امیر افسر

ظهور سیستم های ERP به عنوان یک سیستم اطلاعاتی یکپارچه و فرایند محور با پشتیبانی از تمام فعالیت های سازمان، منجر به ایجاد بهبودهای اثرگذار در عملکرد سازمان های استقراردهنده شده است. یکی از عوامل موفقیت در پیاده سازی سیستم های ERP شناسایی صحیح ریسک ها و پاسخگویی مناسب به آنها در طول چرخه حیات است. لذا این تحقیق با نگاهی نوآورانه به دنبال طراحی مدل کنترل ریسک پیاده سازی سیستم های ERP با رویکرد نظریه داده بنیاد (GT) طی مراحل سه گانه کدگذاری باز، محوری و انتخابی است. تحقیق حاضر از لحاظ هدف هم بنیادی و هم کاربردی است. جامعه آماری این تحقیق را خبرگان حوزه ERP تشکیل می دهند که با استفاده از روش نمونه گیری هدفمند مصاحبه هایی با 12 نفر از این خبرگان انجام شد. نتایج تحقیق نشان دهنده 57 کد اولیه و 17 مقوله اصلی بود که در قالب مدل پارادایمی شامل: شرایط علّی (ریسک های قبل از پیاده سازی، ریسک های حین پیاده سازی و ریسک های بعد از پیاده سازی)، مقوله محوری (کنترل ریسک پیاده سازی ERP )، شرایط زمینه ای (عوامل سازمانی، عوامل فنی و عوامل انسانی)، شرایط مداخله گر (عوامل مرتبط با کارکنان، عوامل مرتبط با اجرای پروژه و عوامل مرتبط با سیستم ERP )، استراتژی ها (بهبود مسیر، توسعه منابع انسانی، تحول سازمانی و سازماندهی) و پیامدها (پیامدهای سازمانی، پیامدهای مالی و پیامدهای اجتماعی) پدیدار شد و روابط بین ابعاد مختلف آن نیز نشان داده شد.

توجه سالیان اخیر سیاست گذاران و مسئولین کشور به مباحث توسعه نوآوری منطقه ای نظیر تدوین برنامه راهبردی توسعه علم و فناوری استانی، ضرورت فهم درست از حدود و زوایای این مفهوم و همچنین چارچوب مفهومی توسعه ای آن را دوچندان نموده است تا بر اساس آن بتوان به تحلیل و ارائه پیشنهادات سیاستی مناسب پرداخت. نظریه پردازانی که رویکرد گسترده و سیستمی مفهوم نوآوری را پذیرفته اند به ویژگی زمینه ای بودن نوآوری تأکید دارند و بر این عقیده اند که نه تنها هر کشوری مسیر توسعه ویژه و یگانه ای دارد بلکه مناطق مختلف یک کشور نیز با توجه به تفاوت های اقتصادی، فرهنگی، دانشی و اجتماعی خود، مسیر و راهکارهای ویژه خود را در توسعه نوآوری دارند. در این پژوهش تلاش شده با استفاده از رویکرد تحلیل محتوای تجمیعی، یک چارچوب مفهومی و عملیاتی (مدل مرجع) توسعه نوآوری سازگار با مناطق (IDCR) ارائه گردد. جامعه مورد مطالعه شامل کلیه کتب، گزارشات پژوهشی و مقالات منتشرشده در فاصله سال های 1995 تا 2017 در حوزه سیاست نوآوری منطقه ای بوده است که در نهایت 7 کتاب، 73 مقاله و 13 گزارش سیاستی در این خصوص مورد بررسی قرار گرفتند. نهایتاً نیز به منظور اعتباربخشی و انطباق چارچوب طراحی شده با شرایط کشور، مدل ارائه شده در خصوص مناطق کشورمان به کار گرفته شده است.

در سال های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. به همین منظور پژوهش حاضر سعی دارد ابتدا 4 نوع از مهمترین انواع گردشگری داخلی شهر تهران را شناسایی و سپس مدل هایی برای پیش بینی متغیرهای تأثیرگذار بر پیش بینی تقاضای هر یک از آنها پیشنهاد کند. برای این کار از اطلاعات حتی المقدورماهیانه بین سال های 1381 تا 1394 استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران داخلی شهر تهران به تفکیک 4 نوع از مهم ترین انواع گردشگری داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس روش دلفی فازی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون، شبکه عصبی فازی و الگوریتم SVR است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری و روش ها را باهم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی (ANFIS ) دارای کمترین خطا در مقایسه با سایر روش ها در خصوص پیش بینی گردشگری تفریحی و VFR داخلی و رویکرد ترکیبی رگرسیون و الگوریتم SVR دارای کمترین خطا در مقایسه با سایر روش ها در خصوص پیش بینی گردشگری پزشکی و تجاری- اداری داخلی است.

در مطالعات مختلف مربوط به مسائل زمانبندی، معمولا تمرکز بر برنامهریزی ماشینها و تخصیص کارها به ماشینها و تعیین توالی کارها، به منظور بهینهسازی زمان اتمام کارها، میباشد. با توجه به ارتباط بین اقتصاد، انرژی و نگرانیهای زیست محیطی، مصرف انرژی یکی از موارد مهم در برنامهریزی سیستمهای مختلف میباشد. در این مقاله یک مسأله زمانبندی ماشینهای موازی ناهمگن که در آن سرعت پردازش هر کار روی هر یک از ماشینها قابل تنظیم است، بررسی میشود و از آنجا که انرژی مصرفی ماشینها با سرعت پردازش آنها رابطهای مستقیم دارد، هدف مسأله کمینهسازی مجموع هزینههای انرژی مصرفی و جریمه دیرکرد در تحویل تقاضای مشتریان میباشد. به منظور بهینهسازی مسأله، یک الگوریتم فراابتکاری ممتیک و یک الگوریتم فراابتکاری ژنتیک پیشنهاد شده است و در پایان نتایج بدست آمده از دو الگوریتم فراابتکاری پیشنهادی را با یکدیگر و با نتایج حاصل از خروجی نرم افزار بهینهسازی گمز، مقایسه و تحلیل می نماییم.

مقدمه:.یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری و پیش بینی درست آن است. اما باید توجه داشت که فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی وجود دارد. استفاده از روش های علمی و نوین در امر پیش بینی، باعث خواهد شد که نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شوند که مقاله حاضر نیز همین هدف را در حوزه گردشگری پزشکی دنبال می کند. روش ها: در مرحله اول عوامل موثر بر تقاضای گردشگری پزشکی داخلی با استفاده از تکمیل پرسش نامه های مربوط به روش دلفی فازی و دیمتل فازی توسط ۳۱ نفر از خبرگان آشنا به این حوزه و پردازش توسط نرم افزار MATLAB۲۰۱۷aشناسایی شدند و پس از مشخص شدن تابع تقاضا و جمع آوری اطلاعات ماهیانه هر یک از عوامل موثر در بازه زمانی سال های ۱۳۸۱ تا ۱۳۹۴، سه مدل پیش بینی رگرسیون، شبکه عصبی فازی و الگوریتم SVR به صورت مجزا و ترکیبی برای این تابع در نرم افزار MATLAB اجرا و خطای پیش بینی هریک، اندازه گیری و با هم مقایسه شد. یافته ها: نتایج پژوهش حاضر نشان داد که تابع تقاضای گردشگری پزشکی داخلی شامل: عوامل اقتصادی (درآمد و ثروت افراد )، قیمت خدمات و هزینه زندگی در مقصد، قیمت تاسیسات اقامتی، وجود آلودگی هوا، قیمت محصولات جایگزین (سفر خارجی)، تعداد مراکز پزشکی، بیمارستان هاو آزمایشگاه ها است. نتیجه گیری: رویکرد ترکیبی رگرسیون چندگانه و الگوریتم SVR پیشنهادی نیز می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص پیش بینی گردشگری پزشکی داخلی داشته باشد. بنابراین، پیشنهاد می شودبه منظور کاهش میزان خطای پیش بینی جهت انجام برنامه ریزی های اصولی در حوزه تقاضای گردشگری پزشکی داخلی شهر تهران از این تابع تقاضا و مدل پیش بینی استفاده شود.

یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری است. اما باید توجه داشت پیش بینی ها هرگز نمی توانند به طور صد درصد با آنچه  در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی موجود خواهد بود، ولی استفاده از روش های علمی و نوین در امر پیش بینی، باعث خواهد شد نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سال های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. یکی از مهمترین انواع گردشگری داخلی شهر تهران بر اساس آمار مرکز ملی آمار و نظرات صاحب نظران این حوزه، گردشگری بازدید از دوستان و بستگان(VFR) است به همین منظور پژوهش حاضر سعی دارد مدل هایی برای پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR) داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانه بین سال های 1381 تا [1]1394 استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران بازدید کننده از دوستان و بستگان(VFR) داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون[2]، شبکه عصبی فازی[3] و الگوریتمSVR[4] است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری و روش ها را با هم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی(ANFIS)پیشنهادی می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص پیش بینی گردشگری بازدید از دوستان و بستگان(VFR) داخلی داشته باشد. <br clear="all" /> [1] علت بررسی تا سال 1394 عدم انتشار آمار سال های 1395 و 1396 توسط مرکز ملی آمار تا کنون است. [2] Regression [3] Adaptive Neuro-Fuzzy Inference System (ANFIS) [4] Support Vector Regression(SVR(

با توجه به اهمیت روزافزون مباحث مدیریت و کنترل پروژه و منافعی که در انتخاب روش صحیح مدیریت مطابق با نوع خاص پروژه ها وجود دارد، هدف تحقیق حاضر ارائه روشی مناسب جهت برنامه ریزی و مدیریت پروژه های تحقیق و توسعه می باشد. وجود عدم قطعیت و مبانی احتمالی چه در حوزه زمان های احتمالی و چه در مباحث مربوط به وجود شاخه ها و فعالیت های احتمالی، به جذابیت مسائل حوزه مدیریت و کنترل پروژه می افزاید. قطعی نبودن فعالیت ها و زمان لازم برای تکمیل هر یک از فعالیت های پروژه، مدیر پروژه را ملزم به استفادی از تکنیک هایی متناسب با ماهیت خاص پروژه مورد بررسی خود می کند. در این مقاله با تشریح پروژه احتمالی ساخت هواپیما مدل با توجه به فضای احتمالی موجود، یک الگوریتم مناسب بر پایه روش گرت و شبیه سازی مونت کارلو به گونه ای ارائه می گردد که در نتیجه آن مدیر پروژه بتواند از خروجی حاصل از الگوریتم، به بررسی مولفه های اساسی و برآورد متغیرهای تصادفی نظیر زمان مورد انتظار تکمیل پروژه و هزینه متوسط تکمیل فعالیت های پروژه بپردازد و نتایج دل خواه خود را جهت مدیریت و کنترل هر چه بهتر پروژه استخراج سازد. جهت ارائه مطلوب و درک بهتر الگوریتم پیشنهادی، نتایج حاصل از بکارگیری الگوریتم جهت برنامه ریزی و مدیریت پروژه ساخت هواپیما مدل، بررسی و تشریح خواهد شد و در نتیجه، زمان و هزینه مورد انتظار انجام پروژه در بازه اطمینان 95 درصد استخراج میگردد.