اخبار و اعلانات

 آمار

تعداد نشریات38
تعداد شماره‌ها1,414
تعداد مقالات10,145
تعداد مشاهده مقاله11,987,416
تعداد دریافت فایل اصل مقاله6,986,139
رضایی, حمیدرضا, پورجعفری, مرتضی, نعیمی خندابی, علی. (1405). شناسایی ابعاد و مؤلفه‌های تاب‌آوری زنجیره تأمین دفاعی: مطالعه بازیِ جنگ ایران–آمریکا در بستر خلیج‌فارس. پدافند الکترونیکی و سایبری, 25(111), -.
حمیدرضا رضایی; مرتضی پورجعفری; علی نعیمی خندابی. "شناسایی ابعاد و مؤلفه‌های تاب‌آوری زنجیره تأمین دفاعی: مطالعه بازیِ جنگ ایران–آمریکا در بستر خلیج‌فارس". پدافند الکترونیکی و سایبری, 25, 111, 1405, -.
رضایی, حمیدرضا, پورجعفری, مرتضی, نعیمی خندابی, علی. (1405). 'شناسایی ابعاد و مؤلفه‌های تاب‌آوری زنجیره تأمین دفاعی: مطالعه بازیِ جنگ ایران–آمریکا در بستر خلیج‌فارس', پدافند الکترونیکی و سایبری, 25(111), pp. -.
رضایی, حمیدرضا, پورجعفری, مرتضی, نعیمی خندابی, علی. شناسایی ابعاد و مؤلفه‌های تاب‌آوری زنجیره تأمین دفاعی: مطالعه بازیِ جنگ ایران–آمریکا در بستر خلیج‌فارس. پدافند الکترونیکی و سایبری, 1405; 25(111): -.

شناسایی ابعاد و مؤلفه‌های تاب‌آوری زنجیره تأمین دفاعی: مطالعه بازیِ جنگ ایران–آمریکا در بستر خلیج‌فارس

مدیریت و پژوهش‌های دفاعی
مقاله 1، دوره 25، شماره 111، خرداد 1405
نوع مقاله: مقاله پژوهشی
نویسندگان
حمیدرضا رضایی1؛ مرتضی پورجعفری2؛ علی نعیمی خندابی* 3
1دکترای علوم دفاعی راهبردی‌(‍‍‍سیاست دفاعی)، دانشگاه دفاع ملی، تهران، ایران
2دکتری علوم دفاعی راهبردی (دفاع ملی)، دانشگاه عالی دفاع ملی، تهران، ایران
3کارشناسی ارشد رشته مدیریت کسب و کار، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران،ایران
تاریخ دریافت: 04 آبان 1404،  تاریخ پذیرش: 11 خرداد 1405 
چکیده
تاب‌آوری زنجیره تأمین دفاعی در شرایط بحران و جنگ یکی از الزامات حیاتی برای پایداری عملیات نظامی است. هدف پژوهش حاضر شناسایی و اعتبارسنجی ابعاد و مؤلفه‌های تاب‌آوری زنجیره تأمین دفاعی جمهوری اسلامی ایران در سناریوی تقابل احتمالی با ایالات متحده آمریکا در بستر خلیج فارس می‌باشد. این پژوهش از نوع کاربردی–توسعه‌ای و به روش توصیفی–پیمایشی انجام شد. در مرحله کیفی با استفاده از فراترکیب هفت‌مرحله‌ای سندلوفسکی و باروسو(۲۰۰۶)، از میان ۳۰۰ مقاله اولیه، ۴۷ مقاله منتخب با معیار CASP تحلیل شدند و ۴۴ مؤلفه در نرم‌افزار MAXQDA استخراج گردید. در مرحله کمی، مؤلفه‌ها در قالب پرسشنامه نیمه‌ساختاریافته دلفی به ۷ خبره نظامی ارائه شد و با بهره‌گیری از شاخص لاوشه (CVR)، آلفای کرونباخ (87/0) و ضریب کندال (W=0/75, p<0/01) اعتبارسنجی شدند. نتایج نشان داد ابعاد «امنیت»، «افزونگی»، «پایداری»، «حمل‌ونقل»، «مدیریت»، «منابع انسانی» و «فناوری» به‌عنوان ابعاد اصلی تاب‌آوری زنجیره تأمین دفاعی تأیید شدند. همچنین خبرگان چند مؤلفه بومی جدید متناسب با شرایط ایران (مانند انبارهای مغروق و مسیرهای امن زیرسطحی) به مدل افزودند که موجب غنای بیشتر چارچوب پیشنهادی گردید. تبیین ابعاد و مؤلفه‌های نهایی می‌تواند به مدیران و سیاست‌گذاران کمک کند تا مدل‌های بومی تاب‌آوری زنجیره تأمین دفاعی طراحی و در سناریوهای احتمالی جنگی از آن بهره‌برداری نمایند.
کلیدواژه‌ها
اب‌آوری زنجیره تأمین دفاعی؛ بازیِ‌جنگ؛ فراترکیب؛ دلفی؛ خلیج‌فارس
عنوان مقاله [English]
Dimensions and Components of Defense Supply Chain Resilience: A War-Game Study of the Iran–U.S. Scenario in the Persian Gulf
نویسندگان [English]
Hamidreza Rezaee1؛ Morteza Porjafari2؛ Ali Naeimi Khondabi3
1Ph.D. in Strategic Defense Studies (Defense Policy), Supreme National Defense University, Tehran, Iran
2Ph.D. in Strategic Defense Studies (National Defense), Supreme National Defense University, Tehran, Iran
3M.A. in Business Administration, Faculty of Management and Industrial Engineering, Malek Ashtar University of Technology, Tehran, Iran
چکیده [English]
Supply chain resilience in defense is a vital requirement for sustaining military operations under crisis and war conditions. The aim of this study is to identify and validate the dimensions and components of resilience in the defense supply chain of the Islamic Republic of Iran in a potential conflict scenario with the United States in the Persian Gulf. This applied–developmental study was conducted using a descriptive–survey approach. In the qualitative phase, a meta-synthesis method based on the seven-step model of Sandelowski & Barroso (2006) was applied. Out of an initial 300 articles, 47 studies were selected using CASP criteria, and 44 components were extracted and coded with MAXQDA software. In the quantitative phase, these components were evaluated through a semi-structured Delphi questionnaire distributed among 7 military experts. Content validity was assessed using the Lawshe index (CVR), while reliability was confirmed by Cronbach’s alpha (0.87) and expert agreement through Kendall’s W (0.75, p < 0.01). The results revealed seven key dimensions of defense supply chain resilience: “security,” “redundancy,” “sustainability,” “transportation,” “management,” “human resources,” and “technology.” In addition, experts introduced several context-specific components (such as submerged warehouses and secure subsurface routes), enriching the proposed framework. The identified dimensions and validated components provide a localized model that can guide policymakers and managers in designing resilient defense supply chains, thereby improving preparedness for potential conflict scenarios.
کلیدواژه‌ها [English]
Defense supply chain resilience, Wargaming, Meta-synthesis, Delphi, Persian Gulf
مراجع
  1. ابراهیم‌پور، م.، و زینب فرجود چکامی، ز. (۲۰۲۳). شناسایی و رتبه‌بندی شاخص‌های تاب‌آوری زنجیره تأمین در چهار بُعد با استفاده از روش سوآرا در صنعت غذا. فصلنامه مدیریت بهبود، ۱۷(۲)، ۳۳–۵۹.
  2. تورجی‌پور، ر.، سهراب‌پور، و.، نظرپور، ا.، اوغازی، پ.، و فیشل، م. (۲۰۲۱). هوش مصنوعی در مدیریت زنجیره تأمین: مرور نظام‌مند ادبیات. فصلنامه پژوهش‌های بازرگانی (Journal of Business Research)، ۱۲۲، ۵۰۲–۵۱۷.
  3. رحیمی، ع.، راد، ع.، عالم‌تبریز، ا.، و معتمدی، ا. (۲۰۱۸). ارائه مدل ساختاری–تفسیری زنجیره تأمین تاب‌آور در صنایع دفاعی ایران. فصلنامه مدیریت نظامی، ۱۸(۷۱)، ۳۱–۷۰. بازیابی‌شده از: https://jmm.iranjournals.ir/article_34787_ea431f4533067a553e0ce3795811db33.pdf
  4. رحیمیان، م. م.، و رجب‌زاده‌قطاری، ع. (۲۰۱۷). سنجش تاب‌آوری زنجیره تأمین با استفاده از رویکرد سامانه‌های تطبیقی پیچیده؛ مطالعه موردی: صنعت داروسازی ایران. پژوهش‌های نوین در تصمیم‌گیری، ۲(۲)، ۱۵۵–۱۹۵.
  1. رسولی‌وندی، محمد، عالم‌تبریز، ابوالفضل، و سلطان‌پناه، هوشنگ. (1403). ارائه الگوی عوامل عملکردی تاب‌آوری پایدار زنجیره تأمین صنعت قطعه‌سازی خودروی ایران با رویکرد توسعه صادرات. فصلنامه علمی تخصصی توسعه صنعتی ایران. (در حال چاپ)
  1. کریمی‌زارچی، م.، مابودی، ح.، فتحی، م. ر.، و خسروی، ع. (۲۰۲۰). ارائه مدل تاب‌آور زنجیره تأمین دفاعی با استفاده از مدل‌سازی ساختاری–تفسیری. فصلنامه مدیریت بهبود، ۱۴(۲)، ۶۷–۹۱.
  1. کیا، جواد سادات، مهتدی، محمد، و نژاد، یعقوب قاسم. (1402). شناسایی و رتبه‌بندی معیارهای کلیدی مؤثر در تاب‌آوری زنجیره تأمین (مورد مطالعه: شرکت پشتیبانی ایثار). نشریه اندیشه آماد، 22(86)، 79– https://www.magiran.com/paper/2676445
  1. Agrawal, T. K., Kumar, V., Pal, R., Wang, L., & Chen, Y. (2021). Blockchain-based framework for supply chain traceability: A case example of textile and clothing industry. Computers & industrial engineering, 154, 107130.
  2. Al Naimi, M., Faisal, M. N., Sobh, R., & Uddin, S. F. (2021). Antecedents and consequences of supply chain resilience and reconfiguration: an empirical study in an emerging economy. Journal of Enterprise Information Management, 34(6), 1722-1745.
  3. Baryannis, G., Dani, S., & Antoniou, G. (2019). Predicting supply chain risks using machine learning: The trade-off between performance and interpretability. Future Generation Computer Systems, 101, 993-1004.
  4. Bécue, A., Maia, E., Feeken, L., Borchers, P., & Praça, I. (2020). A new concept of digital twin supporting optimization and resilience of factories of the future. Applied Sciences, 10(13), 4482.
  5. Belhadi, A., Kamble, S., Fosso Wamba, S., & Queiroz, M. M. (2022). Building supply-chain resilience: an artificial intelligence-based technique and decision-making framework. International Journal of Production Research, 60(14), 4487-4507.
  6. Berger, R., Wagner, R., Dion, P. M., & Matthias, O. (2025). Disrupting disruptions: Enhancing supply chain resilience—Lessons from the US Air Force. Annals of Operations Research, 347(3), 1163–1192. https://doi.org/10.1007/s10479-025-06527-6
  7. Cavalcante, I. M., Frazzon, E. M., Forcellini, F. A., & Ivanov, D. (2019). A supervised machine learning approach to data-driven simulation of resilient supplier selection in digital manufacturing. International Journal of Information Management, 49, 86-97.
  8. Choi, T.-M. (2023). Supply chain financing using blockchain: Impacts on supply chains selling fashionable products. Annals of Operations Research, 331(1), 393-415.
  9. CNA. (2024). Camoland: Clothing and Textile Industrial Base Wargame Report. CNA.
  10. CNA. (2024, October 11). New war game reveals gaps in military clothing supply chain. CNA. https://www.cna.org/our-media/press-releases/2024/10-11
  11. Cole, R., Stevenson, M., & Aitken, J. (2019). Blockchain technology: implications for operations and supply chain management. Supply Chain Management: An International Journal, 24(4), 469-483.
  12. DBB, Department of Defense Business Board. (2025). Supply Chain Illumination in the DoD.
  13. Department of Defense. (2024). Ensure Supply Chain Resilience: FY2024 Progress Update. Performance.gov.
  14. Deveci, M. (2023). Effective use of artificial intelligence in healthcare supply chain resilience using fuzzy decision-making model. Soft Computing, 1-14.
  15. Ekström, T. (2025). Supply chain resilience: An empirical exploration of barriers and enablers in military settings. Scandinavian Journal of Military Studies, 8(1), 119–136. https://doi.org/10.31374/sjms.350
  16. Elvemo, L. (2025). Supply Chain Resilience in Military Operations: A Case Study Exploring Command and Control. Scandinavian Journal of Military Studies, 8(1), 178–199. https://doi.org/10.31374/sjms.356
  17. Elvemo, L. (2025). Supply chain resilience in military operations: A case study exploring command and control. Scandinavian Journal of Military Studies, 8(1), 178–199. https://doi.org/10.31374/sjms.356
  18. Elvemo, L. (2025). Supply chain resilience in military operations: A case study exploring command and control. Scandinavian Journal of Military Studies, 8(1), 178–199. Scandinavian Journal of Military Studies
  19. Fiksel, J., & Fiksel, J. (2015). From risk to resilience. Springer.
  20. Gunasekaran, A., Papadopoulos, T., Dubey, R., Wamba, S. F., Childe, S. J., Hazen, B., & Akter, S. (2017). Big data and predictive analytics for supply chain and organizational performance. Journal of Business Research, 70, 308-317.
  21. Gunasekaran, A., Subramanian, N., & Rahman, S. (2015). Supply chain resilience: role of complexities and strategies. In (Vol. 53, pp. 6809-6819): Taylor & Francis.
  22. Guo, D., & Mantravadi, S. (2025). The role of digital twins in lean supply chain management: Review and research directions. International Journal of Production Research, 63(5), 1851–1872. https://doi.org/10.1080/00207543.2024.2372655
  23. Guo, Y., Liu, F., Song, J.-S., & Wang, S. (2025). Supply chain resilience: A review from the inventory management perspective. Fundamental Research, 5(2), 450–463. https://doi.org/10.1016/j.fmre.2024.08.002
  24. Hahn, G. J. (2020). Industry 4.0: a supply chain innovation perspective. International Journal of Production Research, 58(5), 1425-1441.
  25. Hamidu, Z., Boachie-Mensah, F. O., & Issau, K. (2023). Supply chain resilience and performance of manufacturing firms: role of supply chain disruption. Journal of Manufacturing Technology Management, 34(3), 361-382.
  26. Hohenstein, N.-O., Feisel, E., Hartmann, E., & Giunipero, L. (2015). Research on the phenomenon of supply chain resilience: a systematic review and paths for further investigation. International journal of physical distribution & logistics management, 45(1/2), 90-117.
  27. Ivanov, D., Dolgui, A., & Sokolov, B. (2019). The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics. International Journal of Production Research, 57(3), 829-846.
  28. Kamalahmadi, M., & Parast, M. M. (2016). A review of the literature on the principles of enterprise and supply chain resilience: Major findings and directions for future research. International journal of production economics, 171, 116-133.
  29. Katsaliaki, K., Galetsi, P., & Kumar, S. (2022). Supply chain disruptions and resilience: A major review and future research agenda. Annals of Operations Research, 1-38.
  30. Katsaliaki, K., Galetsi, P., & Kumar, S. (2022). Supply chain disruptions and resilience: A major review and future research agenda. Annals of Operations Research, 319(1), 965–1002.
  31. Li, H., Wu, Y., Cao, D., & Wang, Y. (2021). Organizational mindfulness towards digital transformation as a prerequisite of information processing capability to achieve market agility. Journal of Business Research, 122, 700-712.
  32. Liu, W., He, Y., Dong, J., & Cao, Y. (2023). Disruptive technologies for advancing supply chain resilience. Frontiers of Engineering Management, 10(2), 360-366.
  33. Liu, W., Liu, X., Shi, X., Hou, J., Shi, V., & Dong, J. (2023). Collaborative adoption of blockchain technology: A supply chain contract perspective. Frontiers of Engineering Management, 10(1), 121-142.
  34. López, C., & Ishizaka, A. (2019). A hybrid FCM-AHP approach to predict impacts of offshore outsourcing location decisions on supply chain resilience. Journal of Business Research, 103, 495-507.
  35. Lucas, R., Ekström, T., Fusaro, P., Hastings Roer, E., & Retter, L. (2024). Toward Defense Supply Chain Disruption Management: A Research Agenda for Defense Supply Chain Resilience (RR-A2504-1). RAND Corporation.
  36. Narayanamurthy, G., & Tortorella, G. (2021). Impact of COVID-19 outbreak on employee performance–moderating role of industry 4.0 base technologies. International Journal of Production Economics, 234, 108075.
  37. Nayal, K., Raut, R. D., Queiroz, M. M., Yadav, V. S., & Narkhede, B. E. (2023). Are artificial intelligence and machine learning suitable to tackle the COVID-19 impacts? An agriculture supply chain perspective. The International Journal of Logistics Management, 34(2), 304-335.
  38. Naz, F., Kumar, A., Majumdar, A., & Agrawal, R. (2022). Is artificial intelligence an enabler of supply chain resiliency post COVID-19? An exploratory state-of-the-art review for future research. Operations Management Research, 15(1), 378-398.
  39. Ning, Y., Li, L., Xu, S. X., & Yang, S. (2023). How do digital technologies improve supply chain resilience in the COVID-19 pandemic? Evidence from Chinese manufacturing firms. Frontiers of Engineering Management, 10(1), 39-50.
  40. OECD. (2025). OECD Supply Chain Resilience Review: Navigating Risks. OECD Publishing.
  41. Pimenta, M. L., Cezarino, L. O., Piato, E. L., da Silva, C. H. P., Oliveira, B. G., & Liboni, L. B. (2022). Supply chain resilience in a Covid-19 scenario: Mapping capabilities in a systemic framework. Sustainable Production and Consumption, 29, 649-656.
  42. RAND Corporation. (2024). Toward Defense Supply Chain Disruption Management (RRA2504-1).
  43. Rogerson, M., & Parry, G. C. (2020). Blockchain: case studies in food supply chain visibility. Supply Chain Management: An International Journal, 25(5), 601-614.
  44. Roman, E.-A., Stere, A.-S., Roșca, E., Radu, A.-V., Codroiu, D., & Anamaria, I. (2025). State of the art of digital twins in improving supply chain resilience. Logistics, 9(1), 22. https://doi.org/10.3390/logistics9010022
  45. Rossit, D. A., Tohme, F., & Frutos, M. (2019). Production planning and scheduling in Cyber-Physical Production Systems: a review. International journal of computer integrated manufacturing, 32(4-5), 385-395.
  46. Ruiz-Benítez, R., López, C., & Real, J. C. (2018). The lean and resilient management of the supply chain and its impact on performance. International journal of production economics, 203, 190-202.
  47. Sahu, A. K., Datta, S., & Mahapatra, S. (2017). Evaluation of performance index in resilient supply chain: a fuzzy-based approach. Benchmarking: An International Journal, 24(1), 118-142.
  48. Sandelowski, M., & Barroso, J. (2006). Handbook for synthesizing qualitative research. springer publishing company.
  49. Singh, G., Jayaraman, R., & Ahmad, S. (2024). Analyzing the role of digital twins in developing a resilient-sustainable manufacturing supply chain: A grey influence analysis (GINA) approach. Technological Forecasting and Social Change, 209, 123763.
  50. Singh, G., Jayaraman, R., & Ahmad, S. (2024). Analyzing the role of digital twins in developing a resilient–sustainable manufacturing supply chain: A grey influence analysis (GINA) approach. Technological Forecasting and Social Change, 209, 123763. https://doi.org/10.1016/j.techfore.2024.123763
  51. Singh, S., Misra, S. C., & Singh, G. (2024). Leveraging additive manufacturing for enhanced supply chain resilience and sustainability: a strategic integration framework. Global Journal of Flexible Systems Management, 25(2), 343-368.
  52. Sjøbakk, B., Bakås, O., Bondarenko, O., & Kamran, T. (2015). Designing a performance measurement system to support materials management in engineer-to-order: a case study. Advances in manufacturing, 3, 111-122.
  53. Tortorella, G. L., Prashar, A., Antony, J., Fogliatto, F. S., Gonzalez, V., & Godinho Filho, M. (2024). Industry 4.0 adoption for healthcare supply chain performance during COVID-19 pandemic in Brazil and India: the mediating role of resilience abilities development. Operations Management Research, 17(2), 389-405.
  54. U.S. Army. (2025). Flow Wars: Wargaming logistics networks in a military tug o’ war.
  55. U.S. Army. Herzog, E., Stein, O., & DeLong, S. (2025). Flow Wars: Wargaming logistics networks in a military tug o’ war.
  56. Usuga Cadavid, J. P., Lamouri, S., Grabot, B., Pellerin, R., & Fortin, A. (2020). Machine learning applied in production planning and control: a state-of-the-art in the era of industry 4.0. Journal of Intelligent Manufacturing, 31, 1531-1558.
  57. Xu, H., Zheng, H., Sun, D., Wang, M., & Ye, C. (2024). An Integrated Framework for Enablers in Supply Chain Resilience: Model Development and Analysis. IEEE Access, 12, 42490-42508.
  58. Yin, W. (2023). Identifying the pathways through digital transformation to achieve supply chain resilience: an fsQCA approach. Environmental Science and Pollution Research, 30(4), 10867-10879.
  59. Yin, Weili & Ran, Wenxue & Zhang, Zhe. (2024). A configuration approach to build supply chain resilience: From matching perspective. Expert Systems with Applications. 249. 123662. 10.1016/j.eswa.2024.123662.
  60. Yoo, J. J.-E., & Cho, M. (2021). Supply chain flexibility fit and green practices: evidence from the event industry. International Journal of Contemporary Hospitality Management, 33(7), 2410-2427.
آمار
تعداد مشاهده مقاله: 6