش برداشت، کنترل آلودگی و کاهش فشار بر اکوسیستم است. در‎‍نهایت‎‍ در پایداری تولید، سناریوی 1 با وجود ثبات اولیۀ تولید، کاهش تدریجی پایداری را به‌دلیل فشارهای انباشته بر منابع و محیط نشان می‌دهد، سناریوی 2 بهبود‎‍ آهسته و پایداری را ارائه می‌دهد که نتیجۀ اصلاحات متوسط در بهره‌وری آب است و سناریوی 3 بیشترین بهبود بلندمدت را به‎‍همراه دارد که بازتاب‌ تغییر ساختاری به‌سوی بهره‌وری و انعطاف‌پذیری بیشتر است.

l.                 4-1-3 طراحی و تحلیل سناریو: زیرسیستم اجتماعی

در زیرسیستم اجتماعی، کیفیت زندگی متغیری محوری و حساس به سیاست، نقطۀ اهرمی برای سناریوها انتخاب شد. همچنین سه سناریو تعریف شد که در جدول 4 شرح داده شده ‌است.

                                                                                      i.            جدول 4. سناریوها در کیفیت زندگی

1. Table 4. Scenarios in Quality of Life

سناریو

شاخص کیفیت زندگی

توضیحات

پایه

مانند قبل

انعکاس شرایط اجتماعی-اقتصادی فعلی

کیفیت زندگی پایین

کاهش 20‎‍درصدی

وخامت وضعیت رفاهی و خدمات اجتماعی

کیفیت زندگی بالا

افزایش 20‎‍درصدی

بهبود سرمایه‌گذاری‌های اجتماعی و استانداردهای زندگی

 

شکل‌های 14 تا 18، نرخ زاد و ولد و جمعیت، مرگ و میر عمومی و نوزادان و پایداری تولید را تحت سناریوهای شبیه‌سازی‎‍شدۀ سطوح مختلف QoL نشان می‌دهد.

 

شکل 14. نرخ زاد و ولد در سناریوهای QoL

2.                Fig. 14. Birth Rate in QoL Scenarios

شکل 15. جمعیت در سناریوهای QoL

3.                Fig. 15. Population in QoL Scenarios

 

شکل 16. میزان مرگ و میر در سناریوهای QoL

4.                Fig. 16. Death Rate in QoL Scenarios

شکل 17. میزان مرگ و میر نوزادان در سناریوهای QoL

5.                Fig. 17. Infant Mortality Rate in QoL Scenarios

شکل 18. پایداری تولید در سناریوهای QoL

6.                Fig. 18. Production Sustaiability in QoL Scenarios

در سناریوی پایه، نرخ زاد و ولد و جمعیت رشد ثابتی دارد و روند فعلی ادامه می‌یابد. در سناریوی QoL پایین، کاهش رفاه به افت نرخ زاد و ولد و کاهش رشد جمعیت منجر می‌شود و عواملی مانند کاهش قصد فرزندآوری، دسترسی محدود به خدمات بهداشتی، افزایش مرگ و میر و مهاجرت مؤثرند. در مقابل‎‍ در سناریوی QoL بالا، نرخ زاد و ولد از سناریوی پایه فراتر می‎‍ر‎‍ود و در سطح بالاتری تثبیت می‌شود‎‍ که این امر حاصل شرایط زندگی بهتر، دسترسی به خدمات بهداشتی و آموزشی و امنیت خانوار است. دربارۀ نرخ مرگ و میر و مرگ‌ومیر نوزادان نیز، سه الگوی متمایز مشاهده شد. در سناریوی پایه، این نرخ‌ها تقریباً ثابت باقی ماندند. در سناریوی QoL پایین، به‌ویژه در ابتدای شبیه‌سازی، افزایش چشم‌گیری در این نرخ‌ها مشاهده شد‎‍. برعکس‎‍ در سناریوی QoL بالا، مرگ‌ومیر نوزادان به‌سرعت کاهش یافت، مرگ‌ومیر کلی نیز، روند نزولی تدریجی داشت و در سطوح سالم تثبیت شد. این یافته‌ها نشان‌دهندۀ اثرگذاری محیط سیاست QoL بر شاخص‌های بهداشتی و نقش سرمایه‌گذاری‌های اجتماعی در بهبود سلامت جمعیت است. در‎‍نهایت، روند پایداری تولید نیز الگوهای مشخصی در سناریوها نشان داد. سناریوی پایۀ رشد متوسط و پایدار، تولید را به‎‍دلیل اینرسی سیستم‌های موجود ثبت کرد. در سناریوی QoL پایین، کاهش کیفیت زندگی به کاهش تدریجی و سپس درخور توجه پایداری تولید منجر شد و با تأخیری آشکار، اهمیت سرمایه‌گذاری اجتماعی را برجسته کرد. در سناریوی QoL بالا، پایداری تولید روند افزایشی و پیوسته داشت و تأثیر مثبت، گرچه با تأخیر، سرمایه‌گذاری در زیرساخت‌های اجتماعی را بر نتایج تولید پایدار ‎‍ نشان داد که این امر بیانگر نقش کلیدی کیفیت زندگی، به‌عنوان عاملی ساختاری در توانمندسازی تولید پایدار است.

m.             4-1-4 طراحی و تحلیل سناریو: زیرسیستم نهادی

اثربخشی دولت در زیرسیستم نهادی، به‌دلیل تأثیر قوی بر دیگر شاخص‌ها و حساسیت بالا به اصلاحات سیاستی، نقطۀ اهرمی اصلی شناسایی شد. در این راستا، سه سناریو تعریف شد که در جدول 5 نشان داده شده ‌است.

                                                                                     i.            جدول 5. سناریوها در اثربخشی دولت

1. Table 5. Scenarios in Government Effectiveness

سناریو

شاخص اثربخشی دولت

توضیحات

پایه

مانند قبل

منعکس‌کنندۀ شرایط نهادی فعلی

متوسط

5٪ بهبود

نشان‌دهندۀ سناریوهای بازیابی واقعی

بالا

15٪ بهبود

نشان‌دهندۀ اصلاح نهادی آرمان‎‍گرایانه

شکل‌های 19 تا 25، کنترل فساد، ثبات سیاسی، حاکمیت قانون، پاسخگویی دولت، تولید ناخالص داخلی، تاب‌آوری و پایداری تولید را تحت سناریوهای شبیه‌سازی‎‍شدۀ اثربخشی دولت نشان می‌دهد.

 

شکل 19. کنترل فساد در سناریوهای اثربخشی دولت

2.                Fig. 19. Control of Corruption in Government Effectiveness Scenarios

شکل 20. حاکمیت قانون در سناریوهای اثربخشی دولت

3.                Fig. 20. Rule of Law in Government Effectiveness Scenarios

 

شکل 21. ثبات سیاسی در سناریوهای اثربخشی دولت

4.                Fig. 21. Political Stability in Government Effectiveness Scenarios

شکل 22. پاسخگویی دولت در سناریوهای اثربخشی دولت

5.                Fig. 22. Government Accountability in Government Effectiveness Scenarios

شکل 23. GDP در سناریوهای اثربخشی دولت

6.                Fig. 23. GDP in Government Effectiveness Scenarios

شکل 24. تاب‌آوری تولید در سناریوهای اثربخشی دولت

7.                Fig. 24. Production Resilience in Government Effectiveness Scenarios

شکل 25. پایداری تولید در سناریوهای اثربخشی دولت

8.                Fig. 25. Production Sustainability in Government Effectiveness Scenarios

در سناریوی پایه که اثربخشی دولت بدون تغییر می‌ماند، این شاخص‌ها راکد می‌مانند، ثبات سیاسی شکننده است، حاکمیت قانون ضعیف اجرا می‌شود و پاسخگویی دولت نیز، محدود باقی می‌ماند. این وضعیت مانع از شکل‌گیری بازخوردهای مثبت و بهبود سیستمی می‌شود. در سناریوی دوم، با بهبود ۵درصدی اثربخشی دولت از‎‍طریق اصلاحات، شاخص‌ها به‌تدریج بهبود می‌یابند، کنترل فساد روند‎‍ صعودی پیدا می‌کند، حاکمیت قانون و ثبات سیاسی تقویت می‌شو‎‍د، پاسخگویی دولت و مشارکت مدنی نیز افزایش می‌یابد. این سناریو، تأخیر در اثرگذاری اصلاحات و مزایای بلندمدت ناشی از تعامل متقابل شاخص‌های نهادی را نشان می‌دهد. سناریوی سوم‎‍ با بهبود ۱۵درصدی اثربخشی دولت، به تحول سریع‌تر و عمیق‌تر نهادی منجر می‌شود. کنترل فساد، ثبات سیاسی، حاکمیت قانون و پاسخگویی دولت همگی به‌طور معناداری تقویت می‌شوند و بازخوردهای تقویت‌کننده‌ای را ایجاد می‌کنند که به تغییر ساختاری منتهی می‌شود. در بعد اقتصادی، سناریوی پایه به رکود در GDP منجر می‌شود. در سناریوی دوم‎‍ با اصلاحات متوسط، GDP به‌تدریج رشد می‌کند، اعتماد سرمایه‌گذاران افزایش و بهره‌وری، نوآوری و پایداری بهبود می‌یابد؛ اما رشد محدود باقی می‌ماند و به تداوم و تعمیق اصلاحات نیاز دارد. در سناریوی سوم نیز، رشد اقتصادی سریع و پایدار است و اصلاحات نهادی، بهبود نظارت و خدمات عمومی به هم‌افزایی منجر می‌شود.

n.               4-2 اعتبارسنجی و آزمایش مدل

برای اطمینان از صحت و قابلیت اطمینان مدل شبیه‌سازی، اعتبارسنجی و آزمایش مدل با استفاده از آزمون‌های کلیدی در مقایسه با داده‌های تاریخی و گزارش‌های آماری انجام شد (Sterman, 2000).

o.               4-2-1 آزمون شرایط شدید

در این بخش، استحکام مدل در مواجهه با تغییرات شدید ارزیابی شد. در یک آزمایش، مصرف آب کشاورزی از سال 2025 به میزان 50‎‍درصد افزایش یافت. مدل به‌طور منطقی واکنش نشان داد، کمبود آب بدتر شد (شکل 26)، پایداری زیست‌محیطی کاهش یافت (شکل 27)، رشد HDI کند و در‎‍نهایت راکد شد (شکل 28) و نرخ مهاجرت اندکی کاهش یافت (شکل 29). این رفتارها با انتظارات نظری و منطق بازخوردهای سیستم سازگار بود و هیچ الگوی غیرواقعی یا ناپایداری مشاهده نشد. همچنین نتایج نشان داد که مدل از ساختار‎‍ معتبر و پایداری برخوردار است.

 

شکل 26. کمبود آب در آزمون شرایط شدید

1.                Fig. 26. Water Deficit in Extreme-Conditions Test

شکل 27. پایداری زیست‌محیطی در آزمون شرایط شدید

2.                Fig. 27. Environmental Sustainability in Extreme-Conditions Test

شکل 28. شاخص توسعۀ انسانی در آزمون شرایط شدید

3.                Fig. 28. Human Development Index in Extreme-Conditions Test

شکل 29. نرخ مهاجرت در آزمون شرایط شدید

Fig. 29. Immigration Rate in Extreme-Conditions Test

 

p.                

q.               4-2-2 آزمون تأیید ساختار

آزمون اعتبارسنجی ساختار با استفاده از Vensim، منطق درونی، روابط علی، حلقه‌های بازخورد و ارتباط متقابل متغیرها را بررسی کرد تا هماهنگی بین چارچوب مفهومی و اجرای محاسباتی مدل، پویایی‌شناسی سیستم را ارزیابی کند. همان‌طور که در شکل 30 نشان داده شده است، نتایج تأیید کرد که ساختار مدل از‎‍نظر منطقی سالم، با دانش نظری و تجربی هم‌خوان و فاقد هرگونه ناسازگاری یا خطای فرمولاسیون است. این یافته‌ها، یکپارچگی ساختاری مدل را تأیید و مناسب‎‍بودن آن را برای تحلیل‌های رفتاری و سیاستی بیشتر اثبات می‌کند.

 

شکل 30. نتیجۀ آزمون تأیید ساختار مدل

1. Fig. 30. Model Structure Verification Test Result

r.                4-2-3 آزمون بازتولید رفتار

آزمون بازتولید رفتار، توانایی مدل پویایی‌شناسی سیستم را در بازنمایی روندهای تاریخی متغیرهای کلیدی می‌سنجد. در این مطالعه، شبیه‌سازی با داده‌های واقعی استان کرمان، برای متغیرهای جمعیت و تولید ناخالص داخلی مقایسه شد. این مدل، دقت بالایی را در بازنمایی جمعیت با تنها 0.5٪ خطا (شکل 31) و تولید ناخالص داخلی با خطای 9.9٪ (شکل 32) نشان داد. این نتایج بر روایی رفتاری قوی و قابلیت اعتماد مدل برای تحلیل سیاستی و توسعۀ سناریو دلالت دارند.

 

 

شکل 31. نتیجۀ آزمون بازتولید رفتار جمعیت

1.                Fig. 31. Population in Behaviour-Reproduction Test

شکل 32. نتیجۀ آزمون بازتولید رفتار تولید ناخالص داخلی

2.                Fig. 32. GDP in Behaviour-Reproduction Test

s.                5. بحث

t.                5-1 بحث در زیرسیستم اقتصادی

بحث زیرسیستم اقتصادی، نقش حیاتی سرمایه‌گذاری در تحقیق و توسعه را در شکل‌دهی به پویایی بلندمدت اقتصادی، از‎‍جمله تولید ناخالص داخلی، تولید، کارایی فنی، عملکرد نیروی کار، انعطاف‌پذیری و پایداری برجسته می‌کند. ‎‍سناریوی پایه، رشد ملایم GDP را نشان می‌دهد که سطح فعلی R&D برای حفظ رشد کافی است؛ اما برای تحول ساختاری کافی نیست. کاهش سرمایه‌گذاری به رکود و افزایش آن به رشد پایدار و تحول اقتصادی می‌انجامد. در سطح تولید نیز، کاهش R&D توانایی نوآوری را محدود و تولید را راکد می‌کند؛ در حالی ‌که افزایش آن موجب ارتقای فناوری می‎‍شود و رقابت‌پذیری جهانی را تقویت می‌کند. کارایی فنی نیز تحت تأثیر غیرخطی و تأخیردار R&D و سناریوی پایه بهبود تدریجی است؛ اما سرمایه‌گذاری پایین، کندی پیشرفت و افزایش آسیب‌پذیری را در برابر شوک‌ها‎‍ نشان می‌دهد. در مقابل‎‍ سرمایه‌گذاری قوی، حلقه‌های بازخورد مثبت و ادغام فناوری را تسریع می‌کند. سرمایه‌گذاری بیشتر در زمینۀ تاب‌آوری تولید، پاسخ‌گویی سیستم را به شوک‌ها‎‍ افزایش می‌دهد و در آن تأخیر وجود دارد؛ اما بهبودهایی در بلندمدت رخ می‌دهد و ‎‍‌سرمایه‌گذاری کم به کاهش انعطاف‌پذیری منجر می‌شود. در‎‍نهایت، نقش R&D در پایداری تولید مشخص است. سناریوی پایۀ ثبات نسبی، سناریوی کاهش، عملکرد ضعیف‎‍ و سناریوی افزایش، بهره‌وری بالا و نتایج پایدار را نشان می‌دهد. به‌طور کلی، این بحث تأیید می‌کند که سرمایه‌گذاری در تحقیق و توسعه، سنگ‎‍بنای بهبود اقتصادی بلندمدت است و درحالی‌که تحقق مزایا ممکن است زمان ببرد، اما ابعاد متعددی را در بر می‌گیرد و نیاز به سیاست‌های نوآوری سازگار و آیند‎‍ه‎‍نگر را تقویت می‌کند.

u.               5-2 بحث در زیرسیستم زیست‌محیطی

تحلیل تقاضای آب کشاورزی نشان می‌دهد که این عامل تأثیر درخور ‌توجهی بر پایداری زیست‌محیطی و دسترسی به منابع دارد. کمبود آب، به تغییرات تقاضای کشاورزی بسیار حساس است. در سناریوی 1، کمبود تشدید می‎‍شود و پیامدهایی چون تخریب زیست‌محیطی، کاهش بهره‌وری و خطرات اجتماعی_اقتصادی را به‎‍همراه دارد. سناریوی 2 آستانه‌های بحرانی کمبود را به تأخیر می‌اندازد‎‍، اما آن را متوقف نمی‌کند. در این میان، تنها سناریوی 3 قادر به توقف و کاهش واقعی کمبود است که نیاز به اقدام سریع و سیاست‌گذاری قاطع را با درک تأخیر زمانی بین مداخله و بهبود شرایط زیست‌محیطی، برجسته می‌‎‍کند. حجم برداشت آب نیز به‎‍شدت از الگوی تقاضا تأثیر می‌پذیرد. سناریوی 1 خروجی بالا و ناکارآمدی را نشان می‌دهد، سناریوی 2 مصرف بهینه و حفظ جریان‌های طبیعی را ممکن و سناریوی 3 با حداقل اتلاف، بیشترین کارایی را ایجاد می‌کند، اگرچه نیازمند اقدامات مکمل برای حفاظت از یکپارچگی زیست‌محیطی است. در‎‍نهایت، کاهش تقاضای آب کشاورزی نقش مهمی در حفظ پایداری محیط‎‍زیست و تولید دارد. سناریوی 1 آثار منفی بهره‌برداری مرسوم را نشان می‌دهد، سناریوی 2 بهبودهای تدریجی را به‌ویژه در همراهی با حکمرانی و فناوری مؤثر محقق می‎‍کند و سناریوی 3 نتایج مطلوب‌تری را ارائه می‌دهد که مستلزم اصلاحات نهادی و شرایط اولیۀ مناسب است.

v.               5-3 بحث در زیرسیستم اجتماعی

تحلیل نقش اساسی، کیفیت زندگی را نشان می‌دهد. مقایسۀ سه سناریو بیانگر آن است که پیشرفت اجتماعی در تداوم سرمایه‌گذاری در کیفیت زندگی و زیرساخت‌های اجتماعی پایدار است. برخلاف مدل‌های سنتی که کاهش نرخ زاد و ولد را با بهبود کیفیت زندگی پیش‌بینی می‌کنند، این مدل نشان می‌دهد که احتمالاً کیفیت زندگی بهتر به‎‍دلیل امنیت اقتصادی و دسترسی به خدمات بهداشت باروری، نرخ باروری را تثبیت می‎‍کند و یا کمی افزایش می‎‍دهد‎‍. در مقابل، کیفیت زندگی پایین با مرگ‌ومیر نوزادان، سلامت ضعیف‌تر و سرمایه‌گذاری اجتماعی ناکافی، موجب کاهش باروری و رکود رشد جمعیت می‌شود. کیفیت زندگی بر مرگ‌ومیر نیز اثرگذار است و کیفیت زندگی پایین با دسترسی محدود به خدمات بهداشتی، مرگ‌ومیر را افزایش می‌دهد. بهبود کیفیت زندگی حتی با مداخلات متوسط، از‎‍طریق ارتقای مراقبت‌های سلامت و حمایت اجتماعی، نرخ مرگ‌ومیر را به‌طور مؤثری کاهش می‌دهد. در زمینۀ تولید، کیفیت زندگی بالا با بهبود سلامت، آموزش و ثبات اجتماعی، موجب افزایش بهره‌وری، نوآوری و همکاری نیروی کار می‌شود؛ در حالی ‌که کاهش کیفیت زندگی به افت تدریجی تولید می‌انجامد. همچنین نتایج نشان می‌دهد که پایداری تولید به سیاست‌های فراگیر اجتماعی و نه فقط به فناوری یا اقتصاد، وابسته است.

در‎‍مجموع، کیفیت زندگی عاملی ساختاری و تقویت‌کننده در پویایی جمعیت، سلامت و تاب‌آوری تولید است. بهبود آن موجب بازخوردهای مثبت‎‍ و کاهش آن به چرخه‌های بی‌ثبات منجر می‌شود. توسعۀ پایدار به سیاست‌هایی نیاز دارد که رفاه انسانی را هم‌سطح با پیشرفت اقتصادی و فناوری قرار می‎‍دهد.

w.              5-4 بحث در زیرسیستم نهادی

بررسی زیرسیستم نهادی نشان می‌دهد که اثربخشی دولت، تأثیر عمیقی بر ابعاد کلیدی حکمرانی دارد و عامل کلیدی در کنترل فساد است. شبیه‌سازی‌ها نشان می‌دهند که اصلاحات جزئی‎‍ آغازگر تغییرند؛ اما اصلاحات عمیق و مداوم تنها مسیر دست‌یابی به نتایج پایدار است. تفاوت بین سناریوهای بهبود متوسط و بلندپروازانه، نشان‌دهندۀ آستانۀ تاب‌آوری نهادی است که اصلاحات محدود سیستم را آسیب‌پذیر نگه می‌دارد و اقدامات ساختاری قوی، پایداری را تضمین می‌کند. شاخص‌های حکمرانی نظیر ثبات سیاسی، حاکمیت قانون‎‍ و پاسخگویی دولت، به‌شدت با اثربخشی دولت همبسته‌اند. در سناریوی پایه، اصلاحات محدود آثار جزئی دارد؛ اما در سناریوی پیشرفته، رهبری فراگیر و شفافیت اداری موجب جهش در کیفیت نهادی و حاکمیت قانون و پاسخگویی، تحت تأثیر مستقیم بهبود نهادی تقویت می‌شود. عملکرد اقتصادی نیز به اثربخشی حکمرانی وابسته است و ظرفیت رشد بدون اصلاحات، از بین می‌رود؛ در حالی ‌که اصلاحات متوسط‎‍ رشد اقتصادی را تا حدی فعال می‌کنند، فقط اصلاحات ساختاری ظرفیت پنهان را آزاد می‌‎‍کند. تأثیر این اصلاحات فوری نیست و به تداوم و تعهد سیاست‌گذاری نیاز دارد. در‎‍نهایت، پایداری و تاب‌آوری سیستم‌های تولیدی نیز، به‌شدت تحت تأثیر اثربخشی دولت‎‍اند. اصلاحات سطحی قادر به رفع ضعف‌های ساختاری نیستند و تنها اقدامات نیرومند حکمرانی به ایجاد سیستم‌های پایدار منجر می‎‍شوند. یافته‌ها نشان می‌دهند که اثربخشی نهادی، منشأ بازخوردهای تقویتی در کل سیستم است؛ در حالی‌ که حاکمیت ضعیف، موجب پایداری ضعف‌ها و آسیب‌پذیری‌ها می‌شود. توسعۀ پایدار، مستلزم تلاش هماهنگ، بلندمدت و مستمر برای تقویت نهادهای کارآمد، پاسخگو و تاب‌آور است.

x.               5-5 مقایسۀ یافته‌های پژوهش با مطالعات مشابه

یافته‌های این پژوهش که تعامل چهار زیرسیستم اقتصادی، زیست‌محیطی، اجتماعی و نهادی را عامل تعیین‌کننده در رفتارهای پایداری و تاب‌آوری سیستم تولیدی نشان می‌دهد، در راستای نتایج بسیاری از مطالعات اخیر در حوزۀ پایداری پویا قرار دارد. در این بخش، مقایسۀ نتایج اصلی پژوهش با مطالعات مشابه ارائه می‌شود.

مطالعۀ حاضر نشان داد‎‍ پایداری و تاب‌آوری تنها در صورتی حاصل می‌شود که حلقه‌های بازخورد درون زیرسیستم‌ها هماهنگ باشند؛ به‌گونه‌ای که افزایش بهره‌وری اقتصادی بدون مدیریت مناسب منابع آب و فشارهای اجتماعی، ناپایداری ایجاد می‌کند. این یافته با نتایج مطالعات اخیر در حوزۀ مدل‌سازی پویایی سیستم‌های شهری و زیرسیستم‌های پیچیده هم‌راستاست؛ برای مثال‎‍در مدل‌های ارزیابی تاب‌آوری شهری با استفاده از پویایی‌شناسی سیستم، نشان داده شده است که افزایش توان بازخورد اجتماعی و زیست‌محیطی به بهبود تاب‌آوری کلی سیستم منجر می‌شود، به‌ویژه زمانی که سناریوهای چندبعدی طراحی شده باشند (Tang & Chen, 2023). علاوه بر این، در مطالعه‌ای که چارچوب پویایی‌شناسی سیستم را برای بهبود تاب‌آوری بررسی کرده است، ارتقای ابعاد اجتماعی باعث افزایش سریع‌تر تاب‌آوری در کوتاه‌مدت می‌شود که این تأکیدی بر نقش مؤلفه‌های اجتماعی در پایداری سیستم است (Zhu et al., 2025). ‎‍

نتایج این پژوهش نشان داد که بدون توجه به محدودیت‌های محیطی مانند منابع آب و فشارهای آلودگی، رشد اقتصادی پایدار ‎‍ حفظ نمی‎‍شود. این نتیجه با مطالعات پویایی‌شناسی سیستم دیگر در زمینۀ پایداری تولید هم‌راستاست؛ برای مثال، تحلیل پویایی‌شناسی سیستم در تولید پایدار نشان داده است که تعادل میان متغیرهای اقتصادی و زیست‌محیطی، نتایج پایداری بلندمدت را بهبود می‎‍بخشد (Khakdaman et al., 2024). مطالعات دیگر‎‍ نیز نشان داده‌اند که مدل‌های پویایی‌شناسی سیستم، به شناسایی نقاط بحرانی در کاهش آثار مخرب محیط‌زیستی کمک می‎‍کنند‎‍ که این با نتایج این پژوهش دربارۀ تأثیر آلودگی و منابع محدود بر توان تولیدی تطابق دارد (Kaur & Kander, 2025). ‎‍

مطالعۀ حاضر با تأکید بر نقش عوامل اجتماعی نظیر مهاجرت، کیفیت زندگی و بیکاری در کاهش عرضۀ نیروی کار و پایداری اقتصادی همسو با پژوهش‌های جدید در پویایی‌شناسی سیستم است که نقش سرمایۀ اجتماعی و شبکه‌های اجتماعی را در تقویت تاب‌آوری سیستم‌ها برجسته می‌کند. تحقیقات جدید تحلیل پویایی‌شناسی سیستم، نشان داده‌اند که سرمایۀ اجتماعی و پویایی شبکه‌های اجتماعی‎‍‎‍، به‎‍خصوص در شرایط ناپایداری اقتصاد و محیط‌زیست، موجب افزایش انعطاف‌پذیری سیستم در برابر اختلال‌ها می‎‍شود (Bataleblu et al., 2024). ‎‍

یکی از نقاط قوت این پژوهش، تلفیق چهار بعد اصلی پایداری و تاب‌آوری در یک مدل پویایی‌شناسی سیستم است. این رویکرد با نتیجه‌گیری‌های مطالعات اخیر دربارۀ چارچوب‌های جامع پویایی‌شناسی سیستم، برای ارزیابی پایداری در تولید و دیگر سیستم‌های پیچیده هم‌راستاست؛ به‌طور مثال، پژوهشی نشان داد که ادغام جنبه‌های مختلف پایداری و تعاملات سیستم‌ها در بررسی تاب‌آوری، تحلیل دقیق‌تر و کاربردی‌تری را ارائه می‎‍دهد (Bataleblu et al., 2024). ‎‍

مقایسۀ یافته‌های این پژوهش با مطالعات مشابه نشان می‌دهد که هماهنگی بازخوردها بین زیرسیستم‌ها برای تحقق پایداری و تاب‌آوری ضروری است؛ امری که در مدل‌های پویایی‌شناسی سیستم شهری و صنعتی نیز، تأیید شده است. همچنین ابعاد اجتماعی و زیست‌محیطی، به‌ویژه در مواجهه با شوک‌ها و فشارهای متقابل، نقش مؤثری در ایجاد تاب‌آوری دارند‎‍. ادغام چهاربعدی پایداری در یک چارچوب پویایی‌شناسی سیستم، همان‌طور که در پیشینۀ اخیر پیشنهاد شده است، فهم بهتری از تعاملات پیچیده فراهم می‌کند.

y.               6. طراحی و ارزیابی سیاست‌ها

در مرحلۀ نهایی مدل‌سازی پویایی‌شناسی سیستم، طراحی و ارزیابی سیاست با هدف توسعه، آزمون و اصلاح مداخلات مبتنی بر شبیه‌سازی انجام می‌شود.

در زیرسیستم اقتصادی، چارچوب‌های سیاستی باید دیدگاه سیستمی و بلندمدت اتخاذ و بر اقداماتی چون ایجاد بودجۀ چندساله برای R&D، حمایت از زیرساخت‌ها، ارتقای همکاری دانشگاه و صنعت، گنجاندن  R&Dدر استراتژی صنعتی‎‍ و تلفیق آن با توسعۀ سرمایۀ انسانی و اصلاحات نهادی تمرکز کنند‎‍. این سیاست‌ها از‎‍طریق یادگیری مستمر و جذب دانش، نوآوری را در صنایع تقویت می‌کنند.

در زیرسیستم زیست‌محیطی، سیاست‌ها بر سرمایه‌گذاری بلندمدت، حکمرانی یکپارچه و ابزارهای تطبیقی متمرکزند. اقداماتی چون بودجه‌گذاری برای انرژی پاک، مقررات سخت­گیرانه، همکاری بین‌بخشی، آموزش عمومی، تسهیلات بازیافت‎‍ و تلفیق شاخص‌های زیست‌محیطی در برنامه‌های صنعتی است. رویکردهای یکپارچه در مدیریت منابع آب، فناوری‌های کارآمد و تغییر رفتار نیز توصیه می‌شود.

سیاست‌های پیشنهادی در بعد اجتماعی، شامل ادغام کیفیت زندگی در سیاست‌گذاری جمعیتی، سرمایه‌گذاری در سلامت و آموزش، ترکیب اهداف اجتماعی با سیاست‌های صنعتی و حاکمیت تطبیقی مبتنی بر بازخورد سیستم‎‍اند.

در زیرسیستم نهادی، سیاست‌ها بر اصلاحات ساختاری، شفافیت و مقابله با فساد تأکید دارند. اقدامات کلیدی شامل تقویت ظرفیت دولتی، دیجیتالی‌سازی و ارزیابی عملکرد با شاخص‌های ترکیبی است که ساختار‎‍ منسجمی برای حاکمیت مؤثر، تاب‌آور و پایدار فراهم می‎‍کنند.

z.                7. نتیجه‏گیری

تجزیه و تحلیل زیرسیستم اقتصادی، اهمیت حیاتی سرمایه‌گذاری در تحقیق و توسعه را در دستیابی به نتایج اقتصادی پایدار و بلندمدت نشان می‌دهد. افزایش سرمایه‌گذاری‌های R&D، باعث بالاترین و پایدارترین رشد تولید ناخالص داخلی و تولید می‌شود؛ زیرا تولید وابسته به نوآوری مستمر است و تنها شامل نیروی کار و سرمایه نمی‎‍شود. سرمایه‌گذاری پایدار در R&D به بهبودهای قوی‌تر در کارایی فنی و بهره‌وری نیروی کار منجر می‌شود؛ در حالی که سرمایه‌گذاری کم، نتایج معناداری ندارد. همچنین تنها سرمایه‌گذاری بالا، ثبات و سازگاری بلندمدت تولید را تضمین می‌کند و تاب‌آوری و پایداری تولید، نیازمند عبور از یک آستانۀ حیاتی سرمایه‌گذاری در R&D است. در زیرسیستم زیست‌محیطی، مقیاس و شدت سرمایه‌گذاری در مدیریت تقاضای آب کشاورزی برای پایداری منابع آب حیاتی است. پایداری زیست‌محیطی تنها با کاهش تهاجمی مصرف آب کشاورزی، کنترل آلودگی و ترمیم اکوسیستم تحقق می‌یابد. سناریوی بلندپروازانه، پایدارترین و تاب‌آورترین نتایج را دارد؛ در حالی که سناریوهای کم و متوسط به پایداری شکننده یا ناپایداری می‌انجامند. این یافته‌ها تأکید می‌کنند که پایداری زیست‌محیطی و تولید تنها با استراتژی‌های یکپارچه، بلندمدت و دارای بودجۀ مناسب امکان‌پذیرند.

تحلیل زیرسیستم اجتماعی، کیفیت زندگی را محرک پویا و مؤثر بر پیامدهای جمعیتی و اجتماعی معرفی می‌کند. کیفیت زندگی پایین، باعث کاهش نرخ زاد و ولد، بی‌ثباتی جمعیتی و افزایش مرگ و میر عمومی و نوزادان می‌شود؛ در حالی که بهبود کیفیت زندگی، رشد جمعیت سالم و کاهش مرگ و میر را تضمین می‌کند. همچنین کیفیت زندگی بالاتر در سیستم‌های تولیدی، پایداری تولید را ارتقا می‌دهد و نشان می‌دهد توسعۀ انسانی و سرمایه‌گذاری اجتماعی، نقش کلیدی در توسعۀ پایدار دارند.

اثربخشی دولت در زیرسیستم نهادی، عامل کلیدی کنترل فساد، ثبات سیاسی، حاکمیت قانون و پاسخگویی است. اصلاحات متوسط پیشرفت تدریجی ایجاد می‌کنند؛ اما بدون تغییرات ساختاری عمیق، خطر رکود وجود دارد. در مقابل‎‍ اصلاحات بلندپروازانه، تحول سیستماتیک را ممکن می‌‎‍کند. اثربخشی دولت به‎‍شدت بر عملکرد اقتصادی، رشد پایدار و تاب‌آوری تولید تأثیر می‌گذارد و نشان می‌دهد تولید ناخالص داخلی ارتباط نزدیکی با کیفیت مدیریت دولتی و ظرفیت نهادی دارد. این نتایج تأکید می‌کند که کیفیت نهادی برای سیستم‌های اقتصادی پایدار ضروری است.

مقایسۀ چهار سناریوی پایداری تولید نشان می‌دهد سرمایه‌گذاری در مدیریت تقاضای آب کشاورزی (شکل 13)، بیشترین تأثیر مثبت و بلندمدت را بر پایداری تولید دارد و از دیگر زیرسیستم‌ها مانند کیفیت زندگی (شکل 18)‎‍، اثربخشی دولت (شکل 25) و هزینه‌های R&D (شکل 8) مؤثرتر است. این مسیرها افزایش درخور توجه و پایداری را تا سال 2040 نشان می‌دهند؛ در حالی که دیگر سناریوها آثار مثبت، اما معتدلی دارند.

با وجود نقاط قوت روش‌شناسی این مطالعه، محدودیت‌هایی وجود دارد که بر تفسیر و تعمیم‌پذیری یافته‌ها تأثیر می‎‍گذارد.

مدل‌سازی پویایی‌شناسی سیستم نیازمند تعادلی بین پیچیدگی و قابلیت مدیریت است. برخی ساده‌سازی‌ها برای کنترل مدل انجام شد که ممکن است دقت آن را در نمایش کامل دینامیک‌های واقعی محدود کند. مطالعۀ موردی شهر کرمان، امکان تحلیل عمیق زمینه‌ای را فراهم کرد؛ اما تعمیم‌پذیری یافته‌ها به دیگر مناطق یا اکوسیستم‌ها محدود است. برخی داده‌های مورد نیاز برای کالیبراسیون و اعتبارسنجی مدل ناقص، قدیمی یا دسترس‎‍ناپذیر بودند، به همین دلیل استفاده از تخمین یا فرضیات لازم شد.

علاوه بر این، مدل‌سازی سیستم نیازمند محاسبات پیچیده، زمان و منابع درخور توجهی است که ممکن است کاربرد گستردۀ آن را در محیط‌های با ظرفیت محدود کاهش دهد. دامنۀ تحقیق نیز به یک اکوسیستم خاص و مجموعه‌ای از زیرسیستم‌ها محدود بود‎‍ که ممکن است دیگر ابعاد پایداری را نادیده بگیرد.

پیشنهاد می‌شود برای کاهش این محدودیت‌ها و پشتیبانی از تحقیقات آینده، مشارکت گسترده‌تری از ذینفعان شامل جوامع محلی و سازمان‌های دولتی فراهم شود تا دیدگاه‌های متنوع و مشروعیت مدل افزایش یابد. در‎‍مجموع، اگرچه روش‌شناسی این مطالعه ارزش تحلیلی قوی ارائه می‌دهد، تحقیقات آینده با مشارکت گسترده‌تر، زیرساخت داده‌های بهتر و اعتبارسنجی مداوم در زمینه‌های مختلف، قابلیت تعمیم و اثربخشی مدل را به‌طور چشمگیری افزایش می‎‍دهند.

 

[i] 3E

[ii] GDP

[iii] GIS

[iv] PLE

[v] R&D

[vi] HDI

Ahmad, F., & Kustiwan, I. (2019). Understanding Poverty in the Development Context and Poverty Reduction Policy Using System Dynamics Approach. Achieving and Sustaining SDGs 2018 Conference: Harnessing the Power of Frontier Technology to Achieve the Sustainable Development Goals (ASSDG 2018), 59–78. https://doi.org/10.2991/assdg-18.2019.6.
Bañon Gomis, A. J., Guillén Parra, M., Hoffman, W. M., & Mcnulty, R. E. (2011). Rethinking the Concept of Sustainability. Business and Society Review, 116(2), 171–191. https://doi.org/10.1111/j.1467-8594.2011.00381.x.
Bataleblu, A. A., Rauch, E., & Cochran, D. S. (2024). Resilient Sustainability Assessment Framework from a Transdisciplinary System-of-Systems Perspective. Sustainability, 16(21), 9400. https://doi.org/10.3390/su16219400.
Bayu, F., Berhan, E., & Ebinger, F. (2022). A System Dynamics Model for Dynamic Capability Driven Sustainability Management. Journal of Open Innovation: Technology, Market, and Complexity, 8(1), 1–27. https://doi.org/10.3390/joitmc8010056.
Becerra-Fernandez, M., Ruiz-Acosta, L. E., Camargo-Mayorga, D. A., & Muñoz, M. A. (2022). A system dynamics model for sustainable corporate strategic planning. Production, 32, e20220011. https://doi.org/10.1590/0103-6513.20220011.
Britten, A., & Curiel Sosa, J. (2020). System Dynamics Modelling of Manufacturing in the Aerospace Industry. Figshare.
Cosenz, F., Rodrigues, V. P., & Rosati, F. (2020). Dynamic business modeling for sustainability: Exploring a system dynamics perspective to develop sustainable business models. Business Strategy and the Environment, 29(2), 651–664. https://doi.org/10.1002/bse.2395.
Dacre, N., Yan, J., Frei, R., Al-Mhdawi, M. K. S., & Dong, H. (2025). Advancing sustainable manufacturing: A systematic exploration of Industry 5.0 supply chains for sustainability, human-centricity, and resilience. Production Planning & Control, 36(11), 1499–1528. https://doi.org/10.1080/09537287.2024.2380361.
Elkington, J. (1998). Cannibals with Forks: The Triple Bottom Line of 21st Century Business. New Society Publishers.
Feder, C., Callegari, B., & Collste, D. (2024). The system dynamics approach for a global evolutionary analysis of sustainable development. Journal of Evolutionary Economics, 34(2), 351–374. https://doi-org.ezproxy.universite-paris-saclay.fr/10.1007/s00191-024-00866-6.
Folke, C., Carpenter, S. R., Walker, B., Scheffer, M., Chapin, T., & Rockström, J. (2010). Resilience Thinking: Integrating Resilience, Adaptability and Transformability. Ecology and Society, 15(4), 20. https://doi.org/10.5751/es-03610-150420.
Geissdoerfer, M., Savaget, P., Bocken, N. M. P., & Hultink, E. J. (2017). The Circular Economy – A new sustainability paradigm? Journal of Cleaner Production, 143, 757–768. https://doi.org/10.1016/j.jclepro.2016.12.048.
Ghorbani, M., Eskandari-Damaneh, H., Cotton, M., Ghoochani,O.M., & and Borji, M. (2021). Harnessing indigenous knowledge for climate change-resilient water management – lessons from an ethnographic case study in Iran. Climate and Development, 13(9), 766–779. https://doi.org/10.1080/17565529.2020.1841601.
Ho, Y., & Wang, S. (2005). System dynamics model for the sustainable development of science city. The 23rd International Conference of System Dynamics Society, Sloan School of Management, MIT, USA. https://proceedings.systemdynamics.org/2005/proceed/papers/HO240.pdf.
Hossain, M. S., Dearing, J. A., Eigenbrod, F., & Johnson, F. A. (2017). Operationalizing safe operating space for regional social-ecological systems. Science of The Total Environment, 584–585, 673–682. https://doi.org/10.1016/j.scitotenv.2017.01.095.
Hosseini, A., & Hosseini, S. H. (2022). A System Dynamics Approach to Sustainable Business Model Transformation: A Manufacturing Case. Journal of Systems Thinking in Practice, 1(1), 24–48. https://doi.org/10.22067/jstinp.2022.76303.1010.
Ilyasov, B. G., Makarova, E. A., & Zakieva, E. S. (2019). The Quality Of Life As A Complex Dynamic Object Of Management, Contemporary Issues of Economic Development of Russia: Challenges and Opportunities. European Proceedings of Social and Behavioural Sciences, 59(1), 35–43. https://doi.org/10.15405/epsbs.2019.04.5.
Kamande, M. W., & Lokina, R. B. (2013). Clean Production and Profitability: An Eco-efficiency Analysis of Kenyan Manufacturing Firms. The Journal of Environment & Development, 22(2), 169–185. https://doi.org/10.1177/1070496512471948.
Kaur, G., & Kander, R. (2025). System Dynamics for Manufacturing: Supply Chain Simulation of Hemp-Reinforced Polymer Composite Manufacturing for Sustainability. Sustainability, 17(2), 765. https://doi.org/10.3390/su17020765.
Khakdaman, M., Dullaert, W., Inghels, D., van Keeken, M., & Wissink, P. (2024). A System Dynamics Supply Chain Analysis for the Sustainability Transition of European Rolled Aluminum Products. Sustainability, 16(20), 8892. https://doi.org/10.3390/su16208892.
Lefaan, Y., & Dalimi, R. (2018). System dynamics model with human development paradigm for projection of electricity needs per household 2016-2050 in Papua Province–Indonesia. 2018 10th International Conference on Information Technology and Electrical Engineering (ICITEE), 1–6. https://doi.org/10.1109/ICITEED.2018.8534793.
Li, D., Yu, Y., & Wang, B. (2023). Urban population prediction based on multi-objective lioness optimization algorithm and system dynamics model. Scientific Reports, 13(1), 11836. https://doi.org/10.1038/s41598-023-39053-1.
Li, T., Liu, N., & Zhang, Q. (2019). System Dynamics Research on Economic Transformation and Environmentally Coordinated Development in China’s Eastern Coastal Region. Polish Journal of Environmental Studies, 28(5), 3569–3580. https://doi.org/10.15244/pjoes/99070.
Liu, X., Mao, G., Ren, J., Li, R. Y. M., Guo, J., & Zhang, L. (2015). How might China achieve its 2020 emissions target? A scenario analysis of energy consumption and CO2 emissions using the system dynamics model. Journal of Cleaner Production, 103, 401–410. https://doi.org/10.1016/j.jclepro.2014.12.080.
Machado, C. P., Morandi, M. I. W., & Sellitto, M. (2019). System Dynamics and Learning Scenarios for Process Improvement and Regional Resilience: A Study in The Footwear Industry of Southern Brazil. Systemic Practice and Action Research, 32(6), 663–686. https://doi.org/10.1007/s11213-019-9480-4.
Meadows, D. H. (2008). Thinking in Systems: A Primer. Chelsea Green Publishing.
Meirelles, B. (2018). Operationalizing Social Ecological Systems Resilience analysis using a Dynamic Index. 9th International Congress on Environmental Modelling and Software. https://scholarsarchive.byu.edu/iemssconference/2018/Stream-C/51.
Mensah, J. (2019). Sustainable development: Meaning, history, principles, pillars, and implications for human action: Literature review. Cogent Social Sciences, 5(1), 1653531. https://doi.org/10.1080/23311886.2019.1653531.
Mobaseri, M., Mousavi, S. N., & Mousavi Haghighi, M. H. (2021). Causal effects of population growth on energy utilization and environmental pollution: A system dynamics approach. Caspian Journal of Environmental Sciences, 19(4), 601–618. https://doi.org/10.22124/cjes.2021.5088.
Mota-López, D., Sanchez-Ramirez, C., Alor-Hernández, G., & Huerta, M. (2017). A Systemic Conceptual Model to Support Decision-Making in the Sustainability Assessment of Industrial Ecosystems. Research in Computing Science, 132, 41–53. https://doi.org/10.13053/rcs-132-1-4.
Nguyen, T., Cook, S., & Ireland, V. (2017). Application of system dynamics to evaluate the social and economic benefits of infrastructure projects. Systems, 5(2), 29. https://doi.org/10.3390/systems5020029.
Pérez-Pérez, J. F., Parra, J. F., & Serrano-García, J. (2021). A system dynamics model: Transition to sustainable processes. Technology in Society, 65, 101579. https://doi.org/10.1016/j.techsoc.2021.101579.
Pluchinotta, I., Pagano, A., Vilcan, T., Ahilan, S., Kapetas, L., Maskrey, S., Krivtsov, V., Thorne, C., & O’Donnell, E. (2021). A participatory system dynamics model to investigate sustainable urban water management in Ebbsfleet Garden City. Sustainable Cities and Society, 67, 102709. https://doi.org/10.1016/j.scs.2021.102709.
Porter, M. E., & Kramer, M. R. (2006). The link between competitive advantage and corporate social responsibility. Harvard Business Review, 84(12), 78–92.
Retuerto, M. G., Espinoza, D. Y., & Andrade-Arenas, L. (2021). System dynamics modeling for solid waste management in Lima Peru. International Journal of Advanced Computer Science and Applications, 12(7). https://dx.doi.org/10.14569/IJACSA.2021.0120762.
Rezaei, A., Zare Mehrjerdi, Y., Owlia, M. S., & Khademizare, H. (2023). Identifying and prioritizing ecosystem indicatorsusing Fuzzy Delphi and Fuzzy DEMATEL approaches. Research in Production and Operations Management, 14(2), 51–82. https://doi.org/10.22108/pom.2023.134879.1462.
Rydzak, F., Magnuszewski, P., Sendzimir, J., & Chlebus, E. (2006). A concept of resilience in production systems. Proceedings of the 24th International Conference of the System Dynamics Society, 1–26.
Salzano, E., Di Nardo, M., Gallo, M., Oropallo, E., & Santillo, L. C. (2014). The application of System Dynamics to industrial plants in the perspective of Process Resilience Engineering. Chemical Engineering Transactions, 36, 457–462. https://doi.org/10.3303/CET1436077.
Spangenberg, J. H. (2004). Reconciling sustainability and growth: Criteria, indicators, policies. Sustainable Development, 12(2), 74–86. https://doi.org/10.1002/sd.229.
Sterman, J. D. (2000). Systems thinking and modeling for a complex world. Management, 6(1), 7–17.
Tang, X., & Chen, N. (2023). A multi-scenario urban resilience simulation study based on the system dynamics model. Physics and Chemistry of the Earth, Parts A/B/C, 132, 103467. https://doi.org/10.1016/j.pce.2023.103467.
Taylor, I. W., Ullah, M. A., Koul, S., & Ulloa, M. S. (2022). Evaluating the Impact of Institutional Improvement on Control of Corruption—A System Dynamics Approach. Systems, 10(3), Article 3. https://doi.org/10.3390/systems10030064.
Ullah, M. (2012). Enhancing the Understanding of Corruption through System Dynamics Modelling: A Case Study Analysis of Pakistan. https://www.semanticscholar.org/paper/Enhancing-the-Understanding-of-Corruption-through-A-Ullah/6cd8a11bedb06c9ef178503529a531df8147f1a5.
Walker, B., Holling, C. S., Carpenter, S. R., & Kinzig, A. (2004). Resilience, adaptability and transformability in social-ecological systems. Ecology and Society, 9(2, article 5). https://doi.org/10.5751/ES-00650-090205.
Wang, L., Wang, R., & Yan, H. (2021). System-Dynamics Modeling for Exploring the Impact of Industrial-Structure Adjustment on the Water Quality of the River Network in the Yangtze Delta Area. Sustainability, 13(14), Article 14. https://doi.org/10.3390/su13147696.
WCED. (1987). Our Common Future: Report of the World Commission on Environment and Development. Oxford University Press.
Wu, D., & Ning, S. (2018). Dynamic assessment of urban economy-environment-energy system using system dynamics model: A case study in Beijing. Environmental Research, 164, 70–84. https://doi.org/10.1016/j.envres.2018.01.029.
Wu, H., Peng, D., & Wang, L. (2021). Model for sustainable development based on system dynamics and energy–economy–environment coordination: A case study of Beijing, China. Energy Science & Engineering, 9(6), 828–842. https://doi.org/10.1002/ese3.837.
Wu, J., & Huang, J. (2023). A system dynamics-based synergistic model of urban production-living-ecological systems: An analytical framework and case study. PLOS ONE, 18(10), e0293207. https://doi.org/10.1371/journal.pone.0293207.
Yamuguchi, K. (2001). A step-by step system dynamics modeling of sustainability. Proc. of International Conference of the System Dynamics Society, Atlanta, US.
Zare Mehrjerdi, Y. (2022). Dynamic analysis of resiliency and sustainable production system. Iranian Journal of Operations Research, 13(2), 121–167.
Zare Mehrjerdi, Y., & Abedi, S. (2023). Using System Dynamics to Model the Interaction Among the Factors of Good Governance, Satisfaction of Life and GINI Coefficient. Decision Making: Theory and Practice, 1(1), 47–69. https://doi.org/10.22034/jdmtp.2023.17893.1001.
Zarghami, S. A. (2024). The Labyrinth of Corruption in the Construction Industry: A System Dynamics Model Based on 40 Years of Research. Journal of Business Ethics, 195(2), 335–352. https://doi.org/10.1007/s10551-024-05637-8.
Zenezini, G., & Marco, A. D. (2020). City logistics policy evaluation with system dynamics. Transportation Research Procedia, 46, 253–260. https://doi.org/10.1016/j.trpro.2020.03.188
Zhu, A., Wang, D., Chen, Y., & Guo, Z. (2022). Optimization of the Beijing Economy-Energy-Emissions System 2021–2035: A Scenario Simulation Analysis Based on a System Dynamics Model. Science Progress, 105(3), 00368504221118231. https://doi.org/10.1177/00368504221118231.
Zhu, X., Hu, S., Li, Z., & Wu, J. (2025). A System Dynamics Framework for Port Resilience Enhancement Along Maritime Silk Road: Insights from ESG Governance. Systems, 13(8), 719. https://doi.org/10.3390/systems13080719.
Zuo, Y., Shi, Y., & Zhang, Y. (2017). Research on the Sustainable Development of an Economic-Energy-Environment (3E) System Based on System Dynamics (SD): A Case Study of the Beijing-Tianjin-Hebei Region in China. Sustainability, 9(10), Article 10. https://doi.org/10.3390/su9101727.