مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 4 2026 02 20 Hybrid PLSANN modeling to investigate the mediating role of Industry 4.0 technologies and customer satisfaction in the relationship between quality management practices and organizational performance مدل‌سازی ترکیبی PLS-ANN برای بررسی نقش میانجی فناوری‌های صنعت 0/4 و رضایت مشتری در رابطه بین QMP و عملکرد سازمانی 339 368 228893 10.48313/jqem.2025.525215.1550 FA امیرمحمد خانی گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. 0000-0001-8798-2956 آرمان رضاسلطانی گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. 0009-0003-6960-6713 احمد جعفرنژاد چقوشی گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. 0000-0001-6763-5033 محمد علی نیکخواه گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. 0009-0002-3172-6501 Journal Article 2025 05 23 Purpose: This study was conducted to investigate the relationships between Quality Management Practice (QMP), Industry 4.0 technologies, and organizational performance, and among them, the mediating role of customer satisfaction and technology was considered. The main objective of the study was to explain how the combination of quality and technology affects organizational performance improvement in Iranian manufacturing companies. Methodology: The study used a mixed approach, and the data were analyzed using structural equation modeling (PLS-SEM) and Artificial Neural Network (ANN). The statistical population comprised employees of Iranian manufacturing companies, and the data were collected via a valid questionnaire administered to 205 respondents. The research tool had five main variables, fourteen sub-components, and forty-five indicators. Findings: The results showed that QMP has a direct and significant effect on customer satisfaction and organizational performance. Also, Industry 4.0 technology and customer satisfaction played an effective mediating role in these relationships. Neural network analysis also indicates that customer satisfaction, process management, and data-centricity are most important for predicting organizational performance. The findings have collectively confirmed that combining QMP with new technologies can be an efficient strategy for improving organizational performance. Originality/Value: By combining the two methods, PLS and ANN, this research has presented an innovative approach for simultaneous analysis of causal relationships and nonlinear prediction. Also, by simultaneously examining the two mediating variables of customer satisfaction and technology and conducting the research in the local context of Iranian companies, it has covered the existing research gap and contributed to the development of the literature on quality management and digital transformation. هدف: این پژوهش با هدف بررسی روابط میان QMP، فناوری‌های صنعت 4.0 و عملکرد سازمانی انجام شده است و در این میان، نقش میانجی رضایت مشتری و فناوری مورد توجه قرار گرفته است. هدف اصلی مطالعه، تبیین نحوه اثرگذاری ترکیب کیفیت و فناوری بر ارتقای عملکرد سازمانی در شرکت‌های تولیدی ایران بوده است. روش‌شناسی پژوهش: پژوهش از رویکرد ترکیبی استفاده کرده و داده‌ها با روش مدل‌سازی معادلات ساختاری (PLS-SEM) و شبکه عصبی مصنوعی (ANN) تحلیل شده‌اند. جامعه آماری شامل کارکنان شرکت‌های تولیدی ایران بوده و داده‌ها از طریق پرسشنامه‌ای معتبر با 205 پاسخ‌دهنده گردآوری شده است. ابزار پژوهش دارای پنج متغیر اصلی، چهارده مولفه فرعی و چهل‌وپنج شاخص بوده است. یافته‎ها: نتایج نشان داده‌اند که QMP تاثیر مستقیم و معناداری بر رضایت مشتری و عملکرد سازمانی دارند. همچنین، فناوری صنعت 4.0 و رضایت مشتری نقش میانجی موثری در این روابط ایفا کرده‌اند. تحلیل شبکه عصبی نیز بیان کرده است که رضایت مشتری، مدیریت فرآیند و داده‌محوری بیشترین اهمیت را در پیش‌بینی عملکرد سازمانی داشته‌اند. یافته‌ها در مجموع تایید کرده‌اند که ترکیب QMP با فناوری‌های نوین می‌تواند راهبردی کارآمد برای بهبود عملکرد سازمانی باشد. اصالت/ارزش افزوده علمی:این تحقیق با ترکیب دو روش PLS و ANN، رویکردی نوآورانه برای تحلیل هم‌زمان روابط علی و پیش‌بینی غیرخطی ارایه داده است. همچنین با بررسی هم‌زمان دو متغیر میانجی رضایت مشتری و فناوری و اجرای پژوهش در بستر بومی شرکت‌های ایرانی، خلأ مطالعاتی موجود را پوشش داده و به توسعه ادبیات مدیریت کیفیت و تحول دیجیتال کمک کرده است.

https://www.pqprc.ir/article_228893_8d6002d95ca52e8870b0c28f2e053770.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 4 2025 12 22 The impact of e-business processes on business value creation in the digital supply chain by examining the role of information sharing: An artificial neural network modeling approach تاثیر فرآیندهای کسب‌وکار الکترونیکی بر خلق ارزش تجاری در زنجیره‌تامین دیجیتال با بررسی نقش تسهیم اطلاعات: رویکرد مدل‌سازی شبکه عصبی مصنوعی 369 397 228075 10.48313/jqem.2025.532221.1560 FA ابراهیم فربد گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران. 0000-0001-7994-866X علیرضا حمیدیه گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران. 0000-0001-7554-4641 Journal Article 2024 12 28 Purpose: This research investigates the impact of technical, relational, and business components of e-business processes on value creation in the digital supply chain, emphasizing the role of information sharing using a neural network modeling approach. The main focus is on the mediating role of e-business capabilities in enhancing the impact of these components on supply chain competitive performance. Methodology: This research is applied and descriptive-correlational. The research population consists of experts, managers, and employees of manufacturing companies operating in the capital's industrial park. Sampling was carried out using a non-probability, available, and contingent method, and data were collected through a standard questionnaire, the validity and reliability of which were confirmed by the indices AVE> 0.5, CR > 0.7, and α > 0.7. To validate the model and test the hypotheses, the variance-based structural equation modeling method in SmartPLS version 4.0 and the artificial neural network module in SPSS 29 were used. Findings: After fitting the research model with the variance-based structural equation approach and the multilayer perceptron neural network, the research findings showed that in both approaches, the information sharing variable had the highest impact, and both approaches were able to predict the competitive performance of the digital supply chain. To evaluate the models fitted using the two approaches, the root mean square error was used. The root mean square error values for the multilayer perceptron neural network approach and the variance-based structural equation approach are 0.021 and 0.879, respectively. Therefore, the multilayer perceptron neural network method can accurately predict the competitive performance of the digital supply chain with much lower error and can serve as an optimal model. Originality/Value: This study presents an integrated model to explain the role of e-business process capabilities in enhancing the competitive performance of the supply chain. The findings offer practical guidance for strategic decision-making and planning in manufacturing firms, particularly within dynamic business environments. هدف: این پژوهش به بررسی تاثیر مولفه‌های فنی، رابطه‌ای و تجاری فرایندهای کسب‌وکار الکترونیک بر خلق ارزش در زنجیره‌تامین دیجیتال با تاکید بر نقش تسهیم اطلاعات با رویکرد مدل‌سازی شبکه عصبی می‌پردازد. تمرکز اصلی بر نقش میانجی قابلیت‌های کسب‌وکار الکترونیک در تقویت تاثیر این مولفه‌ها بر عملکرد رقابتی زنجیره‌تامین است. روش‌شناسی پژوهش: این پژوهش کاربردی و از نوع توصیفی-همبستگی است. جامعه آماری پژوهش را کارشناسان، مدیران و کارکنان شرکت‌های تولیدی فعال در شهرک صنعتی پایتخت تشکیل داده‌اند. نمونه‌گیری به شیوه غیراحتمالی در دسترس و اقتضایی انجام و داده‌ها از طریق پرسشنامه‌ استاندارد گردآوری شد که روایی و پایایی آن توسط شاخص‌های AVE>0.5، CR>0.7، CR>AVE و α>0.7 تایید گردیده است. برای اعتبارسنجی مدل و آزمون فرضیه‌ها، از روش معادلات ساختاری واریانس‌محور در نرم‌افزار SmartPLS نسخه 4.0 و ماژول شبکه عصبی مصنوعی در نرم‌افزار SPSS29 استفاده شده است. یافته‎ها: پس از برازش مدل تحقیق با رویکرد معادلات ساختاری واریانس محور و شبکه عصبی پرسپترون چندلایه یافته‌های پژوهش نشان داد که در هر دو رویکرد، متغیر تسهیم اطلاعاتی بالاترین تاثیر داشته و همچنین هر دو رویکرد توانایی پیش بینی عملکرد رقابتی زنجیره‌تامین دیجیتال را داشتند. برای ارزیابی مدل برازش شده با دو رویکرد، از شاخص ریشه میانگین مربعات خطا استفاده شد. مقدار ریشه میانگین مربعات خطا در رویکرد شبکه عصبی پرسپترون چندلایه برابر 0.021 و در رویکرد معادلات ساختاری واریانس محور برابر 0.879 می باشد؛ بنابراین روش شبکه عصبی پرسپترون چندلایه با خطای خیلی کمتری توانایی پیش‌بینی عملکرد رقابتی زنجیره‌تامین دیجیتال را داشته و می‌تواند به‌عنوان مدل بهینه مورداستفاده قرار گیرد. اصالت/ارزش‌افزوده علمی: این پژوهش با ارایه مدلی تلفیقی، نقش قابلیت‌های فرایندهای کسب‌وکار الکترونیک را در بهبود عملکرد رقابتی زنجیره‌تامین تبیین می‌کند. یافته‌ها راهنمایی کاربردی برای تصمیم‌گیری و برنامه‌ریزی استراتژیک در شرکت‌های تولیدی، به‌ویژه در محیط‌های تجاری پویا ارایه می‌دهند.

https://www.pqprc.ir/article_228075_62f9bc2833cffae87704530df873e816.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 4 2025 12 22 Investigating the impact of productivity quality management indicators on increasing service production efficiency considering the importance of artificial intelligence in Pasargad insurance بررسی تاثیر شاخص‌های مدیریت کیفیت بهره‌وری بر افزایش بهره‌وری تولید خدمات با توجه به اهمیت هوش مصنوعی در بیمه پاسارگاد 398 414 239338 10.48313/jqem.2026.561555.1585 FA احمد معالجی اوره گروه مدیریت صنعتی، گرایش تولید و عملیات، واحد رودهن، دانشگاه آزاد اسلامی، ایران. 0009-0003-9200-6046 سید احمد قاسمی استادیار پژوهشگاه علوم انسانی و مطالعات اجتماعی جهاد دانشگاهی، دانشگاه تهران، ایران. السا شکراله پور گروه مدیریت تولید و عملیات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، ایران. Journal Article 2025 04 28 Purpose: One of the most important competitive challenges for insurance companies these days is to provide services that can increase productivity with better quality. This research aimed to investigate the impact of productivity quality management indicators and artificial intelligence on increasing the productivity of service production in Pasargad Insurance. Methodology: The statistical population of the quantitative part of this research includes all personnel working in the central building of Pasargad Insurance. Due to the large size of the statistical population, a classified questionnaire based on the results of the qualitative phase of the research was prepared and distributed among the personnel to increase the generalizability of the results. The sample size of this study was initially estimated to be 1,300 people using the Cochran formula, and after final calculations, the final sample size was determined to be 297 people. Since this research was conducted using a survey method, the data were analyzed using descriptive and inferential statistical methods. Then, in the inferential statistics section, after determining the distribution of variables in the population, more advanced analyses were performed. For this purpose, structural equation modeling was used with Smart PLS software, as well as descriptive statistical tests to examine demographic data and analyze research variables in SPSS software. Findings: According to the findings of this study, it can be concluded that combining productivity quality management indicators with modern artificial intelligence technologies plays a significant role in improving performance and increasing service productivity in the insurance industry, especially in companies such as Pasargad Insurance. Originality/Value: Therefore, the productivity quality management model and artificial intelligence on increasing the productivity of service production in Pasargad Insurance presented in this research is a scientific and practical step towards moving the insurance industry towards technological transformation, organizational agility, and long-term competitiveness. هدف: یکی از چالش‌های رقابتی این روزهای شرکت‌های بیمه که بسیار اهمیت دارد ارایه خدماتی است که با کیفیت بهتر بتوانند بهره‌وری را افزایش دهند. این تحقیق با هدف بررسی تاثیر شاخص‌های مدیریت کیفیت بهره‌وری و هوش مصنوعی بر افزایش بهره‌وری تولید خدمات در بیمه پاسارگاد انجام گردید. روش‌شناسی پژوهش: جامعه آماری بخش کمی این تحقیق شامل کلیه پرسنل شاغل در ساختمان مرکزی بیمه پاسارگاد می‌باشد. به دلیل گستردگی جامعه آماری، پرسشنامه‌ای طبقه‌بندی شده و مبتنی بر نتایج مرحله کیفی پژوهش تهیه و در میان پرسنل توزیع شد تا قابلیت تعمیم‌پذیری نتایج افزایش یابد. حجم نمونه این مطالعه با استفاده از فرمول کوکران ابتدا برابر با ۱۳۰۰ نفر برآورد شد که پس از محاسبات نهایی، حجم نمونه نهایی ۲۹۷ نفر تعیین گردید. از آن‌جا که این پژوهش به روش پیمایشی انجام شده است، داده‌ها با بهره‌گیری از روش‌های آماری توصیفی و استنباطی تحلیل شدند. سپس در بخش آمار استنباطی، پس از تعیین توزیع متغیرها در جامعه، تحلیل‌های پیشرفته‌تری انجام گرفت. برای این منظور، از مدلسازی معادلات ساختاری با نرم‌افزار Smart PLS و همچنین آزمون‌های آماری توصیفی جهت بررسی داده‌های جمعیت‌شناختی و تحلیل متغیرهای پژوهش در نرم‌افزار SPSS استفاده گردید. یافته‎ها: با توجه به یافته‌های این پژوهش، می‌توان نتیجه گرفت که تلفیق شاخص‌های مدیریت کیفیت بهره‌وری با فناوری‌های نوین هوش مصنوعی، نقش به‌سزایی در بهبود عملکرد و افزایش بهره‌وری خدمات در صنعت بیمه، به‌ویژه در شرکت‌هایی همچون بیمه پاسارگاد دارد. اصالت/ارزش افزوده علمی: الگوی مدیریت کیفیت بهره‌وری و هوش مصنوعی بر افزایش بهره‌وری تولید خدمات در بیمه پاسارگاد ارایه‌شده در این تحقیق، گامی علمی و کاربردی در جهت حرکت صنعت بیمه به‌سوی تحول فناورانه، چابکی سازمانی و رقابت‌پذیری بلندمدت به‌شمار می‌رود.

https://www.pqprc.ir/article_239338_50b0eb42d7329901360ea711a7586d84.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 4 2025 12 22 Estimation of Weibull distribution parameters using a genetic algorithm برآورد پارامترهای توزیع وایبول آمیخته با استفاده از الگوریتم ژنتیک 415 432 239337 10.48313/jqem.2026.559855.1584 FA هاشم تلمخانی گروه آمار، دانشگاه بین‌المللی امام خمینی، قزوین، ایران. 0009-0005-8843-5336 اکرم کهن سال گروه آمار، دانشگاه بین‌المللی امام خمینی، قزوین، ایران. 0000-0002-1894-411X کیمیا سماواتی گروه آمار، دانشگاه بین‌المللی امام خمینی، قزوین، ایران. 0009-0004-3478-2116 زهرا باریک بین گروه ریاضی کاربردی، دانشگاه بین‌المللی امام خمینی، قزوین، ایران. 0000-0001-6337-4622 Journal Article 2025 02 05 Purpose: This paper aims to estimate the parameters of the Weibull distribution using a genetic algorithm and compare its performance with traditional estimation methods. Methodology: A simulation study was conducted under different sample sizes and censoring levels. The genetic algorithm was applied to maximize the likelihood function. Findings: The results show that the genetic algorithm provides more accurate and stable parameter estimates compared to the maximum likelihood method, especially in the presence of censored data. Originality/Value: This study presents a novel application of genetic algorithms in reliability analysis, demonstrating their effectiveness in parameter estimation for censored datasets. هدف: این مقاله با هدف برآورد پارامترهای توزیع وایبول آمیخته با استفاده از الگوریتم ژنتیک و مقایسه عملکرد آن با روش‌های سنتی برآورد ارایه شده است. روش‌شناسی پژوهش: یک مطالعه شبیه‌سازی تحت شرایط اندازه نمونه‌ها و سطوح سانسور متفاوت انجام شد. الگوریتم ژنتیک برای بیشینه‌سازی تابع درستنمایی به‌کار گرفته شد. یافته‎ها: نتایج نشان می‌دهد که الگوریتم ژنتیک نسبت به روش ماکسیمم درستنمایی، به‌ویژه در حضور داده‌های سانسورشده، برآوردهای پارامتری دقیق‌تر و پایدارتری ارایه می‌دهد. اصالت/ارزش افزوده علمی: این مطالعه کاربردی نوین از الگوریتم‌های ژنتیک در تحلیل قابلیت اعتماد ارایه می‌دهد و اثربخشی آن‌ها در برآورد پارامترها برای داده‌های سانسورشده را نشان می‌دهد.

https://www.pqprc.ir/article_239337_544728534a1992eff12902a2855b4cdd.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 4 2026 02 20 The estimation of process standard deviation in statistical quality control: A review and comparison of methods برآورد انحراف معیار فرآیند در کنترل کیفیت آماری: بررسی و مقایسه‌ روش‌ها 433 467 236532 10.48313/jqem.2025.553737.1580 FA مهدی کلانتری گروه آمار، دانشکده علوم، دانشگاه پیام نور، تهران، ایران. 0000-0003-4951-1402 هرمز رحمتان گروه ریاضی، دانشکده علوم، دانشگاه پیام نور، تهران، ایران. 0000-0002-7012-1065 Journal Article 2024 09 26 <span style="font-size: 11.0pt; line-height: 107%; font-family: 'Garamond',serif; mso-fareast-font-family: Calibri; mso-fareast-theme-font: minor-latin; mso-bidi-font-family: Arial; mso-bidi-theme-font: minor-bidi; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;">Purpose:<span style="font-size: 11.0pt; line-height: 107%; font-family: 'Garamond',serif; mso-fareast-font-family: Calibri; mso-fareast-theme-font: minor-latin; mso-bidi-font-family: Arial; mso-bidi-theme-font: minor-bidi; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: FA;"> This paper aims to compare and examine the statistical properties of four common estimators of process standard deviation for grouped data in statistical quality control. Methodology: To achieve the research objectives, the bias and the Mean Squared Error (MSE) of the estimators will first be presented. Then, the estimators will be compared based on their MSEs. Findings: It is shown that two estimators out of four estimators belong to two different classes of linear unbiased estimators with the minimum variance. Furthermore, numerical calculations show that the estimator based on the arithmetic mean of the group standard deviations is more efficient than the other estimators. Originality/Value: Based on the results obtained in this study, it is suggested that for estimating the standard deviation of the process in grouped data, an estimator based on the arithmetic mean of the standard deviations of the groups should be used instead of estimators that are based on the arithmetic mean of the ranges of the groups. هدف: هدف این پژوهش، مقایسه و بررسی ویژگی‌های آماری چهار برآوردگر رایج انحراف معیار فرآیند برای داده‌های گروهی در کنترل کیفیت آماری است. روش‌شناسی پژوهش: در راستای دستیابی به اهداف پژوهش، ابتدا اریبی و میانگین توان دوم خطای برآوردگرها ارایه می‌شود. سپس برآوردگرها بر اساس MSE باهم مقایسه می‌‌شوند. یافته‎ها: ثابت می‌شود که دو برآوردگر از چهار برآوردگر، در دو کلاس مختلف از برآوردگرهای نا اریب خطی دارای کمترین واریانس هستند. همچنین با محاسبات عددی نشان داده می‌شود که برآوردگری که بر اساس میانگین حسابی انحراف معیار گروه‌ها ساخته شده است، کارایی بیشتری از سایر برآوردگرها دارد. اصالت/ارزش‌افزوده علمی: با توجه به نتایج به‌دست ‌آمده در این پژوهش، پیشنهاد می‌شود برای برآورد انحراف معیار فرآیند در داده‌های گروهی، از برآوردگری که بر اساس میانگین حسابی انحراف معیار گروه‌ها ساخته شده است به‌جای برآوردگرهایی که بر اساس میانگین حسابی دامنه‌ گروه‌ها ساخته شده‌اند، استفاده کرد.

https://www.pqprc.ir/article_236532_0f44244c05550bf8c7e0aaaa5f46b9cc.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 15 4 2025 12 22 Reliability enhancing in hospital pharmaceutical supply chains using a blockchain-based system dynamics approach ارتقای قابلیت اطمینان در زنجیره‌های تامین دارویی بیمارستانی با رویکرد پویایی‌شناسی سیستم‌ مبتنی بر بلاک‌چین 468 488 234473 10.48313/jqem.2025.544998.1572 FA حمیدرضا ساورعلیا گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. بابک شیرازی گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. 0000-0002-0424-5350 ایرج مهدوی گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. علی تاجدین گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران، بابل، ایران. Journal Article 2025 05 03 Purpose: This paper examines how blockchain technology can improve reliability and operational performance in hospital pharmaceutical supply chains with a focus on inventory variability and responsiveness to demand. Methodology: A system dynamics model of a three-echelon chain (manufacturer–distributor–hospital) is developed. Two information-sharing scenarios are compared: a traditional setting with centralized, delayed information and a blockchain setting with real-time, decentralized data sharing. Findings: Results indicate that blockchain adoption enhances behavioral stability, reduces the persistence of hospital backlog, and shortens mean delivery lead time. Specifically, mean lead time decreases by ~15.1% and mean hospital backlog decreases by ~15.8% (both statistically significant). However, the difference in mean hospital inventory is not significant; stability improves, with inventory SD decreasing by ~21.5% and lead-time SD decreasing by ~10%. Taken together, these effects strengthen service reliability and overall supply-chain performance. Originality/Value: By integrating blockchain-based decentralized data sharing with system dynamics modeling in the hospital pharmaceutical context, this study provides quantitative evidence of how transparency supports quality-oriented supply chain management. هدف: این پژوهش بررسی می‌کند که چگونه فناوری بلاکچین می‌تواند قابلیت اطمینان و عملکرد عملیاتی را در زنجیره‌های تامین دارویی بیمارستان با تمرکز بر تغییرپذیری موجودی و پاسخگویی به تقاضا بهبود بخشد. روش‌شناسی پژوهش: یک مدل پویایی‌شناسی سیستم‌ها برای شبیه‌سازی زنجیره سه‌سطحی شامل تولیدکننده، توزیع‌کننده و بیمارستان توسعه داده شد. در این مدل دو سناریوی اشتراک‌گذاری اطلاعات، مقایسه گردید که شامل: روش سنتی با جریان اطلاعات متمرکز و دارای تاخیر و روش مبتنی بر بلاک‌چین با اشتراک‌گذاری بلادرنگ و غیرمتمرکز داده‌ها. یافته‎ها: نتایج نشان داد که به‌کارگیری بلاک‌چین موجب پایداری بیشتر موجودی‌ها، کاهش ماندگاری عقب‌ماندگی سفارش بیمارستان و کوتاه‌تر شدن میانگین تاخیر تحویل می‌شود. شفافیت اطلاعات بلاک‌چین، پویایی‌های داخلی سیستم را بهبود می‌بخشد. متوسط زمان تاخیر تحویل سفارشات بیمارستان حدود %15.1 کاهش و متوسط سفارشات معوق بیمارستان نیز %15.8 بهبود یافته است. همچنین، پایداری موجودی‌ها و سفارشات معوق تقویت شده است، به‌طوری‌که انحراف معیار موجودی بیمارستان %21.5 کاهش و انحراف معیار زمان تاخیر تحویل حدود %10 کاهش یافته است. این تغییرات درمجموع به بهبود قابلیت اطمینان خدمت و ارتقای عملکرد کلی زنجیره‌تامین منجر می‌گردد. اصالت/ارزش افزوده علمی: این پژوهش با ادغام فناوری بلاک‌چین و مدل‌سازی پویایی‌شناسی سیستم‌ها در بستر زنجیره دارویی بیمارستانی، شواهد کمی و کاربردی در زمینه نقش شفافیت غیرمتمرکز در مدیریت کیفیت‌محور زنجیره تامین ارایه می‌کند.

https://www.pqprc.ir/article_234473_ca21db56005341147f9a66eb9c973190.pdf