استفاده ازاعداد فازی ذوزنقه ای در انتخاب بهینه ترین روش پیش بینی تکنولوژی در توسعه مواداولیه جدید مورد مطالعه:شرکت فولاد اکسین خوزستان
محل انتشار: کنفرانس بین المللی مدیریت و حسابداری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 696
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MANAGECONF01_291
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
تکنولوژی نیروی محرکه توسعه سازمانی و ملی است و باید از دو بعد سخت افزاری و دانش فنی مورد بررسی قرار گیرد . برای آنکه کشوری صرفا وارد کننده نباشد نیاز به پیش بینی تکنولوژی دارد .مواد جدید به عنوان محرک های کلیدی برای رشد وسودآوری موسسات در محیط های امروزی تشخیص داده شده اند. مواد طبیعی به دلایلی از جمله هزینه زیاد و کیفیت پایین باید کنار گذاشته شوند و مواد مصنوعی و جدید را باید جایگزین کنیم . برای اینکه بتوان مواد جدید را جایگزین مواد فعلیکنیم باید از روش های پیش بینی تکنولوژی استفاده کنیم) چنگ و همکاران، 8002 (. امروزه اکثر صنایع برای جایگزینکردن مواد جدید به طور دقیق نمی دانند کدام روش پیش بینی تکنولوژی موثرتر است. در این مقاله سعی شده است با ارائه روشAHP فازی با اعداد ذوزنقه ای، که از داده های غیر قطعی استفاده می کند رتبه بندی دقیقی صورت گیرد. بر این اساس در این تحقیق هفت معیار ارزیابی و پنج روش پیش بینی تکنولوژی مورد بررسی قرار می گیرند و با استفاده از نظرات کارشناسان شرکت فولاد اکسین خوزستان اطلاعات لازم جمع آوری شده است که با استفاده از روشAHP فازی با اعدادذوزنقه ای، روش دلفی به عنوان روش موثر در جهت توسعه مواد جدید انتخاب شده است
کلیدواژه ها:
نویسندگان
کیوان دشت بزرگی
مدرس مدعوگروه مدیریت، دانشگاه پیام نور، واحد اهواز، دانشکده علوم انسانی، اهواز، ایران
کریم جعفری
دانشجوی دکتری مدیریت صنعتی،گرایش تولید،دانشگاه آزاد اسلامی واحد مسجد سلیمان
عبداله صفری
کارشناس ارشدمدیریت صنعتی، دانشگاه آزاد اسلامی، واحد شیراز، دانشکده مدیریت، شیراز، ایران
میلاد خجسته
کارشناسی ارشدمدیریت دولتی،دانشگاه آزاد اسلامی، واحد علوم و تحقیقات اصفهان. دانشکده تحصیلات تکمیلی،اصفهان،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :