مدیریت فرآیند‌ها

"این تحقیق با استفاده از روش‌‌‌های تحلیل چند ‌متغیر آماری، سعی در شناسائی فاکتور‌‌های بحرانی موثر بر موفقیت مهندسی مجدد فرآیند‌‌‌ها را در یکی از شرکت‌‌های وابسته به صنایع دفاعی دارد. به همین منظور با توسعه و به‌کارگیری یک مدل تجویزی مهندسی مجدد در شرکت مذکور، مدیریت فرآیند‌‌های سازمانی صورت پذیرفته و پس از آن میزان موفقیت آن با توزیع و تحلیل پرسشنامه مورد ارزیابی قرار خواهد گرفت. این تحلیل، در ابتدا با استفاده از آزمون ناپارامتری من‌ویتنی‌یو، موفقیت‌آمیز بودن اجرای فرآیند مهندسی مجدد با رویکرد تجویزی در شرکت مذکور را نشان داده و آنگاه با استفاده از تحلیل عاملی، عوامل موثر بر موفقیت مهندسی مجدد فرآیند‌‌‌ها را در سه فاکتور اصلی دنبال می‌کند. در ادامه با استفاده از آنالیز رگرسیون چند متغیره، موفقیت مهندسی مجدد فرآیند‌‌‌ها به‌عنوان متغیر وابسته توسط سه فاکتور استخراج شده بالا برآورد گردید. نتایج نشان‌دهنده اعتبار و برازش خوب مدل رگرسیونی ایجاد شده است. بر این اساس مشخص است که احساس ضرورت انجام تغییر، بسترسازی مناسب تغییر، و مشارکت فعالانه پرسنل و کاهش مقاومت در برابر تغییر، به‌عنوان عوامل بحرانی تأثیرگذار بر موفقیت مهندسی مجدد فرآیند‌‌‌ها در شرکت مورد مطالعه است."

پیشبینی رفتار فرآیندهای سازمانی، نقش مهمی در مدیریت فرآیندهای کسبوکار ایفا میکند. این مهم با توسعه بهکارگیری الگوریتمهای یادگیری ماشین در جنبههای مختلف آیندهپژوهی افقهای نوینی در برابر پیشبینی رویدادها و فرآیندها در فضای کسبوکار گشوده است. یکی از روشهای یادگیری ماشین، به کارگیری الگوریتمهای یادگیری عمیق بهعنوان شاخهای از شبکههای عصبی است که توانسته دقت پیشبینی را به میزان زیادی افزایش دهد؛ ازاینرو در پژوهش حاضر از معماری LSTM (حافظه طولانی کوتاهمدت) شبکه عصبی برای پیشبینی فرآیندهای کسبوکار استفاده شده است. برای انجام آزمایش، الگوریتم LSTM بر روی مجموعه داده BPI2012 و BPI2017 اعمال شد. نتایج حاصل از ساخت 300 مدل پیشبینی نشان داد که در مجموعه داده BPI2017 از مجموع آزمایشهای انجامشده بیشترین دقت 907/0 است که این مقدار دقت از مقادیر دقت بهدستآمده در پژوهشهای مشابه بالاتر است. این دقت با اجرای الگوریتم LSTM با معماری یکلایه و مدل دادهبزرگ و بدون بازخورد بهدست آمده است.