درخت حوزه‌های تخصصی

مسئله یافتن یک ترکیب بهینه از دانشجویان ورودی به دانشگاه ها و مؤسسات آموزش عالی به یکی از چالش های مهم مؤسسات آموزشی تبدیل شده است و به عنوان یک مسئله بهینه سازی پیچیده مطرح است. مقاله حاضر بر آن است تا با نگرش سیستمی و ارائه یک مدل ریاضی، تعداد مطلوب دانشجویان ورودی به دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی را پیشنهاد نماید. در طراحی مدل از اطلاعات مربوط به واحدهای آموزشی، رفاهی وخدماتی دانشگاه از جمله ظرفیت آموزشی دانشکده ، ظرفیت های سایت کامپیوتر، غذاخوری دانشجویان، تعداد دانشجویان فعلی و فارغ التحصیل در سال جاری در مقاطع گوناگون تحصیلی استفاده شد و به جهت تطابق بیشتر مدل پیشنهادی با واقعیت های عینی، از محدودیت های فازی استفاده گردید. در این مقاله تلاش شده است تا با تجزیه و تحلیل روابط متغیرها و پارامترهای موجود در سیستم دانشکده و اولویت بندی آن ها به کمک تکنیک تحلیل سلسله مراتبی، مدل مناسبی برای تعیین تعداد مطلوب دانشجویان رشته های مختلف در هر سال را برای سال بعد بدست آورد و همچنین کمبودها و فاصله با سطح مطلوبیت مرجع واحدهای رفاهی و خدماتی را ارزیابی و جهت رفع آن ها برنامه ریزی نمود. نتایج حاصل از حل مدل ارائه شده در این مقاله به کمک نرم افزار LINGO نشان می دهد در دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی بین میزان پذیرش سالیانه دانشجویان با امکانات آموزشی و رفاهی در برخی از رشته– مقطع ها تناسب مناسبی وجود ندارد و نیازمند بازبینی برنامه جذب دانشجو است. همچنین ارزیابی کمی اولیه ای در خصوص کمبودهای واحدهای خدماتی و رفاهی دانشکده صورت گرفت که می توان از آن ها جهت تدوین برنامه توسعه و گسترش دانشکده مذکور استفاده نمود.

ارزیابی عملکرد زنجیره تأمین یکی از مهم ترین زمینه های بهبود مستمر زنجیره تأمین است. مدیریت زنجیره تأمین یکی از استراتژی های رقابتی برای بهبود عملکرد و سودآوری سازمان ها در محیط نامطمئن و پررقابت عصر حاضر است. با توجه به ویژگی های منحصر به فرد خدمات که آن را از بخش تولید متفاوت می سازد، محققان و کاربران هنوز به ارزیابی عملکرد زنجیره تأمین خدمات به اندازه کافی توجه نکرده اند؛ بنابراین، در این پژوهش برمبنای رویکرد نگاشت شناختی فازی، مدلی برای ارزیابی عملکرد زنجیره تأمین خدمات (صنعت بیمه) طراحی شده است. با مصاحبه های عمیق و نیمه ساختاریافته با خبرگان صنعت بیمه، مفاهیم و مؤلفه های ارزیابی عملکرد زنجیره تأمین خدمات شناسایی و سپس براساس دانش خبرگان، روابط بین مفاهیم درقالب نقشه های شناخت فازی ترسیم شد. درنهایت، مدل این پژوهش با بلوک بندی نقشه ادغامی خبرگان طراحی شد. شاخص های مربوط به نقشه های شناختی بیانگر اهمیت زیاد بلوک های راهبردها و کیفیت خدمات زنجیره تأمین است. مدل ارائه شده در این پژوهش ممکن است که مبنایی برای تعالی زنجیره تأمین خدمات شود.

یکی از مهم ترین چالش های صنایع فولاد، برنامه ریزی تولید مناسب است که با توجه به سفارشی بودن این صنعت، برنامه ریزی سفارش ها بخش عمده ای از آن را شامل می شود. همچنین، با توجه به لزوم استفاده حداکثری از ظرفیت ماشین آلات در این صنعت، پرداختن به برنامه ریزی موجودی ها نیز امری ضروری است. در این راستا، مدل ارائه شده در این مقاله با در نظر گرفتن توام برنامه ریزی سفارش ها و برنامه ریزی موجودی، توانایی تصمیم گیری در انتخاب سفارش ها، تعیین زمان تکمیل سفارش ها و تعیین تولیدات مازاد از آنها را در هر فرایند داراست. این مدل در عمل می تواند نقش کلیدی در بهبود برنامه ریزی تولید صنایع فولاد از طریق تحویل بموقع سفارش ها، کاهش موجودی و استفاده مناسب از ظرفیت، دارا باشد. در ادامه، یک الگوریتم حل ابتکاری بر پایه الگوریتم ژنتیک برای مدل فوق ارائه شده و کارایی آن در یک مطالعه موردی و عملی در شرکت فولاد آلیاژی ایران ارزیابی شده است.

حداکثر سازی سود به همراه حداقل کردن ریسک هدفی است که همواره مؤسسات مالی و اعتباری به دنبال تحقق آن هستند. دراین تحقیق که در چارچوب تسهیلات اعطایی یکی از بانک های تجاری ایران طی سال های 1388 الی1390 انجام گردیده به بررسی نرخ بهره مؤثر، نرخ نکول تسهیلات اعطایی در قالب عقود اسلامی دربخش های مختلف و سبد بهینه تسهیلات پرداخته شده است. بنابراین با استفاده از الگوریتم ژنتیک چند هدفه پرتفوی بهینه تسهیلات اعطایی تعیین شده است. یافته های پژوهش نشان می دهد که پرتفوی بهینه تسهیلات که توسط الگوریتم ژنتیک چند هدفه بدست آمده است متفاوت از پرتفوی فعلی بانک است و پوشش دهنده محدودیت های و سیاست های مختلف حاکم بر اعطای تسهیلات است. همچنین نرخ بهره مؤثر و درجه کارایی تسهیلات مبتنی بر مدل بالاتر از نرخ بهره مؤثر و درجه کارایی سبد فعلی تسهیلات است.

سود هر سهم یکی از فاکتورهای مالی بسیار مهم است که مورد توجه مدیران، سرمایه گذاران و تحلیل گران مالی می باشد و اغلب برای تصمیم گیری در خصوص سرمایه گذاری، ارزیابی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود، از این رو پیش بینی آن برای مدیران و ذینفعان حائز اهمیت اساسی است. هدف این تحقیق ارائه ی مدلی به منظور پیش بینی سود هر سهم با استفاده از شبکه عصبی پرسپترون چند لایه(MLP) و شبکه ی عصبی توابع شعاعی بنیادین(RBF) و تعیین مدل برتر با استفاده از معیار های ارزیابی عملکرد است. بدین منظور، شرکت های عضو بورس اوراق بهادار تهران به عنوان جامعه آماری تحقیق در نظر گرفته شدند و 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدوده ی زمانی 1388-1382 به عنوان نمونه ی تحقیق انتخاب شدند. نتایج تحقیق نشان می دهد که شبکه ی MLP خطای پیش بینی کمتری نسبت به شبکه ی RBF دارد و همبستگی بین داده های واقعی و داده های پیش بینی شده توسط این شبکه نیز از RBF بیشتر است؛ در نتیجه دقت پیش بینی شبکه یMLP بیشتر از شبکه ی RBF است.

به دلیل وسعت شبکه‌های انتقال برق، همواره این احتمال وجود دارد که این شبکه‌ها در اثر بروز خطا‌های مختلف، دچار شرایط اضطراری گردد. در این حالت اگر اقدامات اصلاحی مناسب بر روی شبکه مذکور صورت نگیرد این شبکه دچار ناپایداری شده و عملا خاموشی سراسری اتفاق می‌افتد. در این شرایط اضطراری معمولا از گزینه‌هایی مانند بارزدایی (قطع انرژی الکتریکی برخی از مصرف کنندگان) و جابجایی در میزان تولید نیروگاه‌ها در مراکز پخش و توزیع نیروی برق، جهت کنترل شبکه انتقال برق استفاده می‌گردد. اما همواره این بحث مطرح بوده است که کمترین میزان بارزدایی یا جابه جایی تولید جهت خروج شبکه انتقال برق از شرایط اضطراری به چه میزان می‌باشد. در این مقاله، بر اساس یکی از روش‌های قدرتمند ریاضی (مانند برنامه‌ریزی غیرخطی)، که یکی از ابزارهای تحلیلی رشته مدیرت صنعتی می‌باشد، جهت تحلیل و بهینه سازی بارزدایی و جابجایی تولید استفاده می‌گردد. در نهایت مدل فوق به همراه الگوریتم طراحی شده، در یک شبکه توزیع انرژی الکتریکی (شامل هشت ایستگاه توزیع انرژی) مورد آزمون و شبیه سازی قرار گرفته تا میزان کارایی و برتری این روش نسبت به روش‌های دیگر مشخص گردد.