0% Complete
صفحه اصلی
/
نهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
ارائه مدلی ترکیبی جهت توسعه سیستم های پیچیده با استفاده از رویکردهای V چندگانه و چابک
نویسندگان :
جعفر محمودی
1
محسن اسدی
2
حمید شایان
3
1- دانشگاه جامع امام حسین (ع)
2- دانشگاه جامع امام حسین (ع)
3- دانشگاه امام حسین ع
کلمات کلیدی :
مدل ترکیبی،رویکرد چابک،اسکرام،مدل Vee،سیستم های پیچیده
چکیده :
مدل های چابک ابتدا در توسعه محصولات نرم افزاری و IT کاربرد داشتند ولی اخیرا در فرایند توسعه اکثر محصولات به کار می روند. شرکت ها با استفاده از روشهای چابک می توانند سریعتر محصول خود را انتشار دهند، سریعتر به نیازهای متغییر مشتریان پاسخ دهند و ارتباطات تیم ها را بهبود بخشند. همچنین برای خلاقیت بیشتر در توسعه محصولات، ترکیب کردن متدلوژی چابک و متدلوژی معمول موجود مهم می باشد. این مقاله ابتدا به معرفی، V چندگانه در توسعه سیستم های پیچیده می پردازد و سپس با استفاده از متدهای چابک از قبیل اسکرام و کانبان به ارائه مدل ترکیبی V چندگانه و چابک جهت توسعه سیستم های پیچیده می نماید.
لیست مقالات
لیست مقالات بایگانی شده
قیمتگذاری و تعیین میزان سرمایهگذاری در فناوری واقعیت افزوده برای برند تولیدکننده و برند فروشگاهی در زنجیرهتأمین دیجیتال
رامتین عسکری - حمید میرمحمدی - پریسا عصارزادگان
Investigating the factors of infertility with female cause of ART baruchs using decision tree algorithm and regression
Somayeh Ghiasi Hafazi - Sohrab Effati - Mahboubeh Afzali
بهره وری سبز و تاثیر آن در صنعت (مطالعه موردی: کارخانه کاغذ کرمان)
فهیمه تنهایی - هدیه عرب پور - سید داود احمدی مطلق
Exploring Organizational Social Capital in Dynamic Ego Networks: A Multivariate Analysis Approach
Arya Karami - Seyed Taghi Akhavan Niaki
Short-run control chart for monitoring Gamma regression profiles
Fatemeh Sogandi
ارزیابی و اولویت بندی پیمانکاران بخش ساختمان و نصب پروژه های پتروشیمی و پالایشگاهی مبتنی بر رویکردهای تصمیم گیری چندمعیاره (مطالعه موردی: پتروشیمی آمونیاک و اوره هنگام عسلویه)
محمود اقتصادی فرد - حسن رمضانی
Sustainable development analysis of diesel, biodiesel and hydrogen in internal combustion engines
Mohammad Reza Saberi - Ehsan Naghashzadeh
Cell Phone Image-Based Persian Rice Detection and Classification Using Deep Learning Techniques
Amin Saeidi Kelishami - Mahmood Saeedi Kelishami - Sajjad Saeedi Kelishami
مدل برنامهریزی عدد صحیح آمیختـه برای مساله بالانس خطوط مونتاژ چند محصولی
فهیمه تنهایی
Comparative Time Series Forecasting of Amoxicillin Demand Using ARIMA Variants and LSTM
َAli Jooyafar - Zeinab Vafaei - Alireza Maleki
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.7.0