درخت حوزه‌های تخصصی

ریسک بالای شکست در پروژه های طراحی و ضعف در تحقق فرآیند بهینه توسعه محصولات جدید در صنعت خودروسازی از یک سو و ناکارآمدی این حوزه در شناسایی و الگوسازی نظام طراحی محصولات جدید از سوی دیگر، در زمره مهم ترین مسائل پیش روی حوزه صنعت خودرو قرار دارد. این در حالی است که امکان بومی سازی و ترازسنجی الگوهای برتر موجود در این خصوص، با چالش ها و مسائل متعددی روبه رو است. ازاین رو هدف از ارائه این پژوهش طراحی و تبیین الگوی توسعه محصول جدید در صنایع خودروسازی کشور است. این پژوهش با بهره گیری از رویکرد توسعه ای-کاربردی، راهبرد داده بنیاد را دنبال کرده و با بهره گیری از الگوی دلفی، مدل پیشنهادی توسط خبرگان اعتبارسنجی شده است. نتایج پژوهش حاکی از وجود یک الگوی چهار مرحله ای مشتمل بر ایده پردازی، ارزیابی فنی و بازار، غربالگری و انتخاب طرح در طراحی محصولات جدید است.

مدیریت زنجیره تامین یکی از مهمترین استرات ژیهای رقابتی است که در شرکتهای مدرن اساتفاده ما یشاود. هدف اصلی مدیریت زنجیره تامین ادغام تامین کنندههای مختلف برای برآوردن تیاضای بازار است. باه هما ین دلی فرآیند ارزیابی و انتخاب تامینکنندگان نی حیاتی و تاثیر قاب توجهی روی ماد یریت در زنجیا ره تاام ین دارد. این میاله، یک مدل ترکیبی را بر اساس نگرش هوشهبندی و انتخاب تاام ین کننادگان ارا ئا ه ما یدهاد. باه حوری که ابتدا روش هوشه بندی K هارمونیک که یکا ی از روشهاا ی پرکااربرد در آناال یز هوشاه بناد ی محساوب - میشود برای هوشه بندی تامین کنندگان مورد استفاده قرار میگیرد، سپا بر اساس هروجی حاص از هوشاه بناد ی، یک مدل نند هدفه برای انتخاب مناسبترین تامین کننده در نیر گرفته میشود. از آن جا که مسئله نندهدفاه مورد مطالعه به دسته مسای NP-hard تعلد دارد، برای ح مادل پ یشانهاد ی در یا ک زماان موجاه از الگاو ریتمهاای ژنتیاک مرتاب ساازی ناامغلوب NSGA-II) ( و ژنتیاک رتباهبنادی ناامغلوب NRGA) ( بهاره گرفتاهایام. نتاایج محاسباتی بدست آمده نشان میدهد که آنالیز هوشهبندی میتواناد باه عناوان یا ک راه کاار ماوثر در انتخااب تامینکنندگان در نیر گرفته شود. برای ارزیابی تاثیر آنالیز هوشهبندی بر روی انتخاب تاام ینکننادگان نناد ین مجموعهی داده در نیر گرفته میشود

هدف این پژوهش اولویت بندی عوامل موثر بر عملکرد پرتابه است. اولویت بندی این عوامل با استفاده از ترکیب روش فرآیند تحلیل سلسله [i] مراتبی و طراحی آزمایش های تاگوچی، کمک شایانی به طراحان در راستای بهبود عملکرد سازه های پرتابی می کند. با توجه به اینکه تاکنون با ایجاد تغییر در هریک از عوامل به شکل جداگانه، سعی در افزایش عملکرد پرتابه هاشده است، لذا در این مقاله سعی شده، بااستفاده از ترکیب روش AHP [ii] و طراحی آزمایش های تاگوچی تمام عوامل موثر بر عملکرد پرتابه به طور همزمان بررسی و آنها را اولویت بندی نماییم. نحوه کار بدین شکل است که ابتدا با استفاده از تکنیک طراحی آزمایش های تاگوچی، میزان تاثیر هریک از عوامل بر روی دو معیار برد و انحراف از هدف پرتابه محاسبه و سپس با استفاده از روش AHP این عوامل اولویت بندی می شوند.با توجه به نتایج حاصل از این پژوهش و با در نظر گرفتن وزن مساوی برای دو معیار برد و انحراف از هدف، از بین 11 فاکتور مورد بررسی فاکتور زاویه پرتابدر رتبه اول، سرعت دهانه در رتبه دوم، زمان سوزش در رتبه سوم تاثیر گذاری بر عملکرد پرتابه قرار گرفتند. همچنین، عامل های وزن سوخت و سرعت باد به ترتیب در رتبه های دهم و یازدهم این اولویت بندی قرار گرفتند.

تحلیل پوششی داده ها در ارزیابی کارایی نسبی واحدهای تصمیم گیری دارای چندین خروجی و چندین ورودی، بسیار سودمند بوده است. مدل های متعارف تحلیل پوششی داده ها برای اندازه گیری عملکرد واحدهای تصمیم گیری فقط دیدگاه خوشبینانه را در نظر می گیرند؛ به عبارتی برای هر واحد تصمیم گیری تحت ارزیابی، یک مجموعه از مطلوب ترین وزن ها را انتخاب می کنند. مدل های دیگری وجود دارد که کارایی یک واحد تصمیم گیری را از دیدگاه بدبینانه اندازه گیری می کنند. این مدل ها عملکرد هر واحد تصمیم گیری تحت ارزیابی را با استفاده از یک مجموعه از نامطلوب ترین وزن ها اندازه گیری می کنند. در این مقاله برای اندازه گیری عملکرد کلی واحدهای تصمیم گیری پیشنهاد می شود که هر دو کارایی را در قالب یک بازه ادغام کنیم و مدل های تحلیل پوششی داده های پیشنهادی برای اندازه گیری کارایی را مدل های کراندار می نامیم. رویکرد پیشنهادی با استفاده از یک مثال عددی مقایسه خواهد شد. یک مثال دیگر نیز در مورد سنجش توزیع بار در میان کشورهای عضو ناتو (سازمان پیمان آتلانتیک شمالی) ارائه خواهد شد تا مزایا، سادگی و سودمندی آن را در موقعیت های زندگی واقعی نشان دهد.

هدف این مقاله ارزیابی تاثیر سیاست های اعتباری بر سرمایه گذاری زیربخش های اصلی اقتصاد ایران است. به این منظور از روش رگرسیون به ظاهر نامرتبط (SUR) برای برآورد تابع سرمایه گذاری سه بخش کشاورزی، صنعت و معدن و خدمات در سال های 91-1352 استفاده شده و براساس یافته های به دست آمده، «میزان دسترسی به تسهیلات بانکی» برای بخش های تولیدی نظیر کشاورزی و به ویژه صنعت و معدن اهمیت بسیاری در تحریک سرمایه گذاری داشته و در مقابل، نرخ سود تسهیلات تأثیری بر میزان سرمایه گذاری در بخش های اقتصادی ندارد. از این رو، برخی پیشنهادها همچون تقویت بانک های توسعه ای (مانند بانک صنعت و معدن) از طریق افزایش سرمایه این بانک ها، توسعه مالی برای تسهیل جریان تأمین مالی به بخش های تولیدی، کنترل تورم برای کاهش اثرات مخرب آن بر عرضه و تقاضای تسهیلات و جلوگیری از اثرات جانشینی بین تخصیص منابع بخش دولتی و خصوصی عنوان شده است.

همواره موسسات مالی و اعتباری برای آنکه بتوانند حداکثر سود حاصل از سرمایه گذاری های خود را دریافت دارند، بدنبال پالایش، جذب و نگهداشت بهترین سرمایه گذاران، مشاوران، مشتریان و قرض-گیرندگان بوده اند. بااین وجود، علوم مختلف سعی نموده اندروشهای دقیقی برای تفکیک مشتریان ارایه نمایند. از همین رو علومی مانند روانشناسی تا علوم مدیریت، ریاضیات، مالی و ... درصدد تحقق این هدف برآمده اند. آنچه که دراین پژوهش بدان اشاره خواهد شد ضرورت استفاده از روشهای نوین داده-کاوی در ترکیب با روشهای هوش مصنوعی جهت فائق آمدن بر پیچیدیگی های مسئله است و پاسخ به این سوال که آیا روش ترکیبی استفاده شده به خوبی رتبه اعتباری مشتریان را پیش بینی می کند؛ این امر در حالی رخ می دهد که نباید بُعد دیگری از مسئله را که همانا انتخاب مهمترین عوامل سنجش (معیارها) هستند را فراموش نمود و در این راستا ازقضاوت خبرگان و تحلیل های ناپارامتری ( آزاد توزیع) به منظور رتبه بندی معیارها استفاده گردیده است که نهایت با انتخاب تعدادی از شاخصها به منظور پیاده سازی مدل ترکیبی به این سوال پاسخ داده خواهد شد که آیا نظر خبرگان در انتخاب معیارها منتج به پیش بینی مناسبی از وضعیت اعتباری مشتریان می گردد. سه شاخص "" سن"" ، "" سابقه ارتباط با بانک ( مدت حساب)"" و "" میزان اعتبار"" برای پیاده سازی مدل ترکبی عصبی فازیانتخاب گردید. و نتایج بیانگر آن می باشد که 89.67درصد از مواقع این سیستم می تواندتخمین درستی نسبت به رتبه اعتباری مشتریان ارائه دهد..

مواجهه با مسائل پیچیده دنیای امروز که دربرگیرنده شاخص های متعدد کمّی و کیفی با جنس های متفاوت است، مستلزم بکارگیری روش های جامعی است که حالات مختلف این گونه مسائل را دربرگیرند. «تصمیم گیری چندشاخصه» بیش از پنج دهه است که در فرآیند تصمیم سازی، مدیران را یاری نموده است و مطمئناً در دهه های آینده نیز با بهبودهایی که در آن متصور است در حوزه های مختلف عمومی و تخصصی مدیریت کاربرد خواهد داشت. روش های مختلفی برای ارزیابی و رتبه بندی گزینه ها و بهینه سازی تصمیم از منظر شاخص های چندگانه در ادبیات تئوری تصمیم گیری توسعه یافته است. بکارگیری روش های عدم قطعیت مانند تئوری فازی و تئوری سیستم های خاکستری، امکان درنظرگرفتن شاخص های کیفی یا غیرقطعی را در مسائل تصمیم گیری چندشاخصه فراهم ساخته است. روش های مختلف نرمال سازی ماتریس تصمیم نیز به منظور بی بُعد سازی شاخص های مثبت(هرچه بیشتر بهتر) و منفی (هرچه کمتر بهتر) به کار گرفته شده اند. این پژوهش با استفاده از «تحلیل رابطه ای خاکستری» به عنوان یکی از تکنیک های تصمیم گیری چندشاخصه و از طریق بکارگیری اعداد خاکستری در کنار اعداد قطعی در ماتریس تصمیم گیری، امکان درنظرگرفتن هم زمان شاخص های کیفی و کمّی را فراهم می سازد؛ و از سوی دیگر با ارائه بهبودهایی در روش های نرمال سازی موجود، بی بُعدسازی شاخص های بهینه (دارای مقدار مطلوب از پیش تعیین شده) در کنار شاخص های مثبت و منفی را امکان پذیر می نماید. بنابراین در این پژوهش، روشی جامع برای تصمیم گیری چندشاخصه ارائه شده است که امکان در نظر گرفتن اولاً شاخص های کمّی و کیفی و ثانیاً شاخص های بهینه، مثبت و منفی را به طور هم زمان داراست. در پایان به منظور تشریح روش ارائه شده، یک مثال کاربردی گام به گام پیاده سازی و نتایج آن ارائه شده 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.

یکی از کارکردهای اساسی و مهم سازمان بهزیستی هنگام وقوع حوادث طبیعی، مانند سیل و زلزله، بوده و پس از رخداد چنین حوادثی کمک رسانی به افراد آسیب دیده از طبقات پایین جامعه را بر عهده می گیرد. این پژوهش بنا دارد تا با شناسایی دقیق فعالیت ها و فرایندهای اجرایی «سازمان بهزیستی»، عوامل ایجاد ناپایداری در زنجیره تأمین این سازمان را مشخص کند و در نهایت به رتبه بندی این عوامل بپردازد؛ سپس بر اساس این عوامل نقاط آسیب پذیر سازمان در برابر عوامل ایجاد ناپایداری بررسی می شود. در این راستا از مدل سازی معادلات ساختاری بهره گرفته شد. در ابتدا با مرور مبانی نظری و بررسی نظریه های موجود، یک چارچوب مفهومی اولیه در این رابطه شکل گرفته است؛ س پس ای ن مدل با بهره گیری از روش های مختلف در طی پژوهش، تعدیل و مطابق ب ا ش رایط «سازمان بهزیستی» اصلاح شده است. در ادامه م دل مفهومی پژوهش در قالب یک ساختار چندبُعدی برای نرم افزار AMOS تعریف شده است. پس از بررسی فرض یه ه ا از ن وع روابط بین متغیرها و انجام تغییرات لازم، سرانجام مدل با توجه به شرایط «سازمان بهزیستی ایران»، اصلاح و نه ایی ش ده است.