علی اکبر جوکار

با افزایش اهمیت تجاری سازی و کاربردی نمودن تحقیقات، تلاش های چشمگیری برای تجاری سازی تحقیقات در دانشگاه ها و مراکز تحقیقاتی در حال انجام است. از این رو، ارزیابی فعالیت های تجاری سازی و شناسایی معیارها و شاخص های اندازه گیری عملکرد تجاری سازی ضروری بنظر می رسد. در مطالعه حاضر، با بررسی منابع اطلاعاتی موجود، شاخص های اندازه گیری فعالیت تجاری سازی در دانشگاه ها و مراکز تحقیقاتی کشورهای پیشتاز و به طور مشخص کشورهای مالزی، استرالیا و نروژ شناسایی و به طور موردی کاربرد تعدادی از شاخص ها در دانشگاه ها و مراکز تحقیقاتی نروژ مورد بررسی قرار گرفته است. داده های تحقیق به روش کتابخانه ای و با مراجعه به پایگاه های اطلاعاتی و گزارشات منتشره نهادهای دولتی گردآوری و با رویکرد اکتشافی و با روش تجزیه و تحلیل اسناد و سوابق مطالعات پیشین انجام شده است. علاوه بر شاخص های عمومی سنجش تجاری سازی، از مهمترین معیارها و شاخص های شناسایی شده می توان به حجم سرمایه گذاری صنعتی در تحقیق و توسعه، تعداد ایده های ارائه شده با پتانسیل تجاری از سوی دانشگاه ها و مراکز تحقیقاتی، تعداد درخواست ثبت اختراع و اختراعات ثبت شده، تعداد مجوزهای واگذار شده و درآمد حاصل از اعطای مجوز، تعداد شرکت های زایشی تاسیس شده و عملکرد آنها و تالیفات مشترک علمی بین دانشگاه و صنعت اشاره کرد. تحلیل نقاط قوت و ضعف تعدادی از شاخص ها و نیز رتبه بندی 5 دانشگاه براساس 4 شاخص حجم و سهم سرمایه گذاری صنعت در تحقیق و توسعه، حجم ثبت اختراعات و تالیفات مشترک دانشگاه ها با صنعت بخش دیگری از نتایج تحقیق حاضر است. همچنین، در خصوص نحوه سنجش تجاری سازی نتایج تحقیقات در دانشگاه ها و موسسات تحقیقاتی پیشنهاداتی ارائه گردیده است. انتظار می رود شاخص های پیشنهادی، ابعاد و جنبه های مختلف تجاری سازی را پوشش داده و برای ارزیابی عملکرد تجاری سازی در برنامه های راهبردی دانشگاه ها و مراکز تحقیقاتی کشور مورد استفاده قرار گیرد.

در صنایع مختلف، عدم تطبیق پذیری می تواند منجر به اختلالات قابل توجهی در بازار و زنجیره تأمین شود. صنعت خرده فروشی آنلاین در تهران نیز به دلیل همه گیری کرونا، تغییرات قابل توجهی در عرضه و تقاضا داشته است. برای رفع این اختلالات می توان از فناوری های نوظهور مانند هوش مصنوعی، داده های کلان، بلاک چین، اینترنت اشیا و روباتیک در جهت افزایش تاب آوری زنجیره تأمین بهره مند شد. در همین راستا، هدف این مقاله شناسایی مؤلفه هایی است که چارچوب تاب آوری زنجیره تأمین مبتنی بر هوش مصنوعی را در خرده فروشی آنلاین تعریف می کنند. این پژوهش از رویکرد فلسفی تفسیری پیروی می کند و از طرح تحقیق کیفی با روش شناسی داده بنیاد استفاده می کند. داده ها در سال 1400 از طریق مصاحبه عمیق نیمه ساختاریافته با 20 متخصص در حوزه مدیریت زنجیره تأمین خرده فروشی آنلاین جمع آوری شد. تجزیه وتحلیل داده ها شامل سه مرحله بود که منجر به توسعه یک مدل کیفی شد. یافته ها نشان می دهد که در بخش خرده فروشی آنلاین تهران، مقوله اصلی مدل تاب آوری زنجیره تأمین مبتنی بر هوش مصنوعی تحت تأثیر شرایط علّی مانند: یکپارچه سازی سیستم های اطلاعاتی، نوآوری های مهندسی، علم داده و روباتیک قرار دارد. استراتژی ها شامل بهینه سازی تصمیم، تشخیص ناهنجاری، اتوماسیون، ادغام بلاک چین، پیش بینی و مدل سازی است. شرایط پس زمینه شامل زیرساخت، نوآوری، امنیت داده ها و مدیریت دانش می باشد. شرایط مداخله بر اجرای استراتژی تأثیر می گذارد. پیامدهای مثبت اجرای این مدل شامل نظارت بلادرنگ، مدیریت ریسک، برنامه ریزی پویا، بهبود تجربه مشتری و تعادل تقاضا و عرضه است.