سید علی محمد بنی فاطمه

صنایع کوچک و متوسط در بیشتر کشورها نقش عمده و اصلی را در اشتغال زایی و تولید ملی ایفا می کنند. با توجه به ماهیت متحول و تغییرات پرشتاب جهان کنونی، این گونه صنایع می کوشند تا برای انطباق و استفاده بهینه از چنین شرایطی، مناسب ترین برنامه های بهبود را انتخاب و اجرا کنند. از آنجا که برای اجرای چنین برنامه هایی، موانعی نیز وجود دارد، هدف از انجام این پژوهش، شناسایی و دسته بندی این موانع است تا بر اساس آن افراد و ارگان های مسئول بتوانند وظایف خود را در جهت رفع این موانع به خوبی بشناسند. بر همین اساس، ابتدا با مطالعه ادبیات موضوع، طیف گسترده ای از موانع مربوط به برنامه های بهبود و صنایع کوچک و متوسط شناسایی و سپس با کمک خبرگان غربال گری شدند. داده های جمع آوری شده با استفاده از تکنیک تحلیل عاملی تائیدی مرتبه دوم در قالب معادلات ساختاری و با رویکرد EFQM در محیط نرم افزار ایموس مورد تجزیه و تحلیل قرار گرفتند. در نتیجه این کار مشخص شد که 5 عامل ""استراتژی""، ""کارکنان""، ""رهبری""، ""فرآیندها، محصولات و خدمات"" و ""مشارکت ها و منابع"" به ترتیب بیشترین بار عاملی را با عامل مرتبه دوم ""توانمندسازها"" دارند. همچنین مهم ترین موانع بر اساس بار عاملی نسبت به هر بعد از ابعاد مدل EFQM شناسایی شدند. همچنین نتیجه این تحقیق نشان می دهد که مدل EFQM مدلی مناسب برای دسته بندی موانع پیاده سازی برنامه های بهبود در صنایع کوچک و متوسط است.

پیش بینی بهره وری عاملی بسیار مهم در طراحی استراتژی های یک سازمان است. یکی از روش های پیش بینی بهره وری، استفاده از شبکه های عصبی مصنوعی است که به علت دارا بودن پارامترهای قابل تنظیم، به کارگیری آن نیاز به تجربه و مهارت زیادی دارد و اغلب از آزمایش و خطا برای دستیابی به سطوح مناسب این پارامترها استفاده می شود. این مقاله، الگویی 7 مرحله ای جهت انتخاب مقادیر مناسب پارامترهای قابل تنظیم شبکه عصبی ارائه می دهد تا با به کارگیری طراحی آزمایش های تاگوچی کارایی در پیش بینی بهره وری بهبودمی یابد. به کارگیری این روش در پیش بینی بهره وری صنایع غذایی ایرن، سطوح بهینه پارامترها را که منجر به مطلوب ترین پیش بینی در شبکه عصبی می شود، بدین شرح ارائه می دهد: تعداد لایه های پنهان: 2 لایه، تعداد نورون هر لایه پنهان: 7 نورون، نرخ یادگیری: 9/0 و تعداد ورودی های شبکه عصبی: شاخص های بهره وری با درجه همبستگی بیشتر از 85/0؛ که از بین عوامل فوق، عامل تعداد لایه های پنهان با سهم مشارکت 18/71% در نتیجه آزمایش ها، مهم ترین عامل طراحی شبکه عصبی در پیش بینی بهره وری صنایع غذایی ایران است. در نهایت، نتیجه کلی تحقیق نشان داد که به کارگیری این الگو علاوه بر کاهش زمان و هزینه های پیش بینی، امکان انتخاب استراتژی های رقابتی فراهم می شود. به علاوه این روش با تعیین سهم مشارکت هر یک از پارامتهای قابل تنظیم در نتایج آزمایش، تصمیم گیرندگان را در میزان دقت و توجهی که باید به هر یک از این پارامترها داشته باشند، یاری می رساند.

مساله مقاله به فقدان مدلی مربوط می شود که برای تحلیل کیفیت سایت های خبری ضروری به نظر می آید. امروزه این سایت ها، با توجه به قابلیت های چند رسانه ای و عدم وجود محدودیت در زمان و مکان انتشار اخبار، کاربران زیادی دارند. از اینرو ارائه ی مدلی نظام مند برای ارزیابی کیفیت سایت های خبری که گردانندگان آن ها بر اساس مدل پیشنهادی به شناسایی و رفع نقاط ضعف و تقویت نقاط قوت سایت های خود بپردازند واجد اهمیت است و پژوهش حاضر به طور مشخص به آن می پردازد. در بعد کلان هم به دنبال ارتقای کیفیت سایت های خبری کشور بر اساس شناسایی نیازهای مخاطبان است. در راستای این اهداف ابتدا بر اساس نظرات خبرگان و ادبیات موضوع در حوزه سایت ها، 51 مؤلفه ی مهم مرتبط با کیفیت سایت های خبری شناسایی و سپس از مخاطبان این سایت ها خواسته شد تا میزان اهمیت هر یک از آن ها را طی پرسشنامه ای تعیین کنند. سرانجام، داده های به دست آمده در قالب تحلیل عاملی تائیدی تجزیه و تحلیل شدند. در نیتجه این پژوهش، مدلی تدوین شد که در آن زمینه های بهبود کیفیت سایت های خبری با تاکید بر دو مفهوم عمده ارائه شده است. مفهوم اول، بر جنبه های مشترک میان تمامی سایت ها همچون جذابیت و دسترسی به سایت تاکید دارد و مفهوم دوم، بر جنبه های خصوصی سایت های خبری مانند اخبار و نحوه ی ارائه اخبار و اطلاعات استوار است.