مقدمه

توانایی سازمان‌ها برای پاسخگویی به چالش‌های رقابتی و نیز حفظ مزیت‌های رقـابتی یـک عامـل کلیدی موفقیت در بازارهای جهانی امروز است. محیط کسب و کار بطور مستمر تحت تأثیر پدیـده‌هایی نظیر گسترش جهانی سازی، برونسپاری فعالیت‌ها، ادغام شرکت‌ها، ظهور فناوری‌های جدید و کسب و کار الکترونیکی قرار دارد که این امر به نوبه خود منجر به افزایش رقابت، کاهش زمان ورود محصول بـه بازار، کاهش چرخه عمر محصولات، افزایش تنوع در نیازهای مشتریان و به تبـع آن افـزایش تقاضـا بـرای تنوع محصولات شده است. در نتیجه، امکان پیش بینی بازار هر چه بیشتر کاهش یافته و عدم قطعیـت بـیش از پیش افزایش یافته است. بواسطه مسائلی از این قبیل، بهبود توانایی سازگاری با تغییرات آتی از اهمیـت ویـژه‌ای برخـوردار شده است. سازمانها همواره می‌کوشند تا قدرت انعطاف پذیری و پاسخگویی خود را در مواجهه با شـرایط جدید و نیازهای به سرعت در حال تغییـر مشـتریان افـزایش دهنـد. سازمان هـایی موفـق قلمـداد مـی‌شـوند کـه بتواننـد موقعیت رقابتی خود را در حین سازگاری با شرایط در حال تغییر بازار حفظ کنند. از این رو امروزه رقابت بین سازمان های مجزا عملا به رقابت بین زنجیره های تأمین و چابکی آن ها تبدیل شده است. اصطلاح چابکی اغلب در هنگام توصیف سازمان‌هایی بکار می‌رود که در محیط بسیار متغیر سازگار بوده و بخوبی عمل می‌کنند. چابکی زنجیره تامین به عنوان توانایی یک زنجیره تامین برای پاسخ سریع به تغییرات در بازار تعریف می‌شود. در حقیقت کلمه چابکی به معنای کارآمد بودن در تغییر و پاسخگویی مؤثر به تغییرات و عدم اطمینان محیطی می‌باشد. چابکی سازمانی توانایی رویارویی با چالش های ناخواسته برای غلبه بر تهدیدهای جدید و غیرمنتظره است. این امر نیز مستلزم شناخت انواع استراتژی‌ها و از جمله استراتژی های زنجیره تأمین چابک می‌باشد. برای فراهم آوردن زنجیره تامین چابک باید کلیه زنجیره‌ها خود را با عوامل چـابکی سـازگار کننـد. طراحی شبکه زنجیره تامین به عنوان یک تصمیم استراتژیک می‌تواند نقش موثری در چـابکی کـل زنجیـره تامین ایفا نماید. تصمیمات استراتژیک در طراحی شبکه زنجیره تامین شامل تصمیماتی هستند که در کوتاه مدت تغییر نمی‌کنند و همواره تاثیر بلند مدت دارند؛ نظیر تعیین مکان ها و تعداد تسهیلات. زنجیره‌های تأمین چابک نه تنها می‌توانند به تغییرات معمول واکنش نشان دهند بلکه به تغییرات دراماتیک مورد نیاز بازار که برای اولین بار احساس می‌شود نیز می‌توانند واکنش نشان دهند. بنابراین اعتقاد بر آن است که چابکی، خصیصه مورد نیاز برای فشارهای رقابتی آینده سازمان‌ها و کسب مزیت رقابتی خواهد بود. برای کسب مزیت رقابتی در محیط متغیر کسب و کار، شرکت‌ها باید در راستای کارامدی عملیات خود علاوه بر موسسه خود، با تأمین کنندگان و مشتریان هم ردیف شده و برای کسب سطح قابل قبولی از چابکی با یکدیگر مشارکت و همکاری نمایند، در چنین حالتی است که زنجیره تأمین چابک شکل می‌گیرد. زنجیره تامین چابک اکنون بر افزایش انطباق و انعطاف پذیری تمرکز دارد و توانایی واکنش سریع به تغییرات بازار را دارد. در این محیط، سیستم های اطلاعاتی نقشی مهم و توانایی حمایت از کارهای بشدت دانشی را داشته و در نتیجه به عاملی مهم برای بقای شرکت‌ها و افزایش رقابت پذیری تبدیل شده‌اند. همچنین مشخص شده است که عدم همسویی میان سیستم‌های سازمانی و سیستم‌های اطلاعات می‌تواند باعث اختلال و حتی شکست در فعالیت‌های کسب و کار شود. چابکی کسب و کار نیازمند همسویی بین زنجیره تامین و فناوری اطلاعات است. این حال، مکانیزم‌هایی که از طریق آن قابلیت‌های فناوری اطلاعات و ارتباطات بر مزیت رقابتی یا عملکرد شرکت اثر می‌گذارد، هنوز مشخص نشده است. یک دیدگاه در حال ظهور در زمینه پژوهش استدلال می‌کند که تکنیک‌های برپایه هوش مصنوعی به توانمندسازی زنجیره تامین چابک بعنوان یک عامل کلیدی برای بقا در بازارهای رقابتی کمک می‌کند. هوش مصنوعی شاخه‌ایی از علوم کامپیوتر است که شبیه سازی فرایندی هوش انسانی توسط ماشین‌ها را به نمایش می گذارد. این شامل اتوماسیون، یادگیری ماشین، بینایی ماشین، پردازش زبان طبیعی و رباتیک است. یک سیستم هوش مصنوعی نه مصنوعی است و نه هوشمند بلکه دستگاهی است هدف گرا که مشکل را به روش مصنوعی حل می‌کند. این سیستم‌ها بر پایه دانش، تجربه و الگوهای استدلالی انسان به وجود آمده‌اند. زمانی از واژه هوش مصنوعی استفاده می‌گردد که یک ماشین از فعالیت‌های شناختی و ذهنی انسان مانند یادگیری و توانایی حل مساله تقلید می‌کند. هوش مصنوعی امروزه طیف وسیعی از خدمات را می تواند به سازمان ها ارائه دهد. استفاده درست از این فناوری، به کسب و کارها این توانایی را می‌دهد که با اتوماسیون و بهینه سازی فرایندهای سازمانی در وقت صرفه جویی کرده و هزینه‌های عملیاتی سازمان را کاهش دهند، همچنین با استفاده از خروجی‌های فناوری شناختی، تصمیمات مهم را هر چه سریع تر و چابک تر اتخاذ نمایند. بخشم و همکاران (1402) پژوهشی تحت عنوان شناسایی و تحلیل کاربردهای اینترنت اشیاء در چابکی زنجیره تأمین صنعت دارو در پساکرونا انجام دادند. نتایج پژوهش نشان میدهد که کاربردهای اینترنت اشیاء در چابکی زنجیره تأمین صنعت دارو دارای  9 مؤلفه و 50 شاخص می‌باشد. در درجه اول مهمترین عامل شناسایی شده، ارتباط سریعتر با سایر ذینفعان (تأمینکنندگان، تولیدکنندگان، توزیع کنندگان و مشتریان) با استفاده از اینترنت اشیاء در زنجیره تأمین می‌باشد. در درجه دوم ایده اینترنت اشیاء برای تولید دارو واضح است؛ تولیدکنندگان در زمینه‌های تکنولوژیکی سرمایه گذاری‌های کلانی می‌کنند که به نوبه خود منجر به کاهش هزینه‌های عملیاتی در دراز مدت است چرا که دستگاه‌های شبکه و سنسورها اشتباه نمی‌کنند، به استراحت و آموزش نیاز ندارند و مرخصی نمی‌گیرند؛ بنابراین چابکی فرآیند تولید دارو را افزایش داده و یک جایگزین قابل اعتماد و مقرون به صرفه برای بهره وری در تولید محسوب می‌شوند. کاربردهای گسترده مدل پیشنهادی حاکی از لزوم توجه به استفاده از اینترنت اشیاء در زنجیره تأمین صنایع دارو در جهت بهبود عملکرد کلی زنجیره تأمین و تمرکز بر چابکی زنجیره تأمین است. رحیمی کلور و قاسمی همدانی (1401) در پژوهشی به واکاوی نقش مدیریت ریسک مبتنی بر هوش مصنوعی در افزایش چابکی و قابلیت‌های مهندسی مجدد زنجیره تامین پرداختند. بررسی نتایج این تحقیق نشان داد که مدیریت ریسک مبتنی بر هوش مصنوعی بر چابکی و قابلیت مهندسی مجدد زنجیره تأمین شرکت تأثیر می‌گذارد، همچنین در رابطه غیرمستقیمی قابلیت مهندسی مجدد زنجیره تأمین رابطه بین مدیریت ریسک مبتنی بر هوش مصنوعی بر چابکی و قابلیت مهندسی مجدد زنجیره تأمین شرکت را میانجیگری می‌کند. اصلانی و همکاران (1400) در پژوهش خود به ارائه مدلی برای ارزیابی توانمندی‌های چندگانه زنجیره تأمین پایدار بر پایه هوش مصنوعی پرداختند. با توجه به مدلسازی سیستم خبره فازی بر پایه توانمندی‌های زنجیره تأمین پایدار شامل توانمندی رقابت پذیری، عملیاتی، فناوری و تاب آوری، مدلسازی نهایی سیستم استخراج می‌شود؛ بنابراین با توجه به مفاهیم موجود، متغیرهای زنجیره تأمین پایدار شامل توانمندی رقابت پذیری، عملیاتی، فناوری و تاب آوری به عنوان متغیرهای ورودی و سطح توانمندی های زنجیره تأمین پایدار به عنوان متغیر خروجی تعیین شدند. بلهادی و همکاران (2022) پژوهشی تحت عنوان ایجاد انعطافپذیری زنجیره تامین (SCR): تکنیک و چارچوب تصمیم‌گیری مبتنی بر هوش مصنوعی انجام دادند. یافته‌ها نشان می‌دهد که برنامه نویسی منطق فازی، داده‌های بزرگ یادگیری ماشین، و سیستم‌های مبتنی بر عامل امیدوار کننده‌ترین تکنیک‌هایی هستند که برای ارتقای استراتژی‌های SCRs استفاده می‌شوند. یافته‌های مطالعه با ارائه یک چارچوب تصمیم‌گیری یکپارچه برای راهنمایی شاغلین در استقرار هوش مصنوعی برای ساخت  SCRاز تصمیم گیرندگان حمایت می‌کند.

عبدال باسط و همکاران (2018) اذعان میدارند که زنجیره‌های تأمین سنتی برای غلبه بر چالش‌هـایی چـون عدم قطعیت، هزینه، پیچیدگی و حساسیت بالا باید هوشمندتر شوند. محققان یک دیاگرام تفصیلی از چارچوب ارائه شـده در تحقیق برای مدیریت زنجیرة تأمین هوشمند مبتنی بر اینترنت اشیا ارائـه مـی‌دهنـد کـه فراینـد شناسـایی، ردیـابی و رهگیری محصولات در سراسر جهان را خودکار نموده و موجب افـزایش شـفافیت، کـاهش هزینـه و زمـان و در نهایـت افزایش رضایت مشتری می‌گردد. بر اساس آنچه که بیان شد و اهمیت موضوع، در این پژوهش به بررسی تاثیر کاربردی هوش مصنوعی در راستای پیاده سازی زنجیره تامین چابک پرداخته شده و فرضیه‌های زیر مطرح می‌گردد: فرضیه اول: تکنیک‌های کارآمد هوش مصنوعی بر پیاده سازی زنجیره تامین چابک تاثیر مثبت و معنادار دارد. فرضیه دوم: یادگیری و استخراج الگوها بر پیاده سازی زنجیره تامین چابک تاثیر مثبت و معنادار دارد. فرضیه سوم: استدلال و انتخاب الگوها بر پیاده سازی زنجیره تامین چابک تاثیر مثبت و معنادار دارد. فرضیه چهارم: خوداصلاحی و تنظیم الگوها بر پیاده سازی زنجیره تامین چابک تاثیر مثبت و معنادار دارد.

روش پژوهش
این پژوهش حاضر کاربردی و از نوع توصیفی می‌باشد. جامعه آماری شامل کارشناسان فناوری شرکت‌های خصوصی در اصفهان به تعداد  118 نفر می‌باشد که با استفاده از جدول کرجسی-مورگان حجم نمونه 92 نفر به صورت تصادفی تعیین شده است. جهت جمع آوری داده‌ها از روش میدانی و ابزار پرسشنامه استفاده شده است. به منظور تجزیه و تحلیل داده‌ها از روش مدلسازی معادلات ساختاری با رویکرد حداقل مربعات جزئی و نرم افزار  Smart PLS و  SPSS استفاده شده است.

نتایج پژوهش
ویژگی‌های جمعیت شناختی پاسخگویان به شرح جدول 1 ارائه می‌گردد:

جدول 1. ویژگی‌های جمعیت شناختی پاسخگویان

مطابق نتایج جدول 1: 20/6 درصد پاسخگویان زن هستند و 79/4 درصد نیز مرد هستند. 63/1 درصد پاسخگویان با بیشترین فراوانی تحصیلات لیسانس دارند و 14/1 درصد با کمترین فراوانی فوق لیسانس هستند. 44/6 درصد پاسخگویان با بیشترین فراوانی 41 تا 50 سال سن دارند و 7/6 درصد با کمترین فراوانی 20 تا 30 سال سن دارند. 41/3 درصد پاسخگویان با بیشترین فراوانی 10 تا 15 سال سابقه کار دارند و 5/4 درصد با کمترین فراوانی بالای 20 سال سابقه کار دارند. نتایج مربوط به داده‌های جمع آوری شده درخصوص هر یک از متغیرهای پژوهش در جدول 2 ارائه شده است.

جدول 2. شاخص‌های توصیفی متغیرهای پژوهش

جهت ســنجش برازش مدل اندازه‌گیری از پایایی شــاخص، روایی همگرا و روایی واگرا استفاده گردیده است. پایایی شاخص برای سـنجش پایایی درونی، شـامل سـه معیار آلفای کرونباخ، پایایی مرکب و ضرایب بارهای عاملی است. آلفای کرونباخ شـاخصـی اسـت که برآوردی را برای پایایی براســـاس همبســـتگی درونی ارائه می‌دهد. به منظور محاســبه پایایی، معیار دیگری نیز وجود دارد که به آن پایایی ترکیبی گفته می‌شود. برای سنجش بهتر پایایی، هر دوی این معیارها استفاده شده است. برای پایایی مرکب میزان بالای 0/7 مناسب ذکر شده است. گزارش این معیارها در جدول 3 نشان داده شده است.
همانگونه که مشاهده می شود میزان ضرایب هر دو روش از 0/7 بالاتر بوده و این نشان دهنده پایایی مناسب مدل می‌باشد. روایی همگرا معیار دیگری اســت که برای برازش مدل‌های اندازه گیری در روش مدلسازی معادلات ســاختاری بکار برده می‌شود. فورنل و لارکر، متوسط واریانس استخراج شــده AVE را به عنوان معیاری برای اعتبار همگرا پیشــنهاد نموده‌اند. مقدار بالای، 0/5 میزان مطلوب این معیار را بیان می‌ کند. مقدار متوسط واریانس استخراج شده AVE برای متغیرهای مکنون بالاتر از 0/5 است. بنابراین، روایی همگرای مدل‌های اندازه گیری نیز مطلوب می‌باشد. نتایج بدست آمده از تحلیل مدل ساختاری در جدول، 4 معیار R2 را برای تمامی متغیرهای دورن زای مدل پژوهش نشــان می‌دهد. نتایج این معیار نشـان می‌دهد که برازش مدل ساختاری بیشتر متغیرها قوی و در حد مناسبی می‌باشد. علاوه بر این، به منظور بررســی قدرت پیش‌بینی مدل، از Q2 استفاده شده است. همانگونه که مشاهده می‌شود، مدل از قدرت پیش‌بینی قوی برخوردار است.

جدول 4. مقادیر R2 و Q2

پس از بررسی برازش مدل‌های اندازه‌گیری و مدل ساختاری و داشتن برازش مناسب مدل‌ها، به بررسی و آزمون فرضیه‌های پژوهش پرداخته شده است. لذا نتایج حاصل از ضرایب معناداری برای هریک از فرضیه‌ها در جدول 5 ارائه شده است. نتایج نشان می‌دهد که تمام فرضیه‌های پژوهش مورد تائید قرار گرفته است.

جدول 5. آزمون فرضیه‌ها

بحث و نتیجه گیری
 هدف این پژوهش بر مبنای بررسی تاثیر کاربردی هوش مصنوعی در راستای پیاده سازی زنجیره تامین چابک می‌باشد. نتایج پژوهش به شرح زیر ارائه می‌‌گردد: با توجه به نتایج بدست آمده، فرضیه اول پژوهش مبنی بر تاثیر مثبت و معنادار تکنیک های کارآمد هوش مصنوعی بر پیاده‌سازی زنجیره تامین چابک تایید شده است. استفاده مطلوب از تکنیک‌های کارآمد هوش مصنوعی، به انجام اقدامات مناسب و اثربخش در پیاده‌سازی زنجیره تامین چابک منجر می‌شود. به دنبال آن می‌توان نتیجه گرفت که شرکت‌ها می‌توانند از طریق بکارگیری به جا و مطلوب از تکنیک‌های کارآمد هوش مصنوعی، بر پیاده‌سازی زنجیره تامین چابک تاثیر داشته و عملکرد خود بر مبنای ساختارهای فعالیتی سریع و آسان را قابل اعتمادتر کنند. با توجه به نتایج بدست آمده، فرضیه دوم پژوهش مبنی بر تاثیر مثبت و معنادار یادگیری و استخراج الگوها بر پیاده‌سازی زنجیره تامین چابک تایید شده است. دیدگاه قویتر از یادگیری و استخراج الگوها، شرکت‌ها را در بکارگیری موثر از تکنیک‌های کارآمد هوش مصنوعی توانمند نموده و اصطلاحاً کارآمدی عملکرد بیشتری را ارائه می‌کند. بنابراین یادگیری و استخراج الگوها می‌تواند بر پیاده‌سازی زنجیره تامین چابک تاثیرگذار باشد. با توجه به نتایج بدست آمده، فرضیه سوم پژوهش مبنی بر تاثیر مثبت و معنادار استدلال و انتخاب الگوها بر پیاده‌سازی زنجیره تامین چابک تایید شده است. هوش مصنوعی الزامی از مراقبت‌های دسته‌بندی و انتخاب الگوها را نیاز دارند تا مصرف کننده بتواند از آن به شکل مناسب و مطلوب استفاده کند. بر این اساس، استدلال و انتخاب الگوها نیز می‌تواند در پیاده‌‌سازی زنجیره تامین چابک موثر باشد. با توجه به نتایج بدست آمده، فرضیه چهارم پژوهش مبنی بر تاثیر مثبت و معنادار خوداصلاحی و تنظیم الگوها بر پیاده‌سازی زنجیره تامین چابک تایید شده است. رسانه‌های اجتماعی و جذابیت در عملکرد ارائه خوداصلاحی و تنظیم الگوها در آنها موجب بهبود کیفیت عملکرد زنجیره و تاثیرگذاری بر چابکی آن خواهد شد. بنابراین، خوداصلاحی و تنظیم الگوها نیز در پیاده ‌سازی زنجیره تامین چابک تاثیرگذار خواهد بود. کسب و کارها از هوش مصنوعی به همراه یادگیری ماشینی برای بدست آوردن بینش‌های جدید در مورد مدیریت زنجیره تامین چابک استفاده می‌کنند. استفاده از هوش مصنوعی و تحلیل‌هایی را که این فناوری فراهم می‌کند، می توان عملکرد زنجیره تامین را تجزیه و تحلیل کرده و به فاکتورهای جدیدی دست یافت که در چابکی مدیریت زنجیره تامین اثر گذار هستند. علاوه بر آن، استفاده از هوش مصنوعی نه تنها امکان پیش‌بینی تقاضای محصول را فراهم کرده؛ بلکه اندازه‌گیری و ردیابی کلیه عوامل تاثیرگذار بر مدیریت زنجیره تامین چابک را به صورت خودکار، امکان پذیر خواهد کرد. یک شرکت زنجیره تامین چابک می‌تواند از هوش مصنوعی برای نظارت بر فعالیت ورود، ترافیک و هر گونه فرآیند نامنظم در سرورهای خود استفاده کند. هوش مصنوعی می‌تواند این تغییر را به شرکت‌های چابک اطلاع دهد. البته امروزه علیرغم سرمایه گذاری‌های گسترده در هوش مصنوعی، این فناوری هنوز پشتیبانی تجاری گسترده‌ای را تجربه نکرده است. پیشنهاد می‌گردد در پژوهش‌های آتی، تاثیر هوش تجاری کارکنان و مدیریت تغییر به عنوان متغیرهایی میانجی بر پیاده‌سازی زنجیره تامین چابک مورد بررسی قرار گیرد. همچنین، پژوهشی مشابه در شرکت‌های خدماتی و دولتی نیز انجام گیرد و نتایج با یافته‌‌های پژوهش حاضر مقایسه گردد. از محدودیتهای پژوهش می‌توان به استفاده از پرسشنامه در جمع آوری داده‌ها و عدم اطمینان از صداقت جامعه آماری در پاسخ به سوالات اشاره نمود.

و در آخر:

در این قسمت توضیحاتی آموزنده در مورد ‫‫‫‫تاثیر کاربردی هوش مصنوعی در راستای پیاده سازی زنجیره تامین چابک گذاشته شد. در آینده مطالب بیشتری را در اختیار شما قرار خواهیم داد، با آرزوی بهترین‌ها برای شما خواننده محترم.


منابع:

حسین حسینی، "تاثیر کاربردی هوش مصنوعی در راستای پیاده سازی زنجیره تامین چابک‫‬‬".