بررسی ابعاد و مولفه های مونیتورینگ زنجیره تامین در بستر بلاکچین با نگاهی به نقش آموزش

پژوهش حاضر با هدف شناسایی ابعاد مونیتورینگ زنجیره تامین در بستر بلاکچین با تاکید بر نقش آموزش انجام شده است. این تحقیق از نظر هدف، کاربردی-توسعه ای و از نظر روش، آمیخته (کیفی-کمی) با رویکرد اکتشافی متوالی است. جامعه آماری شامل ۱۱۷ نفر از مدیران و خبرگان صنعت سلامت استان قزوین بود که به روش سرشماری مورد مطالعه قرار گرفتند. داده ها از طریق مصاحبه نیمه ساختاریافته با ۱۵ خبره و پرسشنامه محقق ساخته (با پایایی ۰.۹۱۶ بر اساس آلفای کرونباخ) گردآوری شد. مدل پیشنهادی در سه لایه طراحی شد: لایه بلاکچین (با پلتفرم Hyperledger Fabric)، لایه هوش مصنوعی فازی (شامل سیستم استنتاج فازی و نقشه های شناختی فازی) و لایه یکپارچه سازی. تحلیل داده ها با استفاده از روش های آمار توصیفی و استنباطی، فرآیند تحلیل سلسله مراتبی فازی (FAHP) و شبیه سازی پویای سیستم انجام گرفت. یافته ها نشان داد که چهار بعد اصلی مونیتورینگ زنجیره تامین سلامت به ترتیب اهمیت عبارتند از: امنیت و اعتبار (وزن ۰.۳۲۴)، انطباق پذیری (وزن ۰.۲۸۷)، ردیابی و پیگیری (وزن ۰.۲۲۱) و کارایی عملیاتی (وزن ۰.۱۶۸). در ماتریس وزنی نقشه شناختی فازی، مفهوم «تغییرناپذیری داده» با درجه مرکزی ۱۵.۲۸ موثرترین مفهوم شناسایی شد. مدل یکپارچه پیشنهادی با امتیاز وزنی ۸.۹۲ از ۱۰، بهبود ۱۵.۲ درصدی نسبت به سیستم های سنتی نشان داد که عمدتا ناشی از افزایش قابلیت اعتماد (از ۶.۵ به ۹.۸) و دقت (از ۷.۸ به ۹.۳) بود. مدل قادر به کاهش ۴۰ درصدی ریسک دستکاری داده ها و افزایش ۳۵ درصدی شفافیت ردیابی شد. مدل ارائه شده با تلفیق مزایای امنیت و شفافیت بلاکچین با قابلیت تصمیم گیری تحت عدم قطعیت هوش مصنوعی فازی، چارچوبی اثربخش برای مونیتورینگ هوشمند زنجیره تامین سلامت فراهم می کند.

کلیدواژه ها:

مونیتورینگ زنجیره تامین ، بلاکچین ، هوش مصنوعی فازی ، صنعت سلامت ، نقشه شناختی فازی ، سیستم استنتاج فازی.