سید حامد پوربخش

دنیای امروز دنیای تغییر است و دانستن این که در آینده چه موقعیتی در انتظار ما است، تقاضای محصولات ما چه قدر است و یا آن ها را به چه قیمتی می توانیم به فروش برسانیم، عامل مهمی در حفظ حیات و بقای سازمان ها است. برای دسترسی به آینده باید بتوانیم پیش بینی کنیم. با پیشرفت روزافزون علم، استفاده از روش های جدید و به کارگیری تکنولوژی های هوشمند رونق بسیاری پیدا کرده است. در این تحقیق کاربرد علم پیش بینی در مدیریت مورد پژوهش قرار گرفته و سعی شده است که روش ها و الگوریتم های جدید مانند شبکه های عصبی و منطق فازی تشریح شده و کاربرد ترکیب این دو روش در پیش بینی بررسی شود. از همین رو نخست با استفاده از چندین روش مختلف مانند میانگین متحرک ساده، میانگین متحرک موزون، نمو هموار ساده، نمو هموار دوبل، روند خطی، روند تابع ترکیبی و روند نمایی پیش بینی مورد نظر انجام شد، سپس نتایج این روش ها هم با نتایج حاصل از روش شبکه های عصبی فازی با استفاده از شش معیار اندازه گیری خطای پیش بینی مقایسه گردید و این نتیجه به دست آمده که در همه معیارها، روش شبکه های عصبی فازی نسبت به سایر روش ها برتری دارد و میزان تطابق داده ها (ضریب2R) مربوط به شبکه های عصبی- فازی90 درصد است. داده های استفاده شده در این تحقیق مربوط به سال های 1970- 2005 میلادی کشورهای صادر کننده نفت (اوپک) بوده است.

محیط کسب و کار کنونی، محیط تغییر و دگرگونیهای سریع است. این تغییرات باعث شده است که صاحبنظران در دهه های اخیر، بحثهای گسترده ای را در زمینه ضرورت توجه به عوامل محیطی در مطالعه سازمانها مطرح کنند. منظور از عوامل محیطی مجموعه ای از ویژگیهای قابل اندازه گیری محیطی است که به طور مستقیم یا غیر مستقیم توسط سازمان ادراک می شوند و بر عملیات آن موثر هستند...

در این مقاله، یک مسئله تخصیص اجزای مازاد (RAP) با هدف بیشینه سازی قابلیت اطمینان  و کمینه سازی هزینه های سیستم برای یک سیستم K از N بررسی می شود. در هر زیرسیستم ازبین استراتژی های جزتکی، اجزای موازی و اجزای آماده به کار سرد باید یک استراتژی انتخاب شود. همچنین، محدودیت های وزن و حجم قطعات نیز در طراحی این سیستم باید رعایت شوند. هر زیرسیستم باید حداقل K قطعه برای فعال شدن داشته باشد. برای حل مدل ارائه شده، پس از تشکیل کروموزوم اولیه، چهار الگوریتم متاهیوریستیک چندهدفه (MODE، NSGA-II، MOICA وPESA-II) بررسی شدند. الگوریتم های مذکور، به دو روش C (L,B) و تاپسیس با یکدیگر مقایسه شدند و پس از انجام بررسی ها، الگوریتم  NSGA IIبه عنوان الگوریتم برتر انتخاب و استفاده شد. درپایان، با بررسی جواب نهایی ارائه شده توسط الگوریتم ها در وزن های مختلف داده شده به توابع هدف توسط تاپسیس مشخص شد که بهترین جواب ها با بیشترین قابلیت اطمینان و کمترین هزینه، به استفاده بیشتر از استراتژی اجزای آماده به کار سرد مربوط است. درنتیجه، پیکربندی قطعات بیشتر به صورت اجزای آماده به کار سرد و ترکیب با استراتژی موازی یا تکی می تواند شرایط بهتری را برای سیستم فراهم کند.