به کارگیری روش شبکه های عصبی مصنوعی خودسامانده اصلاح شده در تعیین سطح سرآمدی شرکت های پتروشیمی کشور

Authors

احمدرضا قاسمی

عزت اله اصغری زاده

abstract

تعیین سطح تعالی(بلوغ) سازمانی از جمله مسایل مهم مدل های تعالی سازمانی است. تعیین سطح بلوغ شرکت ها به آن ها در شناخت جایگاه رقابتی کمک نموده و قابلیت الگوبرداری را فراهم می کند. یکی از مشخصه های بارز مدل های سرآمدی تعیین بلوغ با رویکرد سلیقه ای و قراردادی در این مدل ها است.  پژوهش حاضر پیمایشی تک مقطعی در میان شرکت های پتروشیمی کشور بوده است. همچنین از ابزار رویکردی ابتکاری شبکه های عصبی خودسامان ده اصلاح شده برای تعیین سطح سرآمدی مدل تعالی h3se در صنایع پتروشیمی بهره گیری شده است. امتیاز رویکرد حاضر در قیاس رویکرد سنتی در استفاده از شاخص های فشردگی و فاصله میان خوشه ها در طبقه بندی گزینه ها و همچنین لحاظ تأثیر اوزان شاخص های مختلف در ارزیابی و طبقه بندی شرکت ها است. بنابراین با استفاده از روش ترکیبی ابتدا در سناریو های مختلف شاخص ها خوشه بندی شدند. سپس تعداد بهینه خوشه ها با استفاده از شاخص های میانگین مربعات خطا ها و ضریب تعیین محاسبه شد. نتایج گویای آنست که با توجه به داده های فعلی طبقه بندی گزینه های مورد بررسی به دو خوشه از اعتبار ریاضی بالاتری برخوردار است. بنابراین روش حاضر با رویکردی رقابتی به ارزیابی و خوشه بندی شرکت های مشارکت کننده در جوایز کیفیت می پردازد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

به‌کارگیری روش شبکه‌های عصبی مصنوعی خودسامانده اصلاح‌شده در تعیین سطح سرآمدی شرکت‌های پتروشیمی کشور

تعیین سطح تعالی(بلوغ) سازمانی از جمله مسایل مهم مدل‌های تعالی سازمانی است. تعیین سطح بلوغ شرکت‌ها به آن‌ها در شناخت جایگاه رقابتی کمک نموده و قابلیت الگوبرداری را فراهم می‌کند. یکی از مشخصه‌های بارز مدل‌های سرآمدی تعیین بلوغ با رویکرد سلیقه‌ای و قراردادی در این مدل‌ها است.  پژوهش حاضر پیمایشی تک مقطعی در میان شرکت‌های پتروشیمی کشور بوده‌است. همچنین از ابزار رویکردی ابتکاری شبکه‌های عصبی خودساما...

full text

اندازه‌گیری و تحلیل سطح توسعه کشاورزی ایران با به کارگیری شبکه عصبی مصنوعی

به طور کلی نبود توسعه متوازن در بخش کشاورزی گریبان­گیر بسیاری از کشورهای در حال توسعه از جمله ایران می­باشد. از همین رو، بررسی زمینه­های عدم توازن و نابرابری توسعه این بخش اجتناب ناپذیر است. با مطالعه نقاط ضعف و قوت تک­تک استان­ها می­توان برنامه­ریزی متناسب را انجام داد. هدف پژوهش حاضر، شناسایی میزان توسعه یافتگی کشاورزی استان­های کشور ایران بود. سؤال پژوهش این بود که سطح توسعه کشاورزی به تفکیک...

full text

تعیین نقطه سفارش مجدد برای خرید کالا با استفاده از شبکه های عصبی مصنوعی در شرکت های بازرگانی

پیشرفت فناوری های ساخت، تولید و متعاقبا گسترش  و تنوع محصولات جدید با خصوصیات ویژه و پیدایش روز افزون مفاهیم مدیریتی و کاربرد اصول بهره وری در سازمان ها باعث شده تا مدیران همواره در جهت مدیریت بهینه کالا و مواد گام بردارند. با توسعه سریع ابزار و روش های علمی، بسیاری از مفاهیم، اصول و روابط کلاسیک در زمینه خرید، نگهداری، سفارش دهی و انبار داری بازنگری و تکامل یافته اند. این بازنگری ها خصوصا در ه...

full text

مطالعه تطبیقی روش های ARIMA و شبکه های عصبی مصنوعی در پیش بینی نیاز داخلی برق کشور

  آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که استفاده از آن در سال های اخیر در اقتصاد کلان گسترش یافته است...

full text

به کارگیری روش های آماری برای افزایش دقت مدلسازی تصفیه خانه های فاضلاب صنعتی با استفاده از شبکه های عصبی مصنوعی

به منظور کنترل بهتر و کارآمد عملکرد تصفیه خانه های فاضلاب صنعتی، می توان از ابزاری ریاضی برمبنای اطلاعات ثبت شدة برخی از پارامترهای اساسی پساب، طی دوره ای از بهره برداری تصفیه خانه استفاده کرد. در این پژوهش، برای اولین بار در کشور از شبکة عصبی چندلایة پیش خور با یک لایة پنهان و روش توقف آموزش، به منظور بررسی مشخصات پساب خروجی واحدهای تصفیه خانه استفاده شده است. همچنین، از روش تحلیل عاملی برای ا...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه علمی-پژوهشی مدیریت فناوری اطلاعات

Publisher: دانشکده مدیریت دانشگاه تهران

ISSN 2008-5893

volume 6

issue 2 2014

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023