UPORABNA INFORMATIKA 47 2024 - πtevilka 2 - letnik XXXII Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji Nika Kalan 1 , Marina Trkman 2 1 RESUL T , d.o.o., Celovška cesta 182, 1000 Ljubljana 2 Fakulteta za upravo, Univerza v Ljubljani, Gosarjeva 5, 1000 Ljubljana nikaa.kalan@gmail.com, marina.trkman@fu.uni-lj.si Izvleček Danes so kupci zahtevni, saj želijo pravi izdelek ob pravem času na pravem mestu za pravo ceno. Za ohranjanje konkurenčnosti na globalnem trgu, se danes proizvodna podjetja odločajo za informatizicijo poslovanja s specializiranimi aplikacijami za napredno načr- tovanje in terminiranje (APS). Odločitev podjetja za privzemanje teh aplikacij v obstoječ informacijski sistem ni enostavna. Značilen je odpor ljudi. Ker bi radi bolje razumeli ciljne uporabnike raziskujemo, kaj vpliva na namero uporabe APS. V raziskavi smo preverili vpliv univerzalnih konstruktov enotne teorije sprejemanja in uporabe tehnologije (UT AUT) ter dveh dodatnih konstruktov , ki sta nego- tovost zaposlitve in zaskrbljenost. Rezultati kažejo, da na namero uporabe statistično značilno vplivata zaskrbljenost in zaznana uspešnost. Rezultati raziskave so koristni vsem proizvodnim podjetjem, ki se odločajo za vpeljavo APS v svoj informacijski sistem. Ključne besede: aplikacija za planiranje proizvodnje, UT AUT , zaskrbljenost, negotovost zaposlitve, informacijski sistemi. Factors influencing the uptake of advanced planning and scheduling applications in manufacturing Abstract Nowadays customers are demanding. They want the right product at the right time at the right place for the right price. T o remain competitive on the global market, today's manufacturing companies tend to digitalize their operations with specialized applications for advanced planning and scheduling (APS). The company's decision to adopt these applications into the existing information sy- stem is not an easy one. People's resistance is typical. As we would like to better understand the target users, we are investigating what influences the intention to use APS. In the research, we checked the influence of the universal constructs of the unified theory of acceptance and use of technology (UT AUT) and two additional constructs, which are job insecurity and anxiety . The results show that intention to use APS is statistically significantly influenced by the anxiety and perceived performance. The results of the rese- arch are useful to all manufacturing companies that think about implementing P AS into their information system. Keywords: production planning application, UT AUT , anxiety , job insecurity , information systems. 1 UvOD Proizvajanje dobrin se razvija in izpopolnjuje od indu- strijske revolucije do danes. Skozi zgodovino je razvoj proizvajanja šel čez štiri industrijske revolucije, ki so vsaka na svoj način pripomogle k hitrejši, optimalnejši in cenejši proizvodnji. Od industrijske revolucije 3.0 da- lje, se ne da proizvajati ničesar v veliki količini brez upo - rabe računalnika. Del industrije 4.0 so algoritmi umetne inteligence, ki omogočijo boljšo pripravljenost na spre- membe in preverjanje vplivov določenih scenarijev na proizvodne linije in podjetje kot celoto (Gander, 2023). Danes so kupci zahtevni. Želijo pravi izdelek ob pravem času na pravem mestu za pravo ceno. Za ZNANSTVENI PRISPEVKI UPORABNA INFORMATIKA 48 2024 - πtevilka 2 - letnik XXXII ohranjanje konkurenčnosti na globalnem trgu, se proizvodna podjetja odločajo za informatizacijo po- slovanja s specializiranimi aplikacijami, ki sledijo konceptu naprednega načrtovanja in terminiranja proizvodnje (angl. advanced planning and schedu- ling; APS) (Hvolby & Steger-Jensen, 2010; Steger- -Jensen in drugi, 2011). Koncept APS označuje način planiranja, ki upošteva tako proizvodni del podjetja kot zaledne službe, da doseže najboljše rezultate v dani situaciji. Aplikacije APS temeljijo na algoritmu optimizacije in načrtovanja na podlagi danih omeji- tev (Hvolby & Steger-Jensen; 2010), ki se nanašajo na nabor surovin, strojev in polizdelkov. Pogosta upo- raba je v obliki časovnega in tabelaričnega pregleda, kar omogoča preglednost. Podjetjem omogoča opti- mizacijo načrtov za doseganje finančnih in drugih strateških ciljev. Odločitev podjetja za privzemanje aplikacij APS v obstoječ informacijski sistem ni enostavno. V članku se fokusiramo na raziskovanje dejavnikov, ki vplivajo na privzemanje aplikacije APS med njenimi ciljnimi uporabniki. Enotna teorija sprejemanja in uporabe tehnologije (angl. unified theory of acceptance and use of technology; UTAUT) ponuja temelje tovrstnim raziskavam, saj opredeljuje univerzalne napovedni- ke namena uporabe neke tehnologije (Venkatesh in drugi, 2003, 2016). Tako se naše prvo raziskovalno vprašanje glasi: Katere univerzalni UTAUT dejavniki vplivajo na namero uporabe aplikacij APS? Ker je kontekst privzemanja APS edinstven, pred- videvamo, da obstajajo tudi drugi napovedniki, ki jih omenjena teorija ne omenja. Osredotočili smo se na preiskovanje vzrokov za odpor ljudi do uporabe APS, saj vpeljava tehnologije vpliva na spremembe v načinu dela. Zaskrbljenost pred uporabo nove tehno- logije lahko igra pomembno vlogo pri privzemanju (Venkatesh in drugi, 2003), podobno kot tudi negoto- vost zaposlitve zaradi nakupa nove tehnologije (Van- der Elst in drugi, 2014). Vpliv dveh novih dejavnikov v članku statistično preverimo. Torej, naše drugo raz- iskovalno vprašanje se glasi: Ali zaskrbljenost in ne- gotovost zaposlitve pri prevzemanju APS relevantno vplivata na namero uporabe APS? V nadaljevanju članek sledi sledeči strukturi. V drugem in tretjem poglavju so predstavljena teore- tična izhodišča in hipoteze. V četrtem poglavju je opisan metodološki pristop k naši raziskavi. Peto po- glavje predstavi rezultate hipotez. V šestem poglavju je diskusija in v sedmem zaključne misli. 2 UPRavljaNje PROIZvODNje 2.1 Optimizacija poslovanja proizvodnega podjetja Proizvodnja omogoča pridelavo končnih izdelkov iz surovin z uporabo različnih metod, človeškega dela in opreme na stroškovno učinkovit način (Ken- ton, 2022). Učinkovite tehnike proizvajanja omo- gočijo podjetjem, da izkoristijo ekonomijo obsega in še povečajo zaslužek (Kenton, 2022). Planiranje proizvodnje je tako eden od ključnih procesov v proizvodnih podjetjih, ki omogoča usklajevanje različnih virov, kot so ljudje, stroji, surovine in čas, za doseganje ciljev proizvodnje. Gre za sistematičen pristop k določanju, organiziranju in usklajevanju proizvodnih aktivnosti, da bi dosegli optimalno uporabo virov, izpolnili zahteve trga in dosegli za- dovoljstvo strank s pomočjo splošnega časovnega načrta (Jenkins, 2022). Vpliv planiranja proizvodnje je večplasten. Ker napovedovanje povpraševanja pomaga pri določanju optimalne zaloge, ima po- membno vlogo pri doseganju učinkovitosti, pro- duktivnosti in konkurenčne prednosti proizvodne- ga podjetja (Jenkins, 2022). V kontekstu planiranja proizvodnje ločimo med planiranjem in terminiranjem (angl. scheduling). Glavni cilj planiranja proizvodnje je priprava pla- na. Določa splošno usmeritev proizvodnje, postavi strateške cilje in dinamično določa ciljne ravni zalog za izpolnitev prihodnjega povpraševanja. Ob tem upošteva predvidena in dolgoročna naročila, sezon- ska nihanja, prodajne akcije in podobne vplive. Plan proizvodnje dobimo tako, da pregledamo vse možne alternative glede na omejitve in med njimi izberemo najboljšo. S planom postavimo okvir, v katerem ka- sneje natančneje razporedimo naloge. Pri terminira- nju pa gre za detajlen pogled na izdelavo točno dolo- čenega artikla: kje, kdaj, kdo in iz česa se bo proizva- jal. Gre za kompleksen urnik. 2.2 Digitalizacija proizvodnje Cilj aplikacij APS je, da pomagajo obvladovat sledeče izzive, ki se pojavijo pri planiranju proizvodnje (Fle- ischmann in drugi, 2008, str. 82):  Obstoj nasprotujočih si ciljev in dvoumnih prefe- renc Primer takšnih ciljev sta čim hitrejše zadovolje- vanje želj strank in cilj po zmanjšanju zalog. Če želimo imeti čim manj zalog, moramo surovine naročevati sproti, kar pa lahko pripelje do dalj- Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 49 2024 - πtevilka 2 - letnik XXXII šega dobavnega roka našega izdelka, kar lahko zmanjša zadovoljstvo naše stranke.  Negotova prihodnosti. Pri vsaki izvedbi plana lahko pride do manjših ali večjih napak, ki vse vplivajo na potek dogodkov. Na vse to se mora plan čim prej in čim boljše pri- lagoditi. Proti nepredvidljivosti se lahko borimo s pomočjo različnih taktik, kot so na primer var- nostne zaloge, vendar to ni nujno zadostno ali pa varnostne zaloge zavzemajo prostor, ki ga sicer potrebujemo za druge izdelke.  Število alternativ, ki jih je treba pregledati in oce- niti, je preveliko. Aplikacija APS omogoča podjetjem boljši pre- gled nad proizvodnimi procesi ter napredno načrtovanje in optimizacijo virov, kar vodi k ve- čji učinkovitosti, nižjim stroškom in posledično boljšemu konkurenčnemu položaju proizvodne- ga podjetja. Uporaba APS dokazano podjetjem nudi številne prednosti:  Skrajšani časi nastavitve proizvodnje: Sistemi APS optimizirajo proizvodne načrte z upošteva- njem dejavnikov, kot so proizvodne zmogljivosti, razpoložljivost materiala in prioritete naročil. To vodi do skrajšanega časa nedejavnosti in mini- miziranih časov nastavitve/menjave, kar ima za posledico hitrejše proizvodne cikle in krajše pre- točne čase (RVJ, 2023).  Upravljanje virov: Sistemi APS pomagajo pri do- deljevanju in uporabi virov z upoštevanjem raz- položljive proizvodne zmogljivosti in razpoložlji- vosti materiala. To zagotavlja učinkovito uporabo virov, zmanjšanje ozkih grl in izboljšanje splošne- ga upravljanja virov (RVJ, 2023).  Natančni roki: Sistemi APS strankam zagotavljajo točne datume z upoštevanjem različnih dejavni- kov, vključno s proizvodnimi zmogljivostmi, raz- položljivostjo materiala in prioritetami naročil. To pomaga pri upravljanju pričakovanj strank in za- gotavljanju pravočasne dostave (Siva, 2022).  Poenostavljeni proizvodni procesi: Sistemi APS poenostavijo proizvodne procese z optimizacijo proizvodnih urnikov. To vodi do povečane učin- kovitosti pri načrtovanju in razporejanju, časov ciklov ter izboljšanega dodeljevanja in uporabe virov (RVJ, 2023).  Izboljšano odločanje: Sistemi APS zagotavljajo m e - nedžerjem sprejemati odločitve na podlagi informa- cij. Z upoštevanjem dejavnikov, kot so proizvodne zmogljivosti, razpoložljivost materiala in napovedi povpraševanja, sistemi APS omogočajo boljše odlo- čanje pri načrtovanju proizvodnje (RVJ, 2023). 3 RaZISkOvalNI mODel 3.1 UTaUT V dobi digitalne transformacije sta sprejemanje in upo- raba tehnologije postala ključnega pomena za uspeh tako posameznikov kot organizacij. Razumevanje, zakaj nekatere tehnologije sprejmejo in uporabljajo, medtem ko druge ostajajo neizkoriščene, je ključnega pomena za oblikovanje učinkovitih strategij bodoče- ga uvajanja teh tehnologij. Razumevanje lahko izbolj- šamo s pomočjo sistematične analize modela enotne teorije sprejemanja in uporabe tehnologije (UTAUT). Model UTAUT se uporablja za napovedovanje in interpretacijo vedenjskih namenov in vedenja uporabnikov ne glede na tehnologijo (Venkatesh in drugi, 2003; Wu in drugi, 2022). Zanimiv je zato, ker njegovi dejavniki napovedujejo pripravljenost oziroma namen uporabe tehnologije (Wu in drugi, 2022). UTAUT omogoča vključitev dodatnih konte- kstualnih dejavnikov, ki lahko pomembno napove- dujejo sprejemanje in uporabo tehnologij (Venkatesh in drugi, 2012). Model je bil tako v preteklosti več- krat razširjen s strani več avtorjev, ki so ga aplicirali na specifične tehnologije. Mi smo se osredotočili na univerzalne napovednike namere uporabe iz origi- nalnega članka, pri čemer smo opustili moderatorske spremenljivke in dejavnik olajševalni pogoji po zgle- du Trkman (2023). V raziskavi smo tako privzeli sledeče univerzal- ne UTAUT napovednike namere uporabe: zaznana uspešnost, zaznan napor, družben vpliv – hipoteze H1-H3. Tem napovednikom smo dodali dva konte- kstualna napovednika, ki bi lahko pomembno pri- spevala k razumevanju namere uporabe APS. To sta zaskrbljenost in negotovost zaposlitve, ki ju obrazlo- žimo v nadaljevanju v H4 in H5. 3.2 Razvoj hipotez Študije so pokazale, da zaznana uspešnost neposre- dno vpliva na vedenjsko namero uporabe tehnolo- gije, vključno z mobilnimi zdravstvenimi storitvami, mobilno trgovino in aplikacijami za sledenje stikom (Commer in drugi, 2018; Saprikis in drugi, 2021; Shanmugam in drugi, 2022). Zaznana uspešnost je povezana tudi z enostavnostjo uporabe sistema. Štu- Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 50 2024 - πtevilka 2 - letnik XXXII dije so pokazale, da je pričakovana uspešnost pozi- tivno povezana z enostavno uporabo mobilnih zdra- vstvenih storitev in odprtih podatkovnih tehnologij (Chua in drugi, 2018; Liu in drugi, 2022). Zaznana uspešnost lahko pozitivno vpliva na odnos do spre- jemanja tehnologije. Študije so pokazale, da zaznana uspešnost in odnos do sprejemanja pozitivno vpli- vata na namero potrošnikov, da sprejmejo inovacijo (Saprikis in drugi, 2021). Iz tega sledi hipoteza: H1: Zaznana uspešnost pozitivno vpliva na na- mero uporabe aplikacije APS. Zaznan napor pomembno vpliva na namero po sprejetju nove tehnologije, vključno s tehnologijami e-uprave in mobilnega poslovanja (Commer in dru- gi, 2018; Naser Alraja in drugi, 2016). Zaznan napor se nanaša tudi na stopnjo enostavnosti, povezano z uporabo sistema. Študije so pokazale, da je pričako- vani napor pozitivno povezan s pričakovano učin- kovitostjo mobilnih zdravstvenih storitev in odprtih podatkovnih tehnologij (Shanmugam in drugi, 2022; Zuiderwijk in drugi, 2015). Iz tega sledi hipoteza: H2: Zaznan napor negativno vpliva na namero uporabe aplikacije APS. Družbeni vpliv lahko pozitivno vpliva na odnos do sprejemanja tehnologije. Študije so pokazale, da družbeni vpliv in odnos do sprejemanja pozitivno vplivata na namero potrošnikov, da sprejmejo ino- vacijo (Kulviwat in drugi, 2009) in tudi, da družbeni vpliv pozitivno vpliva na namero o uporabi različnih tehnologij, vključno s sistemi e-kampusa (Mohamad in drugi, 2021). Iz tega sledi hipoteza: H3: Družbeni vpliv pozitivno vpliva na namero uporabe aplikacije APS. Zaskrbljenost uporabnika se nanaša na njegovo te- snobo, bojazen, strah in nelagodje o morebitni uporabi nove tehnologije. Ta tesnoba lahko izvira iz pomanj- kanja poznavanja tehnologij in negotovosti reševanja napak. Zaskrbljenost je pomemben napovedovalec sprejemanja tehnologije, saj lahko negativno vpliva na integracijo in uporabo tehnologije (Adikoeswanto in drugi., 2022). Študija Dönmez-Turan & Kir (2019) ana- lizira 51 predhodnih študij, ki so proučevale razmerje med tesnobo uporabnikov in sprejemanjem tehnologi- je. Rezultati kažejo, da ima tesnoba uporabnikov po- memben negativen učinek na sprejemanje tehnologije, kar pomeni, da so višje stopnje tesnobe povezane z nižjimi stopnjami sprejemanja tehnologije. Uporabni- ki, ki doživljajo tesnobo, se morda ne bodo mogli v ce- loti vključiti v usposabljanje, kar ima negativne učinke na namero uporabe. Rezultati analize (Dönmez-Turan & Kir, 2019) kažejo na to, da ima zaskrbljenost upo- rabnikov pomemben negativen učinek na sprejemanje tehnologije, kar pomeni, da so višje stopnje zaskrblje- nosti povezane z nižjimi stopnjami sprejemanja tehno- logije. Iz tega sledi hipoteza: H4: Zaskrbljenost negativno vpliva na namero uporabe aplikacije APS. Ljudje v proizvodnji se v svojem profesionalnem življenju srečujejo s pritiski nadrejenih po večji pro- duktivnosti. Ob tem se lahko poveča občutek posa- meznika, da je njegova služba ogrožena. Te občutke v psihologiji karakterizirajo kot negotovost zaposli- tve (angl. job insecurity) (Vander Elst in drugi, 2014). Slika 1: Raziskovalni model Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji zazNaNa USPEŠNOST zazNaN NAPOR DRUŽBENI UPLIV NAMERA UPORABI ZASKRBLJENOST ZAPOSLITVE UPORABNA INFORMATIKA 51 2024 - πtevilka 2 - letnik XXXII Negotovost zaposlitve (angl. job insecurity scale) je tako stopnja zaznane negotovosti posameznika o iz- gubi trenutne službe (Vander Elst in drugih, 2014). Gre za subjektivno doživljanje, ki se razvije iz po- sameznikovega dojemanja in interpretacije dejan- skega delovnega okolja (enako okolje lahko drugače vpliva na različne zaposlene). Delovno okolje v pro- izvodnem podjetju se z robotizacijo in digitalizacijo spreminja, kar predstavlja stres zaposlenim. Ta stres lahko povzroči strah pred izgubo zaposlitve, ki se kaže kot odpor pred uporabo nove APS aplikacije (Wang in drugi, 2023). Iz tega sledi hipoteza: H5: Negotovost zaposlitve negativno vpliva na namero uporabe aplikacije APS. Raziskovalni model je predstavljen na Sliki 1. 4 empiRična RaZisKa v a 4.1 Opis izvedbe ankete in pridobljenega vzorca Za preverjanje raziskovalnih vprašanj je bila izvede- na spletna anketa pripravljena v orodju 1ka. Izvedbo je vodilo podjetje Result, slovenski ponudnik aplika- cije APS. Namen ankete je bilo bolje razumevanje ve- denja ciljnih uporabnikov aplikacije APS. Zbiranje podatkov je bilo opravljeno s pomočjo agencije Red Bumerang, ki je podjetju ponudila svoj spletni panel. Povezavo do ankete v orodju 1ka je agencija poslala po elektronski pošti več kot 6000 lju- dem v Sloveniji, ki so zaposleni v različnih proizvo- dnih podjetjih. Anketa je bila aktivna od 12. 5. do 24. 6. 2023. V tem času je na vsaj 60 % vprašanj odgovorilo 270 anketirancev, ki jih v nadaljevanju analiziramo. Med anketiranci so bili tako uporabniki digitalnih planskih tabel (15%) kot tisti, ki se z njimi še niso sre- čali (85%). V raziskavi je sodelovalo 74,1 % moških in 25,9 % žensk. Povprečna starost je bila 43,6 leta, vendar je največ respondentov v času ankete imelo 46 let. Naj- nižja starost respondenta je bila 24, najvišja pa 66 let. Kar 61,1 % respondentov ima prvo, 22,9 % drugo in 5,7 % tretjo stopnjo visokošolske izobrazbe. Preostalih 10,3 % jih je imelo srednjo šolo. Največ respondentov je zasedalo delovno mesto tehnologa oziroma planerja in sicer 27,9 % respondentov - to so torej tisti, ki so najbolj vpleteni v uporabo aplikacij APS. Prodajalcev izdelkov je bilo 24,8 %, vodij proizvodnje 18,5 %, na- bavnikov 10,4 %, tehničnih direktorjev 9,1 %, glavnih direktorjev 5,7 % in vodij informatike 3,6 %. 4.2 Spremenljivke Spremenljivke smo prevzeli iz različnih virov, kot kaže Tabela 1. Uporabljena je Likertova lestvica od 1 do 5. T abela 1: Spremenljivke Ref. latentna spremenljivka koda sprem. Spremenljivka (V enkatesh in drugi, 2003) zazNaNa USPEŠNOST zU1 Uporaba digitalne planske table bi mi olajšala delo. zU2 Zaradi uporabe digitalne planske table bi delo opravil hitreje. ZU3 Uporaba digitalne planske table bi povečala mojo produktivnost. zU4 Uporaba digitalne planske table bi povečala verjetnost za povišico. (V enkatesh in drugi, 2003) ZAZNAN NAPOR zN1 Moje interaktivno delo z digitalno plansko tablo bi bilo jasno in razumljivo. zN2 Zame bi bilo enostavno obvladati uporabo digitalne planske table. ZN3 Digitalna planska tabla bi se mi zdela preprosta za uporabo. zN4 Naučiti se, kako uporabljati digitalno plansko tablo, bi bilo zame enostavno. (V enkatesh in drugi, 2003) DRUŽBENI VPLIV DV1 Ljudje, ki vplivajo na moje vedenje, mislijo, da bi moral uporabljati digitalno plansko tablo. DV2 Meni pomembni ljudje menijo, da bi moral uporabljati digitalno plansko tablo. (V enkatesh in drugi, 2003) NAMERA UPORABE NU1 Ob predpostavki, da imam dostop do digitalne planske table, jo nameravam uporabiti v naslednjih 6 mesecih NU2 Glede na to, da imam dostop do digitalne planske table, predvidevam da jo bom uporabil v naslednjih 6 mesecih NU3 Predvidevam, da bi redno uporabljal digitalno plansko tablo, če bi imel dostop do nje NU4 V prihodnosti nameravam uporabljati digitalno plansko tablo Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 52 2024 - πtevilka 2 - letnik XXXII 5 ReZUlTaTI Zbrani podatki so bili analizirani s pomočjo struktur- nega modela PLS-SEM in sicer v programu SmartPLS 3. PLS-SEM je za našo raziskavo primeren, ker lahko oceni razmerja med latentnimi spremenljivkami (de- javniki), ki nas zanimajo (Hair Jr in drugi, 2021). 5.1 pLs-sem: ocena merskega modela Kakovost modela ocenjujemo na podlagi koefici- enta indikatorjev (angl. loadings) (Hair Jr in drugi, 2021, str. 186). Priporočena vrednost faktorja je nad 0,708 (Hair Jr in drugi, 2021). Iz Tabele 2 je razvidno, da imajo koeficienti indikatorja v naši raziskavi vsi ustrezno visoke vrednosti in so tako primerni za na- daljnjo analizo. T abela 2: Faktorji in intervali zaupanja 2,5 % in 97,5 % koda konstrukta. koda spremenljiv. koeficient indikatorja T-test P-vrednosti Spodnja meja – 2,5 % Zgornja meja – 97,5 % ZASKRBLJENOST z1 0,876 30,889 0,000 0,808 0,919 z2 0,870 33,519 0,000 0,814 0,936 Z3 0,894 30,101 0,000 0,819 0,936 z4 0,911 63,612 0,000 0,880 0,937 NEGOTOVOST ZAPOSLITVE Nz1 0,811 12,701 0,000 0,752 0,941 Nz2 0,904 14,852 0,000 0,827 0,951 NZ3 0,912 13,412 0,000 0,784 0,962 zazNaNa USPEŠNOST zU1 0,925 72,264 0,000 0,897 0,947 zU2 0,949 105,123 0,000 0,930 0,965 ZU3 0,913 49,338 0,000 0,871 0,943 ZAZNAN NAPOR zN1 0,786 17,006 0,000 0,681 0,862 zN2 0,897 45,043 0,000 0,852 0,930 ZN3 0,920 76,115 0,000 0,894 0,942 zN4 0,856 32,530 0,000 0,795 0,899 DRUŽBENI VPLIV DU1 0,938 47,115 0,000 0,887 0,964 DU2 0,954 96,611 0,000 0,933 0,972 NAMERA UPORABE NU1 0,860 31,761 0,000 0,799 0,906 NU2 0,803 20,565 0,000 0,715 0,872 NU3 0,871 43,111 0,000 0,827 0,906 NU4 0,831 26,034 0,000 0,758 0,881 Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji Ref. latentna spremenljivka koda sprem. Spremenljivka (V enkatesh in drugi, 2003) ZASKRBLJENOST z1 Strah me je uporabe digitalne planske table. z2 Strah me je ob misli, da bi lahko z uporabo digitalne planske table izgubil veliko informacij, če bi pritisnil napačno tipko. Z3 Oklevam z uporabo digitalne planske table, ker me je strah napak, ki jih ne bom mogel popraviti. z4 Digitalna planska tabla me straši. (V ander Elst in drugi, 2014) NEGOTOVOST ZAPOSLITVE NEG1 Obstaja verjetnost, da bom kmalu izgubil službo. NEG2 Prepričan sem, da lahko obdržim službo. NEG3 Negotovo se počutim o prihodnosti moje službe. NEG4 Mislim, da bom v bližnji prihodnosti izgubil službo. UPORABNA INFORMATIKA 53 2024 - πtevilka 2 - letnik XXXII Tabela 3 kaže rezultate HTMT, ki ocenijo veljavnost diskriminante. Rezultati naše raziskave kažejo, da so vse spremenljivke sprejemljive, saj se nobene izmed vrednosti ni večja od 0,85 (Hair Jr in drugi, 2021). Zanesljivost modela merimo s pomočjo Cronba- chove alfe, ki to oceni s primerjavo količine skupne variance (Collins, 2007). Vrednosti se gibajo med 0 in 1. Sprejemljiva je od 0,7 naprej, kar je pod 0,5, pa je nesprejemljivo (Saidi & Siew, 2019). V našem pri- meru se rezultati Cronbachove alfe (Tabela 4) gibajo med 0,883 in 0,921, kar je sprejemljivo. Pri evaluaciji modela je pomembna tudi zanesljivost notranje kon- sistence, ki pove, v kakšni meri določeni indikatorji merijo isti konstrukt (Hair Jr in drugi, 2021). Za to uporabimo CR (angl. composite reliability) in AVE (angl. average variance extracted). Vse vrednosti CR so nad 0,7 in vrednosti AVE nad 0,5, kar je sprejemlji- vo (Hair in drugi, 2012). 5.2 pLs-sem: ocena strukturnega modela Vrednosti koeficienta determinacije (angl. coefficient of determination; R2) višje od 0,25, 0,50 in 0,75, šteje- jo na šibko, zmerno in za znatno veliko pojasnjeval- no moč (Hair in drugi, 2011). Naš raziskovalni model T abela 3: Diskriminantna veljavnost – HTmT DRUŽ. vPlIv NeGOTOvOST Name. UPORa ZaSkRBljeNO. ZaZNaN NaPOR ZaZNa.USPeŠ. DRUŽBENI VPLIV 0,075 NAMERA UPORABE 0,349 0,187 ZASKRBLJENOST 0,114 0,396 0,364 ZAZNAN NAPOR 0,320 0,073 0,503 0,288 zazNaNa USPEŠNOST 0,484 0,036 0,587 0,246 0,645 pojasni 37 % variance namere uporabe, kar kaže na šibko pojasnjevalno moč. Nadalje smo ugotavljali, kateri napovedni dejav- nik je imel največji učinek na odvisno spremenljivko. Vrednosti f2 nad 0,02, 0,15 in 0,35 pomenijo majhen, srednji oziroma velik učinek (Hair in drugi, 2019). Tabela 5 kaže, da imata zaskrbljenost in zaznano uspešnost majhen učinek. T abela 4: merjenje zanesljivosti modela: Cronbachova alfa, rho_c, a ve Cronbachova alfa CR ave DRUŽBENI VPLIV 0,883 0,896 0,895 NEGOTOVOST 0,882 0,885 0,808 NAMERA UPORABE 0,865 0,883 0,709 ZASKRBLJENOST 0,911 0,925 0,788 ZAZNAN NAPOR 0,888 0,892 0,750 zazNaNa USPEŠNOST 0,921 0,930 o,863 T abela 4: vpliv posameznega konstrukta na namero uporabe – f2 NU DRUŽBENI VPLIV 0,012 NEGOTOVOST 0,015 NAMEN UPORABE ZASKRBLJENOST 0,037 ZAZNAN NAPOR 0,026 ZAZNANA USPEŠNOST 0,124 Nazadnje smo preverili hipoteze. Rezultati so predstavljeni v Tabeli 6. Slika 6.5 prikazuje rezultate statistične analize. Hipotezi, označeni z zeleno (H1 in H4), smo statistično potrdili, rdečih pa ne (H2, H3, H5). Rezultate smo grafično ponazorili v Sliki 2, medtem ko jih diskutiramo v naslednjem poglavju. 6 DISkUSIja Glede na rezultate analize lahko potrdimo H1 (p = 0,000), saj zaznana uspešnost pozitivno in statistično značilno vpliva na namero uporabe APS. To je v skla- du z rezultati raziskave o nameri uporabe platforme spletnega učenja, ki je bila izvedena leta 2019 s strani Chen in drugih (2021). Analizirali so dokaj podobno tehnologijo – spletno aplikacijo, ki jo uporabnik upo- rablja z namenom olajšanja dokončanja neke naloge. Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 54 2024 - πtevilka 2 - letnik XXXII T abela 6: vplivi izbranega konstrukta na namero uporabe kODa koeficient T-test P-vrednost Sp. m. – 2,5 %. Zg. m. – 97,5 % H3 DRUŽBENI VPLIV - NAMERA UPORABE 0,098 1,733 0,083 –0,010 0,213 H5 NEGOTOVOST - NAMERA UPORABE –0,102 1,892 0,059 –0,214 –0,004 H4 ZASKRBLJENOST - NAMERA UPORABE –0,170 3,029 0,002 –0,282 –0,062 H2 ZAZNAN NAPOR - NAMERA UPORABE 0,159 1,850 0,064 0,003 0,340 H1 ZAZNANA USPEŠ. - NAMERA UPORABE 0,368 3,939 0,000 1,172 0,536 Slika 2: Rezultat analize PlS-Sem Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 55 2024 - πtevilka 2 - letnik XXXII Zaznana uspešnost je najpomembnejši dejavnik, ki vpliva na namero uporabe. Hipoteze H2 o vplivu zaznanega napora na name- ro uporabe APS nismo potrdili. Podobno je bilo ugo- tovljeno v študiji Ramírez-Correa in drugih (2023), kjer so preučevali uporabo neke podobne tehnologije med starejšimi. Večina vprašanih v naši anketi je bila prav tako starejših, kar lahko pojasni naš statistično neznačilen rezultat. Hipoteze H3 o vplivu družbenega vpliva na na- mero uporabe APS tudi nismo potrdili. Razlog za tak rezultat je lahko v vzorcu, ki je bil po večini sesta- vljen iz moških. Raziskave so namreč ugotovile, da je družbeni vpliv bolj izstopajoč pri ženskah (Tsourela & Roumeliotis, 2015). Vpliv na ta rezultat ima mo- goče tudi izkušenost sodelujočih z ostalimi vrstami tehnologije. Namreč, v naši raziskavi ima največ so- delujočih fakultetno izobrazbo. Lahko sklepamo, da prihajajo iz družbe, ki se ne boji učenja in usvajanja novih veščin. Študija Vannoy & Palvia (2010) je poka- zala, da na začetnike pri uporabi tehnologije družbe- ni vpliv bolj vpliva, medtem ko se izkušeni uporab- niki morda bolj zanašajo na lastno mnenje. Hipotezo H4 (p = 0,002) potrdimo. Zaskrbljenost negativno vpliva na namero uporabe APS in njen vpliv je statistično značilen. To je v skladu s pričako- vanji glede na raziskavo Dönmez-Turan & Kir (2019), ki je zaskrbljenost dodala kot nov dejavnik v modelu TAM in katere rezultati so pokazali srednje močan vpliv zaznanega napora in zaskrbljenosti. Podobna študija je bila izvedena s strani Crespo-Martínez in drugih (2023), ki je pokazala, da stopnja računalniške tesnobe lahko vpliva na odnos in vedenjske namene uporabnikov v kontekstu uporabe sistema ERP . Hipotezo H5 nismo potrdili. Negotovost zaposlitve nima statistično značilnega vpliva na namero uporabe APS. Razlog za to je lahko stopnja izobrazbe. Raziska- va Muñoz De Bustillo & De Pedraza (2010) kaže, da se negotovost zaposlitve zmanjšuje s šolanjem, kar kaže, da so lahko višje stopnje izobrazbe povezane z manjšo negotovostjo zaposlitve. Drugi razlog bi lahko bil ta, da je bilo v času raziskave na trgu dela v Sloveniji ve- liko povpraševanja po delovni sili. 7 ZaKLjUčeK Rezultati naše raziskave imajo praktičen doprinos, saj lahko pomagajo vsem podjetjem, ki se želijo bo- lje razumeti kaj pozitivno in kaj negativno vpliva na privzemanje aplikacije APS med ciljnimi uporabniki. Ugotovitve namreč kažejo, da je ključno poskrbeti za dvig percepcije zaposlenega o njegovi osebni delovni uspešnosti ob uporabi nove aplikacije in za zmanj- šanje njegove morebitne tesnobe, bojazni, strahu in nelagodja zaradi vpeljave nove tehnologije. Teoretičen doprinos raziskave je evalvacija vpli- va univerzalnih UTAT dejavnikov tehnologije APS in razširitev njenega modela z novimi dejavniki. Raziskava je preverila vplive dejavnikov na name- ro uporabe aplikacije za napredno planiranje in ter- miniranje v Sloveniji. V ta namen je bila izvedena spletna anketa, ki je bila posredovana zaposlenim v proizvodnih podjetjih na različnih delovnih mestih. Odgovorili smo na raziskovalni vprašanji. Prvo se glasi: Katere univerzalni UTAUT dejavniki vplivajo na namero uporabe APS? V analizi smo ugotovili, da zaznana uspešnost vpliva statistično značilno na namero uporabe APS, medtem ko zaznan napor in družbeni vpliv pa ne. Drugo raziskovalno vprašanje se glasi: Ali zaskr- bljenost in negotovost zaposlitve pri prevzemanju tovrstnih aplikacij relevantno vplivata na namero uporabe APS? S pomočjo empirične raziskave smo pridobili odgovor, da zaskrbljenost statistično zna- čilno vpliva na namero uporabe APS. Za negotovost zaposlitve pa tega ne moremo trditi. Raziskava ima nekaj omejitev. Bilo je povabljenih 6000 ljudi zaposlenih na delovnih mestih v proizvo- dnih podjetjih lociranih izključno v Sloveniji. Izve- dli smo spletno raziskavo in spletna izvedba ankete ima to slabost, da se osredotoča izključno na ljudi, ki so pogosto na internetu in so tako bolj naklonjeni uporabi novih tehnologij. Tako smo morebiti zgrešili segment potencialnih uporabnikov APS, ki interneta v službi ne uporabljajo in zato niso bili povabljeni k sodelovanju v anketi. Prihodnost sistemov APS sistemov bodo obliko- vali napredek v tehnologiji, analitika velikih podat- kov in računalništvo v oblaku. Te tehnologije bodo sistemom APS omogočile zbiranje in analizo podat- kov iz širšega nabora virov, kar bo zagotovilo celo- vitejši in natančnejši vpogled v proizvodne operaci- je (Khan, 2022). Uporaba teh tehnologij bo mogoče spodbudila drugačne strahove ali zadržke pri upo- rabi, kar je priložnost za nadaljnja raziskovalna dela. ZaHvala Raziskovalno delo soavtorice Marine Trkman je fi- nancirala Agencija za raziskovalno dejavnost Repu- Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 56 2024 - πtevilka 2 - letnik XXXII blike Slovenije (ARIS) v okviru raziskovalnega pro- jekta J7-50185. Omenjena soavtorica deluje v okviru programske skupine P5-0399. lITeRa TURa [1] Adikoeswanto, D., Eliyana, A., Syamsudin, N., Budiyanto, S., Arief, Z., & Anwar, A. (2022). The mediation role of adoption readiness on perceived anxiety and attitude toward using da- tabase management system at correctional institutions. He- liyon, 8(8). https://doi.org/10.1016/j.heliyon.2022.e10027 [2] Chen, M., Wang, X., Wang, J., Zuo, C., Tian, J., & Cui, Y. (2021). Factors Affecting College Students’ Continuous In- tention to Use Online Course Platform. SN Computer Scien- ce, 2(2). https://doi.org/10.1007/s42979-021-00498-8 [3] Chua, P. Y., Rezaei, S., Gu, M. L., Oh, Y. M., & Jambulingam, M. (2018). Elucidating social networking apps decisions: Per- formance expectancy, effort expectancy and social influence. Nankai Business Review International, 9(2), 118–142. https:// doi.org/10.1108/NBRI-01-2017-0003 [3] Collins, L. M. (2007). Research Design and Methods. V J. E. Birren (Ur.), Encyclopedia of Gerontology (Second Edi- tion) (str. 433–442). Elsevier. https://doi.org/https://doi. org/10.1016/B0-12-370870-2/00162-1 [4] Commer, P. J., Sci, S., Sair, S. A., & Danish, R. Q. (2018). Effect of Performance Expectancy and Effort Expectancy on the Mobile Commerce Adoption Intention through Personal Innovativeness among Pakistani Consumers. V Pakistan Jo- urnal of Commerce and Social Sciences (Let. 12, Številka 2). [5] Crespo-Martínez, E., Astudillo-Rodríguez, C., Chica-Contre- ras, G., & Vásquez-Aguilera, A. (2023). Technology Acceptan- ce Model of ERP software in Small Business: A Systematic Literature review. Enfoque UTE, 14(1), 46–61. https://doi.org/ https://doi.org/10.29019/enfoqueute.884 [6] Dönmez-Turan, A., & Kir, M. (2019). User anxiety as an external variable of technology acceptance model: A meta- -analytic study. Procedia Computer Science, 158, 715–724. https://doi.org/10.1016/j.procs.2019.09.107 [7] Fleischmann, B., Meyr, H., & Wagner, M. (2008). Advanced Planning. V H. Stadtler & C. Kilger (Ur.), Supply chain mana- gement and advanced planning (Fourth edition): Concepts, models, software, and case studies (4. izd., str. 81–106). Springer. https://doi.org/10.1007/978-3-540-74512-9 [8] Gander, P. (2023). The Manufacturing Evolution from Industry 1.0 to industry 5.0. https://www.assuredpartners.com/blogs/ manufacturing/2023/the-manufacturing-evolution-from-in- dustry-1-to-industry-5/ [9] Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis. Cengage. https://books.google.si/ books?id=0R9ZswEACAAJ [10] Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: In- deed a silver bullet. Journal of Marketing Theory and Practice, 19(2), 139–152. https://doi.org/10.2753/MTP1069-6679190202 [11] Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use of partial least squares structu- ral equation modeling in marketing research. Journal of the Academy of Marketing Science, 40(3), 414–433. https://doi. org/10.1007/s11747-011-0261-6 [12] Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., & Ray, S. (2021). Classroom Companion: Business Par- tial Least Squares Structural Equation Modeling (PLS-SEM) Using R A Workbook (3rd izd.). Springer. [13] Hvolby, H. H., & Steger-Jensen, K. (2010). Technical and in- dustrial issues of Advanced Planning and Scheduling (APS) systems. Computers in Industry, 61(9), 845–851. https://doi. org/10.1016/j.compind.2010.07.009 [14] Jenkins, A. (2022, avgust 23). What Is Production Planning & Why Is It Important? https://www.netsuite.com/portal/re- source/articles/inventory-management/production-planning. shtml#:~:text=Production%20planning%20helps%20com- panies%20build,adjust%20operations%20when%20pro- blems%20occur. [15] Kenton, W. (2022). Manufacturing: Definition, Types, Exam- ples, and Use as Indicator. https://www.investopedia.com/ terms/m/manufacturing.asp [16] Khan, J. (2022, september 13). The evolution and future of Advanced Planning and Scheduling (APS) systems. https:// blogs.sap.com/2022/09/13/the-evolution-and-future-of-ad- vanced-planning-and-scheduling-aps-systems/ [17] Kulviwat, S., Bruner, G. C., & Al-Shuridah, O. (2009). The role of social influence on adoption of high tech innovations: The moderating effect of public/private consumption. Journal of Business Research, 62(7), 706–712. https://doi.org/10.1016/j. jbusres.2007.04.014 [18] Liu, Y., Lu, X., Zhao, G., Li, C., & Shi, J. (2022). Adoption of mobile health services using the unified theory of acceptance and use of technology model: Self-efficacy and privacy con- cerns. Frontiers in Psychology, 13. https://doi.org/10.3389/ fpsyg.2022.944976 [19] Mohamad, Z. B., Kamarozaman, Z. B., Kassim, M. F. R. B., & Razak, F. Z. A. (2021). Does social influence affect continu- ance intention to use e-campus? A Study in Malaysian priva- te higher institution. Journal of Physics: Conference Series, 1793(1). https://doi.org/10.1088/1742-6596/1793/1/012008 [20] Muñoz De Bustillo, R., & De Pedraza, P. (2010). Determinants of Job Insecurity in 5 European Countries. [21] Naser Alraja, M., Hammami, S., Chikhi, B., & Fekir, S. (2016). International Review of Management and Marketing The In- fluence of Effort and Performance Expectancy on Employe- es to Adopt E-government: Evidence from Oman. Internati- onal Review of Management and Marketing, 6(4), 930–934. http:www.econjournals.com [22] Ramírez-Correa, P., Grandón, E. E., Ramírez-Santana, M., Arenas-Gaitán, J., & Rondán-Cataluña, F. J. (2023). Explai- ning the Consumption Technology Acceptance in the Elderly Post-Pandemic: Effort Expectancy Does Not Matter. Behavi- oral Sciences, 13(2). https://doi.org/10.3390/bs13020087 [23] RVJ. (2023, maj 24). The Benefits of Implementing Advanced Planning and Scheduling (APS) Systems. https://www.deske- ra.com/blog/advanced-production-planning/ [24] Saidi, S. S., & Siew, N. M. (2019). Investigating the Validity and Reliability of Survey Attitude towards Statistics Instru- ment among Rural Secondary School Students. International Journal of Educational Methodology, 5(4), 651–661. https:// doi.org/10.12973/ijem.5.4.651 [25] Saprikis, V., Avlogiaris, G., & Katarachia, A. (2021). Determi- nants of the intention to adopt mobile augmented reality apps in shopping malls among university students. Journal of The- oretical and Applied Electronic Commerce Research, 16(3), 491–512. https://doi.org/10.3390/jtaer16030030 [26] Shanmugam, B., Rabiah, A., Grima, S., Mensah, I. K., & Zeng, G. (2022). The behavioral intention to adopt mobile health ser- vices: The moderating impact of mobile self-efficacy. https:// doi.org/10.3389/fpubh.2022.1020474 [27] Siva, A. (2022, november 15). Why an APS Solution is Key to Meeting Manufacturing Demands. https://www.g2.com/ articles/aps [28] Steger-Jensen, K., Hvolby, H. H., Nielsen, P., & Nielsen, I. (2011). Advanced planning and scheduling technology. Pro- Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji UPORABNA INFORMATIKA 57 2024 - πtevilka 2 - letnik XXXII duction Planning and Control, 22(8), 800–808. https://doi.org/ 10.1080/09537287.2010.543563 [29] Trkman, M., Popovič, A., & Trkman, P. (2023). The roles of privacy concerns and trust in voluntary use of governmental proximity tracing applications. Government Information Quar- terly, 40(1). https://doi.org/10.1016/j.giq.2022.101787 [30] Tsourela, M., & Roumeliotis, M. (2015). The moderating role of technology readiness, gender, and sex in consumer acceptance and actual use of Technology-based services. The Journal of High Technology Management Research, 26(2), 124–136. https://doi.org/https://doi.org/10.1016/j.hi- tech.2015.09.003 [31] ander Elst, T., De Witte, H., & De Cuyper, N. (2014). The Job Insecurity Scale: A psychometric evaluation across five Euro- pean countries. European Journal of Work and Organizational Psychology, 23(3), 364–380. https://doi.org/10.1080/135943 2X.2012.745989 [32] Vannoy, S. A., & Palvia, P. (2010). The Social Influence Model of Technology Adoption. Communications of the ACM, 53(6), 149–153. https://doi.org/10.1145/nnnnnn.nnnnnn [33] Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. V Quarterly (Let. 27, Številka 3). [34] Venkatesh, V., Thong, J. Y. L., & Xu, X. (2016). Unified The- ory of Acceptance and Use of Technology: A Synthe- sis and the Road Ahead. J ournal. http://ais.site-ym. com/?SeniorScholarBasket [35] Venkatesh, V., Thong, J. Y. L., Xu, X., & Walton, S. M. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Te- chnology Quarterly Consumer Acceptance and Use of Infor- mation Technology: Extending the Unified Theory of Accep- tance and Use of Technology1. V Source: MIS Quarterly (Let. 36, Številka 1). [36] Wang, P. X., Kim, S., & Kim, M. (2023). Robot anthropo- morphism and job insecurity: The role of social comparison. Journal of Business Research, 164. https://doi.org/10.1016/j. jbusres.2023.114003 [37] Wu, W., Zhang, B., Li, S., & Liu, H. (2022). Exploring Fac- tors of the Willingness to Accept AI-Assisted Learning Envi- ronments: An Empirical Investigation Based on the UTAUT Model and Perceived Risk Theory. Frontiers in Psychology, 13. https://doi.org/10.3389/fpsyg.2022.870777 [38] Zuiderwijk, A., Janssen, M., & Dwivedi, Y. K. (2015). Accep- tance and use predictors of open data technologies: Drawing upon the unified theory of acceptance and use of technology. Government Information Quarterly, 32(4), 429–440. https:// doi.org/10.1016/j.giq.2015.09.005  Nika kalan je magistrica družboslovne informatike na Fakulteti za družbene vede Univerzi v Ljubljani. Magistrirala je z delom Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje proizvodnje. Zaposlena je v Result-u, kjer deluje na področju digitalizacije in optimi - zacije proizvodnje ter podatkovni arhitekturi.  Doc. dr. marina Trkman poučuje informatiko na Fakulteti za upravo Univerzi v Ljubljani. Raziskovalno se ukvarja: 1) s preiskovanjem dejavnikov , ki vplivajo na privzemanje informacijsko komunikacijskih tehnologij in 2) z analizranjem poslovnih procesov za optimizacijo poslovanja. Kot prvi avtor je objavila članke v prestižnih revijah kot sta International journal of information management in pa Government information quarterly . Nika Kalan, Marina Trkman: Dejavniki vpliva na prevzemanje aplikacij za napredno planiranje in terminiranje v proizvodnji