تحليل روابط شاخص‌هاي بهره‌وري سبز با رويكرد نگاشت شناختي فازي

Analysis of Causal Relationships between Green Productivity Indicators with Fuzzy Cognitive Mapping Approach

بهره وري سبز رويكردي است كه در جهت توسعه پايدار معرفي شده است. هدف اين پژوهش شناسايي شاخص هاي بهره وري سبز و تعيين روابط بين شاخص ها جهت ارائه مدل از طريق نگاشت شناختي فازي است. روش نگاشت شناختي فازي مورد استفاده در اين تحقيق مبتني بر fcm اتوماتيك رودريگزرپسيو و همكارانش در سال 2007 است. جامعه آماري پژوهش شامل كليه كارشناسان شركت پلاستونيك مي باشد. شاخص هاي بهره وري سبز از طريق مطالعات كتابخانه اي و ادبيات نظري تحقيق، شناسايي گرديد و با استفاده از چهار ماتريس تاثير اوليه، ماتريس تاثير فازي، ماتريس قدرت تاثير روابط و ماتريس تاثير نهايي و نرم افزار mental modeler نگاشت شناختي فازي ايجاد شد. نگاشت شناختي ساخته شده نشان دهنده روابط ميان شاخص هاي بهره وري سبز و وزن ميان آن ها مي باشد. با توجه به مدل ايجاد شده، سه سياست يا سناريو آموزش، بهينه سازي مصرف منابع، طراحي سازگار در نرم افزار طراحي شد تا تغييرات نسبي هر شاخص مشخص شود. در نهايت سناريو آموزش با بيشترين تاثير مثبت بر ساير شاخص ها به عنوان بهترين سناريو از بين سناريوهاي طراحي شده انتخاب گرديد.

Green productivity is a sustainable development approach. The purpose of this study is to identify green productivity Indicatorsand to determine the relationships between Indicatorsto present the model through fuzzy cognitive mapping. The fuzzy cognitive mapping method used in this research is based on the Rodriguez-Repcio and et al. (2007) automated FCM. The statistical population of the study included all the experts of Plastonic Company. Green productivity indicators were identified through Literature review. Fuzzy cognitive mapping was created Using four matrices, Initial Influence Matrix, fuzzified Influence Matrix, Strength of Influence Relationships Matrix, Final Matrix of Influence and the software Mental Modeler. The cognitive mapping represents the relationships between the green productivity Indicatorsand the weights among them. According to the model, four policy or scenarios were designed in software to identify the relative changes of each indicator. Finally, the fourth scenario with the most positive impact on other indicators was selected as the best scenario among the designed scenarios.