DOI: https://doi.org/10.3934/jimo.2026082
تاريخ النشر: 2026-01-01
المؤلف: Saloua Mihoubi وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم هذه الدراسة نموذج التقييم المتمركز حول الإنسان (HCAM) استجابةً لقيود نماذج النضج الحالية في تقييم التصنيع المتمركز حول الإنسان في الصناعة 5.0. القضايا الرئيسية المحددة هي إمكانية إخفاء نقاط الضعف الحرجة من خلال تجميع المتوسط الحسابي ووزن معايير التقييم بشكل متساوٍ، مما يفشل في عكس أهميتها النسبية. يستخدم HCAM طريقة الأفضل والأسوأ (BWM) للوزن وبرمجة الأهداف الحدية لتقييم مستوى النضج غير التعويضي، ويشمل خمسة أبعاد: التعاون بين الإنسان والآلة، رفاهية القوى العاملة، التعلم التكيفي، الاستخدام الأخلاقي للتكنولوجيا، والمرونة، التي تم تفعيلها من خلال 30 بعدًا فرعيًا مستمدًا من تلخيص الأدبيات. أظهرت تطبيقات تجريبية على عشرين شركة أن 42% من تعيينات النضج تغيرت عند استخدام HCAM مقارنةً بالمتوسطات البسيطة، مما يبرز التأثير الكبير للتأثيرات التعويضية.
تؤكد النتائج على الطبيعة غير المتجانسة للنضج المتمركز حول الإنسان في التصنيع، حيث قد يؤدي الاستعداد العام إلى إخفاء أوجه القصور الكبيرة في مجالات مثل الرفاهية والاستخدام الأخلاقي للتكنولوجيا. تؤكد الدراسة على الاعتماد المتبادل بين الأبعاد، مما يشير إلى أنه يجب النظر إلى النضج المتمركز حول الإنسان كتركيب اجتماعي تقني متماسك بدلاً من قدرات معزولة. وبالتالي، يوفر HCAM للمنظمات أداة تشخيصية أكثر دقة لتحديد فجوات المهارات وتحديد أولويات التدخلات. يتم تشجيع الأبحاث المستقبلية للتحقق من صحة HCAM عبر عينات متنوعة، وفحص متانة النموذج تحت سيناريوهات وزن مختلفة، واستكشاف التمديدات الديناميكية للتخطيط للنضج على المدى الطويل.
مقدمة
تناقش مقدمة الورقة الانتقال من الثورة الصناعية الرابعة، التي تتميز بالأتمتة والكفاءة، إلى الصناعة 5.0، التي تؤكد على نهج متمركز حول الإنسان، والاستدامة، والمرونة في أنظمة الإنتاج. يهدف هذا التحول إلى إعادة تعريف خلق القيمة من خلال دمج التأثيرات الاجتماعية والبشرية جنبًا إلى جنب مع الربح. يبرز المؤلفون الحاجة إلى تقييمات النضج في سلاسل التوريد الصناعية التي تمتد إلى ما هو أبعد من الرقمنة الداخلية لتشمل القدرات التي تعزز المرونة والتعاون. على الرغم من التركيز على رفاهية الإنسان والاستدامة، فإن الأطر الحالية لتقييم التقدم في هذه المجالات غير كافية، خاصة في قطاعات التصنيع وسلاسل التوريد حيث تعتبر المهارات المتمركزة حول الإنسان ضرورية لاستمرارية الأعمال واتخاذ القرار.
لمعالجة هذه النواقص، يقترح المؤلفون نموذج التقييم المتمركز حول الإنسان (HCAM)، الذي يدمج إطارًا مفاهيميًا، ونظام وزن قائم على الخبرة باستخدام طريقة الأفضل والأسوأ (BWM)، ونهج تجميع غير تعويضي يعتمد على برمجة الأهداف الحدية. يهدف هذا النموذج إلى تقديم تقييم منظم للنضج المتمركز حول الإنسان في الصناعة 5.0، متجاوزًا قيود نماذج النضج الحالية التي تعتمد غالبًا على تجميع المتوسط الحسابي ووزن المعايير بشكل متساوٍ. تحدد الورقة ثلاثة أسئلة بحثية رئيسية توجه الدراسة، تركز على تصوّر HCAM، ودمج طرق الوزن والتجميع، والتطبيق التجريبي للنموذج عبر قطاعات التصنيع المختلفة. كما يتم توضيح هيكل الدراسة، مع تفاصيل الأقسام التي ستغطي مراجعة الأدبيات، ومنهجية البحث، والنتائج، والاستنتاجات.
طرق
تقدم المنهجية المستخدمة في هذه الدراسة نموذج تقييم الرعاية الصحية (HCAM)، الذي يدمج هيكل نضج مفاهيمي مع وزن قائم على الخبرة وتحسين لتصنيف النضج. يتم تفعيل هذه المنطق التقييمي المتكامل من خلال تصميم بحثي منظم من أربع مراحل، يشمل التطوير المفاهيمي، والصياغة الرياضية، والتحقق التجريبي، والتحقق الإحصائي. يجمع النهج بين الرؤى النوعية من خبراء المجال مع البيانات الكمية، مما يضمن القابلية العملية والصرامة المنهجية.
توضح الأشكال المقدمة في الدراسة التصميم العام للبحث والمنطق التشغيلي الداخلي لـ HCAM. على وجه التحديد، يوضح الشكل 1 إطار البحث الشامل، بينما يحدد الشكل 2 المكونات المتميزة لـ HCAM، بما في ذلك الإطار المفاهيمي، والوزن، والتقييم، والتصنيف، وإجراءات التحقق. يهدف هذا المنهج المنظم إلى تعزيز متانة وموثوقية نتائج HCAM في تقييم نضج الرعاية الصحية.
نتائج
في هذا القسم، تم استخدام إطار HCAM لجمع بيانات تجريبية من قطاعين متميزين من الشركات، مما أدى إلى تحليل منظم للنتائج. يتم تصنيف النتائج إلى أربعة مجالات رئيسية: حساب الوزن، مقارنة التحسين، تقييم الموثوقية، وتحليل الارتباط بين الأبعاد. يساهم كل من هذه المكونات في فهم شامل للبيانات المجمعة.
بالإضافة إلى ذلك، يقدم الملحق ب تفاصيل دقيقة عن نتائج طريقة الأفضل والأسوأ (BWM)، مما يضمن الشفافية المنهجية ويسمح بإجراء فحص شامل للعمليات التحليلية المستخدمة في الدراسة. تعتبر هذه الشفافية ضرورية للتحقق من النتائج وتعزيز إمكانية إعادة إنتاج البحث.
مناقشة
تجمع قسم المناقشة في ورقة البحث الأدبيات عبر ثلاثة مجالات رئيسية: نماذج تقييم النضج، وطرق اتخاذ القرار متعددة المعايير، وتحسين برمجة الأهداف، مع التركيز على آثار الصناعة 5.0 على سلاسل التوريد واللوجستيات. يؤكد على ضرورة نهج متمركز حول الإنسان، وهو أمر حاسم لتعزيز المرونة، والاستمرارية، والتعلم التكيفي، والاستخدام المسؤول للتكنولوجيا داخل المنظمات. غالبًا ما تتجاهل نماذج النضج الحالية، التي تتأثر بشكل أساسي بالصناعة 4.0، العوامل المتمركزة حول الإنسان، treating them as secondary. تنتقد الورقة الأطر الحالية لتركيزها المدفوع بالتكنولوجيا ودمجها غير الكافي للأبعاد البشرية، مما يبرز الحاجة إلى إطار تقييم أكثر قوة يتضمن منطق تجميع غير تعويضي ليعكس بدقة النضج المتمركز حول الإنسان.
تقدم الورقة طريقة الأفضل والأسوأ (BWM) وبرمجة الأهداف الحدية كمنهجيات مبتكرة لمعالجة هذه الفجوات. تسهل BWM وزنًا منظمًا للمعايير مع مقارنات أقل من الطرق التقليدية، بينما تقلل برمجة الأهداف الحدية من الحد الأقصى للاختلاف عبر الأبعاد المقيمة، مما يضمن عدم إخفاء نقاط الضعف في أي مجال من خلال نقاط القوة في مجالات أخرى. هذا النهج ذو صلة خاصة بالتقييمات المتمركزة حول الإنسان، حيث يجب أن تظل أوجه القصور الكبيرة مرئية. تحدد الدراسة أربع فجوات متكاملة في الأدبيات، بما في ذلك غياب الهجينة الموثقة بين BWM وبرمجة الأهداف ونقص المقاييس المتمركزة حول الإنسان الموحدة. يهدف نموذج التقييم المتمركز حول الإنسان (HCAM) إلى سد هذه الفجوات من خلال دمج الوزن القائم على الخبرة مع التجميع غير التعويضي، مما يوفر إطارًا أكثر شمولاً لتقييم نضج الصناعة 5.0 في سياقات التصنيع.
قيود
تقدم الدراسة عدة قيود تؤثر على قابلية تعميم وموثوقية نتائجها. أولاً، يعتمد التحقق التجريبي على عينة صغيرة من 20 شركة، والتي، على الرغم من كونها مناسبة للتحليل الاستكشافي، تحد من القابلية الإحصائية لتعميم النتائج. بالإضافة إلى ذلك، قد يؤدي غياب المتغيرات الضابطة لحجم الشركة، والظروف الإقليمية، والمتطلبات التنظيمية الخاصة بالقطاع إلى إخفاء العوامل التي تسهم في اختلافات النضج عبر الحالات والقطاعات. التحليل محصور في سياق وطني وصناعي محدد، مما يحد من إمكانية نقل النتائج إلى بيئات أخرى.
علاوة على ذلك، يوفر الاعتماد على البيانات المقطعية فقط لمحة عن النضج المتمركز حول الإنسان، متجاهلاً التطور المحتمل للمنظمات مع مرور الوقت. استخدم عملية الوزن رؤى من لجنة خبراء صغيرة مكونة من أربعة مشاركين، مما قد يهدد موثوقية الأوزان المستمدة. تشير التباينات في الموثوقية على مستوى الأبعاد، خاصة مع بنى WWB وRES، إلى الحاجة إلى مزيد من التحقق التجريبي مع عينات أكبر. يجب أن تركز الأبحاث المستقبلية على إعادة التحقق من صحة هذه البنى، واستكشاف الارتباطات القوية بين الأبعاد، واختبار متانة نموذج HCAM عبر سياقات وسيناريوهات وزن متنوعة. بالإضافة إلى ذلك، قد يؤدي توسيع مكون التحسين إلى إطار ديناميكي متعدد الفترات إلى تعزيز فهم كيفية تمكن المنظمات من تسلسل التدخلات بشكل فعال لمعالجة فجوات النضج المحددة.
DOI: https://doi.org/10.3934/jimo.2026082
Publication Date: 2026-01-01
Author(s): Saloua Mihoubi et al.
Primary Topic: Multi-Criteria Decision Making
Overview
This study introduces the Human-Centric Assessment Model (HCAM) as a response to the limitations of existing maturity models in assessing Industry 5.0 human-centric manufacturing. The primary issues identified are the potential masking of critical weaknesses through arithmetic mean aggregation and the equal weighting of assessment criteria, which fails to reflect their relative importance. The HCAM employs the Best-Worst Method (BWM) for weighting and min-max goal programming for non-compensatory maturity level evaluation, encompassing five dimensions: human-machine collaboration, workforce wellbeing, adaptive learning, ethical use of technology, and resilience, operationalized through 30 sub-dimensions derived from literature synthesis. An empirical application to twenty firms revealed that 42% of maturity assignments changed when using the HCAM compared to simple averages, highlighting the substantial impact of compensatory effects.
The findings underscore the heterogeneous nature of human-centered maturity in manufacturing, where overall preparedness may obscure significant deficiencies in areas such as wellbeing and ethical technology use. The study emphasizes the interdependencies among dimensions, suggesting that human-centered maturity should be viewed as a cohesive sociotechnical configuration rather than isolated capabilities. The HCAM thus provides organizations with a more nuanced diagnostic tool for identifying skill gaps and prioritizing interventions. Future research is encouraged to validate the HCAM across diverse samples, examine the robustness of the model under varying weighting scenarios, and explore dynamic extensions for long-term maturity planning.
Introduction
The introduction of the paper discusses the transition from the fourth industrial revolution, characterized by automation and efficiency, to Industry 5.0, which emphasizes a human-centered approach, sustainability, and resilience in production systems. This shift aims to redefine value creation by incorporating social and human impacts alongside profit. The authors highlight the need for maturity assessments in industrial supply chains that extend beyond internal digitization to include capabilities fostering resilience and collaboration. Despite the focus on human well-being and sustainability, existing frameworks for assessing progress in these areas are inadequate, particularly in manufacturing and supply chain sectors where human-centric skills are crucial for business continuity and decision-making.
To address these shortcomings, the authors propose the Human-Centric Assessment Model (HCAM), which integrates a conceptual framework, an expertise-based weighting system using the best-worst method (BWM), and a non-compensatory aggregation approach based on min-max goal programming. This model aims to provide a structured assessment of human-centered maturity in Industry 5.0, overcoming limitations of existing maturity models that often rely on arithmetic mean aggregation and equal weighting of criteria. The paper outlines three key research questions guiding the study, focusing on the conceptualization of HCAM, the integration of weighting and aggregation methods, and the empirical application of the model across various manufacturing sectors. The structure of the study is also outlined, detailing the sections that will cover literature review, research methodology, findings, and conclusions.
Methods
The methodology employed in this study introduces the Health Care Assessment Model (HCAM), which integrates a conceptual maturity structure with expertise-based weighting and optimization for maturity classification. This integrated assessment logic is operationalized through a structured four-phase research design, which encompasses conceptual development, mathematical formulation, empirical validation, and statistical validation. The approach combines qualitative insights from field experts with quantitative data, ensuring practical applicability and methodological rigor.
Figures provided in the study illustrate the overall research design and the internal operational logic of the HCAM. Specifically, Figure 1 outlines the comprehensive research framework, while Figure 2 delineates the distinct components of the HCAM, including the conceptual framework, weighting, scoring, classification, and validation procedures. This structured methodology aims to enhance the robustness and reliability of the HCAM’s findings in assessing health care maturity.
Results
In this section, the HCAM framework was employed to gather empirical data from two distinct sectors of companies, leading to a structured analysis of the findings. The results are categorized into four key areas: weight calculation, optimization comparison, reliability evaluation, and inter-dimensional correlation analysis. Each of these components contributes to a comprehensive understanding of the data collected.
Additionally, Appendix B offers a detailed account of the Best-Worst Method (BWM) results, ensuring methodological transparency and allowing for a thorough examination of the analytical processes utilized in the study. This transparency is crucial for validating the findings and enhancing the reproducibility of the research.
Discussion
The discussion section of the research paper synthesizes literature across three key domains: maturity assessment models, multicriteria decision-making methods, and goal programming optimization, with a focus on the implications of Industry 5.0 for supply chains and logistics. It emphasizes the necessity of a human-centric approach, which is critical for enhancing resilience, continuity, adaptive learning, and responsible technology use within organizations. Current maturity models, primarily influenced by Industry 4.0, often overlook human-centric factors, treating them as secondary. The paper critiques existing frameworks for their technology-driven focus and inadequate integration of human dimensions, highlighting the need for a more robust assessment framework that incorporates non-compensatory aggregation logic to accurately reflect human-centered maturity.
The paper introduces the Best-Worst Method (BWM) and min-max goal programming as innovative methodologies for addressing these gaps. BWM facilitates structured weighting of criteria with fewer comparisons than traditional methods, while min-max goal programming minimizes the maximum deviation across assessed dimensions, ensuring that weaknesses in any area are not masked by strengths in others. This approach is particularly relevant for human-centered assessments, where significant deficiencies should remain visible. The research identifies four integrated gaps in the literature, including the absence of documented BWM-goal programming hybrids and a lack of standardized human-centric metrics. The proposed Human-Centric Assessment Model (HCAM) aims to fill these gaps by combining expertise-based weighting with non-compensatory aggregation, thereby providing a more comprehensive framework for evaluating Industry 5.0 maturity in manufacturing contexts.
Limitations
The study presents several limitations that impact the generalizability and robustness of its findings. Firstly, the empirical validation is based on a small sample of 20 companies, which, while suitable for exploratory analysis, restricts the statistical generalizability of the results. Additionally, the absence of control variables for company size, regional conditions, and sector-specific regulatory requirements may obscure the factors contributing to maturity differences across cases and sectors. The analysis is confined to a specific national and industrial context, further limiting the transferability of the findings to other environments.
Moreover, the reliance on cross-sectional data provides only a snapshot of human-centered maturity, neglecting the potential evolution of organizations over time. The weighting process employed the insights of a small expert panel of four participants, which may compromise the robustness of the derived weightings. Variability in reliability at the dimension level, particularly with the WWB and RES constructs, indicates a need for further empirical validation with larger samples. Future research should focus on revalidating these constructs, exploring the strong interdimensional correlations, and testing the HCAM model’s robustness across diverse contexts and weighting scenarios. Additionally, extending the optimization component to a dynamic, multi-period framework could enhance understanding of how organizations might effectively sequence interventions to address identified maturity gaps.