بهينهسازي تبادل دانش در خوشه صنعتي به روش برنامهريزي آرماني مطالعه موردي خوشه صنعتي خوراک دام گلستان
الموضوعات :حمیدرضا دزفولیان 1 , پروانه سموئی 2
1 - استادیار گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان ، ایران
2 - استادیار گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان ، ایران
الکلمات المفتاحية: خوشه صنعتي, تبادل دانش, برنامهريزي آرماني, مطالعه موردي,
ملخص المقالة :
دانش به عنوان يک منبع استراتژيک در سازمانها، عامل اصلي و موثري در ايجاد و تداوم مزيت رقابتي در آنهاست. در خوشههاي صنعتي که شامل مجموعهاي از سازمانها با زمينه فعاليت مشابه است، بين اعضا فعاليتهاي مشترکي به منظور صرفهجويي در منابع و تقويت توان رقابتيشان انجام ميشود. يکي از اين فعاليتهاي مشترک تبادل دانش بين اعضاست که باعث کاهش هزينه کسب دانش، افزايش همکاري بين شرکتها، توانايي نوآوري و تقويت توان رقابتي آنها ميشود. در اين مقاله يک مدل برنامهريزي آرماني براي فرآيند تبادل دانش در خوشههاي صنعتي ارائه شده است که بر اساس دادههاي خوشه صنعتي خوراک دام، طيور و آبزيان گلستان پيادهسازي و نتايج حاصل از آن مورد تحليل قرار گرفته است. رسيدن به درجه ايدهآل دانش در خوشه و ميزان بودجه تعيين شده به عنوان دو آرمان مدل در نظر گرفته شدهاند. در اين مدل براي فرآيند تبادل دانش دو شيوه حضوري و غيرحضوري در نظر گرفته شده که به لحاظ هزينه و طول دوره انتقال تفاوتهاي قابل ملاحظهاي دارند. تحليل پارامترهاي مدل و بررسي نتايج حاصل نشان ميدهد، استفاده از دو شيوه حضوري و غيرحضوري براي تبادل دانش اين امکان را براي شرکتها فراهم مي کند که با توجه به شرايط کاري و منابع دردسترس خود به شکلي منعطف بتوانند، ميزان مشارکت خود را در فرآيند تبادل دانش بهبود بخشند. همچنين به مديران خوشه درک بهتري ميدهد تا قادر باشند با توجه به منابع موجود و اهداف تدوين شده، تصميمگيري و برنامهريزي بهتري براي دستيابي به بازدهي بيشتر از فرايند تبادل دانش داشته باشند.
اسماعيلپور، مجيد، بحرينيزاد، منيژه و قائدي، حسينعلي. (1396). تاثير رويکردهاي سازمان بر موفقيت محصولات جديد با توجه به نقش ميانجيگري مديريت دانش مشتري و دانش بازار، راهبردهاي بازرگاني، شماره 10، ص. 47-62.
رمضاني، يوسف و مهرآرا، اسداله. (1390). مديريت دانش در بخش دولتي: مطالعهاي روابط بين عناصر سازماني و عمل انتقال دانش، ، راهبردهاي بازرگاني، شماره 1-47، ص. 181-194.
Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic Management Journal: Vol. 17: PP. 109–122
ناظمان، حميد و اسلاميفر، عليرضا (1389). اقتصاد دانش بنيان و توسعه پايدار (طراحي و آزمون يك مدل تحليلي با دادههاي جهاني)، مجلة دانش و توسعه، سال 17، شماره 33، ص. 184-214.
Renzle, B. (2012). Trust in Management and Knowledge Sharing: The Mediating effects of fear and Knowledge Documentation. Omega: Vol. 36: PP. 206-220.
Wijk, R. V. Jansen, J. J. P. & Lyles, M. A. (2008). Inter- and Intra-Organizational Knowledge Transfer: A Meta-Analytic Review and Assessment of its Antecedents and Consequences. Journal of Management Studies: Vol. 45: PP. 830-853.
Malmberg A. & Maskell P. (2002). The elusive concept of localization economies: towards a knowledge based theory of spatial clustering. Environ Plann.: Vol. 34(3): PP. 429–449.
Porter, M. E. (1998). Clusters and the new economics of competition. Harv Bus Rev.: Vol. 76(6): PP. 77–90
Porter, M. E. (2000). Location, competition, and economic development: local clusters in a global economy. Econ Dev Q: Vol. 14(1): PP. 15–34
Fang, Y. Liang, Q. & Jia, Z. (2011). Knowledge Sharing Risk Warning of Industry Cluster: An Engineering Perspective. Systems Engineering Procedia: Vol. 2: PP. 412 – 421.
Hoffmann, V. E. Bandeira-de-Mello, R. Molina-Morales, F. X. (2011). Innovation and Knowledge Transfer in Clustered Inter Organizational Networks in Brazil. Latin American Business Review: Vol. 12: PP. 143–163.
Connell, J. Kriz, A. & Thorpe, M. (2014). Industry clusters: an antidote for knowledge sharing and collaborative innovation?. Journal of Knowledge Management: Vol. 18(1): PP. 137-151.
Şeng&252;n, A. E. (2015). Does Informal Knowledge Sharing Breed Innovation in Industrial Clusters?. Boğaziçi Journal Review of Social, Economic and Administrative Studies: Vol. 29(1): PP. 53-79.
Alberti, F. G. & Pizzurno, E. (2015). Knowledge exchanges in innovation networks: evidences from an Italian aerospace cluster. Competitiveness Review: Vol. 25(3): PP. 258-287.
Kim, N. & Shim, C. (2018). Social capital, knowledge sharing and innovation of small- and medium-sized enterprises in a tourism cluster. International Journal of Contemporary Hospitality Management: Vol. 30(6): PP. 2417-2437.
Han, Y. & Chen, G. (2018). The relationship between knowledge sharing capability and innovation performance within industrial clusters: Evidence from China. Journal of Chinese Economic and Foreign Trade Studies: Vol. 11(1): PP. 32-48.
Chen, M. Wang, H. Wang, M. (2018). Knowledge sharing, social capital, and financial performance: the perspectives of innovation strategy in technological clusters. Journal Knowledge Management Research & Practice: Vol. 16(1): PP. 89-104.
Wilson, L. Spoehr, J. (2010). Labour Relations and the Transfer of Knowledge in Industrial Clusters: Why do Skilled Workers Share Knowledge with Colleagues in Other Firms?. Geographical Research: Vol. 48(1): PP. 42–51.
Lopez-Saez, P. Navas-Lopez, J. E. Martin-de-Castro, G. & Cruz-Gonzalez, J. (2010). External knowledge acquisition processes in knowledge-intensive clusters. Journal of Knowledge Management: Vol. 14(5): PP. 690-707.
Sreckovic, M. & Windsperger, J. (2011). Organization of knowledge transfer in clusters: a knowledge-based view, In: Tuunanen M,Windsperger J, Cliquet G, Hendrikse G (eds) New developments in the theory of networks. Franchising, alliances and cooperatives. Springer. Berlin: PP. 318–334.
Sreckovic, M. & Windsperger, J. (2013). The Impact of Trust on the Choice of Knowledge Transfer Mechanisms in Clusters, Network Governance Contributions to Management Science. Springer-Verlag Berlin Heidelberg: PP. 73-85.
Stackea, A. R. N. P. Hoffmannb, V. E. & Araujo Costa, H. (2012). Knowledge transfer among clustered firms: a study of Brazil. Anatolia – An International Journal of Tourism and Hospitality Research: Vol. 23(1): PP. 90–106.
Richardson, C. (2013). Knowledge-sharing through social interaction in a policy-driven industrial cluster. Journal of Entrepreneurship and Public Policy: Vol. 2(2): PP. 160-177.
Dayasindhu, N. (2002). Embeddedness, knowledge transfer, industry clusters and global competitiveness: a case study of the Indian software industry. Technovation: Vol. 22: PP. 551–560.
Power, D. & Lundmark, M. (2004). Working through Knowledge Pools: Labor Market Dynamics, the Transference of Knowledge and Ideas, and Industrial Clusters. Urban Studies: Vol. 41(5/6): PP. 1025–1044.
Hoffmann, V. E. Lopes, G. S. C. & Medeiros, J. J. (2014). Knowledge transfer among the small businesses of a Brazilian cluster. Journal of Business Research: Vol. 67: PP. 856–864.
Bocquet, R. & Mothe, C. (2010). Knowledge governance within clusters: the case of small firms. Knowledge Management Research & Practice: Vol. 8: PP. 229–239.
Xiong, J. Duan, Z. & Wang, Y. (2013). Modeling and Simulation of the Inter-Organizational Knowledge Transfer Impact Factors in Industrial Clusters. The 19th International Conference on Industrial Engineering and Engineering Management, Springer-Verlag Berlin Heidelberg: PP. 161-171.
Zhou, S. (2013). Study of Knowledge Diffusion FSAI Model for High-Tech SMES Clusters. The 19th International Conference on Industrial Engineering and Engineering Management, Springer-Verlag Berlin Heidelberg: PP. 783-794.
Schmidt, D. M. Böttcher, L. Wilberg, J. Kammerl, D. & Lindemann, U. (2016). Modeling Transfer of Knowledge in an Online Platform of a Cluster. 26th CIRP Design Conference: PP. 348 – 353.
Giuliani, E. (2007). The selective nature of knowledge networks in clusters: evidence from the wine industry. Journal of Economic Geography: Vol. 7: PP. 139–168.
Guo, J. & Guo, B. (2008). The Evolution of Knowledge Network in Manufacturing Cluster: A Case in China. Proceedings of the 2008 IEEE IEEM: PP. 890-894.
Chen, J. Chen, D. & Li, Z. (2008). The Analysis of Knowledge Network Efficiency in Industrial Clusters, International Seminar on Future Information Technology and Management Engineering 2008, IEEE:PP. 257-260.
Ilovici, I. & Han, J. (2003). Optimization of organizational knowledge transfer model. Proceedings of the 16th IEEE Symposium on Computer-Based Medical Systems.
Lin, X. & Zhang, Q. (2007). Optimization of Knowledge Sharing & Transfer Network. International Conference on Wireless Communications, Networking and Mobile Computing: PP. 5613-5616.
Dong, S. Johar, M. & Kumar, R. (2012). Understanding key issues in designing and using knowledge flow networks: An optimization-based managerial benchmarking approach. Decision Support Systems: Vol. 53: PP. 646–659.
Dezfoulian, H.R. Afrazeh, A. & Karimi, B. (2017). A new model to optimize the knowledge exchange in industrial cluster: A case study of Semnan plaster production industrial cluster. Scientia Iranica: Vol. 24(2): PP. 834-846.
بهينهسازي تبادل دانش در خوشه صنعتي به روش برنامهريزي آرماني مطالعه موردي خوشه صنعتي خوراک دام گلستان
حمیدرضا دزفولیان (نویسنده مسئول) استادیار گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان ، ایران hrdezfoolian@basu.ac.ir
پروانه سموئی استادیار گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان ، ایران p.samouei@basu.ac.ir
تاریخ ارسال:01/08/99 تاریخ پذیرش:30/11/99 |
دانش به عنوان يک منبع استراتژيک در سازمانها، عامل اصلي و موثري در ايجاد و تداوم مزيت رقابتي در آنهاست. در خوشههاي صنعتي که شامل مجموعهاي از سازمانها با زمينه فعاليت مشابه است، بين اعضا فعاليتهاي مشترکي به منظور صرفهجويي در منابع و تقويت توان رقابتيشان انجام ميشود. يکي از اين فعاليتهاي مشترک تبادل دانش بين اعضاست که باعث کاهش هزينه کسب دانش، افزايش همکاري بين شرکتها، توانايي نوآوري و تقويت توان رقابتي آنها ميشود. در اين مقاله يک مدل برنامهريزي آرماني براي فرآيند تبادل دانش در خوشههاي صنعتي ارائه شده است که بر اساس دادههاي خوشه صنعتي خوراک دام، طيور و آبزيان گلستان پيادهسازي و نتايج حاصل از آن مورد تحليل قرار گرفته است. رسيدن به درجه ايدهآل دانش در خوشه و ميزان بودجه تعيين شده به عنوان دو آرمان مدل در نظر گرفته شدهاند. در اين مدل براي فرآيند تبادل دانش دو شيوه حضوري و غيرحضوري در نظر گرفته شده که به لحاظ هزينه و طول دوره انتقال تفاوتهاي قابل ملاحظهاي دارند. تحليل پارامترهاي مدل و بررسي نتايج حاصل نشان ميدهد، استفاده از دو شيوه حضوري و غيرحضوري براي تبادل دانش اين امکان را براي شرکتها فراهم ميکند که با توجه به شرايط کاري و منابع دردسترس خود به شکلي منعطف بتوانند، ميزان مشارکت خود را در فرآيند تبادل دانش بهبود بخشند. همچنين به مديران خوشه درک بهتري ميدهد تا قادر باشند با توجه به منابع موجود و اهداف تدوين شده، تصميمگيري و برنامهريزي بهتري براي دستيابي به بازدهي بيشتر از فرايند تبادل دانش داشته باشند.
کلید واژه:
خوشه صنعتي، تبادل دانش، برنامهريزي آرماني، مطالعه موردي
مقدمه
در عصر کنوني دانش به عنوان مهمترين منبع سازماني و اصليترين عامل ايجاد مزيت رقابتي مطرح است ([1]، [2] و [3])، زيرا توليد کالا و خدمات به صورت فزايندهاي «دانشمحور» شده است. در چنين موقعيتي، دانش براي سازمانهاي موفق، يک دارايي کليدي است و در ايجاد ارزش و درآمد پايدار مهمترين نقش را ايفا ميکند [4]. در اين سازمانها مديريت دانش نقش بسزايي در کسب موفقيتشان ايفا ميکند. مديريت دانش، عملکرد سازمانها را در خلق، کسب، انتقال، حفظ و استفاده از دانش، هدايت و کنترل ميکند و مهمترين فرآيند در آن، تبادل دانش است [5].
مرور مطالعات حوزه انتقال دانش نشان ميهد که ميتوان انتقال دانش را در دو سطح درون سازماني و برون سازماني تقسيمبندي نمود [6]. انتقال دانش برون سازماني هم به دو شکل عمودي و افقي قابل دستهبندي است. انتقال دانش افقي عمدتاً بين اعضاي يک خوشه صنعتي يا سازمانهاي يک سطح خاص زنجيره تامين قابل انجام است و انتقال دانش عمودي نيز بين سازمانهاي سطوح مختلف يک زنجيره تامين صورت ميگيرد.
موضوع تحقيق انجام شده در اين مقاله به انتقال دانش برون سازماني و نوع افقي آن مربوط است که عمدتاً بين شرکتهايي با زمينه فعاليت و توليدات مشابه اتفاق ميافتد. اين نوع انتقال دانش بين شرکتهايي که عموماً در قالب يک خوشه صنعتي مشغول فعاليت هستند، بيشتر رخ ميدهد. منظور از خوشه صنعتي در يک تعريف ساده عبارت است از شبکهاي از شرکتها با صنايع مرتبط که در يک منطقه واقع شدهاند ([7]، [8] و [9]). اين شرکتها به منظور كسب صرفههاي اقتصادي با يكديگر ارتباط برقرار نموده و در بسياري از موارد همكاري جمعي دارند. يکي از زمينههاي مهم همکاري مشترک شرکتهاي عضو خوشه، تبادل دانش است که کاهش هزينههاي کسب دانش، افزايش همکاري بين شرکتهاي خوشه، بهبود توانايي نوآوري و ترويج و تقويت توان رقابت کلي شرکتهاي خوشه را به دنبال دارد [10].
بررسي تحقيقات نشان ميدهد که کارهاي زيادي در حوزه انتقال دانش انجام شده است، اما مطالعات مربوط به اين موضوع در خوشههاي صنعتي بسيار محدود است که قابل دستهبندي در قالب شش گروه زير ميباشد.
1.1.تبادل دانش و نوآوري در خوشههاي صنعتي
مرور تحقيقات صورت گرفته نشان ميدهد بيشترين مطالعات در ارتباط با موضوع تبادل دانش و نوآوري در خوشه صنعتي ميباشد که در بازه زماني 2011 تا 2018 صورت گرفته است. اين نشان ميدهد اخيراً موضوع نوآوري در خوشهها مورد توجه قرار گرفته است.
هافمن1 و همکاران [11] اثر انتقال دانش بين شرکتهاي خوشه را بر نوآوري در يک شرکت مورد ارزيابي قرار دادند. پس از آن کانل2 و همکاران [12] موضوع تبادل دانش و همکاري براي نوآوري را در خوشههاي صنعتي مورد بررسي قرار دادند و نتيجه گرفتند که اگر در خوشه، مديريت و تسهيلات مناسب وجود داشته باشد و شيوه تبادل دانش آموزش داده شود، همکاري اعضاي خوشه در به اشتراکگذاري دانش و نوآوري منجر به نتايج مثبتي ميشود. سنگان3 [3] تاثير تبادل دانش غيررسمي (مبتني بر اعتماد) را بر نوآوري در شرکتهاي خصوصي خوشه صنعتي مبلمان ترکيه مورد بررسي قرار داد. البرتي و پيزورنو4 [14] ماهيت چند منظوره شبکههاي نوآوري در خوشه صنعتي هوا فضاي ايتاليا را مورد مطالعه قرار دادند. آنها بررسي کردند که آيا در تبادل دانش مربوط به نوآوري صرفاً يک نوع دانش در اين ارتباط تبادل ميشود و همچنين عوامل درگير در اين فرآيند نقشهاي متفاوتي ايفا ميکنند يا خير؟
اخيراً کيم و شيم5 [15] به شناسايي رابطه ساختاري بين سرمايه اجتماعي، اشتراک دانش، نوآوري و عملکرد شرکتهاي کوچک و متوسط در خوشه گردشگري در کره جنوبي پرداختند. همچنين هان و چن6 [16] تاثير تبادل دانش بر عملکرد نوآوري از ديدگاه قابليتهاي پوياي مبتني بر دانش در خوشههاي صنعتي را مورد بررسي قرار دادند. در ضمن چن7 و همکاران [17] به بررسي اثر تبادل دانش و سرمايه اجتماعي بر راهبرد نوآوري در خوشههاي فناوري تايوان پرداختند و همچنين اثر آن را بر عملکرد مالي شرکتها مورد بررسي قرار دادند.
1.2. روشهاي انتقال دانش در خوشه و تاثير عوامل مختلف بر اين روشها
ويلسون و اسپر8 [18] موضوع انتقال غيررسمي دانش بين کارکنان ماهر شرکتهاي خوشههاي صنعتي که کارکنان يا کارفرمايان آنها با هم در ارتباط هستند را مورد مطالعه قرار دادند. بررسي و ارزيابي انطباق مدل نوناکا تاکوچي بر فرايند کسب دانشهاي خارجي در شرکتهاي واقع در خوشههاي دانشمحور توسط لوپزسايز9 و همکاران [19] مورد مطالعه قرار گرفت که به بهبود درک ارتباط مکانيزمهاي مختلفي که سازمان ميتواند براي يادگيري استفاده کند، کمک ميکند. سرکوويچ و ويندسپرگر10 [20] به بررسي تاثير ميزان ضمني بودن دانش بر انتخاب مکانيزم انتقال دانش در خوشه، بر مبناي تئوري غناي اطلاعات پرداختند. همچنين آنها در سال 2013 تاثير اعتماد در انتخاب مکانيزم انتقال دانش در خوشه صنعتي را مورد مطالعه قرار دادند [21]. استاک11 و همکاران [22] انتقال دانش در ميان شرکتهاي خوشه و ارتباط آن با رقابت در مقاصد توريستي در جنوب برزيل را تحليل کردند، پس از آن نيز ريچاردسون12 [23] تبادل دانش از طريق تعاملات اجتماعي در يک خوشه سياستمحور را مورد مطالعه قرار داد.
1.3. بررسي عوامل مختلف بر انتقال دانش در خوشه
دسته بعدي مقالات مربوط به بررسي تاثير عوامل مختلف بر روي انتقال دانش در خوشههاي صنعتي ميباشد. داياسيندو13 [24] به بررسي اثر انتقال دانش و عوامل ضمني (مثل اعتماد، تجربه، فرصتطلبي، پيچيدگي کار و سرمايه انساني خاص) بر خوشه صنعتي، به عنوان عواملي که ميتوانند زمينهساز توفيق در رقابت جهاني باشند، پرداخت. پاور و لاندارک14 [25] در مقاله خود به بررسي اثر نيروي کار متحرک در انتقال دانش و ايده در خوشه صنعتي ICT استکهلم سوئد پرداختند. پس از آن هافمن و همکاران [26] نيز به موضوع نيروي کار در خوشه صنعتي توجه داشته و تاثير همکاريهاي بين شرکتي، موسسات حمايت صنعتي، جابجايي نيروي کار و روابط اجتماعي بر فرايند انتقال دانش در خوشه صنعتي صادرات مبلمان برزيل را مطالعه کردند.
بوکوات و موته15 [27] به بررسي نقش دولت در يکپارچهسازي دانش در خوشههاي صنعتي کوچک پرداختند. همچنين فنگ16 و همکاران [10] خطرات مختلف در فرايند انتقال دانش در خوشههاي صنعتي را با استفاده از رياضيات فازي و شبکه عصبي مصنوعي شناسايي کردند. زيونگ17 و همکاران [28] نيز با استفاده از تئوري سيستمهاي ديناميکي و شبکه علت و معلولي تاثير چهار عامل فرستنده، گيرنده، دانش انتقالي و شکاف دانشي بر انتقال دانش بين سازماني در خوشه صنعتي را بررسي کردند.
1.4. ارائه مدل مفهومي براي انتقال دانش در خوشه
ژو18 [29] يک مدل چرخهاي حلزوني چهار مرحلهاي براي انتقال دانش در خوشههاي صنعتي با تکنولوژي بالا ارائه کرد. اشميت19 و همکاران [30] بر اساس تئوريهاي موجود در مورد دانش و انتقال آن و همچنين بر اساس نظريه خوشهها از ديدگاه اقتصاد نوين، يک مدل مفهومي براي انتقال دانش بين اعضاي يک خوشه صنعتي ارائه کردند، سپس اين مدل را در خوشه صنعتي کربن در جنوب آلمان مورد ارزيابي قرار دادند.
1.5. بررسي شبکه دانش در خوشه صنعتي
گروه ديگري از مقالات به موضوع شبکههاي دانش در خوشههاي صنعتي مربوط است. جولياني20 [31] خواص ساختاري شبکههاي دانش را در سه خوشه صنعتي، با کاربرد آناليز شبکههاي اجتماعي مورد بررسي قرار داد. پس از آن گو و گو21 [32] به بررسي تکامل شبکه دانش در يک خوشه صنعتي بر اساس تغيير نقش عوامل مختلف در هر مرحله از تکامل پرداختند. چن و همکاران [33] نيز به مطالعه اثر شش متغير (عمق دانش به اشتراکگذاشته شده، پسزمينه فرهنگ اجتماعي منطقهاي، مشخصههاي دانش، گستره دانش به اشتراکگذاشته شده، ويژگيهاي شرکا و مشخصههاي شبکه) بر کارايي شبکه دانش در خوشههاي صنعتي پرداختند.
1.6. بهينهسازي و طراحي شبکه دانش
ايلويچي و هان22 [34] مدلي براي بهينهسازي انتقال دانش سازماني جهت قرار دادن افراد مناسب در موقعيت و زمان مناسب پيشنهاد دادند که در آن ارتباط پارامترهاي فيزيکي جريان دانش با پارامترهاي سازماني مورد توجه قرار گرفت. پس از آنها لين و ژانگ23 [35] شبکه انتقال و تبادل دانش را با در نظر گرفتن رفتارها، تجزيه و تحليل روابط متقابل بين اعضاي شبکه و محاسبه مسير بهينه انتقال دانش، ايجاد کردند. آنها براي بهينهسازي مسير انتقال دانش صريح از الگوريتم کوتاهترين مسير فلويد24 و براي بهينهسازي مسير انتقال دانش ضمني از تجزيه و تحليل شبکههاي اجتماعي استفاده کردند.
دونگ25 و همکاران [36] با طراحي بهينه شبکه جريان دانش بين کارکنان يک سازمان، به دنبال حداکثرسازي به اشتراکگذاري دانش بين کارکنان بودند. آنها براي اين کار از مدل برنامهريزي عدد صحيح ترکيبي26 استفاده کردند. اخيراً نيز دزفوليان27 و همکاران [37] با استفاده از روش برنامهريزي عدد صحيح ترکيبي، شبکه جريان دانش بين اعضاي يک خوشه صنعتي را مدلسازي نمودند تا تبادل دانش بين آنها حداکثر گردد.
با توجه به مقالات مورد بررسي ملاحظه ميشود اغلب مطالعات انجام شده رويکرد کيفي داشته و تنها مقالات اندکي هستند که رويکرد کمي را براي انتقال دانش در خوشههاي صنعتي مورد استفاده قرار دادهاند. از اين ميان تعداد محدودتري از مقالات از روشهاي بهينهسازي براي اين امر بهره گرفتهاند، لذا ضرورت انجام مطالعه در اين ارتباط با توجه به کارايي روشهاي بهينهسازي بيش از پيش احساس ميگردد. از اينرو، در اين مقاله موضوع مدلسازي و بهينهسازي انتقال دانش در خوشه صنعتي مورد مطالعه قرار گرفته است و با توجه به نظر مديران دو آرمان رساندن سازمانها به بالاترين درجه دانش و فراتر نرفتن هزينهها از بودجه اختصاصي در نظر گرفته شده است. براي حل مدل پيشنهادي نيز از روش برنامهريزي آرماني استفاده ميشود.
2. تعريف و فرمولبندي مساله
يکي از استراتژيهاي توسعه اقتصادي که در خلال سالهاي اخير توجه زيادي به آن شده است، توسعه از طريق خوشههاي صنعتي است. نقش موثر خوشههاي صنعتي در توسعه اقتصادي و پيشرفت صنعتي کشورها به اثبات رسيده و در اکثر کشورها مورد توجه قرار گرفته است. مجتمع شدن شرکتهاي همکار در قالب خوشه صنعتي باعث ميشود تا مجموعهاي از صرفهجوييهاي اقتصادي بوجود آمده و توان رقابتي مجموعه افزايش يابد. سازمانهايي که به اين شکل به هم ميپيوندند، ميتوانند حداکثر جريان اطلاعات، دانش و ايدههاي نو را خلق کنند و دانشهاي موجود در خوشه را راحتتر انتقال و سريعتر به خلاقيتهاي ارزشمند تبديل نموده و اعضاي خوشه از منافع حاصل از آن منتفع شوند.
لازمه مدلسازي براي مسائل واقعي در نظر گرفتن تنگناها و محدوديتهاي موجود در فضاي کسب و کار است. در اين راستا توجه به استفاده بهينه از منابع و در نظر گرفتن توان واقعي سازمانها در کسب و آموزش دانش به سايرين در کنار حفظ سطح توليد برنامهريزي شده آنها از اهميت بسزايي برخوردار است. به همين دليل بايد بر مبناي بودجه در دسترس و محدوديتها، درجه دانش اعضاي خوشه را در فرآيند تبادل به بالاترين حد رساند. براي اين کار لازم است از پتانسيل موجود در خوشه به بهترين شکل بهره برد، يعني تلاش نمود که تبادل دانش عمدتاً بين سازمانهايي صورت گيرد که درجه نزديکي بيشتري از نظر ميزان ارتباطات مالي، روابط غيررسمي بين کارکنان و نزديکي جغرافيايي با هم داشته باشند.
از سوي ديگر پيشرفت تکنولوژي و دسترسي به شيوههاي متنوع ارتباطي نظير اينترنت، شبکههاي اجتماعي، ويدئو کنفرانس، ايميل و غيره امکان استفاده از گزينههاي متعددي را براي انتقال دانش جهت تطابق بيشتر با شرايط واقعي سازمانها فراهم ميسازد. به گونهاي که سازمانها علاوه بر انتقال دانش به شکل حضوري بتوانند از مزاياي انتقال دانش به صورت غيرحضوري نيز بهرهمند شوند. نحوه انتقال دانش در روش حضوري به اين شکل است که نماينده سازمان يادگيرنده با حضور تمام وقت در يک دوره زماني نسبتاً کوتاه در سازمان آموزش دهنده، تحت آموزش قرار ميگيرد، اما در روش غيرحضوري با استفاده از شيوههاي ذکر شده در يک دوره بلند مدتتر (در مقايسه با روش حضوري) اما با ساعات روزانه و هزينه کمتر، آموزش صورت ميگيرد. لازم به ذکر است که مدت و هزينه انتقال دانش با توجه به نوع دانش (آشکار يا ضمني بودن)، پيچيدگي دانش و روش مورد استفاده براي انتقال آن (حضوري و غيرحضوري) تعيين ميگردد.
تعريف مساله در قالب ذکر شده ما را به استفاده از روش برنامهريزي آرماني سوق ميدهد. در اين مساله رساندن سازمانها به حداکثر درجه دانش و همچنين فراتر نرفتن هزينهها از بودجه اختصاصي به تبادل دانش به عنوان دو آرمان در نظر گرفته ميشوند. شايان ذکر است که برنامهريزي آرماني يکي از تکنيکهاي حل مسائل چندهدفه است که در آن هر يک از اهداف داراي اولويتي است که اين اولويت توسط فرد تصميمگيرنده تعيين ميگردد. در اين روش به حداقل سازي انحرافات مقدار اهداف از تابع هدف بهينه پرداخته ميشود. براي اين منظور نياز است که مدل مساله به گونهاي فرموله شود که هر يک از اهداف به همراه متغيرهاي مربوط به انحراف از حالت بهينه در محدوديتها قرار گيرند و هدف جديد مساله که حداقل کردن ميزان انحراف از آرمانهاست، مجدد نوشته شود. بايد به خاطر داشت که در اين روش لزوماً به مقاديري که براي هر هدف به عنوان آرمان در نظر گرفتهايم، ممکن است نرسيم. ولي هر چه اين انحرافات کمتر باشد، قطعاً براي تصميمگيرنده مطلوبيت بيشتري خواهد داشت.
نزديکترين مطالعه به تحقيق حاضر منبع [37] است که از روش برنامهريزي عدد صحيح ترکيبي چند هدفه موزون براي حداکثرسازي تبادل دانش بين اعضاي خوشه استفاده کردند. آنها صرفاً از شيوه انتقال دانش حضوري در مدل استفاده کردند و براي مطالعه موردي خوشه صنعتي گچ سمنان را برگزيدند.
در ادامه پس از معرفي مفروضات، انديسها، پارامترها و متغيرها، مدل رياضي مسئله بيان و تشريح ميگردد.
2. 1. مفروضات
با توجه به ويژگيهاي مساله مجموعه مفروضات مدل عبارتند از:
- تمام دانشها به دو شيوه حضوري و غيرحضوري قابل انتقال هستند.
- درجه يک دانش خاص در سازمان هنگامي يک واحد افزايش مييابد که دوره آموزش آن درجه دانش کامل شده باشد.
- درجه دانش سازمان آموزشدهنده حداقل بايد يک درجه از آن دانش سازمان ياد گيرنده بالاتر باشد.
- کليه دانشها داراي سه درجه خبره، متوسط و مبتدي است که به ترتيب با 3، 2 و 1 مشخص ميشود.
- حضور در دوره آموزشي درجه خبرگي منوط به پايان دروه آموزشي درجه متوسط است.
- هزينه و طول دوره آموزش براي ارتقا درجه دانش از درجه مبتدي به متوسط و همچنين درجه متوسط به خبره براي يک دانش خاص يکسان است، ولي اين مقادير ميتواند براي دانشهاي مختلف متفاوت باشد.
- توان همزمان انتقال و کسب چند دانش براي هر شرکت محدود است.
- پارامترهاي مدل قطعي هستند.
2.2. انديسها
شرکتهاي عضو خوشه صنعتي | i, j, g |
دانشها | k |
شيوه انتقال دانش (1v=: انتقال با شيوه حضوري، 2v=: انتقال با شيوه غيرحضوري) | v |
دورههاي زماني | t, q |
3.2. پارامترها
تعداد اعضاي خوشه صنعتي | M |
تعداد کل دانشها | K |
تعداد کل دورههاي زماني (طول افق برنامهريزي) | T |
آرمان در نظر گرفته شده براي بودجه | H |
آرمان در نظر گرفته شده براي درجه دانش خوشه | P |
تعداد دوره لازم براي انتقال يک درجه دانش k با شيوه v | Dkv |
هزينه انتقال دانش k با شيوه v | Ckv |
حداکثر تعداد دانشي که سازمان i با شيوه v به طور همزمان ميتواند به ساير سازمانها انتقال دهد (توان انتقال) | Aiv |
حداکثر تعداد دانشي که شرکت j با شيوه v به طور همزمان ميتواند از ساير سازمانها کسب کند (توان کسب) | Bjv |
يک عدد مثبت خيلي بزرگ |
|
4.2. متغيرها
اگر انتقال دانش k از شرکت i به شرکت j با شيوه v در دوره t شروع شود برابر يک، در غير اين صورت صفر است. |
|
اگر شرکت j در دوره t مشغول کسب دانش k با شيوه v باشد برابر يک، در غير اين صورت صفر است. |
|
اگر شرکت i در دوره t مشغول انتقال دانش k با شيوه v باشد برابر يک، در غير اين صورت صفر است. |
|
درجه دانش k در شرکت i در پايان دوره t. |
|
5.2. مدل رياضي
مدل رياضي مسئله به شرح زير ميباشد:
(1) | Min s.t: |
(2) |
|
(3) |
|
(4) |
|
(5) |
|
(6) |
|
(7) |
|
(8) |
|
(9) |
|
(10) |
|
(11)
(12) |
|
(13)
(14) |
|
(15) |
|
(16) |
|
(17) | , , {0,1} |
در مدل فوق رابطه 1 ميزان انحرافات از آرمانهاي مربوط به درجه دانش و بودجه را حداقل ميکند، ضريب s به اين دليل مثبت در نظر گرفته شده است که قصد داريم تا حد ممکن درجه دانش کليه شرکتها به حداکثر مقدار خود (درجه خبرگي) برسد. ضريب z نيز به اين دليل منفي است که هر چقدر اين مقدار بيشتر باشد، عملاً صرفهجويي بيشتري حاصل ميشود و ميزان بودجه مدنظر نيز رعايت ميگردد. در اين رابطه مقادير 2w و 1w وزن مربوط به آرمانها هستند. همچنين مقادير 0z و 0S براي بيمقياس کردن و جمع کردن آرمانها به کار رفته است. رابطه 2 و 3 به ترتيب ميزان آرمانهاي درجه دانش و بودجه را نشان ميدهند.
رابطه 4 نشان ميدهد در صورتي که درجه دانش k شرکت i در شروع دوره tاز شرکت j بيشتر باشد ميتواند برابر يک شود، يعني شرکت i به شرکت j ميتواند دانش k را به روش v انتقال دهد. رابطه 5 بيان ميکند، اگر در شروع دوره t برابر يک شود، شرکت j دردوره بعدي نميتواند دانش k را به هر روشي از شرکت ديگري کسب کند. عبارت 6 نشانگر آن است که دردوره آخر افق برنامهريزي نبايد انتقال دانش k با هر روشي شروع شود، زيرا فرصت کافي براي انتقال اين دانش وجود ندارد. عبارت 7 کنترل ميکند که درجه دانش k شرکت j در دوره ابتدايي افق برنامهريزي با توجه به درجه اوليه آن دانش در شرکت تعيين ميگردد. عبارت 8 نشان ميدهد، درجه دانش k شرکت j پس از پايان دوره انتقال (يعني دوره) ميتواند يک درجه افزايش يابد. عبارت 9 بيانگر آن است که درجه دانش k شرکت i در همه دورهها نبايد از بالاترين درجه تعريف شده (درجه خبره) بيشتر شود. رابطه 10 نشان ميدهد، براي انتقال يک درجه از يک دانش خاص تنها ميتوان از يک روش انتقال دانش (حضوري يا غيرحضوري) استفاده کرد. روابط 11 و 12 حداکثر توان انتقال دانش همزمان يک شرکت را کنترل ميکنند. به عبارت ديگر تعداد دانشهاي مختلف k که شرکت i ميتواند در هر دوره با روش v به طور همزمان به ساير شرکتها انتقال دهد، حداکثر برابر Aiv است. روابط 13 و 14 حداکثر توان کسب دانش همزمان يک شرکت را کنترل ميکنند، يعني تعداد دانشهاي مختلف k که شرکت j ميتواند در هر دوره به طور همزمان از ساير شرکتها به روش v کسب کند، حداکثر برابر Bjv است. در نهايت عبارت 15 نيز نشان ميدهد که شرکت j تا پايان مدت کسب دانش به هر روشي از هر شرکتي نبايد درجه بالاتر اين دانش را از ساير شرکتها کسب کند. رابطه 16 نيز اجازه نميدهد که تا زماني که شيوه ي غيرحضوري که نيازمند زمان بيشتري است به اتمام نرسيده است و سطح دانش آن شرکت بالاتر نرفته است، به شيوه حضوري سطح بالاتر آن دانش را فرا گيرد. در نهايت رابطه 17 نيز نوع متغيرها را نشان ميدهد.
3. مطالعه موردي
پيادهسازي مدل پيشنهادي در خوشه صنعتي خوراک دام، طيور و آبزيان گلستان انجام شده است. بر اساس اطلاعات دريافتي از دفتر مرکزي سازمان صنايع کوچک و شرکت شهرکهاي صنعتي ايران، اين خوشه شامل 26 شرکت است که در زمينه توليد خوراک، مکملها و داروهاي دام، طيور و آبزيان فعاليت دارند و در سطح استان گلستان پراکندهاند. حدود 700 نفر در اين خوشه صنعتي به صورت مستقيم اشتغال دارند و علاوه بر تامين قسمتي از نيازهاي بازار داخلي، بخشي از محصولات خود را نيز صادر ميکنند.
با مشورت خبرگان و با توجه به شرايط حاکم بر خوشه يک بازه 12 دورهاي براي اجراي برنامه تبادل دانش بين اعضاي خوشه برگزيده شد که در آن هشت دانش پراولويت خوشه جهت تبادل بين اعضا انتخاب گرديد. همانگونه که در مدل ذکر شد شيوه انتقال دانش بين اعضا، دو روش حضوري و غيرحضوري است که هزينه روش غيرحضوري کمتر و در مقابل کارايي تبادل دانش در روش حضوري به علت مواجه چهره به چهره بيشتر است. روش غيرحضوري با استفاده از ترکيبي از روشهاي شبکههاي اجتماعي، ايميل، تلفن و چت بنا و به ترجيح طرفين انجام ميشود. هزينه روش حضوري در مقايسه با روش غيرحضوري به علت وجود هزينههاي مربوط به رفت و آمد، ماموريت، اقامت و عدم حضور پرسنل (آموزش گيرنده و آموزش دهنده) در مدت آموزش در محل خدمت خود بيشتر است.
مدت انتقال دانش با توجه به پيچيدگي و ميزان ضمني بودن آن متفاوت است، هرچه پيچيدگي و ميزان ضمني بودن يک دانش بيشتر باشد به زمان بيشتري جهت انتقال آن بين اعضا نياز است که در اين خوشه با توجه به پيچيدگي و ميزان ضمني بودن دانشها، مدت انتقال به روش حضوري بين 1 تا 3 و غيرحضوري بين 3 تا 7 دوره در نظر گرفته شد.
هزينه انتقال دانش بين اعضا با توجه به عواملي مثل درجه نزديکي رابطه بين دو شرکت، روش انتقال (حضوري يا غيرحضوري) و مدت انتقال دانش تعيين گرديد. هرچه رابطه بين دو شرکت بهم نزديکتر باشد هزينه انتقال دانش بين آن دو کمتر ميگردد.
درجه نزديکي رابطه بين دو شرکت عضو خوشه متفاوت است و بر اساس عواملي چون نزديکي فيزيکي (مسافت)، ارتباطات دوستانه و خويشاوندي بين پرسنل و مخصوصاً مديران آنها، تبادل مواد اوليه، تجهيزات و نيروي کار در مواقع ضروري و ميزان روابط مالي بين آنها تعيين ميگردد. درجه نزديکي بين اعضا در يک مقياس 9 درجهاي از مقدار 1 تا 9 تعريف گرديد که عدد 9 نشان دهنده نزديکترين رابطه و عدد 1 بيان کننده ضعيفترين رابطه بين اعضا ميباشد.
با توجه به اين که اجراي برنامه تبادل دانش بين اعضاي خوشه همزمان با انجام فعاليتهاي عادي شرکتها صورت ميگيرد، بنابراين شرکتها همزمان با مشارکت در فرآيند تبادل دانش بايد به برنامه توليد و تعهدات کاري خود نيز متعهد بمانند، لذا توان مشارکت آنها در کسب و انتقال دانش محدود است و ميزان آن براي هر شرکت متناسب با تعداد پرسنل، حجم تعهدات کاري و نظر مدير شرکت تعيين ميگردد.
بودجه اختصاصي به برنامه تبادل دانش مقدار محدود و مشخصي است که به عنوان يکي از آرمانهاي مدل در نظر گرفته شده است. آرمان ديگر مدل هم بر مبناي رسيدن درجه دانش کليه اعضاي خوشه به درجه خبرگي (در هشت دانش مورد نظر) تعيين گرديد که مقدار آن در اين خوشه برابر 624 ميباشد (که از حاصل ضرب تعداد شرکتها (26) در تعداد دانشها (8) در بالاترين درجه دانش (خبره: 3) به دست آمده است).
4. بحث و بررسي
ارزيابي درجه اوليه دانش اعضاي خوشه خوراک دام، طيور و آبزيان گلستان (با توجه به اين که سه درجه خبره، متوسط و مبتدي هر دانش به ترتيب با اعداد 3، 2 و 1 مشخص ميشوند) نشان ميدهد که مجموع درجه اوليه 8 دانش مورد نظر در 26 عضو خوشه در ابتداي افق برنامهريزي برابر 413 است. قصد ما از اجراي برنامه تبادل (کسب و انتقال) دانش اين است که درجه دانش خوشه را به مجموع ايدهآل 624 برسانيم يا به عبارتي با 211 مورد انتقال دانش به درجه ايدهآل ذکر شده نزديک شويم.
بررسي درجه اوليه اين دانشها در ابتداي افق برنامهريزي در شکل 1 نشان داده شده است. همانطور که مشخص است تقريباً بيش از 50 درصد شرکتها در دانشهاي مورد نظر داراي درجه متوسط و حدود 25 درصد نيز داراي درجه مبتدي هستند که لازم است در فرآيند کسب دانش به درجه خبرگي برسند.
شکل (1): درجه اوليه 8 دانش مورد بررسي در اعضاي خوشه در ابتداي افق برنامهريزي
براي حل مدل برنامهريزي آرماني در خوشه خوراک دام، طيور و آبزيان گلستان از solver CPLEX نرمافزار GAMS استفاده نموديم و به کمک سيستمي با مشخصات intel(R) core (TM) i3-2120 CPU @ 3.3 GHz و GB RAM4 آن را حل کرديم. نتايج حاصل از حل مدل نشان ميدهد در يک افق برنامهريزي 12 دورهاي ميتوان با صرف 6000 واحد پولي به درجه ايدهآل دانش در خوشه رسيد. جدول 1 نشان ميدهد انتقال 211 دانش مورد نياز در ابتداي چه دورههايي به شکل حضوري و غيرحضوري شروع شده است. از اين جدول مشخص است بيشترين ميزان انتقال دانش در دورههاي ابتدايي آغاز شده و در دورههاي انتهايي افق برنامهريزي به دليل کمبود زمان لازم جهت آموزش، کمترين انتقال صورت گرفته است. در ضمن با توجه به اطلاعات جدول 1، درجه تجمعي دانش انتقال يافته (به هر دو شيوه) که نشان دهنده روند پيشرفت فرايند تبادل دانش طي افق برنامهريزي است، در شکل 2 قابل مشاهده است.
جدول (1): پراکندگي انتقال دانش در افق برنامهريزي 12 دورهاي
12 | 11 | 10 | 9 | 8 | 7 | 6 | 5 | 4 | 3 | 2 | 1 | دورهها |
0 | 2 | 0 | 12 | 4 | 1 | 1 | 1 | 2 | 4 | 3 | 1 | تعداد انتقال حضوري |
0 | 0 | 0 | 18 | 14 | 27 | 13 | 12 | 11 | 9 | 19 | 57 | تعداد انتقال غيرحضوري |
0 | 2 | 0 | 30 | 18 | 28 | 14 | 13 | 13 | 13 | 22 | 58 | مجموع دانش انتقال يافته در هر دوره |
شکل (2): درجه تجمعي دانش انتقال يافته
ميزان مشارکت شرکتها در فرآيند انتقال دانش با توجه به درجه اوليه دانش آنها در ابتداي افق برنامهريزي در شکل 3 قابل مشاهده است. همانطور که ملاحظه ميشود شرکتهايي با درجه خبرگي، با 54 درصد بيشترين سهم، پس از آن شرکتهايي با درجه متوسط 44 درصد و در نهايت شرکتهاي با درجه مبتدي تنها با 2 درصد در فرايند آموزش و تبادل دانش سهم داشتهاند. لازم به ذکر است، شرکتهايي با درجه مبتدي و برخي از شرکتها با درجه متوسط پس از کسب دانش در افق برنامهريزي، آمادگي انتقال دانش به ساير اعضاي خوشه را يافتهاند.
شکل (3): درصد مشارکت شرکتها در انتقال دانش با توجه به درجه دانش اوليه آنها در ابتداي افق برنامهريزي
از آنجا که روابط نزديکتر بين اعضا باعث ميشود تبادل دانش ميان آنها با هزينه کمتر و سهولت بيشتر صورت گيرد، بايد سعي شود شبکه جريان دانش طوري طراحي گردد که بيشترين تبادلات بين شرکتهايي با روابط نزديکتر اتفاق افتد. در جدول 2 فراواني نوع روابط بين اعضاي خوشه و نوع روابط مورد استفاده در فرايند انتقال دانش آمده است. اين جدول نشان ميدهد شبکه تبادل دانش به گونهاي کارا طراحي شده طوري که عمده فرايند انتقال دانش بين شرکتهايي صورت گرفته که داراي رابطه نزديکتري با هم بودهاند؛ به گونهاي که حدود 93 درصد انتقال دانش بين شرکتهايي با رابطه متوسط به بالا (رابطه 5 تا 9) اتفاق افتاده است.
جدول (2): فراواني نوع روابط بين اعضاي خوشه و نوع روابط مورد استفاده در فرايند تبادل دانش
نوع رابطه ميان اعضا (Rij) | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
فراواني نوع رابطه Rij بين اعضا | 64 | 83 | 38 | 44 | 51 | 23 | 9 | 11 | 2 |
تعداد انتقال دانش به ازاي نوع رابطه | 0 | 1 | 3 | 10 | 37 | 57 | 31 | 56 | 16 |
درصد انتقال دانش به ازاي نوع رابطه | 0 | 5/0 | 1/4 | 7/4 | 5/17 | 27 | 7/14 | 5/26 | 6/7 |
براي آگاهي از ميزان استفاده موثر از سرمايه اجتماعي خوشه در فرايند انتقال دانش، تعداد دانش انتقال يافته بين اعضا به تفکيک نوع رابطه و فراواني آن محاسبه شده است (ميزان سرانه). براي اين منظور از رابطه زير استفاده شده است.
(18) |
|
نتايج محاسبات شاخص فوق در شکل 4 نمايش داده شده که مويد استفاده موثر از سرمايه اجتماعي بين اعضاي خوشه است. يعني بيشترين تبادل دانش بين شرکتهايي با نزديکترين رابطه اتفاق افتاده است و اين موضوع در شکل زير با افزايش سرانه انتقال دانش براي روابط نزديکتر قابل مشاهده است.
شکل (4): سرانه انتقال دانش بر حسب نوع روابط بين اعضا
5. تحليل حساسيت پارامترهاي مدل
در اين بخش تحليل حساسيتهاي صورت گرفته روي پارامترهاي مدل شرح داده ميشود:
1.5. طول افق برنامهريزي
يکي از پارامترهاي مورد توجه دستاندرکارن و مديران شرکتهاي عضو خوشه، طول افق برنامهريزي است که تمايل دارند فرآيند تبادل دانش در دوره کوتاهتري انجام شود. شکل 5 نشان ميدهد که حساسيت مجموع دانش انتقال يافته (آرمان درجه دانش خوشه) نسبت به طول افق برنامهريزي چندان زياد نيست، به گونهاي که با کاهش طول افق برنامهريزي به يک چهارم مقدار اوليه (از 12 دوره به 3 دوره) همچنان حدود 40 درصد دانش مورد نياز خوشه در فرآيند تبادل تامين ميگردد.
شکل (5): اثر کاهش طول افق برنامهريزي بر درصد تحقق آرمان درجه دانش خوشه
اثر کاهش طول افق برنامهريزي روي تعداد دانش انتقال يافته به شيوه حضوري و غيرحضوري به يک نسبت نيست. اين تغييرات را ميتوان در شکل 6 مشاهده نمود. دليل افزايش تعداد انتقال دانش حضوري نسبت به شيوه غيرحضوري، کوتاهتر بودن مدت انتقال دانش به اين شيوه است.
شکل(6): اثر کاهش طول افق برنامهريزي بر مجموع تعداد انتقال دانش حضوري و غيرحضوري
لازم به ذکر است که اثر کاهش طول افق برنامهريزي بر هزينه کل انتقال دانش تقريباً ناچيز است، اما تاثير چشمگيري بر ترکيب هزينههاي انتقال دانش حضوري و غيرحضوري دارد. بدين صورت که سهم هزينه انتقال دانش حضوري با کاهش طول افق برنامهريزي نسبت به هزينههاي غيرحضوري افزايش مييابد که اين موضوع در شکل 7 قابل مشاهده است.
شکل (7): اثر کاهش طول افق برنامهريزي بر هزينههاي انتقال دانش
2.5. بودجه
يکي از جديترين موضوعات پروژههاي واقعي از جمله پروژههاي تبادل دانش، بودجه در نظر گرفته شده است، که هر چقدر بتوان صرفهجوييهاي بيشتري انجام داد، امکان استفاده از اين منابع، در ساير اولويتها فراهم ميشود. شکل 8 نشان ميدهد عدم تخصيص بودجه کافي، کاهش ميزان تبادل دانش در خوشه را به همراه دارد. به طوري که کاهش 50 درصدي بودجه باعث کاهش حدود 23 درصدي تبادل دانش نسبت به شرايط اوليه شده است. علت اصلي شيب نسبتاً ملايم منحني، آن است که در اين مساله براي جبران کاهش بودجه، انتقال دانش از شيوه حضوري به غيرحضوري (که نيازمند هزينه کمتري است) تغيير يافته و همين امر باعث شده آرمان درجه دانش خوشه (يا به عبارتي ميزان دانش انتقال يافته) افت خيلي زيادي نداشته باشد.
شکل(8): اثر کاهش بودجه بر درصد تحقق آرمان درجه دانش خوشه
لازم به يادآوري است که افزايش بودجه تاثيري بر افزايش ميزان دانش انتقال يافته در خوشه نداشت، بنابراين از نمايش آن در شکل 8 صرف نظر شد.
در شکل 9 بررسي اثر کاهش و افزايش بودجه بر درصد تغيير مجموع انتقال دانش به شيوه حضوري و غيرحضوري نشان ميدهد که با افزايش بودجه ميزان انتقال دانش به شيوه حضوري در مقايسه با شيوه غيرحضوري افزايش مييابد. دليل اين امر آن است که با افزايش بودجه، شرکتها تمايل دارند از روش حضوري که داراي مدت انتقال کمتر و اثربخشي بالاتري (نسبت به شيوه غيرحضوري) است، استفاده کنند.
شکل (9): اثر تغيير بودجه بر درصد انتقال دانش حضوري و غيرحضوري
3.5. وزن آرمانها
آرمان اول مدل مجموع درجه دانش خوشه است که 1w وزن آن و آرمان دوم مربوط به بودجه است که وزن آن با 2w نشان داده شده است. نتيجه تحليل اوزان آرمانها در بازه صفر تا يک (1=1w+2 w) در جدول 3 مشخص ميکند، زماني که مقدار 1w برابر صفر است، هيچ انتقال دانشي صورت نميگيرد و درجه دانش خوشه برابر همان 413 اوليه خواهد بود و تبعاً هيچ بودجهاي نيز صرف نميگردد. با بيشتر شدن اين وزن از مقدار اوليه، درجه دانش خوشه به شدت افزايش مييابد به گونهاي که با تغيير از مقدار صفر به 1/0 مجموع درجه دانش شرکتها از 413 به 623 ميرسد و با افزايش آن تا مقدار 1 مجموع درجه دانش خوشه برابر با مقدار ايدهآل يا نزديک به آن است. در فواصل ميان 1/0 تا 1 تغييرات درجه دانش خوشه و همچنين تغييرات هزينههاي انتقال حضوري و غيرحضوري قابل اعتنا نيست.
بررسي دقيقتر نتايج نشان ميدهد که با افزايش اين مقدار از 0.9 به 1، شاهد کاهش تعداد انتقال دانش غيرحضوري از 180 به 106 و افزايش تعداد انتقال دانش حضوري از 31 به 105 هستيم. دليل اين امر آن است که در اين حالت تنها رساندن درجه دانش اعضاي خوشه به خبرگي مهم است و هزينه صرف شده داراي اهميت نيست، بنابراين به هر شکل ممکن و با هر هزينهاي انتقال دانش بين اعضا ميتواند صورت گيرد. اين در حالي است که در ساير شرايط ميزان بودجه صرف شده داراي نقش کليدي بوده و در فرايند تصميمگيري تاثيرگذار است.
جدول (3): اثر تغييرات وزن آرمانها
W1 | W2 | درصد تغييرات هزينه انتقال دانش غيرحضوري | درصد تغييرات هزينه انتقال دانش حضوري | درصد تغييرات هزينه کل | مجموع انتقال دانش غيرحضوري | مجموع انتقال دانش حضوري | درجه دانش خوشه در آخرين دوره |
0 | 1 | 100- | 100- | 100 | 0 | 0 | 413 |
1/0 | 9/0 | 4/1- | 7/1 | 35/0 | 179 | 31 | 623 |
2/0 | 8/0 | 8/0- | 3/1 | 10/0 | 179 | 31 | 623 |
3/0 | 7/0 | 2/0- | 3/1- | 53/0 | 180 | 30 | 623 |
4/0 | 6/0 | 8/0- | 0/0 | 57/0 | 179 | 30 | 622 |
5/0 | 5/0 | 0/0 | 0/0 | 0/0 | 180 | 31 | 624 |
6/0 | 4/0 | 5/0- | 6/2- | 20/1 | 180 | 30 | 623 |
7/0 | 3/0 | 7/0- | 4/0- | 62/0 | 180 | 30 | 623 |
8/0 | 2/0 | 5/0- | 9/0- | 0/0 | 179 | 32 | 624 |
9/0 | 1/0 | 6/0- | 2/1 | 0/0 | 180 | 31 | 624 |
1 | 0 | 2/30- | 5/303 | 3/81- | 106 | 105 | 624 |
4.5. توان کسب و انتقال دانش حضوري و غيرحضوري
علاوه بر تحليلهاي فوق ميزان، تغييرات توان کسب و انتقال دانش روي هزينهها به تفکيک مورد بررسي قرار گرفته است. در اين اشکال، هر منحني به طور مجزا بيانگر تغييرات يکي از چهار پارامتر Ai1، Ai2، Bj1 يا Bj2 روي هزينههاي حضوري (شکل 10) و غيرحضوري (شکل 11) است. نتايج نشان ميدهد از ميان اين چهار پارامتر، بيشترين تاثير را تغييرات پارامتر Bj2 (توان کسب دانش غيرحضوري) در هزينههاي انتقال دانش داشته است. بدين صورت که با افزايش توان کسب دانش غيرحضوري (Bj2)، تمايل اعضاي خوشه براي کسب دانش به شيوه غيرحضوري (به دليل نياز به هزينه کمتر)، بيشتر شده است. اين موضوع باعث ميشود سهم هزينههاي انتقال دانش غيرحضوري در مقايسه با هزينههاي انتقال دانش حضوري در کل هزينهها بيشتر شود. چنين چيزي در شکل 10 با روند کاهشي منحني توان کسب دانش غيرحضوري و در شکل 11 با روند افزايشي اين منحني قابل مشاهده است.
شکل (10): تاثير تغييرات توان کسب و انتقال دانش بر درصد تغييرات مجموع هزينههاي انتقال دانش حضوري
شکل (11): تاثير تغييرات توان کسب و انتقال دانش بر درصد تغييرات مجموع هزينههاي انتقال دانش غيرحضوري
نتيجهگيري
فلسفه شکلگيري خوشههاي صنعتي انجام فعاليتهاي مشترک براي کسب منافع بيشتر براي شرکتهاي عضو است. يکي از فعاليتهاي مشترک، تبادل دانش است که منافع متعددي به همراه دارد. براي انجام موفق اين فعاليت دو موضوع مهم به عنوان اهداف يا آرمانهاي اصلي، مد نظر متواليان خوشه ميباشد. يکي رسيدن به درجه ايدهآل دانش در خوشه و ديگري انجام اين فرآيند با بودجه تعيين شده است. به همين لحاظ يک مدل برنامهريزي آرماني با در نظر انتقال دانش به دو شيوه حضوري و غيرحضوري براي بهينهسازي فرآيند تبادل دانش طراحي گرديد که اين مدل در خوشه صنعتي خوراک دام، طيور و آبزيان گلستان پيادهسازي شد. نتايج حاصل از حل مدل و تحليلهاي انجام شده روي پارامترهاي مدل نشان ميدهد براي تحقق آرمان بودجه به شکلي که برنامه تبادل دانش به بهترين شکل اجرا شود، ضروري است از سرمايه اجتماعي موجود در خوشه بخوبي استفاده شود. اين امر با طراحي مناسب شبکه تبادل دانش عملي ميشود. يک شبکه تبادل دانش مناسب نشان ميدهد که هر عضو خوشه، هر دانشي را با چه شيوهاي از چه شرکت ديگري در خوشه کسب کند. مدل پيشنهادي مقاله از عهده اين امر بخوبي برآمده است، زيرا از ظرفيت موجود به بهترين شکل براي تبادل دانش بهره گرفته و قسمت عمده تبادل بين اعضا با روابط نزديک صورت گرفته است.
نکته مهم بعدي تاثير کاهش بودجه در نتيجه فرايند تبادل دانش است که نشان ميدهد که تا حد زيادي اثر کاهش بودجه با تغيير شيوه انتقال دانش جبران شده است، بدين صورت که با کاهش بودجه سهم شيوه انتقال دانش غيرحضوري (در مقايسه با روش حضوري) افزايش يافته است. در ضمن رويکرد مدل براي کاهش افق برنامهريزي فرايند تبادل دانش بدين صورت است که با کاهش افق برنامهريزي، اينبار سهم شيوه انتقال دانش حضوري در تبادل دانش افزايش يافته است.
موضوع قابل بحث بعدي مربوط به وزن يا درجه اهميت هر يک از آرمانهاست. نتايج نشان ميدهد هنگامي که هر دو آرمان مورد توجه هستند (با هر درجه اهميتي)، تغييرات مربوط به دو آرمان (يعني درجه دانش خوشه و ترکيب هزينههاي تبادل دانش) تفاوت معنيدار و محسوسي ندارد.
نکته قابل ذکر بعدي مربوط به توان کسب و انتقال دانش اعضاي خوشه است. تحليلها نشان ميدهد که مهمترين پارامتر توان کسب دانش غيرحضوري است که تغيير در مقدار آن ميتواند تعيين کننده سهم هزينههاي انتقال دانش به شيوه حضوري و غيرحضوري باشد. هرچه اين پارامتر افزايش يابد، سهم هزينههاي انتقال به شيوه غيرحضوري در کل هزينههاي تبادل دانش افزايش يا به عبارتي عمده فرآيند تبادل دانش با استفاده از شيوه غيرحضوري صورت ميگيرد. بنابراين با توجه به شرايط اعضاي خوشه ميتوان از اين پارامتر به عنوان يک عامل کنترلي در شيوه اجراي فرآيند تبادل دانش بهره گرفت که به نوبه خود باعث انعطافپذيري بيشتر در اجراي فرآيند تبادل دانش خواهد شد.
براي توسعه اين مقاله ميتوان در تحقيقات آتي از رويکردهاي حل برنامهريزي پويا و تئوري بازي همکارانه در خوشه صنعتي استفاده نمود. همچنين ميتوان مدل ارائه شده را براي تبادل دانش در سطوح مختلف زنجيره تامين توسعه داد. به علاوه، در نظر گرفتن عدم قطعيت در هزينهها و وارد کردن مواردي نظير نرخ تورم ميتواند براي نزديکتر شدن به دنياي واقعي مفيد باشد.
منابع
اسماعيلپور، مجيد، بحرينيزاد، منيژه و قائدي، حسينعلي. (1396). تاثير رويکردهاي سازمان بر موفقيت محصولات جديد با توجه به نقش ميانجيگري مديريت دانش مشتري و دانش بازار، راهبردهاي بازرگاني، شماره 10، ص. 47-62. | |
رمضاني، يوسف و مهرآرا، اسداله. (1390). مديريت دانش در بخش دولتي: مطالعهاي روابط بين عناصر سازماني و عمل انتقال دانش، ، راهبردهاي بازرگاني، شماره 1-47، ص. 181-194. | |
Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic Management Journal: Vol. 17: PP. 109–122. | |
ناظمان، حميد و اسلاميفر، عليرضا (1389). اقتصاد دانش بنيان و توسعه پايدار (طراحي و آزمون يك مدل تحليلي با دادههاي جهاني)، مجلة دانش و توسعه، سال 17، شماره 33، ص. 184-214. | |
Renzle, B. (2012). Trust in Management and Knowledge Sharing: The Mediating effects of fear and Knowledge Documentation. Omega: Vol. 36: PP. 206-220. | |
Wijk, R. V. Jansen, J. J. P. & Lyles, M. A. (2008). Inter- and Intra-Organizational Knowledge Transfer: A Meta-Analytic Review and Assessment of its Antecedents and Consequences. Journal of Management Studies: Vol. 45: PP. 830-853. | |
Malmberg A. & Maskell P. (2002). The elusive concept of localization economies: towards a knowledge based theory of spatial clustering. Environ Plann.: Vol. 34(3): PP. 429–449. | |
Porter, M. E. (1998). Clusters and the new economics of competition. Harv Bus Rev.: Vol. 76(6): PP. 77–90. | |
Porter, M. E. (2000). Location, competition, and economic development: local clusters in a global economy. Econ Dev Q: Vol. 14(1): PP. 15–34. | |
Fang, Y. Liang, Q. & Jia, Z. (2011). Knowledge Sharing Risk Warning of Industry Cluster: An Engineering Perspective. Systems Engineering Procedia: Vol. 2: PP. 412 – 421. | |
Hoffmann, V. E. Bandeira-de-Mello, R. Molina-Morales, F. X. (2011). Innovation and Knowledge Transfer in Clustered Inter Organizational Networks in Brazil. Latin American Business Review: Vol. 12: PP. 143–163. | |
Connell, J. Kriz, A. & Thorpe, M. (2014). Industry clusters: an antidote for knowledge sharing and collaborative innovation?. Journal of Knowledge Management: Vol. 18(1): PP. 137-151. | |
Şengün, A. E. (2015). Does Informal Knowledge Sharing Breed Innovation in Industrial Clusters?. Boğaziçi Journal Review of Social, Economic and Administrative Studies: Vol. 29(1): PP. 53-79. | |
Alberti, F. G. & Pizzurno, E. (2015). Knowledge exchanges in innovation networks: evidences from an Italian aerospace cluster. Competitiveness Review: Vol. 25(3): PP. 258-287. | |
Kim, N. & Shim, C. (2018). Social capital, knowledge sharing and innovation of small- and medium-sized enterprises in a tourism cluster. International Journal of Contemporary Hospitality Management: Vol. 30(6): PP. 2417-2437. | |
Han, Y. & Chen, G. (2018). The relationship between knowledge sharing capability and innovation performance within industrial clusters: Evidence from China. Journal of Chinese Economic and Foreign Trade Studies: Vol. 11(1): PP. 32-48. | |
Chen, M. Wang, H. Wang, M. (2018). Knowledge sharing, social capital, and financial performance: the perspectives of innovation strategy in technological clusters. Journal Knowledge Management Research & Practice: Vol. 16(1): PP. 89-104. | |
Wilson, L. Spoehr, J. (2010). Labour Relations and the Transfer of Knowledge in Industrial Clusters: Why do Skilled Workers Share Knowledge with Colleagues in Other Firms?. Geographical Research: Vol. 48(1): PP. 42–51. | |
Lopez-Saez, P. Navas-Lopez, J. E. Martin-de-Castro, G. & Cruz-Gonzalez, J. (2010). External knowledge acquisition processes in knowledge-intensive clusters. Journal of Knowledge Management: Vol. 14(5): PP. 690-707. | |
Sreckovic, M. & Windsperger, J. (2011). Organization of knowledge transfer in clusters: a knowledge-based view, In: Tuunanen M,Windsperger J, Cliquet G, Hendrikse G (eds) New developments in the theory of networks. Franchising, alliances and cooperatives. Springer. Berlin: PP. 318–334. | |
Sreckovic, M. & Windsperger, J. (2013). The Impact of Trust on the Choice of Knowledge Transfer Mechanisms in Clusters, Network Governance Contributions to Management Science. Springer-Verlag Berlin Heidelberg: PP. 73-85. | |
Stackea, A. R. N. P. Hoffmannb, V. E. & Araujo Costa, H. (2012). Knowledge transfer among clustered firms: a study of Brazil. Anatolia – An International Journal of Tourism and Hospitality Research: Vol. 23(1): PP. 90–106. | |
Richardson, C. (2013). Knowledge-sharing through social interaction in a policy-driven industrial cluster. Journal of Entrepreneurship and Public Policy: Vol. 2(2): PP. 160-177. | |
Dayasindhu, N. (2002). Embeddedness, knowledge transfer, industry clusters and global competitiveness: a case study of the Indian software industry. Technovation: Vol. 22: PP. 551–560. | |
Power, D. & Lundmark, M. (2004). Working through Knowledge Pools: Labor Market Dynamics, the Transference of Knowledge and Ideas, and Industrial Clusters. Urban Studies: Vol. 41(5/6): PP. 1025–1044. | |
Hoffmann, V. E. Lopes, G. S. C. & Medeiros, J. J. (2014). Knowledge transfer among the small businesses of a Brazilian cluster. Journal of Business Research: Vol. 67: PP. 856–864. | |
Bocquet, R. & Mothe, C. (2010). Knowledge governance within clusters: the case of small firms. Knowledge Management Research & Practice: Vol. 8: PP. 229–239. | |
Xiong, J. Duan, Z. & Wang, Y. (2013). Modeling and Simulation of the Inter-Organizational Knowledge Transfer Impact Factors in Industrial Clusters. The 19th International Conference on Industrial Engineering and Engineering Management, Springer-Verlag Berlin Heidelberg: PP. 161-171. | |
Zhou, S. (2013). Study of Knowledge Diffusion FSAI Model for High-Tech SMES Clusters. The 19th International Conference on Industrial Engineering and Engineering Management, Springer-Verlag Berlin Heidelberg: PP. 783-794. | |
Schmidt, D. M. Böttcher, L. Wilberg, J. Kammerl, D. & Lindemann, U. (2016). Modeling Transfer of Knowledge in an Online Platform of a Cluster. 26th CIRP Design Conference: PP. 348 – 353. | |
Giuliani, E. (2007). The selective nature of knowledge networks in clusters: evidence from the wine industry. Journal of Economic Geography: Vol. 7: PP. 139–168. | |
Guo, J. & Guo, B. (2008). The Evolution of Knowledge Network in Manufacturing Cluster: A Case in China. Proceedings of the 2008 IEEE IEEM: PP. 890-894. | |
Chen, J. Chen, D. & Li, Z. (2008). The Analysis of Knowledge Network Efficiency in Industrial Clusters, International Seminar on Future Information Technology and Management Engineering 2008, IEEE:PP. 257-260. | |
Ilovici, I. & Han, J. (2003). Optimization of organizational knowledge transfer model. Proceedings of the 16th IEEE Symposium on Computer-Based Medical Systems. | |
Lin, X. & Zhang, Q. (2007). Optimization of Knowledge Sharing & Transfer Network. International Conference on Wireless Communications, Networking and Mobile Computing: PP. 5613-5616. | |
Dong, S. Johar, M. & Kumar, R. (2012). Understanding key issues in designing and using knowledge flow networks: An optimization-based managerial benchmarking approach. Decision Support Systems: Vol. 53: PP. 646–659. | |
Dezfoulian, H.R. Afrazeh, A. & Karimi, B. (2017). A new model to optimize the knowledge exchange in industrial cluster: A case study of Semnan plaster production industrial cluster. Scientia Iranica: Vol. 24(2): PP. 834-846. |
پی نوشت:
[1] Hoffmann
[2] Connell
[3] Şengün
[4] Alberti & Pizzurno
[5] Kim & Shim
[6] Han & Chen
[7] Chen
[8] Wilson & Spoehr
[9] Lopez-Saez
[10] Sreckovic & Windsperger
[11] Stackea
[12] Richardson
[13] Dayasindhu
[14] Power & Lundmark
[15] Bocquet & Mothe
[16] Fang
[17] Xiong
[18] Zhou
[19] Schmidt
[20] Giuliani
[21] Guo & Guo
[22] Ilovici & Han
[23] Lin & Zhang
[24] Floyd
[25] Dong
[26] Mixed integer programming model
[27] Dezfoulian