یادگیری هوشمند و تحول مدیریت 3115-8900 در دست انتشار 1405 08 01 A Model for Improving Supply Chain Monitoring by Integrating Fuzzy Artificial Intelligence Algorithms into a Blockchain Platform: A Case Study of the Healthcare Industry ارائه مدلی برای بهبود مونیتورینگ زنجیره تأمین با ادغام الگوریتم‌های هوش مصنوعی فازی در بستر بلاکچین: مطالعه موردی صنعت سلامت 1 28 FA احمد احمدی گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران. امیر نجفی گروه مهندسی صنایع، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران علیرضا ایرج پور گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران. Journal Article 1404/08/13 <p>This study aimed to design and validate an integrated model based on blockchain technology and fuzzy artificial intelligence algorithms to improve supply chain monitoring in the healthcare industry. This applied-developmental study employed a mixed-methods design with a sequential exploratory approach. The statistical population included 117 managers, specialists, and experts active in the healthcare supply chain in Qazvin Province, all of whom were included in the quantitative phase through census sampling. In the qualitative phase, semi-structured interviews were conducted with 15 experts, and the data were analyzed through open, axial, and selective coding. The quantitative instrument was a researcher-made questionnaire, whose overall reliability was confirmed using Cronbach’s alpha coefficient of 0.916. The proposed model was developed in three layers: a blockchain layer based on Hyperledger Fabric, a fuzzy artificial intelligence layer consisting of a fuzzy inference system and fuzzy cognitive maps, and an integration layer. Data were analyzed using descriptive and inferential statistics, confirmatory factor analysis, fuzzy analytic hierarchy process, dynamic system simulation, and t-tests. The FAHP results showed that security and credibility had the highest priority weight among the monitoring dimensions (0.324), followed by adaptability (0.287), tracking and tracing (0.221), and operational efficiency (0.168). In the fuzzy cognitive map, data immutability was identified as the most influential concept, with a centrality degree of 15.28. The one-sample t-test indicated that all main dimensions were significantly higher than the midpoint of the scale. The paired-samples t-test confirmed significant differences between the proposed model and the traditional system in disruption detection accuracy, user satisfaction, perceived security, and information transparency. The proposed model obtained a total weighted score of 8.92 out of 10, compared with 7.74 for the traditional system, indicating a 15.2% improvement. The integration of blockchain and fuzzy artificial intelligence can provide an effective framework for intelligent monitoring of the healthcare supply chain. Although the proposed model has limitations in speed and scalability compared with centralized systems, its advantages in security, transparency, reliability, and decision-making accuracy make it a valuable option for improving healthcare supply chain management.</p> <p>پژوهش حاضر با هدف طراحی و اعتبارسنجی یک مدل یکپارچه مبتنی بر بلاکچین و الگوریتم‌های هوش مصنوعی فازی برای بهبود مونیتورینگ زنجیره تأمین در صنعت سلامت انجام شد. این پژوهش از نظر هدف کاربردی-توسعه‌ای و از نظر روش آمیخته با رویکرد اکتشافی متوالی بود. جامعه آماری شامل ۱۱۷ نفر از مدیران، کارشناسان و خبرگان فعال در زنجیره تأمین صنعت سلامت استان قزوین بود که به روش سرشماری در بخش کمی مطالعه شدند. در بخش کیفی، با ۱۵ خبره مصاحبه نیمه‌ساختاریافته انجام شد و داده‌ها از طریق کدگذاری باز، محوری و انتخابی تحلیل شدند. ابزار کمی پژوهش پرسشنامه محقق‌ساخته بود که پایایی کل آن با آلفای کرونباخ ۰.۹۱۶ تأیید شد. مدل پیشنهادی در سه لایه شامل بلاکچین مبتنی بر Hyperledger Fabric، هوش مصنوعی فازی شامل سیستم استنتاج فازی و نقشه شناختی فازی، و لایه یکپارچه‌سازی طراحی شد. داده‌ها با آمار توصیفی و استنباطی، تحلیل عاملی تأییدی، فرآیند تحلیل سلسله‌مراتبی فازی، شبیه‌سازی پویای سیستم و آزمون t تحلیل شدند. نتایج FAHP نشان داد امنیت و اعتبار با وزن ۰.۳۲۴ مهم‌ترین بعد مونیتورینگ بود و پس از آن انطباق‌پذیری با وزن ۰.۲۸۷، ردیابی و پیگیری با وزن ۰.۲۲۱ و کارایی عملیاتی با وزن ۰.۱۶۸ قرار گرفتند. در نقشه شناختی فازی، تغییرناپذیری داده با درجه مرکزی ۱۵.۲۸ مؤثرترین مفهوم شناسایی شد. آزمون t تک‌نمونه‌ای نشان داد همه ابعاد به طور معناداری بالاتر از نقطه میانی مقیاس بودند. نتایج آزمون t زوجی نیز تفاوت معنادار مدل پیشنهادی با سیستم سنتی را در دقت تشخیص اختلالات، رضایت کاربری، امنیت درک‌شده و شفافیت اطلاعات تأیید کرد. مدل پیشنهادی با امتیاز وزنی ۸.۹۲ از ۱۰، نسبت به سیستم سنتی با امتیاز ۷.۷۴، بهبود ۱۵.۲ درصدی نشان داد. ادغام بلاکچین و هوش مصنوعی فازی می‌تواند چارچوبی کارآمد برای مونیتورینگ هوشمند زنجیره تأمین سلامت فراهم کند. اگرچه مدل پیشنهادی از نظر سرعت و مقیاس‌پذیری نسبت به سیستم‌های متمرکز محدودیت‌هایی دارد، اما مزایای آن در امنیت، شفافیت، قابلیت اعتماد و دقت تصمیم‌گیری، آن را به گزینه‌ای ارزشمند برای بهبود مدیریت زنجیره تأمین سلامت تبدیل می‌کند.</p> https://jilmt.com/index.php/jilmt/article/download/136/265