The Intelligent Pipeline:
Achieving high performance by accelerating
the path from data to decision making
خطوط لوله هوشمند
به دست آوردن عملکرد بالا با شتاب دادن مسیر داده ها تا تصمیم سازی
در این نوشتار شرکت Accenture به تشریح راهکارهای خود در هوشمند سازی خطوط لوله و منافع آن می پردازد.
Download Link:
The Intelligent Pipeline
حجم: 339 کیلوبایت
Using integrated solutions as market-shaping/market-driving strategy in oil industry
Part 5
استفاده از "راه حل یکپارچه" به عنوان استراتژی شکل دهنده بازار و هدایت کننده بازار در صنعت نفت
بخش پنجم
Rational school of strategy and its formal planning approaches are criticized by process group (Mintzberg et al, 1998) (Mintzberg (b), 1987). They focus on differences between intended, emerging and realized strategy. Emerging strategy sees strategy as an opportunistic, incremental, and political process which is done through trial and error and learning. The realized strategy is the outcome of the both intended and emergent factors. It has been said that realized strategy is only between 10-30 % of intended strategy (Grant, 2010) (Mintzberg et al, 1998). In reality, strategy formation begins with rational approach then moves into a process mode. In an interesting metaphor Mintzberg (1987) (b) managers are assumed as craftsmen and strategy as their clay. Like the potter, they sit between a past of corporate capabilities and a future of market opportunities and if they are truly craftsmen, they bring to their work an equally intimate knowledge of the materials at hand; that is the essence of crafting strategy. Classic approaches to strategy adopt a predictable future founded on rational assumptions about changes in environment. In a highly uncertain era, this approach is not an applicable method. Mintzberg has criticized formal strategic planning schools and recognized four fallacies (Mintzberg et al, 1998):
· The fallacy of predetermination
· The fallacy of detachment
· The fallacy of formalization
· The grand fallacy of strategic planning
To explain these fallacies, Mintzberg (1998) states that formal planning is valuable if the strategy makers can predict the future accurately. Furthermore, stability and predictability of conditions should be hold not only during planning but also during implementation. Considering highly uncertain conditions of today’s business world it is not a realistic assumption. Additionally, since analysis is not synthesis, formal strategic planning which is based on analysis cannot be strategy making. Analysis may come first and support synthesis by providing essential inputs. Via decomposing and formalizing its outcomes, analysis may follow and expand synthesis.
Considering inability of classic approaches to strategy in new business world revealing some modern thoughts on strategy seems necessary. An interesting framework is the portfolio-of-initiatives developed by Bryan (2002) based on ideas of three horizons of growth and Courtney’s levels of uncertainty. The framework states that a good strategy should entail “a handful (portfolio) of good initiatives”. In a further contribution from McKinsey, strategy is seen as a dialogue, a process which leads to a prepared mind and creativity in strategy making. The research shows that formal planning can add value if it has two main goals (Beinhocker & Kaplan, 2002); the first is to form “prepared minds” to make sure that strategy makers have a concrete understanding of the business, its strategy and assumptions, environment, challenges and opportunities, thus making it possible for executives to react swiftly to challenges and opportunities in real time. The second is to increase the likelihood that creative insight will occur and consequently the innovativeness of strategies. Results of another research on 800 executives have shown that too many companies concentrate on data gathering features of strategic planning and overlook the vital and critical interactive components (Dye & Sibony, 2007). Hence, team members’ time should be devoted to challenging yet cooperative debates with mangers instead of struggling to absorb many facts during the review. In other words, the role of interaction is more important than data gathering (Dye & Sibony, 2007).
References:
Beinhocker, E., & Kaplan, S. (2002, June). Tired of Strategic Planning. Retrieved 2011, from McKinsey Quarterly: http://www.mckinseyquarterly.com/Tired_of_strategic_planning_1191
Bryan, L. (2002). Just-in-time strategy for a turbulent world . Mckinsey Quarterly, https://www.mckinseyquarterly.com/Just-in-time_strategy_for_a_turbulent_world_1195.
Dye, R., & Sibony, O. (2007). The McKinsey Quarterly. Retrieved 2011, from McKinsey & Company: https://www.mckinseyquarterly.com/How_to_improve_strategic_planning_2026
Grant, R. (2010). Strategy. Chichester: John Wiley & Sons.
Mintzberg (b). (1987). Crafting Strategy. Harvard Business Review, 66-74.
Mintzberg et al. (1998). Strategy Safari: A Guided Tour Trough the Wilds of Strategic Management", Bruce Ahlstrand, and Joseph Lampel, 1998. New York: The Free Press.
انتخاب توربین بخار برای محرک پمپ ها
بخش 7
اطلاعات لازم برای انتخاب توربین بخار
به منظور انتخاب توربین مناسب برای یک سرویس کاری مشخص، لازم است تا اطلاعات خاصی را از مشتری دریافت گردد. توان مورد نیاز تجهیزی که به توربین متصل می گردد و سرعتی که این توان در آن مورد نیاز است از موارد اصلی می باشند. مشتریان معمولا نقطه طراحی یا نرمال و همچنین حداکثر توان و سرعت مورد نیاز را مشخص می کنند. این مقدار می تواند حدود 10 درصد بالاتر از توان نرمال باشد.
اطلاعات دیگری که برای انتخاب توربین مورد نیاز است شرایط بخار موجود در سایت می باشد. فشار و دمای بخار ورودی به توربین بخار و همچنین فشاری که بخار در خروجی توربین می بایست داشته باشد برای انتخاب توربین مورد نیاز می باشد. این مقادیر مقدار انرژی قابل استحصال بخار را مشخص می کند.
داشتن اطلاعات فوق برای انتخاب توربین الزامی می باشد ولی ارایه اطلاعات دیگری که در زیر می آید به صورت اختیاری می باشد:
تجهیزی که به توربین متصل می گردد- در بسیاری از موارد تجهیزی که توسط توربین رانده می شود استفاده بعضی از تجهیزات جانبی را دیکته می کند. به عنوان مثال انتخاب نوع گاورنر،استفاده از جعبه دنده و بازه سرعت گاورنر.
نوع گاورنر – استاندارد کنترل مورد نیاز برای تجهیزی که توسط توربین رانده می شود ممکن است نوع گاورنر را دیکته بکند. به عنوان مثال در پکیج های کمپرسورهای هوا معمولا از گاورنرهای NEAM D با محدوده سرعت بسیار کم استفاده می کنند.
ملاحظات ویژه در عملکرد- بعضی از نیازمندی ها موجب افزایش تجهیزات شده که می بایست در اسناد مناقصه این نیازمندی های ذکر گردند. مانند Auto-startup.
اهمیت مصرف بخار تجهیز و یا هزینه بخار مصرفی در فرآیند ارزیابی پیشنهادات- سازندگان توربین بخار همواره ارزان ترین توربینی را که نیازمندی های پروژه را برآورده سازد پیشنهاد می دهند. معمولا پیشنهادی با راندمان بالاتر و با قیمتی بیشتر موجود می باشد که ممکن است با در نظر گرفتن هزینه های آینده توربین گزینه مناسب تری باشد.
این مطلب ادامه دارد
ترجمه آزاد از:
Selecting Steam Turbines For Pump Drives by Michael A. Cerce and Vinod P. Patel
Proceedings Of The Twentieth International Pump Users Symposium • 2003
A Probabilistic Approach For Compressor Sizing And Plant Design
رویکرد احتمالی به سایز کردن کمپرسورها و طراحی تاسیسات
تصمیم گیری بر روی سایز و انتخاب تجهیزات در صنعت نفت و گاز در بسیاری از موارد بر اساس داده های ناقص می باشد. اغلب شرایط فرآیندی بر اساس تعداد زیادی از فرضیات درباره عملکرد خوب، شرایط بازار، شرایط محیطی و دیگر موارد می باشد. از آنجایی که هدف نهایی برآورده کردن تعهدات تولید می باشد، روش سنتی انتخاب تجهیزات بر اساس بدترین شرایط می باشد که اغلب موجب افزایش اندازه تجهیزات می شود. در واقعیت شرایط کاری معمولا به ندرت بر اساس بدترین حالت کاری در نظر گرفته شده خواهد بود. تاسیساتی که بر اساس بدترین شرایط کاری طراحی می شوند معمولا در شرایط بهینه کار نمی کنند و انعطاف آنها کمتر می شود و در نتیجه موجب افزایش هزینه های سرمایه ای و عملکردی می شود.
در این مقاله مولف روش احتمالی جدیدی که چهارچوب هوشمندانه تری برای طراحی ماشین های فرآیندی می باشد فراهم نموده است. این چهارچوب استاندارد از روش شبیه سازی مونت کارلو (Monte Carlo simulation) و تحلیل ریسک استفاده می کند. این روش های ارایه شده به طور دقیق تری عدم قطعیت های فرآیند و اثر آنها را بر کارکرد ماشین ها مشخص می کنند.
Download Link:
A Probabilistic Approach For Compressor Sizing And Plant Design
حجم: 951 کیلوبایت
مفاهیم اولیه قابلیت اطمینان -بخش اول
قابلیت اطمینان(Reliability)
بهبود قابلیت اطمینان اثر مهمی بر روی درآمد و سود دهی تاسیسات و کارخانه ها دارد. به منظور حداکثر سازی سود ماشین آلات می بایست حداکثر قابلیت اطمینان، حداکثر تولید و همچنین حداقل هزینه عمل کرد (حداکثر راندمان) را داشته باشند. به منظور دست یابی به این هدف بهره بردار می بایست نه فقط بعد از نصب تجهیزات در سایت بلکه در مراحل تعیین مشخصات تجهیز و طراحی آن نقش عمده ای را ایفا کند. تعمیر و نگهداری موثر در سایت، از زمان تعیین مشخصات پروژه آغاز می گردد. مشخصات ناکافی در خصوص ابزار دقیق و محل قرار گیری ابزارهای اندازه گیری می تواند برروی قابلیت اطمینان اثر بگذارد.
درک این موضوع مهم می باشد که طول عمر تجهیزات دوار بسیار بیشتر از زمانی است که برای تعیین مشخصات، طراحی و نصب آنها صرف می شود. این موضوع در شکل زیر نمایش داده شده است.
معمولا مدت زمان مورد نیاز برای انجام فرآیند های تعیین مشخصات، طراحی و نصب حدود 10درصد طول کل عمر تجهیز می باشد. عدم تعیین درست مشخصات تجهیز، طراحی و نصب نامناسب می تواند اثر بسزایی بر روی نیازمندی های تعمیر و نگهداری، هزینه تعمیرات و قابل دسترس بودن یک تجهیز داشته باشد. غربال کردن مناسب طراحی تجهیزات ( جلسات فنی قبل از برگزاری مناقصه و غیره) قبل از انتخاب تامین کننده تجهیز، ایجاد کنند پایه اصلی ساختاری است که قابلیت اطمینان بر آن بنا می شود. بدین نحو اعمال مشخصات فنی لازم برای حمل، سازه ها، نصب و راه اندازی می تواند قابلیت اطمینان را بهینه کرده و آن را به معنای درستی با توجه به طول عمر تجهیز از نظر هزینه به صرفه نماید.
تعاریف و واژگان مربوط به قابلیت اطمینان
واژگان قابلیت اطمینان
- قابلیت اطمینان (Reliability)
- قابلیت استفاده (Availability)
- قابلیت تعمیر (Maintainability)
- هزینه در دسترس نبودن (Cost of unavailability)
قابلیت اطمینان (Reliability)
قابلیت اطمینان توانایی یک واحد تجهیزات (Equipment unit) در انجام وظیفه ای که برای آن تعریف شده است می باشد، بدون آنکه در زمان مشخص شده دچار خرابی و توقف ناخواسته و برنامه ریزی نشده گردد.
تعریف فابلیت اطمینان برای تجهیزات حساس (که همیشه می بایست در حال کار باشند و تجهیزی هم به عنوان یدکی آنها در نظر گرفته شده است) بر اساس فرمول زیر تعریف می شود:
قابلیت اطمینان معمولا برای تجهیزاتی که در مصارف عمومی به کار می روند و تجهیزی یدکی برای آنها در نظر گرفته شده است، محاسبه نمی گردد. در این موارد تجهیز یدکی می بایست در صورت خرابی تجهیز اصلی استفاده گردد. در مواردی که این واحد های غیر قابل اطمینان باشند، قابلیت اطمینان آنها بر اساس فرمول زیر محاسبه می گردد:
می بایست در نظر گرفته شود که در محاسبه قابلیت اطمینان زمان هایی که بخاطر انجام تعمیرات پیشگیرانه ویا بر اساس برنامه ریزی های تعمیرات، تجهیز از سرویس خارج می شود لحاظ نمی گردند.
قابلیت استفاده(Avialability)
در قابلیت استفاده زمان های توقف ناشی از تعمیرات پیشگیرانه و پیش بینی شده نیز در نظر گرفته می شود.
زمان متوسط مابین خرابی (Mean Time Between Failure or MTBF) یک معیار برای اندازه گیری قابلیت اطمینان و قابلیت استفاده می باشد.
قابلیت تعمیرات
به توانایی انجام تمامی فعالیت های لازم برای تعمیرات تجهیز در حداقل زمانی که واحد تجهیز دوار لازم است به منظور تعمیرات خاموش شود، قابلیت تعمیرات گفته می شود.
یکی از پارامترهایی که برای اندازه گیری قابلیت تعمیرات می توان استفاده کرد زمان متوسط تعمیر تجهیز (Mean time to repair - MTTR) می باشد. نحوه محاسبه آن در زیر آمده است. هرچه مقدار MTTR کمتر باشد قابلیت تعمیرات بالاتر می رود.
هزینه های ناشی از قابل استفاده نبودن تجهیزات (Cost of unavailability)
تمامی واژه هایی قبلا در مورد آنها بحث گردید، قابلیت اطمینان، قابلیت استفاده و قابلیت تعمیرات به طور مستقیم بر روی درآمد محصول (Product revenue) اثر گذارند. درآمد محصول، عددی است که از تولید یک روز حاصل شده بر اساس واحد پول محلی بیان می شود. این مقدار می تواند با توجه به اندازه تاسیسات و نوع محصول دارای محدوده گسترده ای باشد.
در صورتی که یکی از تجهیزات حساس به دلیل خرابی از سرویس خارج شود و یا بخاطر قابلیت تعمیر ضعیف تعمیرات آن بیش از حد طول بکشد مقدار درآمد محصول به ازای هر روزی که خط تولید به دلیل خرابی تجهیز اصلی آن خوابیده است از دست می رود.
بنابراین مجموع هزینه قابل استفاده نبودن تجهیز حاصل جمع هزینه های زیر می باشد:
هزینه سالیانه قابل استفاده نبودت تجهیز دوار حساس
- درآمد از دست رفته روزانه محصول × تعداد روزهایی که تجهیز خوابیده بوده است
- هزینه های تعمیرات
- هزینه تعویض قطعات
- هزینه نیروی کار
- زمان های گردش کاری غیر ضروری
هزینه غیرقابل استفاده بودن تجهیزات می تواند به عنوان ابزاری قوی برای آماده سازی برنامه های بهبود قابلیت اطمینان استفاده گردد.
Reference:
Forsthoffer's Rotating Equipment Handbooks Vol 5: Reliability
Optimization through Component Condition and Root Cause Analysis
ارتقاء عملکرد در صنعت نفت و گاز با استفاده از داده های بزرگ
توانایی دسترسی، تجزیه و تحلیل و مدیریت حجم عظیمی از داده ها که با سرعت فزاینده ای درحال معماری اطلاعات اند، برای صنایعی که دست اندرکار اکتشاف و استخراج نفت و گاز هستند بسیار حیاتی است. این شرکتها در پی ارتقاء راندمان کسب و کار و عملکرد خود هستند و در عین حال با چالشهایی همانند نوسانات در قیمت نفت و گاز، تغییر سیاستگذاریها در حوزه انرژی، دغدغه های زیست محیطی (مانند گرم شدن زمین و عواقب ناشی از استخراج نفت شیل)، رقابت بر سر منابع انرژی نو ظهور و هزینه های مدیریت عملکرد و کاهش راندمان دست به گریبان هستند.
در مواجهه با چنین چالشهایی، بسیاری بر این باورند که "داده های بزرگ" و حسگرهایی که میتوانند به عنوان منابع مهم اطلاعات چنین داده هایی را فراهم آورند، برای بهینه کردن اکتشاف، حفاری، تولید و استخراج مورد نیازند. منابع اطلاعاتی جدید همانند رسانه های اجتماعی میتوانند دید مهمی نسبت به احساسات جوامع محلی که با امکانات و خطوط لوله تحت تاثیر قرار میگیرند، ایجاد کنند. همچنین مدریت درست بنگاههای املاک و مستغلات در حفظ خوشنامی و آوازه آنها هنگام ارزیابی ضروری است.
امروزه، شرکت های نفت و گاز داده ها را از منابع مختلفی مورد تجزیه و تحلیل قرار میدهند. این منابع اطلاعاتی عبارتند از:
....
برای ادامه مطلب فایل زیر را دریافت کنید.
دریافت فایل
Improving Oil & Gas Performance with Big Data
حجم: 1.19 مگابایت
حجم اطلاعات در جهان امروز به سرعت رو به افزایش است. بر اساس تحقیقات دفتر فناوری تجارت شرکت MGI (موسسه جهانی McKinsey)، تحلیل چنین مجموعه اطلاعات وسیعی - که اصطلاحاً "داده بزرگ" (Big data) نامیده میشوند –کلید اصلی رقابت و سنگ بنای رشد بهره وری، خلاقیت و مازاد مصرف کننده[1] است. پیشگامان و راهبران در تمامی بخشها باید با مفهوم "داده بزرگ"، (نه داده های اندکی که برای مدیران طبقه بندی میشوند) ، درگیرشده و دست و پنجه نرم کنند. حجم و جزئیات رو به افزایش اطلاعاتی که در اختیار موسسات اقتصادی قرار دارد، رشد ابزارهای چند رسانه ای، رسانه های اجتماعی و اینترنت باعث رشد تصاعدی اطلاعات برای آینده ای قابل پیش بینی گردیده است.
MGI، "داده بزرگ" را در پنج دسته مورد مطالعه قرار داده است. 1- بخش بهداشت و درمان (Healthcare) در ایالات متحده، 2- بخش عمومی در اروپا، 3- خرده فروشیها در ایالات متحده، 4- بخش تولید و 5- اطلاعات موقعیت فردی (personal location) بصورت جهانی. "داده بزرگ" در هرکدام از موارد فوق میتواند منجر به تولید ارزش شود. به عنوان مثال، خرده فروشی که از "داده بزرگ" برای فروش کلی خود استفاده میکند، میتواند تا 60 درصد دامنه کسب و کار خود را افزایش دهد. در اختیار داشتن "داده بزرگ" در بخش عمومی نیز ظرفیت عظیمی ایجاد میکند. اگر بهداشت و درمان ایالات متحده از "داده بزرگ" بشکلی خلاقانه و موثر برای پیش برد بهره وری و کیفیت استفاده کند، این بخش میتواند سالانه بیش از 300 میلیارد دلار ارزش افزوده داشته باشد. دو سوم این مقدار میتواند از طریق کاهش 8 درصدی هزینه های بخش بهداشت و درمان حاصل شود. در اقتصادهای توسعه یافته اروپایی، مدیران دولتی میتوانند بیش از 100 میلیارد یورو (149 میلیارد دلار) را با افزایش بهره وری در عملکرد و تنها با استفاده از "داده بزرگ" صرفه جویی کنند. لازم بذکر است این مقدار صرفه جویی بدون در نظر گرفتن استفاده از "داده بزرگ" در کاهش کلاهبرداری و تخلفات و افزایش مالیات است. کسانیکه از سرویسهای مجهز به داده های موقعیت فردی استفاده میکنند، میتوانند تا 600 میلیارد دلار از مازاد مصرف کننده بدست آورند. محققین هفت بینش کلیدی را در این زمینه پیشنهاد میکنند:
1- اطلاعات در هر صنعت و تجارتی بصورت گسترده وارد شده است و در حال حاضر در کنار دو بازوی کار و سرمایه، فاکتور مهمی برای تولید محسوب میشود. تخمین زده می شود تا پایان سال 2009، اکثر قریب به اتفاق بخشهای اقتصادی در ایالات متحده، حداقل 200 ترابایت به ازای هر شرکتی که بیش از 1000 کارمند داشته است، داده ذخیره شده در اختیار داشته اند.
2- پنج مسیر اصلی که در آنها میتوان از "داده بزرگ" تولید ارزش کرد: 1- "داده بزرگ" میتواند با ایجاد گردش اطلاعات و قابل استفاده کردن آن با سرعت بیشتر، باعث تسهیل در بدست آوردن ارزشهای قابل ملاحظه گردد. 2- با ایجاد و ذخیره اطلاعات تجاری و معاملاتی بصورت دیجیتالی، ارگانها میتوانند اطلاعات کارکردی دقیق و مفصلی از هرآنچه از موجودی کالا تا دوران رکود وجود دارد را جمع آوری کرده و تغییر پذیری و افزایش راندمان را آشکار سازند. شرکتهای پیشرو از جمع آوری داده ها و تحلیل آنها برای هدایت کنترل شده تجربیات و آزمایشات خود برای مدیریت و تصمیمات بهتر استفاده میکنند در حالیکه سایر شرکتها از داده ها برای پیش بینی نوسانات به منظور تطبیق خود در حال حاضر استفاده میکنند. 3- "داده بزرگ" حتی طیف بسیار کوچک از مصرف کننده را نیز در می پذیرد و بنابراین محصولات و خدمات را متناسب و در خور آنها در نظر میگیرد. 4- اساساً تجزیه و تحلیل پیچیده در "داده بزرگ" میتواند منجر به ارتقاء تصمیم سازی گردد. 5- نهایتاً "داده بزرگ" میتواند برای افزایش گسترش نسل های بعدی تولید و خدمات استفاده شود. به عنوان مثال، تولید کنندگان میتوانند از داده هایی که از حسگرهای نصب شده در محصولاتشان بدست آمده است استفاده کنند تا بتوانند خدمات پس از فروش خلاقانه ای ارائه کنند، همانند نگهداری پیشگیرانه (Proactive maintenance) که شامل اندازه گیریهای پیشگیرانه قبل از خرابی دستگاه میگردد.
3- استفاده از "داده بزرگ" به عنوان شاه کلید رقابت پذیری و رشد شرکتهای منفرد است. از نقطه نظر رقابت پذیری و ظرفیت جذب ارزش، همه شرکتها نیازمند استفاده جدی از "داده بزرگ" هستند. در بسیاری از صنایع، شرکتها از استراتژیهایی متکی به داده ها به عنوان اهرمی جهت خلاقیت، رقابت و جذب سرمایه از اطلاعات عمیق و به روز استفاده میکنند.
4- استفاده از "داده بزرگ" بنیان گذار موج جدیدی در رشد بهره وری و مازاد مصرف کننده خواهد بود. به عنوان مثال تخمین ما این است که استفاده از "داده بزرگ" این قابلیت را داد که کارکرد خرده فروشان را تا بیش از 60 درصد افزایش دهد. "داده بزرگ" منافع زیادی برای مصرف کنندگان و شرکت ها دارد. به عنوان مثال سرویس های مبتنی بر داده های مکانی این امکان را برای مشتریان فراهم می آورد تا از 600 ملیارد دلار مازاد اقتصادی (Economic surplus) برخوردار شوند.
5- استفاده از "داده بزرگ" موضوع تمامی بخش ها می باشد ولی بعضی از بخش ها برخورداری بیشتری از این امکان خواهند داشت. مقایسه تاریخچه بهروری در بخش های مختلف در امریکا با قابلیت های این بخش ها در استفاده از "داده بزرگ" و همچنین پیدا کردن فرصت ها و چالش های این بخش ها مشخص کرد که محصولات کامپیوتری و الکترونیکی و بخش اطلاعات و همین طور بخش های مالی، بیمه و دولتی امکان بهترین استفاده و بهروری را از "داده بزرگ" دارند.
6- مطالعات نشان می دهد که در خصوص استعداد و نیروی انسانی مورد نیاز سازمان ها برای برخورداری از مزایای "داده بزرگ" کمبود وجود دارد. در سال 2018 امریکا با کمبود 140000 تا 190000 نفر نیروی انسانی که دارای توانایی تحلیل بالا باشند و همچنین 5/1 میلیون نفر مدیر و تحلیل گر که بتوانند با استفاده از تحلیل های "داده بزرگ" تصمیم های موثر بگیرند، مواجه خواهد بود.
7- چندین مورد وجود دارد که برای به دست آوردن پتانسیل کامل "داده بزرگ" می بایست به آنها رسیدگی شود. قوانین حریم خصوصی، امنیت، حقوق معنوی و حتی مسولیت ها می بایست در جهان "داده بزرگ" مشخص شود. سازمان ها نه تنها نیاز دارند تا استعداد ها و فن آوری ها را در جای خود به کارگیرند بلکه جریان های کاری و انگیزه های را برای استفاده بهینه از "داده بزرگ" می بایست فراهم کنند. دسترسی به اطلاعات نیاز به مشارکت اساسی دارد و نیاز به یکپارچه سازی اطلاعات از منابع داده های متفاوت ، که اغلب در اختیار شخص ثالثی است، را ایجاب می کند، لذا انگیزه های لازم برای انجام این کار می بایست ایجاد گردد.
[1] - Consumer surplus ( اختلاف میان حداکثر قیمتی که مصرفکننده مایل است بپردازد و قیمتی که عملا برای کالایی پرداخت میشود)
Strategic Alliances in upstream oil and gas
اتحاد استراتژیک در صنایع بالا دستی نفت و گاز
این مقاله توسط کارشناسان شرکت Boston Consulting Group (BCG) تهیه شده است و در آن به نقش ایجاد اتحاد های استراتژیک در افزایش سود آوری در صنایع بالادستی صنعت نفت و گاز و همچنین نحوه ایجاد این اتحاد ها پرداخته شده است.
شرکت BCG از شرکت های شناخته شده در زمینه مشاوره مدیریتی می باشد که شهرت ویژه آن در بین مدیران، به خصوص مدیران بازاریابی، به خاطر ماتریس معروف BCG در خصوص محصولات شرکت ها می باشد.
Download Link:
Strategic Alliances in upstream oil and gas
حجم: 603 کیلوبایت