دانلود مقاله ISI انگلیسی شماره 85627
ترجمه فارسی عنوان مقاله

رویکرد میانگین وزن فازی برای انتخاب نمونه کارها از پروژه های جدید توسعه محصول

عنوان انگلیسی
A fuzzy weighted average approach for selecting portfolio of new product development projects
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
85627 2017 27 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Neurocomputing, Volume 231, 29 March 2017, Pages 19-27

ترجمه کلمات کلیدی
منطق فازی، شبکه های عصبی، سیستم عصبی فازی، تصمیم گیری چند معیاره، نمایش محصول جدید،
کلمات کلیدی انگلیسی
Fuzzy logic; Neural networks; Fuzzy neural system; Multi-criteria decision making; New product screening;
ترجمه چکیده
انتخاب نمونه جدید محصول یک مسئله تصمیم گیری چند معیاره شامل هر دو معیار کیفی و کمی است. تعیین دقیق مقادیر این معیارها اغلب دشوار یا حتی غیرممکن است با توجه به عدم قطعیت و پیچیدگی مرتبط با پروژه های جدید توسعه محصول. برای کمک به مدیران در تصمیم گیری انتخاب نمونه کارها، این مطالعه پیشنهاد می کند که مدل انتخاب جدید نمونه پروژه ای که با استفاده از روش میانگین وزن فازی برای رتبه بندی پروژه های جدید و شبکه های عصبی مصنوعی برای برآورد عملکرد پروژه استفاده می شود، پیشنهاد شده است. پروژه های جدید توسعه محصول با توجه به معیارهای مرتبط با بازاریابی، تیم پروژه، عملکرد پروژه، ریسک و استراتژی ارزیابی می شود. استفاده از شبکه های عصبی امکان ارزیابی دقیق تر معیارهای عملکرد پروژه را فراهم می کند و اطلاعات بیشتری را در انتخاب نمونه کارها فراهم می آورد. مطالعه موردی ارزیابی پروژه های جدید محصول، نشان دهنده سودمندی روش پیشنهادی است.
پیش نمایش مقاله
پیش نمایش مقاله  رویکرد میانگین وزن فازی برای انتخاب نمونه کارها از پروژه های جدید توسعه محصول

چکیده انگلیسی

New product portfolio selection is a multi-criteria decision making problem including both qualitative and quantitative criteria. Determining the exact values for these criteria is often difficult or even impossible taking into account uncertainty and complexity associated with new product development projects. To assist managers in making portfolio selection decisions, this study proposes a new project portfolio selection model that uses a fuzzy weighted average approach for ranking new product projects and artificial neural networks for estimating project performance. New product development projects are evaluated according to criteria related to marketing, project team, project performance, risk, and strategy. The use of neural networks enables more precise evaluation of project performance criteria and provides additional information in portfolio selection. A case study of the evaluation of new product projects illustrates the usefulness of the proposed approach.