Model konwersji wiedzy ukrytej w wiedzę jawną przy zastosowaniu algorytmu Bayes’a na przykładzie działu badawczo-rozwojowego w przedsiębiorstwie produkcyjnym

• Autorzy: Śliwa M.
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono tematykę konwersji wiedzy ukrytej w wiedzę jawną na podstawie działu badawczo-rozwojowego w przedsiębiorstwie produkcyjnym. Sformułowano otoczenie problemu badawczego: w dziale B+R średniego przedsiębiorstwa produkcyjnego istnieje wiedza jawna i ukryta – zgromadzona w pracownikach umysłowych. W dziale realizowane są procesy biznesowe. Należy odpowiedzieć na pytanie: czy zastosowanie narzędzia wspomagającego podział wiedzy pomoże osiągnąć wymierne korzyści dla przedsiębiorstwa? Zidentyfikowano źródła wiedzy ukrytej w dziale badawczo-rozwojowym w przedsiębiorstwie produkcyjnym, następnie zaproponowano mechanizmy jej pozyskiwania. Zbadano wpływ charakterystyki pracownika na podział wiedzy ukrytej, co wpływa na wzrost know-how przedsiębiorstwa. W konsekwencji zaimplementowano algorytm Bayes’a. Model zilustrowano na przykładzie z praktyki gospodarczej. W efekcie zakłada się otrzymanie wymiernych korzyści z wynikające z podziału wiedzy, jak: redukcję kosztów, poprawek, reklamacji, szybsze zakończenie podobnego projektu i optymalny dobór kadry. W podsumowaniu pokazano kierunki dalszych prac obejmujące implementację informatyczną przedstawionego modelu oraz jego weryfikację.

EN

Based on the reference works, in article have been showed knowledge’s conversion characteristic, based on the own research and development department in manufacturing company. Formulated surrounding the research problem: in section B+R medium manufacturing company, there is tacit and explicit knowledge gathered in the white-collar workers. In this department they are implemented business processes. It should answer the question: whether the use of a tool to support the knowledge sharing will help achieve tangible benefits for the company? It studied the effect of the characteristics of an employee on the tacit knowledge sharing, which increases on its know-how value in organization. The sources of tacit knowledge in the research and development department in a manufacturing company were identified, and then mechanisms of its collection were proposed. Consequently, Bayes’ algorithm was implemented. The model is illustrated by the example of business practice. As a result, it is assumed to receive measurable benefits, i.e. cost reduction, corrections, complaints and faster completion of a similar project, optimal selection of workers. In summary it presents directions for further work, including the IT implementation of the presented model and its verification.

Słowa kluczowe

PL

wiedza ukryta; algorytm Bayes'a; konwersja wiedzy; dział badawczo-rozwojowy; przedsiębiorstwo produkcyjne

EN

tacit knowledge; Bayes algorithm; knowledge conversion; research and development; manufacturing company

• Wydawca: Wydawnictwo Uczelniane Politechniki Koszalińskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
• Rocznik: 2016
• Tom: Nr 10
• Strony: 131--145
• Opis fizyczny: Bibliogr. 15 poz., tab., rys.

Twórcy

autor

Śliwa M.

• Instytut informatyki i zarządzania produkcją, Wydział Mechaniczny, Uniwersytet Zielonogórski ul. prof. Z. Szafrana 4, 65-516 Zielona Góra

Bibliografia

• 1. Drucker P., Managing for Results, Harper & Row, New York, 1964
• 2. Bombiak A., Wycena kapitału intelektualnego na przykładzie Wawel S.A. – studium przypadku, Zeszyty Naukowe Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach, Seria: Administracja i Zarządzanie, Nr 95 (2013), s. 229-244
• 3. Beyer K., Wiedza jako kluczowy zasób w nowej gospodarce, Studia i prace Wydziału Nauk Ekonomicznych i Zarządzania Nr 21 (2011), s. 7-16
• 4. Fazlagić J., Innowacyjne zarządzanie wiedzą, Difin, Warszawa, 2014
• 5. Nonaka I., Takeuchi H., The knowledge-Creating company. How Japanese Companies Create the Dynamic of Innovation, Oxford University Press, New York, 1995
• 6. A. Jashapara, Zarządzanie wiedzą, Polskie Wydawnictwo Ekonomiczne, Warszawa 2006, s. 254
• 7. Bogdanienko J., W pogoni za nowoczesnością. Wybrane aspekty tworzenia i wprowadzania zmian, Towarzystwo Naukowe Organizacji i Kierownictwa, Toruń, 2008
• 8. Kowalski T., Pojęcie i cechy pracownika wiedzy, STUDIA LUBUSKIE, Tom VII, Sulechów 2011, dostęp 30.11.2016: http://www.seipa.edu.pl/s/p/artykuly/91/910/Pracownicy%20wiedzy%202011%20GOOD.pdf
• 9. Morawski M., Zarządzanie profesjonalistami, PWE, Warszawa, 2009
• 10. Mendryk I., Źródła wiedzy organizacyjnej – wyniki badań polskich przedsiębiorstw, Zeszyty naukowe: Współpraca w łańcuchach dostaw a konkurencyjność przedsiębiorstw i kooperujących sieci, Nr 32, 2011, s. 315-331
• 11. Yua Y., Haob J.-X., Dongc X.-Y., Khalifa M., A multilevel model for effects of social capital and knowledge sharing in knowledge-intensive work team, International Journal of Information Management 33, 2013, s. 780-790
• 12. Haua Y.-S., Kimb B., Leec H., Kimc Y.-G., The effects of individual motivations and social capital on employees’ tacit and explicit knowledge sharing intentions, International Journal of Information Management 33, 2013, s. 356-366
• 13. Hunga S.-Y., Durcikova A., Lai H.-M., Lin W.-M., The influence of intrinsic and extrinsic motivation on individuals’ knowledge sharing behavior, Int. J.Human-Computer Studies 69, 2011, s. 415-427
• 14. Miroński J., Wyzwania zarządzania wiedzą w zespołach wirtualnych, e-mentor nr 5 (57), 2014, dostęp [30.11.2016] http://www.e-mentor.edu.pl/artykul/index/numer/57/id/1142
• 15. Gruczyńska-Malec G., Rutkowska M., Strategie zarządzania wiedz. Modele teoretyczne i praktyczne, Polskie wydawnictwo ekonomiczne, Warszawa, 2013