آموزش ISMفازی

مقدمه

مدلسازی ساختاری تفسیری فازی (Fuzzy Interpretive Structural Modeling یا Fuzzy ISM) یک روش تحلیلی است که برای شناسایی و تحلیل روابط پیچیده بین عناصر مختلف در یک سیستم استفاده می‌شود. این روش ترکیبی از تئوری مجموعه‌های فازی و مدلسازی ساختاری تفسیری (ISM) است که به منظور کاهش عدم قطعیت و افزایش دقت در تحلیل‌ها به کار می‌رود.

اصول و مبانی Fuzzy ISM

مدلسازی ساختاری تفسیری (ISM) یک روش تحلیلی است که برای شناسایی و تحلیل روابط بین عناصر مختلف در یک سیستم استفاده می‌شود. این روش به کمک دانش کارشناسان و با استفاده از ماتریس‌های تاثیر متقابل، ساختار سلسله مراتبی از عناصر را ایجاد می‌کند . در Fuzzy ISM، از مجموعه‌های فازی برای بیان عدم قطعیت و نوسانات در ارزیابی‌های کارشناسان استفاده می‌شود. این روش به جای استفاده از مقادیر باینری (0 و 1)، از اعداد فازی برای نشان دادن درجه تاثیر یک عنصر بر عنصر دیگر استفاده می‌کند

کاربردهای Fuzzy ISM

مدیریت زنجیره تامین

یکی از کاربردهای مهم Fuzzy ISM در مدیریت زنجیره تامین است. این روش به مدیران کمک می‌کند تا ریسک‌های مختلف در زنجیره تامین را شناسایی و تحلیل کنند و روابط بین این ریسک‌ها را در سطوح مختلف زنجیره تامین (مانند تامین‌کنندگان، شرکت‌های تولیدی و مشتریان) بررسی کنند

.توسعه شهرهای هوشمند

در توسعه شهرهای هوشمند، Fuzzy ISM برای شناسایی و تحلیل چالش‌های مرتبط با استفاده از داده‌های بزرگ (Big Data) به کار می‌رود. این روش به مدیران شهری کمک می‌کند تا روابط بین چالش‌های مختلف را شناسایی و تحلیل کنند و راهکارهای بهینه برای مواجهه با این چالش‌ها ارائه دهند

ارزیابی مصرف و تولید مسئولانه

Fuzzy ISM همچنین در ارزیابی مصرف و تولید مسئولانه (RCP) به کار می‌رود. این روش به محققان و مدیران کمک می‌کند تا روابط بین عوامل مختلف موثر بر مصرف و تولید مسئولانه را شناسایی و تحلیل کنند و راهکارهای بهینه برای بهبود عملکرد در این زمینه ارائه دهند

مزایا و محدودیت‌های Fuzzy ISM

مزایا

• کاهش عدم قطعیت: استفاده از مجموعه‌های فازی به کاهش عدم قطعیت در ارزیابی‌های کارشناسان کمک می‌کند.
• افزایش دقت: این روش به افزایش دقت در تحلیل‌ها و شناسایی روابط پیچیده بین عناصر مختلف کمک می‌کند.
• کاربرد گسترده: Fuzzy ISM در حوزه‌های مختلفی مانند مدیریت زنجیره تامین، توسعه شهرهای هوشمند و ارزیابی مصرف و تولید مسئولانه کاربرد دارد

محدودیت‌ها

• پیچیدگی محاسباتی: استفاده از مجموعه‌های فازی و ماتریس‌های تاثیر متقابل ممکن است به پیچیدگی محاسباتی منجر شود.
• نیاز به دانش کارشناسان: این روش به دانش و تجربه کارشناسان در حوزه مورد نظر وابسته است و بدون مشارکت کارشناسان ممکن است نتایج دقیقی حاصل نشود.

 

پژوهش‌های اخیر با استفاده از روش ISM فازی

1- مدلسازی ساختاری تفسیری فازی برای مدیریت تجربه کارکنان در دانشگاه علوم پزشکی مشهد

این پژوهش توسط kheyr et.al (2024) به مدل‌سازی عوامل مؤثر بر مدیریت تجربه کارکنان در دانشگاه علوم پزشکی مشهد با استفاده از روش ISM فازی پرداخته است. در این مطالعه، 10 عضو هیئت علمی، مدیران و کارکنان دانشگاه به عنوان نمونه انتخاب شدند و با استفاده از پرسشنامه ISM، روابط بین متغیرها بر اساس مقیاس مقایسه زوجی تعیین شد. نتایج نشان داد که عوامل فرهنگی و مدیریتی بیشترین تأثیر را بر تجربه کارکنان دارند و باید تقویت شوند

2-  مدلسازی پیش‌بینی فازی برای ساختار سلسله مراتبی مدیریت نوآوری استراتژیک

این پژوهش به توسعه یک مدل پیش‌بینی بر اساس تئوری مجموعه‌های فازی برای مدیریت نوآوری استراتژیک پرداخته است. این روش با استفاده از متغیرهای جایگزین برای کمی‌سازی متغیرهای کیفی و تئوری مجموعه‌های فازی برای شبیه‌سازی مدل سلسله مراتبی، به تحلیل و شبیه‌سازی سناریوهای مختلف پرداخته است. نتایج نشان داد که این روش می‌تواند به تصمیم‌گیری چندمعیاره کمک کند

 3- شناسایی عوامل کلیدی برای مدیریت زنجیره تأمین انسانی سبز

این پژوهش به شناسایی و دسته‌بندی عوامل کلیدی برای مدیریت زنجیره تأمین انسانی سبز با استفاده از روش ISM فازی پرداخته است. نتایج نشان داد که ایجاد روابط همکاری با شرکای زنجیره تأمین انسانی و استفاده مؤثر از منابع موجود از عوامل کلیدی موفقیت در این زمینه هستند. همچنین، سرعت و کیفیت پاسخ‌دهی به عنوان مهم‌ترین عامل در مدیریت زنجیره تأمین انسانی سبز شناسایی شد

4-  ارزیابی چالش‌های پیاده‌سازی صنعت 4.0 با استفاده از ISM و فرآیند تحلیل سلسله مراتبی فازی

این پژوهش به شناسایی، مدل‌سازی، تحلیل و اولویت‌بندی چالش‌های پیاده‌سازی صنعت 4.0 در صنایع تولیدی پرداخته است. نتایج نشان داد که “عدم وجود دیدگاه و رهبری از سوی مدیریت ارشد”، “کمبود برنامه‌های آموزشی و مهارتی” و “عدم قطعیت در بازگشت سرمایه” از مهم‌ترین چالش‌ها در پیاده‌سازی صنعت 4.0 هستند

.5- شناسایی موانع زنجیره تأمین سرد با استفاده از ISM فازی و تحلیل MICMAC فازی

این پژوهش به شناسایی و مدل‌سازی موانع زنجیره تأمین سرد در امارات متحده عربی پرداخته است. نتایج نشان داد که “هزینه‌های بالای سرمایه و عملیاتی” در بالاترین سطح مدل ISM قرار دارند و موانعی مانند “زنجیره تأمین سرد پراکنده”، “کمبود نیروی کار ماهر” و “زیرساخت‌های ناکافی سیستم اطلاعاتی” دارای قدرت رانندگی قوی و وابستگی ضعیف هستند

.منابع

1. Kheyr, M. (2024). Fuzzy Interpretive Structural Modeling regarding Factors Affecting Employees’ Experience Management in Mashhad University of Medical Sciences.
2. Dinesh, K. (2024). Fuzzy Predictive Modeling for the Hierarchical Structure of Strategic Innovation Management.
3. Bag, S. (2020). Towards understanding key enablers to green humanitarian supply chain management practices.
4. Bakhtari, S. (2021). Evaluating Industry 4.0 Implementation Challenges Using Interpretive Structural Modeling and Fuzzy Analytic Hierarchy Process.
5. Sharma, R. (2021). Modelling the inhibitors of cold supply chain using fuzzy interpretive structural modeling and fuzzy MICMAC analysis.

 

نتیجه‌گیری

Fuzzy ISM یک ابزار قدرتمند برای شناسایی و تحلیل روابط پیچیده بین عناصر مختلف در سیستم‌های مختلف است. این روش با ترکیب تئوری مجموعه‌های فازی و مدلسازی ساختاری تفسیری، به کاهش عدم قطعیت و افزایش دقت در تحلیل‌ها کمک می‌کند. با این حال، پیچیدگی محاسباتی و نیاز به دانش کارشناسان از محدودیت‌های این روش محسوب می‌شود.