مدیریت تولید و عملیات، جلد ۱۶، شماره ۲، صفحات ۱-۲۶
عنوان فارسی ارزیابی میزان آمادگی شرکت‌های صنایع پتروشیمی در سازگاری با تحولات صنعت نسل چهارم با رویکرد یادگیری ماشین
چکیده فارسی مقاله ظهور انقلاب صنعتی 4.0، چالش‌های جدیدی را برای کسب‌وکارها، در بخش‌های تولیدی و صنعتی ایجاد کرده است. با توجه به نقش کلیدی صنایع پتروشیمی در توسعۀ اقتصادی و صنعتی کشور، هدف این پژوهش، ارزیابی میزان آمادگی شرکت‌های صنایع پتروشیمی در سازگاری با تحولات صنعت 4.0 است. روش‌شناسی این پژوهش، از دو مرحلۀ شناسایی شاخص‎‍های ارزیابی میزان آمادگی و خوشه‌بندی شرکت‌های پتروشیمی، با استفاده از الگوریتم آمیختۀ کای میانگین - الگوریتم بهینه‌سازی ازدحام ذرات[i] تشکیل شده است. جامعۀ آماری پژوهش، شرکت‌های صنایع پتروشیمی ایران است. پرسش‌نامۀ استاندارد ابزار ارزیابی آمادگی صنعت 4.0 دانشگاه وارویک، بین 78 شرکت از صنایع پتروشیمی ایران توزیع‎‍ و داده‌های جمع‌آوری‎‍شده با استفاده از الگوریتم Kmeans-PSO تحلیل شد. نتایج نشان می‌دهد که 42 شرکت در خوشۀ اول و از حیث میزان آمادگی برای سازگاری با تحولات صنعت 4.0، عملکرد پایین و 36 شرکت در خوشۀ دوم با عملکرد متوسط قرار دارند. این پژوهش میزان آمادگی شرکت‌های پتروشیمی را در پذیرش فناوری‌های صنعت 4.0 ارزیابی و راهنمایی‌هایی را برای مدیران و صنایع بالادستی برای تقویت، بهبود و انتقال آنها به‎‍سمت یک سازمان بالغ و آماده برای سازگاری با فناوری‌های صنعت 4.0 ارائه کرد.تاکنون پژوهشی دربارۀ ارزیابی میزان آمادگی شرکت‌های صنایع پتروشیمی برای سازگاری با تحولات صنعت 4.0 و خوشه‌بندی آنها انجام نشده است و این پژوهش یکی از نخستین تحقیقات در این زمینه است.
کلیدواژه‌های فارسی مقاله ارزیابی آمادگی،تحولات صنعت 4.0،خوشه‌بندی،سازگاری،صنایع پتروشیمی،یادگیری ماشین،
عنوان انگلیسی Readiness Assessment of Petrochemical Companies in Adapting to the Developments of Industry 4.0 Using Machine Learning Approach
چکیده انگلیسی مقاله Purpose: This study aims to assess the readiness level of Iranian petrochemical companies to adapt to the transformations of Industry 4.0. Given the importance of advanced technologies in enhancing productivity and competitiveness, the primary goal is to identify readiness levels and categorize organizations based on internationally recognized indicators. 
Design/methodology/approach: This research is primarily practical and survey-based. The questionnaire for this study is based on the Industry 4.0 Readiness Assessment Model developed by the University of Warwick. After identifying and validating key indicators through a literature review and expert interviews, the researchers gathered data from 78 petrochemical companies using the aforementioned standard questionnaire. The combined K-means-PSO algorithm was employed for data analysis and clustering. 
Findings: It was discovered that out of 78 petrochemical companies, 42 are at a high readiness level and 36 are at a medium readiness level for adapting to Industry 4.0. This clustering is clearly defined with the assistance of the K-means PSO algorithm. Additionally, indicators such as data usage, strategy implementation, and human resource capability had the most significant impact on determining the readiness level of companies.
Research limitations/implications: As the results of this study are based on self-reported data from a specific industry, future research should explore other industries and employ longitudinal analyses to monitor the dynamics of preparedness over time. 
Practical implications: The findings of this study serve as a valuable decision-making tool for petrochemical company managers and industry policymakers, enabling more targeted planning for the transition to Industry 4.0 by identifying company readiness levels. 
Social implications: Enhancing the readiness of companies to adopt Industry 4.0 technologies can result in higher quality employment, better technology utilization, reduced environmental impacts, and increased national productivity. 
Originality/value: Given that no research has previously assessed the readiness of petrochemical companies to adapt to Industry 4.0 developments and their clustering, this study is among the first to comprehensively evaluate the readiness of petrochemical companies for Industry 4.0 using a valid international model and machine learning techniques, providing a replicable framework for other sectors.
کلیدواژه‌های انگلیسی مقاله ارزیابی آمادگی,تحولات صنعت 4.0,خوشه‌بندی,سازگاری,صنایع پتروشیمی,یادگیری ماشین
نویسندگان مقاله کریم گرمسیری |
دانشجوی دکتری گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران

هادی بالوئی جام خانه |
استادیار گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران

احمد قربان پور |
استادیار گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران

نشانی اینترنتی https://jpom.ui.ac.ir/article_29434_9971096bf0ffea605cf0bd443aae04ba.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات