محمد غفورنیان

شرکت ها برای رشد و باقی ماندن در عرصه رقابت ناچار به نوآوری و توسعه محصولات جدید هستند، اما نوآوری و فرآیند توسعه محصول، پرریسک و هزینه بر است. از طرفی اکثر محققین برای بررسی توسعه محصول، عوامل مؤثر بر آن را ایستا در نظر گرفته و به پویایی بین این عوامل توجه ننموده اند. از آنجایی که نحوه ارتباط بین عوامل مؤثر بر موفقیت توسعه محصول جدید دارای پویایی ها و بازخوردهای فراوانی است. ابزار پویایی شناسی سیستم ها، ابزار مناسبی است که از آن می توان برای تجزیه وتحلیل در این حوزه استفاده کرد. در این تحقیق در جهت شناسایی و تحلیل پویایی های عوامل مؤثر بر موفقیت توسعه محصول جدید، بر اساس پیشینه نظری و نظرات خبرگان صنعت، متغیرهای کلیدی در حوزه توسعه محصول جدید شناسایی و روابط علت و معلولی میان این متغیرها ترسیم شده است. سپس روابط ریاضی میان این متغیرها بر اساس روابط موجود در پیشینه تعیین و بر این اساس سیستم مورد نظر، در شرکت صنایع غذایی نوشین آذر در بازه زمانی سال های 1384 الی 1404 شبیهسازی شده است. جهت بهبود عملکرد شرکت سیاستهای افزایش حمایت مدیریت، سرمایه گذاری بیشتر در بخش تحقیق و توسعه و افزایش و بهبود برنامه ریزی توسعه محصول پیشنهاد و نتیجه حاصل از اجرای این سیاستها شبیه سازی شده است.

در این پژوهش بااستفاده از تفکر سیستم های پویا به مدل سازی ریاضی سیستم زنجیره تأمین ارتباط ثابت در شرکت مخابرات ایران پرداخته ایم و بدین منظور از اطلاعات موجود و مستند شرکت مخابرات ایران از سال 1384 تا 1391 و نتایج شبیه سازی مدل پویایی های سیستم تا سال 1404 استفاده کرده ایم. برای تجزیه و تحلیل و تعیین ماهیت سیستم، از مفهوم مدل سازی ریاضی سیستم های پویا استفاده کردیم. نتایج مدل سازی نشان می دهد که سیستم مورد پژوهش کنترل پذیر و مشاهده پذیر است؛ یعنی ورودی های سیستم، متغیرهای حالت سیستم را کنترل می کنند و هریک از متغیرهای حالت بر برخی از خروجی های سیستم تأثیر می گذارند و باتوجه به داده های شبیه سازی سیستم پایدار است. Abstract In construction project management, success in the controlling of projects’ final cost .Also duration is a critical issue that can help managers. The main purpose of the management of construction projects is to ensure that the projects can be performed according to the defined budget. Cost and duration overrun may lead to profits cut and sometimes even can cause project failure. To solve this problem, this study employs the earned value technique and the neural networks to form models EAC-ANN and EAC (t) -ANN for final cost and duration prediction. For input variables in neural network, two sets of variables have been employed, including the earned values variables and composite ones. Composite variables also include the earned value variables and environmental ones. Then the performance of the earned value techniques in predicting final cost and duration is considered. Moreover, the influence of each data set in neural network models on the cost and duration prediction performance is compared separately to yield a better model. The results show that the neural networks outperform earned value management technique. Furthermore, using a neural network based on the composite data can lead to better performance than the one based on the earned value data. Keywords: Estimate at Completion; Earned Value Management; Neural Networks; Earned Value variables; Environmental Variables.