درخت حوزه‌های تخصصی

در راستای تجاری سازی تحقیقات بعنوان یکی از ماموریت های اصلی دانشگاهها، پژوهش حاضر با هدف ارائه الگوی تجاری سازی نتایج تحقیقات دانشگاهی انجام پذیرفته است. برای رسیدن به هدف تحقیق؛ ابتدا، با مرور ادبیات، مهمترین مولفه های تاثیرگذار بر تجاری سازی احصاء و با بهره گیری از نظریه سه شاخگی (3c) هر کدام از مولفه ها بر اساس ویژگیهایی در سه دسته عوامل زمینه ای، محتوایی و ساختاری طبقه بندی و چارچوب مفهومی تحقیق ارائه و با جمع آوری داده های تجربی و روش مدل سازی معادلات ساختاری، چارچوب پیشنهادی اعتبارسنجی و مدل نهایی تحقیق ارائه شد. بر اساس یافته های پژوهش و مقادیر مربوط به ضریب مسیرها در مدل نهایی تحقیق، عوامل زمینه ای 4/34 درصد، محتوایی 5/21 درصد و ساختاری 7/34 درصد تغییرات مربوط به متغیر تجاری سازی را بطور مستقیم تبیین می کنند. از سوی دیگر، متغیر زمینه ای بطور غیر مستقیم و از طریق متغیر میانجی عوامل ساختاری به میزان 8/14 درصد و از طریق متغیر میانجی عوامل محتوایی به میزان 7/16 درصد بر متغیر وابسته تجاری سازی تاثیر دارد. محاسبه و تحلیل شاخص های برازش با نرم افزار Smart-PLS انطباق چارچوب مفهومی و پیشینه تجربی با واقعیت را تایید نمود.

این بررسی با هدف ارزیابی چهار جزء تکنولوژی فن افزار، انسان افزار، سازمان افزار و اطلاعات افزار در سازمان های خدماتی، فرضیه ای با این عنوان که اجزاء تکنولوژی در این سازمان ها نامتوازن است را دنبال می کند. در راستای هدف این بررسی[1]جهت جمع آوری اطلاعات، شش سازمان خدماتی به عنوان نمونه قابل دسترس انتخاب و پس از جمع آوری داده ها از طریق پرسشنامه، مصاحبه، مورد تجزیه و تحلیل قرار گرفتند. در این رابطه تشخیص این موضوع مهم است که هر سازمان برای متوازن سازی اجزاء چهارگانه تکنولوژیک خود به ترتیب اولویت تقویت و بهبود کدام جزء چهارگانه تکنولوژیک را در برنامه های مدیریت تکنولوژی سازمان قرار دهد تا در نتیجه بتوان از تکنولوژی سازمانی برای تبدیل هر چه بهتر منابع به ستانده های سازمانی بهره گرفت. در برنامه جاری این سازمان ها و برنامه پیشنهادی متوازن سازی اجزاء چهارگانه تکنولوژیک مغایرت هایی ملاحظه می شود. بدین صورت که نتایج نشان می دهد که بین اجزاء تکنولوژی توازن وجود ندارد و مقدار TCC آن ها نیز متفاوت بوده و شکاف تکنولوژیک این اجزاء در سازمان های خدماتی با نوع فعالیت درمانی و غذایی و بانکی از بیشترین تا کمترین به ترتیب عبارتند از سازمان افزار، انسان افزار، اطلاعات افزار و فن افزار و در سازمان های خدماتی با نوع فعالیت توریستی و مسکن به ترتیب عبارتند از انسان افزار، سازمان افزار، اطلاعات افزار و فن افزار و سازمان خدماتی با نوع فعالیت فرهنگی به ترتیب عبارتند از اطلاعات افزار، انسان افزار، سازمان افزار و فن افزار که این سازمان ها برای متوازن سازی اجزاء چهارگانه تکنولوژیک به همین ترتیب بایستی تقویت و بهبود هر کدام را بایستی مورد توجه قرار دهد.

این نوشته که سیاست های قابل اتخاذ برای بهینه سازی مصرف بنزین و نزدیک سازی قیمت این کالا را به قیمت های واقعی آن جستجو می کند، در ابتدا با برآورد مصرف سرانه بنزین براساس روندنگری، به برآورد مصرف کل و مصرف سرانه بنزین مبادرت می ورزد. سپس از طریق اتکا به یک مدل اقتصادسنجی مشتمل بر مدل بلندمدت، کوتاه مدت و تصحیح خطا به برآورد کشش های جزئی کوتاه مدت و بلندمدت قیمتی و درآمدی و پیش بینی مشروط مصرف کل و مصرف سرانه بنزین میپردازد نتایج حاکی از کم بودن کشش قیمتی کوتاه مدت و رشد قابل ملاحظه این کشش در بلندمدت است. این امر نشانه آن است که نقش عوامل بازاری و به ویژه قیمت در بلندمدت افزایش یافته است و عملا“ امکان بهینه سازی مصرف بلندمدت از طریق افزایش قیمت نسبی وجود دارد. در نهایت، نگارندگان با تکیه بر این واقعیت که کشش یک پارامتر نیست یک سلسله اصلاحات موازی هماهنگ با افزایش قیمت را در راستای بهینه سازی مصرف بنزین پیشنهاد می نمایند که می تواند بسترهای لازم برای کمتر کردن محدودیت ها و موانع افزایش قیمت بنزین را فراهم سازد یا تقویت نماید.

در این مقاله یک مدل غیر قطعی زنجیره تأمین حلقه بسته ، توسعه داده شده است. هدف اول این مدل، حداکثر سازی سود کل زنجیره می باشد. تابع هدف دوم، حداقل سازی استفاده از مواد خام است. به عبارت دیگر هدف دوم حداکثر کردن میزان بازیافت می باشد؛ که یکی از دلایل پیدایش سیستم های حلقه بسته نیز همین امر بود. بهینه سازی در مدل مذکور توسط الگوریتم ژنتیک صورت گرفته و توسط روش ε-Constraint به یافتن خط بهینه پارتو پرداخته شده است. در انتها نیز یک مثال عددی با این رویکرد حل شده و نتیجه آن با روشهای قبل مقایسه شده است. همچنین عملکرد مدل در ایعاد مختلف مورد بررسی قرار گرفته است. نتایج نشان می دهند که رویکرد مذکور از کارایی خوبی برخوردار می باشد؛ و قادر است اطلاعات خوبی جهت تصمیمات استراتژیک، در اختیار تصمیم گیرنده قرار دهد.

ابهام و عدم قطعیت موجود در ماهیت و محدودیت شناختی ذهن انسان، همواره پیش بینی رفتار و مشخصات ناشناخته سیستم هایی که با انسان سروکار دارند را دشوار می سازد. درنتیجه، پیش بینی در این حوزه، نیازمند ساخت مدل هایی است که ابهام را به عنوان بخشی از سیستم درنظر گرفته و مدل سازی کند. هدف از این مقاله بهره-گیری از هوش مصنوعی و الگوریتم های بهینه سازی پیشرفته برای مدل سازی کارایی پرسنل است که در این بررسی از متغیرهای هوش هیجانی و ویژگی های فردی به عنوان ورودی و از سه بعد وظیفه شناسی، دقت در کار و سرعت در کار به عنوان خروجی مدل پیش بینی کارایی امدادگران وگازبانان شرکت گاز استفاده گردیده است. درنهایت، به منظور مدل سازی کارایی، با ترکیب الگوریتم ژنتیک و روش تجزیه مقادیر منفرد با سیستم استنتاج فازی عصبی، سیستم بهینه ی استنتاج عصبی-فازی تطبیقی بر اساس داده های واقعی بکار گرفته شد. این سیستم قادر است با وجود پیچیدگی و ناشناخته بودن رفتار در حوزه منابع انسانی، کارایی پرسنل را با حداقل خطای آموزش، حداقل خطای پیش بینی و حداکثر انطباق پذیری با کارایی واقعی پیش بینی نماید به طوری که بر اساس الگوریتم معرفی شده، درمورد 84% تا 96% از رکوردهای مورد بررسی، ابعاد کارایی دقیقا برابر با مقدار واقعی پیش بینی می شوند.

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.

در این مقاله مدل جدیدی برای مسئله تخصیص افزونگی با ساختار سری- موازی و زیر سیستم های k-out-of-n با در نظر گرفتن هزینه ای جهت کاهش نرخ خرابی ارائه شده که در آن دو سیاست افزونگی آماده به کار سرد و فعال به عنوان متغیر تصمیم برای هر یک از زیر سیستم ها در نظر گرفته شده است. هدف از حل مدل ارائه شده، تعیین سیاست افزونگی، نوع و تعداد اجزاء مازاد تخصیص یافته و نیزضریب کاهش نرخ خرابی هر زیر سیستم برای حداکثر کردن قابلیت اطمینان کل سیستم تحت محدودیت های هزینه و وزن می باشد. ازآنجایی که مسئله تخصیص افزونگی در رسته مسائلNP-hard قرار می گیرد از یک الگوریتم فرا ابتکاری به نام الگوریتم ژنتیک (GA) برای حل مدل استفاده شده و به منظور تنظیم پارامترهای موثر بر این الگوریتم روش سطح پاسخ (RSM) به کار گرفته شده است. در انتها نتایج ارائه شده و مورد تحلیل قرار گرفته است.