علی رجب زاده قطری

از رویکردهای نوین و مورد توجه نظام های مدیریت در دنیای امروز رویکرد مدیریت دانش است. این رویکرد با توجه به فرایند کنونی تغییر سازمان ها به سوی سیستم های یادگیرنده و استفاده از فنون فناوری اطلاعات و هوش مصنوعی اهمیت فوق العاده یافته است. تاکید فراوان حوزه های مدیریتی در نظام مدیریت دانش نیز در این راستا شکل گرفته است، ولی آنچه در غالب تحلیل های مدیریتی مورد غفلت واقع شده، استفاده از ابزارهایی است که به واسطه آن ها بتوان این رویکرد نوین را عملیاتی کرد. از جمله این ابزارها و شاید مهم ترین آن ها سیستم های خبره است. از طرف دیگر، در حوزه های مختلف مدیریت منابع انسانی، رویکرد برنامه ریزی کارراهه شغلی، امروزه بسیار مورد توجه است و تحلیل های آن به طور گسترده در برنامه ریزی نیروی انسانی قابل استناد است. در این بررسی، مرور کلی سیستم های خبره و اجزایش و به کارگیری آن در طراحی نظام مسیر شغلی (کارراهه شغلی) مورد تاکید قرار گرفته است. در حوزه کارراهه شغلی، تعاریف و مفاهیم برنامه ریزی مسیر شغلی مورد توجه قرارگرفته و با بیان یک افته کاربردی، متدولوژی طراحی سیستم خبره در برنامه ریزی کارراهه شغلی سیستم بانکی مورد بحث واقع شده است. مؤلفه های اثرگذار کارراهه شغلی مواردی مانند تجربه، تحصیلات، دوره های آموزشی، پست های سازمانی قبله، مهارتهای کارکنان، آزمون و زمان هستند که این مؤلفه ها با برگزاری جلسات کارشناسی و با استناد به روش های کار گروهی شناسایی شده اند. متغیرهای اصلی مسیر شغلی ارتقا، تثبیت و چرخش مورد بررسی قرار گرفته اند. پایگاه داده های مشاغل و پایگاه داده های کارکنان طراحی شده و به پایگاه دانش متصل شده اند. بنابراین سیستم خبره برنامه ریزی شغلی طراحی گردیده است که این سیستم هوشمند می تواند به تصمیم گیرندگان درباره مسیر شغلی کارکنان مشاوره دهد.

"در این مقاله، برنامه ریزی تولید برای فرایندهای تولید پالایشگاهی (چند مرحله‌ای چند محصولی) با دو رویکرد قطعی و فازی مدلسازی ریاضی شده است. هدف از این مقاله، پاسخ دادن به این پرسش است که کدام رویکرد ریاضی (قطعی یا فازی) جواب بهتری برای برنامه ریزی تولید ارائه می دهد. برای پاسخ دادن به این سؤال ابتدا یک مدل ریاضی خطی قطعی چند مرحله‌ای چند محصولی، برای یک دوره زمانی 24 ساعته طراحی شد. سپس مدل فازی آن تدوین گردید و سرانجام مدلهای تدوین شده در یک نمونه پژوهش آزمون شدند. نتایج حاصل از مدلهای قطعی و فازی، همگی بیانگر بهبود جواب بهینه مدل فازی نسبت به مدل قطعی بودند. همچنین شایان ذکر است که مدل ارائه شده در این مقاله، قابل تعمیم و کاربرد در سایر فرآیندهای تولید پالایشگاهی (چند مرحله ای چند محصولی) است. بنابراین توصیه می شود برای مدلسازی ریاضی برنامه ریزی تولید، با استفاده از منطق فازی به اندازه گیری هر چه بیشتر پارامترهای نادقیق و مبهم پرداخته شود و این نوع مدلسازی، مبنای برنامه ریزی تولید قرار گیرد. این همان موضوعی است که مقاله حاضر به آن جامه عمل پوشانده ومی¬توان بیان کرد که نادیده گرفتن این موضوع، همان نقطه ضعف مدلهای گذشته است که در ادبیات موضوع آورده شده¬اند."

پیش بینی های مختلف مسایل اقتصادی متکی به روش های اقتصادسنجی می باشد و توان بالای این مدل ها در برآورد معادلات خاص منجر به استفاده وسیع از این مدل ها شده است. از حدود دو دهه قبل روش های ترکیبی در پیش بینی مطرح شده است و در این تحقیق، رویکرد پیش بینی ترکیبی در مدل های اقتصادی مورد بررسی و تجزیه و تحلیل قرار گرفته است. رویکرد مذکور به خاطر توان بالایی که در کاهش میزان خطای نتایج پیش بینی دارد، در مسایل مختلف مالی و اقتصادی و بازرگانی به کار گرفته شده است. در این تحقیق سعی شده است با تأکید بر آخرین دستاوردها در حوزه مسایل پیش بینی ترکیبی، با استفاده از این رویکرد تا حد امکان خطاهای پیش بینی تقاضای نفت را کاهش داد. جهت مدلسازی ترکیبی، در ابتدا با استفاده از روش های مختلف، پیش بینی انجام شده است که در این مطالعه آنها روش های فردی نامیده شده اند. مدل های پیش بینی فردی مورد استفاده شامل روش های هموارسازی نمایی، تحلیل روند، باکس جنکینز، تحلیل های علّی و مدل شبکه عصبی می باشد.

در إین مقاله با استفاده از اطلاعات سرى زمانى قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینى قیمت سهام و نیر ارائه مدل بهینه پرداخته مى شود. روشهاى پیش بینى مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهاى پیش بینى براساس مدلهاى خطى (کوتاه مدت و بلندمدت)، روشهاى پیش بینى براساس مدلهاى غیرخطى (شبکه هاى عصبى غیرخطى) و مدل شبکه عصبى با ساختار پیشنهادى. در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش هاى اشاره شده، نشان داده مى شودکه قیمت و بازده سهام (در هر 6 سهم مربوط به صنابع مختلف) از نگاشهاى پیچیده غیر خطى و آشوبگرانه به وجود آمده اند و اساسآ استفاده از انواع مختلف روشهاى خطى صحیح نمى باشد. همچنین نشان داده مى شودکه استفاده از روشهاى غیرخطى شبکه هاى عصبى به خودى خود و به شکل متعارف بهبود قابل ملاحظه اى را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، مى توان قیمت و بازده را به خوبى در دو حالت پیش بینى روز بعد و پیش بینى سى روز بعد تخمین زد.