ارائۀ مدلی برای شناسایی و تعیین خوشه‌های همکاری افقی در هلدینگ‌های صنعتی

• مقدمه

در سال‌های اخیر با جهانی‌شدن تجارت، پیشرفت روزافزون فنّاوری و ماهیت پویای بازارها، تجارت بیشتر از گذشته تحت فشار رقابت قرار گرفته است. شرکت‌ها باید سازماندهی مجدد فرایندهای تجاری خود را انجام دهند تا به‌سرعت و با هزینه‌ای مؤثر به تغییرات سریع تقاضای بازار واکنش نشان دهند؛ از این‌رو، به افزایش کارایی و انعطاف‌پذیری سازمان‌ها توجه زیادی شده است (لیتنر[i]، 2011). امروزه، برخلاف روش‌های سنتی، بسیاری از سازمان‌ها و بنگاه‌های اقتصادی برای باقی‌ماندن در محیط رقابت جهانی، از این امر آگاه هستند که همۀ منابع و امکانات مورد نیاز را نمی‌توانند از یک مکان تهیه کنند؛ از این‌رو، تشکیل شرکت‌های هلدینگ، این امکان را فراهم می‌آورد که شرکت‌ها با استفاده از امکانات مناطق مختلف، فعالیت‌های شرکت خود را گسترش دهند و با استفاده از مدیریتی واحد، انسجام لازم را بر فعالیت‌ها حاکم کنند. هلدینگ با برقراری مدیریت استراتژیک میان شرکت‌های زیرمجموعۀ خود، هم‌افزایی ایجاد می‌کند. به‌طور مسلم، نتیجۀ این امر، تولید کالای با کیفیت بهتر و بهای تمام‌شدۀ مناسب‌تر است که رضایتمندی مشتری را به همراه دارد (پیرایش، 2018). سازمان‌های هلدینگ در عصر حاضر، برای ارتقای روابط و ایجاد هم‌افزایی میان عناصر شرکت مادر و شرکت‌های تابع می‌کوشند از این منظر در بازارهای رقابتی باقی بمانند و نقش‌آفرینی کنند. شرکت‌ها بدون استراتژی افقی صریح، به‌ویژه شرکت‌های غیرمتمرکز، در پایداری مقابل فشارهای موجود برای تضعیف عملکرد بنگاه، با مشکل روبرو می‌شوند. علاوه بر این، واحدهای کسب‌وکار باید رابطۀ متقابلی را پیشنهاد بدهند و همگی بر شرایط مطلوب آن توافق داشته باشند. این استدلال- که این امر به‌صورت خودکار اتفاق می‌افتد؛ زیرا به‌طور استراتژیک درست است- استدلال بسیار غلطی است (پورتر[ii]، 1987). از زمان آنسف[iii] (1965)، پیشگام در انجام‌دادن پژوهش در زمینۀ هم‌افزایی، تا به حال اندیشمندان مدیریت، شرکت‌های مادر را برای ایجاد پیوندهای جانبی بین کسب‌وکارها توجیه کرده‌اند. مدیران در این باره معتقدند نقش اصلی این شرکت‌ها ایجاد هم‌افزایی است (آنسف، 1965). انگیزه‌های اصلی شرکت‌ها برای مشارکت در ائتلاف افقی عبارت است از: هزینه‌های لجستیک کمتر، بهبود منابع و استفادۀ بهینه از ظرفیت‌ها، درجۀ پایداری بالاتر و افزایش سطح خدمات (دفرین و سورنسن[iv]، 2018).

استراتژی‌های همکاری افقی به‌صورت خودکار، تمایل به ظهور ندارند؛ زیرا ساختار شرکت به ترویج جریانی عمودی از اطلاعات تمایل دارد و به‌ندرت، خودبه‌خود، ارتباطات جانبی مورد نیاز را برای درک فرصت‌های افقی ایجاد می‌کند. گفتنی است واکنش طبیعی یک سازمان عمودی، این است که مانع و مخالف کمک به روابط افقی باشد؛ بنابراین، برای اطمینان از عملکرد مؤثر، نیازمند ایجاد سازوکار‌های افقی است که به‌عنوان واسط در میان واحدهای سازمانی موجود در شرکت قرار گیرد. روش‌های مختلفی برای انطباق ساختار سازمانی، فرایندها و سیستم‌های اداری و حتی فرهنگ شرکت برای پاسخگویی بیشتر به خواسته‌های استراتژی افقی وجود دارد (هکس و مجلف[v]، 1996).

در دنیای امروز، از بین بنگاه‌های اقتصادی، هلدینگ‌ها به‌علت در اختیار داشتن سرمایۀ زیاد، نیروی‌ کار ماهر، توانایی در ایجاد ارزش ‌افزوده و انجام‌دادن پروژه‌های بزرگ، اهمیت بیشتری دارد. در ایران نیز تمامی استراتژی‌های طراحی‌شده در حوزۀ سیاست‌گذاری بخش اقتصاد کشور، بر توسعۀ بنگاه‌های اقتصادی و بهره‌وری آنها تأکید دارد که تقویت، بهبود و چالش‌زدایی صنعت هلدینگ، یکی از راهکارهای پیش روی نهادهای قانون‌گذار و مجریان عرصۀ اقتصادی در تحقق اهداف مربوط به این استراتژی‌هاست. صنعت دارو، یکی از مهم‌ترین صنایع موجود در دنیاست. توجه به این صنعت موجب ارتقای سلامت جامعه و افزایش قدرت رقابتی بین سایر جوامع شده است. در سال 2016، صنعت دارو در بخش داروهای ژنریک، بیشترین حاشیۀ ‌سود را داشته و این امر سبب توجه سرمایه‌گذاران به این صنعت و رشد آن شده است. برخی چالش‌هایی شبکۀ تأمین دارو عبارت است از: کاهش هزینه‌ها، تضمین تحویل به‌موقع و کاهش زمان حمل‌ونقل برای واکنش بهتر به محیط پیرامون. اگر دارو در شبکه‌های زنجیره‌ تأمین کالای استراتژیک باشد و به‌صورت منطقی و نظام‌مند تهیه و توزیع شود، نقش مهمی در پیشبرد اهداف سیستم سلامت دارد (جنتیان و همکاران، 2019).

راه دستیابی به هم‌افزایی در هلدینگ‌ها، برقرارکردن روحیۀ کار تیمی بین اجزای آن است؛ زیرا رویکرد حاکم در راهبرد کار تیمی، برد- برد است. در پرتو چنین رویکردی، تشریک مساعی برای به حداقل رساندن هزینه‌ها و بهبود کیفیت معنی می‌یابد (جیتندرا[vi]، 1986). تفاوت راهبرد رقابت و راهبرد همکاری در رویکرد حاکم بر آنهاست. در راهبرد رقابت، رویکرد حاکم، برد- باخت است؛ در حالی که رویکرد حاکم بر همکاری، برد- برد است و همۀ اجزای مجموعه از این منافع بهره‌مند می‌شوند؛ بنابراین، همکاری، معیار هم‌افزایی در نظر گرفته می‌شود. هدف همکاری افقی نیز شناسایی و دستیابی به موقعیت برد- برد در بین دو یا چند شرکت واقع در یک سطح از زنجیرۀ عرضه است (پمپانی[vii]، 2015). خوشه‌بندی، یکی از روش‌های مناسب برای تعیین اجزایی است که در بلندمدت با یکدیگر روابط همکارانه دارند. در خوشه‌بندی کوشش می‌شود داده‌ها به خوشه‌هایی تقسیم شود که شباهت بین داده‌های درون هر خوشه به حداکثر برسد. شرکای شناسایی‌شده در این روش به‌علت وجود دیدگاه بلندمدت می‌توانند رابطه‌ای پایدار داشته باشند.

یکی از روش‌های خوشه‌بندی افرازی، خوشه‌بندی k میانگین است. این روش با وجود سادگی آن، روش پایه‌ای برای بسیاری از روش‌های خوشه‌بندی دیگر محسوب می‌شود. نقاط قوت الگوریتم k میانگین در شناسایی خودکار خوشه‌ها برای داده‌های اسمی، نسبتی و فاصله‌ای و کاربرد سادۀ آن، خلاصه می‌شود که نیاز به اطلاعات زیاد دربارۀ داده‌های ورودی ندارد (صمصامی، 2010). این پژوهش به دنبال پاسخ به این پرسش است که چگونه می‌توان الگوریتمی ارائه کرد که با در نظر گرفتن انواع متغیرهای فنی، مالی، بازاریابی و.... خوشه‌های همکاری افقی را در یک هلدینگ صنعتی تولیدکنندۀ دارو تشخیص بدهد؟

• مطالعات پیشین

عشایری (2008)، با بررسی همکاری افقی و عمودی در صنعت نفت نشان داد ایجاد همکاری (افقی و عمودی)، خواه در بعد درونی خواه در بعد بیرونی، همراه با مدیریت اثربخش در زنجیره‌ تأمین، یک ضرورت به شمار می‌رود. همچنین، با توجه به واقعیت‌های موجود، روابط همکاری برای اجرای تمام فعالیت‌های موجود در زنجیره تأمین، بالاترین اولویت اجرایی را دارد.

باهینی‌پاتی و همکاران[viii] (2009)، یک مدل کمّی عمومی برای برآورد درجۀ همکاری با ابتکارات همکاری افقی فردی و برای ارزیابی دوام یک پروژه ارائه دادند و به این نتیجه رسیدند هنگامی که فرصت‌های عالی وجود دارد، سازگاری اعضای شبکۀ عرضه برای همکاری افقی باید به‌درستی تعیین شود و استفاده از روش AHP–FLM (فرایند تحلیل سلسله‌مراتبی– مدل منطق فازی) برای چنین کاری مناسب است.

جعفرزاده و همکاران (2010)، با بررسی همکاری بین صادرکنندگان گاز منطقۀ خزر در صادرات گاز به اروپا با نگاه بر ملاحظات محیط زیستی در چارچوب نظریۀ بازی همکارانه، رفتار استراتژیک کشورهای یادشده را دربارۀ صادرات گاز به اروپا بررسی کردند.

لوزانو[ix] (2013)، یک مدل برنامه‌ریزی ریاضی را برای اندازه‌گیری مزایای ادغام تقاضاهای حمل‌ونقلی شرکت‌های مختلف ارائه کرد و نشان داد هزینه‌های حمل‌ونقلی مشترکشان به‌علت استفاده از وسایل نقلیۀ بزرگ‌تر و افزایش سفرهای مرتبط کاهش می‌یابد. همچنین، نتایج نشان داد هزینه‌های لجستیک، به‌ویژه هزینه‌های حمل‌ونقل، بخش بزرگی از هزینه‌های عملیاتی هر شرکت است. یک روش برای کاهش این هزینه‌ها، همکاری افقی در بین حمل‌کننده‌های کالاست.

صمدی و همکاران (2013)، امکان تشکیل انواع اتحادهای استراتژیک را در خوشه‌های صنعتی کشور بررسی کردند. برای این منظور، با بهره‌گیری از چندین مدل معتبر به مدل‌سازی اقدام کرده‌اند؛ مدلی که در آن، 10 زمینۀ شاخص در حوزۀ تجارت انتخاب و سپس به سه دسته اتحادهای افقی و عمودی به بالا و پایین طبقه‌بندی شد. نتایج نشان داد زمینه‌های اتحاد افقی عبارت است از: سرمایه‌گذاری مشترک، تحقیق و توسعه، زنجیره تأمین افقی، بازاریابی، کانال‌های توزیع و دریافت لیسانس‌ها.

آنکرسمیت[x] (2014)، چارچوبی مفهومی برای همکاری حمل‌ونقلی در صنعت بار هوایی ارائه داد. اساسی‌ترین نتیجۀ پژوهش این بود که همکاری افقی، عملکرد حمل‌ونقلی را با استفاده از حفظ تناوب زیاد حرکات حمل‌ونقلی و حفظ یک زمان ساخت قابل قبول برای محموله‌های بار هوایی بهبود می‌بخشد و به‌طور هم‌زمان، هزینه‌های حمل‌ونقل را تا 40 درصد برای فرستنده‌های بار کوچک‌تر کاهش می‌دهد. حتی تعداد تحویل‌ها را افزایش می‌دهد؛ در حالی که هنوز به آنها اجازه می‌دهد متوسط فاکتور باری حرکات را بهبود بخشند.

لین[xi] (2014)، مدلی مبتنی بر نظریۀ ‌بازی[xii] را برای کاربرد در شرکت‌ها برای ایجاد رابطه‌ای همکارانه با رقبایی دارای قابلیت‌های مکمل ارائه داد. در این مطالعه، یک فرایند تحلیلی ریاضی، که یک مدل استراتژی همکاری افقی است، ارائه شده است که به شرکت در ارزیابی قابلیت‌ها کمک می‌کند. براساس نتایج عددی این مدل، مدیران، قدرت شرکتشان را نسبت به رقبا درک می‌کنند.

عسگری انارکی و همکاران (2015)، سازوکارهای افزایش هم‌افزایی را در سازمان‌های هلدینگ بررسی کردند. در این پژوهش، مشخص شد استراتژی هلدینگ، عاملی است که باعث می‌شود ارزش کل هلدینگ از جمع ارزش تک‌تک واحدهای کسب‌وکار بیشتر باشد. این امر فقط با ایجاد مدیریت هم‌افزایی میان ستاد و صف به وقوع می‌پیوندد.

عباس‌زاده و همکاران (2016)، بحران زنجیره تأمین، انسداد اصلی همکاری مؤثر زنجیره تأمین را بررسی کردند. این پژوهش برای یک همکاری خوب، پنج پیشنهاد دارد: همکاری تقسیم اطلاعات، همکاری هم‌زمان‌سازی تصمیم، همکاری هم‌ترازی چیدمان تشویق، همکاری تقسیم مهارت و همکاری مدیریت دانش.

کارلوس[xiii]و همکارانش (2017)، سناریوهای مختلف همکاری را دربارۀ تصمیم‌گیری‌های مسیریابی و مکان‌یابی یکپارچه در حمل‌ونقل جاده‌ای تجزیه‌وتحلیل کردند: الف) یک سناریوی غیرهمکاری که در آن، تمام تصمیمات به‌صورت جداگانه اتخاذ می‌شود؛ ب) سناریوی نیمه‌عملیاتی که در آن، تصمیمات برنامه‌ریزی مشترک به‌طور مشترک گرفته می‌شود و پ) سناریوی کاملاً همکاری که در آن، تصمیم‌گیری‌های مربوط به برنامه‌ریزی مسیر و مکان به‌طور مشترک اتخاذ می‌شود. بررسی‌های آنها نشان داد افزایش همکاری افقی به انعطاف‌پذیری بیشتر و درنتیجه، هزینۀ توزیع کل کمتری منجر می‌شود.

مولنبرچ[xiv]و همکاران (2017)، آثار عملیاتی همکاری افقی در خدمات حمل‌ونقل جمعی را برای افراد کم‌تحرک بررسی کردند. همکاری افقی ازطریق برنامه‌ریزی مسیر مشترک نشان می‌دهد برای به حداقل رساندن هزینۀ کلی مسیریابی، درخواست‌های مشتری را بین ارائه‌دهندگان می‌توان مبادله کرد. این مقاله، علاوه بر کمّی‌کردن منافع عملیاتی ناشی از چنین همکاری افقی، میزان صرفه‌جویی ناشی از به‌کارگیری این عملیات را نشان می‌دهد؛ سپس در مطالعه‌ای موردی، علل سوددهی ناشی از به‌کارگیری همکاری افقی و میزان پیش‌بینی این مبادلات نشان داده شده است.

پیرایش و همکاران (2018)، در پژوهشی، تأثیر ساختاربخشی شرکت‌ها در قالب هلدینگ و ضرورت تدوین استراتژی هماهنگ را در آنها بررسی کردند. نتیجه نشان داد با پیچیده‌ترشدن روابط و شبکه‌های ارتباطات و نیازهای گوناگون مصرف‌کنندگان و تمایل آنها به خرید کالای باکیفیت و البته با قیمت مناسب، تشکیل شرکت‌های هلدینگ را برای همۀ کشورها به ضرورت تبدیل کرده است.

دفرین و سورنسن[xv] (2018)، همکاری لجستیکی افقی را بررسی کردند که در آن، چندین شرکت به‌طور مشترک، مشکل بهینه‌سازی لجستیک خود را حل می‌کنند. برای جلب منافع شریک شخصی در مدل بهینه‌سازی لجستیک، به هر شریک شخصی اجازه داده می‌شود مجموعه‌ای از اهداف خاص خود را تعیین کند. نتایج پژوهش‌های آنها نشان داد حتی در شرایطی که هر شریک، اهداف گوناگون و احتمالاً متناقض دارد، پیوستن به ائتلاف لجستیکی افقی برای همۀ شرکا مفید است. همچنین، رویکرد کارایی شریک با هزینۀ پیچیدگی بیشتر، تقریب بهتری را برای تصمیم‌گیری فراهم می‌کند.

فان[xvi]و همکاران (2019)، براساس مشاهدۀ رفتار همکاری افقی در بازار خرده‌فروشی برخط چین، یک مدل زنجیره تأمین غیرمتمرکز تولید، متشکل از یک تولیدکننده و دو خرده‌فروش برخط رقابتی را برای تعیین ارزش همکاری افقی ایجاد کردند. مطالعات آنها نشان داد همکاری افقی باعث افزایش هماهنگی کانال می‌شود. با مقایسۀ بنچ‌مارک[xvii]و همکاری افقی، بینش‌های مدیریتی برای عملکرد خرده‌فروشی برخط حاصل شد: اول، همکاری افقی فقط زمانی برای ارتقای هماهنگی کانال ایجاد می‌شود که اندازۀ بازار خصوصی خرده‌فروشان در سطح متوسط باشد؛ دوم، همکاری افقی در صورتی هماهنگی کانال را ارتقا می‌بخشد که خرده‌فروش طرح اصلی، بازار خصوصی کافی داشته باشد؛ سوم، اثر همکاری افقی بر بهبود عملکرد کل زنجیره تأمین با رقابت شدیدتر بازار افزایش می‌یابد و چهارم، همکاری افقی فقط زمانی، هماهنگی کانال را ارتقا می‌بخشد که نسبت تولیدکنندۀ تقاضا در طرح اصلی خرده‌فروشان به اندازۀ کافی کم باشد.

بررسی مبانی نظری و پیشینۀ پژوهش نشان می‌دهد در این زمینه، کوشش‌های زیادی نشده است که مشخص می‌کند هم‌افزایی، بازده ترکیبی از منابع تولید می‌کند که بزرگ‌تر از مجموعۀ اجزای منفرد است و توسعۀ روابط متقابل به‌عنوان راهی برای به دست آوردن هم‌افزایی پیشنهاد شده است. تأکید فراوان بر قابلیت‌های همکاری افقی در تأمین عرضۀ کارآمد نشان‌ می‌دهد برقراری همکاری افقی، خواه در بعد درونی و خواه در بعد بیرونی، یک ضرورت به شمار می‌آید و با چنین کاری به نقشۀ راهی برای بهبود و تأمین کارایی، افزایش بهره‌وری و کاهش زیان می‌توان دست یافت. همچنین، پژوهش‌ها نشان داد همکاری، مزیت رقابتی شرکت‌ها را افزایش و عملکرد آنها را ارتقا می‌دهد. در پژوهش‌های پیشین برای تعیین همکار افقی از روش‌هایی مانند نظریۀ بازی استفاده شده است که دیدگاه کوتاه‌مدت دارد؛ در حالی که هدف همکاری، ایجاد روابط پایدار است. برای رفع این خلأ در این پژوهش از روش خوشه‌بندی استفاده شده است و همکاری با استفاده از این روش می‌تواند بلندمدت باشد. برای تعیین این خوشه‌ها، به ویژگی‌های بسیاری توجه شده و کوشش شده است اعضای هر خوشه، بیشترین شباهت را داشته باشند. در حالی که در پژوهش‌های پیشین ابعاد به‌کاررفته محدود بوده‌، برای تعیین این شباهت‌ها کوشش شده است علاوه بر معیارهای کمّی، معیارهای کیفی نیز مد نظر قرار گیرد.

در این پژوهش، براساس مبانی نظری و پیشینۀ پژوهش، معیارهای همکاری افقی در پنج ماژول بازار، تولید، مالی، زنجیره تأمین، تحقیق و توسعه و کنترل کیفیت، برای خوشه‌بندی محصولات دارویی براساس شباهت‌ها جانمایی شده‌ است که به‌طور خلاصه در جدول شمارۀ 1 نمایش داده شده‌ است. این معیارها مبنای طراحی پرسش‌نامه در دو سطح محصول و شرکت قرار گرفته‌ است.

جدول 1- معیارهای همکاری افقی

• مبانی نظری

3-1 همکاری افقی

همکاری افقی در یک شبکه تأمین عبارت است از: برقراری همکاری بین اجزایی که در سطوح مختلف شبکه تأمین فعالیت می‌کنند؛ یعنی بین بازیگران همان سطح. این نوع همکاری بر مبنای اشتراک منابع و تصمیم‌گیری مشترک بین عوامل مختلف در همان سطح زنجیره تأمین است (کارلوس[xviii]، 2017). شبکه تأمین به‌صورت ساختار غیرزنجیره‌ای و درنتیجۀ ساختاری متشکل از همکاری عمودی و افقی در نظر گرفته شده است. همکاری افقی در لجستیک، مزایای بسیاری ازجمله قیمت‌های کمتر به‌علت مقادیر خرید کلی، کاهش ریسک عرضه، کاهش هزینۀ مدیریت به‌علت فعالیت‌های خرید متمرکز، کاهش هزینه‌های موجودی و حمل‌ونقل، تسهیل لجستیک ازطریق عقلانی‌کردن تجهیزات و تسهیم بهتر نیروی انسانی و اطلاعات دارد. به‌طور کلی، همکاری افقی در لجستیک، مربوط به شرکت‌هایی است که کالا یا خدمات مکمل ارائه می‌دهند، خواه با یکدیگر رقابت داشته باشند، خواه رقابت نداشته باشند (پامپونی[xix]، 2015).

3-2 خوشه‌بندی

در تحلیل خوشه‌ای، داده‌های نمونه را به چند خوشه یا طبقه می‌توان رده‌بندی کرد؛ به‌گونه‌ای که داده‌های هر خوشه، همگون و یکسان باشد و بین خوشه‌ها بیشترین تفاوت و ناهمگونی وجود داشته باشد. این خوشه‌بندی زمانی انجام می‌شود که پراکندگی جامعه‌ای که نمونه از آن گرفته شده، زیاد باشد. در این حال، شرط اساسی برای تشکیل خوشه‌ها این است که خوشه‌ها افرازی از جامعه یا نمونه باشد؛ یعنی هر داده فقط در یک خوشه قرار گیرد و اجتماع تمام خوشه‌ها برابر کل نمونه یا جامعۀ مد نظر باشد. روش‌های مختلفی برای خوشه‌بندی وجود دارد؛ مانند الگوریتم k میانگین[xx]، میانگین فازی[xxi]، گوستافسون کسل، خوشه‌بندی دومرحله‌ای[xxii]، سلسله‌مراتبی[xxiii]، درخت تصمیم[xxiv] و تحلیل تشخیصی[xxv]. در پژوهش حاضر، از روش تحلیل خوشه‌ای k میانگین استفاده شده است. روش k میانگین در عین سادگی، بسیار پرکاربرد است و پایۀ چند روش دیگر خوشه‌بندی فازی است. از مزایای این روش، سادگی و همگرایی سریع در رسیدن به جواب نهایی و از معایب آن نیز این است که چون ابتدا تعداد خوشه‌ها به الگوریتم داده می‌شود، بهینه‌بودن جواب را نمی‌توان تضمین کرد (محمدی و روحانی، 2017).

روش خوشه‌بندی  kمیانگین، یکی از آسان‌ترین الگوریتم‌هایی است که برای حل مسائل مشهور دسته‌بندی طراحی شده و مک‌کوئین در سال 1967 نخستین‌بار آن را در دانشگاه کالیفرنیا ارائه داده است. در این روش از معیار حداقل واریانس (یکی از معمول‌ترین روش‌ها برای خوشه‌بندی داده‌ها) استفاده شده است. برای این حداقل‌سازی، الگوهای مختلفی وجود دارد که یکی از عمومی‌ترین آنها روش خوشه‌بندی k-mean است. اگر مجموعه مشاهدات شامل x₁,x₂, …, x_n باشد و هر مشاهده، یک بردار حقیقی d بعدی باشد، هدف خوشه‌بندی k-means بخش‌بندی این n مشاهده به k زیرمجموعه به‌گونه‌ای است که S = {S₁, S₂, …, S_k} k≤ n و مجموع مربعات میانگین هر خوشه به حداقل برسد (خاتمی فیروزآبادی، 2020).

• روش پژوهش

این پژوهش به‌لحاظ هدف از نوع پژوهش‌‌های کاربردی است. ازنظر نوع پژوهش نیز در مرحلۀ اول، پژوهشی توصیفی- اکتشافی است و ویژگی‌ها و صفات افراد جامعه (نمونه) و وضعیت فعلی جامعه را در قالب چند صفت بررسی می‌کند. در مرحلۀ بعد نیز پژوهشی تحلیلی از نوع ریاضی است که با مدل‌سازی ریاضی مسئله به‌ دنبال یافتن جواب رضایت‌بخش است. برای غربال معیارهای مؤثر بر همکاری افقی برگرفته از مبانی نظری و پیشینۀ پژوهش، کلیّۀ مدیران، کارشناسان، سرپرستان و خبرگان هلدینگ دارویی به‌عنوان جامعۀ آماری انتخاب و برای خوشه‌بندی با اعمال نظر خبرگان، تعداد 127 دارو در نظر گرفته شده‌ است که به‌صورت مشترک در 8 شرکت دارویی تأمین ‌اجتماعی تولید می‌شود. برای تعیین خوشه‌های همکاری افقی در سطح شرکت‌های تولیدکنندۀ دارو از داده‌های جمع‌آوری‌شده با مراجعه به اسناد و مدارک و پرسش‌نامه استفاده شده است.

پرسش‌نامه‌ها در دو سطح شرکت و محصول تهیه شده است. پرسش‌نامه مربوط به اطلاعات شرکت شامل 7 پرسش با عنوان‌های کلی تعداد نیروی انسانی درگیر در فرایند فروش و بازاریابی، تعداد کارکنان مربوط به فرایند تولید، تأمین‌کنندگان عمده، درصد خرید نقدی و غیرنقدی مواد اولیه، سهم بودجۀ کنترل ‌کیفیت و توسعۀ ‌محصول، فرایندهای کنترل ‌کیفیت و توسعه، تجهیزات کلیدی آزمایشگاهی برای توسعۀ محصول و ظرفیت شرکت برای برون‌سپاری است. پرسش‌های مربوط به پرسش‌نامۀ اطلاعات هر قلم محصول در 5 ماژول به‌صورت ذیل دسته‌بندی شده‌ است:

• ماژول بازار: طریقۀ معرفی محصول به بازار، حجم و سهم عددی فروش محصول به هر کدام از بازارها، مزیت رقابتی شرکت نسبت به رقبای داخلی و خارجی در فروش محصول، سیاست شرکت برای فروش محصول و قیمت نهایی محصول در هر یک از قالب‌ها.
• ماژول تولید: تعداد دارو در هر بسته، امکان فروش محصول به شرکت‌های دیگر، فرایندهای تولیدی، ظرفیت ارائۀ خدمات به شرکت‌های دیگر، مدت‌زمان صرف‌شده برای تولید هر واحد محصول، سهم از سبد تولید شرکت، عمر تقریبی خط تولید، ظرفیت اسمی و واقعی خط تولید و سازندۀ خط تولید.
• ماژول زنجیره تأمین: هزینۀ تمام‌شدۀ مواد اولیۀ دارو (هزینۀ خرید، حمل‌ونقل، فرآوری و...)، متوسط حجم خرید ماهانۀ مواد اولیه، متوسط حجم ذخیرۀ مواد اولیۀ دارو در انبار و متوسط حجم ذخیرۀ محصول نهایی.
• ماژول مالی: هزینۀ تمام‌شدۀ هر واحد محصول، درصد حجم فروش نقدی و غیر نقدی، سهم از نقدینگی شرکت، متوسط سود ناخالص هر واحد محصول و مدت‌زمان چرخۀ تبدیل وجه ‌نقد برای محصول.
• ماژول تحقیق ‌و توسعه و کنترل ‌کیفیت: فرایندهای کنترل‌ کیفیت و توسعه، برون‌سپاری فرایندها، ظرفیت ارائۀ خدمات به شرکت‌های دیگر، تجهیزات کلیدی آزمایشگاهی برای توسعۀ محصول و ظرفیت آزاد برای اشتراک تجهیزات کلیدی آزمایشگاهی.

برای این منظور، درابتدا، شباهت میان داروها تعیین می‌شود و با استفاده از روش k میانگین، داروهای مشترک تولیدشده در این شرکت‌ها در خوشه‌هایی به تعداد شرکت‌های تولیدکننده جای می‌گیرد. در مرحلۀ بعد، شباهت میان هر یک از این خوشه‌های تعیین‌شده و شرکت‌های تولیدکننده، سنجیده و درپایان، هر یک از این خوشه‌ها به شرکتی اختصاص داده می‌شود که بیشترین تناسب و صلاحیت را برای تولید این دارو دارد. شباهت براساس فاصله بین بردارها تعیین شده است؛ برای این منظور، برای هر محصول و هر شرکت، یک بردار در نظر گرفته شده است؛ به صورتی که هر یک از این بردارها، ابعاد برابری دارد. هرچه بردارها به یکدیگر نزدیک‌تر باشد، شبیه‌تر در نظر گرفته می‌شود. این شباهت براساس زاویۀ دو بردار یا ضرب‌ برداری یا شباهت کسینوسی تعریف می‌شود. این بردار شامل ماژول‌هایی از معیارهای مختلف شناسایی‌شده است و براساس آنکه چه گزینه‌هایی در آن مقدار گرفته‌، به یک بردار تمایزیافته‌ تبدیل شده است که مختصات یک محصول (ارزش پیشنهادی) خاص یا توانمندی‌های یک شرکت خاص را ارائه می‌کند. هر ماژول شامل معیارهایی است که مختصات کمی از خصوصیات مد نظر را ارائه می‌کند و درواقع، زبان مشترک بین نیازمندی‌های محصولی و توانمندی‌های شرکتی است. قسمت‌های مختلف این بردار، یکسان و ماژولار است و فقط مقادیر آنها با یکدیگر تفاوت دارد؛ بنابراین، میزان شباهت بردارها با یکدیگر با استفاده از شاخص فاصلۀ کسینوسی، به‌صورت عددی سنجیده شده است. شکل کلی این بردار به‌صورت شکل شمارۀ 1 است.

شکل 1- نمونۀ بردار محصولی و شرکتی

نکته‌ای که در اینجا مهم است، وجود تقارن یک‌به_‌یک بین بردار ماژولار محصولات و بردار ماژولار شرکت است. وجود چنین تقارنی سبب می‌شود بردار ماژولار نیازمندی‌های یک محصول را با بردار ماژولار توانمندی‌های یک شرکت بتوان مقایسه و ارزیابی کرد که کدام شرکت، توانمندی بیشتری در تولید یک محصول خاص دارد.

 نرم‌افزارهای مورد استفاده در این پژوهش، Excel ،Matlab و  GAMSاست. الگوریتم تعیین خوشه‌های همکاری افقی در شکل شمارۀ 2 نمایش داده شده است و پنج گام دارد.

شکل 2- الگوریتم تعیین خوشه‌های همکاری افقی

• تجزیه‌وتحلیل داده‌ها

5-1 گام اول: شناسایی شرکت‌های مستعد همکاری افقی

همکاری افقی در یک شبکه تأمین عبارت است از: برقراری همکاری بین اجزایی که در سطوح مختلف شبکه تأمین فعالیت می‌کنند؛ یعنی بین بازیگران همان سطح. در این پژوهش، سطح انتخاب‌شده برای اجرای استراتژی افقی تولیدکنندگان دارو در شرکت سرمایه‌گذاری دارویی تأمین اجتماعی است. در این گروه، درصد زیادی از محصولات دارویی به‌صورت مشترک به‌طور هم‌زمان تولید می‌شود. از آنجا که بیشتر تجهیزات و فرایندهای تولیدی این شرکت‌ها مشابه است، توان تولید هم‌افزایی در این شرکت‌ها بسیار زیاد است. شرکت سرمایه‌گذاری دارویی تأمین اجتماعی، بیشتر از 240 محصول مختلف در گروه‌های مختلف تولید می‌کند. این تعداد محصول در بیشتر از 30 کارخانه در نقاط مختلف ایران و با خطوط تولید متعدد تولید می‌شود. براساس اطلاعات مستند، حدود 70 درصد این محصولات به‌صورت مشترک در تعداد زیادی از کارخانه‌ها به‌طور هم‌زمان تولید می‌شود؛ به‌گونه‌ای که برخی رقابت‌های نامناسب در تسخیر بازارهای مشترک نیز انجام می‌شود. در شرایط حاضر، نیاز بسیاری به یافتن الگوهای همکاری افقی در استفاده از ظرفیت‌های مشترک کارخانه‌ها وجود دارد. در این بین، چگونگی برون‌سپاری براساس حفظ منافع مشترک کارخانه‌های همکار افقی، اهمیت بسیار دارد. چگونگی تعیین شرکت‌های مستعد همکاری افقی به‌گونه‌ای که بدون هیچ نوع تضادی، امکان استفاده از ظرفیت‌های مشترک را داشته باشد، ضروری است. درنهایت، براساس نظر خبرگان، 8 شرکت تولیدکنندۀ دارو در این هلدینگ با توجه به فرایند تولید مشابه، اشتراک منابع، تأمین‌کنندگان محدود و مشترک، بازار مشترک و در اختیار بودن اطلاعات به‌عنوان اجزای دارای توانایی بالقوه در برقراری همکاری افقی انتخاب شده‌ است.

5-2 گام دوم: شناسایی محصولات مشابه تولیدی

در این مرحله از پژوهش، محصولات دارویی شناسایی شده است که در بیشتر از یک شرکت در هلدینگ سرمایه‌گذاری تأمین اجتماعی تولید می‌شود. در شکل شمارۀ 3، وضعیت تولیدی و تعداد محصولات مشابه این شرکت‌ها پیش از خوشه‌بندی نشان داده شده است. در حال حاضر، این محصولات در دو، سه، چهار یا پنج شرکت تولید می‌شود که تقریباً تمام مراحل تولیدی آنها یکسان است.

شکل 3- وضعیت تولیدی شرکت‌ها پیش از خوشه‌بندی

5-3 گام سوم: شناسایی معیارهای مهم خوشه‌بندی

در این مرحله از پژوهش، معیارهای مهم و تأثیرگذار در خوشه‌بندی دارو، که از مبانی نظری و پیشینۀ پژوهش استخراج شده‌ است، با اعمال نظر خبرگان صنعتی و دانشگاهی در پنج دسته طبقه‌بندی شد. طبقه‌بندی معیارها براساس میزان تأثیرگذاری و مشارکت در فرایند تولید و عملیات، شامل به ‌دست آوردن ورودی‌ها، فرایندهای تولید و عرضۀ کالا انجام شده است. نمای کلی این دسته‌بندی در شکل شمارۀ 4 مشخص است. درنهایت، این معیارها در دو پرسش‌نامه در سطح شرکت و محصول جای داده شده است.

شکل 4- طبقه‌بندی معیارهای خوشه‌بندی دارو

5-4 گام چهارم: خوشه‌بندی محصولات

برای خوشه‌بندی محصولات تولیدی، ابتدا ابعاد مدل تعریف و هر یک از آنها با پرسش‌های پرسش‌نامه مربوط به شرکت و محصول تطبیق داده شده است؛ سپس محصولات مشترک شناسایی‌شده، خوشه‌بندی و اجزای هر خوشه مشخص شده است. برای تعیین میزان شباهت محصولات تولیدی، علاوه بر ابعاد تولیدی، ابعاد کمّی و کیفی زیاد دیگری همچون ابعاد مالی، تحقیق ‌و توسعه، بازاریابی و زنجیره‌ تأمین مد نظر قرار گرفته است. بر این اساس، فرایند مناسبی که با ابعاد مذکور، خوشه‌بندی درستی به دست دهد، فرایند k میانگین است. از آنجا که تعداد شرکت‌های تولیدکنندۀ مدنظر در این پژوهش، 8 شرکت است، تعداد خوشه‌ها معادل 8 در نظر گرفته شده است.

برای خوشه‌بندی داروهای تولیدی در این پژوهش، اطلاعات مربوط به 127 محصول، که در بیشتر از یک شرکت تولید می‌شود، به‌صورت ماتریس ویژگی‌های محصول با اندازۀ 127 در 405 تعریف شده‌ است که عدد 127 مربوط به تعداد محصولاتی است که در این شرکت‌ها به‌صورت مشترک تولید می‌شود و باید خوشه‌بندی شود. عدد 405، تعداد ابعاد شناسایی‌شده حاصل از تجریه‌وتحلیل پرسش‌نامه‌های سطح شرکت و سطح محصول است که در قسمت‌های پیشین توضیح داده شد. پرسش‌های کیفی در این دو پرسش‌نامه به‌صورت اعداد صفر و یک در ماتریس مربوط وارد شده‌ است؛ یعنی اگر بردار مد نظر، این بعد را داشته باشد، با عدد 1 نمایش داده می‌شود؛ در غیر این صورت، با عدد صفر؛ به‌عنوان مثال، در پرسش مربوط به مزیت رقابتی شرکت در فروش محصول، در صورتی که پاسخ‌دهنده، کیفیت و برند را انتخاب کرده باشد، ابعاد مربوط در این قسمت، یک و سایر گزینه‌ها، صفر است. اطلاعات مرتبط با این ماتریس در نرم‌افزار Matlab برای خوشه‌بندی وارد شده است. این خوشه‌بندی، 10 بار انجام شده است که بهترین نوع، تکرار ششم با کمترین مجموع فاصله است. مجموع فواصل در هر تکرار در جدول شمارۀ 2 نشان داده شده است.

برای خوشه‌بندی محصولات تولیدی مشابه، که در مرحلۀ نخست شناسایی شده‌ است، از تابع نشان داده‌شده در شکل شمارۀ 5 در نرم‌افزارMATLAB(R2014b)  استفاده شده است.

شکل 5- تابع مورد استفاده برای خوشه‌بندی محصولات

همچنین، برای محاسبۀ شباهت هر خوشه با بردار ابعاد شرکت‌ها از دستور ذیل استفاده شده است.

D=pdist('c.mat','cosine')

تابع pdist فاصله بین دو جفت از اشیا را در یک ماتریس m.n محاسبه می‌کند که در این ماتریس، سطر، نشان‌دهندۀ داده‌ها و ستون، ابعاد مورد مقایسه را نشان می‌دهد. D یک بردار سطری m(m–1)/2 است که فاصلۀ بین جفت داده را نشان می‌دهد که این فاصله به‌ترتیب ذیل مرتب شده‌ است:

(2,1), (3,1), ..., (m,1), (3,2), ..., (m,2), ..., (m,m–1)

همانگونه که در جدول شمارۀ 2 ملاحظه می‌شود، بهترین مجموع فاصله 59755/1 است. این فرایند پس از سه تکرار به بهینگی رسیده است. در این مرحله به‌ازای هر محصول، یک بردار تک‌سطری با 405 ستون وجود دارد که درایه‌های این بردار با توجه به اطلاعات حاصل از پرسش‌نامه‌ها پر شده است. پس از حاصل‌شدن این ماتریس براساس معیار فاصلۀ کسینوسی، فاصلۀ هر بردار با خوشه‌ها محاسبه شده است.

جدول 2- مجموع فواصل هر تکرار

در جدول شمارۀ 3 به‌عنوان نمونه، حاصل محاسبۀ فاصلۀ ابعاد محصولات تولیدی با تک‌تک خوشه‌ها به‌صورت جداگانه نشان داده شده و محصول دارویی در خوشه‌ای قرار گرفته است که بردار ویژگی‌های آن، کمترین فاصله را با این خوشه‌ها دارد. در ستون آخر این جدول، نتایج حاصل از این سنجش قرار گرفته و شمارۀ هر خوشه مشخص شده است.

جدول 3- معیارهای همکاری افقی

5-5گام پنجم: تخصیص خوشه‌ها به شرکت‌های تولیدی

پس از گروه‌بندی داروها در هشت خوشه، نوبت به تعیین شرکت‌های تولیدی برای هر یک از آنها می‌رسد؛ به‌گونه‌ای ‌که درپایان، هر خوشه باید به یک شرکت اختصاص داده شود؛ بدین‌منظور، فاصلۀ کسینوسی بردار ویژگی‌های هر شرکت با مراکز خوشه‌های حاصل از مرحلۀ پیشین محاسبه و برای هر خوشه، شرکتی انتخاب می‌شود که کمترین فاصله را با آن دارد. همانگونه که توضیح داده شد، با جمع‌آوری پرسش‌نامه‌ها علاوه بر محصولات، برای هر شرکت نیز یک بردار سطری با همان تعداد ابعاد تهیه شده است؛ به‌گونه‌ای ‌که این ابعاد، تطابق یک‌به‌یک با ابعاد بردار محصولات دارد و این امر، قابلیت قیاس این دو نوع بردار را فراهم می‌کند. درنهایت، بردارهای مراکز خوشه‌ها و بردارهای ابعاد شرکت‌ها با یکدیگر مقایسه‌ و فاصلۀ آنها در جدول شمارۀ 4 نمایش داده شده است.

جدول 4- فاصلۀ شرکت‌های تولیدی با خوشه‌ها

تخصیص خوشه‌ها به شرکت‌های تولیدی براساس یک مدل برنامه‌ریزی خطی عدد صحیح انجام شده است. مدل برنامه‌ریزی خطی عدد صحیح این مسئله در شکل شمارۀ 6 به‌شرح ذیل است:

شکل 6- مدل تخصیص خوشۀ i به شرکت   j

که در آن، Dij نشان‌دهندۀ فاصلۀ کسینوسی شرکت i از خوشۀ j، Xij نشان‌دهندۀ تخصیص خوشه (8 ،.....،1،2) i به شرکت (8 ،.....،1،2)  jاست که Xij متغیر تخصیص صفر و یک است. حل این مدل با استفاده از نرم‌افزار GAMS انجام شده است. در جدول شمارۀ 5، نتیجۀ تخصیص شرکت به خوشه نشان داده شده است.

جدول 5- تخصیص خوشه به شرکت

5-6 ارزیابی کیفیت خوشه‌بندی

خوشه‌بندی، روشی است که در آن، دسته‌بندی یا طبقه‌بندی نقاط براساس خصوصیات و ویژگی‌هایشان انجام می‌شود. این کار اغلب با استفاده از یک تابع شباهت یا عدم ‌شباهت تعریف‌شده برای سنجش دوری یا نزدیکی نقاط از یکدیگر انجام می‌شود. البته، معمولاً تابع عدم ‌شباهت را همان «تابع فاصله» در نظر می‌گیرند. هدف از ایجاد خوشه‌ها،‌ تفکیک نقاط به گروه‌هایی است که بیشترین شباهت (کمترین فاصله) را در درون گروه‌ها و کمترین شباهت (بیشترین فاصله) را بین گروه‌ها داشته باشند. تعلق نقاط به هر خوشه، با عمل برچسب‌گذاری[xxvi]انجام می‌شود. با توجه به انواع مختلف ویژگی‌ها برای نقاط، الگوریتم‌های متنوعی نیز برای خوشه‌بندی وجود دارد. معمولاً ارزیابی نتایج خوشه‌بندی براساس تابع فاصله و برچسب‌های تولیدشده در تحلیل خوشه‌بندی انجام می‌شود. ارزیابی نتایج خوشه‌بندی از دو منظر بررسی می‌شود: ارزیابی درونی[xxvii] و ارزیابی بیرونی[xxviii]. منظور از ارزیابی درونی، بررسی دستیابی به اهداف خوشه‌بندی است. همانگونه که گفته شد، هدف از خوشه‌بندی، ایجاد دسته‌هایی با بیشترین شباهت درونی و کمترین شباهت بین دسته‌ها است؛ درنتیجه، در رویکرد ارزیابی درونی خوشه‌بندی از ترکیب توابع فاصله یا شباهت برای خوشه‌ها استفاده می‌شود. برای ارزیابی کیفیت خوشه‌بندی از معیارهای تفکیک مانند میانگین ضریب نیمرخ[xxix] یا دیویس- بولدین[xxx] می‌توان استفاده کرد. همانگونه که در نمودار شمارۀ 1 مشخص است، در این پژوهش با اعمال نظر خبرگان برای ارزیابی کیفیت خوشه‌بندی فاصلۀ کسینوسی اعضای خوشه، قبل و بعد از خوشه‌بندی با یکدیگر مقایسه شده است.

نمودار 1- مقایسۀ میانگین فاصله محصولات شرکت قبل و بعد از خوشه‌بندی

برای این منظور، فاصلۀ بین محصولات تولیدی شرکت به‌صورت دوبه‌دو محاسبه و میانگین این فاصله‌ها به‌عنوان نمایندۀ فاصلۀ محصولات در خوشه‌ها در جدول شمارۀ 6 نمایش داده شده است. هرچه این فاصله کمتر باشد، شباهت بین محصولات تولیدی بیشتر است. از آنجا که میانگین فاصلۀ محصولات پس از خوشه‌بندی به کمتر از نصف کاهش یافته است، می‌توان نتیجه گرفت خوشه‌بندی انجام‌شده، کیفیت مناسبی دارد.

جدول 6- مقایسۀ میانگین فاصلۀ محصولات شرکت قبل و بعد از خوشه‌بندی

• بحث

استراتژی افقی به تصمیم‌گیری دربارۀ اشتراک منابع میان کسب‌وکارهای یک شرکت چند کسب‌وکاره مربوط می‌شود. از مرور مبانی نظری پژوهش می‌توان نتیجه گرفت اشتراک منابع میان کسب‌وکارها در صورتی مفید است که باعث افزایش سودآوری کل بنگاه شود. در دهه‌های اخیر، مقولۀ استراتژی در سطح بنگاه و روابط متقابل میان واحدهای کسب‌وکار، یکی از محورهای اصلی پژوهش در این حوزه را به خود اختصاص داده است. نتایج پژوهش حاضر نشان می‌دهد هم‌افزایی، بازده ترکیبی از منابع تولید می‌کند که از مجموعۀ اجزای منفرد، بزرگ‌تر است و توسعۀ روابط متقابل به‌عنوان راهی برای به‌ دست ‌آوردن هم‌افزایی پیشنهاد شده است که با نتایج پژوهش لوزانو (2013)، آنکرسمیت (2014) و عسگری انارکی (2015) همخوانی دارد. در پژوهش‌های پیشین، بیشتر چارچوب‌ها و مدل‌های پیشنهادی برای شناسایی و طراحی و اجرای همکاری افقی ارائه شده است. در این پژوهش، تأکید فراوانی بر قابلیت‌های همکاری افقی در تأمین عرضۀ کارآمد وجود دارد که نشان می‌دهد برقراری همکاری افقی، خواه در بعد درونی و خواه در بعد بیرونی، یک ضرورت به شمار می‌آید و با چنین کاری به نقشۀ راهی برای بهبود کارایی، افزایش بهره‌وری و کاهش زیان می‌توان دست یافت. این همکاری، مزیت رقابتی شرکت‌ها را افزایش و عملکرد شرکت‌ها را ارتقا می‌دهد که با نتایج پژوهش کارلوس (2017) و دفرین و سورنس (2018) همسوست.

روش‌های متنوعی برای تعیین همکار تجاری وجود دارد که نظریۀ بازی و خوشه‌بندی از این انواع است. در پژوهش‌های گوناگونی مانند پژوهش لین (2014)، نظریۀ بازی همکارانه در بین چندین کارخانه سعی در دستیابی به بازده نسبی ازطریق مذاکرات نظریۀ بازی دارد؛ اما هنوز نیز تصمیمات بر مبنای دیدگاه کوتاه‌مدتی اتخاذ شده‌ است؛ بنابراین، همکاری می‌تواند ناپایدار باشد؛ اما در خوشه‌بندی، افق زمانی مد نظر بلندمدت است؛ درنتیجه، شرکای تعیین‌شده می‌توانند در بلندمدت به همکاری خود به‌صورت پایدار ادامه دهند. امروزه، خوشه‌بندی به‌عنوان یک روش یادگیری بدون ‌ناظر در کاربردهای بسیاری، ارزش خود را نشان داده است.

در پژوهش‌هایی که تاکنون در ایران انجام شده است، شواهدی از کار به‌صورت عملیاتی روی این موضوع در هلدینگ‌هایی که امکان همکاری افقی وجود دارد، به‌ویژه در هلدینگ بزرگی مانند سیمان و دارو و... مشاهده نشده است. این پژوهش به دنبال اجرای عملیاتی این استراتژی در هلدینگ دارویی است. در این پژوهش برای خوشه‌بندی محصولات دارویی براساس شباهت‌ها، معیارهای همکاری افقی با اعمال نظر خبرگان در پنج ماژول بازار، تولید، مالی، زنجیره تأمین، تحقیق و توسعه و کنترل کیفیت جانمایی شد. این معیارها مبنای طراحی پرسش‌نامه در دو سطح محصول و شرکت قرار گرفته‌ است.

همچنین، برای تعیین خوشه‌های همکاری افقی به ویژگی‌های بسیاری توجه و کوشش شده است اعضای هر خوشه، بیشترین شباهت را داشته باشند؛ در حالی که در پژوهش‌های پیشین، ابعاد به‌کاررفته، محدود است. برای تعیین این شباهت‌ها علاوه بر معیارهای کمّی مانند ظرفیت تولیدی و میزان سود و....، معیارهای کیفی مانند مزیت رقابتی شرکت، سیاست فروش نیز مد نظر بوده است.

• نتیجه‌گیری

همکاری افقی، شناسایی و استخراج موقعیت‌های برد- برد در میان شرکت‌های واقع در سطوح مشابه زنجیرۀ عرضه برای بهبود عملکرد آنهاست. در این پژوهش، ابتدا، برای شناسایی و تعیین خوشه‌های همکاری افقی در صنعت دارو، معیارهای مؤثر بر همکاری افقی با مطالعۀ مبانی نظری و پیشینۀ پژوهش با اعمال نظر مدیران، کارشناسان، سرپرستان و خبرگان هلدینگ دارویی تعیین شد؛ سپس ابعاد مربوط به هر یک از زیر معیارها مشخص و درادامه، محصولات مشترک این شرکت‌ها در 8 خوشه، خوشه‌بندی شده است. در این مرحله، هر دارو به خوشه‌ای اختصاص داده شده است که بردار ویژگی‌های آن، کمترین فاصله را با آن خوشه دارد. در مراحل بعد، خوشه‌های به‌دست‌آمده به شرکت‌ها اختصاص داده شده‌ است. برای این منظور، شباهت هر کدام از خوشه‌ها با تک‌تک شرکت‌ها سنجیده و خوشه به شبیه‌ترین شرکت اختصاص داده شده است. درپایان نیز کیفیت خوشه‌بندی با استفاده از شباهت کسینوسی سنجیده شده است. برای این منظور، فاصلۀ بین محصولات تولیدی شرکت به‌صورت دوبه‌دو محاسبه و میانگین این فاصله‌ها به‌عنوان نمایندۀ فاصلۀ محصولات در خوشه‌ها نمایش داده شده است. هرچه این فاصله کمتر باشد، شباهت بین محصولات تولیدی بیشتر است.

در شرکت سرمایه‌گذاری دارویی تأمین اجتماعی، حدود 70 درصد محصولات دارویی به‌صورت مشترک در 8 شرکت تولیدی به‌طور هم‌زمان تولید می‌شود. این شرکت‌های تولیدی برای بهره‌مندی از منافع حاصل از هم‌افزایی باید توانمندی‌های خود را به اشتراک بگذارند و ضعف‌های یکدیگر را پوشش دهند. براساس نتایج حاصل از این پژوهش، که در جدول شمارۀ 5 نشان داده شده است، هلدینگ دارویی تأمین اجتماعی ازطریق تخصیص خوشه‌های دارویی به شرکت‌های تولیدکننده از منافع ناشی از ادغام مراکز بازاریابی، تولید، زنجیره تأمین، مالی، تحقیق و توسعه برای بهبود عملکرد، تمرکز بر شایستگی‌های رقابتی، ارزان‌سازی و ... بهره‌مند می‌شود و این نوع از همکاری می‌تواند به ابزار مهمی برای مدیریت کسب‌وکار تبدیل شود.

بررسی تأثیر اشتراک منابع میان کسب‌وکارها باید یکی از ارکان اصلی تصمیم‌گیری در سطح بنگاه باشد و در اختیار داشتن مدلی که با انجام‌دادن بررسی همه‌جانبه‌ای، امکان بهره‌برداری از اشتراک منابع میان کسب‌وکارهای یک شرکت چند کسب‌وکاره را فراهم کند، ضروری به نظر می‌رسد. در مقالۀ حاضر، مدلی ارائه شده است که خوشه‌های همکاری افقی را در هلدینگ‌های صنعتی شناسایی و تعیین و به مدیران در تدوین استراتژی افقی کمک می‌کند.

از محدودیت‌های اصلی پژوهش، نبود استانداردی ثابت در ارائۀ اطلاعات توسط شرکت‌هاست. معیار مشابهت، عاملی پایه‌ای در تعریف یک خوشه به حساب می‌آید؛ بنابراین، تعریف این معیار برای نشان‌دادن میزان شباهت (عدم‌ شباهت) بین دو نمونه، یکی از ملزومات بیشتر الگوریتم‌های خوشه‌بندی است. اندازه‌گیری مستقیم ارتباط منابع استراتژیک در سطح شرکتی دشوار است؛ از این‌رو، پژوهشگران در این پژوهش به سنجش و تخمین غیرمستقیم متکی بر شباهت‌های منبعی صنایع و پروفایل‌های اشتراکی شرکت‌ها متوسل شده‌اند. محدودیت بعدی، مربوط به ارائه‌نکردن شفاف اطلاعات توسط شرکت‌ها و زمان‌بربودن جمع‌آوری داده‌ها بود. کمبود پژوهش‌های مشابه پیرامون چگونگی اجرای این روش نیز از محدودیت‌های این پژوهش به شمار می‌رفت. مشکلات ناشی از همکاری‌نکردن برخی از متخصصان در تکمیل پرسش‌نامه از دشواری‌های دیگر پژوهش بوده که خود باعث طولانی‌شدن زمان پژوهش شده است.

پیشنهاد می‌شود در پژوهش‌های آتی، امکان پیاده‌سازی همکاری افقی در هلدینگ‌های داخلی با توجه به متغیرهای مختلف هلدینگ‌ها و بازار مانند اندازۀ هلدینگ (کوچک، متوسط، بزرگ)، نوع صنعت (تولیدی و بازرگانی)، نوع بخش (خصوصی و دولتی)، جایگاه قانونی (مالکیت انفرادی، شراکت و...)، میزان تقاضای بازار و اندازۀ بازار بررسی شود تا مشخص شود همکاری افقی در شرایط مختلف تا چه اندازه هم‌افزایی به ارمغان می‌آورد.

[i]. Leitner

[ii]. Porter

[iii]. Ansoff

[iv]. Defryn and Sörensen

[v]. Hax and Majluf

[vi]. Jitendra

[vii]. Pomponi

[viii]. Bahinipati

[ix]. Lozano  

[x]. Ankersmit

[xi]. Lin

[xii]. Game Model

[xiii]. Carlos

[xiv]. Molenbruch

[xv]. Defryn and Sörensen

[xvi]. Xiaojun Fan

[xvii]. Benchmark case

[xviii]. Carlos

[xix]. Pomponi

[xx]. K-Means

[xxi]. Fuzzy C-Means

[xxii]. Two Step Cluster Analysis

[xxiii]. Hierarchical Cluster Analysis

[xxiv]. Decision Trees

[xxv]. Discrininant Analysisi

[xxvi]. Labeling

[xxvii]. Internal Index

[xxviii]. External Index

[xxix]. Silhouette

[xxx]. Davies-Bouldin