بخشی مهم از موفقیت صادراتی به محیط داخلی کشور و توانمندی بنگاه[i] بازمی‌گردد؛ از ثبات و پیش‌بینی‌پذیری قوانین و سیاست‌های تجاری و ارزی، فرآیندهای گمرکی و مالیاتی و ابزارهای حمایت و ضمانت صادرات گرفته تا توان تولید، کیفیت، قیمت، استانداردها،
2. گذار از فناوری به تولید صنعتی رسیدن یک فناوری به آمادگی برای صنعتی‌سازی، حتی اگر از منظر علمی معتبر، از نظر فنی قابل‌اعتماد و از نظر عملکردی موفق باشد، الزاماً به معنای شکل‌گیری یک صنعت موفق نیست. فاصله میان
۱. گذار از آزمایشگاه به صنعت توسعه‌ی یک فناوری در آزمایشگاه، اگرچه گامی اساسی در مسیر نوآوری است، اما به‌تنهایی به معنای آمادگی آن برای ورود به صنعت نیست. بسیاری از فناوری‌ها ممکن است از نظر علمی معتبر و حتی
چارچوب مسئله: پایان دوران «عادی‌سازی پس از بحران» الگوی رایج در مدیریت زنجیره‌ی تأمین این بود که پس از هر بحران بزرگ -رکود مالی، بلایای طبیعی، همه‌گیری- بنگاه‌ها برای مدتی سرمایه‌گذاری در تاب‌آوری را افزایش می‌دادند و سپس، با فروکش‌کردن
برای سال‌ها، یکی از مهم‌ترین دغدغه‌های مدیران، دسترسی به اطلاعات بود. اگر به ادبیات مدیریت در دهه‌های گذشته نگاه کنیم، بیشتر تلاش‌ها بر این متمرکز بود که چگونه اطلاعات بیشتری جمع‌آوری شود، چگونه گزارش‌ها دقیق‌تر شوند و چگونه مدیران تصویر
مدیران واحدهای پشتیبانی فنی بطور معمول عملکرد تیم خود را با شاخص‌هایی مانند سرعت رفع خرابی، تعداد مأموریت‌های انجام‌شده یا میزان تحقق توافق‌نامه‌های سطح خدمت (SLA) ارزیابی می‌کنند. با این حال، تجربه نشان می‌دهد که حتی زمانی که این شاخص‌ها
مقدمه؛ مسئله‌ای فراتر از خرید کالای ایرانی در سال‌های اخیر، «حمایت از ساخت داخل» به یکی از محورهای مهم سیاست صنعتی کشور تبدیل شده است. این رویکرد، به‌ویژه در حوزه‌ی تجهیزات برق، انرژی، اتوماسیون صنعتی، کنترل و سایر صنایع زیرساختی،
ادامه‌ی یک روند جهانی، نه یک انتخاب سلیقه‌ای در مقاله‌ی پیشین این مجموعه، مسیر نفوذ عمودی هوش مصنوعی و رباتیک از خودروسازی چین تا کارگاه‌های کوچک نساجی و پوشاک بررسی شد؛ روندی که نشان داد هوشمندسازی صنعتی دیگر امتیاز بنگاه‌های
مسئله‌ی واقعی، کمبود هوش مصنوعی نیست؛ ناهماهنگی در تصمیم‌گیری است. فرض کنید فردا صبح، بهترین سامانه‌ی هوش مصنوعی جهان در اختیار سازمان شما قرار گیرد. این سامانه می‌تواند گزارش‌های مالی را تحلیل کند، وضعیت بازار را پیش‌بینی کند، برنامه‌ی تولید
یکی از بزرگ‌ترین سوءبرداشت‌هایی که در سال‌های اخیر درباره‌ی هوش مصنوعی شکل گرفته، این است که گویی مدل هوش مصنوعی، به‌تنهایی همان سامانه است. در بسیاری از سازمان‌ها، وقتی صحبت از استقرار هوش مصنوعی می‌شود، اولین سؤال این است: «از
اگر یک پروژه‌ی هوش مصنوعی به نتیجه‌ی مطلوب نرسد، نخستین واکنش چیست؟ در بسیاری از سازمان‌ها، پاسخ تقریباً قابل پیش‌بینی است. می‌گویند مدل هوش مصنوعی به اندازه‌ی کافی دقیق نبود. یا داده‌های ما کیفیت لازم را نداشت. یا زیرساخت سخت‌افزاری
مقدمه در دنیای امروز، سازمان‌ها بیش از هر زمان دیگری با حجم گسترده‌ای از داده‌ها مواجه‌اند؛ اطلاعاتی که از واحد فروش، مالی، منابع انسانی، عملیات و ارتباط با مشتریان تولید می‌شود. این داده‌ها زمانی به دارایی ارزشمند سازمان تبدیل می‌شوند
با عضویت در خبرنامه ما، هیچ‌یک از مقالات و اخبار مهم را از دست نخواهید داد. جدیدترین تحقیقات، نوآوری‌ها به‌صورت منظم برای شما ارسال می‌شود.
فیلد های "*" اجباری هستند
