ارائۀ مدل رانه‌های اینترنت اشیا در زنجیرۀ تامین صنعت نفت و گاز و برق ایران با رویکرد مدل‌سازی ساختاری تفسیری فراگیر فازی

در سال‌های اخیر، اینترنت اشیا که از فناوری‌های مهم صنعت نسل چهار محسوب می‌شود، به یکی از موضوعات مهم در زمینه‌های صنعتی و دانشگاهی تبدیل ‌شده است. ترغیب صنایع برای حرکت هرچه سریع‌تر به‌سمت استفاده از این فناوری به‌دلیل مزایای آن از اهمیت بالایی برخوردار است. صنعت نفت و گاز و برق، از صنایع مهم هر کشور محسوب می‌شود. تحول این صنعت مزایای زیادی برای بخش‌های مختلف ازجمله اقتصاد داشته و ضروری است سریع‌تر در مسیر پیاده‌سازی اینترنت اشیا حرکت کند. بررسی‌ها نشانگر روند آهستۀ صنعت نفت و گاز و برق ایران در به‌کارگیری اینترنت اشیا بوده و ازآنجاکه این فناوری امکان ایجاد تغییرات مهم و نوآورانه را در این صنعت فراهم می‌کند، لازم است رانه‌ها شناسایی و مدل‌سازی شوند. تحقیق حاضر با هدف شناسایی و مدل‌سازی رانه‌های پیاده‌سازی اینترنت اشیا در زنجیرۀ تامین صنعت نفت و گاز و برق ایران در دو مرحله انجام ‌شده است. در مرحلۀ اول، با مرور ادبیات رانه‌ها شناسایی و با روش دلفی، مورد بررسی قرار گرفتند. در مرحلۀ دوم، مدل رانه‌ها با روش مدل‌سازی ساختاری تفسیری فراگیر فازی ارائه شد. نتایج 75 رانه در 14 دستۀ کلی را نشان می‌دهد که «مقررات دولتی» بنیادی‌ترین رانه در زنجیرۀ تامین صنعت نفت و گاز و برق ایران است.

presenting the model of internet of things drivers in iran’s oil, gas, and electric power industry supply chain with a fuzzy total interpretive structural modeling approach

in recent years, the internet of things (iot) has emerged as a significant technology in the industrial and academic sectors, particularly in the context of the fourth-generation industry. encouraging industries, including oil, gas, and electric power sectors to adopt iot technology expeditiously is crucial due to its numerous advantages. this article focuses on the oil and gas and electric power industry, which is a vital sector in any country, and emphasizes the need for the accelerated implementation of iot to unlock its potential benefits. despite the potential of iot to achieve important and innovative changes in oil, gas, and electric power industries, surveys indicate a slow adoption trend in iran. thus, this research aims to identify and model the drivers that influence the implementation of iot in iran’s oil, gas, and electric power industry supply chain. the research consists of two stages: the identification of drivers through literature review and assessment using the delphi method and the presentation of a model of drivers using fuzzy total interpretive structural modeling. the results, comprising 75 drivers categorized into 14 general categories, highlight &government regulations& as the most fundamental driver in iran’s oil, gas, and electric power industry supply chain.