مقاله انگلیسی بهینه‌سازی سبد پروژه‌ در اکوسیستم‌های شرکتی با استفاده از هوش مصنوعی با در نظر گرفتن هم‌افزایی‌ها و عوامل استراتژیک

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سفارش ترجمه مقالات مرتبط

عنوان فارسی:

بهینه‌سازی سبد پروژه‌ در اکوسیستم‌های شرکتی با استفاده از هوش مصنوعی با در نظر گرفتن هم‌افزایی‌ها و عوامل استراتژیک

عنوان انگلیسی:

AI-driven Optimization of project portfolios in corporate ecosystems with synergies and strategic factors

کد محصول: M2121

سال نشر: 2026

نام ناشر (پایگاه داده): الزویر

نام مجله: Expert Systems With Applications

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:   ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 9 صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M2121)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

این مقاله به مطالعه بهینه‌سازی سبد پروژه‌ها در اکوسیستم‌های شرکتی با در نظر گرفتن عوامل استراتژیک و هم‌افزایی بازده بین پروژه‌ها می‌پردازد. ما یک روش ترکیبی پیشنهاد می‌کنیم که یادگیری ماشین را با برنامه‌ریزی ریاضی ترکیب می‌کند تا این شکل پیشرفته از بهینه‌سازی سبد پروژه را حل کند. برخلاف رویکردهای سنتی که پروژه‌ها را عمدتاً بر اساس ریسک‌ها و بازده‌های فردی ارزیابی می‌کنند، چارچوب ما اولویت‌های استراتژیک و ارزش افزوده ایجاد شده هنگام تقویت متقابل پروژه‌ها را در نظر می‌گیرد. مدل‌های یادگیری ماشین هم‌افزایی‌ها را پیش‌بینی می‌کنند، در حالی که بهینه‌سازی دقیق، انتخاب سبد سازگار را تحت محدودیت‌های منابع و استراتژیک تضمین می‌کند. روش‌شناسی شامل یک اثبات مفهومی عددی می باشد. آزمون های محاسباتی نشان می‌دهند که سبدهای طراحی شده با در نظر گرفتن هم‌افزایی و استراتژی ممکن است به عملکرد به طور قابل توجه بالاتری نسبت به سبدهایی که هم‌افزایی پروژه را در نظر نمی‌گیرند، دست یابند. این مقاله همچنین کارایی محاسباتی و مقیاس‌پذیری را بررسی می‌کند و پتانسیل رویکرد را برای کاربرد عملی در اکوسیستم‌های شرکتی پیچیده و پویا برجسته می‌سازد.

کلید واژه: اکوسیستم شرکتی،مدیریت پروژه، هم افزایی ها ، یادگیری ماشین، مدیریت استراتژیک

Abstract: This paper studies the optimization of project portfolios in corporate ecosystems by considering both strategic factors and return synergies between projects. We propose a hybrid method that combines machine learning with mathematical programming to address this enhanced form of project portfolio optimization. Unlike traditional approaches, which evaluate projects mainly based on individual risks and returns, our framework considers strategic priorities and the extra value created when projects reinforce each other. Machine learning models predict synergies, while exact optimization ensures consistent portfolio selection under resource and strategic constraints. A numerical proof-of-concept illustrates the methodology. Computational experiments show that portfolios designed with synergy and strategy in mind might achieve a significantly higher performance than portfolios that do not account for project synergies. The paper also examines computational efficiency and scalability, highlighting the approach’s potential for practical application in complex and dynamic corporate ecosystems.

۱.مقدمه

اکوسیستم شرکتی شبکه‌ای پویا از شرکت‌ها، واحدها و شرکای تجاری است که از طریق منابع مشترک، قابلیت‌های مکمل و استراتژی‌های هماهنگ، ارزش مشترک ایجاد می‌کنند. این اکوسیستم‌ها به شرکت‌ها اجازه می‌دهند تا فراتر از مرزهای سازمانی سنتی حرکت کنند، تخصص‌ها را تجمیع نمایند، نوآوری را تسریع بخشند و به طور مؤثرتری با تغییرات بازار سازگار شوند (رودریگز-گارسیا و همکاران، ۲۰۲۳). این اکوسیستم‌ها با افزایش ارتباطات و همکاری، به طور فزاینده‌ای برای حفظ مزیت رقابتی اهمیت یافته‌اند (جاکوبیدس و همکاران، ۲۰۱۸). اکوسیستم‌ها با تسهیل اشتراک منابع و قابلیت‌ها در بخش‌های مختلف، چابکی را افزایش داده، نوآوری را ترویج کرده و موقعیت‌یابی در بازار را بهبود می‌بخشند (گولر و اشنایدر، ۲۰۲۱). با این حال، موفقیت آنها به مدیریت مؤثر سبد پروژه بستگی دارد (مایر و همکاران، ۲۰۱۷)…

1.Introduction A corporate ecosystem is a dynamic network of companies, units, and partners that co-create value through shared resources, complementary capabilities, and coordinated strategies. These ecosystems allow firms to move beyond traditional organizational boundaries, pooling expertise, accelerating innovation, and adapting more effectively to market changes (Rodriguez-Garcia et al., 2023). With growing interconnectedness and collaboration, they have become increasingly important for sustaining competitive advantage (Jacobides et al., 2018). By facilitating resource and capability sharing across sectors, ecosystems enhance agility, promote innovation, and improve market positioning (Gueler & Schneider, 2021). However, their success depends on effective project portfolio management (Mayer et al., 2017)…

۹. بینش‌های مدیریتی

 بر اساس بحث‌های قبلی، استفاده از ابزارهای بهینه‌سازی که بر هم‌افزایی توجه دارند، فرصت‌های جدیدی را برای مدیران عامل (CEOها) و مدیران اکوسیستم‌های شرکتی فراهم می‌کند. روش‌شناسی ترکیبی پیشنهادی، تصمیم‌گیری استراتژیک آگاهانه‌تر را امکان‌پذیر می‌سازد. مؤلفه یادگیری ماشین، میزان هم‌افزایی را پیش‌بینی می‌کند و کیفیت ورودی برای بهینه‌سازی را بهبود می‌بخشد (کریمی-مامغان و همکاران، ۲۰۲۲). با تجزیه و تحلیل هم‌افزایی‌های بالقوه ، هوش مصنوعی می تواند ترکیب‌هایی از واحدهای تجاری یا مشارکت‌هایی را که می‌توانند بازده بالاتری ایجاد کنند، شناسایی نماید، در نتیجه نوآوری و فرصت‌های جدید بازار را ترویج می‌دهد (کلاریسه و همکاران، ۲۰۱۴). این امر از تخصیص مؤثرتر منابع و تمرکز دقیق‌تر بر پروژه‌هایی که رشد پایدار را ترویج می‌دهند، پشتیبانی می‌کند. برای پیاده‌سازی چنین روش‌شناسی، سازمان‌ها باید دسترسی به داده‌های با کیفیت بالا و ساختاریافته در مورد ویژگی‌های پروژه، وابستگی‌های متقابل و زمینه اکوسیستم را تضمین کنند. این شامل داده‌هایی در مورد اهداف، الزامات منابع، همسویی استراتژیک و عملکرد تاریخی است. در عمل، این امر مستلزم سرمایه‌گذاری در یک زیرساخت داده قابل اعتماد است که از جمع‌آوری، پردازش و اشتراک‌گذاری داده‌ها در زمان واقعی بین شرکت‌کنندگان اکوسیستم پشتیبانی می‌کند…

9.Managerial insights Based on the previous discussion, adopting synergy-aware optimization tools offers new opportunities for CEOs and corporate ecosystem managers. The proposed hybrid methodology enables more informed strategic decision-making. The machine learning component predicts synergy coefficients, improving the quality of input for optimization (Karimi-Mamaghan et al., 2022). Analyzing potential synergies allows AI to identify combinations of business units or partnerships that can yield higher returns, thus promoting innovation and new market opportunities (Clarysse et al., 2014). This supports more efficient resource allocation and sharper focus on projects that promote sustainable growth. To implement such a methodology, organizations must ensure access to high-quality, structured data on project characteristics, interdependencies, and ecosystem context. This includes data on objectives, resource requirements, strategic alignment, and historical performance. In practice, this implies investing in a reliable data infrastructure that supports real-time data collection, processing, and sharing across ecosystem participants…

مقالات مرتبط با این موضوع

جدیدترین مقالات رشته مدیریت مقالات جدید در مورد تحقیق در عملیات مقالات جدید مدیریت صنعتی و مهندسی صنایع مقالات جدید مدیریت پروژه مقالات جدید درباره کاربرد هوش مصنوعی در مهندسی صنایع مقالات جدید تحول دیجیتال مقالات جدید درباره کاربردهای هوش مصنوعی مقالات جدید در رابطه با مدیریت استراتژیک