مهندسی سیستم و بهره‌وری

مهندسی سیستم و بهره‌وری

ارزیابی و پیش‌بینی توسعه فناوری در ساعت‌های هوشمند با استفاده از TFDEA

نوع مقاله : پژوهشی

نویسندگان
مونا قاسمی 1
مجتبی غیاثی 2
1 کارشناسی ارشد، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
2 نویسنده مسئول: دانشیار، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
10.22034/sep.2024.2023670.1188
چکیده
تحلیل و ارزیابی کارایی و پیش‌بینی نرخ تغییرات برای سنجش عملکرد واحدهای تصمیم‌گیری و برنامه‌ریزی برای بهبود عملکرد آن‌ها از اهمیت زیادی برخوردار است به‌طوری‌که رقابت اصلی صنعت گران بر سر سرعت تغییرات است. این موضوع برای صنایع الکترونیکی که سرعت تحول در آن‌ها زیاد است اهمیت بیشتری پیدا می‌کند. ساعت‌های هوشمند به‌عنوان یکی از ابزارهای روبه‌پیشرفت طی سال‌های اخیر با تغییرات و پیشرفت‌های زیادی روبه‌رو بوده است. هدف از این پژوهش ارزیابی کارایی ساعت‌های هوشمند و همچنین پیش‌بینی نرخ تغییرات تکنولوژیکی فناوری این ساعت‌ها بوده است. در این مطالعه با استفاده از روش ناپارامتریک تحلیل پوششی داده‌ها و رویکرد پیش‌بینی فناوری با استفاده از تحلیل پوششی داده‌ها چارچوبی برای برآورد نرخ تغییرات تکنولوژیکی در ساعت‌های هوشمند یا هر دستگاه هوشمندی ایجادشده است. در ابتدا کارایی 74 مدل از ساعت‌های هوشمند منتشرشده طی سال‌های 2016 تا 2021 در سال انتشار محاسبه‌شده است و سپس با استفاده از رویکرد پیش‌بینی فناوری میزان نرخ تغییرات هر دستگاه و میانگین تغییرات در کل دستگاه‌ها بررسی و محاسبه‌شده است و درنهایت با استفاده از یافته‌های پژوهش و اطاعات سری زمانی موجود، شرایط و نرخ تغییرات ساعت‌های هوشمند برای دوره بعدی پیش‌بینی‌شده است.

تازه های تحقیق

  • هدف ارزیابی کارایی ساعت‌های هوشمند و پیش‌بینی نرخ تغییرات فناوری آن‌ها است.
  • از روش ناپارامتریک تحلیل پوششی داده‌ها و رویکرد پیش‌بینی چارچوبی برای برآورد نرخ تغییرات تکنولوژیکی در ساعت‌های هوشمند ایجادشده است.
  • درنهایت با استفاده از یافته‌های پژوهش و اطاعات سری زمانی موجود، شرایط و نرخ تغییرات ساعت‌های هوشمند برای دوره بعدی پیش‌بینی‌شده است.

کلیدواژه‌ها
ساعت هوشمند
تحلیل پوششی داده‌ها
نرخ تغییرات تکنولوژیکی
TFDEA
موضوعات

عنوان مقاله English

Evaluating and Predicting Technology Development in Smartwatches Using TFDEA

نویسندگان English

Mona Ghasemi 1
Mojtaba Ghiasi 2
1 M.Sc., Faculty of Industrial Engineering and Management, Shahrood University of Technology, Shahrood, Iran
2 Corresponding author: Associate Professor, Faculty of Industrial Engineering and Management, Shahrood University of Technology, Shahrood, Iran
چکیده English

Analyzing and evaluating the efficiency and predicting the rate of change is of great importance for measuring the performance of decision-making and planning units to improve their performance, so that the main competition of industrialists is over the speed of change. This issue becomes more important for electronic industries where the speed of change is high. Smart watches, as one of the advanced tools, have faced many changes and advances in recent years. The purpose of this research was to evaluate the efficiency of smart watches and also to predict the rate of technological change of the technology of these watches. In this study, a framework has been created using the nonparametric method of data envelopment analysis and the approach of technology prediction using data envelopment analysis to estimate the rate of technological change in smart watches or any smart device. Initially, the performance of 74 models of smartwatches released between 2016 and 2021 was calculated in the year of release, and then, using a technology forecasting approach, the rate of change for each device and the average change across all devices were examined and calculated. Finally, using research findings and available time series data, the conditions and rate of change for smartwatches for the next period were predicted.

کلیدواژه‌ها English

Smartwatch
Data Envelopment Analysis
Rate of technological change
TFDEA

Copyright ©, Mona Ghasemi, Mojtaba Ghiasi

 

License

This article is released under the Creative Commons Attribution (CC BY 4.0) license. Anyone is free to copy, share, translate, and adapt this article for any purpose, whether commercial or non-commercial, as long as proper citation is given to the authors and original publication.

 

Alsmadi, I., Najadat, H., & Al-Oqily, I. (2015). Evaluating the importance of the weight factors in DEA optimisation. International Journal of Data Science, 1(2), 172-188. DOI:  https://doi.org/10.1504/IJDS.2015.072410.
Chandel, R. S., Sharma, S., Kaur, S., Singh, S., & Kumar, R. (2022). Smart watches: A review of evolution in bio-medical sector. Materials Today: Proceedings, 50, 1053-1066. DOI: https://doi.org/10.1016/j.matpr.2021.07.460.
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444. DOI: https://doi.org/10.1016/0377-2217(78)90138-8.
Charnes, A., Cooper, W. W., & Thrall, R. M. (1986). Classifying and characterizing efficiencies and inefficiencies in data development analysis. Operations Research Letters, 5(3), 105-110. DOI: https://doi.org/10.1023/A:1018949800069.
Chuah, S. H. W., Rauschnabel, P. A., Krey, N., Nguyen, B., Ramayah, T., & Lade, S. (2016). Wearable technologies: The role of usefulness and visibility in smartwatch adoption. Computers in Human Behavior, 65, 276-284. DOI: https://doi.org/10/1016/j.chb.2016.07.047.
Dhull, R., Chava, D., Kumar, D. V., Prasad, K. M., Samudrala, G., & Bhargav, M. V. (2020, November). Pandemic stabilizer using smartwatch. In 2020 International Conference on Decision Aid Sciences and Application (DASA) (pp. 860-866). IEEE. DOI:  https://doi.org/10.1109/DASA51403.2020.9317056.
Heeks, R. (2010). Do information and communication technologies (ICTs) contribute to development?. Journal of international development, 22(5), 625-640. DOI: https://doi.org/10.1002/jid.1716.
Li, C., Wang, J., Wang, S., & Zhang, Y. (2024). A review of IoT applications in healthcare. Neurocomputing, 565, 127017. ‏DOI: https://doi.org/10.1016/j.neucom.2023.127017.
Niknejad, N., Ismail, W. B., Mardani, A., Liao, H., & Ghani, I. (2020). A comprehensive overview of smart wearables: The state of the art literature, recent advances, and future challenges. Engineering Applications of Artificial Intelligence, 90, 103529. DOI: https://doi.org/10.1016/j.engappai.2020.103529.
Ometov, A., Shubina, V., Klus, L., Skibińska, J., Saafi, S., Pascacio, P., ... & Lohan, E. S. (2021). A survey on wearable technology: History, state-of-the-art and current challenges. Computer Networks, 193, 108074. DOI: https://doi.org/DOI:10.1016/j.comnet.2021.108074.
Potluri, Rajasekhara Mouly, and Narasimha Rao Vajjhala. "Efficiency Benchmarking Through Data Envelopment Analysis: Evaluating Disruptive Technologies in India's Key Sectors." Data Envelopment Analysis (DEA) Methods for Maximizing Efficiency. IGI Global, 2024. 161-183.‏ DOI: https://doi.org/10.4018/979-8-36930255.ch007.
Selen, S. G. G., Rahman, N. A. A., & Harun, K. S. (2024, January). A study of wearable IoT device (smartwatch) advantages, vulnerabilities and protection. In AIP Conference Proceedings (Vol. 2802, No. 1). AIP Publishing. DOI: https://doi.org/10.1063/5.0183094.
Sharma, V., & Tiwari, R. (2016). A review paper on “IOT” & It's Smart Applications. International Journal of Science, Engineering and Technology Research (IJSETR), 5(2), 472-476. DOI: https://doi.org/10.17762/ijritcc.v6i9.5295.
Srivastava, S., & Misra, M. (2016). Assessing and forecasting technology dynamics in smartphones: a TFDEA approach. Technology Analysis & Strategic Management, 28(7), 783-797. DOI: https://doi.org/10.1080/09537325.2016.1143094.
Zhang, Z. (2024). Analysis of the development of an STM32-based smartwatch. Applied and Computational Engineering, 31(1), 43-51. ‏DOI: https://doi.org/10.54254/2755-2721/31/20230120.