عباس طلوعی اشلقی

تولید محصول جدید و نوآوری در محصولات یکی از ارکان مهم و تاثیر گذار در جهت افزایش ارزش یک بنگاه اقتصادی می باشد با بررسی مطالعات پیشین عوامل مختلفی، موثر در تولید محصول جدید می باشند همانند توجه به نیاز مصرف کننده، ویژگی رقبا، توانمندی بخش تحقیق و توسعه ، توانمندی تامین کنندگان و توانمندی بخش تولید و ... از عواملی هستند که در تولید محصول جدید باید به آن ها توجه نمود ، این عوامل در هر صنعت و هر کشوری بنا بر ویژگی های اون صنعت و بازار از درجه اهمیت متفاوتی برخوردار می باشد. در این پژوهش برای دستیابی به عوامل تاثیرگذار در توسعه محصول جدید در صنعت فولاد ایران و رتبه بندی این عوامل کارخانه ذوب آهن اصفهان به عنوان قدیمی ترین تولید کننده فولاد در ایران مورد بررسی قرار گرفته است،برای انجام این تحقیق ابتدا با استفاده از روش سیستماتیک ( سایت های علمی معتبر با درجه علمی بالا) مقالاتی را که از سال 2000 تا به امروز در این زمینه منتشر شده بود را بررسی و از میان آنها 60 عامل تاثیرگذار در این زمینه استخراج شده است سپس با استفاده از پرسشنامه از 15 خبره صنعت فولاد میزان وزن هر عامل بدست آمد و در نهایت با پرسش نامه بسته از کارشناسان ذوب آهن اصفهان به بررسی میزان اهمیت هر عامل در صنعت فولاد ایران پرداخته شد و نتایج بدست آمده رتبه بندی شد. در نتیجه گیری کلی به این موضوع رسیده شده است که تولید محصول جدید دارای عوامل مختلفی می باشد که بحث نیروی انسانی و توانمندی نیروی انسانی متخصص و آموزش دیده یکی از عوامل مهم و تاثیرگذار در تولید محصول جدید می باشد با توجه به شرایط کشور و کاهش میزان امید و توجه بیشتر نیروی انسانی به درآمدهای بازار سفته بازار و توجه کمتر به بحث خلاقیت و تربیت انسان های خلاق، توجه بیشتر به این موضوع و افزایش امید در جامعه کمک بسزایی در تولید محصول جدید می نماید.

رقابت های جهانی، صنابع پویا و چرخه های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش های مهمی را برای صنعت مالی، بانکداری و بیمه ایجاد کرده اند و نیاز به تجزیه و تحلیل داده ها جهت بهبود فرآیندهای تصمیم گیری- در این سازمان ها بیش از پیش اهمیت پیدا کرده است؛ در این میان، داده هایی که در پایگاه-های اطلاعاتی این سازمان ها نگهداری می شوند به عنوان منابع ارزشمند اطلاعات و دانش مورد نیاز جهت تصمیم-گیری های سازمانی مطرح می باشند؛ در این تحقیق بر روی مشتریان مشترک صنعت بانکداری و بیمه تمرکز شده است. هدف از این تحقیق، ارائه روشی جهت پیش بینی عملکرد مشتریان جدیدالورود بر مبنای رفتار مشتریان پیشین است؛ برای این منظور، از یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده شده است؛ بدین ترتیب که ماشین بردار پشتیبان، وظیفه مدل سازی رابطه بین عملکرد مشتریان و اطلاعات هویتی آنها را بر عهده دارد و الگوریتم ژنتیک، وظیفه تنظیم و بهینه سازی پارامترهای ماشین بردار پشتیبان را عهده دار است. نتایج به دست آمده از طبقه بندی مشتریان- با استفاده از مدل پیشنهادی در این تحقیق- طبقه بندی مشتریان با دقت بالای ۹۹ درصد است.

تحولات علمی و فناوری، به ویژه در حوزه فناوری اطلاعات و ارتباطات، باعث تغییرات چشمگیری در زندگی روزمره انسان ها شده و دورکاری به عنوان یک رویکرد نوین در مدیریت کارها و انجام فعالیت ها، به خصوص در شرایط ایجاد شده توسط پاندمی کرونا، مورد ترویج قرار گرفته است. با توجه به نیاز روزافزون بوجود آمده از جنبه های تکنولوژیک و بحران های فراگیر، این مطالعه مفهوم دورکاری را در چارچوبی که شامل دوره ی کرونا و انقلاب صنعتی پنجم است، مورد بررسی قرار می دهد و نیاز به توجه علمی جامع و روش های نوآورانه را تأکید می کند. برای رفع این چالش ها، این تحقیق با بکارگیری رویکرد متدولوژی سیستم های نرم یک مدل سیستمی ارائه می دهد که دیدگاه ها و محدودیت های مختلف ذینفعان را در نظر می گیرد و هدف آن افزایش اجرای کار از راه دور است. با استفاده از روش های سیستمی و تحلیل داده های کیفی، این مطالعه به روشی انعطاف پذیر و سیستمی به توسعه مدل می پردازد. علاوه بر این، نقش فناوری، فرهنگ سازمانی و استراتژی های مدیریت در کاهش انزوای اجتماعی و افزایش کارایی کار از راه دور را برجسته می کند. یافته ها بر جنبه پویای اکوسیستم کار از راه دور تأکید می کنند و اهمیت راهکارهای چندجانبه برای موفقیت سازمانی در دوران انقلاب صنعتی پنجم را تأکید می کنند.

مقدمه: هدف از انجام این مطالعه، ارائه عناصر و روش شناسی مدل یادگیری تقویتی منطبق بر مدل مفهومی عامل بنیان اعتباربخشی بیمارستانی در ایران است. عناصر و روش شناسی مدل یادشده، زیربنای مطالعاتی مطلوبی برای ایجاد سیستم هوشمند و چندعاملی اعتباربخشی بیمارستانی و روندهای شبیه سازی محیط در جهت ارائه رهنمودهای بهره ورانه به کارگزاران و سیاست گذاران مربوطه ایجاد خواهد کرد. این مطالعه در نظر دارد تا پاسخ مناسبی به پرسش های اصلی پژوهش که در آن ابهامات مربوط به عناصر یادگیری تقویتی و چگونگی انتخاب روش شناسی یادگیری تقویتی در یک سیستم چندعاملی از نوع سیستم های اجتماعی فنی وجود دارد، ارائه کند.روش ها : به منظور گردآوری داده های موردنیاز برای شناخت عناصر و شناسایی فرایندهای اعتباربخشی بیمارستانی، عامل ها، محیط و تعامل بین آن ها، از روش مرور سیستماتیک منابع، بررسی مستندات علمی و مصاحبه های نیمه ساخت یافته، از طریق خبرگان، به صورت حضوری بهره گرفته شد. مصاحبه شوندگان از میان اعضای هیئت علمی، مدیران بیمارستان و مسئولان بهبود کیفیت بیمارستان ها انتخاب شدند. جمع بندی مصاحبه ها با استفاده از روش های مبتنی بر داده بنیاد، رویکرد ترتیبی و سیستماتیک، صورت گرفت. منابع جمع آوری ویژگی های فرایند یادگیری ماشین با استفاده از روش مرور سیستماتیک از مستند «راهنمای اعتباربخشی 1401» بوده است. روند انتخاب ویژگی های یادشده از طریق انتخاب صحیح از ویژگی های خروجی مدل که همان کنش های عامل است، صورت گرفت. فهرست کنش های عامل بر اساس طبقه بندی ساختار درختی از محتوای مفهومی مستند فوق الذکر به صورت یک درخت عمومی غیردودویی استخراج شد.یافته ها: مدل یادگیری تقویتی استخراج شده درصدد یافتن زنجیره های بهینه از کنش های عملیاتی در شرایطی که داده های کمی موجود است، خواهد بود. مهم ترین عناصر مدل یادشده عبارت اند از:مجموعه حالات: مجموعه عوامل اعتباربخشی بیمارستانی مانند متغیرهای ورودی، متغیرهای خروجی، شاخص ها، پارامترها، اعداد ثابت مربوط به سنجه های هر عامل مفهومی در مستند «راهنمای اعتباربخشی 1401»؛مجموعه کنش ها: کنش های عامل های هوشمند؛ در هر اپیزود یادگیری تقویتی، مسیرهایی از درخت دودویی خوشه بندی سلسله مراتبی شده اقدامات عملیاتی قابل انجام در بیمارستان و به ازای مجموعه ویژگی های حالت هستند؛تابع پاداش: «کسب بالاترین امتیاز ممکن در نظام رتبه بندی بیمارستانی با انجام کمترین تعداد کنش و اقدام لازم» است؛تابع سیاست: بر اساس فرایند یادگیری هر عامل، مبتنی بر یک شبکه عصبی عمیق DQN و الگوریتم کاهش گرادیان است؛عامل های عملیاتی: هدف عملیاتی هر یک از عامل های مفهومی؛ «حداکثرکردن امتیازات اعتباربخشی سنجه های حوزه مربوط به خود با توصیه کمترین اقدامات» است.چرخه کلی مدل: در این ساختار هر کدام از عامل های هوشمند، زیرمجموعه عامل های مفهومی نه گانه، در محدوده خود دارای یک شبکه عصبی چندلایه است که ویژگی های حالات مرتبط، به این شبکه عصبی وارد می شود و در خروجی، بر اساس تعریف تابع سیاست ویژه آن عامل، نگاشتی از کنش های بهینه بر حسب شرایط و حالات فعلی عامل ایجاد خواهد شد؛مدل شبکه عصبی: شبکه عصبی عامل هوشمند برگرفته از عامل مفهومی «مدیریت و رهبری» است که در آن مشخصات لایه های ورودی، مخفی و خروجی شبکه آمده است.نتیجه گیری: جمع بندی پیشینه پژوهش های مرتبط، نشان داد که رویکرد طراحی مدل های اعتباربخشی بیمارستانی می تواند به دو گروه «مدل های مفهومی بدون بهره گیری از عوامل هوشمند» و «مدل های مفهومی با بهره گیری از مفاهیم هوشمندسازی و سیستم های عامل بنیان» تقسیم شود. بررسی ها نشان داد که این مطالعات دارای نتایج موردانتظار بوده و کارایی و اثربخشی مدل ها و فرایندهای پیشنهادشده توسط آن ها، اعتبار لازم را داشته اند. از نقاط ضعف این پژوهش ها، این است که الگوریتم های یادگیری تقویتی لزوماً با مدل های عامل بنیان در آن ها درآمیخته نشده است.

دستیابی به فناوری هوش مصنوعی نیازمند طیف گسترده ای از فعالیت های تحقیق و توسعه است که هر کدام دارای مشخصه و ویژگی های متفاوتی است. هدف این مقاله شناسایی مشخصه های انواع تحقیق و توسعه در هوش مصنوعی است. این پژوهش با رویکرد ترکیبی (کیفی- کمی) انجام گرفت که در بخش کیفی آن ضمن مطالعه و مرور منظم مبانی نظری و ادبیات تحقیق و توسعه در هوش مصنوعی، ویژگی های آن به روش تحلیل محتوی استخراج گردید. سپس به منظور تعیین مصداق ها و جزئیات هر ویژگی با 10 نفر از خبرگان دانشگاهی و مدیران آشنا به فرآیند تحقیق و توسعه در هوش مصنوعی مصاحبه انجام گرفت. در بخش کمی، به منظور اعتبار بخشی به یافته های کیفی، پرسشنامه ای براساس مقیاس لیکرت هفت درجه ای فازی تهیه و نظرات کارشناسان در مورد ویژگی های احصاشده جمع آوری گردید. داده های جمع آوری شده از پرسش نامه ها در دو دور، طبق فرآیند دلفی فازی، غربال و نهایی شد. یافته های این تحقیق با هدف سیاست گذاری در تحقیق و توسعه شامل 8 مشخصه مجزا عبارتند از: جستجوی زمینه پژوهش، هدف عامل انجام پژوهش، خروجی مورد انتظار، معیار عملکرد، افق زمانی، تکنیک ها و روش ها، صلاحیت ها و مهارت های محققین، و اندازه تلاش پژوهشی.

ﺑﺴیﺎری از ﺻﺎحب نظران معتقدند که ﻧیﺮوی اﻧﺴﺎﻧی ﻣﻬﻤ ﺘ ﺮیﻦ رکن برای ایجاد تحول در سازمان می باشد لذا در اغلب سازمان ها، مدیران به دنبال شناسایی نیروهای خبره در بخش های مختلف می باشند تا بتوانند با آموزش به سایرکارکنان، در ارتقا کیفیت، کارایی و بهره وری سازمان نقش بسزایی را ایفا نمایند. جهت شناسایی نیروهای خبره، می بایست ارزیابی نحوه ی انجام کار را از بعد کمی و کیفی عملیاتی نمود تا بتوان ﺑیﻨﺶ، داﻧﺶ و ﺗﻮاﻧﺎیی کﺎرکﻨﺎن در راﺑﻄ ﻪ ﺑ ﺎ اﻧﺠﺎم وﻇﺎیﻒ ﻣﺤﻮﻟﻪ بدست آورد. بنابراین در ﺗﻌییﻦ ﻇﺮﻓیﺖ و ﺗﻮاﻧﺎیی های کﺎرکﻨ ﺎن ﺗﻨﻬ ﺎ ﺑﻪ ارزیﺎﺑی کمی وﻇﺎیﻒ ﻣﺤﻮﻟﻪ اکﺘﻔﺎ نمی ﺷﻮد ﺑﻠکﻪ باید به ارزیابی کیفی از طریق اخذ نظر مسئول مربوطه مطابق با چگونگی انجام امور محوله (دانش تجربی و ضمنی) نیز استناد نمود. در اغلب سازمان های دولتی و عمومی، امور محوله به کارکنان با شناسنامه شغلی مرتبط نمی باشد و همچنین بدلیل چند وظیفه ای بودن (Multi Task) آن ها، امکان شناسایی مهارت هر شخص در هر حوزه وجود ندارد. برای نیل به تعیین ظرفیت و توانایی های کارکنان، می بایست تعریف مشخصی از حوزه های مختلف کاری پیدا کرد و ارتباط آن ها را با داده های ثبت شده کارکنان در سامانه های عملیاتی سازمان بدست آورد. سپس با ارائه ی مدل عملیاتی مبتنی بر داده کاوی از قبیل: ترکیب امتیازات کمی و کیفی، حذف داده های اضافی، آماده سازی داده ها و شناسایی ارتباط بین داده ها، به نتایج قابل قبولی دست یافت. در این تحقیق ابتدا با استفاده از روش دلفی، حوزه های مختلف کاری کارکنان بر اساس فعالیت های آن ها مشخص شده (دسته بندی در 6 گروه)، سپس با جمع آوری داده ها از سامانه های: کنترل تردد، سامانه ارزشیابی عملکرد، سامانه عملیات بانکی و با تحلیل آنها، نیروهای خبره سازمان شناسایی شدند.