تعیین مناسب ترین استراتژی انتقال فناوری برای توربین های بادی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 24

تعداد کلمات : 7800

مجله : energies

انتشار : 2017

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
12 دسامبر 2021
دسته بندی
تعداد بازدیدها
1092 بازدید
25,000 تومان

عنوان فارسی مقاله:تعیین مناسب ترین استراتژی انتقال فناوری برای توربین های بادی با استفاده از مدل تصمیم گیری یکپارچه AHP-TOPSIS

 چکیده

توسعه پرسرعت محصولات و کالاهای صنعتی در جهان باعث شده است که «تکنولوژی» به عنوان یک مزیت رقابتی حیاتی برای اکثر سازمان های بزرگ در نظر گرفته شود. در سال‌های اخیر، کشورهای در حال توسعه به طور قابل توجهی تمایل به ارتقای قابلیت‌های فن‌آوری و نوآورانه خود از طریق واردات تجهیزات با فناوری پیشرفته که متعلق به کشورهای توسعه‌یافته است، داشته‌اند. در حال حاضر راه حل های مختلفی برای انتقال یک فناوری خاص از یک کشور توسعه یافته وجود دارد. انتخاب سودآورترین استراتژی انتقال فناوری یک مشکل تصمیم گیری بسیار پیچیده برای واردکنندگان فناوری است زیرا جنبه های مختلف فنی، زیست محیطی، اجتماعی و اقتصادی را در بر می گیرد. در این مطالعه، یک مدل تصمیم‌گیری چند معیاره ترکیبی (MCDM) مبتنی بر فرآیند تحلیل سلسله مراتبی (AHP) و تکنیک ترتیب اولویت بر اساس شباهت به راه‌حل ایده‌آل (TOPSIS) برای ارزیابی و اولویت‌بندی استراتژی‌های مختلف انتقال فناوری برای سیستم های توربین بادی برای این منظور، تعدادی معیار و زیرمعیار از دیدگاه سرمایه گذاران انرژی بادی، سازندگان توربین بادی و بهره برداران مزارع بادی تعریف شده است. اهمیت نسبی معیارها و زیرمعیارها با توجه به هدف نهایی با استفاده از روش ارزش ویژه محاسبه شده و سپس گزینه‌های انتقال فناوری بر اساس نزدیکی نسبی آنها به راه‌حل ایده‌آل رتبه‌بندی می‌شوند. این مدل در نهایت برای تعیین مناسب‌ترین استراتژی انتقال فناوری توربین بادی از میان چهار گزینه مهندسی معکوس، آموزش مهارت‌های فناوری، قراردادهای کلیدی در دست و صدور مجوز فناوری برای بخش انرژی‌های تجدیدپذیر ایران اعمال شده و نتایج با نتایج به‌دست‌آمده توسط مدل های تصمیم گیری کلاسیک مقایسه می‌شود.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Determination of the Most Suitable Technology Transfer Strategy for Wind Turbines Using an Integrated AHP-TOPSIS Decision Model

Abstract

 The high-speed development of industrial products and goods in the world has caused “technology” to be considered as a crucial competitive advantage for most large organizations. In recent years, developing countries have considerably tended to promote their technological and innovative capabilities through importing high-tech equipment owned and operated by developed countries. There are currently a variety of solutions to transfer a particular technology from a developed country. The selection of the most profitable technology transfer strategy is a very complex decision-making problem for technology importers as it involves different technical, environmental, social, and economic aspects. In this study, a hybrid multiple-criteria decision making (MCDM) model based on the analytic hierarchy process (AHP) and the technique for order of preference by similarity to ideal solution (TOPSIS) is proposed to evaluate and prioritise various technology transfer strategies for wind turbine systems. For this purpose, a number of criteria and sub-criteria are defined from the viewpoint of wind energy investors, wind turbine manufacturers, and wind farm operators. The relative importance of criteria and sub-criteria with respect to the ultimate goal are computed using the eigenvalue method and then, the technology transfer alternatives are ranked based on their relative closeness to the ideal solution. The model is finally applied to determine the most suitable wind turbine technology transfer strategy among four options of reverse engineering, technology skills training, turn-key contracts, and technology licensing for the renewable energy sector of Iran, and the results are compared with those obtained by classical decision-making models.