Project Selection Under Uncertainty: Dynamically Allocating Resources to Maximize Value

انتخاب پروژه در شرایط عدم قطعیت نتیجه یک برنامه تحقیقاتی پنج ساله در مورد انتخاب پروژه‌ها در توسعه محصول جدید (NPD) است. انتخاب سبد توسعه محصول جدید در محیط کسب و کار امروزی از اهمیت حیاتی برخوردار است. پورتفولیوی NPD تأثیر استراتژیک قابل توجهی بر موفقیت "میان مدت" یک تجارت دارد.
این کتاب گامی در توسعه نظریه ای برمی دارد که به نیاز به معیارهای اولویت بندی کمی در زمینه استراتژیک گسترده تر مجموعه های تحقیق و توسعه می پردازد. اساس آن در تئوری ریاضی بهینه‌سازی محدود منابع با هدف به حداکثر رساندن بازده کمی نهفته است. این کتاب به دنبال گسترش بحث پورتفولیو از دو طریق است. اول، مدل‌های ساده‌شده - مناسب برای زمینه NPD ضعیف - توسعه داده می‌شوند، که سعی می‌کنند ساختار مسئله انتخاب و قوانین کیفی قوی را به جای پشتیبانی از تصمیم‌گیری الگوریتمی دقیق روشن کنند. چنین قوانین قوی را می توان در محیط تحقیق و توسعه با در دسترس بودن داده ضعیف اعمال کرد. دوم، بررسی سالانه پورتفولیو تنها انتخاب مهم در تخصیص منابع نیست. علاوه بر این، این کتاب به این موضوع می‌پردازد که چگونه ایده‌ها ممکن است در زمان ظهور از قبل مورد بررسی قرار گیرند، و چگونه پروژه‌ها پس از تامین مالی و ادامه آنها باید اولویت‌بندی شوند.

Project Selection Under Uncertainty is the result of a five-year research program on the selection of projects in New Product Development (NPD). Choosing the New Product Development portfolio is of critical importance in today's business environment. The NPD portfolio has considerable strategic effect on the "middle term" success of a business.
This book takes a step in developing a theory that addresses the need for quantitative prioritization criteria within the broader strategic context of the R&D portfolios. Its foundation lies in mathematical theory of resource-constrained optimization with the goal to maximize quantitative returns. The book seeks to broaden the portfolio discussion in two ways. First, simplified models - appropriate for the data-poor NPD context - are developed, which attempt to illuminate the structure of the choice problem and robust qualitative rules of thumb, rather than detailed algorithmic decision support. Such robust rules can be applied in the R&D environment of poor data availability. Second, the annual portfolio review is not the only important choice in resource allocation. In addition, the book discusses how ideas might be pre-screened as they emerge, and how projects should be prioritized once they are funded and ongoing.