@article { author = {Shahbazi, Sadegh and Bozorgi-Amiri, Ali}, title = {Identification and Clustering of the Indicators of Priority of New Defensive Product Development Projects by Main Components Analysis Method based on Data Mining}, journal = {MILITARY MANAGEMENT QUARTERLY}, volume = {18}, number = {70}, pages = {28-52}, year = {2018}, publisher = {Imam Ali Military University}, issn = {1735-5699}, eissn = {2783-1892}, doi = {}, abstract = {In Defensive R & D centers due to resource constraints, there is no possibility for development of all new defensive products projects, so prioritizing these projects is considered as a necessity. Multi-dimensional decision making is one of the methods that can be used in this regard. To apply this method, one of the basic prerequisites for identifying the appropriate indicators, by taking into account the defense approach, is categorizing and eventually weighing them. In this applied study in terms of purpose, data collected through descriptive-survey method. The statistical population of this research were selected from among the directors and experts of the R&D centers in Defense Industry as well as managers of the product design projects. In this paper, the indices used to prioritize development projects for new defense products explored after reviewing the background of the research and extensive field interview with experts from R&D centers of several Defense Industries in five areas of defense, organization and strategy, knowledge and technology, risk and market. Since the number of identified indicators was widespread, this eventually increased the error of project selection. Therefore, in order to reduce the indicators, the Data Mining technique was used by the Main Component Analysis method. This method was applied on 42 identified indicators, with the help of scores given on 21 projects. Finally the number of indicators was reduced to 25 in 5 areas. Then the title of each cluster was determined according to clustering of the indicators. Also, after weighing, the defensive zone with the weight of 0.29, and the market area with a weight of 0.09, received the highest and lowest priority, respectively.}, keywords = {New Product Development,Defense,Main Components Analysis,Data Mining}, title_fa = {شناسایی و خوشه‌بندی شاخص‌های اولویت‌بندی پروژه‌های توسعه محصول جدید دفاعی با روش سنجش مؤلفه‌های اصلی مبتنی بر داده‌کاوی}, abstract_fa = {در مراکز تحقیق و توسعه دفاعی با توجه به محدودیت منابع، امکان انجام همه پروژه‌های توسعه محصول جدید دفاعی وجود ندارد، لذا اولویت‌بندی این پروژه‌ها ضروری است. از روش‌هایی که می‌توان در این خصوص بکار گرفت، تصمیم‌گیری چند شاخصه است. یکی از پیش‌نیازهای اساسی برای استفاده از این روش، شناسایی شاخص‌های مناسب با در نظر گرفتن رویکرد دفاعی، دسته‌بندی آن‌ها و درنهایت وزن دهی به آن شاخص‌ها می‌باشد که در این پژوهش موردبررسی قرارگرفته است. روش پژوهش حاضر ازنظر گردآوری داده‌‌ها، از نوع توصیفی- پیمایشی و ازنظر هدف با توجه به آنکه از نتایج یافته‌ها برای حل مسئله موجود در سازمان استفاده می‌شود کاربردی می‌باشد. جامعه آماری این تحقیق، صنایع دفاعی، و خبرگان مورداستفاده در این تحقیق مدیران و کارشناسان مراکز تحقیق و توسعه و مدیران پروژه‌های طراحی محصول هستند. در این مقاله پس از مصاحبة میدانی گسترده با متخصصان مراکز تحقیق، شاخص‌های موردبررسی جهت اولویت‌بندی پروژه‌های توسعه محصول جدید دفاعی در 5 حوزة دفاعی، سازمانی و استراتژی، دانشی و فنی، ریسک و بازار استخراج گردید؛ چون تعداد شاخص‌های شناسایی‌شده گسترده بودند، این امر درنهایت خطای انتخاب پروژه را افزایش می‌داد؛ بنابراین به‌منظور کاهش شاخص‌ها از تکنیک داده‌کاوی شاخص‌ها با روش تحلیل مؤلفه‌های اصلی استفاده گردید. این روش بر روی 42 شاخص شناسایی‌شده، با کمک امتیاز‌های داده‌شده بر روی 21 پروژه، انجام گرفت و درنهایت تعداد شاخص‌ها به 25 شاخص در 5 حوزه بیان‌شده کاهش یافت و با توجه به خوشه‌بندی شاخص‌ها عناوین مرتبط با هر خوشه تعیین گردید. همچنین پس از وزن دهی با روند برآورد نسبت، حوزة دفاعی با وزن 0.29، بیشترین اهمیت و حوزه بازار با وزن 0.09 ، پایین‌ترین اولویت را کسب نمودند.}, keywords_fa = {توسعة محصول جدید,دفاعی,سنجش مؤلفه‌های اصلی,داده‌کاوی}, url = {https://jmm.iranjournals.ir/article_33760.html}, eprint = {https://jmm.iranjournals.ir/article_33760_e90f090d2ef23124d0c0c14c4b5886d7.pdf} }