پیش‌بینی فناوری

پیش‌بینی فناوری تلاش می‌کند تا ویژگی‌های آیندهٔ ماشین‌ها، فرایندها یا روش‌های فناورانهٔ مفید را پیش‌بینی کند. پژوهشگران پیش‌بینی‌های فناوری را بر پایهٔ تجربه‌های گذشته و توسعه‌های فناورانهٔ کنونی ایجاد می‌کنند. پیش‌بینی فناوری، مانند دیگر پیش‌بینی‌ها، می‌تواند برای سازمان‌های دولتی و خصوصی در تصمیم‌گیری‌های هوشمندانه مفید باشد. پیش‌بین با تحلیل فرصت‌ها و تهدیدهای آینده می‌تواند تصمیم‌گیری‌ها را برای دستیابی به بیشترین منافع بهبود بخشد.[۱]

امروزه بیشتر کشورها در حال تجربهٔ تغییرات اجتماعی و اقتصادی عظیمی هستند که به‌شدت به وابسته است. نهادهای دولتی و اقتصادی می‌توانند با تحلیل این تغییرات، برای توسعه‌های آینده برنامه‌ریزی کنند. با این حال، تمام داده‌های تاریخی را نمی‌توان برای پیش‌بینی فناوری به کار برد؛ پیش‌بین‌ها همچنین نیاز دارند تا فناوری‌های پیشرفته و مدل‌سازی‌های کمی حاصل از پژوهش‌ها و نتایج کارشناسان را اتخاذ کنند.[۲]

تاریخچه

پیش‌بینی فناوری بیش از یک قرن است که وجود دارد، اما تا زمان جنگ جهانی دوم به یک موضوع تثبیت‌شده تبدیل نشد؛ چرا که دولت آمریکا پس از جنگ شروع به شناسایی روند توسعهٔ فناوری در حوزهٔ نظامی کرد. در سال ۱۹۴۵، نیروی هوایی ارتش ایالات متحده گزارشی به نام به سوی افق‌های نو (Toward New Horizons) تهیه کرد که به بررسی توسعهٔ فناوری پرداخت و اهمیت مطالعات آینده را مورد بحث قرار داد. این گزارش نشانه‌ای از آغاز پیش‌بینی مدرن فناوری است.[۳]

در دهه‌های ۱۹۵۰ و ۱۹۶۰، رند کورپوریشن تکنیک دلفی را توسعه داد که به‌طور گسترده‌ای پذیرفته شد و برای ارزیابی هوشمندانهٔ آینده مورد استفاده قرار گرفت.[۴] کاربردهای تکنیک دلفی نقطهٔ عطفی در تاریخچهٔ پیش‌بینی فناوری به شمار می‌رود، زیرا به ابزاری کارآمد برای دانش‌افزایی و تصمیم‌گیری، به‌ویژه در زمینهٔ سیاست‌های اجتماعی و مسائل بهداشت عمومی تبدیل شد.[۵]

در دههٔ ۱۹۷۰، بخش خصوصی و سازمان‌های دولتیِ خارج از حوزهٔ نظامی به‌طور گسترده‌ای پیش‌بینی فناوری را به کار گرفتند و به تنوع‌بخشیدن به کاربران و کاربردهای آن کمک کردند. با توسعهٔ فناوری محاسباتی، سخت‌افزار و نرم‌افزار پیشرفتهٔ رایانه، فرآیند مرتب‌سازی و تحلیل داده‌ها را تسهیل کرد. توسعهٔ اینترنت و شبکه‌سازی نیز برای دسترسی به داده‌ها و انتقال آن‌ها سودمند بود.[۶] تحلیل فرصت‌های فناوری از سال ۱۹۹۰ آغاز شد. نرم‌افزارهای بهبودیافته می‌توانند به تحلیلگران در جستجو و بازیابی اطلاعات از پایگاه‌های دادهٔ بزرگ و پیچیده کمک کنند و سپس روابط متقابل را به‌صورت گرافیکی نمایش دهند.[۷]

از سال ۲۰۰۰، نیازها و چالش‌های جدیدِ روزافزون، به توسعهٔ مدرن پیش‌بینی فناوری منجر‌شده است؛ مواردی مانند بازی‌های واقعیت جایگزین، انجمن‌های پیش‌بینی آنلاین و پیش‌بینی کهنگی.[۳]

جنبه‌های مهم

«من فکر می‌کنم ما یک وابستگی فرهنگی به فناوری داریم که نشان‌دهندهٔ خوش‌بینی است، اما همهٔ ما پیش‌بینی‌های ضعیفی انجام می‌دهیم.» — جیم مور، مدیر برنامهٔ مهندسی ترابری در دانشگاه کالیفرنیای جنوبی[۸]

در درجهٔ نخست، یک پیش‌بینی فناورانه با ویژگی‌های فناوری سر و کار دارد؛ مانند سطوح عملکرد فنی، نظیر سرعت یک هواگرد نظامی، توان بر حسب وات یک موتور خاص در آینده، دقت یا ظرافت یک ابزار اندازه‌گیری، تعداد ترانزیستورها در یک تراشه در سال ۲۰۱۵ و غیره. پیش‌بینی نیازی ندارد بیان کند که این ویژگی‌ها چگونه محقق خواهند شد.

در درجهٔ دوم، پیش‌بینی فناورانه معمولاً تنها با ماشین‌ها، فرایندها یا روش‌های مفید سر و کار دارد. هدف از این کار، خارج کردن کالاها، خدمات یا روش‌هایی است که برای تجمل یا سرگرمی در نظر گرفته شده‌اند از قلمرو پیش‌بینی فناوری.

در درجهٔ سوم، امکان‌سنجی یک عنصر کلیدی در پیش‌بینی فناوری است. پیش‌بین‌ها باید هزینه و میزان دشواری تحقق خواسته‌ها را در نظر بگیرند. برای نمونه، رویکرد مبتنی بر رایانهٔ «پترن» (Pattern) یک روش پیش‌بینی گران‌قیمت است که استفاده از آن در موارد محدودیت بودجه توصیه نمی‌شود.[۲]

روش‌ها

روش‌ها و ابزارهای رایج پیش‌بینی فناوری شامل قانون مور،[۹] قانون رایت (Wright's law) و قانون گودارد (Goddard law) هستند[۱۰] که ارزیابی‌های کمی برای پیشرفت فناوری ایجاد می‌کنند؛ همچنین روش دلفی، پیش‌بینی با قیاس، منحنی‌های رشد، برون‌یابی و پایش افق (horizon scanning) از دیگر روش‌ها هستند.[۱۱][۱۲][۱۳] روش‌های هنجاری پیش‌بینی فناوری — مانند درخت‌های تصمیم‌گیری مرتبط، مدل‌های ریخت‌شناختی و نمودارهای جریان مأموریت — نیز به‌طور رایج استفاده می‌شوند. روش دلفی به دلیل انعطاف‌پذیری و راحتی آن، به‌طور گسترده در پیش‌بینی‌های فناوری استفاده می‌شود. با این حال، نیاز به دستیابی به اجماع یک نقطه ضعف احتمالی برای روش دلفی است. برون‌یابی می‌تواند با وجود داده‌های تاریخی موثر و کافی به‌خوبی عمل کند. پیش‌بین با تحلیل داده‌های گذشته، روند توسعهٔ گذشته را بسط می‌دهد تا نتایج معناداری را در آینده برون‌یابی کند.[۱۴]

چندین روش پیش‌بینی فناوری،[۱۵][۱۶][۱۷][۱۸] پیش‌بینی خود را بر تعامل میان بازارها و فناوری‌ها پایه‌گذاری می‌کنند. در حالی که پیشرفت فناوری شرکت‌ها را قادر می‌سازد تا محصولات بهبودیافته یا جدیدی را به بازار عرضه کنند، بازار بالقوه نیز انگیزه‌های لازم را برای سرمایه‌گذاری در تحقیق و توسعه فراهم می‌آورد و موفقیت در بازار، بودجهٔ لازم را برای تحقیق و توسعهٔ بیشتر تأمین می‌کند.

ترکیب پیش‌بینی‌ها

بررسی پیش‌بینی‌های گذشته نشان داده است که یکی از رایج‌ترین دلایل نادرست از آب درآمدن یک پیش‌بینی، نادیده گرفتن حوزه‌های مرتبط از سوی پیش‌بین است.[۱۹] ممکن است یک رویکرد فنی معین نتواند به سطح توانمندی پیش‌بینی‌شده برای آن دست یابد، زیرا رویکرد فنی دیگری که پیش‌بین از آن غافل‌بوده، جایگزین آن می‌شود. مشکل دیگر، ناهمخوانی میان پیش‌بینی‌ها است. ناهمخوانی میان پیش‌بینی‌ها در مکان‌ها و زمان‌های متفاوتی که در آزمایش‌های کنترل‌شده به کار می‌روند، نمایان می‌شود. این امر معمولاً داده‌های نادرست و غیرقابل اعتمادی تولید می‌کند که به بینش‌های اشتباه و پیش‌بینی‌های نادرست می‌انجامد.[۲۰] به دلیل این مشکلات، اغلب لازم است پیش‌بینی‌های فناوری‌های گوناگون با یکدیگر ترکیب شوند. افزون بر این، بهره‌گیری از بیش از یک روش پیش‌بینی معمولاً به پیش‌بین بینش بیشتری درباره فرایندهای در جریانی می‌دهد که مسئول رشد فناوری مورد پیش‌بینی هستند. ترکیب پیش‌بینی‌ها در مقایسه با یک پیش‌بینی منفرد می‌تواند خطاها را کاهش دهد. در حالتی که پژوهشگران در انتخاب یک روش پیش‌بینی خاص با مشکل روبه‌رو می‌شوند، ترکیب پیش‌بینی‌ها همواره بهترین راهکار است.[۲۱]

پژوهش‌ها و کاربردهای مرتبط

موسسات پیش‌بینی

مجلات علمی

کاربردها در تولید

پیش‌بینی فناوری به شدت به داده‌ها وابسته است و داده‌ها به تولید و انقلاب صنعتی چهارم کمک می‌کنند. سامانهٔ اینترنت اشیاء (IoT) بستری قدرتمند برای انجام تحلیل‌های پیش‌بینانه در دوران پس از انقلاب صنعتی چهارم فراهم می‌کند. فناوری‌های پیشرفته موجب افزایش دقت و همچنین قابلیت اطمینان پیش‌بینی‌ها خواهند شد. با توسعهٔ سریع فناوری اینترنت اشیاء، صنایع بیشتر و بیشتری به حسگرها و نمایشگرها مجهز خواهند شد. ظهور تولید مدرن چهرهٔ کارخانه‌ها را دگرگون می‌کند. سامانهٔ اینترنت اشیاء با جمع‌آوری، ردگیری و انتقال داده‌ها به مدیران کمک می‌کند تا فرایند تولید را پایش و مهار کنند. داده‌ها نقشی قدرتمند دارند. مدیران همچنین می‌توانند بر پایهٔ داده‌های بازاریابی، تحلیل‌های تجاری انجام دهند. اطلاعاتی همچون اولویت خرید مشتری و تقاضای بازار را می‌توان جمع‌آوری کرد و برای برآورد میزان تولید به کار برد.[۲۲]

تحلیل روند بر پایهٔ فرض رشد کنونی می‌تواند در تولید به کار گرفته شود. این تحلیل کمک شایانی به کاهش زمان چرخهٔ فرایند تولید و مصرف انرژی می‌کند. در این حالت، فناوری مدرن باعث افزایش کارایی تولید و همچنین بازده اقتصادی می‌شود.[۲۳]

پیش‌بینی فناوری با رادار فناوری

شرکت‌ها اغلب از پیش‌بینی فناوری برای اولویت‌بندی فعالیت‌های تحقیق و توسعه، برنامه‌ریزی برای توسعهٔ محصولات جدید، و اتخاذ تصمیم‌های راهبردی درباره صدور مجوز فناوری و تشکیل سرمایه‌گذاری‌های مشترک استفاده می‌کنند.[۲۴] یکی از ابزارهایی که پیش‌بینی فناوری را در یک شرکت امکان‌پذیر می‌سازد، رادار فناوری است. رادار فناوری برای شناسایی زودهنگام فناوری‌ها، روندها و تکانه‌ها، جلب توجه به تهدیدها و فرصت‌های توسعهٔ فناوری، و همچنین تحریک نوآوری به کار می‌رود.[۲۵]

رادارهای فناوری با موفقیت برای شناسایی، گزینش، ارزیابی و انتشار هوشمندی فناوری در سطح کل سازمان به کار گرفته شده‌اند.[۲۶][۲۵] این رادارهای فناوری فرایند راداری مشخصی را دنبال می‌کنند که خود ارزش چشمگیری برای یک شرکت به همراه دارد:[۲۶]

  • شناسایی: کارکنانی که به عنوان دیده‌بانان فناوری از سراسر جهان فعالیت می‌کنند، فناوری‌های نوظهور را به پلتفرم ارسال می‌نمایند.
  • گزینش: یک تیم رادار بر پایهٔ خود فناوری، اثر بالقوه و نوآوری آن، فناوری‌های ارسالی را بررسی کرده و معتبرترین آن‌ها را برمی‌گزیند.
  • ارزیابی: فناوری‌های منتخب سپس بر پایهٔ فرصت بازار و خطر پیاده‌سازی ارزیابی می‌شوند.
  • انتشار: رادار، فناوری‌های ارزیابی‌شده را بر اساس بلوغ، جایگاه در زنجیرهٔ ارزش و میزان ارتباط نمایش می‌دهد.[۲۷]

جستارهای وابسته

پانویس

  1. ↑ Quinn, James Brian (1967-03-01). "Technological Forecasting". Harvard Business Review. No. March 1967. ISSN 0017-8012. Retrieved 2019-12-07.
  2. 1 2 Abdou, E.; Mahmoud, S. (1977-01-01). "The role of technological forecasting in planning future developments". IFAC Proceedings Volumes. IFAC Conference on Systems Approach for Development, Cairo, Egypt, 26–29 November. 10 (14): 65–68. doi:10.1016/S1474-6670(17)66433-4. ISSN 1474-6670.
  3. 1 2 Council, National Research (2009-09-28). Persistent Forecasting of Disruptive Technologies (in English). National Academies Press. ISBN 978-0-309-11660-2.
  4. ↑ OBrien, Peter W. (1978). "The Delphi Technique and Educational Planning". The Irish Journal of Education / Iris Eireannach an Oideachais. 12 (2): 69–93. ISSN 0021-1257. JSTOR 30076717.
  5. ↑ Adler, Michael; Ziglio, Erio (1996). Gazing Into the Oracle: The Delphi Method and Its Application to Social Policy and Public Health (in English). Jessica Kingsley Publishers. ISBN 978-1-85302-104-6.
  6. ↑ Martino, Joseph P. (1999-08-01). "Thirty years of change and stability". Technological Forecasting and Social Change. 62 (1): 13–18. doi:10.1016/S0040-1625(99)00011-6. ISSN 0040-1625.
  7. ↑ Zhu, Donghua; Porter, Alan L. (2002-06-01). "Automated extraction and visualization of information for technological intelligence and forecasting". Technological Forecasting and Social Change. TF Highlights from ISF 2001. 69 (5): 495–506. doi:10.1016/S0040-1625(01)00157-3. ISSN 0040-1625. S2CID 16720975.
  8. ↑ Lufkin, Bryan (2016-07-06). "Five transport promises that never quite changed the world". BBC. Archived from the original on 2016-07-09.
  9. ↑ Brock, David C. (2006). Understanding Moore's Law: Four Decades of Innovation. Chemical Heritage Foundation.
  10. ↑ Goddard, C. (1982-12). "Debunking the Learning Curve". IEEE Transactions on Components, Hybrids, and Manufacturing Technology. 5 (4): 328–335. doi:10.1109/tchmt.1982.1136009. ISSN 0148-6411. {{cite journal}}: تاریخ وارد شده در |date= را بررسی کنید (کمک)
  11. ↑ Jun, Seung-Pyo; Sung, Tae-Eung; Park, Hyun-Woo (2017). "Forecasting by analogy using the web search traffic". Technological Forecasting and Social Change (in English). 115 (C): 37–51. doi:10.1016/j.techfore.2016.09.014.
  12. ↑ Chen, Yu-Heng; Chen, Chia-Yon; Lee, Shun-Chung (2011-06-01). "Technology forecasting and patent strategy of hydrogen energy and fuel cell technologies". International Journal of Hydrogen Energy (in English). 36 (12): 6957–6969. Bibcode:2011IJHE...36.6957C. doi:10.1016/j.ijhydene.2011.03.063. ISSN 0360-3199. Retrieved 2021-03-21.
  13. ↑ Sylak-Glassman, Emily J.; Williams, Sharon R.; Gupta, Nayanee (2016). "Appendix C". Current and Potential Use of Technology Forecasting Tools in the Federal Government: C-1 – C-4.
  14. ↑ Read "Persistent Forecasting of Disruptive Technologies" at NAP.edu (in English). 2009. doi:10.17226/12557. ISBN 978-0-309-11660-2.
  15. ↑ Itami, Hiroyuki; Numagami, Tsuyoshi (1992). "Dynamic interaction between strategy and technology". Strategic Management Journal. 13 (S2): 119–135. doi:10.1002/smj.4250130909. ISSN 0143-2095.
  16. ↑ Kline, Stephen; Dyer-Witheford, Nick; Peuter, Greig De (2003-05-26). Digital Play. McGill-Queen's University Press. doi:10.1515/9780773571068. ISBN 978-0-7735-7106-8.
  17. ↑ Song, Michael; Droge, Cornelia; Hanvanich, Sangphet; Calantone, Roger (2005). "Marketing and technology resource complementarity: an analysis of their interaction effect in two environmental contexts". Strategic Management Journal. 26 (3): 259–276. doi:10.1002/smj.450. ISSN 0143-2095.
  18. ↑ Orbach, Yair (2022). Forecasting the Dynamics of Market and Technology. Ariel University Press. ISBN 978-965-7632-40-6.
  19. ↑ Porter, Alan L.; Cunningham, Scott W.; Banks, Jerry; Roper, A. Thomas; Mason, Thomas W.; Rossini, Frederick A. (2011-07-12). Forecasting and Management of Technology (in English). John Wiley & Sons. ISBN 978-0-470-44090-2.
  20. ↑ Pappenberger, F.; Cloke, H. L.; Persson, A.; Demeritt, D. (2011). "HESS Opinions "On forecast (in)consistency in a hydro-meteorological chain: curse or blessing?"". Hydrology and Earth System Sciences Discussions (in English). 8 (1): 1225–1245. Bibcode:2011HESSD...8.1225P. doi:10.5194/hessd-8-1225-2011. ISSN 1812-2116.
  21. ↑ Armstrong, J. (2001-06-17). "Combining forecasts". Marketing Papers (34).
  22. ↑ Zhong, Ray Y.; Xu, Xun; Klotz, Eberhard; Newman, Stephen T. (2017-10-01). "Intelligent Manufacturing in the Context of Industry 4.0: A Review". Engineering. 3 (5): 616–630. Bibcode:2017Engin...3..616Z. doi:10.1016/J.ENG.2017.05.015. hdl:2292/44522. ISSN 2095-8099.
  23. ↑ Cascini, Gaetano; Becattini, Niccolò; Kaikov, Igor; Koziolek, Sebastian; Kucharavy, Dmitry; Nikulin, Christopher; Petrali, Pierluigi; Slupinsky, Mateusz; Rabie, Mahmoud; Balachandar; Ramadurai (2015-01-01). "FORMAT – Building an Original Methodology for Technology Forecasting through Researchers Exchanges between Industry and Academia". Procedia Engineering. TRIZ and Knowledge-Based Innovation in Science and Industry. 131: 1084–1093. doi:10.1016/j.proeng.2015.12.426. hdl:11311/984194. ISSN 1877-7058.
  24. ↑ Firat, Ayse Kaya; Woon, Wei Lee; Stuart, Madnick (2008). "Technological forecasting - a review" (PDF). Composite Information Systems Laboratory (CISL), Massachusetts Institute of Technology. S2CID 14340682. Archived from the original (PDF) on 2019-02-28. Retrieved 2020-02-24.
  25. 1 2 Rohrbeck, René; Heuer, Jörg; Arnold, Heinrich (2006). "The Technology Radar - an Instrument of Technology Intelligence and Innovation Strategy". 2006 IEEE International Conference on Management of Innovation and Technology. Vol. 2. pp. 978–983. CiteSeerX 10.1.1.527.7418. doi:10.1109/ICMIT.2006.262368. ISBN 1-4244-0147-X. S2CID 27061994.
  26. 1 2 Boe-Lillegraven, Siri; Monterde, Stephan (2015). "Exploring the cognitive value of technology foresight: The case of the Cisco Technology Radar". Technological Forecasting and Social Change. 101: 62–82. doi:10.1016/j.techfore.2014.07.014.
  27. ↑ "Technology Radar | An opinionated guide to today's technology landscape". Thoughtworks (in English). Retrieved 2024-06-05.

پیوند به بیرون