25561

ارائه مدلي جهت تحليل پيش‌گويانه مسير ايده در يك پلتفرم نوآوري باز

كارشناسي ارشد

مهندسي صنايع- سيستم‌هاي كلان

1397

1400/7/11

محمدرضا رسولي

ميرسامان پيشوايي

دانشكده مهندسي پيشرفت

امروزه شركت‌هايي كه به دنبال يك مزيت رقابتي پايدار هستند بايستي قابليت ابداع را داشته باشند، در اين صورت مي‌توانند به نيازهاي بازار با محصولات، خدمات و راهكارهاي خود پاسخگو باشند. اين شركت‌ها با مراجعه به مدل‌هاي نوآوري باز مي‌توانند پاسخگو نياز مطروحه باشند. از آنجايي كه تعداد ايده‌ها و شركت كنندگان در اين پلفترم ها بسيار زياد مي‌باشد فرايند ارزيابي در پلفترم هاي نوآوري باز از اهميت بسيار بالايي برخوردار مي‌باشد. تاكنون جهت بررسي و تحليل پيشگويانه روند پيشرفت شركت‌هاي نوپا از روش‌هاي متعددي استفاده شده است. روش‌هاي استفاده شده به صورت كيفي بوده و از قابليت برخط بودند برخوردار نبوده‌اند. در اين پژوهش داده‌هاي موجود در پلتفرم كرانچ جمع آوري شده و سعي بر توسعه مدلي جهت پيش‌بيني روند ايده به وسيله تاريخچه ارزيابي‌ها و پيشرفت ايده‌ها در اين پلفترم ها هستيم. پس از جمع‌آوري داده‌ها، آماده‌سازي و پالايش اين داده‌ها انجام شده سپس با استفاده از روش غني سازي تجمعي كه نوعي از روش‌هاي غني سازي رشته اي مي‌باشد اقدام به غني‌سازي داده‌ها شد. سپس داده‌هاي غني سازي شده به وسيله الگوريتم خوشه بندي در تعداد خوشه تعيين شده به وسيله روش elbow قرار گرفته و مدل طبقه بندي بر روي اين خوشه‌ها توسعه داده شده‌است. مدل توسعه داده شده توسط الگوريتم طراحي شده با ساير مدل‌هاي فرايندي و مدل توسعه داده شده بر روي داده‌هاي خام مقايسه شده و ارزيابي‌هاي لازم صورت پذيرفت. مدل حاصل شده دقت را به طرز چشم گيري افزايش داده و مطابقت مناسبي با فرايند استخراج شده توسط الگوريتم فازي داشت. با استفاده از مدل توسعه داده شده مي‌توان رخداد بعدي را در فرايند رشد يك ايده را پيش‌بيني نمود.

1400/09/09

Idea assessment in open innovation platforms using predictive process mining

10/3/2022 12:00:00 AM

Today, companies that are looking for a sustainable competitive advantage must be able to innovate, in which case they can meet the needs of the market with their products, services, and solutions. These companies can meet the needs by referring to open innovation models. Since the number of ideas and participants in these platforms is very high, the evaluation process in open innovation platforms is very important. So far, several methods have been used to predict and analyze the progress of start-up companies. The methods used were qualitative and did not have the online capability. In this research, the data available in the Crunch platform are collected and we try to develop a model to predict the idea process through the history of evaluations and the development of ideas in these platforms. After collecting the data, the preparation and refining of this data were done and then the data enrichment was performed using the cumulative enrichment method which is a type of string enrichment method. Then the data enriched by the clustering algorithm is placed in the number of clusters determined by the elbow method and the classification model is developed on these clusters. The model developed by the algorithm was compared with other process models and the developed model was compared on the raw data and the necessary evaluations were performed. The resulting model dramatically increased the accuracy and was in good agreement with the process extracted by the fuzzy algorithm. Using the developed model, the next event in the development process of an idea can be predicted.