احسان جوان راد

امروزه راهبرد عملیاتی در سازمآنهای تولیدی، نقش بسیار تعیین کننده ای در تحقق اولویت های رقابتی سازمان پیدا کرده و این مسأله سبب انجام مطالعات وسیع و ارائه الگو های مختلفی در این حوزه شده است؛ البته با وجود روند روبه رشد سازمآنهای پروژه محور و نقش ارزنده ای که اجرای پروژه ها در بخش های مختلف دفاعی، عمرانی، صنعت و سایر زمینه ها ایفا می کند، در حوزه راهبرد عملیاتی سازمآنهای پروژه محور، پژوهش های زیادی انجام نشده است. هدف از انجام این پژوهش، شناسایی عوامل مؤثر در فرایند راهبرد عملیاتی سازمآنهای پروژه محور و احصاء روابط درونی حاکم میان آنهاست. در پژوهش حاضر پس از تحلیل محتوای ادبیات موضوع، عوامل تأثیرگذار در تدوین راهبرد عملیاتی در این گونه سازمآنها در سه دسته اولویت های رقابتی، ویژگی های پروژه و تصمیم هایی تولیدی، استخراج شد. در ادامه با استفاده از روش دلفی، خبرگان این حوزه، مؤلفه ها را صحه گذاری کردند و سپس با استفاده از روش DEMATEL فازی و بر اساس نظر خبرگان، روابط تأثیرگذاری این مؤلفه ها بر یکدیگر در قالب دو گروه استخراج شد. این دو گروه عبارت اند از: اولویت های رقابتی و ویژگی های پروژه که ورودی های مورد نیاز جهت اخذ تصمیم های تولیدی هستند و دیگری تصمیم های تولیدی. نکته مهم به دست آمده در این پژوهش، علاوه بر شناسایی عوامل مؤثر و روابط درونی آنها، تأثیرگذاری بسیار زیادی است که برخی ویژگی های پروژه مثل پیچیدگی فنی پروژه و نوع پروژه از حیث مالکیت، بر تصمیم های تولیدی در سازمآنهای پروژه محور دارند. این مسأله را می توان وجه تمایز فرایند راهبرد عملیاتی در سازمآنهای پروژه محور با سایر موارد دانست.

مهم ترین مسئله هنگام پیاده سازی فناوری گروهی در واحدهای صنعتی، در درجه ی اول تشکیل خانواده ی قطعات و دسته بندی قطعات براساس آن و در مرحله دوم حفظ سازگاری و ثبات این دسته بندی در طول زمان است. برای دسته بندی قطعات، رویکردهای مختلفی وجود دارد و اگر رویکرد استفاده از خصوصیات قطعات برای دسته بندی آن ها مورد استفاده قرار گیرد، اولین و مهم ترین گام، طراحی و پیاده سازی ساختاری برای کدگذاری و شناخت قطعات براساس خصوصیات آن ها است. در این  پژوهش، کاربرد یک شبکه عصبی پس انتشار برای دسته بندی قطعات درقالب یک مطالعه ی موردی برای پین های کانکتورها و براساس خصوصیات آن ها مورد بررسی قرار گرفته و نتایج حاصل از آن با دسته بندی های صورت گرفته توسط تحلیل خوشه ای K میانگین، روش ضریب شباهت و خوشه بندی آرایش رتبه ای (ROC) برای همان قطعات مقایسه شده است. نتایج نشان دهنده قابلیت شبکه های عصبی برای دسته بندی قطعات براساس خصوصیات آن ها و برتری آن نسبت به روش تحلیل خوشه ای K میانگین است.