علی محمدی

علی محمدی

مدرک تحصیلی: دانشجوی کارشناسی ارشد اکو هیدرولوژی، دانشگاه تهران، تهران، ایران

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱۴۱ تا ۱۴۳ مورد از کل ۱۴۳ مورد.
۱۴۱.

Assessment of the requirements of smart production Systems in SMEs: Intuitionistic Fuzzy Best-Worst Method and Total Interpretive Structural Modeling Integrated Method(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۱۲۱ تعداد دانلود : ۱۱۸
Today, manufacturing companies must address the increasing trend of smart manufacturing (SM) to maintain their competitiveness. Concurrently, small and medium enterprises (SMEs), which constitute the backbone of numerous production economies, are endeavoring to comprehend the complexities associated with implementing this advanced production system. However, many of these enterprises are hesitant to adopt SM due to insufficient human and financial resources. The transformation of a company's existing system into smart production systems, as opposed to implementing smart manufacturing from the outset, necessitates greater financial and temporal investment. Consequently, it is imperative to consider and integrate effective requirements for smart production systems during the design phase. This study aims to identify these requirements, ascertain their significance, and comprehend the contextual relationships among them. To achieve this, a systematic review method is employed to identify the requirements, followed by the Intuitionistic Fuzzy Multiplicative Best-Worst Method (IFMBWM) to determine their weights. Finally, the TISM method is utilized to understand the interrelationships and compare the levels obtained with the results of the best-worst method. The results indicated that the effective requirements can be categorized into eight main criteria. The highest and most fundamental criterion is the requirement for digitalization and real-time data connection. The second criterion is automation, followed by smart communication with beneficiaries as the third. Overall, small and medium-sized enterprises should prioritize information technology and artificial intelligence requirements to advance towards smart production systems.
۱۴۲.

کاربرد تحلیل پوششی داده ها در ارزیابی عملکرد ایمنی جاده ای(مقاله علمی وزارت علوم)

تعداد بازدید : ۷۴ تعداد دانلود : ۷۸
زمینه و هدف: ارزیابی عملکرد برای بهبود کارایی سازمان ها حیاتی است. تحلیل پوششی داده ها (DEA) با شناسایی واحدهای کارآمد و ناکارآمد، ابزاری قدرتمند در این زمینه است. این پژوهش با مقایسه مدل های DEA، به انتخاب روش مناسب کمک می کند و عملکرد ایمنی جاده های ایران طی سال های ۱۳۹۴ الی ۱۳۹۹ را بررسی می کند. روش: این مطالعه با چارچوب ورودی- خروجی، ۳۱ استان را به عنوان واحد تصمیم گیری بررسی می کند. ورودی ها شامل جمعیت، وسایل نقلیه و راه ها، خروجی ها شامل تصادفات منجر به فوت و تولید ناخالص داخلی هستند. از مدل های CRS-DEA و VRS-DEA و روش Window-DEA برای تحلیل تغییرات عملکرد ایمنی جاده ها در طول زمان استفاده شده است. داده ها با نرم افزارهای دیپ و اکسل تحلیل شده اند. یافته ها: یافته ها نشان می دهد در مدل CRS، استان های تهران، بوشهر و کهگیلویه و بویراحمد کاملاً کارا و سیستان و بلوچستان ناکاراترین هستند. در مدل VRS، البرز، ایلام، خوزستان و قم کارا و فارس ناکاراترین است. در مدل های پنجره ای، سیستان و بلوچستان در CRS-WINDOW و فارس در VRS-WINDOW اغلب ناکاراترین بودند. نتیجه گیری: مدل VRS به دلیل در نظر گرفتن بازده متغیر نسبت به مقیاس، کارایی بالاتری نسبت به مدل CRS نشان می دهد، که بیانگر ناکارایی مقیاسی در برخی استان ها است. استان های بهینه در هر دو مدل کارایی یک دارند، در حالی که اختلاف بین CRS و VRS نشان دهنده نیاز به بازنگری در مقیاس عملیاتی است. مدل VRS-WINDOW با پنجره های سه ساله، نتایج دقیق تر و قابل اعتمادتری ارائه می دهد.
۱۴۳.

شناسایی و کنترل ریسک اعتباری در بانک های متکی بر فناوری های نوین نظارتی با الگوریتم خوشه بندی K-MEANS و ماشین بردار پشتیبان(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۷۰ تعداد دانلود : ۹۱
با توجه به ماهیت کمی پژوهش و استفاده از داده کاوی جهت اعتبارسنجی مشتریان بانکی، لذا این تحقیق از نوع داده محور می باشد. پایه اصلی تحقیق حاضر بر کشف دانش از پایگاه داده های بانکی است. در این تحقیق پس از جمع آوری داده های مشتریان سابق بانک از پایگاه داده مربوطه و پس از آن، پالایش داده ها، به شناسایی متغیرهای تاثیرگذار در رتبه بندی مشتریان پرداخته می شود که این کار از طریق بررسی پژوهش های پیشین علمی، انجام می شود. در مرحله بعد با استفاده از تکنیک های خوشه بندی کا-میانگین و ماشین بردار پشتیبان و با کمک نرم افزارهای مربوطه مشتریان بر اساس ویژگی هایشان طبقه بندی می گردند و رفتار آنها پیش بینی می شود. به منظور رتبه بندی اعتباری، از تحلیل اطلاعات مربوط به مشتریان حقیقی بانک تجارت و بانک سامان تهران که به عنوان متولیان اجرایی کردن ساپتک و رگتک هستند، استفاده می شود که با فرمول کوکران 230 نمونه از مشتریان دارای حساب منتهی به سال 1400 تا 1401 انتخاب شدند. از میان متغیرهای پژوهش «ارزش وثیقه، نرخ بهره و نرخ تورم» بیشترین تاثیر در ریسک اعتباری را داشته است. نتایج نشان داد دقت مدل های تکنیک های انتخابی در این پژوهش بسیار خوب بوده این مدل ها توانسته اند به طور میانگین 81,02 % از مشتریان ریسکی و غیرریسکی را تشخیص دهند. همچنین طبق نتایج، انتخاب ویژگی در تمامی تکنیک ها باعث افزایش دقت پیش بینی شده است. تکنیک ماشین بردار پشتیبان (SVM) که در این پژوهش استفاده شده است،بیشترین دقت را در تمام مدل ها داشته و با انتخاب ویژگی ها نسبت به مدل پایه دقت این مدل افزایش یافته است و بالاترین میزان دقت (81,58 %) را در بین تمامی تکنیک ها داشته است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان