مطالعات مدیریت صنعتی

مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابل توجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیی کننیده آنها در فضای مسئله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسائل طبقه بندی اعتباری با ابعیاد بیزر که نیاز به تصمیمگیری بلادرنگ است بسیار زمانبیر و پییییده میی سیازد. بیدین منریور روی یرد ت مییی زداییی ترجیحات این اطلاعات را از طریق قضاوتهای جامعی که توسط تصمیم گیرنده فراهم می شوند استنتاج می کند. این روی رد در تصمیم گیری چندمعیاره معادل یادگیری ماشینی در حوزه هوش مصنوعی است. تحت این روی رد، ایین مقالیه ییک روش جدیید پیشینهاد میی کنید کیه در آن الریوریتم ینتییک طیی فرآینید یادگیری، به طور همزمان تمامی پارامترهای میدل ELECTRE TRI را از داده هیای آموزشیی اسیتنتاج و در خاتمه فرآیند، پارامترهای استنتاج شده بیرای طبقیه بنیدی داده هیای آزمایشیی ب یار گرفتیه میی شیوند. تحلییل آزمایشات روی دیتاست های اعتباری نشان از کیفیت بالا و قابل رقابت روش پیشنهادی در مقایسه با مدل هیا ی استاندارد طبقهبندی دارد.

امروزه شرکت ها پذیرفته اند که نگهداری و تعمیرات یک عنصر تجاری سود آور است و بنابراین، نقش نگهداری و تعمیرات در سیستم ها تولیدی مدرن مهم تر شده است. سیستم نگهداری و تعمیرات نقش مهمی در دستیابی به اهداف سازمانی و بهبود شاخص های قابلیت اطمینان، کاهش زمان توقف تجهیزات، کیفیت تولیدات، افزایش بهره وری، ایمنی تجهیزات و غیره ایفا می کند. در همین راستا، نگهداری و تعمیرات و استراتژی های آن از اهمیت ویژه ای در صنعت برخوردار هستند. در نتیجه هدف اصلی این پژوهش انتخاب بهترین استراتژی نگهداری و تعمیرات با استفاده از تکنیک تحلیل عاملی(FA)، تحلیل سلسله مراتبی (AHP) و روش ترجیح براساس تشابه با راه حل ایده آل (TOPSIS) در پالایشگاه نفت شهر ری می باشد. با توجه به اینکه متغیرهای بسیاری از قبیل ایمنی، هزینه، ارزش افزوده و ... در انتخاب یک استراتژی نگهداری و تعمیرات موثرند، در پژوهش حاضر ابتدا به کمک مرور ادبیات و نظرات کارشناسان نگهداری و تعمیرات، این متغیرها شناسایی و سپس توسط تکنیک AHP و TOPSIS به انتخاب بهترین استراتژی نگهداری و تعمیرات پرداخته شده است و سعی در ارائه پیشنهادهایی جهت بهبود سیستم نگهداری و تعمیرات پالایشگاه منتخب شده است.

در این پژوهش مدل ریاضی جهت زمانبندی پروژه هایی با محدودیت منابع در حالت چند مد و با هدف بیشینه سازیNPV ارائه شده است. مدل ارائه شده برگرفته از مسئله MRCPSP- GPRمی باشد. در این پژوهش ابتدا یک مدل ریاضی که قادر به ارائه جواب دقیق باشد جهت حل نمودن مسائل MRCPSP- GPRارائه خواهد شد، سپس مدل برای محاسبه هزینه اضافه کاری، در نظر گرفتن جریمه دیرکرد، پاداش زودکرد و تاثیر آن برروی NPVپروژه تعمیم می یابد. در نظر گرفتن هزینه های اضافه کاری و پاداش و جریمه زمان تحویل به طور همزمان در تصمیم گیری، زمانبندی و مقدار واقعی NPV پروژه تاثیر بسیاری خواهد داشت. برای نزدیکتر شدن نتیجه مدل به شرایط واقعی، دو سیاست پرداخت کلاسیک در قالب تابع هدف مدل ارائه شده است. جهت اثبات عملکرد مدل یک مسئله استاندارد با دو سیاست پرداخت مدل سازی و حل شده است. در نهایت، 36 نمونه پروژه ی استاندارد با سایزها و پارامترهای مختلف توسط مدل زمانبندی شده و نتایج آن مورد تحلیل قرار گرفت.

در این تحقیق استراتژی تخصیص اثربخش دارایی ها در شرایط عدم اطمینان با قابلیت کنترل ریسک، کاهش هزینه های معاملاتی و تحقق بازده هدف گذاری شده مورد مطالعه قرار گرفت. به منظور پیادهسازی این استراتژی و غلبه بر محدودیت مدل های کلاسیک بهینه سازی پورتفوی در مواجهه با عدم قطعیت، تشکیل صندوق شاخصی با رویکرد استوار و محدودیت عدد صحیح مد نظر قرار گرفت. در این راستا یک مدل برنامه ریزی خطی بصورت کمینهسازی قدر مطلق انحراف میان بازدهی مورد انتظار صندوق و شاخص بورس به منظور حل مسأله ردیابی شاخص معرفی گردید. با توجه به ابعاد فضای جواب، از الگوریتم فراابتکاری ژنتیک جهت حل نظیر استوار مسأله بهره گرفته شد. نتایج حاصل از تجزیه و تحلیل دادهها بر انتخاب 02 سهم و عملکرد مناسب صندوق های تشکیل شده در ردیابی شاخص مبتنی بر معیارهایی چون همبستگی، ریشه دوم میانگین مربعات خطا و بازدهی مازاد با بهرهگیری از دادههای تست دلالت دارد

بهبود و ارتقای سطح کیفیت محصول و خدمات ارائه شده توسط بنگاهها اولین و اصلیترین عامل پیشرفت نسبت به رقبا و گرفتن سهم عمده بازار میباشد. در همین راستا تجزیه و تحلیل حالتهای خطا و آثار آنها ابزاری کارآمد بمنظور بهبود کیفیت در مدیریت کیفیت میباشد. با توجه به انتقادات فراوان به روش سنتی، عدد تقدم ریسک در تجزیه و تحلیل حالات خرابی بالقوه از ضرب سه عدد شدت، وقوع و تشخیص تشکیل میشود. به منظور برطرف کردن عیوب موجود، روش جدیدی برای محاسبه عدد تقدم ریسک در تجزیه و تحلیل حالات خرابی بالقوه بر پایه روش تحلیل پوششی دادهها معرفی می گردد. هدف از این تحقیق ارائه نوع جدیدی از عدد تقدم ریسک با تخصیص وزنهای مختلف برای هر یک از فاکتورهای ریسک میباشد. همچنین با توجه به این که اعداد شدت، وقوع و تشخیص توسط تیمی متشکل از گروههای مختلف خبرگان بدست می آید و عاملی قطعی و ثابت نمیباشد، در این پژوهش از روش بهینهسازی استوار که نتایج تحلیل پوششی دادهها را میپوشاند و پیچیدگی کمتری نسبت به روش فازی دارد، استفاده شده است. نتایج حاصل از مثال حل شده حکایت از موثرتر بودن مدل پیشنهادی نسبت به RPN سنتی دارد و رتبهبندی کاملی از حالات خرابی را ارائه میکند.

بسیاری از شرکتها به منظور کاهش هزینه ها، بهبود خدمات مشتری و دستیابی به مزیت رقابتی در حال پیگیری تولید چابک هستند. در واقع چابکی به عنوان پارادایم جدیدی برای مهندسی سازمانها و بنگاه- های رقابتی مطرح است. در این پژوهش بعد از مطالعه مبانی نظری و پیشینه مبحث چابکی، ویژگیها، معیارها و توانمندسازهای آن شناسایی شدهاند و چارچوبی برای اولویتبندی و تحلیل این شاخصها با توجه به مزایای رقابتی عمده موجود در ادبیات پژوهش، تدوین شده است. برای اولویتبندی شاخصها از ترکیب تکنیک توسعه عملکرد کیفیت فازی) FQFD ( با تحلیل شکاف ) Gap Analysis ) چابکی « استفاده شده است. یافتههای پژوهش در سازمان مورد مطالعه بیانگر این است که توانمندساز دارای کمترین میزان بلوغ در میان توانمندسازهای چابکی است که همین امر منجر به این » مدیریت تولید شده تا این توانمندساز از بیشترین ارجحیت برخوردار باشد. از طرف دیگر مشاهده میشود که توانمندساز چابکی مدیریت تولید با استفاده از تکنیک FQFD بیشترین وزن را کسب کرده و این به معنی است که این توانمندساز از بالاترین اولویت و اهمیت برای سازمان برخوردار است. همچنین معیار مدیریت دانش با داشتن بیشترین شکاف، رتبه نخست را میان تمامی معیارها بهدست آورد.

در این مقاله مدل جدیدی برای مسئله تخصیص افزونگی با ساختار سری موازی و زیر سیستمهای - k-out-of-n با در نظر گرفتن نرخ خرابی وابسته به تعداد اجزای در حال کاار اراهاه ما یشاود .در ایان ناون نارخ خرابای باا افزایش تعداد اجزای در حال کار به دلیل تقسیم بار )فشار( بر روی تعداد بیشتری از اجزاء، نرخ خرابی هر یا ک از اجزاء کاهش مییابد. همچنین برای هر یک از زیر سیستمها دو نون سیاست افزونگی آمااده باه کاار سارد و فعال در نظر گرفته شده است. هدف از حل مدل اراهه شده تعیین استراتژی افزونگی، ناون و تعاداد جازء ماازاد تخصیص یافته برای هر زیرسیستم به منظور حداکثر کردن قابلیت اطمینان کال س یساتم تحات محادود یتهاا ی وزن و هزینااه ماایباشااد. بااه دل یاال NP-hard بااودن مساائله تخصاا یص افزونگاای از الگااوریتم فاارا ابترااار ی ژنتیک) GA (برای حل مدل و از روش سطح پاسخ) RSM ( برای تنظیم پارامترهای موثر بار ا یا ن الگاور یتم اساتفاده شده است. در انتها با ذکر یک مثال عددی به بررسی نتایج به دست آمده از حل مدل اراهه شده میپردازیم