طراحی مدلی پویا از عوامل مؤثر بر طراحی ماشین‌آلات صنعتی – تولیدی در بستر استراتژی های نوآوری باز واحدهای تحقیق و توسعه

چکیده مقاله :

امروزه سازمان‌­های صنعتی و تولیدی همواره به دنبال ماشین‌­آلاتی هستند که بیشترین میزان تطابق را با خطوط تولید موجود داشته باشد. باهدف طراحی مدلی پویا از عوامل مؤثر بر طراحی ماشین‌آلات صنعتی - تولیدی در بستر استراتژی‌های نوآوری باز واحد­های تحقیق و توسعه در شرکت‌­های تولیدی کوچک و متوسط از تحلیل عاملی تأییدی مبتنی بر مدل‌سازی معادلات ساختاری استفاده شده است، داده­‌های لازم به‌وسیله پرسشنامه از میان 230 نفر از مدیران و کارشناسان شرکت‌­های تولیدی کوچک و متوسط به‌صورت نمونه‌­گیری تصادفی ساده جمع­‌آوری شده است و با نرم‌­افزارهای SPSS و SmartPLS مورد تجزیه‌وتحلیل قرار گرفته است. در تحلیل مدل پژوهش در این مرحله برازش مدل در سه سطح اندازه‌­گیری، ساختاری و کلی موردبررسی قرار گرفته است تا درنهایت مهم‌ترین عوامل شناسایی شوند. همچنین، جهت بررسی روابط علّی عوامل شناسایی‌شده و تعیین ضرایب اثرگذاری آن‌ها از تکنیک دیمتل فازی بر مبنای نظرات 15 نفر از خبرگان استفاده شده است که به‌صورت قضاوتی- هدفمند انتخاب می‌­شوند. در آخر، مدل پژوهش با استفاده از نرم­‌افزار ونسیم طراحی گردیده است. بر اساس نتایج، مشتریان بیشترین میزان اثرگذاری را دارد و بیشترین تأثیر را قابلیت سازگاری دریافت می­‌کند. درنهایت، رتبه­‌بندی عوامل معلولی بر اساس اهمیت عبارت است از: به ترتیب مدیریت دانش، قابلیت سازگاری، سبک رهبری و حمایت مدیران، همکاری با مؤسسات تحقیقاتی، زیرساخت فناوری اطلاعات، سطح تکنولوژی سازمان. بعلاوه، رتبه‌بندی عوامل علّی بر اساس اهمیت عبارت است از: به ترتیب تکنولوژی‌­های جدید در بازار، مشتریان، تأمین‌­کنندگان، انتخاب فرآیندهای نوآوری باز، استراتژی و ساختار سازمانی، عمق جستجوی خارجی، منابع مالی سازمان، همکاری با دانشگاه‌­ها، وسعت جستجوی خارجی.

 

چکیده انگلیسی :

Nowadays, industrial and production organizations are looking for machines that have the highest level of compliance with existing production lines. To design a dynamic model of factors affecting the design of industrial-production machines based on open innovation strategies in R&D units of manufacturing SMEs, confirmatory Factor Analysis was used based on structural equations modeling. The data was collected by questionnaire among 230 managers and experts simple randomly selected in manufacturing SMEs and analyzed by SPSS and SmartPLS. For evaluating model was correlated in three levels of measurement, structural and global to identify most important factors. Moreover, to investigate the causal relationships of identified efficient factors and determine their impact shocks, the fuzzy DEMATEL technique was used based on 15 experts' opinions that will be selected by purposeful-contingency method. Finally, the model was designed by using VENSIM. According to the results, customers has the highest effect on other factors and adaptability takes the highest impact from the others. Finally, the affected factors based on their importance are as follows: knowledge management, adaptability, leadership style and managers' support, cooperation with research institutes, substructure of information technology, the level of organizations' technology. In addition, the ranking of causal factors based on importance respectively are new technologies in the market, customers, suppliers, selection of open innovation processes, strategy and structure organizational, external search depth, financial resources, cooperation with universities, the scope of external search.

منابع و مأخذ:

آقایی، میلاد، فضلی، صفر (1391)، به‌کارگیری رویکرد ترکیبی DEMATEL و ANP برای انتخاب استراتژی مناسب نگهداری خودرو (مطالعه موردی: صنعت خودروهای کار)، چشم-انداز مدیریت صنعتی، شماره 6، 107-89.
اسدی¬فرد. (1398). ایجاد واحدهای تحقیق و توسعه در صنایع ماشین‌سازی از اهمیت بالایی برخوردار است. پایگاه خبری-تحلیلی لجستیک و زنجیره تأمین: http://logiscm.ir/12703
پرهیزگار، محمدمهدی، فروزنده دهکردی، لطف‌الله، جوکار، علی¬اکبر، درینی، ولی¬محمد. (1392). شناسایی عوامل مؤثر بر نوآوری سازمانی با تکیه‌بر پارادایم نوآوری باز (مطالعه موردی: صنعت نشر کشور)، فصلنامه علمی-پژوهشی مطالعات مدیریت صنعتی، سال یازدهم، شماره 31، 125-101.
جاوید، غزاله، باقری نژاد، جعفر. (1391). ارتباط فرآیند نوآوری باز و توانمندی جذب بنگاه¬ها. فصلنامه تخصصی پارک¬ها و مراکز رشد، سال هشتم، شماره 31، 61-53.
حبیبی، آرش، ایزدیار، صدیقه، سرافرازی، اعظم. (1393). تصمیم¬گیری چند¬معیاره فازی، رشت: انتشارات کتیبه گیل، چاپ اوّل.
حقیقت، عطیه. (1396). ارائه مدل اولویت¬بندی عوامل مؤثر بر نوآوری باز با استفاده از روش دیمتل. رشد و فناوری، سال سیزدهم، شماره 51، 15-8.
خدادی، سلیمان، طورانیان، ایران، حسن¬پور، مصطفی، حاجی¬علیبیگی، مسعود. (1391). نوآوری در طراحی و ساخت ماشین‌آلات و تجهیزات به‌منظور مقابله با تحریم¬ها و کاهش هزینه¬های تولید. چهارمین کنفرانس ملی مهندسی و مدیریت نوآوری ایران، تهران.
خمسه، عباس، قنبریها، شهره، اوحدی، فریدون. (1396). بررسی و رتبه¬بندی عوامل مؤثر بر مدیریت تحقیق و توسعه با تکنیک ANP در صنایع خودروسازی (مطالعه موردی: پارس¬خودرو). فصلنامه رشد و فناوری، سال سیزدهم، شماره 50، 62-51.
دارابیان، الیاس. (1395). بررسی تأثیر نوآوری باز بر عملکرد فعالیت¬های تحقیق و توسعه شرکت¬های دانش‌بنیان شهرستان مشهد. پایان‌نامه کارشناسی ارشد مدیریت صنعتی، دانشگاه گیلان، گیلان.
داوری، علی، رضازاده، آرش. (1393). مدل‌سازی معادلات ساختاری با نرم¬افزار PLS، تهران: سازمان انتشارات جهاد دانشگاهی، چاپ دوم.
رمضان پور نرگسی، قاسم، داوری، علی، افراسیابی، راحله، زرگران یزد، بهاره. (1393). بررسی تأثیر عوامل درونی و بیرونی بر نوآوری باز (موردمطالعه: مراکز تحقیقاتی وزارت صنایع و علوم)، فصلنامه مدیریت توسعه فناوری، دوره دوم، شماره 1، 46-29.
زرگر، صبر، آذر، عادل. (1399). ارائه مدل مفهومی عوامل مؤثر بر نوآوری باز در مراکز تحقیق و توسعه. اولین کنفرانس حسابداری و مدیریت، استانبول، ترکیه.
زنجیرچی، سید محمود، جلیلیان، نگار، معین¬زاده، محمدمهدی. (1397). ارائه مدل جامع از عوامل مؤثر بر موفقیت نوآوری باز با رویکرد مدل‌سازی ساختاری-تفسیری (موردمطالعه: دانشگاه یزد)، آموزش عالی، 41، 170-141.
سلیمی¬فرد، خداکرم، قاسمیه، رحیم، دسترنج، میثم. (1395). یک روش ترکیبی نوین برای مسئله انتخاب ماشین‌آلات و تجهیزات تولیدی. مدیریت تولید و عملیات. دوره هفتم، شماره 2، 44-21.
شفی¬زاده، رضا، عباس¬نژاد، طیبه، غفوریان، محمد. (1398). شناسایی و تحلیل عوامل مؤثر بر موفقیت توسعه محصول جدید با استفاده از رویکرد پویایی¬های سیستم. مطالعات مدیریت صنعتی، سال هفدهم، شماره 52، 57-39.
شکوه¬ عبدی، مهرداد، زاهدی، مرتضی، ماکویی، احمد. (1391)، کاربرد روش دلفی و شیوه دیمتل در شناسایی و ساختاردهی به متغیرهای اثرگذار بر کیفیت سازه¬ها در تهران، مجله علمی پژوهشی شریف، دوره 2-28، شماره 3، 30-21.
شهبازبیگی، مهتاب، لطفیان، فائزه، رضایی¬راد، امیرحسین. (1394). بررسی عوامل مؤثر در انتخاب و بهره¬وری ماشین‌آلات راه‌سازی (نمونه موردی: پروژه راه¬آهن همدان-تهران). دومین کنفرانس ملی مدیریت ساخت و پروژه، بهمن¬ماه، مرکز همایش¬های اداره راه استان تهران.
قضاتی، حمید، نظم¬آبادی، جعفر. (1393). شناسایی عوامل مؤثر در بازسازی و نوسازی ماشین‌آلات راه‌سازی و معدنی. توسعه تعاون، شماره 52، 95-88.
کامیارفرد، ناصر. (1393). نقش مدیریت ماشین‌آلات در کاهش هزینه‌ی پروژه‌های عمرانی. نخستین کنفرانس ملی عمران، معماری و توسعه پایدار، آذرماه، دانشگاه پیام نور یزد، یزد.
Azimi, K., & Solimanpur, M. (2016). A heuristic method to solve the location and machine selection problem in a two-dimensional continuous area. International Journal of Mathematics in Operational Research, 8(4), 424-448.
Brunswicker, S., & Chesbrough, H. (2018). The Adoption of Open Innovation in Large Firms: Practices, Measures, and Risks A survey of large firms examines how firms approach open innovation strategically and manage knowledge flows at the project level. Research-Technology Management, 61(1), 35-45.
Brunswicker, S., & Ehrenmann, F. (2013). Managing open innovation in SMEs: A good practice example of a German software firm. International Journal of Industrial Engineering and Management, 4(1), 33-41.
Çakır, S. (2018). An integrated approach to machine selection problem using fuzzy SMART-fuzzy weighted axiomatic design. Journal of Intelligent Manufacturing, 29(7), 1433-1445.
Chesbrough, H., Heaton, S., & Mei, L. (2021). Open innovation with Chinese characteristics: a dynamic capabilities perspective. R&D Management, 51(3), 247-259.
Chesbrough, H. (2017). The Future of Open Innovation: The future of open innovation is more extensive, more collaborative, and more engaged with a wider variety of participants. Research-Technology Management, 60(1), 35-38.
Ding, Z., Yi, G., Tam, V. W., & Huang, T. (2016). A system dynamics-based environmental performance simulation of construction waste reduction management in China. Waste Management, 51, 130-141.
Gao, W., Hong, B., Swaney, D. P., Howarth, R. W., & Guo, H. (2016). A system dynamics model for managing regional N inputs from human activities. Ecological Modelling, 322, 82-91.
Huang, S., & Yan, Y. (2019). Design of delayed reconfigurable manufacturing system based on part family grouping and machine selection. International Journal of Production Research, 1-18.
Ibarra, E. R. B., Rueda, J. A. C., & Arenas, A. P. L. (2015). Mapping of the challenges for the open innovation model’s implementation in service sector. Journal of Advanced Management Science, 3(4), 354-361.
Karim, R., & Karmaker, C. L. (2016). Machine selection by AHP and TOPSIS methods. American Journal of Industrial Engineering, 4(1), 7-13.
Khoshnevis, P., & Teirlinck, P. (2018). Performance evaluation of R&D active firms. Socio-Economic Planning Sciences, 61, 16-28.
Kumar, S. N., & Umadevi, G. (2011). “Application of System Dynamic Simulation Modeling in Road Safety”. Proceedings of the 3rd International Conference on Road Safety and Simulation, Indiana Government Conference Center Indianapolis. September 2011, Indiana, EUA.
Lee, S., Park, G., Yoon, B., & Park, J. (2010). Open innovation in SMEs—An intermediated network model. Research policy, 39(2), 290-300.
Li, H., Wang, W., Fan, L., Li, Q., & Chen, X. (2020). A novel hybrid MCDM model for machine tool selection using fuzzy DEMATEL, entropy weighting and later defuzzification VIKOR. Applied Soft Computing, 106207.
Lizarralde, R., & Ganzarain, J. (2019). A Multicriteria Decision Model for the Evaluation and Selection of Technologies in a R&D Centre. International Journal of Production Management and Engineering, 7, 101-106
Ma, J., Harstvedt, J. D., Jaradat, R., & Smith, B. (2020). Sustainability driven multi-criteria project portfolio selection under uncertain decision-making environment. Computers & Industrial Engineering, 140, 106236.
Madhumala, R. B., Tiwari, H., & Devarajaverma, C. (2021). A Reliable Frame Work for Virtual Machine Selection in Cloud Datacenter Using Particle Swarm Optimization. Computer Science, 16(2), 677-685.
Min, J. W., Vonortas, N. S., & Kim, Y. (2019). Commercialization of transferred public technologies. Technological Forecasting and Social Change, 138, 10-20.
Özdağoğlu, A., Yakut, E., & Bahar, S. (2017). Machine selection in a dairy product company with entropy and SAW methods integration. Dokuz Eylül Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 32(1), 341-359.
Pervan, S., Al-Ansaari, Y., & Xu, J. (2015). Environmental determinants of open innovation in Dubai SMEs. Industrial Marketing Management, 50, 60-68.
Robinson, S., & Stubberud, H. A. (2012). Issues in innovation for Norwegian SMEs. Journal of International Business Research, 11(1), 53-61.
Sahal, R., Breslin, J. G., & Ali, M. I. (2020). Big data and stream processing platforms for Industry 4.0 requirements mapping for a predictive maintenance use case. Journal of Manufacturing Systems, 54, 138-151.
Samara, E., Georgiadis, P., & Bakouros, I. (2012). The impact of innovation policies on the performance of national innovation systems: A system dynamics analysis. Technovation, 32(11), 624-638.
Santoro, G., Ferraris, A., Giacosa, E., & Giovando, G. (2018). How SMEs engage in open innovation: a survey. Journal of the Knowledge Economy, 9(2), 561-574.
Shafiei Nikabadi, M., & Hakaki, A. (2018). A dynamic model of effective factors on open innovation in manufacturing small and medium sized companies. International Journal of System Dynamics Applications (IJSDA), 7(1), 1-26.
Shepherd, S. P. (2014). A review of system dynamics models applied in transportation. Transportmetrica B: Transport Dynamics, 2(2), 83-105.
Stucki, A. (2009). Internal and External Factors Influencing the Implementation and Diffusion of the Open Innovation Models: The Case of the Postal Sector. The 3rd Global Postal Research and Education Network Conference, Lausanne, Switzerland.
Surya, B., Menne, F., Sabhan, H., Suriani, S., Abubakar, H., & Idris, M. (2021). Economic growth, increasing productivity of SMEs, and open innovation. Journal of Open Innovation: Technology, Market, and Complexity, 7(1), 20.
Vanhaverbeke, W., Roijakkers, N., Lorenz, A. & Chesbrough, H. (2017). The importance of connecting open innovation to strategy. Springer press.
Vatansever, K. (2014). Integrated usage of fuzzy multi criteria decision making techniques for machine selection problems and an application. International Journal of Business and Social Science, 5(9).
Xiong, Y., Wu, J., Deng, C., & Wang, Y. (2016). Machining process parameters optimization for heavy-duty CNC machine tools in sustainable manufacturing. The International Journal of Advanced Manufacturing Technology, 87(5), 1237-1246.
Yang, T., Xu, S., & Xiong, N. N. (2016). A novel machine selection method combining group eigenvalue method with TOPSIS method. International Journal of Future Generation Communication and Networking, 9(6), 201-210.