پیش بینی رضایت مشتریان بر اساس معیارهای عملکرد سازمان با استفاده از مدل های تعالی سازمانی و شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده صنایع
- نویسنده شیما شهوازیان
- استاد راهنما محمدصالح اولیاء حسن خادمی زارع
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
به دنبال شکل گیری ماهیت رقابتی شدید در محیط کسب وکار، مشتری و رضایت او محور فعالیت های بسیاری از سازمان ها قرارگرفته است. مدلهای تعالی چارچوب مشترکی برای خودارزیابی در جهت ارتقاء سطح عملکرد سازمان فراهم نموده و نتایج مشتری یکی از معیارهای مهمی است که در این مدلها از امتیاز بالایی برخوردار است. سنجش کیفیت محصول بر اساس قضاوت ذهنی مشتریان نیز یکی از گام های اساسی بهبود کیفیت می باشد که رابطه ی تنگاتنگی با رضایت مشتریان دارد. از جمله صنایع مهمی که با شرایط رقابتی فزاینده ای مواجه است صنعت کاشی و سرامیک می باشد. در سال های اخیر این صنعت با مشکلاتی همچون، عدم کارایی تولید، بحران مازاد عرضه نسبت به تقا ضا و هزینه های فراوان روبه رو بوده که درنهایت به کاهش کیفیت تولیدات آن ها، ریزش مشتریان و کاهش سهم بازار منجر شده است. زبه دنبال شکل گیری ماهیت رقابتی شدید در محیط کسب وکار، مشتری و رضایت او محور فعالیت های بسیاری از سازمان ها قرارگرفته است. مدلهای تعالی چارچوب مشترکی برای خودارزیابی در جهت ارتقاء سطح عملکرد سازمان فراهم نموده و نتایج مشتری یکی از معیارهای مهمی است که در این مدلها از امتیاز بالایی برخوردار است. سنجش کیفیت محصول بر اساس قضاوت ذهنی مشتریان نیز یکی از گام های اساسی بهبود کیفیت می باشد که رابطه ی تنگاتنگی با رضایت مشتریان دارد. از جمله صنایع مهمی که با شرایط رقابتی فزاینده ای مواجه است صنعت کاشی و سرامیک می باشد. در سال های اخیر این صنعت با مشکلاتی همچون، عدم کارایی تولید، بحران مازاد عرضه نسبت به تقا ضا و هزینه های فراوان روبه رو بوده که درنهایت به کاهش کیفیت تولیدات آن ها، ریزش مشتریان و کاهش سهم بازار منجر شده است. این پژوهش با استفاده از شبکه عصبی مصنوعی به پیش بینی رضایت مشتریان با توجه به چگونگی عملکرد شرکت های تولیدی کاشی و سرامیک استان یزد بر اساس مدل تعالیefqm و ارزیابی کیفیت محصولات آن ها پرداخته است تا بر اساس آن بتوان با اصلاح عملکرد سازمان در حوزه های مختلف، به سطح بالاتری از رضایت مشتری دست یافت. شاخص های ارزیابی به دست آمده نشان از طراحی مناسب شبکه داشت و مدل توانست با نرخ 80% رضایت مشتریان را پیش بینی کند. پس از انجام آنالیز حساسیت، معیار فرآیندها و رهبری به ترتیب مهم ترین معیار شناخته شدند. در جهت سنجش کیفیت، ابتدا تمام مشخصه های کیفی و سپس ابعاد کیفیت وارد شبکه شدند که شبکه به ترتیب توانست با قدرت 89/58 درصد و 83/33 درصد کیفیت محصولات را پیش بینی کند. در الویت بندی نیز،گستردگی شبکه توزیع و بعد فنی محصول بالاترین مرتبه را داشتند. در انتها از روش شبکه عصبی احتمالی (pnn)، k-nn و رگرسیون ترتیبی به منظور پیش¬بینی و طبقه بندی داده ها استفاده گردید که pnn وk-nn قدرت پیش بینی بهتری نسبت به روش رگرسیون ترتیبی داشتند.
منابع مشابه
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملپیش بینی سطح سازگاری نوجوانان بر اساس ویژگی‌های روان‌شناختی با استفاده از مدلهای رگرسیون و شبکه های عصبی مصنوعی
زمینه: پژوهش حاضر یک بررسی در رابطه با ویژگی‌های روان‌شناختی نوجوانان و سطوح سازگاری آنها می‌باشد. با توجه به مبانی نظری در مورد روابط متقابل بین این مفاهیم از یک مدل سنتی مبتنی بر همبستگی و یک مدل نوین مبتنی بر پردازش موازی داده‌ها استفاده شده است. هدف: هدف از پژوهش حاضر بررسی توانمندی هر یک از مدلهای یاد شده در پیشبینی سطوح سازگاری از طریق اندازه‌های مربوط به ویژگی‌های روان‌شناختی نوجوانان ...
متن کاملمدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
متن کاملپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...
متن کاملپیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی
آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده صنایع
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023