اخبار و اعلانات

 آمار

تعداد نشریات35
تعداد شماره‌ها1,276
تعداد مقالات9,255
تعداد مشاهده مقاله8,577,683
تعداد دریافت فایل اصل مقاله5,257,762
مرشدی, احمد, نظافتی, نوید. (1400). طراحی و تبیین چالش‌ها و راهکارهای اجرای مدیریت دانش در زنجیره تامین (نمونه پژوهش: صنایع فولادی). پدافند الکترونیکی و سایبری, 4(3), 175-223. doi: 10.47176/smok.2021.1344
احمد مرشدی; نوید نظافتی. "طراحی و تبیین چالش‌ها و راهکارهای اجرای مدیریت دانش در زنجیره تامین (نمونه پژوهش: صنایع فولادی)". پدافند الکترونیکی و سایبری, 4, 3, 1400, 175-223. doi: 10.47176/smok.2021.1344
مرشدی, احمد, نظافتی, نوید. (1400). 'طراحی و تبیین چالش‌ها و راهکارهای اجرای مدیریت دانش در زنجیره تامین (نمونه پژوهش: صنایع فولادی)', پدافند الکترونیکی و سایبری, 4(3), pp. 175-223. doi: 10.47176/smok.2021.1344
مرشدی, احمد, نظافتی, نوید. طراحی و تبیین چالش‌ها و راهکارهای اجرای مدیریت دانش در زنجیره تامین (نمونه پژوهش: صنایع فولادی). پدافند الکترونیکی و سایبری, 1400; 4(3): 175-223. doi: 10.47176/smok.2021.1344

طراحی و تبیین چالش‌ها و راهکارهای اجرای مدیریت دانش در زنجیره تامین (نمونه پژوهش: صنایع فولادی)

مدیریت راهبردی دانش سازمانی
دوره 4، شماره 3 - شماره پیاپی 14، آذر 1400، صفحه 175-223    اصل مقاله (666.3 K)
نوع مقاله: مطالعه موردی
شناسه دیجیتال (DOI): 10.47176/smok.2021.1344
نویسندگان
احمد مرشدی* 1؛ نوید نظافتی2
1دانشجو دکتری، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
2استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، تهران، ایران
تاریخ دریافت: 07 آبان 1400،  تاریخ بازنگری: 29 آذر 1400،  تاریخ پذیرش: 29 دی 1400 
چکیده
مدیریت دانش، فضایی مشارکتی را ایجاد می­کند که به بهبود در زنجیره تامین کمک کند. مدیریت دانش، دستیابی اعضا به دانش خارجی و بهبود اعضا در زنجیره تامین را تضمین می کند. صنعت فولاد به­عنوان دومین صنعت راهبردی پس از صنعت نفت و پتروشیمی در ایران می­باشد. اجرای مدیریت دانش در زنجیره تامین صنایع فولادی دارای چالش­هایی هست که منجر به ایجاد هزینه­هایی برای این صنعت می­شود. این مقاله با هدف انتخاب و رتبه­بندی چالش­ها و راهکارهای مدیریت دانش و کاربرد آنها برای ارتقای عملکرد زنجیره تامین می باشد. در ابتدا چالش های موجود در ادبیات تحقیقاتی استخراج شدند. سپس، این چالش ها بر اساس نظر خبرگان غربال شده و برای تمامی این چالش­ها راهکارهای مناسب توسط خبرگان پیشنهاد گردید. خبرگان شامل 14 نفر از مدیران و کارشناسان مدیریت دانش زنجیره تامین صنایع فولادی (مجتمع فولاد مبارکه، غلتک­سازان سپاهان، کک­سازی زرند ایرانیان، ایمیدرو، شرکت ملی مس ایران، شرکت ملی فولاد ایران، فولاد آلیاژی ایران و فولاد آلیاژی اصفهان)، مشاوران مدیریت دانش، دانشجویان دکتری و اساتید مدیریت دانش (دانشگاه شهید بهشتی و علوم تحقیقات) می‌باشد. برای بررسی روابط درونی بین مولفه­های شناسایی شده از روش دیمتل استفاده گردید. پس از شناسایی روابط، برای رتبه­بندی از روش بهترین- بدترین (BWM) استفاده گردید. سپس از روش کوپراس (Copras) ارزیابی نسبی پیچیده برای رتبه­بندی راهکارها برای حل چالش­ها استفاده گردید. نرم­افزارهای مورد استفاده شامل نرم­افزار متلب و اکسل می باشند. مدل پیشنهاد شده در زنجیره تامین صنایع فولادی به­کار رفته است. راهکارها با استفاده از ادبیات تحقیق و قضاوت خبرگان زنجیره تامین بدست می آیند.
کلیدواژه‌ها
دیمتل؛ بهترین-بدترین؛ مدیریت دانش؛ copras؛ زنجیره تامین
عنوان مقاله [English]
The Interpretation of Knowledge Management Implementation Challenges and the Design of Relevant Solutions in Supply Chains (Case study: Steel Industry)
نویسندگان [English]
Ahmad Morshedi1؛ Navid Nezafati2
1Ph.D Candidate in Information Technology Management, Faculty of Management and Accounting, Shahid Beheshti University, Tehran, Iran
2Assistant Professor in Information Technology Management, Faculty of Management and Accounting, Shahid Beheshti University, Tehran, Iran
چکیده [English]
Knowledge management (KM) creates a collaborative environment that contributes to the improvements in the supply chain. It guarantees the access of members to external knowledge and the overall supply chain improvement in the competitive environment. The steel industry is considered as the second ‘key’ and ‘strategic’ industry after the oil and petrochemical industry in Iran. Implementing knowledge management in supply chains causes many costs due to some challenges. This study aims at selecting and ranking the KM challenges and solutions in order to apply them for improvement in the supply chain overall performance. First, the experts are asked to name and shortlist the challenges and solutions for the supply chain KM. The mentioned experts include 14 KM departments managers in the steel industry supply chain (Foolad Mobarakeh Complex, Ghaltaksazan Sepahan, Iran National Copper Company, Iran National Steel Company, Iran Alloy Steel Company and Isfahan Alloy Steel Company), KM consultants and KM professors. In order to identify the internal relationships among variables, the decision-making trial and evaluation laboratory-DEMATEL is adopted. Afterwards, best-worst method (BWM) is utilized for weighting the challenges. Finally, complex proportional assessment (COPRAS) is used to rank the solutions to handle challenges. Matlab and Excel are used to analyze the results which are also verified in the steel industry supply chain. The findings indicated that lack of leaders’ commitment towards KM, having a system of encouragement and reprimand for knowledge sharing and differences in the interests, values and culture of supply chain members are the most important challenges. Positive leadership towards KM, setting up incentives and reward systems for KM and strengthening the culture of cooperation in the chain are the highest rank solutions for removing the challenges or reducing their negative impacts.
کلیدواژه‌ها [English]
Knowledge Management, Dematel, Bwm, Copras, Supply Chain
مراجع
  • اصانلو، بهاره و سهیلی فر، آیدا و سهیلی فر، سودا (1396)، بررسی موانع پذیرش مدیریت دانش در مدیریت زنجیره تامین و ارایه راهکار برای غلبه بر موانع،دومین کنفرانس بین المللی مدیریت صنعتی،بابلسر.
  • جعفر نژاد ، ا، کاظمی، ع و عرب، ع (1395). شناسایی و اولویت بندی شاخص های ارزیابی تاب آوری تأمین کنندگان بر پایه روش بهترین بدترین، چشم انداز مدیریت صنعتی، شماره 32 ، صص 159 –
  • حسینی، سیدجمال الدین و رضائی نور، جلال و معصومی کاشانی، محمدحسین و اکبری، امیرحسین(1400)، ارزیابی مدیریت دانش در زنجیره تامین با استفاده از چارچوب EFQM و روشهای تصمیم گیری چند شاخصه فازی (FMADM) و برنامه ریزی چندهدفه، سیویلیکا.
  • سرتختی، ح، سعیدی، غ، علیا، رو فرسنگی، م، (1395). انتخاب روش استخراج با استفاده از روش بهترین-بدترین با نگرشی خاص به معدن زغال سنگ همکار، سومین کنگره ملی زغال سنگ ایران، دانشگاه صنعتی شاهرود.
  • شفیعی، علی، میرابی، وحیدرضا. (1398). ارائه و اعتباریابی مدل بازاریابی استراتژیک در شرکت‌های بزرگ صنعت فولاد. تحقیقات بازاریابی نوین, 9(2), 77-108.
  • فضل اله تبار، م، شیر خدایی، م و فلاح، ح (1396) .کاربرد تکنیک بهترین- بدترین در رتبه بندی سازوکارهای ضد بازاریابی گرایش به مصرف دخانیات، کنفرانس بی نالمللی مدیریت صنعتی، دانشگاه مازندران.
  • لویمی، مهدی(1396)، رتبه بندی پیاده سازی مدیریت دانش در زنجیره تامین با استفاده از روش vikor فازی و ELECTRE فازی(مطالعه موردی: ستاد نظارت گمرکات استان خوزستان-بندر امام خمینی خرمشهر(آبادان)،پنجمین کنفرانس بین المللی اقتصاد،مدیریت،حسابداری با رویکرد ارزش آفرینی،شیراز.
  • محقر، ع، حسینی، ج و عرب، ع (1396). بررسی و ارزیابی ریسک های پروژه بر پایه روش بهترین-بدترین، مجله پژوهش های مدیریت منابع سازمانی، جلد 7، شماره 2، صص 157 - 173
  • میرفخرالدینی، سیدحیدر و شعبانی، اکرم و فرهمندفر، ملیحه و اعظم طیبی، ریحانه(1395)، شناسایی و بررسی موانع پیاده سازی مدیریت دانش در زنجیره تأمین با استفاده از رویکرد تصمیمگیری چندمعیاره فازی مطالعه موردی:صنعت کاشی و سرامیک یزد،نخستین کنفرانس بین المللی پارادیم های نوین مدیریت هوشمندی تجاری و سازمانی،تهران.
 

Reference:

  • Ahmad, W. N. K. W., Rezaei, J., Sadaghiani, S., & Tavasszy, L. A. (2017). Evaluation of the external forces affecting the sustainability of oil and gas supply chain using Best Worst Method. Journal of Cleaner Production, 153, 242-252.
  • Ahmadi, H. B., Kusi-Sarpong, S., & Rezaei, J. (2017). Assessing the social sustainability of supply chains using Best Worst Method. Resources, Conservation and Recycling, 126, 99-106.
  • Akgun, A.K., Keskin, H., Ayar, H. and Okunakol, Z. (2016), “Knowledge sharing barriers in software development teams: amultiple case study in Turkey”, Kybernetes, Vol. 46 No. 4, pp. 603-620.
  • Amayah, A.T. (2013), “Determinants of knowledge sharing in a public sector organization”, Journal of Knowledge Management, Vol. 17 No. 3, pp. 454-471.
  • Bhatt, G.D. (2002), “Management strategies for individual knowledge and organizational knowledge”, Journal of Knowledge Management, Vol. 6 No. 1, pp. 31-39.
  • Brans, J.P. and Smet, Y.D. (2016), “PROMETHEE methods”, Multiple Criteria Decision Analysis, Vol. 233, pp. 187-219.
  • Chen, F., Hsu, T. and Tzeng, G. (2011), “A balanced scorecard approach to establish a performance evaluation and relationship model for hot spring hotels based on a hybrid MCDM model combining DEMATEL and ANP”, International Journal of Hospitality Management, Vol. 30 No. 4, pp. 908-932.
  • Chen, Z. S., Zhang, X., Govindan, K., Wang, X. J., & Chin, K. S. (2021). Third-party reverse logistics provider selection: A computational semantic analysis-based multi-perspective multi-attribute decision-making approach. Expert Systems with Applications, 166, 114051.
  • Corrao, R. (2017), “Top 5 knowledge management goals”, available at: https://libsource.com/top-5- knowledge-management-goals (accessed 1 December 2017).
  • Dash, S. (2021). Knowledge Management Practices in Steel Industries of India: A Comparative Analysis of Public and Private Steel Industries. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(2), 2032-2041.
  • Davenport, T.H. (2010), “Process Management for Knowledge Work”, Handbook on Business Process Management, pp. 17-35, , doi: 10.1007/978-3-642-00416-2_2 Devi, U. and Jain, V. (2016), “Role and importance of knowledge management in Indian business
  • Desouza, K. C., Chattaraj, A., & Kraft, G. (2003). Supply chain perspectives to knowledge management: research propositions. Journal of knowledge Management. enterprises”, International Journal of Commerce and Management Research, Vol. 2 No. 12, pp. 180-183.
  • Esmaeilikia, M., Fahimnia, B., Sarkis, J., Govindan, K., Kumar, A. and Mo, J. (2016), “Tactical supply chain planning models with inherent flexibility: definition and review”, Annals of Operations Research, Vol. 224 No. 2, pp. 407-427.
  • Fletcher, L., & Polychronakis, Y. E. (2007). Capturing knowledge management in the supply chain. EuroMed Journal of Business.
  • Ganesh, M., Raghunathan, S. and Rajendran, C. (2014), “The value of information sharing in a multiproduct, multi-level supply chain: impact of product substitution, demand correlation, and partial information sharing”, Decision Support Systems, Vol. 58, pp. 79-94.
  • Gao, D., Xu, Z., Ruan, Y. and Lu, H. (2017), “From a systematic literature review to integrated definition for sustainable supply chain innovation (SSCI)”, Journal of Cleaner Production), Vol. 142, pp. 1518-1538.
  • Guo, S., & Zhao, H. (2017). Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Systems, 121, 23-31.
  • Gupta, H., & Barua, M. K. (2018). A framework to overcome barriers to green innovation in SMEs using BWM and Fuzzy TOPSIS. Science of The Total Environment, 633, 122-139.
  • Heisig, P., Suraj, O.A., Kianto, A., Kemboi, C., Perez Arrau, G. and Fathi Easa, (2016), N. “Knowledge management and business performance: global experts’ views on future research needs”, Journal of Knowledge Management, Vol. 20 No. 6, pp. 1169-1198.
  • Hejazi, M. T. (2021). Effect of Supply Chain Resilience on Organizational Performance through Knowledge Sharing. REVISTA GEINTEC-GESTAO INOVACAO E TECNOLOGIAS, 11(4), 4764-4771.
  • Huang, C. and Lin, S.H. (2010), “Sharing knowledge in a supply chain using the semantic web”, Expert Systems with Applications, Vol. 37 No. 4, pp. 3145-3161.
  • Joia, L. A., & Lemos, B. (2010). Relevant factors for tacit knowledge transfer within organisations. Journal of Knowledge Management, 14(3), 410–427.
  • Kassaneh, T. C., Bolisani, E., & Cegarra-Navarro, J. G. (2021). Knowledge Management Practices for Sustainable Supply Chain Management: A Challenge for Business Education. Sustainability 2021, 13, 2956.
  • Kwon, O., Im, G.P. and Lee, K.C. (2007), “MACE-SCM: a multi-agent and case-based reasoning collaboration mechanism for supply chain management under supply and demand uncertainties”, Expert Systems with Applications, Vol. 33 No. 3, pp. 690-705.
  • Lee, W., Huang, A., Chang, Y. and Cheng, M. (2011), “Analysis of decision-making factors for equity investment by DEMATEL and analytic network process”, Expert Systems with Applications, Vol. 38 No. 7, pp. 8375-8383.
  • Lei, H., Khamkhoutlavong, M. and Le, P.B. (2021). Fostering exploitative and exploratory innovation through HRM.
  • Li, X. and Hu, J. (2012), “Business impact analysis based on supply chain’s knowledge sharing ability”, Procedia Environmental Sciences, Vol. 12, pp. 1302-1307.
  • Merriam-Webster (2017), “Definition of process”, available at: www.merriam-webster.com/dictionary/ process (accessed 12 January 2017).
  • Mohajan, H. (2017). Tacit Knowledge for the Development of Organizations. ABC Journal of Advanced Research, 6(1), 17–24.
  • Mohajan, H. (2017). Tacit Knowledge for the Development of Organizations. ABC Journal of Advanced Research, 6(1), 17–24.
  • Mora, M., Raisinghani, M., Gelman, O., & Sicilia, M. A. (2011). Onto-servsys: A service system ontology. In The science of service systems (pp. 151-173). Springer, Boston, MA.
  • Muñoz, E., Cap_on-García, E., Laínez-Aguirre, J.M., Espuña, A. and Puigjaner, L. (2015), “Supply chain planning and scheduling integration using Lagrangian decomposition in a knowledge management environment”, Computers and Chemical Engineering, Vol. 72, pp. 52-67.
  • Nazam, M., Hashim, M., Baig, S. A., Abrar, M., & Shabbir, R. (2020). Modeling the key barriers of knowledge management adoption in sustainable supply chain. Journal of Enterprise Information Management.
  • Nesan, J. (2012). Factors influencing tacit knowledge in construction. Construction Economics and Building, 5(1), 48–57.
  • Nevo, D. and Chan, Y.E. (2007), “A Delphi study of knowledge management systems: scope and requirements”, Information& Management, Vol. 44 No. 6, pp. 583-597.
  • Sartori, J. T. D., Frederico, G. F., & de Fátima Nunes Silva, H. Organizational knowledge management in the context of supply chain 4.0: A systematic literature review and conceptual model proposal. Knowledge and Process Management.
  • Okyere-Kwakye, E., & Nor, K. M. (2011). Individual factors and knowledge sharing. American Journal of Economics and Business Administration, 3(1), 66–72.
  • Patil, S.K. and Kant, R. (2014), “A fuzzy AHP-TOPSIS framework for ranking the solutions of knowledge management adoption in supply chain to overcome its barriers”, Expert Systems with Applications, Vol. 41 No. 2, pp. 679-693.
  • practices and knowledge management capability: the moderating effect of knowledge-centered culture. Journal of Knowledge Management, Vol. ahead-of-print No. ahead-of-print.
  • Raisinghani, M. S., & Meade, L. L. (2005). Strategic decisions in supply‐chain intelligence using knowledge management: an analytic‐network‐process framework. Supply Chain Management: An International Journal.
  • Rezaei, J. (2016). Best-worst multi-criteria decision-making method: Some properties and a linear model. Omega, 64, 126-130.
  • Rezaei, J., Kothadiya, O., Tavasszy, L., & Kroesen, M. (2018). Quality assessment of airline baggage handling systems using SERVQUAL and BWM. Tourism Management, 66, 85-93.
  • Rodrigues, P. (2016), “Gender differences in the perception of the importance of transfer and knowledge management system”, European Conference on Knowledge Management, pp. 763-770.
  • Salimi, N., & Rezaei, J. (2018). Evaluating firms’ R&D performance using best worst method. Evaluation and program planning, 66, 147-155.
  • Sandhawalia, B.S. and Dalcher, D. (2016), “The role of knowledge integration and effective decisionmaking in delivering 2016”, available at: uhra.herts.ac.uk (accessed 1 December 2017).
  • Sarnikar, S. and Deokar, A. (2017), “A design approach for process-based knowledge management systems”, Journal of Knowledge Management, Vol. 21 No. 4, pp. 693-717.
  • Shen, Y., Lin, G. and Tzeng, G. (2011), “Combined DEMATEL techniques with novel MCDM for the organic light emitting diode technology selection”, Expert Systems with Applications, Vol. 38 No. 3, pp. 1468-1481.
  • Shi, Q., Wang, Q., & Guo, Z. (2021). Knowledge sharing in the construction supply chain: Collaborative innovation activities and BIM application on innovation performance. Engineering, Construction and Architectural Management.
  • Shojaei, P., Haeri, S. A. S., & Mohammadi, S. (2018). Airports evaluation and ranking model using Taguchi loss function, best-worst method and VIKOR technique. Journal of Air Transport Management, 68, 4-13.
  • Simchi-Levi, D., Kaminsky, P. and Simchi-Levi, E. (2008), Designing and Managing the Supply Chain: Concepts, Strategies and Case Studies, 3rd ed., McGraw-Hill Irwin, Boston.
  • Singh, C., Singh, D., & Khamba, J. S. (2020). Analyzing barriers of Green Lean practices in manufacturing industries by DEMATEL approach. Journal of Manufacturing Technology Management.
  • Singh, M., Hsu, S.H., Zhu, Z. and Balasubramanian, S.K. (2012), “Knowledge sharing—a key role in the downstream supply chain”, Ivnformation and Management, Vol. 49 No. 2, pp. 70-80.
  • Smith, E.A. (2001), “The role of tacit and explicit knowledge in the workplace”, Journal of Knowledge Management, Vol. 5 No. 4, pp. 311-321.
  • Tatoglu, E., Bayraktar, E., Golgeki, I. and Lenny Koh, S. (2016), “How do supply chain management and information systems practices influence operational performance? Evidence from emerging country SMEs”, International Journal of Logistics Research and Applications, Vol. 19 No. 3, pp. 181-199.
  • Valeau, P., Willems, J. and Parak, H. (2016), “The effect of attitudinal and behavioral commitment on the internal assessment of organizational effectiveness: a multilevel analysis”, Voluntas: International Journal of Voluntary and Nonprofit Organizations, Vol. 27 No. 6, pp. 2913-2936.
  • VanPatten, B. (2016), “Why explicit knowledge cannot become implicit knowledge”, Foreign Language Annals, Vol. 49 No. 4, pp. 650-657.
  • Wadhwa, S., Ducq, Y., Saxena, A., & Prakash, A. (2008). Supply chain as a flexible system: A KM focused competence. Global Journal of Flexible Systems Management, 9(2-3), 15-30.
  • Williamson, O.E. (2008), “Outsourcing: Transaction cost economics and supply chain management”, The Journal of Supply Chain Management, Vol. 44 No. 2, pp. 5-16.
  • Zaim, H., Gürcan,. F., Tarım, M., Zaim, S., & Alpkan, L. (2015). Determining the critical factors of tacit knowledge in service industry in Turkey. Procedia-Social and Behavioral Sciences, 207, 759–767.
  • Zavadskas, E. K., Kaklauskas, A., Turskis, Z., & Tamošaitiene, J. (2008). Selection of the effective dwelling house walls by applying attributes values determined at intervals. Journal of civil engineering and management, 14(2), 85-93.
  • Zhang, L., & He, J. (2015). Critical factors affecting tacit-knowledge sharing within the integrated project team. Journal of Management in Engineering, 32(2), 04015045.
آمار
تعداد مشاهده مقاله: 546
تعداد دریافت فایل اصل مقاله: 515