سیستم پشتیبانی تصمیم

در تیم های تدوین بسته های نرم افزاری، نحوه تخصیص افراد به وظایف، تأثیر قابل توجهی بر چگونگی حصول اهداف مدیریت دارد. وجود یک سیستم پشتیبان تصمیم مناسب، می تواند در اتخاذ تصمیمات این حوزه به مدیران کمک کند. معمولاً در برنامه ریزی تدوین بسته های نرم افزاری، اهداف متفاوت و حتی متضاد وجود دارند و روش تصمیم گیری باید به گونه ای باشد که دغدغه های مدیران را در فرآیند تصمیم گیری لحاظ کند. از این رو، پژوهش حاضر با ترکیب دو رویکرد مجموع موزون و برنامه ریزی آرمانی و به کارگیری آن در بستر برنامه ریزی پویا، روشی مناسب برای طراحی چنین سیستمی ارائه می دهد. روش شناسی این پژوهش از نوع گام به گام، تصمیم گرا و مدل گرا است. سیستم پشتیبان تصمیم پیشنهاد شده در این پژوهش، برای هر معیار در هر مرحله آرمانی تعریف می کند که میزان انحراف از آرمان، ملاکی برای ارزیابی جواب ها است. مزیت سیستم های پشتیبان تصمیم در چگونگی ترکیب آرمان هایی است که در ماهیت خود متفاوت هستند. این الگوریتم در مقایسه با سایر روش های پیشنهادی برای حل این مسائل، نیاز به حجم محاسبات کمتر دارد.

امروزه به کارگیری تصمیم های مؤثر و کارا در مسائل پیچیده نیازمند استفاده از سیستم پشتیبانی تصمیم است. این مقاله به ارائه یک سیستم پشتیبانی تصمیم مبتنی بر الگوریتم ژنتیک برای مسئله زمان بندی تولید و حمل و نقل در یک زنجیره تأمین می پردازد. فرض می شود تعدادی سفارش وجود دارد که باید توسط تأمین کنندگان تولید و توسط یک ناوگان حمل و نقل برای شرکت سازنده ارسال شود. هدف، تخصیص سفارش ها به تأمین کنندگان، تعیین ترتیب تولید آنها، تخصیص سفارش های پردازش شده به وسایل نقلیه و ترتیب حمل آنها به گونه ای است که مجموع زمان تحویل سفارش ها کمینه شود. نشان داده می شود که پیچیدگی مسئله از نوع Np-hard است و امکان استفاده از روش های دقیق برای حل مسئله در زمان حل معقول وجود ندارد. بنابراین، در مقاله حاضر برای حل آن از الگوریتم ژنتیک استفاده شده است. با استفاده از این سیستم پشتیبانی تصمیم، یک رویکرد نوین برای مدیریت زنجیره تأمین پیشنهاد شده است. تحلیل رویکرد پیشنهادی در این تحقیق با رویکردهای معمول، توسط این سیستم پشتیبانی تصمیم نشان از برتری رویکرد پیشنهادی ما دارد.

امروزه توسعه زیرساختهای اطلاعاتی و ارتباطی سبب شده است که استفاده از توانمندی های خارج از سازمان به عنوان یکی از نقاط قوت شرکتها در بازار رقابتی باشد. از سوی دیگر، این امر سبب بروز مشکلاتی در زمینه شفاف نبودن مالکیت معنوی دانش دریافتی از خارج سازمان گردیده است. بنابراین در این پژوهش، مدلی جهت بررسی مالکیت معنوی طرح های نوآورانه با توجه به عوامل موثر بر تعیین نوع آن ارائه شده است. هدف اصلی این مدل، ارائه یک بستر مناسب تصمیم گیری جهت بهره مندی سازمان ها و افراد خارج از سازمان از نتایج فرآیند نوآوری باز می باشد. در واقع به کمک این مدل و پس از تعیین عوامل موثر بر تعیین نوع مدل مالکیت معنوی، مناسب ترین مدل به سازمان ها پیشنهاد می گردد. از همین رو، در این پژوهش به کمک مصاحبه با خبرگان و با استفاده از فرآیند تحلیل تم، 6 نوع مدل مالکیت معنوی به همراه 11عامل تاثیرگذار بر آن استخراج گردید. نتایج نشان داد مطرح بودن برند سازمان، بسته بودن فضای نوآوری، بالا بودن میزان مشارکت شرکت کنندگان و پایین بودن میزان پختگی دانش دریافتی از جمله عواملی است که سازمان را قادر می سازد تا مالکیت معنوی دانش دریافتی را برعهده بگیرد. همچنین، کاهش قابل توجه هزینه های سازمان، پایین بودن دوره عمر محصول و پایین بودن میزان پیچیدگی اجرای ایده توانایی سازمان را در برعهده گرفتن مالکیت معنوی دانش دریافتی کاهش می دهد.

در سال های اخیر عدم قطعیت و رقابت تجاری بیش از حد ،باعث تغییراتی در مدیریت زنجیره تامین منابع و موجودی مبتنی بر داده در صنایع مختلف شده است. با این حال ، تنها شرکت های بزرگ دارای منابع لازم برای بکارگیری داده ها در راستای تصمیم گیری و برنامه ریزی خود هستند. در مقابل ، شرکتهای کوچک و متوسط ​​(SMEها) معمولاً منابع و دانش محدودی دارند ، که بر توانایی آنها در جمع آوری و استفاده از داده ها تأثیر می گذارد. بنابراین ، استفاده از ابزارهای تصمیم گیری پیشرفته برای کاهش اثرات عدم قطعیت بازار برای این شرکت ها یک چالش مهم می باشد. این مقاله یک سیستم پشتیبانی تصمیم گیری (DSS) برای مدیریت تامین منابع و موجودی را با هدف کمک به SME ها برای جمع آوری و بهره برداری از داده ها و پشتیبانی از تصمیمات آنها تحت ابهامات تجاری پیشنهاد می کند. DSS با استفاده از رویکرد بهینه سازی شبیه سازی با ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک برای ارائه مسائل و بهینه سازی راه حل های پشتیبانی تصمیم گیری توسعه یافته است. بهره برداری از داده های شهودی و تجربی، بار جمع آوری داده های به دست آمده از منابع داده های سازماندهی نشده در عملیات SME را کاهش می دهد. علاوه بر این ، فاکتورهای عدم قطعیت مانند تقاضای مواد اولیه ، قیمت و زمان عرضه در نظر گرفته شده است.