علیرضا فراست

ابهامات محیطی ناشی از مدل‌های نوین کسب و کار سبب تشدید پیچیدگی در تصمیم‌گیری، به‌ویژه در حوزه کسب و کار شده است. به‌طوری‌که بسیاری از متغیر‌های تاثیرگذار ناشناخته بوده و روابط میان آن‌ها نیز غیرخطی و پیچیده است. در چنین شرایطی دیگر نمی‌توان داده‌ها را با ابزارهای سنتی تحلیل نموده و از آن‌ها دانش استخراج کرد. از این روی مقاله حاضر به تشریح تکنولوژی داده کاوی در حوزه هوش محاسباتی و متدولوژی استاندارد CRISP Data Mining پرداخته و یک طبقه‌بندی از کاربردهای این تکنولوژی در حوزه تصمیم‌گیری‌های کسب و کار ارایه داده است. در ادامه یک مطالعه موردی بر روی پایگاه داده مشتریان یکی از بانک‌ها با استفاده از داده کاوی ارائه می‌گردد.

در این مقاله یک الگوریتم ترکیبی برای حل مساله طراحی مقاوم با چندین متغیر پاسخ ارائه شده است. الگوریتم ارائه شده، ترکیبی از شبکه‌های عصبی و تکامل توام ژنتیکی است که در آن شبکه‌های عصبی به عنوان تقریب زننده تابع، نگاشت بین متغیرهای فرایند را تقریب زده و الگوریتم تکامل توام مدل ساخته با هدف مقاوم ساختن متغیرهای پاسخ فرایند، را حل می‌نماید و نتایج این الگوریتم با الگوریتم ژنتیک مقایسه می‌شود. روش پیشنهادی در یک مطالعه موردی فرایند ریسندگی اپن اند مورد آزمایش قرار گرفته است.

ارزیابی عملکرد سازمانها از جمله مسائل مهم و ضروری است که در دهه های اخیر شیوه های زیادی در این خصوص مطرح شده است. یکی از تکنیکهایی که اخیراً مورد توجه قرار گرفته "تحلیل پوششی داده ها"[1] است که دارای مزایا و معایبی نیز هست. عمده ترین مشکل استفاده از این تکنیک، کم بودن تعداد واحدهای تصمیم گیرنده[2] در ارتباط با ورودی ها و خروجی ها می باشد. که این امر موجب کاهش قدرت تکفکیک پذیری مدل می گردد. در این مقاله به منظور رعف این اشکال و یک مدل تلفیقی از شبکه های عصبی مصنوعی تحلیل پوششی داده ها ارائه گردیده و برای اندازه گیری کارایی پالایشگاه های نفت کشور مورد استفاده قرار داده شده است،