امروز : جمعه, ۱۴ اردیبهشت , ۱۴۰۳
پایداری | متن کامل رایگان | شناسایی مدل ارزشیابی بهینه برای دارایی های داده های دریایی با فرآیند تحلیل سلسله مراتبی (AHP)
۲٫ بررسی ادبیات این بخش به بررسی تعاریف می پردازد و مروری بر ادبیات ارائه می دهد که در تعیین یک مدل ارزش گذاری برای داده های دریایی با استفاده از روش AHP نقش دارد. ارزش داده های دریایی به شدت با کیفیت و دسترسی مرتبط است و حفظ شفافیت و عینیت برای اطمینان از […]
۲٫ بررسی ادبیات
این بخش به بررسی تعاریف می پردازد و مروری بر ادبیات ارائه می دهد که در تعیین یک مدل ارزش گذاری برای داده های دریایی با استفاده از روش AHP نقش دارد. ارزش داده های دریایی به شدت با کیفیت و دسترسی مرتبط است و حفظ شفافیت و عینیت برای اطمینان از کیفیت مهم است. تجارت باید بر اساس عرضه و تقاضا فعال شود و ذینفعان در صنعت حمل و نقل ترجیح می دهند اطلاعات کافی را از نظر کیفیت و کمیت داده ها حفظ کنند.
۲٫۱٫ تعریف داده های دریایی
۲٫۲٫ بررسی ادبیات
هدف این مطالعه شناسایی مهم ترین عوامل دخیل در تعیین مدل ارزش گذاری داده های دریایی است. بنابراین، روش تحلیل AHP برای استخراج اولویت ها از طریق مقایسه های زوجی بین عناصری که ساختار سلسله مراتبی تصمیم گیری را تشکیل می دهند، استفاده شد. این مطالعه روش AHP را انتخاب کرد زیرا می تواند وزن و اهمیت عوامل رقیب را بدست آورد که تجزیه و تحلیل کمی چالش برانگیز است. علاوه بر این، مطالعات اخیر ارزش داده های دارایی را تجزیه و تحلیل کرده و سیستم شاخص ارزیابی را با استفاده از روش AHP ایجاد کرده است.
در حالی که بسیاری از مطالعات تجارت دادهها را در حوزه دریایی پوشش دادهاند، این حوزه ارزیابی و مدیریت ارزش، استفاده تجاری، سیاستگذاری و مقررات را توسعه نداده است. فاقد تحقیقات اساسی برای تعیین روش ارزیابی بهینه دارایی های تجاری صنعت دریایی است. بنابراین، این مطالعه روشی را برای ارزیابی دادههای تولید شده در صنایع دریایی به عنوان یک دارایی شناسایی کرده و یک مدل ارزشگذاری بهینه را بر اساس یک گروه خبره از طریق تحلیل AHP انتخاب و ارائه میکند. در عصر آینده صنعت فناوری هوشمند، مانند کشتیهای مستقل فعال در بازار دریایی، انباشت و ارزشگذاری دادهها موضوعی حیاتیتر خواهد بود. انتظار می رود این مطالعه بر روی مدل ارزش گذاری داده های دریایی سرنخی برای ترویج تجاری سازی کشتی های خودمختار ارائه دهد.
۲٫۳٫ مدل ارزش گذاری داده ها
ابتدا، رویکرد هزینه، ارزش داده ها را با محاسبه ارزش هزینه سرمایه گذاری شده در توسعه دارایی هدف ارزیابی تعیین می کند. روش دیگر، هزینه مورد نیاز برای توسعه یک فناوری با سود اقتصادی یکسان یا خرید فناوری با همان ارزش را برآورد می کند. برای ارزیابی دارایی داده ها با استفاده از این رویکرد، هزینه های داده های تکراری یا استفاده نشده حذف می شوند. استانداردهای حسابداری مانند هزینه های مستقیم و غیرمستقیم برای هزینه های باقیمانده اعمال می شود. این هزینه ها بسته به هزینه اتصال کاربر/تولیدکننده و هزینه کارگزاری، هزینه عملیات پلت فرم داده، هزینه خرید و اتصال دستگاه یا حسگر، هزینه خرید/ادغام/پردازش داده، هزینه انتقال/امنیت داده و هزینه جمع آوری/ضبط داده ها طبقه بندی می شوند. مراحل پردازش داده ها، مانند جمع آوری، ذخیره سازی، پردازش و استفاده از داده ها.
۲٫۴٫ عوامل برای ارزش گذاری داده های دریایی
۳٫ نظریه و روش
۳٫۱٫ تئوری
ابتدا مشکل تعریف می شود. این فرآیند تصمیم نهایی و عواملی را که برای رسیدن به هدف نهایی باید در نظر گرفته شود، روشن می کند. این فرآیند با استفاده از تحقیقات ادبیات سیستماتیک، طوفان فکری و روش دلفی انجام می شود.
۳٫۲٫ جمع آوری داده ها و روش
۳٫۳٫ مدل تحقیق AHP
۵٫ نتیجه گیری ها
اهمیت داده ها در حوزه های مختلف جامعه ما شناخته شده است و انتظارات زیادی برای ارزش افزوده ای وجود دارد که می توان با استفاده از داده ها ایجاد کرد. با این حال، تحقیق در مورد ارزش داده ها در مقایسه با تشخیص اهمیت داده ها ناکافی است. به ویژه، چنین تحقیقی در حوزه دریایی انجام نشده است. بر اساس یک نظرسنجی توسط شرکت تجاری اقیانوس کره، میزان داده های جمع آوری شده توسط شرکت های کشتیرانی در کره جنوبی سالانه ۴۰ درصد افزایش می یابد. مقادیر زیادی از داده های دریایی مختلف به دلیل هزینه های تعمیر و نگهداری در شرکت ها به عنوان بدهی باقی می ماند. بنابراین، تلاش فعالی برای ارزیابی ارزش داده ها با استفاده از روش های ارزش گذاری و شناسایی داده ها به عنوان دارایی شرکت ها مورد نیاز است.
در این مطالعه، مدل بهینه برای ارزیابی دادههای دریایی با در نظر گرفتن عوامل ارزشگذاری شناساییشده در مطالعات قبلی برای کمی کردن اهمیت دادههای دریایی از نظر ارزش، از جمله همگامی با رشد کشتیهای خودمختار انتخاب شد. در پیمایش AHP، نظرات محققان دانشگاهی و کارشناسان حوزه دریانوردی جمع آوری و مورد تجزیه و تحلیل قرار گرفت.
در تحلیل AHP، رویکرد بازار (A2) به عنوان مناسبترین مدل ارزشیابی برای ارزیابی ارزش دادههای دریایی انتخاب شد. عوامل اصلی انتخاب مدل شناسایی شدند و مشاهده شد که اولویت باید به ویژگی های داده های دریایی (M1) نسبت به ویژگی های بازار داده های دریایی (M2) و ویژگی های مدل ارزش گذاری داده های دریایی (M3) داده شود. ). یعنی تنوع (C3)، دسترسی (C2) و هزینه (C1) داده ها مهم ترین عواملی هستند که برای ارزیابی داده ها باید در نظر گرفته شوند.
در بین مدل های ارزش گذاری داده ها، مهمترین عامل رویکرد هزینه (A1) هزینه (C1) سرمایه گذاری شده در ساخت پلت فرم برای جمع آوری، ذخیره سازی، پردازش و فروش داده ها است و ارزش محاسبه شده بر اساس بهای تمام شده شناسایی می شود. به عنوان حداقل مقدار داده در مورد رویکرد درآمد (A3)، ارزش افزوده ای که می توان با داده ها ایجاد کرد، بهتر منعکس می شود. بنابراین، مقدار محاسبه شده حداکثر مقدار داده در نظر گرفته می شود. رویکرد بازار (A2) بر اساس ارزش داده ای است که در حال حاضر در بازار معامله می شود. بنابراین، مقدار محاسبه شده بین حداکثر و حداقل مقادیر داده تخمین زده می شود. بنابراین، رویکرد بازار (A2) به عنوان مدل بهینه ارزشگذاری دادههای دریایی در این تحقیق انتخاب شد، زیرا میتوان آن را معقولترین روش برای برآورد ارزش دادهها دانست.
تقاضا برای داده های اقیانوس و کشتی بسته به خدمات تجاری که از داده ها استفاده می کنند می تواند متفاوت باشد، اما مقیاس پذیری آن نامحدود است. به عنوان مثال، با جمع آوری و تجزیه و تحلیل داده های ناوبری کشتی، می توان خدماتی را برای بهینه سازی مسیرهای کشتی، سرعت و مصرف سوخت توسعه داد. این می تواند هزینه های حمل و نقل و اثرات زیست محیطی را کاهش دهد. علاوه بر این، با تجزیه و تحلیل دادههای جمعآوریشده از حسگرهای مختلف روی کشتیها، میتوان خدماتی را برای نظارت بر وضعیت کشتی در زمان واقعی و ارائه تعمیر و نگهداری پیشبینیکننده توسعه داد. این می تواند ایمنی و طول عمر کشتی را افزایش دهد. علاوه بر این، با تجزیه و تحلیل داده های اقیانوسی جمع آوری شده از طریق حسگرهای مختلف نصب شده بر روی کشتی ها، می توان خدمات نظارت بر محیط زیست دریایی را ارائه کرد. این می تواند تغییرات در محیط دریایی را شناسایی کند و برای اطلاع رسانی به سیاست گذاری و تصمیم گیری دولت یا شرکت استفاده شود. علاوه بر این، ایمنی کشتی را می توان با استفاده از عملیات کشتی و داده های حسگر برای توسعه خدمات بیمه کشتی ارزیابی کرد. این می تواند به شرکت های بیمه اجازه دهد تا خطرات مربوط به عملیات کشتی را با دقت بیشتری ارزیابی کنند و اپراتورهای کشتی بر بهبود ایمنی تمرکز کنند. به طور خاص، دادههای جمعآوریشده از طریق تجارت دادههای کشتی میتواند برای توسعه کشتیهای خودمختار مفید باشد، کشتیهایی که میتوانند به تنهایی با استفاده از فناوریهایی مانند هوش مصنوعی و روباتیک حرکت کنند و کار کنند. این به داده های عملیات کشتی از محیط های مختلف نیاز دارد. به این ترتیب، تقاضا برای داده های دریایی وجود دارد و ارزیابی ارزش برای تجارت ضروری است. در حال حاضر، هیچ تحقیقی در مورد چگونگی تخمین ارزش داده های دریایی وجود ندارد. اگرچه برخی از داده های دریایی معامله می شود، قیمت عمدتاً از طریق مذاکرات فردی برای هر مجموعه داده تعیین می شود.
در این مطالعه از روش AHP برای ارزیابی ارزش داده های دریایی استفاده شد. برای این منظور، نظرات کارشناسان جمعآوری شد و روش AHP برای انتخاب یک مدل ارزیابی برای دادههای دریایی برای کشتیهای خودمختار آینده تعبیهشده با هوش مصنوعی استفاده شد. این مطالعه نشان داد که رویکرد بازار (A2) مدل بهینه برای ارزیابی دادههای دریایی با استفاده از روش AHP است. این تحقیق اولین تحقیق در نوع خود است که به شناسایی و ارزیابی ارزش داده های دریایی می پردازد. یافتههای کلیدی این پتانسیل را دارند که توسعه پلتفرمهای تجارت داده را تسهیل کنند و نقش مهمی در تکمیل چرخه اقتصاد دادههای دریایی در آمادهسازی برای عصر کشتیرانی مستقل ایفا کنند. این پیشرفت به موقع است، و کاملاً با مرحله آماده سازی برای دوره کشتیرانی مستقل هماهنگ است و در عین حال از اصول نظارت بر محیط زیست و صنعت دریایی پایدار حمایت می کند. بزرگترین محدودیت این مطالعه این است که، از آنجایی که در حال حاضر در مرحله مفهوم سازی است، تنها می تواند به عنوان مدرک برای برنامه های اجرایی خاص مورد استفاده قرار گیرد. ارزش دادههای دریایی را میتوان از طریق رویکرد بازار ارائهشده در این مطالعه ارزیابی کرد، که از این نظر معنادار است که به مصرفکنندگان فرصتی برای بهبود کیفیت خدمات یا تصرف کسبوکارهای جدید را فراهم میکند، زیرا به شکلی از سود جدید برای تامینکنندگان تبدیل میشود. بزرگترین محدودیت این است که هیچ ایده و اقدام خاصی برای ایجاد و مشارکت و احیای بازار معاملات وجود ندارد. به منظور استفاده صحیح از روش ارزش بازار، تطابق مصرف کنندگان و تامین کنندگان بسیار مهم است تا معاملات فعال انجام شود. بنابراین، لازم است این مطالعه با انجام تحقیقات بازار در مورد عرضه و تقاضای داده های دریایی تکمیل شود. علاوه بر این، با توجه به پیشرفت سریع فناوری، احتمال ناشناخته بودن عوامل ناشناخته در ارزشیابی داده ها در مرحله کنونی وجود دارد، بنابراین مشاهده، تحقیق و توسعه مستمر آنها ضروری است. در نتیجه، مشاهده، تحقیق و نوآوری مداوم در این زمینه، حصول اطمینان از آمادگی و سازگاری با چشم انداز آینده عملیات دریایی مبتنی بر هوش مصنوعی، حیاتی است.
منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | شناسایی مدل ارزشیابی بهینه برای دارایی های داده های دریایی با فرآیند تحلیل سلسله مراتبی (AHP)
,۲۰۲۴-۰۴-۱۵ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/8/3284
AHP , ارزشیابی , با , برای , بهینه , پایداری , تحلیل , داده , دارایی , دریایی , رایگان , سلسله , شناسایی , فرآیند , کامل , متن , مدل , مراتبی , های
- دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
- پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
- پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.