طراحی مدل بهینه برون سپاری تحقیقات صنعتی دفاعی طبقه بندی شده با رویکرد ترکیبی تصمیم گیری چندمعیاره و برنامه ریزی ریاضی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
این پژوهش با هدف ارائه مدل بهینه جهت برون سپاری پروژه های تحقیقات صنعتی دفاعی دارای طبقه بندی به بررسی موانع موجود در استفاده از ظرفیت های خارج سازمان پرداخته است. هدف اصلی، ارائه راهکاری برای حل این موانع و بهره گیری بهینه از ظرفیت هاست. در این راستا، سطح محدودیت ازجمله طبقه بندی اطلاعات به عنوان یک عامل کلیدی در حفظ امنیت و محرمانگی داده ها در نظر گرفته می شود. این عوامل می تواند منجر به محدودیت در گردش اطلاعات، کاهش کارایی پروژه ها و ایجاد چالش در همکاری های علمی و صنعتی با خبرگان علمی و صنعتی شود.این پژوهش با استفاده از یک مدل سه سطحی با ترکیب روش های تصمیم گیری تحلیل شبکه (ANP)، روش (FMEA) شناسایی و کنترل ریسک محرمانگی و مدل ریاضی تخصیص به دنبال برون سپاری ایمن بخش ها به خارج از سازمان می باشد. یافته های این پژوهش نشان می دهد که با استفاده از این روش بهبود قابل توجهی در حفظ امنیت و در عین حال افزایش بهره وری فراهم کرده است. نتایج پژوهش نشان می دهد که از میان 7 معیار اصلی محرمانگی در پروژه های دفاعی، سطح کلان و عناصر حیاتی در رتبه های اول و دوم با وزن های 0.33 و 0.19 قرار دارند.یکی دیگر از نتایج مهم این تحقیق ارائه مدل تخصیص چند هدفه جهت یافتن نقطه تعادل میان هزینه برون سپاری و ریسک محرمانگی پروژه هاست که امکان استفاده بهینه از ظرفیت های خارج سازمان را به درستی بهبود می بخشد. این رویکرد نه تنها امنیت اطلاعات حساس را تضمین می کند، بلکه زمینه ساز همکاری گسترده با ظرفیت عظیم کشور در راستای منافع ملی است.Designing an Optimal Outsourcing Model for Classified Defense Industrial Research Projects: A Hybrid Multi-Criteria Decision-Making and Mathematical Programming Approach
This study presents an advanced optimization model for the secure outsourcing of classified defense industrial research projects, with a particular focus on overcoming barriers to leveraging external organizational capacities. The core objective is to propose a rigorous solution that maximizes the effective use of external resources while safeguarding sensitive information. Information classification is recognized as a critical determinant of data security and confidentiality. Nevertheless, stringent classification protocols may impede information flow, reduce project efficiency, and complicate collaboration with scientific and industrial experts.To address these challenges, the research adopts a three-tiered hybrid methodology: (1) the Analytic Network Process (ANP) for comprehensive decision analysis, (2) Failure Mode and Effects Analysis (FMEA) for systematically identifying and managing confidentiality risks, and (3) mathematical allocation modeling to ensure secure and efficient outsourcing. The findings demonstrate marked improvements in both the preservation of security and the enhancement of operational efficiency. Among seven primary confidentiality criteria in defense projects, "macro-level security" (weight: 0.33) and "critical elements" (weight: 0.19) emerged as the highest priorities. The principal contribution of this work is the development of a multi-objective allocation model that rigorously balances outsourcing costs with confidentiality risks, thereby enabling optimized use of external capacities without compromising security. This framework not only ensures the protection of sensitive information but also promotes broader collaboration with national industrial and academic experts, advancing the interests of national defense. Ultimately, the proposed model provides policymakers with a robust, practical decision-making tool for secure outsourcing that aligns operational efficiency with stringent security imperatives.
تبلیغات
