سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

ثقفی, فاطمه, قاسمی, روح اله, طریقی, سینا, کوثری, طیبه. (1405). توسعه مدل جامع شبیه‌سازی عامل‌بنیان برای هوشمندسازی صنعت هتل ایران با رویکرد گردشگری نسل ۴. , 16(1), 9-34. doi: 10.48308/jimp.16.1.9
فاطمه ثقفی; روح اله قاسمی; سینا طریقی; طیبه کوثری. "توسعه مدل جامع شبیه‌سازی عامل‌بنیان برای هوشمندسازی صنعت هتل ایران با رویکرد گردشگری نسل ۴". , 16, 1, 1405, 9-34. doi: 10.48308/jimp.16.1.9
ثقفی, فاطمه, قاسمی, روح اله, طریقی, سینا, کوثری, طیبه. (1405). 'توسعه مدل جامع شبیه‌سازی عامل‌بنیان برای هوشمندسازی صنعت هتل ایران با رویکرد گردشگری نسل ۴', , 16(1), pp. 9-34. doi: 10.48308/jimp.16.1.9
ثقفی, فاطمه, قاسمی, روح اله, طریقی, سینا, کوثری, طیبه. توسعه مدل جامع شبیه‌سازی عامل‌بنیان برای هوشمندسازی صنعت هتل ایران با رویکرد گردشگری نسل ۴. , 1405; 16(1): 9-34. doi: 10.48308/jimp.16.1.9

توسعه مدل جامع شبیه‌سازی عامل‌بنیان برای هوشمندسازی صنعت هتل ایران با رویکرد گردشگری نسل ۴

چشم‌انداز مدیریت صنعتی
دوره 16، شماره 1 - شماره پیاپی 61، فروردین 1405، صفحه 9-34    اصل مقاله (1.29 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.48308/jimp.16.1.9
نویسندگان
فاطمه ثقفی1؛ روح اله قاسمی* 2؛ سینا طریقی2؛ طیبه کوثری3
1دانشیار، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.
2استادیار، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.
3دانشجوی دکتری، پردیس کیش، دانشگاه تهران، کیش، ایران.
چکیده
مقدمه و هدف: هتل‌های لوکس که بر تعامل دقیق بین کارکنان و مهمانان متکی هستند، به طور فعال فناوری‌هایی را برای افزایش تجربه و رضایت مهمانان معرفی کرده‌اند. ارتقای سطح هتل‌های هوشمند تغییرات قابل توجهی را در محیط توسعه صنعت هتلداری ایجاد کرده است که منجر به پیدایش هتل‌های هوشمند شده است. در عصر مدرن، استفاده کامل از عملکردهای هتل هوشمند و تلاش برای توسعه آن بسیار مهم است. هتل‌های هوشمند به مهمانان این امکان را می‌دهد که هویت خود را ثبت کنند، سفارشات را پردازش کنند و کارت اتاق را از طریق اینترنت دریافت کنند. علاوه بر این، میهمانان می‌توانند خدمات دریافتی‌شان را شخصی‌سازی نمایند و فرآیند پذیرایی و ارائه خدمات را ساده‌تر و رضایت‌بخش‌تر نمایند. برای ساخت یک هتل گردشگری هوشمند، بهینه‌سازی و نوآوری محتوای تجاری اصلی هتل برای افزایش تجربه گردشگر ضروری است. این پژوهش با هدف توسعه مدلی جامع برای هوشمندسازی صنعت هتل ایران در چارچوب گردشگری نسل ۴ و با بهره‌گیری از شبیه‌سازی عامل‌بنیان انجام شد.
روش‌ها: رویکرد تحقیق ترکیبی و شامل مراحل کتابخانه‌ای و میدانی بود. ابتدا با روش مرور ادبیات نظام مند ، یافته‌های پژوهش‌های کمی و کیفی اخیر (۲۰۲۰ به بعد) مرور و کدهای اولیه استخراج شد. سپس برای شناسایی عوامل مغفول و بومی‌سازی مدل، تحلیل مضمون بر داده‌های حاصل از ۱۳ مصاحبه نیمه‌ساختاریافته با خبرگان صنعت هتل اجرا گردید. ادغام نتایج این دو مرحله منجر به شناسایی ۵ عامل اصلی (گردشگر، PMS هتل، واحد منابع انسانی، وزارت میراث فرهنگی، گردشگری و صنایع دستی، خانه‌داری) و ۱۹ متغیر کلیدی شد. با استفاده از مدل‌سازی ساختاری تفسیری روابط علّی و سلسله‌مراتبی عوامل تعیین و مدل مفهومی نهایی ترسیم شد. مدل در محیط شبیه‌سازی عامل‌بنیان پیاده‌سازی و با اعتبارسنجی درونی (تأیید خبرگان) و بیرونی (مقایسه با داده‌های واقعی) ارزیابی شد که انحراف کمتر از ۰.۲ درصد را نشان داد.
یافته‌ها: نتایج این پژوهش آگاهی مدیران و علاقمندان حوزه مدیریت و هتل‌داری را در زمینه هوشمندسازی صنعت هتل و مدل‌های عامل‌بنیان افزایش داده است. هم‌چنین، بر اساس نتایج روش مدل‌سازی و وزن‌دهی ساختاری تفسیری همزمان نتیجه می‌شود که عامل‌های «گردشگر» و «PMS PMS هتل (پذیرش / بوکینگ / رزرواسیون)» که در منطقه پیوندی قرار دارند دارای قدرت نفوذ و وابستگی زیادی هستند. در واقع هرگونه عملی بر روی این متغیرها باعث تغییر سایر متغیرها می‌شود. متغیر «وزارت میراث فرهنگی، گردشگری و صنایع دستی» بین ناحیه خودمختار و وابسته قرار گرفته است دارای قدرت نفوذ پایین و وابستگی متوسط هست. هم‌چنین متغیرهای «خدمات اتاق و پذیرایی (خانه‌داری)» و «منابع انسانی» در منطقه خنثی قرار گرفته‌اند. هم‌چنین مشخص گردید، «خدمات اتاق و پذیرایی (خانه‌داری)»، «منابع انسانی» و «وزارت میراث فرهنگی، گردشگری و صنایع دستی» در بالاترین سطح قرار گرفته‌اند و بیشتر تحت تأثیر عوامل «گردشگر» و «PMS هتل (پذیرش / بوکینگ / رزرواسیون)» هستند.
نتیجه‌گیری: تحلیل سناریوها بر اساس دو متغیر کلیدی «زیرساخت فناورانه» و «نیروی انسانی متخصص» بیانگر آن بود که ارتقاء همزمان این دو، بیشترین اثر را در دستیابی به هدف تأمین ۶۵ میلیون نفر-شب اقامت تا افق ۱۴۰۴ دارد. نوآوری اصلی پژوهش، ادغام سه جریان مواد، اطلاعات و مالی در چارچوب گردشگری نسل ۴ و ارائه مدلی بومی و جامع برای تصمیم‌گیری راهبردی در صنعت هتل است که می‌تواند به بهبود کیفیت خدمات، بهره‌وری عملیاتی و رقابت‌پذیری در بازار گردشگری هوشمند کمک کند.
کلیدواژه‌ها
هوشمندسازی هتل؛ گردشگری ۴؛ شبیه‌سازی عامل‌بنیان؛ مرور ادبیات نظام مند؛ تحلیل مضمون؛ مدل‌سازی و وزن‌دهی ساختاری تفسیری همزمان
عنوان مقاله [English]
Development of a Comprehensive Agent-Based Simulation Model for Smart Transformation of Iran’s Hotel Industry within the Tourism 4.0 Framework
نویسندگان [English]
Fatemeh Saghafi1؛ Rohollah Ghasemi2؛ Sina Tarighi2؛ Tayebeh Kosari3
1Associate Professor, Faculty of Technology and Industrial Management, School of Management, University of Tehran, Tehran, Iran.
2Assistant Professor, Faculty of Technology and Industrial Management, School of Management, University of Tehran, Tehran, Iran.
3Ph.D. student, Kish Campus, University of Tehran, Kish, Iran.
چکیده [English]
Introduction and Purpose: Luxury hotels, which rely on precise interaction between staff and guests, have actively introduced technologies to enhance guest experience and satisfaction. The upgrading of smart hotels has brought about significant changes in the development environment of the hotel industry, which has led to the emergence of smart hotels. In the modern era, it is very important to make full use of the functions of smart hotels and strive to develop them. Smart hotels allow guests to register their identities, process orders, and receive room cards online. In addition, guests can personalize the services they receive, making the reception and service process simpler and more satisfying. To build a smart tourism hotel, it is necessary to optimize and innovate the core business content of the hotel to enhance the customer experience. This research aimed to develop a comprehensive model for smartening Iran's hotel industry within the Tourism 4 framework and using agent-based simulation.
Methodology: The research approach was hybrid and included library and field stages. First, using the systematic litrature review method, the findings of recent quantitative and qualitative research (2020 onwards) were reviewed and initial codes were extracted. Then, to identify neglected factors and localize the model, thematic analysis was performed on data from 13 semi-structured interviews with hotel industry experts. Combining the results of these two stages led to the identification of 5 main factors (customer, hotel, human resources, government, housekeeping) and 19 key variables. Using interpretive structural modeling, causal and hierarchical relationships of the determinants were determined and the final conceptual model was drawn. The model was implemented in a factor-based simulation environment and evaluated with internal (expert confirmation) and external (comparison with real data) validation, which showed a deviation of less than 0.2 percent.
Findings: The results of this study have increased the awareness of managers and those interested in the field of hotel management and management in the field of smart hotel industry and factor-based models. Also, based on the results of the simultaneous interpretation structural modeling and weighting method, it is concluded that the factors "Customer" and "Hotel (Acceptance / Booking / Reservation)" which are located in the link area have high influence and dependence. In fact, any action on these variables causes changes in other variables. The variable "Government" is located between the autonomous and dependent area, has low influence and medium dependence. Also, the variables "Room and Reception Services (Housekeeping)" and "Human Resources" are located in the neutral area. It was also found that "Room and Reception Services (Housekeeping)", "Human Resources" and "Government" are at the highest level and are most influenced by the "Customer" and "Hotel (Reception/Booking/Reservation)" factors.
Conclusions: Scenario analysis based on two key variables, "technological infrastructure" and "expert human resources," indicated that the simultaneous improvement of these two has the greatest impact on achieving the goal of providing 65 million person-nights of accommodation by 2025. The main innovation of the research is the integration of the three flows of materials, information, and finance in the Tourism 4 framework and the provision of a native and comprehensive model for strategic decision-making in the hotel industry that can help improve service quality, operational efficiency, and competitiveness in the smart tourism market.
کلیدواژه‌ها [English]
Smart Hoteling, Tourism 4.0, Agent-Based Simulation, Systematic litrature review (SLR), Thematic Analysis, Interpretive Structural Modeling
مراجع
  1. Aggarwal, S., & Mittal, A. (2024). Futuristic hospitality conceptualized: DASH-Decentralized Autonomous and Smart Hotel system. Journal of Open Innovation: Technology, Market, and Complexity, 10(1), 100223.
  2. Alsharif, A., Isa, S. M., & Alqudah, M. N. (2024). Smart tourism, hospitality, and destination: A systematic review and future directions. Journal of Tourism and Services, 15(29), 72-110.
  3. Alvarez, E., & Brida, J. G. (2019). An agent‐based model of tourism destinations choice. International Journal of Tourism Research, 21(2), 145-155.
  4. Bao, C., Yang, Y., Wang, Z., & Xu, P. (2023). Intelligent Hotel Guidance System via Face Recognition Technology. Sensors, 23(22), 9078.
  5. Bartaloni, C., & Alderighi, M. (2024). Are customers ready to be smart? designing smart hotel experiences. Tourism and hospitality management, 30(2), 195-207.
  6. Buhalis, D., O’Connor, P., & Leung, R. (2023). Smart hospitality: from smart cities and smart tourism towards agile business ecosystems in networked destinations. International Journal of Contemporary Hospitality Management, 35(1), 369-393.
  7. Casais, B., & Ferreira, L. (2023). Smart and sustainable hotels: tourism agenda 2030 perspective article. Tourism Review, 78(2), 344-351.
  8. Chen, M., Jiang, Z., Xu, Z., Shi, A., Gu, M., & Li, Y. (2022). Overviews of internet of things applications in China’s hospitality industry. Processes, 10(7), 1256.
  9. Croes, R., Ridderstaat, J., Bąk, M., & Zientara, P. (2021). Tourism specialization, economic growth, human development and transition economies: The case of Poland. Tourism Management, 82, 104181.
  10. Ercan, F. (2019). Smart tourism technologies: applications in hotel business. In Theory and Practice in Social Sciences (pp. 528-546), ST. KLIMENT OHRIDSKI UNIVERSITY PRESS.
  11. González-Reverté, F. (2019). Building sustainable smart destinations: An approach based on the development of Spanish smart tourism plans. Sustainability, 11(23), 6874.
  12. Goodarzi, G., Jafari, A. J., & Pour Koundelaji, A. Y. (2025). Implementation Strategies for Fourth Industrial Revolution Technologies in Iranian Industries Aimed at Industrial Development Based on Fuzzy DEMATEL. Industrial Management Perspective/Chashm/&āz-I Mudīriyyat-I Ṣan̒atī, 15(1). (In Persian)
  13. Jaremen, D., Jędrasiak, M., & Rapacz, A. (2016). The concept of smart hotels as an innovation on the hospitality industry market-case study of Puro Hotel in Wrocław. Zeszyty Naukowe Uniwersytetu Szczecińskiego Ekonomiczne Problemy Turystyki, 36(4).
  14. Kapiki, S. (2021). Smart City and IoT Technologies Enabling Smart Tourism: The Case of Greece. In Higher Education in Smart City Technologies: European, Kazakh, Mongolian, Russian Universities Approach (pp. 80-112), Saratov State Technical University named after Y. A. Gagarin.
  15. Kim, J. J., & Han, H. (2020). Hotel of the future: exploring the attributes of a smart hotel adopting a mixed-methods approach. Journal of Travel & Tourism Marketing, 37(7), 804-822.
  16. Koo, B., Curtis, C., Ryan, B., Chung, Y., & Khojasteh, J. (2023). Psychometric approaches to exploring the characteristics of smart hotel brand experiences: Scale development and validation. Journal of Hospitality and Tourism Management, 56, 385-395.
  17. Leung, R. (2022). Development of information and communication technology: from e-tourism to smart tourism. Handbook of e-Tourism, 23-55.
  18. Liu, X., Wider, W., Fauzi, M. A., Jiang, L., Udang, L. N., & Hossain, S. F. A. (2024). The evolution of smart hotels: A bibliometric review of the past, present and future trends. Heliyon, 10 (4), e26472.
  19. Mirzaei Eslamlou, A., Bagherzadeh Khajeh, M., Mahmoudzadeh, M., & Ramazani, M. (2024). Designing the Competency Model of the Workforce in Manufacturing Industries During the Fourth Industrial Revolution. Journal of Industrial Management Perspective, 14(4), 201-222. (In Persian)
  20. Mo, Y., Mai, Q., & Yang, H. (2024). Impact and Challenges of Smart Hotel Development on Employees. Open Access Library Journal, 11(5), 1-9.
  21. Mohaghar, A., Ghasemi, R., & Askarian, A. (2024). Agent-Based Simulation of Agent Relationships in the Ready and Semi-Prepared Food Supply Chain for Export During the COVID-19 Pandemic (Case Study: Amadeh-Laziz Company). Journal of Industrial Management Perspective, 14(4), 9-36. (In Persian)
  22. Otaboyev, U. (2024). The role of international organizations and education in the development of tourism potential of countries. Nordic_Press, 2(0002).
  23. Roulston, K. (2010). Considering quality in qualitative interviewing. Qualitative Research, 10(2), 199-228.
  24. Sandelowski, M., Barroso, J., & Voils, C. I. (2007). Using qualitative metasummary to synthesize qualitative and quantitative descriptive findings. Research in nursing & health, 30(1), 99-111.
  25. Shahsavari, M., & Hosseini, S. A. (2019). A review of smart hotel design. Sixth National Congress of Civil Engineering, Architecture and Urban Development, Tehran. (In Persian)
  26. Utomo, D. S., Onggo, B. S., Eldridge, S., Daud, A. R., & Tejaningsih, S. (2022). Eliciting agents’ behaviour and model validation using role playing game in agent-based dairy supply chain model. Journal of the Operational Research Society, 73(12), 2670-2693.
  27. Wallinger, S., Grundner, L., Majic, I., & Lampoltshammer, T. J. (2023, January). Agent-based modelling for sustainable tourism. In ENTER22 e-Tourism Conference (pp. 355-360). Cham: Springer Nature Switzerland.
  28. Weijie, S. (2024). The Application of Intelligent Robot in the Modern Hotel Industry—Take the Full Season Hotel as an Example. Industrial Engineering and Innovation Management, 7(3), 132-142.
  29. Wu, W., Xu, C., Zhao, M., Li, X., & Law, R. (2024). Digital tourism and smart development: State-of-the-art review. Sustainability, 16(23), 10382.
  30. Yang, H., Song, H., Cheung, C., & Guan, J. (2021). How to enhance hotel guests’ acceptance and experience of smart hotel technology: An examination of visiting intentions. International journal of hospitality management, 97, 103000.
  31. Yu, C. H., & Hsu, T. K. (2024). Empirical impact of AI smart hotel technological services on consumer attitudes A comparison before and after the COVID-19 pandemic. Journal of Global Tourism Research, 9(1), 33-41.
  32. Zangoui, F., Kharrazi Mohammadvandi Azar, Z., & Salehi Sedghiani, J. (2012). Smartizing Iran's Tourism Industry: Emphasis on Social and Cultural Empowerment. Social Studies of Tourism, 10(19), 335-368. (In Persian)
  33. Zhang, J., Zhang, L., Raveendran, V., Ben-Zuk, Z., & Lu, L. (2020). PriceAggregator: An Intelligent System for Hotel Price Fetching. arXiv preprint arXiv:2008.02087.
  34. Zhou, W., & Liu, Z. (2022). Design and Optimization of Hotel Management Information System Based on Artificial Intelligence. Scientific Programming, 2022(1), 2445343.
آمار
تعداد مشاهده مقاله: 341
تعداد دریافت فایل اصل مقاله: 202