Appraisal of New Product Development Success Indicators in the Aerospace Industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Assessing performance in developing new aerospace products is essential. However, choosing an accurate set of success indicators to measure the performance of complex products is a nontrivial task. Moreover, the most useful success indicators can change over the life of the product; therefore, different metrics need to be used at different phases of the product lifecycle (PLC). This paper describes the research undertaken to determine success measurement metrics for new product development (NPD) processes. The goal of this research was to ascertain an appropriate set of metrics used by aerospace companies for assessing success during different phases of the PLC. Furthermore, an evaluation of the differences and similarities of NPD success measurement was carried out between aerospace companies and the nonaerospace companies practicing in the business-to-business (B2B) market. Practical case studies were carried out for 16 Canadian and Danish companies. Seven companies belong to the aerospace sector, while nine are nonaerospace companies that are in the B2B market. The data were gathered from relevant product managers at participating companies. The outcomes of this research indicate that: (1) the measurement of success of aerospace NPD practices depends on the PLC phase being measured, (2) product and process management performance are the more important indicators of success in the early PLC phases with revenue and market share indicators being important during late phases, and (3) there are reasonable similarities in success measurement between aerospace and nonaerospace B2B companies. Sets of metrics for measuring success during each PLC phase of aerospace products are proposed, which can guide companies in determining their ideal practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle