Risk İçeren İşbirliği Yenileşim Gücünün Değerlendirmesi İçin Bir Ortak Zeka Modeli

Abstract

2008 ekonomik krizi ile birlikte KOBİ ler stratejik planlar ve yenileşim etkinliklerini gerçekleştirememekte, ancak günlük faaliyetleri ile ayakta durmaya çalışmaktadırlar. Oysa ki başarı hikayeleri ve örnek olaylar, yenileşim etkinliklerini gerçekleştiremeyen ve zamana ayak uyduramayan firmaların uzun ömürlü olamayacaklarını göstermektedir. Yenileşim etkinlikleri radikal olmaları ve belirsiz sonuçlar içermeleri nedeni ile yüksek risk taşımaktadırlar. Yenileşim etkinliklerini kaynak darlığı nedeni ile gerçekleştiremeyen KOBİ ler, bu yüksek riski de göze alamamaktadırlar. Ar-Ge ise yenileşim etkinliklerinin içinde en az risk içeren, temel etkinliklerden biridir. Günümüzde, KOBİ lerde Ar-Ge nin öneminin artmasına rağmen birçok KOBİ Ar-Ge etkinliğinde bulunmamaktadır. KOBİ lerin yenileşim etkinliklerini gerçekleştirebilmesi ve bu etkinliklerden pay alabilmesi için oluşturulan çözümlerden biri de KOBİ ler arası yenileşim işbirliklerini oluşturmaktır. Bu işbirliklerinin verimliliği ise yenileşim kapasitesinin artışı yanında, hem işbirliklerinden hem de Ar-Ge etkinliklerinden kaynaklanan risklerdeki azalma ile ölçülebilir. İşbirliklerinde yenileşim kapasitesini ve riskleri etkileyecek olan birçok etken bulunmaktadır. İşbirliği içindeki firma sayısı, bu etkenlerin en uygun birleşimine bağlıdır. KOBİ’ler için en iyi yenileşim işbirliği kümelerinin oluşturulması için Parçacık Sürü Optimizasyonu Algoritması bazlı yeni bir meta-sezgisel olan Besin Arama yöntemi ile çözülecektir. Besin Arama Algoritması hayvanlarda besin zincirini optimizasyon problemlerine uyarlayan bir algoritmadır. Kümeleme problemlerinde başarılı olan Besin Arama Algoritması, KOBİ’lerde yenileşim kümeleri oluşturma problemlerinde de başarılı sonuçlar verdiği gözlenmiş ve KOBİ kümeleme problemlerinde de %7 ile %66 arası yenileşim kapasitesi artışı sağlayan sonuçlar vermiştir.

With the global economic crisis in 2008, SMEs have been unable to actualize strategic plans and innovation activities; they have focused on surviving with daily operations. However, success stories and cases indicate that companies that do not conduct innovation activities and keep up with the times are not likely to survive in the long run. Due to being radical and vague, innovation activities contain a great deal of risk. SMEs that do not conduct any innovation activities because of limited resources, cannot venture the risk. On the other hand, R&D activities are one of the basic and less risky innovation activities. Despite the rising importance of R&D, many SMEs do not have resources for R&D activities. One of the solutions provided for SMEs to enable them conduct innovation activities is forming R&D collaborations among SMEs. The efficiency of these collaborations is measured using the increase in the innovation capacity and the decrease in the risk. Innovation capacity and risk of these collaborations are affected by a number of drivers. The number of firms in collaboration is dependent on the most coherent combination of these drivers. The SME collaboration clustering problem has been solved by the Foraging Search algorithm, which is a new Particle Swarm Optimization based metaheuristic. The Foraging Search algorithm adapts the Animal Food Chain in optimization problem. Producing successful results for clustering problems, the Foraging Search algorithm has also produced successful results in SME innovation collaboration clustering problem with a calculated innovation capacity increase between 7% and 66%.