مهندسی و مدیریت کیفیت

مدل‌سازی صنعت خودرو با رویکرد افزایش و بهبود بهره‌وری در صادرات غیرنفتی ایران با استفاده از سیستم داینامیک

نوع مقاله : مقاله پژوهشی

نویسندگان

سید جابر حسینی 1
محمد مهدی موحدی 2
امیر غلام ابری 3
سید احمد شایان نیا 4

1 دانشجوی دکتری تخصصی، گروه مدیریت صنعتی، واحد فیروزکوه، دانشکاه آزاد اسلامی، فیروزکوه، ایران.

2 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

3 دانشیار، گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.

4 استادیار، گروه مدیریت صنعتی، واحد فیروزکوه، دانشکاه آزاد اسلامی، فیروزکوه، ایران.

https://doi.org/10.48313/jqem.2024.215013
چکیده
هدف: در جهان امروز، نقش اقتصاد در شکل‌گیری مدل‌های کسب‌وکار و قدرت کشورها بسیار برجسته است. صادرات نقش موثری در افزایش بهره‌وری و توسعه اقتصادی به‌ویژه در کشورهای درحال‌توسعه دارد. صنعت خودروسازی به‌عنوان یک بخش کلیدی، در این فرآیند نقش مهمی ایفا می‌کند. این پژوهش با هدف شناسایی متغیرهای اثرگذار بر صادرات غیرنفتی و بررسی چگونگی تاثیر آن‌ها بر رشد بهره‌وری و بهبود صادرات انجام شده است.
روش‌شناسی پژوهش: در این تحقیق از رویکرد پویایی‌شناسی سیستم‌ها استفاده شده است. برای مدل‌سازی تعامل میان متغیرهای کلیدی اقتصادی، از نرم‌افزار VENSIM بهره گرفته شده است. همچنین نمودارهای علی-معلولی و نمودارهای حالت و جریان طراحی شده‌اند تا روابط بین متغیرها به‌خوبی تحلیل شوند.
یافته‌ها: متغیرهای اصلی بررسی‌شده در این مطالعه شامل نرخ ارز، تورم، بهره‌وری و رقابت‌پذیری هستند. مدل طراحی‌شده اعتبارسنجی شده و در قالب سناریوهای مختلف اجرا گردیده است. نتایج نشان می‌دهند که تغییرات این متغیرها چگونه بر بهره‌وری و عملکرد صادرات غیرنفتی در صنعت خودرو تاثیرگذار هستند.
اصالت/ارزش‌افزوده علمی: این مطالعه یک مدل پویای اختصاصی برای صنعت خودروسازی در اقتصادهای درحال‌توسعه مانند ایران ارایه می‌دهد؛ جایی که اتکای شدید به نفت، باعث ناکارآمدی در سایر بخش‌های صادراتی شده است. این مدل می‌تواند به سیاست‌گذاران و ذی‌نفعان صنعت کمک کند تا تعاملات پیچیده اقتصادی را درک کرده و تصمیمات موثرتری برای ارتقای صادرات غیرنفتی و بهره‌وری اتخاذ کنند.

کلیدواژه‌ها

سیستم داینامیک
بهره وری
مدل کسب و کار
صنعت خودرو

عنوان مقاله English

Modeling the automotive industry with the approach of increasing and improving productivity in Iran's non-oil exports using a dynamic system

نویسندگان English

Seyed Jaber Hosseini 1
Mohammad Mehdi Movahedi 2
Amir Gholam Abri 3
Seyed Ahmad Shayan Nia 4
1 PhD student, Industrial Management Department, Firouzkouh Branch, Islamic Azad University, Firouzkouh, Iran.
2 Associate Professor, Department of Industrial Management, Faculty of Management and Accounting, Research Sciences Branch, Islamic Azad University, Tehran, Iran.
3 Associate Professor, Department of Mathematics, Firouzkouh Branch, Islamic Azad University, Firouzkouh, Iran.
4 Assistant Professor, Industrial Management Department, Firouzkouh Branch, Islamic Azad University, Firouzkouh, Iran.
چکیده English

Purpose: In today's world, the role of the economy in shaping business models and the power of nations is highly significant. Exports play a vital role in enhancing productivity and economic development, particularly in developing countries. The automotive industry, as a key sector, contributes considerably to this process. This study aims to identify the key influencing variables on non-oil exports and explore how they affect productivity growth and export improvement.
Methodology: This research employs a system dynamics approach to model the interactions among key economic variables. The study utilizes VENSIM software to simulate the system dynamics model of the automotive industry and non-oil exports. Causal loop diagrams and stock and flow diagrams were developed to analyze the relationships.
Findings: The main variables analyzed in this study include exchange rate, inflation, productivity, and competitiveness. The developed model was validated and tested under various scenarios. Results indicate how changes in these variables impact productivity and the performance of non-oil exports in the automotive industry.
Originality/Value: This study offers a dynamic model tailored to the automotive sector in developing economies like Iran, where over-reliance on oil has led to inefficiencies in other export sectors. The model helps policymakers and industry stakeholders understand complex interactions and make informed decisions to boost non-oil exports and overall productivity.

کلیدواژه‌ها English

System dynamics
Productivity
Business model
Automotive industry
[1]   Beirigo, B. A., Negenborn, R. R., Alonso-Mora, J., & Schulte, F. (2022). A business class for autonomous mobility-on-demand: Modeling service quality contracts in dynamic ridesharing systems. Transportation research part c: emerging technologies, 136, 103520. https://doi.org/10.1016/j.trc.2021.103520
[2]   Deif, A. M., & ElMaraghy, W. H. (2007). Agile MPC system linking manufacturing and market strategies. Journal of manufacturing systems, 26(2), 99–107. https://doi.org/10.1016/j.jmsy.2007.12.002
[3]   Mehrabi, M. G., Ulsoy, A. G., Koren, Y., & Heytler, P. (2002). Trends and perspectives in flexible and reconfigurable manufacturing systems. Journal of intelligent manufacturing, 13, 135–146. https://doi.org/10.1023/A:1014536330551%0A%0A
[4]   Mai, T., & Smith, C. (2018). Scenario-based planning for tourism development using system dynamic modelling: A case study of Cat Ba Island, Vietnam. Tourism management, 68, 336–354. https://doi.org/10.1016/j.tourman.2018.04.005
[5]   Hakeemi, M. S., Ansari, S., Teuscher, M., Weißkopf, M., Großmann, D., & Kessel, T. (2022). Screens in fly and beetle reveal vastly divergent gene sets required for developmental processes. BMC biology, 20(1), 38. https://doi.org/10.1186/s12915-022-01231-4%0A%0A
[6]   Attaran, M. (1992). Flexible manufacturing systems: implementing an automated factory. Information systems management, 9(2), 44–47. http://dx.doi.org/10.1080/10580539208906864
[7]   Qu, Y. J., Ming, X. G., Liu, Z. W., Zhang, X. Y., & Hou, Z. T. (2019). Smart manufacturing systems: state of the art and future trends. The international journal of advanced manufacturing technology, 103, 3751–3768. https://doi.org/10.1007/s00170-019-03754-7%0A%0A
[8]   Abdi, M. R., & Labib, A. (2017). RMS capacity utilisation: product family and supply chain. International journal of production research, 55(7), 1930–1956. https://www.tandfonline.com/doi/abs/10.1080/00207543.2016.1229066
[9]   Koren, Y., & Shpitalni, M. (2010). Design of reconfigurable manufacturing systems. Journal of manufacturing systems, 29(4), 130–141. https://doi.org/10.1016/j.jmsy.2011.01.001
[10] Mabkhot, M. M., Al-Samhan, A. M., & Darmoul, S. (2016). An information model to support reconfiguration of manufacturing systems. IFAC-papersonline, 49(5), 37–42. https://doi.org/10.1016/j.ifacol.2016.07.086
[11] Wang, W., & Koren, Y. (2012). Scalability planning for reconfigurable manufacturing systems. Journal of manufacturing systems, 31(2), 83–91. https://doi.org/10.1016/j.jmsy.2011.11.001
[12] Farid, A. M. (2017). Measures of reconfigurability and its key characteristics in intelligent manufacturing systems. Journal of intelligent manufacturing, 28(2), 353–369. https://doi.org/10.1007/s10845-014-0983-7%0A%0A
[13] Bensmaine, A., Dahane, M., & Benyoucef, L. (2014). A new heuristic for integrated process planning and scheduling in reconfigurable manufacturing systems. International journal of production research, 52(12), 3583–3594. https://doi.org/10.1080/00207543.2013.878056
[14] Singh, A., Gupta, S., Asjad, M., & Gupta, P. (2017). Reconfigurable manufacturing systems: journey and the road ahead. International journal of system assurance engineering and management, 8, 1849–1857. https://doi.org/10.1007/s13198-017-0610-z%0A%0A
[15] Singh, P. P., Madan, J., & Singh, H. (2024). System for product flow configuration selection for reconfigurable manufacturing system. The international journal of advanced manufacturing technology, 1–26. https://doi.org/10.1007/s00170-024-14732-z%0A%0A
[16] Boskin, M. J., Gertler, M., & Taylor, C. (1980). The impact of inflation on US productivity and international competitiveness. National Planning Association, Washington, DC. https://www.osti.gov/biblio/6236010
[17] Samadi, Ali Hossein and Haghighat, Ali and Aminzadeh, K. (2006). Inflation, Productivity and Structural Failure; Empirical Evidence from Economics. Iranian quarterly journal of economic research, 8(27), 65-87. (In Persian). https://ijer.atu.ac.ir/article_3698.html?utm_source=chatgpt.com&lang=en&lang=en&lang=en&lang=en
[18] Cameron, N., Hum, D., & Simpson, W. (1996). Stylized facts and stylized illusions: inflation and productivity revisited. Canadian journal of economics, 152–162. https://doi.org/10.2307/136156
[19] Hondroyiannis, G., & Papapetrou, E. (1998). Temporal causality and the inflation-productivity relationship: Evidence from eight low inflation OECD countries. International review of economics & finance, 7(1), 117–135. https://doi.org/10.1016/S1059-0560(99)80020-3
[20] Bitros, G. C., & Panas, E. E. (2001). Is there an inflation-productivity trade-off? Some evidence from the manufacturing sector in Greece. Applied economics, 33(15), 1961–1969. https://doi.org/10.1080/00036840110043730
[21] Branson, W. H. (2001). Macroeconomic theory and policies. Ney Publishing House. (In Persian). https://B2n.ir/xm3566

صفحه اصلی

اعضای هیات تحریریه

بانک ها و نمایه نامه ها

راهنمای نویسندگان

ارسال مقاله

داوران

تماس با ما