استفاده از تحلیل پوششی داده ها و الگوریتم ژنتیک برای توسعه سیستم استنتاج فازی وزن دار شده به منظور ارزیابی بلوغ اتحاد راهبردی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: زمانی که دو یا چند سازمان همکار درصدد ارتقای سطح همکاری های خود باشند، به سمت اتحادهای راهبردی حرکت خواهند کرد. هدف اتحاد راهبردی حرکت در یک همکاری به سمت اهداف توافق شده از طریق اشتراک منابع است. این حرکت به نحوی انجام می شود که سازمان های همکار مستقل باقی می مانند. مدل های بلوغ روش های ارزشمندی برای کمک به سازمان های تولیدی برای توسعه همکاری های خود هستند؛ اما کار تجربی در زمینه توسعه مدل بلوغ اتحاد راهبردی با دستورالعمل های روشن انجام نشده است و هیچ مدلی برای سنجش بلوغ اتحاد راهبردی با ابزار ارزیابی وجود ندارد که بتواند به بی دقتی ناشی از قضاوت انسان وعدم قطعیت و ابهام ذاتی ارزیابی بپردازد. هدف این پژوهش طراحی یک روش برای سنجش سطح بلوغ اتحادهای راهبردی است تا بتوان به کمک آن، شناخت مناسبی از وضعیت فعلی همکاری بر اساس معیارهای بلوغ اتحادهای راهبردی به دست آورد. روش: برای این هدف، در این پژوهش یک مدل بلوغ توسعه یافته است. این مدل برای ارزیابی وضعیت یک همکاری در یک مقطع خاص، از منطق فازی استفاده کرده است. مدل بلوغ اتحاد راهبردی مبتنی بر منطق فازی، از طریق یک رویه شفاف و دقیق ایجاد شده و روی یک رویکرد چندروشی، شامل بررسی ادبیات، مصاحبه، گروه های متمرکز و مطالعه موردی، از طراحی مدل تا ارزیابی مدل توسعه داده شده است. در این پژوهش، برای سنجش سطح بلوغ با استفاده از شاخص ها، از سیستم استنتاج فازی وزن دار شده با تکنیک تحلیل پوششی داده های فازی کمک گرفته شده است. همچنین برای دستیابی به مجموعه قواعد فازی، از الگوریتم ژنتیک استفاده شده است. مدل بلوغ در این پژوهش نیز همانند تمامی مدل های بلوغ، از دو جزء تشکیل شده است که عبارت اند از: سطوح بلوغ اتحاد راهبردی و ابعاد بلوغ اتحاد راهبردی. یافته ها: در مدل این پژوهش پنج سطح بلوغ با عناوین اتحاد راهبردی موردی، مقدماتی، مدیریت شده، برنامه ریزی شده و بهینه سازی شده طراحی و تعریف شده است. همچنین یک فهرست ۴۴ موردی از شاخص ها، برای سنجش سطح اتحاد راهبردی از مطالعه مقاله ها، مصاحبه با خبرگان و بررسی اتحادهای راهبردی موفق و ناموفق به دست آمد؛ سپس این فهرست در ۱۷ معیار و ابعاد شش گانه دسته بندی شد. در گام بعد با استفاده از تکنیک نسبت روایی محتوا، شاخص های ضروری شناسایی شدند. پس از آن با اجرای تکنیک تحلیل پوشش داده ها، اهمیت نسبی هر یک از شاخص ها به دست آمد. برای ایجاد مجموعه های فازی مربوط به متغیرهای سیستم استنتاج فازی، از خبرگان نظرسنجی شد. همچنین با بررسی نمونه های اتحادهای راهبردی داخل و خارج از کشور، یک مجموعه قواعد فازی با نظرسنجی از خبرگان به دست آمد و توسعه یافت. مدل پیشنهادی، از طریق یک مطالعه موردی واقعی در همکاری میان یک سازمان تولیدی و شریک تجاری آن، ارزیابی و تأیید شده است. نتیجه گیری: نتایج پژوهش حاضر نشان می دهد که این رویکرد، یک ابزار تشخیصی قوی و کاربردی را بر اساس مجموعه ای از شاخص های بلوغ اتحاد راهبردی ارائه می کند. با به کارگیری نتایج این مدل و تجزیه وتحلیل شکاف ها، می توان یک برنامه اقدام برای افزایش سطح بلوغ اتحاد راهبردی تجویز کرد.Assessing Strategic Alliance Maturity through a Weighted Fuzzy Inference System: Perspectives from Data Envelopment Analysis and Genetic Algorithm
Objective
When two or more organizations seek to enhance their collaboration, they may opt to form strategic alliances. These alliances aim to progress cooperatively toward shared goals through resource sharing, while maintaining their independence. Maturity models are essential tools for aiding manufacturing organizations in developing their partnerships. However, there is a lack of empirical research on creating a strategic alliance maturity model with clear guidelines. Consequently, no existing model effectively measures the maturity of a strategic alliance, particularly one that can address inaccuracies due to human judgment and inherent evaluation uncertainties. This research aims to design a method to assess the maturity level of strategic alliances, providing a better understanding of the current state of cooperation based on strategic alliance maturity criteria.
Methods
This research developed a maturity model using fuzzy logic to evaluate the status of a collaboration at a specific point in time. The strategic alliance maturity model, based on fuzzy logic, was created through a clear and precise procedure and a multi-method approach, including literature reviews, interviews, focus groups, and case studies. A weighted fuzzy inference system combined with the fuzzy data envelopment analysis technique was employed to measure maturity levels using specific indicators. Additionally, a genetic algorithm was applied to generate a set of fuzzy rules. Like all maturity models, the one developed in this research consists of two main components: the maturity levels of the strategic alliance and its maturity dimensions.
Results
The research model defines five levels of maturity: ad-hoc, initial, managed, planned, and optimized strategic alliance. A 44-item list of indicators for measuring strategic alliance maturity was compiled from articles, expert interviews, and analysis of successful and unsuccessful alliances. This list was then categorized into 17 criteria across six dimensions. Essential indicators were identified using the content validity ratio technique, and their relative importance was determined through data envelopment analysis. Expert surveys were used to create fuzzy sets for the variables of the fuzzy inference system. Additionally, a set of fuzzy rules was developed by examining examples of strategic alliances both domestically and internationally, and refining them through expert surveys.
Conclusion
The proposed model has been evaluated and validated through a real case study involving collaboration between a manufacturing organization and its business partner. The research results demonstrate that this approach offers a robust and practical diagnostic tool based on a set of strategic alliance maturity indicators. By analyzing the gaps identified by this model, an action plan can be devised to enhance the maturity level of the strategic alliance.
تبلیغات
