شناسایی و بررسی عوامل کلیدی مؤثر بر رصد تکنولوژی‌های پیشرفته آینده در مراکز طراحی هوافضا

نوع مقاله: مقاله علمی- پژوهشی

نویسندگان

1 استادیار گروه مدیریت صنعتی، دانشگاه آزاد اسلامی واحد کرج

2 دانشجوی کارشناسی ارشد، گروه مدیریت تکنولوژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

چکیده

درحال حاضر اکثر مؤسسات موفق در کشورهای توسعـــه یافته از رصد تکنولوژی به عنوان یک ابزار قدرتمند برای کسب آگاهی بیشتر از محیط استفاده می‌کنند. از این رو در مرکز طراحی هوافضا نیز، می‌توان رصد تکنولوژی‌های پیشرفته را به عنوان عؤامل نوآورانه مؤثر بر هم‌آفرینی محصولات دانست. در پژوهش حاضر، نسبت به شناسایی و رتبه‌بندی عوامل موثر بررصد تکنولوژی های پیشرفته در مرکز طراحی هوافضا پرداخته شده است.در این راستا با توجه به مرور ادبیات پژوهش و گردآوری نظرات خبرگان حوزه تکنولوژی در مرکز طراحی هوافضا از طریق ابزار پرسشنامه ومصاحبه و با استفاده از مدلسازی معادلات ساختاری توسط نرم افزار SMART-PLS، عوامل و شاخص‌های مؤثر بر رصد تکنولوژی محصولات در دو عامل داخلی که دارای دو مولفه هوشمندی تکنولوژیک و هوشمندی استراتژیک می باشد و نیز عامل خارجی که دارای دو مولفه هوشمندی سازمانی، ارتباطات و انتشار اطلاعات می باشد، شناسایی گردید. نتایج حاصل از معادلات ساختاری حاکی از آن است که 30 شاخص بر رصد تکنولوژی های پیشرفته در مرکز طراحی هوافضا تاثیر گذار است و مدل پژوهش با دسته بندی این شاخص ها در دو عامل و چهار مولفه، با برازش قوی مورد تایید قرار گرفت. همچنین نتایج حاصل از ANP نشان‌دهنده آن است که هوشمندی تکنولوژیک در اولویت بالاتری نسبت به مولفه های دیگر می باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Identifying and studying the key factors affecting scouting the future high technologies in aerospace design centers

نویسندگان [English]

  • abbas khamseh 1
  • Alireza Behroozi 2
1 Faculty of Islamic Azad University
2 Olom & Taghighat Univercity
چکیده [English]

Currently, most successful institutions in the developed countries use the technology scouting as a powerful tool for getting more information about the environment. Therefore, scouting the high technologies can be seen as the innovative factors affecting the product co-creation in the aerospace design center as well. Identification and ranking of the factors effective on the high technologies scouting in the aerospace design center have been addressed in this research. Factors and indicators affecting the technology scouting of products in two internal factors, including two components of the technological intelligence and the strategic intelligence, and one external factor including two components of the organizational intelligence, and the information communication and dissemination, were identified in this regard, considering the literature review and collecting the views of experts in the field of technology in the aerospace design center, through the questionnaire and interviewing tool and using the structural equation modeling by SMART-PLS software. Results of the structural equations indicate that 30 indicators affect the high technologies scouting in the aerospace design center, and the research model was approved by categorizing these indicators in two factors and four components, with the strong fit. Also, the results of the ANP indicate that the technological intelligence is in a higher priority than other components.

کلیدواژه‌ها [English]

  • Technology scouting
  • high technology
  • Aerospace Design Center
  • Smart Pls
  • ANP
  • آذر، عادل. غلامزاده، رسول. و قنواتی، مهدی. (1391). مدلسازی ساختاری- مسیری در مدیریت: کاربرد نرم افزار Smart PLS، تهران: انتشارات نگاه دانش.
  • امین‌نژاد، فریبرز. گلرومفرد، محسن. و جباری، محمدرضا. (1394). تدوین متدولوژی رصد فناوری در حوزه صنایع هوایی با مطالعه تطبیقی شرکت‌هایTech High ، کنفرانس بین المللی پژوهش‌های نوین در مدیریت و مهندسی صنایع، تهران: شرکت مدیران ایده‌پردازان پایتخت ایلیا.
  • جهان‌پور، کیارش. (1390). دیده‌بانی تکنولوژی با ابزار تکنولوژی اطلاعات، فصلنامه رشد تکنولوژی، 7 (28).
  • خزایی، سعید. (1390). دیده‌بانی، مبانی و مفاهیم، مرکز آینده‌پژوهی علوم و فناوری دفاعی.
  • دهقانی مدوار، محمد. قدوسی‌نژاد، محمدحسن. و نوراللهی، یونس. (1394). بررسی روند رشد فناوری توربین‌های بادی با استفاده از تحلیل ثبت اختراع، کنفرانس بین المللی فناوری و مدیریت انرژی، تهران -پژوهشگاه نفت، انجمن انرژی ایران.
  • رضایی‌بیک، نفیسه. (1391). بررسی تأثیر پایش تکنولوژی در جهت‌گیری بسوی اقتصاد دانش‌محور، پایانامه کارشناسی ارشد مدیریت تکنولوژی، دانشکده مدیریت دانشگاه آزاد اسلامی واحد علوم تحقیقات.
  • صابرفرد، علیرضا. (1392). رصد، تحلیل، برآورد اطلاعات و هوشمندی علم و تکنولوژی، ضرورتی راهبردی در جامعه اطلاعاتی ن.م، فصلنامهپژوهش‌هایحفاظتیامنیتیدانشگاهجامعامامحسین، شماره 5: 92-69.
  • طاووسی، مجتبی. (1395). طراحی الگوی سیستم رصد فناوری با استفاده از هوشمندی فناوریTI و سیستم نوآوری فناورانه TIS ، نخستین کنفرانس بین‌المللی پارادیم‌های نوین مدیریت هوشمندی تجاری و سازمانی، تهران، دانشگاه شهید بهشتی.
  • لطف‌الله‌زاده، مجید. (1389). دیده‌بانی تکنولوژی از تئوری تا عمل، ماهنامه صنعت خودرو.
  • میرشاه ولایتی، فرزانه. و نظری، فرهاد. (1393). آگاهی فناوری، دیده‌بانی فناوری و فن‌کاوی، تهران: انتشارات مرکز تحقیقات سیاست علمی کشور.
  • نظری‌زاده، فرهاد. میرشاه ولایتی، فرزانه. و فولادی، قاسم. (1391). بررسی چارچوب و فرایند دیده‌بانی فناوری، دومین کنفرانس بین‌المللی و ششمین کنفرانس ملی مدیریت فناوری.

 

  • Bernard-wills, D. (2017). The technology foresight activities of European Union data protection authorities, 116: 142–150.
  • De Almeida, M., De Moraes, C. & De Melo, M. (2015). Technology Foresight on Emerging Technologies: Implications for a National Innovation Initiative in Brazil, Journal of Technology Management & Innovation, 10 (2).
  • Escorsa, P.Maspons, R. (2001). De la vigilancia tecnológica a la inteligencia competitive, Pearson Educación.
  • Faraj, S. & Badri, A. (2010). Assess stability of rural areas based on network analysis, using the techniques Borda case study: city rural sciences. Journal of in Human Geographyaic Ensani. NO. 18.
  • Fornell, C. & Larcker, D. (1981). Evaluating Structural Equation Modeling with Unobserved ariables and Measurement Error, Journal of Marking Research, 18 (1): 39-50.
  • Gefen, D. & Straub, D.W. (2005). A Practical Guide to Factorial Validity Using PLS-Graph: Tutorial and Annotated Example. Communications of AIS, 16 (1): 91-109.
  • Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. & Tatham, R.  (2006). Multivariate Analysis (6th ed.), New Jersey: Pearson Education Inc
  • Hair, J.F., Ringle, C.M. & Sarstedt, M. (2011). PLS-SEM: indeed a silver bullet, Journal of Marketing heory and Practice, 19 (2): 139-151.
  • Henseler, J., & Fassott, G. (2011). Testing moderating effects in PLS path models: An illustration of available procedures. In Handbook of partial least squares. Pp. 713-715, Springer Berlin Heidelberg.
  • Jabalamoli, M. & Rezaifar, A. (2008). Ranking in Project Risk, by Using of Prose's Multi Decision-Marking, Faculty of Taconic, 41 (7).
  • Lichtenthaler, E. (2004). Technology intelligence processes in leading European and North American multinationals, R&D Management, Vol.34.
  • Phaal, R., Farrukh, C.J.P. & Probert, D.R. (2000). Technology Management Assessment Procedure: A Guide for Supporting Technology Management in Business, Center for Technology Management, University of Cambridge, U.K.,
  • Pietrobelli, C. & Fernanda, P. (2016). Technology foresight and industrial strategy, 110: 117–125.
  • Poteralska, B. & Szymanska, s. (2014). Evaluation of technology foresight projects, European Journal of Futures Research, 2 (26).
  • Savioz, P. (2004). Technology Intelligence Concept Design and Implementation in Technology-based SMEs, Palgrava Macmillan.
  • Thayer, T. (2014). Constructing Optimal Futures for Education.
  • Vinzi, V. E., Chin, W.W., Henseler, J., & Wang, H. (2010). Handbook of Partial Leastmquares, Springer, Germany: Berlin
  • Wang, K. Zhou, X. & Gong, X. (2017). Technology Foresight on China’s Engineering Science and Technology to 2035[J]. Chinese Journal of Engineering Science, 19 (1): 34-42.
  • Weng, W.H. & Lin, W.T. (2015). A mobile computing technology foresight study with scenario planning approach, International Journal of Electronic Commerce Studies, 6 (2): 223-232.
  • Yongtae, P., Lee, C. & Jeon, J. (2011). Monitoring trends of technological changes based on the dynamic patent lattice: A modified formal concept analysis approach, Technological Forecasting & Social Change, 78: 690–702.