امیرعباس شجاعی

الگوریتم های یادگیری ماشینی مدل های محاسباتی هستند که به رایانه ها اجازه می دهند الگوها را بفهمند و بدون برنامه نویسی صریح بر اساس داده ها، پیش بینی یا تصمیم گیری کنند. این الگوریتم ها شالوده هوش مصنوعی مدرن را تشکیل می دهند و در کاربردهای مختلفی از جمله تشخیص تصویر و گفتار، پردازش زبان طبیعی، سیستم های توصیه، تشخیص تقلب، خودروهای خودران و غیره استفاده می شوند. ا ین مطالعه با هدف مروری اجمالی بر یادگیری ماشین به ارائه یک نمای کلی از توسعه یادگیری ماشینی تا امروز می پردازد و سپس فرآیند یادگیری ماشین، الگوریتم های مختلف آن، روش انتخاب الگوریتم ها را مورد بحث قرار می دهد. همچنین به کاربردها ، چالش ها و مزایای یادگیری ماشین اشاره می شود. به طور کلی، این مقاله قصد دارد به عنوان یک نقطه مرجع برای متخصصان دانشگاهی، صنعت و همچنین برای تصمیم گیرندگان در موقعیت های مختلف دنیای واقعی و حوزه های کاربردی، مورد استفاده قرار گیرد. روش تحقیق حاضر مبتنی بر تجزیه و تحلیل کیفی است که در آن ادبیات مختلف براساس موضوع یادگیری ماشین مورد بررسی قرار گرفته است. نتایج نشان می دهد که یادگیری ماشین برای ایجاد تحول بزرگ در فناوری آماده است و یکی از سریع ترین فناوری هایی است که تا امروز مورد استفاده بوده است و به طور مداوم در حال تکامل است، یادگیری ماشین یک فناوری با ریسک و بازده بالا می باشد.

انبارداری متقاطع یک سیستم توزیع است که در آن کالاها با هدف آماده سازی در ظرفیت کامل ماشین های حمل و کاهش هزینه نگهداری موجودی از تأمین کنندگان به مقاصد تقاضا جابه جا می شوند. مسئله زمان بندی ماشین های حمل اخیراً توسط بسیاری از پژوهشگران موردمطالعه قرار گرفته، اما عمده این مطالعات در موارد و شرایط قطعی بوده است؛ درحالی که بسیاری از عدم قطعیت ها در این فرآیند وجود دارد. در پژوهش حاضر، فرآیند مرتبط با عملیات انبار متقاطع در یک مرکز لجستیک (میدان مرکزی میوه و تره بار شهرداری تهران) با هدف کاهش زمان عملیات و سطح نگهداری موجودی،  مشخص کردن تعداد بهینه نیروی انسانی و با درنظرگیری عدم قطعیت ها در زمان ورود ماشین ها به انبار، زمان انجام عملیات بارگیری و تخلیه، زمان جابه جایی در انبار و دسترسی به منابع و تجهیزات توسعه داده می شود. بعلت پیچیدگی محاسباتی مدل های حل دقیق و آزمایش و ارزیابی گزینه های متنوع عملیات انبار از یک رویکرد بهینه سازی مبتنی بر شبیه سازی استفاده شده است که تلفیقی از شبیه سازی، طراحی آزمایش ها و روش سطح پاسخ است. روش سطح پاسخ نشان می دهد که بهترین سناریو شامل ترکیب، جابه جایی مستقیم کالاها، حالت سرویس انحصاری و روش «اولین ورود اولین سرویس»، است؛ همچنین نتایج عددی تصدیق می کنند سناریوی پیشنهادی معیارهای عملکردی در انبار موردمطالعه را بسیار بهبود می بخشد.

هدف: در این پژوهش به اجرای فاز تعیین و تدوین استراتژی های یک شرکت تولید مواد اولیه دارویی با استفاده از ابزار SWOT پرداخته شده است. SWOT ابزاری است که برای بررسی عوامل داخلی و خارجی و شناسایی استراتژی ها به کار می رود. روش: برای اولویت بندی استراتژی ها، به دلیل تعامل و وابستگی میان زیرفاکتورهای SWOT و همچنین برای ایجاد انعطاف پذیری در مدل و وارد کردن داده هایی نظیر دانش، تجربه و قضاوت انسانی و دریافت پاسخ های کاملاً کاربردی و دقیق در مدل پیشنهادی، از روش فرایند تحلیل شبکه ای گروهی فازی (Fuzzy ANP) استفاده شده است. یافته ها: اولویت استراتژی ها عبارت اند از: اضافه کردن محصول هایی با حاشیه سود بالا و پس از آن به ترتیب، استراتژی های افزایش بازده و ظرفیت محصول ها، تأکید بر بازاریابی و اختصاص بخشی از درصد فروش به آن، تمرکز و سرمایه گذاری روی صادرات، بهبود و ارتقای فرایند تحقیق و توسعه، کاهش قیمت تمام شده و در نهایت، قیمت فروش و حذف محصول های بدون توجیه اقتصادی. نتیجه گیری: به کارگیری فرایند تحلیل شبکه ای، موجب می شود که فرض وابستگی میان عوامل، زیرعوامل و گزینه ها در ساختار سلسله مراتبی در نظر گرفته شود. استفاده از تئوری فازی موجب شده است که نقص استفاده از نظرهای نادقیق تصمیم گیرندگان برطرف شود.

در این پژوهش دو پروژه در فاز ساخت شرکت آذر آب برای پیش بینی هزینه های ساخت در نظر گرفته شد و هزینه های واقعی پروژه های مذکور بعد از جمع آوری اطلاعات محاسبه گردید ، سپس شش مدل رگرسیونی در چهار دوره زمانی برای هر پروژه ارائه و سپس میانگین خطای مدل ها برای هر پروژه در چهار دوره محاسبه گردید تا مدل نهایی و مورد قبول برای هر پروژه مشخص گردد. نتایج نشان داد که مدلهای 2 و 3 درصد خطای پایین و قابل قبولی را نسبت به دیگر مدل ها دارند. وجود منغیر های موثر در مدل ها و همچنین با توجه به ماهیت پروژه ها نتیجه می گیریم مدل شماره 3 با درجه اطمینان قابل قبول تری هزینه های آتی پروژه ها را پیش بینی می کند. درمجموع مدل شماره 3 را به عنوان مدل برتر برای پیش بینی هزینه های آتی پروژه های مورد بحث انتخاب خواهیم کرد. با این حال یادآور می شویم که برای هر پروژه با توجه به ماهیت آن ممکن است یک معادله خاص دیگر، پیش بینی های دقیق تری را ارائه دهد.اما به طور کلی می توان بیان داشت که مدلهای رگرسیونی برای پیش بینی هزینه های دوره های مختلف پروژه با توجه به ماهیت آن کاربردی می باشد.

از عصر حاضر به عنوان عصر کیفیت یاد می شودو کیفیت به مثابه مهمترین مزیت رقابتی اکثر سازمانها،اعم از تولیدی و خدماتی مطرح است.بنابراین سازمانها برای ارتقا سودآوری،کاهش منطقی هزینه ها،فزونی رضایت مشتریان و ....به دنبال یافتن روشهای نوینی برای بهبود روزافزون کیفیت محصولات و خدمات خود هستند.از طرفی با توجه به اینکه کیفیت را"آنچه مشتری میخواهد"نیز تعریف کرده اند:باید برای بهبود کیفیت همچون یک اصل،ابتدا با استفاده از ابزار سنجی معتبر و جامع و از دید مشتری،کیفیت را سنجید و سپس در برنامه های بهبود آینده،نظر مشتریان را مد نظر قرار داد.در این مقاله هدف،سنجش و اولویت بندی عوامل موثر بر کیفیت خدمات واحد آموزش ایران خودرو است،که ابتدا توسط مدل سروکوال کیفیت خدمات سنجیده شده،سپس با استفاده از فرایندAHP,عوامل موثر بر کیفیت خدمات،اولویت بندی شده است و به عنوان یک راهبرد می تواند در اختیار سازمانهای ذیربط قرار گیرد.