محمدعلی فائضی راد

هدف این مقاله منطقه بندی شهرستان های کشور براساس شاخص های صنعتی، معدنی و تجاری به منظور رفع عدم توازن در توزیع فعالیت ها به منظور توسعه اشتغال پایدار کشور است. این موضوع به دلیل حرکت بالا و نابجای جمعیت بین استان ها و شهرستان های کشور، استقرار فیزیکی نامناسب برخی فعالیت های صنعتی و وجود ناترازی در زنجیره های تولیدی کشور شامل ناترازی در طول زنجیره تأمین و تولید اهمیت بالایی دارد.این مقاله با در نظر گرفتن ۱۲ شاخص حوزه صنعت، معدن و تجارت، شهرستان های کشور را به چهار منطقه (محروم، کمتربرخوردار، عادی و توسعه یافته) با وضعیت های اشتغال صنعتی متفاوت تقسیم کرده است تا بتوان در هر منطقه، سیاست اشتغال و  سیاست صنعتی متناسب آن را پیشنهاد داد. بر پایه نتایج این پژوهش، بیش از ۵۱ درصد از شهرستان های کشور در مناطقی با سطح محروم و کمتربرخودار دسته بندی می شوند که نیازمند مشوق های خاص و ویژه جهت ایجاد انگیزه برای سرمایه گذاری است؛ از سوی دیگر، ۱۶ درصد شهرستان های مورد بررسی در این پژوهش، در منطقه ای دسته بندی شده اند که نیازمند سیاست های تعدیل کننده در توازن اشتغال منطقه است که منجر به تمرکززدایی و افزایش عمق بازار کار می شود.

هدف: یکی از دغدغه های مهم در رزرواسیون غذای دانشگاهی، مراجعه نکردن بسیاری از دانشجویان است که با توجه به دریافت یارانه دولتی و قیمت ارزان غذا، انبوهی از مواد غذایی هدر رفته و به ضایعات تبدیل می شود. هدف اصلی این پژوهش، جلوگیری از تولید ضایعات مواد غذایی در دانشگاه ها، به کمک پیش بینی تقاضای واقعی است. روش: برای مدل سازی و حل مسئله، از شبکه عصبی مصنوعی با تابع خطای موزونی که به کمک جست وجوی الگوی تعمیم یافته جهت دهی می شود، استفاده شد. شاخص های مجموع رزرو، روز هفته، سطح قیمت وعده، مجموع تعداد رزرو، تعداد رزرو به تفکیک مقطع تحصیلی، تعداد رزرو به تفکیک وضعیت اسکان و غذای مجاور به عنوان متغیرهای ورودی و تعداد تقاضای واقعی غذا نیز شاخص خروجی در نظر گرفته شد. یافته ها: داده های هفت سال اخیر سامانه رزرواسیون سلف مرکزی یکی از دانشگاه های بزرگ کشور که سالانه به طور متوسط پتانسیل تولید ۵۶ هزار پرس غذای مازاد (بیش از ۲۳ هزار تن مواد غذایی) را دارد، بررسی شد. با آموزش یک شبکه عصبی مصنوعی توأم با بهینه سازی GPS، الگوریتم ترکیبی با تابع خطای موزون متناسبی به دست آمد که قادر است تولید روزانه غذای مازاد را بیش از ۸۰درصد کاهش دهد. نتیجه گیری: با استفاده از مدل ارائه شده، می توان تقاضای واقعی را به طور دقیق تر تخمین زد. مدل پیشنهادی، ضمن معرفی شاخص های مؤثر بر تخمین تقاضا، قادر است که در سطوح ریسک مختلف مورد انتظار دانشگاه، تقاضاهای واقعی را برآورد کند. این رویکرد پیشگیرانه، وعده های غذایی کنترل شده را فقط به اندازه احتیاج تولید و توزیع خواهد کرد تا از ضایعات مواد غذایی یا اتلاف بودجه عمومی کشور جلوگیری شود.

هدف: یکی از شیوه های مرسوم ارزیابی کارایی هر سازمان یا بنگاه، مقایسه آن با سایر رقبا یا نمونه های متناظر آن است. با این حال، در برخی پژوهش ها به سنجش کارایی یک واحد در مقایسه با خود در مرور زمان پرداخته شده و روند عملکرد یک واحد نسبت به گذشته خود ارزیابی شده است. هدف پژوهش جاری، پیش بینی کارایی یک واحد با استفاده از سری های زمانی عملکرد گذشته آن است. روش: این پژوهش به کمک مدل SBM و با استفاده از روش تحلیل پوششی داده ها به مقایسه و سنجش کارایی یک واحد در گام های زمانی مختلف پرداخته و خروجی آن را به عنوان عناصر آموزش یک شبکه عصبی مصنوعی در نظر گرفته است تا کارایی گام های زمانی بعدی پیش بینی شود. یافته ها: مورد مطالعه این پژوهش، یک واحد صنعتی بزرگ در صنعت فولاد کشور است که پس از سنجش کارایی، روند نزولی عملکرد آن طی ده سال ارائه شده است. با پیاده سازی ساختارهای مختلف از شبکه های عصبی مصنوعی، در نهایت یک شبکه عصبی بازگشتی با 10 نرون در لایه پنهان با الگوریتم آموزش پس انتشار بیزی توانست بهترین عملکرد را در پیش بینی کارایی آتی این واحد صنعتی کسب کند. نتیجه گیری: مزیت اساسی این پژوهش، ارائه پیش بینی کارایی برای آینده سازمان بر اساس داده های موجود و با در نظر گرفتن تأثیر عوامل دوره های زمانی قبلی در کارایی دوره کنونی با رویکردی غیرخطی است. این موضوع موجب خواهد شد که تصویر روشن تری از عملکرد آتی سازمان فراهم آید، همان طور که در مورد مطالعه پژوهش حاضر، این موضوع رخ داده است.

بهره گیری از مدل های مدیریت درآمد در صنایع مختلف رو به افزایش است. این افزایش در بهبود عملکرد و سودآوری این مدل ها در کسب و کارها ریشه دارد. یکی از کسب و کارهای پراهمیت در این حوزه، صنعت هتلداری است که دارای فرایند رزرو و متغیرهای تصادفی ناشی از آن است. مدل کلاسیک رزرو مازاد، یک مدل مرسوم در مدیریت درآمد تلقی می شود که تلاش می کند بین تعداد مشتریان حاضر در سرویس مورد نظر و تعداد مشتریان غایب (No-Show) تعادل ایجاد کند. این مدل فرصتی ایجاد خواهد کرد تا بتوان با مطالعة توابعی که توزیع حضور مشتریان را به صورت احتمالی بیان می کنند، تعدادی مشتری مازاد را به سیستم اضافه کرد و عملاً از نبود مشتریان غایب نیز درآمد کسب کنند. در این پژوهش، با به کار بستن شبکة عصبی مصنوعی با عنوان ابزاری در تخمین تعداد مشتریان غایب، تابع احتمال دوجمله ای که در مدل رزرو مازاد به کار رفته، بهبود داده شده و پارامتر احتمالی آن به طور دقیق تری برآورد شده است. این امر ناشی از برازشی است که شبکة عصبی پرسپترون یک یا چندلایه در زمینة شاخص های مؤثر در حاضرشدن یا نشدن مشتریان ایجاد خواهدکرد. بنابراین، این توانایی ایجاد خواهد شد که مدلی پویا را برای هر بار فروش و رزرو مشتریان در بنگاه ایجاد کنیم که پارامتر احتمال حضور یا غیبت مشتریان با در نظر گرفتن شاخص های تأثیرگذار برآورده شود.

امروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان در سازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بده نیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمدداد می شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدابتی را بدا اهمیت کرده است. یکی از شیوه های کارآمد برای مطالعه مشتریان و ارائه خدمات بهینده بده آندان، گدروه بنددی بازار و خوشه بندی مشتریان در آن است. در این پژوهش به منظور هدفمند نمدودن ارائده خددمات بده مشدتریان، ابتدا به کمک تکنیک شبکه عصبی SOM مشتریان در خوشه هایی متناسب دسته بندی می شوند تا بتدوان بدرای هر مشتری با توجه به خوشه آن به ارائه خدمات مناسب پرداخت. سپس بدا مددل ارائده داده شدده در ایدن مقالده می توان عضویت مشتری جدید در خوشه متناسب را با استفاده از تکنیدک DEA-DA پدیش بیندی کدرد. ایدن مدل، فرآیند خوشه بندی پویا را برای سازمان رقم می زند تا به وسیله آن در هر لحظده بتدوان مشدتریان جدیدد را ارزیابی نموده و خوشه متناسب آنها را با دقت مناسبی تعیین کرد.

یکی از مهم ترین پرسش های تصمیم گیرندگان هر کسب و کار، شناسایی صحیح موقعیت بازار و تعیین جایگاه فعلی و جهت گیری آتی کسب و کار خود در آن است. از جمله ابزارهای با اهمیت در این مورد، ماتریس ارزیابی اقدام و موقعیت استراتژیک (SPACE) است که می تواند جهت گیری کلی مطلوب هر بنگاه را در فضای موجود نشان دهد. این ماتریس بر اساس نظرات خبرگان ایجاد شده و به همین دلیل دقت آن بر یک نظرسنجی کیفی استوار است؛ از این رو می توان با بهبود این دقت چالش های کمتری را در مواجهه با ماتریس ایجاد شده، ایجاد نمود. در این مقاله با به کارگیری تحلیل سلسله مراتبی دلفی فازی (FDAHP) این نظرخواهی با منطق فازی ترکیب شده و دقت بیشتری در فرآیند وزن دهی به مؤلفه های هریک از ابعاد ماتریس لحاظ می گردد. مطالعه موردی این مدل پیشنهادی در یکی از شرکت های مطرح در صنعت درب و پنجره یو پی وی سی صورت پذیرفته و نتایج آن گردآوری و بررسی شده است.