ارائه چارچوبی کمّی برای نگاشت شناختی فازی لایه‌ای، با استفاده از رویکرد ترکیبی «نقشه خودسازمان‏دهنده» و «تئوری گراف و رویکرد ماتریس» (som-gtma)

هدف: هدف تحقیق حاضر، توسعه و بهبود نگاشت شناختی فازی لایه‌ای در ساختاردهی مسائل با ابعاد بالا و ارائه چارچوبی کمّی برای استفاده از این رویکرد در تحلیل مسائل آشفته و ساختار نیافته مدیریتی است.روش: در این تحقیق با ترکیب روش خوشه‌بندی «نقشه خودسازمان‌دهنده» و «تئوری گراف و رویکرد ماتریس» و استفاده از آن در روش نگاشت شناختی فازی لایه‌ای، تلاش شده محدودیت‌های این رویکرد در تحلیل مسائل بزرگ کاهش یابد. مبتنی بر روش ارائه شده در تحقیق حاضر، مسئله از طریق خوشه‌بندی مولفه‌ها و ایجاد ساختار لایه‌ای برای نگاشت شناختی مدل‌سازی می‌شود. پژوهش حاضر از لحاظ هدف توسعه‌ای و کاربردی است و از حیث نحوه به دست آوردن داده‏ها، در زمره پژوهش‏های توصیفی محسوب می‏شود.یافته‌ها: مبتنی بر روش‌شناسی ارائه شده در تحقیق حاضر، مسائل دارای بیش از 12 مولفه، ابتدا در یک فرایند کاهش ابعاد از طریق خوشه بندی به تعداد کمتری دسته مولفه که زیرنگاشت نامیده می‌شود، مدلسازی می‌شود. سپس روابط بین مولفه ها در هر زیرنگاشت مورد تحلیل قرار گرفته و وزن اعتباری هر زیرنگاشت بر اساس روابط فی ما بین مولفه‌های همسایه، به دست می‌آید. این رویه تا لایه اول نگاشت ادامه پیدا می‌کند تا در نهایت، درجه فعالسازی هر یک از زیرنگاشت‌ها در تکرار n+1 به دست آید و رفتار هر یک از متغیرها در بلند مدت مشخص شود. در تحقیق حاضر، مسئله دستیابی به مدیریت زنجیره تامین پایدار در صنعت پتروشیمی، تحلیل شده است و بر اساس نتایج حاصل، «همکاری در زنجیره تامین»، «توسعه سازمانی» و «تعهدات مدیریت به توسعه پایدار» به ترتیب موثرترین عوامل در توانمندسازی مدیریت زنجیره تامین پایدار در صنعت پتروشیمی هستند.نتیجه‌گیری: مبتنی بر روش ارائه شده در تحقیق حاضر، مسئله از طریق خوشه‌بندی مولفه‌ها و ایجاد ساختار لایه‌ای برای نگاشت شناختی مدل‌سازی می‌شود. روش ارائه شده در تحقیق حاضر قابلیت مدل‌سازی مسائل با تعداد بالای متغیر مداخله‌گر را دارد.

Development a Quantitative Framework for Multilayer Fuzzy Cognitive Maps by combining Self-Organizing Map and Graph Theory and Matrix Approach (SOM-GTMA)

Objective: The purpose of this study is to develop and improve the multilayer fuzzy cognitive maps in structuring and analysis of problems with high dimensions by providing a quantitative framework.Methods: In this study, the SelfOrganizing Map method and Graph Theory and Matrix Approach has been combined in the multilayer fuzzy cognitive maps approach. Based on this approach, problem structuring is done by clustering and creating a multilayer structure for cognitive mapping.Results: The developed method in the present study has been used to analyze the problem of sustainable supply chain management achievement in the petrochemical industry. According to the results of data analysis based on the presented approach, &cooperation in the supply chain&, &organizational development& and &management commitment to sustainable development& are the most effective factors in enabling sustainable supply chain management.Conclusion: Based on the method presented in the present study, the problem is modeled by clustering components and creating a multilayer structure for cognitive mapping. The method presented in the present study can model problems with a large number of intervening variables. The proposed method in this study can model problems with a high number of variables.