ارائه روشی تلفیقی برای اندازه گیری و پیش بینی بهره وری دانش کاران مبتنی بر تکنیک سری های زمانی، مورد کاوی شرکت پارس خودرو
نویسندگان
چکیده
در این مقاله تلاش بر ارائه روشی مبتنی بر چهارچوب الگوریتم سه مرحله ای حلّ مسئله است تا بتواند، ابتدا اندازه-گیری بهره وری دانش کاران را در سطوح گوناگون سازمان براساس مدل کلاسیک خروجی به ورودی و مدل ویژه «دابلیو.سی.اِم.» (خواستن، توانستن و امکان داشتن) نمایش دهد(تعیین وضع موجود)، دوم این که علّت های ایجاد وضع موجود را براساس مدل ویژه ارائه شده شناسایی نموده و بر اساس روش های تصمیم گیری مناسب اولویّت بندی شوند. و بااستفاده از تحلیل های دینامیکی میزان تأثیرشان بر بهره وری دانش کاران مشخص شود (تعیین علت ها)، در پایان بهره وری دانش کاران را در دوره زمانی یک ساله مبتنی بر تکنیک های سری های زمانی پیش بینی نموده و با توجّه به شرایط، از میان گزینه های گوناگون بهترین گزینه را به عنوان راه کار برای بهبود بهره وری دانش کاران ارائه دهد (ارائه راه کار). روش یاد شده در شرکت ایرانی آزمون شده است و مبتنی بر رویکرد اعتبارسنجی ساختاری اعتبارسنجی می شود.
منابع مشابه
ارائه روشی برای پیش بینی پایدار سری های زمانی با کاربرد در مسائل مالی با استفاده از روش Robust
به منظور مدلسازی و تخمین مناسب و قابل اعتماد پارامترها در مدلهای دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود دادههای پرت و آلودگیها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، دادههای گذشته بر دادههای اخیر اثرگذار هستند، این دادهها معمولاً در قالب سری زمانی مدلسازی میشوند. در این تحقیق، مدلهای خود رگرسیون به عنوان یکی از مدلهای مط...
متن کاملپیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه بهمنظور آگاهی از دبی رودخانه در دورههای زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سالهای آینده، در این مطالعه دبی جریان در سه ایستگاه حاجیقوشان، قرهشور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. بهمنظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و دادهکاوی در قالب ماشین بردار پشتیبان...
متن کاملکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملارائه روشی برای پیش بینی پایدار سری های زمانی با کاربرد در مسائل مالی با استفاده از روش robust
به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر دادههای اخیر اثرگذار هستند، این داده ها معمولاً در قالب سری زمانی مدلسازی می شوند. در این تحقیق، مدلهای خود رگرسیون به عنوان یکی از مدلهای مطر...
متن کاملاندازه گیری خطای پیش بینی شاخص کل بورس تهران با استفاده از روشهای سری زمانی فازی مرتبه چندگانه و آرما
هدف از این مطالعه پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از سری زمانی فازی مرتبه اول، دوم و سوم و روش آرما و آزمون دقت پیش بینی هر یک از این روش ها است. برای این منظور RMSE و مقادیر تعدیل شده آن را بر اساس سری زمانی فازی مرتبه چندگانه و مقادیر زبانی بین 5 تا 15 محاسبه و کمترین RMSE انتخاب شد. بر اساس این انتخاب شاخص کل بورس برای هر یک از سالهای دوره یازده ساله این مطالعه (88-1378) ...
متن کاملطراحی مدل سری زمانی برای پیش بینی فروش شرکت نفت پارس
پیش بینی یک عنصر کلیدی در تصمیم گیری مدیریت است. پیش بینی به عنوان وسیله ای در جهت تسهیل برنامه ریزی و تصمیم گیری شناخته شده است که بایستی برای موثرتر نمودن عملکرد سازمان در نظر گرفته شود. برآورد تقاضای آینده کالاها و خدمات که «پیش بینی فروش» نامیده می شود نقطه شروع همه پیش بینی ها در مدیریت تولید و فروش است. پیش بینی های فروش، ورودیهای پیش بینی منابع تولید و استراتژی تجاری اند. بررسی روشهای ...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشنامه پردازش و مدیریت اطلاعاتجلد ۲۶، شماره ۲، صفحات ۳۰۱-۳۳۴
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023