PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Koncepcja oceny poziomu wiedzy technicznej w dziale badawczo-rozwojowym: studium przypadku

Autorzy
Treść / Zawartość
Identyfikatory
Warianty tytułu
Języki publikacji
PL
Abstrakty
PL
W artykule zaprezentowano koncepcję oceny poziomu wiedzy technicznej w dziale badawczo-rozwojowym opracowaną na podstawie analizy literatury przedmiotu. Sporządzono charakterystykę wiedzy ukrytej i jawnej w dziale badawczo-rozwojowym w przedsiębiorstwie produkcyjnym, wyróżniono sposoby jej pozyskiwania i podziału w przedsiębiorstwie. Następnie zbudowano model Bayes’a, którego zastosowanie pozwoli na dokonanie oceny poziomu wiedzy technicznej w dziale badawczo-rozwojowym. Model został zbudowany w oparciu o wiedzę pozyskaną za pomocą wywiadów bezpośrednich z pracownikami z rzeczywistego przedsiębiorstwa produkcyjnego z branży automotive, z działu B+R. W podsumowaniu zawarto dalsze kierunki badań.
EN
The article presents the concept of the level of technical knowledge estimation in the research and development department based on the literature analysis of the subject. The characteristics of hidden and open knowledge in the research and development department in the production enterprise were prepared, and the methods of its acquisition and division in the enterprise were distinguished. Next, the Bayes model was built, the application of which will allow to assess the level of technical knowledge in the research and development department. The model was built based on the knowledge acquired through direct interviews with employees from a real manufacturing company from the automotive industry, from the R & D department. The summary contains further directions of research.
Rocznik
Tom
Strony
87--107
Opis fizyczny
Bibliogr. 44 poz., rys., tab.
Twórcy
autor
  • Instytut informatyki i zarządzania produkcją, Wydział Mechaniczny, Uniwersytet Zielonogórski, ul. prof. Z. Szafrana 4, 65-516 Zielona Góra
Bibliografia
  • 1. Choi, S. Y., Lee, H., Yoo, Y., The Impact of Information Technology and Transactive Memory Systems on Knowledge Sharing, Application, and Team Performance: A Field Study, MIS Quarterly Vol. 34 No. 4, December 2010, pp. 855-870.
  • 2. Drucker, P., 1964. Managing for Results, New York: Harper & Row.
  • 3. Enengel B., Muhar A., Penker M., Freyer B., Drlike S., Ritter F., Co-production of knowledge in transdisciplinary doctoral theses on landscape development—An analysis of actor roles and knowledge types in different research phases, Landscape and Urban Planning 105 (2012) 106–117, tu s. 109.
  • 4. Gasik S., A Model of Project Knowledge Management Project Management Journal, Vol. 42, No. 3, 23–44, tu.: 33.
  • 5. Grzegorczyk A., Kamińska-Kokot R., Wiedza jako obiekt pomiaru, W: Procesy decyzyjne w warunkach niepewności, (Red.) A. Grzegorczyk, Wyższa Szkoła Promocji, Warszawa 2012, pp. 8- 20, str 10.
  • 6. Han, J., Kamber, M., Pei, J., 2012. Data Mining: Concepts and Techniques, Waltham: Elsevier Inc.
  • 7. Hirsch Hadorn, G., Pohl, C., Bammer, G. (2010). Solving problems through transdisciplinary research.In R. Frodeman (Ed.), The Oxford handbook of interdisciplinarity (pp. 431–452). Oxford: Oxford University Press.
  • 8. Holste, J. S., Fields, D., (2010) "Trust and tacit knowledge sharing and use", Journal of Knowledge Management, Vol. 14 Issue: 1, pp.128-140.
  • 9. http://nbisweden.github.io/MrBayes/
  • 10. http://www.agenarisk.com/
  • 11. http://www.aispace.org/index.shtml
  • 12. https://www.bayesfusion.com/
  • 13. Jashapara, A., Zarządzanie wiedzą, Polskie Wydawnictwo Ekonomiczne, Warszawa, 2006.
  • 14. Kłos S., Justyna Patalas-Maliszewska J., Analiza procesow związanych z utrzymaniem ruchu linii produkcyjnej w oparciu o metodę symulacji komputerowej, W: Innowacje w zarządzaniu i inżynierii produkcji / red. Ryszard Knosala . T. 2 .- Opole : Oficyna Wydaw. Polskiego Towarzystwa Zarządzania Produkcją, 2017 - s. 548-559.
  • 15. Leibold M., Probst G., Gibbert M., Strategic Management in the Knowledge Economy, Publicis Kommunikations Agentur Gmbh, GWA, Erlanger 2002, s. 190-191.
  • 16. Liao, S. H., Wu, C. C., Hu, D. C., Tsui, K. A., Relationships between knowledge acquisition, absorptive capacity and innovation capability: an empirical study on Taiwan's financial and manufacturing industries, Journal of Information Science archive, Volume 36 Issue 1, February 2010, s. 19-35.
  • 17. Lucas, L. (2005), The impact of trust and reputation on the transfer of best practices, Journal of Knowledge Management, Vol. 9 No. 4, pp. 87-101.
  • 18. Mendryk I., Źrodła wiedzy organizacyjnej – wyniki badań polskich przedsiębiorstw, Zeszyty naukowe: Współpraca w łańcuchach dostaw a konkurencyjność przedsiębiorstw i kooperujących sieci, 2011, nr 32, s. 328.
  • 19. Mikuła B., Istota zarządzania wiedzą w organizacji, W: Komunikacja w procesach zarządzania wiedzą, pod red. Arkadiusza Potockiego, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Krakow 2011, s. 11- 31, tu s. 30.
  • 20. Mikuła B., TRANSFER WIEDZY W ORGANIZACJI, W: Komunikacja w procesach zarządzania wiedzą, pod red. Arkadiusza Potockiego, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Krakow 2011, ss. 59-76.
  • 21. Nonaka, I., Takeuchi, H.: The knowledge-Creating company. How Japanese Companies Create the Dynamic of Innovation. Oxford University Press, New York, 1995.
  • 22. Nonaka, I., Toyama, R., Konno, T.: SECI, Ba and Leadership: a Unified Model of Dynamic Knowledge Creation. Long Range Planning, No. 33 (2000).
  • 23. Nonaka, I., Von Krogh G., Tacit Knowledge and Knowledge Conversion: Controversy and Advancement in Organizational Knowledge Creation Theory, Organization Science Vol. 20, No. 3, May–June 2009, pp. 635–652.
  • 24. Nycz M., Owoc M.L. (red.), Pozyskiwanie wiedzy i zarządzanie wiedzą, Akademia Ekonomiczna im. Oskara Langego we Wrocławiu, Wrocław 2004, s. 68.
  • 25. Olbryś J., Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych, Zeszyty Naukowe Politechniki Białostockiej, Informatyka – Zeszyt 2, 93/ 2007.
  • 26. Panahi, S., Watson, J., & Partridge, H., Social Media and Tacit Knowledge Sharing: Developing a Conceptual Model, International Journal of Social, Behavioral, Educational, Economic, Business and Industrial Engineering Vol:6, No:4, 2012.
  • 27. Patalas-Maliszewska, J., Dudek A., 2016. A Model of a Tacit Knowledge Transformation for the Service Department in a Manufacturing Company: A Case Study. Foundations of Management, International Journal, Issue 8(1), pp.175-188.
  • 28. Patalas-Maliszewska, J., Śliwa M., "The Role of Knowledge Acquisition in a Company–Research Results from German and Polish Manufacturing Companies." Foundations of Management 9.1 (2017): 87-98.
  • 29. Perechuda K., Zarządzanie wiedzą w przedsiębiorstwie, praca zbiorowa, Wydawnictwo Naukowe PWN, Warszawa 2005.
  • 30. Ren, Y., Luo, X, Dynamic models of knowledge in virtual organizations, Information Knowledge Systems Management, vol. 11, no. 3,4, pp. 205-224, 2012.
  • 31. Siraj, S., Mikhailov, L. and Keane, J. A. (2015), PriEsT: an interactive decision support tool to estimate priorities from pairwise comparison judgments, International Transactions in Operational Research, 22, p. 217–235.
  • 32. Skarka W., Metodologia procesu projektowo-konstrukcyjnego opartego na wiedzy”, 2007, str 34.
  • 33. Song, J., Asakawa, K., Chu, Y., What determines knowledge sourcing from host locations of overseas R&D operations?: A study of global R&D activities of Japanese multinationals, Research Policy 40 (2011) 380–390, s. 382.
  • 34. Śliwa M., Patalas-Maliszewska J., Model of converting tacit knowledge into explicit knowledge on the example of R&D department of the manufacturing company, including evaluation of knowledge workers' usefulness, Journal of Theoretical and Applied Computer Science Vol. 9, No. 3, 2015, 25-24.
  • 35. Śliwa M., Patalas-Maliszewska J., A Strategic Knowledge Map for the Research and Development Department in a Manufacturing Company, Foundations of Management 8.1 (2016): 151-166.
  • 36. Tabaszewska E., Wprowadzanie i funkcjonowanie systemow zarządzania wiedzą w przedsiębiorstwach, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, 2012.
  • 37. Thies P. R., Smith G. H, Johanning L., Addressing failure rate uncertainties of marine energy converters, Renewable Energy 44 (2012) 359-367, tu s.360.
  • 38. Wang, Z., Wang, N, Knowledge sharing, innovation and firm performance, Expert Systems with Applications 39 (2012), 8899–8908.
  • 39. Wen, Z., Li, T. (Eds.). (2014). Knowledge Engineering and Management: Proceedings of the Eighth International Conference on Intelligent Systems and Knowledge Engineering, Shenzhen, China, Nov 2013 (ISKE 2013) (Vol. 278). Springer, s. 174.
  • 40. Wu, Q., Bell, D., McGinnity, M., Guo, G., Decision Making Based on Hybrid of Multi-Knowledge and Naıve Bayes Classifier, Studies in Computational Intelligence (SCI) 6, 171–184 (2005), str 181-182.
  • 41. Xiuxu, Z., Zhu, Y., Application Research of Ontology-enabled Process FMEA Knowledge Management Method, I.J. Intelligent Systems and Applications, 2012, 3, 34-40, tu 34.
  • 42. Yang, S. C., Farn, C. K., Social capital, behavioural control, and tacit knowledge sharing—A multi-informant design, International Journal of Information Management 29 (2009) 210–218.
  • 43. Yuan Fu, Q., Ping Chui, Y., Helander, M. G. (2006), Knowledge identification and management in product design", Journal of Knowledge Management, Vol. 10 Iss: 6, pp. 50 – 63.
  • 44. Kriegel H.P., Schubert E. , Zimek A., The (black) art of runtime evaluation: Are we comparing algorithms or implementations?, Knowledge and Information Systems, pp 1–38, 2016.
Uwagi
PL
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-818ee9c2-599f-4b2e-bb9d-f0fe7a3b6c31
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.