ارایه‌ی چارچوبی برای پیش‌بینی غیبت کارکنان با رویکرد شبکه‌های عصبی مصنوعی

Authors: not saved
Abstract:

غیبت از کار موضوعی مهم و اساسی برای صنایع و سازمان‌ها است. این مسئله، به‌عنوان عاملی هزینه‌زا در سازمان‌ها، مدیران را بر آن داشته است تا در زمینه‌ی کاهش آن اقدامات لازم را انجام دهند. نخستین گام در جهت کاهش هزینه‌های غیبت، شناسایی عواملی است که بر غیبت اثر گذاشته و باعث کاهش یا افزایش آن می‌شوند. تحقیق حاضر برای نخستین بار در ایران با استفاده از خصوصیت تقریب توابع غیرخطی شبکه‌های عصبی مصنوعی، مدلی مناسب برای پیش‌بینی میزان غیبت کارکنان طراحی شده و میزان تأثیر عوامل مختلف بر غیبت از کار نیز مورد ارزیابی قرار گرفته است. به‌منظور رسیدن به اهداف یادشده، 14 عامل مؤثر بر غیبت کارکنان به‌عنوان ورودی تبیین، سپس با استفاده از مدل پرسپترون چندلایه، میزان غیبت کارکنان پیش‌بینی شده ‌است که براساس قابلیت‌های مدل طراحی شده، مدیریت می‌تواند اقدامات لازم را در جهت کاهش غیبت کارکنان به عمل آورد. در ادامه‌ی تحقیق، با استفاده از فن تحلیل حساسیت، تأثیر هر کدام از متغیرهای ورودی بر خروجی این مدل مورد ارزیابی قرار گرفته است. نتایج نهایی، نشانگر این است که: عوامل «تعهد سازمانی»، «رضایت شغلی» و «تنوع شغلی» بیشترین تأثیر را بر میزان غیبت کارکنان دارند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارایه ی چارچوبی برای پیش بینی غیبت کارکنان با رویکرد شبکه های عصبی مصنوعی

غیبت از کار موضوعی مهم و اساسی برای صنایع و سازمان ها است. این مسئله، به عنوان عاملی هزینه زا در سازمان ها، مدیران را بر آن داشته است تا در زمینه ی کاهش آن اقدامات لازم را انجام دهند. نخستین گام در جهت کاهش هزینه های غیبت، شناسایی عواملی است که بر غیبت اثر گذاشته و باعث کاهش یا افزایش آن می شوند. تحقیق حاضر برای نخستین بار در ایران با استفاده از خصوصیت تقریب توابع غیرخطی شبکه های عصبی مصنوعی، م...

full text

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

full text

ارائه‌ی چارچوبی برای پیش‌بینی سطح خلاقیت و نوآوری در سازمان بر مبنای اقدامات دانشی،با رویکرد شبکه‌ی عصبی مصنوعی (مطالعه‌ی موردی: سازمان‌های دولتی منتخب استان یزد)

Nowadays, creativity and innovation have turned into key competitive advantages for organizations. They need to improve the factors that help them in developing their creative and innovative capacities in a way that can facilitate their success in competitive markets. One of the most influential factors in developing organizational creativity and innovation is knowledge management (KM), which l...

full text

پیش بینی رفتار مشتریان با استفاده از تکنیک شبکههای عصبی مصنوعی

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاریهای کلان در بازارها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی، با درجه بالایی از دقت به کار برده می شوند. امروزه میتوان با استفاده از تکنیک های داده کاوی و شبکه های عصبی به بررسی و ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 1

pages  129- 156

publication date 2014-07-01

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023