ارزیابی و انتخاب طرح‌های صندوق توسعه فناوری با استفاده از روش بهترین ـ بدترین (مورد مطالعه: صندوق نوآوری و شکوفایی)

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه سیاست‌گذاری علم و فناوری، دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران.

2 دانشیار، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

3 دانشیار، گروه مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه کاشان، کاشان، ایران.

چکیده

هدف: صندوق توسعه فناوری، یکی از نهادهای بسیار مهم تأمین مالی نوآوری است که به‌واسطه محدودیت منابع مالی ناگزیر باید طرح‌های فناورانه اولویت‌دار را شناسایی و تأمین مالی کند. هدف این مقاله، ارائه مدل تصمیم‌گیری چندمعیاره برای ارزیابی و انتخاب طرح‌های مناسب در صندوق‌های توسعه فناوری و تخصیص منابع به آنها است.
روش: در این مقاله از ترکیبی از روش‌های کیفی و کمی استفاده شده است. در گام نخست، معیارهای مهم در ارزیابی پروژه‌های فناورانه با مرور ادبیات، بررسی اسناد و مصاحبه با صاحب‌نظران شناسایی شده و با استفاده از روش تحلیل عاملی، معیارهای بسیار مهم در ارزیابی طرح‌های دانش‌بنیان تعیین شده است. سپس مدل تصمیم‌گیری چندمعیاره مبتنی بر روش بهترین ـ بدترین با در نظر گرفتن معیارهای مالی، بنگاهی، فناوری، تحلیل بازار و ریسک ارائه شده است.
یافته‌ها: در این پژوهش، نتایج ارزیابی 20 طرح دانش‌بنیان متقاضی تسهیلات قرض‌الحسنه و تولید صنعتی از صندوق نوآوری و شکوفایی ارائه شده است. نتایج پژوهش حاکی از آن است که در نظر گرفتن وزن برای معیارهای ارزیابی، بر نتیجه ارزیابی و تصویب یا رد طرح‌ها تأثیر شایان توجهی دارد.
نتیجه‌گیری: در این پژوهش، مدل تصمیم‌گیری چندمعیاره مبتنی بر روش بهترین ـ بدترین ارائه شده است که صندوق‌های توسعه فناوری می‌توانند با استفاده از آن، ارزیابی دقیقی از طرح‌های فناورانه داشته باشند و منابع محدود ملی را به‌نحو مناسب به بهترین طرح‌ها تخصیص دهند. شرکت‌های دانش‌بنیان نیز می‌توانند با توجه به معیارهای مهم در ارزیابی، راهبردها و اقدام‌های خود را روی مسائل کلیدی و مهم متمرکز کنند.

کلیدواژه‌ها


عنوان مقاله [English]

Project Evaluation and Selection in Technology Development Funds with Best-Worst Method (Case Study: Innovation and Prosperity Fund)

نویسندگان [English]

  • Marzieh Shaverdi 1
  • Saeed Yaghoubi 2
  • Behzad Soltani 3
1 Ph.D. Candidate, Department of Science and Technology Policy, School of Progress Engineering, Iran University of Science and Technology, Tehran, Iran.
2 , Assistant Prof., Department of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
3 Associate Prof., Department of Mechanical Engineering, School of Mechanical Engineering, Kashan University, Kashan, Iran
چکیده [English]

Objective: Technology Development Funds (TDFs) are one of the most important innovations and so financing institutions must prioritize identifying and funding technological projects, due to the limitation of financial resources. The objective of this paper is to present a Multi-Criteria Decision-Making model (MCDM) for evaluation and selection of appropriate projects in TDFs and their resource allocation.
Methods: In this paper a combination of qualitative and quantitative methods is used. In the first step, important criteria for evaluating technological projects are identified by reviewing literature, reviewing documents and interviewing experts and by using the factor analysis method, the most important criteria in evaluating knowledge-based projects are determined. Then a multi-criteria decision-making model based on the Best-Worst Method (BWM) is presented considering financial, firm, technology, and market analysis and risk criteria.
Results: In this study, the results of the evaluation of 20 knowledge-based projects of the applicant for the interest-free loans and industrial production loans from the Innovation and Prosperity Fund (IPF) are presented. The results of the study indicate that the weight of the evaluation criteria has a significant effect on the results of the evaluation and the approval or rejection of projects.
Conclusion: A multi-criteria decision-making model based on the Best-Worst Method is presented in this study, that by using it, technology development funds can carefully evaluate the technological projects and accurately allocate limited national financial resources to the best projects. Knowledge-based companies can also focus their strategies and initiatives on critical and important issues, considering important criteria in the evaluations.

کلیدواژه‌ها [English]

  • Multi-criteria Decision-making
  • Best-Worst Method
  • Technology development
  • Knowledge-based
  • Innovation & Prosperity Fund (IPF)

آقازاده، هاشم؛ محمدی، میثم؛ زادبر، حسن (1397). شناسایی و مقایسه اولویت خدمات تجاری‌سازی مورد نیاز برای شرکت‌های رشدی و توسعه‌ای مستقر در پارک علم و فناوری دانشگاه تهران. مدیریت صنعتی، 10(4)،  525 -550.

جعفرنژاد، احمد؛ یوسفی‌زنوز، رضا (1387). ارائه مدل فازی رتبه‌بندی ریسک در پروژه‌های حفاری شرکت پتروپارس. مدیریت صنعتی، 1(1)، 21 - 38.

حبیبی، آرش؛ عدن‌ور، مریم (1396). مدل‌یابی معادله‌های ساختاری و تحلیل عاملی (چاپ ششم)، تهران: انتشارات جهاد دانشگاهی.

خاتمی فیروزآبادی، سیدمحمدعلی؛ الفت، لعیا؛ امیری، مقصود؛ شریفی، حمید (1396). اولویت‌بندی پیشران‌های پیچیدگی زنجیره تأمین با استفاده از فرایند تحلیل سلسله‌مراتبی فازی. مدیریت صنعتی، 9(1)، 79 - 102.

خدایاری، مصطفی؛ عبداله‌زاده، سهراب (1397). رویکردی برای تعیین سیاست‌های مناسب نگهداری و تعمیرها چندمحصولی با استفاده از شبیه‌سازی و تصمیم‌گیری چندمعیاره. مدیریت صنعتی، 10(2)، 279 - 296.

عباسی، محمد؛ اشرفی، مریم؛ خیرخواه، امیرسامان؛ بنیاد، حمید؛ قربانزاده کریمی، حمیدرضا (1392). انتخاب سبد پروژه‌های پژوهش و توسعه با استفاده از یک مدل ترکیبی تحلیل پوششی داده‌ها  ـ کارت امتیازی متوازن. فصل‌نامه سیاست علم و فناوری، 5(3)، 67 - 82.

عظیمی، ناصرعلی؛ برخورداری دورباش، سجاد (1389). شناسایی بنیان‌های اقتصاد دانش‌بنیاد (چاپ اول). تهران: انتشارات مرکز تحقیقات سیاست علمی کشور.

فلاح لاجیمی، حمیدرضا؛ عرب، علیرضا؛ بهرام‌زاده، هوشمند (1395). بررسی موانع پیاده‌سازی زنجیره تأمین سبز در صنایع فولاد استان مازندران با رویکرد ترکیبی BSC/BWM. مدیریت صنعتی، 8(4)، 653 - 684.

قاضی‌نوری، سیدسپهر؛ قاضی‌نوری، سیدسروش (1393). مقدمه‌ای بر سیاست‌گذاری علم، فناوری و نوآوری (چاپ دوم). تهران: انتشارات دانشگاه تربیت مدرس.

کاکوان، شایا؛ مدیری، محمود (1397). رتبه‌بندی راه‌های غلبه بر موانع پذیرش مدیریت دانش در زنجیره تأمین با رویکرد تصمیم‌گیری فازی ترکیبی (مطالعه موردی: شرکت ساپکو). مدیریت صنعتی، 10(4)، 651 - 676.

کیقبادی، مرضیه؛ ملکی‌فر، فرخنده؛ فتح‌اللهی‌پور، حمید (1394). اقتصاد دانش‌بنیان و نظریه جدید رشد؛ همراه با نمای جهانی سیاست علم و فناوری در 52 کشور (چاپ اول). تهران: انتشارات آینده ‌پژوه.

 

References

Abbasianjahromi, H., Rajaie, H. (2012). Developing A Project Portfolio Selection Model for Contractor Firms Considering the Risk Factor. Journal of Civil Engineering and Management, 18(6), 879–889.

Abbassi, M., Ashrafi, M., Kheirkhah, A.S., Bonyad, H. & Ghorbanzadeh Karimi, H. (2013). R&D Project Portfolio Selection by Developing a Hybrid DEA-BSC Model. Journal of Science & Technology Policy, 5(3), 67-82. (in Persian)

Agha, S.R., Jarbo, M.H., Matr, S.J. (2013). A Multi-Criteria Multi-Stakeholder Industrial Projects Prioritization in Gaza Strip. Arabian Journal for Science and Engineering, 38(5), 1217-1227.

Aghazadeh, H., Mohammadi, M., Zadbar, H. (2019). Identifying and Comparing the Priority of Commercialization Services Required for Growing and Developing Companies Based in Tehran University Science and Technology Park. Industrial Management Journal, 10(4), 525-550. (in Persian)

Ahmad, W.N.K.W., Rezaei, J., Sadaghiani, S. & Tavasszy, L.A. (2017). Evaluation of the External Forces Affecting the Sustainability of Oil and Gas Supply Chain Using Best Worst Method. Journal of Cleaner Production, 153, 242-252.

Ahmadi, H.B., Kusi-Sarpong, S., Rezaei, J. (2017). Assessing the Social Sustainability of Supply Chains Using Best Worst Method. Resources, Conservation and Recycling, 126, 99-106.

Azimi, N., Barkhordari Doorbash, S. (2010). Identifying the Roots of Knowledge-based Economy (1st Ed.). Tehran: National Research Institute for Science Policy Press.
(in Persian)

Bai, H., Zhan, Z. (2011). An IT Project Selection Method Based on Fuzzy Analytic Network Process. International Conference on System Science, Engineering Design and Manufacturing Informatization. ICSEM 2011. China, 22-23 October.

Baysal, M.E., Kaya, İ., Kahraman, C., Sarucan, A. & Engin, O. (2015). A Two Phased Fuzzy Methodology for Selection among Municipal Projects. Technological and Economic Development of Economy, 21(3), 405-422.

Chatterjee, K., Hossain, S.A., Kar, S. (2018). Prioritization of Project Proposals in Portfolio Management Using Fuzzy AHP. OPSEARCH, 55(2), 478-501.

Chiang, T., Che, Z.H. (2010). A Fuzzy Robust Evaluation Model for Selecting and Ranking NPD Projects Using Bayesian Belief Network and Weight-Restricted DEA. Expert Systems with Applications, 37(11), 7408–7418.

Chitsaz, N., Azarnivand A. (2016). Water Scarcity Management in Arid Regions Based on An Extended Multiple Criteria Technique. Water Resources Management, 31(1), 233-250.

Davoudpour, H., Rezaee, S., Ashrafi, M. (2012). Developing a framework for renewable technology portfolio selection. Renewable and Sustainable Energy Reviews, 16(6), 4291-4297.

Fallh Lajimi, H.R., Arab, A.R., Bahramzadeh, H. (2017). Investigate the Barriers of Implementation of Green Supply Chain in Mazandaran Steel Industry with a Combined Approach BSC/BWM. Industrial Management Journal, 8(4), 653-684. (in Persian)

Ghazinoory, S., Ghazinoori, S. (2014). Science, Technology and Innovation Policy Making; An Introduction (2nd Ed.). Tehran: Tarbiat Modares University Press. (in Persian)

Gupta, H., Barua, M.K. (2016). Identifying Enablers of Technological Innovation for Indian MSMEs Using Best–Worst Multi Criteria Decision Making Method, Technological Forecasting and Social Change, 107, 69-79.

Gupta, H., Barua, M.K. (2017). Supplier Selection Among SMEs on the Basis of Their Green Innovation Ability Using BWM And Fuzzy TOPSIS. Journal of Cleaner Production, 152, 242-258.

Habibi, A., Adnvar, M. (2017). Structural Equation Modeling and Factor Analysis (6th Ed). Tehran: Academic Center for Education, Culture and Research Press. (in Persian)

Jafarnejad, A., Yousefi Zenouz, R. (2009). Proposing a Fuzzy Risk Rating Model in PetroPars Drilling Projects. Industrial Management Journal, 1(1), 21-38. (in Persian)

Kakwan, Sh., Modiri, M. (2019). Ranking Solutions to Overcome Barriers to the Adoption of Knowledge Management in the Supply Chain Considering a Combined Fuzzy Decision-Making Approach (Case Study: SAPCO Company). Industrial Management Journal, 10(4), 651-676. (in Persian)

Karaveg, C., Thawesaengskulthai, N., Chandrachai, A. (2015). A Combined Technique Using SEM And TOPSIS For the Commercialization Capability Of R&D Project Evaluation. Decision Science Letters, 4(3), 379-396.

Keyghobadi, M., Malekifar, F., Fathollahi, H. (2015). Knowledge-based Economy and New Growth Theory, with Global Profile of Science and Technology Policy in 52 Countries (1st Ed.). Tehran: Ayandepajooh Press. (in Persian)

Khatami Firoozabadi, S.M.A., Olfat, L., Amiri, M., & Sharifi, H. (2017). Prioritizing Supply Chain Complexity Drivers using Fuzzy Hierarchical Analytical Process. Industrial Management Journal, 9(1), 79-102. (in Persian)

Khodayari, M., Abdollahzadeh, S. (2018). Proposing an Approach to Determine the Appropriate Multi-product Preventive and Maintenance Policies Using Simulation and MCDM. Industrial Management Journal, 10(2), 279-296. (in Persian)

Mohanty, R.P., Agarwal, R., Choudhury, A.K. & Tiwari, M. K. (2005). A Fuzzy ANP-Based Approach to R&D Project Selection: A Case Study. International Journal of Production Research, 43(24), 5199-5216.

Rezaei, J. (2015). Best-Worst Multi-Criteria Decision-Making Method. Omega, 53, 49-57.

Rezaei, J., Nispeling, T., Sarkis, J. & Tavasszy, L. (2016). A Supplier Selection Life Cycle Approach Integrating Traditional and Environmental Criteria Using the Best Worst Method. Journal of Cleaner Production, 135, 577-588.

Rezaei, J., Wang, J., Tavasszy, L. (2015). Linking Supplier Development to Supplier Segmentation Using Best Worst Method. Expert Systems with Applications, 42(23), 9152-9164.

Salimi, N. & Rezaei, J. (2016). Measuring Efficiency of University-Industry Ph. D. Projects Using Best Worst Method. Scientometrics, 109 (3), 1911–1938.

Salimi, N. (2017). Quality Assessment of Scientific Outputs Using the BWM. Scientometrics, 112(1), 195-213.

Salimi, N., & Rezaei, J. (2018). Evaluating Firms’ R&D Performance Using Best Worst Method. Evaluation and Program Planning, 66, 147-155.

Tahmasebi, B.Y., Yazdandoost, F. (2018). An Integrated Framework to Evaluate Resilient-Sustainable Urban Drainage Management Plans Using A Combined-Adaptive MCDM Technique. Water Resources Management, 32(8), 2817-2835.

Thipparat, T., Thaseepetch, T. (2013). An Integrated VIKOR and Fuzzy AHP Method for Assessing a Sustainable Research Project. World Applied Sciences Journal, 22(12), 1729-1738.

Torabi, S. A., Giahi, R., Sahebjamnia, N. (2016). An Enhanced Risk Assessment Framework for Business Continuity Management Systems. Safety Science, 89, 201-218.

Vinodh S., Swarnakar. (2015). Lean Six Sigma Project Selection Using Hybrid Approach Based on Fuzzy DEMATEL–ANP–TOPSIS. International Journal of Lean Six Sigma, 6(4), 313-338.

Wang, F.K., Hsu, C.H., Tzeng, G.H. (2014). Applying a Hybrid MCDM Model FOR Six Sigma Project Selection. Mathematical Problems in Engineering, 2014, 1-14.

Yu, O.S. (2007). Technology Portfolio Planning and Management; Practical Concepts and Tools. USA: Springer Science & Business Media.