استفاده از تحلیل پوششی‌داده‌ها و الگوریتم ژنتیک برای توسعۀ سیستم استنتاج فازی وزن‌دار شده به‌منظور ارزیابی بلوغ اتحاد راهبردی

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی صنایع، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.

2 دانشیار، گروه مهندسی صنایع، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.

3 استادیار، گروه مهندسی صنایع، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.

10.22059/imj.2024.372733.1008125

چکیده

هدف: زمانی که دو یا چند سازمان همکار درصدد ارتقای سطح همکاری‌های خود باشند، به‌سمت اتحادهای راهبردی حرکت خواهند کرد. هدف اتحاد راهبردی حرکت در یک همکاری به‌سمت اهداف توافق‌شده از طریق اشتراک منابع است. این حرکت به نحوی انجام می‌شود که سازمان‌های همکار مستقل باقی می‌مانند. مدل‌های بلوغ روش‌های ارزشمندی برای کمک به سازمان‌های تولیدی برای توسعۀ همکاری‌های خود هستند؛ اما کار تجربی در زمینۀ توسعۀ مدل بلوغ اتحاد راهبردی با دستورالعمل‌های روشن انجام نشده است و هیچ مدلی برای سنجش بلوغ اتحاد راهبردی با ابزار ارزیابی وجود ندارد که بتواند به بی‌دقتی ناشی از قضاوت انسان وعدم قطعیت و ابهام ذاتی ارزیابی بپردازد. هدف این پژوهش طراحی یک روش برای سنجش سطح بلوغ اتحادهای راهبردی است تا بتوان به‌کمک آن، شناخت مناسبی از وضعیت فعلی همکاری بر اساس معیارهای بلوغ اتحادهای راهبردی به‌دست آورد.
روش: برای این هدف، در این پژوهش یک مدل بلوغ توسعه یافته است. این مدل برای ارزیابی وضعیت یک همکاری در یک مقطع خاص، از منطق فازی استفاده کرده است. مدل بلوغ اتحاد راهبردی مبتنی بر منطق فازی، از طریق یک رویۀ شفاف و دقیق ایجاد شده و روی یک رویکرد چندروشی، شامل بررسی ادبیات، مصاحبه، گروه‌های متمرکز و مطالعه موردی، از طراحی مدل تا ارزیابی مدل توسعه داده شده است. در این پژوهش، برای سنجش سطح بلوغ با استفاده از شاخص‌ها، از سیستم استنتاج فازی وزن‌دار شده با تکنیک تحلیل پوششی داده‌های فازی کمک گرفته شده است. همچنین برای دستیابی به مجموعه قواعد فازی، از الگوریتم ژنتیک استفاده شده است. مدل بلوغ در این پژوهش نیز همانند تمامی مدل‌های بلوغ، از دو جزء تشکیل شده است که عبارت‌اند از: سطوح بلوغ اتحاد راهبردی و ابعاد بلوغ اتحاد راهبردی.
یافته‌ها: در مدل این پژوهش پنج سطح بلوغ با عناوین اتحاد راهبردی موردی، مقدماتی، مدیریت شده، برنامه‌ریزی شده و بهینه‌سازی شده طراحی و تعریف شده است. همچنین یک فهرست ۴۴ موردی از شاخص‌ها، برای سنجش سطح اتحاد راهبردی از مطالعۀ مقاله‌ها، مصاحبه با خبرگان و بررسی اتحادهای راهبردی موفق و ناموفق به‌دست آمد؛ سپس این فهرست در ۱۷ معیار و ابعاد شش‌گانه دسته‌بندی شد. در گام بعد با استفاده از تکنیک نسبت روایی محتوا، شاخص‌های ضروری شناسایی شدند. پس از آن با اجرای تکنیک تحلیل پوشش داده‌ها، اهمیت نسبی هر یک از شاخص‌ها به‌دست آمد. برای ایجاد مجموعه‌های فازی مربوط به متغیرهای سیستم استنتاج فازی، از خبرگان نظرسنجی شد. همچنین با بررسی نمونه‌های اتحادهای راهبردی داخل و خارج از کشور، یک مجموعه قواعد فازی با نظرسنجی از خبرگان به‌دست آمد و توسعه یافت. مدل پیشنهادی، از طریق یک مطالعۀ موردی واقعی در همکاری میان یک سازمان تولیدی و شریک تجاری آن، ارزیابی و تأیید شده است.
نتیجه‌گیری: نتایج پژوهش حاضر نشان می‌دهد که این رویکرد، یک ابزار تشخیصی قوی و کاربردی را بر اساس مجموعه‌ای از شاخص‌های بلوغ اتحاد راهبردی ارائه می‌کند. با به‌کارگیری نتایج این مدل و تجزیه‌وتحلیل شکاف‌ها، می‌توان یک برنامۀ اقدام برای افزایش سطح بلوغ اتحاد راهبردی تجویز کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Assessing Strategic Alliance Maturity through a Weighted Fuzzy Inference System: Perspectives from Data Envelopment Analysis and Genetic Algorithm

نویسندگان [English]

  • Saeed Roshandel 1
  • Mohammad Hossein Karimi Govareshaki 2
  • Morteza Abbasi 3
1 Ph.D. Candidate, Department of Industrial Engineering, Faculty of Management and Industrial Engineering, Malek Ashtar University, Tehran, Iran.
2 Associate Prof., Department of Industrial Engineering, Faculty of Management and Industrial Engineering, Malek Ashtar University, Tehran, Iran.
3 Assistant Prof., Department of Industrial Engineering, Faculty of Management and Industrial Engineering, Malek Ashtar University, Tehran, Iran
چکیده [English]

Objective
When two or more organizations seek to enhance their collaboration, they may opt to form strategic alliances. These alliances aim to progress cooperatively toward shared goals through resource sharing, while maintaining their independence. Maturity models are essential tools for aiding manufacturing organizations in developing their partnerships. However, there is a lack of empirical research on creating a strategic alliance maturity model with clear guidelines. Consequently, no existing model effectively measures the maturity of a strategic alliance, particularly one that can address inaccuracies due to human judgment and inherent evaluation uncertainties. This research aims to design a method to assess the maturity level of strategic alliances, providing a better understanding of the current state of cooperation based on strategic alliance maturity criteria.
 
Methods
This research developed a maturity model using fuzzy logic to evaluate the status of a collaboration at a specific point in time. The strategic alliance maturity model, based on fuzzy logic, was created through a clear and precise procedure and a multi-method approach, including literature reviews, interviews, focus groups, and case studies. A weighted fuzzy inference system combined with the fuzzy data envelopment analysis technique was employed to measure maturity levels using specific indicators. Additionally, a genetic algorithm was applied to generate a set of fuzzy rules. Like all maturity models, the one developed in this research consists of two main components: the maturity levels of the strategic alliance and its maturity dimensions.
 
Results
The research model defines five levels of maturity: ad-hoc, initial, managed, planned, and optimized strategic alliance. A 44-item list of indicators for measuring strategic alliance maturity was compiled from articles, expert interviews, and analysis of successful and unsuccessful alliances. This list was then categorized into 17 criteria across six dimensions. Essential indicators were identified using the content validity ratio technique, and their relative importance was determined through data envelopment analysis. Expert surveys were used to create fuzzy sets for the variables of the fuzzy inference system. Additionally, a set of fuzzy rules was developed by examining examples of strategic alliances both domestically and internationally, and refining them through expert surveys.
 
Conclusion
The proposed model has been evaluated and validated through a real case study involving collaboration between a manufacturing organization and its business partner. The research results demonstrate that this approach offers a robust and practical diagnostic tool based on a set of strategic alliance maturity indicators. By analyzing the gaps identified by this model, an action plan can be devised to enhance the maturity level of the strategic alliance.

کلیدواژه‌ها [English]

  • Strategic alliance
  • Fuzzy inference system
  • Maturity model
  • Genetic algorithm
  • Data envelopment analysis
اصولی، بهاره؛ غلامیان، محمدرضا و نوروزی، مریم (1402). استفاده از قرارداد اشتراک درآمد در هماهنگی زنجیرۀ تأمین دوسطحی با حضور راهبردهای مدیریت موجودی توسط فروشنده و سرمایه‌گذاری تبلیغات. مدیریت صنعتی، 15(4)، 566-594.
ایل بیگی نژاد، عباس؛ ایزدبخش، حمیدرضا و ارشدی خمسه، علیرضا (1400). طراحی و توسعه مدل توزیع منابع مالی به تأمین‌کنندگان در یک زنجیره تک‌تولیدکننده. مدیریت صنعتی، 13(4)، 537-558.
حسینی، کسری و جاوید، یونس (1403). مدیریت ریسک در پروژه‌های ساخت پایدار: مرور ادبیات نظام‌مند و تحلیل کتاب‌سنجی. مدیریت صنعتی، 16(2)، 303-333.
حقیقی، محمد و جلالی، سید حسین (1396). شکل‌گیری شراکت‌های راهبردی از دیدگاه تئوری نهادی. مدیریت بازرگانی، 9(4)، 717-738.
روشندل، سعید؛ کریمی گوارشکی، محمدحسین و عباسی، مرتضی (1402). طراحی مدل توسعه تأمین‌کنندگان به‌منظور گذار از روش برون‏سپاری به اتحاد راهبردی. پژوهش‌های مدیریت در ایران، 27(2)، 72-94.
صفاری، حمید؛ عباسی، مرتضی و قیدر خلجانی، جعفر (1402). طراحی شبکه در اتحاد استراتژیک تحت عدم قطعیت با رویکرد موازنه بین ریسک و عملکرد شبکه. مدیریت صنعتی، 15(1)، 112-149.
قیدرخلجانی، جعفر و روشندل، سعید (1400). ارزیابی ریسک بر مبنای نمره اولویت ریسکِ کارای جامع با استفاده از تحلیل پوششی داده‌ها. مدیریت صنعتی، 13(1)، 131-154.
کریمی گوارشکی، محمد حسین و روشندل، سعید (1399). طراحی یک روش جدید به‌منظور رتبه‌بندی واحدهای تصمیم‌گیرنده کارا در تحلیل پوششی داده‌ها با استفاده از سیستم استنتاج فازی. مدیریت صنعتی، 12(3)، 440-461.
مختارزاده، نیما و کرامت، شاپور (1394). ارائه مدلی برای تحلیل ریسک اتحادهای راهبردی و فناورانه. فصلنامه علمی مدیریت نوآوری، 4(3)، 119-140.
موسی خانی، محمد؛ مانیان، امیر و احقاقی، الهام (1393). تدوین مدل ارزیابی بلوغ همکاری در شبکه های بین سازمانی شبکه شباب، پژوهش‌های مدیریت در ایران، 18(3)، 157-180.
 
References
Alonso, J., Martínez de Soria, I., Orue-Echevarria, L. & Vergara, M. (2010). Enterprise collaboration maturity model (ECMM): preliminary definition and future challenges. In Enterprise Interoperability IV: Making the Internet of the Future for the Future of Enterprise, (pp. 429-438). London: Springer London.
Alrashoud, M. (2019). Hierarchical fuzzy inference system for diagnosing dengue disease. 2019 IEEE International Conference on Multimedia & Expo Workshops (ICMEW) (pp. 31-36). IEEE.
Aqlan, F. & Lam, S. S. (2015). A fuzzy-based integrated framework for supply chain risk assessment. International Journal of Production Economics, 161, 54-63.
Asdecker, B. & Felch, V. (2018). Development of an Industry 4.0 maturity model for the delivery process in supply chains. Journal of Modelling in Management, 13(4), 840-883.
Awasthy, R., Flint, S., Jones, R. L. & Sankaranarayana, R. (2018). Uicmm: A maturity model for university-industry collaboration. 2018 IEEE International Conference on Engineering, Technology and Innovation (ICE/ITMC).
Azadegan, A., Porobic, L., Ghazinoory, S., Samouei, P. & Kheirkhah, A. S. (2011). Fuzzy logic in manufacturing: A review of literature and a specialized application. International Journal of Production Economics, 132(2), 258-270.
Becker, J., Knackstedt, R., & Pöppelbuß, J. (2009). Developing maturity models for IT management: A procedure model and its application. Business & information systems engineering, 1, 213-222.
Boughzala, I. & de Vreede, G.-J. (2012). A collaboration maturity model: Development and exploratory application. 2012 45th Hawaii International Conference on System Sciences (pp. 306-315). IEE.
Boughzala, I. & De Vreede, G.-J. (2015). Evaluating team collaboration quality: The development and field application of a collaboration maturity model. Journal of Management Information Systems, 32(3), 129-157.
Caiado, R. G. G., Scavarda, L. F., Gavião, L. O., Ivson, P., de Mattos Nascimento, D. L. & Garza-Reyes, J. A. Mosakhani, M., Maniyan, A. & Ehghaghi, E,(2021). A fuzzy rule-based industry 4.0 maturity model for operations and supply chain management. International Journal of Production Economics, 231, 107883.
Chang, M. H., Liou, J. J. & Lo, H. W. (2019). A hybrid MCDM model for evaluating strategic alliance partners in the green biopharmaceutical industry. Sustainability, 11(15), 4065.
Das, T. K. & Teng, B.S. (2000). A resource-based theory of strategic alliances. Journal of management, 26(1), 31-61. https://doi.org/https://doi.org/10.1177/014920630002600105
De Carolis, A., Macchi, M., Kulvatunyou, B., Brundage, M. P. & Terzi, S. (2017). Maturity models and tools for enabling smart manufacturing systems: comparison and reflections for future developments. Product Lifecycle Management and the Industry of the Future: 14th IFIP WG 5.1 International Conference, PLM 2017, Revised Selected Papers 14 (pp. 23-35). Springer International Publishing.
Eilbeygi Nejad, A., Izadbakhsh, H. & ArshadiKhamseh, A. (2022). Designing and Developing a Model for Distributing Financial Resources among Suppliers in a Single Producer Chain. Industrial Management Journal, 13(4), 537-558. (in Persian)
Gheidar-Kheljani, J. & Roshandel, S. (2021). Risk Assessment Based on Total Efficient Risk Priority Number Using Data Envelopment Analysis. Industrial Management Journal, 13(1), 131-154. (in Persian)
Guo, P. & Tanaka, H. (2001). Fuzzy DEA: a perceptual evaluation method. Fuzzy sets and systems, 119(1), 149-160. https://doi.org/https://doi.org/10.1016/S0165-0114(99)00106-2
Haghighi, M. & Jalali, S. H. (2018). Strategic Alliance Formation from the Institutional Theory Perspective. Journal of Business Management, 9(4), 717-738. https://doi.org/10.22059/jibm.2017.126495.1688. (in Persian)
Hain, S. & Back, A. (2011). Towards a maturity model for e-collaboration-a design science research approach. 2011 44th Hawaii International Conference on System Sciences.
Ho, D., Kumar, A. & Shiwakoti, N. (2016). Maturity model for supply chain collaboration: CMMI approach. 2016 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM).
Ho, D., Kumar, A. & Shiwakoti, N. (2019). A literature review of supply chain collaboration mechanisms and their impact on performance. Engineering Management Journal, 31(1), 47-68.
Ho, T., Kumar, A. & Shiwakoti, N. (2020). Supply chain collaboration and performance: an empirical study of maturity model. SN Applied Sciences, 2, 1-16. https://doi.org/https://doi.org/10.1007/s42452-020-2468-y
Hosseini, K. & Javid, Y. (2024). Risk Management in Sustainable Construction Projects: A Systematic Review and Bibliometric Analysis. Industrial Management Journal, 16(2), 303-333. (in Persian)
Huijsman, K., Plomp, M. & Batenburg, R. (2012). Measuring interoperability maturity in government networks. European Journal of ePractice, 17, 31-43.
Jamsandekar, S. S. & Mudholkar, R. R. (2015). Fuzzy inference rule generation using genetic algorithm variant. Journal of Computer Engineering, 17(4), 9-16.
Johansen, J. B., Jensen, P. A. & Thuesen, C. (2017). Maturity model for strategic collaboration in sustainable building renovation. Proceedings of the 33rd Annual ARCOM Conference, Cambridge, UK.
Karimi Govareshaki, M. H. & Roshandel, S. (2020). Designing a New Efficiency Ranking Method in Data Envelopment Analysis Using Fuzzy Inference System. Industrial Management Journal, 12(3), 440-461. (in Persian)
Ko, W. L., Kim, S. Y., Lee, J. H. & Song, T. H. (2020). The effects of strategic alliance emphasis and marketing efficiency on firm value under different technological environments. Journal of Business Research, 120, 453-461.
Liu, W., Zhang, D., Meng, W., Li, X. & Xu, F. (2011). A study of DEA models without explicit inputs. Omega, 39(5), 472-480. https://doi.org/https://doi.org/10.1016/j.omega.2010.10.005
Magdaleno, A. M., de Araujo, R. M. & Werner, C. M. L. (2011). A roadmap to the Collaboration Maturity Model (CollabMM) evolution. Proceedings of the 2011 15th International Conference on Computer Supported Cooperative Work in Design (CSCWD).
Marx, F., Wortmann, F. & Mayer, J. H. (2012). A maturity model for management control systems: five evolutionary steps to guide development. Business & information systems engineering, 4, 193-207.
Mittal, S., Khan, M. A., Romero, D. & Wuest, T. (2018). A critical review of smart manufacturing & Industry 4.0 maturity models: Implications for small and medium-sized enterprises (SMEs). Journal of Manufacturing Systems, 49, 194-214.
Mokhtarzadeh, N. & Keramat, S. (2015). Presenting a Model for Analyzing the Risks of Strategic and Technological Alliances. Innovation Management Journal, 4(3), 119-140, (in Persian)
Mousakhani, M., Maniyan, A. & Ehghaghi, E. (2021). A model collaborative maturity assessment in inter-organizational networks Case Study: Shabab Network. Management Research in Iran, 18(3), 157-180, (in Persian)
Ngai, E. W. T., Chau, D. C. K., Poon, J. K. L. & To, C. K. M. (2013). Energy and utility management maturity model for sustainable manufacturing process. International Journal of Production Economics, 146(2), 453-464.
Nguyen, N.T. (2020). Performance evaluation in strategic alliances: A case of Vietnamese construction industry. Global Journal of Flexible Systems Management, 21(1), 85-99. https://doi.org/https://doi.org/10.1007/s40171-019-00230-9
Osuli, B., Gholamian, M. R. & Noroozi, M. (2023). The use of Revenue-sharing Contracts in Two-level Supply Chain Coordination with the Presence of Vendor-managed Inventory and Advertising Investment. Industrial Management Journal, 15(4), 566-594.
(in Persian)
Pabarja, R., Jamali, G., Salimifard, K. & Ghorbanpur, A. (2024). Analysis of the LARG of the Hospital Medical Equipment Supply Chain using the Fuzzy Inference System. International Journal of Research in Industrial Engineering, 13(2), 116-151.
Pedroso, C. B., Calache, L. D. D. R., Lima Junior, F. R., Silva, A. L. d. & Carpinetti, L. C. R. (2017). Proposal of a model for sales and operations planning (S&OP) maturity evaluation. Production, 27, e20170024.
Pourjavad, E. & Shahin, A. (2018). The application of Mamdani fuzzy inference system in evaluating green supply chain management performance. International Journal of Fuzzy Systems, 20, 901-912.
Röglinger, M., Pöppelbuß, J. & Becker, J. (2012). Maturity models in business process management. Business Process Management Journal, 18(2), 328-346.
Roshandel, S., Karimi Govareshaki, M., Abbasi, M. (2023). Designing a supplier development model in order to transition from outsourcing to strategic alliance. Management Research in Iran, 27(2), 72-94. (in Persian)
Saffari, H., Abbasi, M. & Gheidar Kheljanie, J. (2023). Network Design in Strategic Alliance under Uncertainty with a Trade-off between Risk and Performance. Industrial Management Journal, 15(1), 112-149. (in Persian)
Schimpf, S. & Christo, N. (2018). Towards strategic action planning: using a collaboration maturity model to support international co-operation in research and innovation. 2018 IEEE International Conference on Engineering, Technology and Innovation (ICE/ITMC).
Schumacher, A., Erol, S. & Sihn, W. (2016). A maturity model for assessing Industry 4.0 readiness and maturity of manufacturing enterprises. Procedia Cirp, 52, 161-166.
Sheffer Corrêa, A., de Assis Mota, A., Toledo Moreira Mota, L. & Luiz Pizzigatti Corrêa, P. (2014). A fuzzy rule-based system to assess e-government technical interoperability maturity level. Transforming Government: People, Process and Policy, 8(3), 335-356.
Wagire, A. A., Joshi, R., Rathore, A. P. S. & Jain, R. (2021). Development of maturity model for assessing the implementation of Industry 4.0: learning from theory and practice. Production Planning & Control, 32(8), 603-622. https://doi.org/https://doi.org/10.1080/09537287.2020.1744763
Xue, R. & Li, L. (2023). Strategic alliances and firms’ chances to survive “black swans” in B2B industries. Journal of Business & Industrial Marketing, 38(3), 444-462.
Yang, G.L., Yang, J.B., Xu, D.L. & Khoveyni, M. (2017). A three-stage hybrid approach for weight assignment in MADM. Omega, 71, 93-105. https://doi.org/10.1016/j.omega.2016.09.011
Yang, Z. & Lin, Y. (2020). The effects of supply chain collaboration on green innovation performance: An interpretive structural modeling analysis. Sustainable Production and Consumption, 23, 1-10. https://doi.org/10.1016/j.spc.2020.03.010
Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338-353.
Zanon, L. G., Arantes, R. F. M., Calache, L. D. D. R. & Carpinetti, L. C. R. (2020). A decision making model based on fuzzy inference to predict the impact of SCOR® indicators on customer perceived value. International Journal of Production Economics, 223, 107520.
Zhao, F. (2014). A holistic and integrated approach to theorizing strategic alliances of small and medium-sized enterprises. Business Process Management Journal, 20(6), 887-905. https://doi.org/10.1108/BPMJ-01-2013-0004