امروزه صنعت بیمه یکی از ضروری ترین بخش های اقتصادی هر کشوری بشمار می رود و رشد این صنعت بیانگر توسعه یافتگی و افزایش پس اندازهای مالی می باشد. طبقه بندی ریسکی بیمه گذاران بر مبنای ویژگی های قابل مشاهده می تواند به شرکت های بیمه جهت کاهش زیان، افزایش نرخ پوشش بیمه و جلوگیری از وقوع انتخاب نامساعد در بازار بیمه کمک شایانی نماید. در کشور ما بیمه اتومبیل یکی از مهمترین رشته های بیمه ای بوده که سهم عمده ای را در پرتفوی صنعت بیمه دارا می باشد. اخذ حق بیمه تقریباً یکسان از تمام افراد با ریسک های مختلف، سبب تعیین نرخ های ناعادلانه و زیان شرکت های بیمه می گردد. لذا در این نوشتار با استفاده از مفاهیم شبکه خود سازمانده مدلی تحت عنوان aicsit جهت بخش بندی مشتریان بیمه بدنه اتومبیل بر اساس ریسک آنها ارائه گردید. در این تحقیق عوامل تأثیرگذار بر ریسک بیمه گذاران طی دو مرحله شناسایی گردید. در مرحله اول هیجده فاکتور ریسک در چهار گروه شامل مشخصات جمعیت شناختی، مشخصات اتومبیل، مشخصات بیمه نامه و سابقه راننده از بین مقالات علمی منتشر گردیده در ژورنال های معتبر در بازه سال های 2000 الی 2009 استخراج گردید و در مرحله دوم با استفاده از نظرسنجی از خبرگان فاکتورهای نهایی تعیین گردید. در این تحقیق جهت بخش بندی مشتریان بیمه بدنه اتومبیل بر اساس ریسک از شبکه های خود سازمانده به دلیل قابلیت در ارائه خروجی شبکه در قالب نقشه های گرافیکی گویا و قابل فهم برای مدیران سازمان ها، توانایی نمایش روابط خطی و غیرخطی بین متغیرها، عدم حساسیت شبکه به تعداد دادگان تعلیم و حساسیت کم این نوع شبکه ها به وجود نویز در دادگان تعلیم استفاده شد. و همچنین در پایان نیز از تکنیک k-means به عنوان یکی دیگر از پرکاربرد ترین تکنیک های بخش بندی جهت در داده کاوی مقایسه با شبکه خودسازماده استفاده گردید.

مساله چیدمان تجهیزات پویا، مساله ای است که به دلیل داشتن تاثیرات زیاد بر سودآوری سازمان ها مورد توجه محققان بسیاری قرار گرفته است. در این مساله هدف یافتن طرح چیدمانی از تجهیزات است که مجموع هزینه های جابجایی تجهیزات بین دوره های برنامه ریزی، و هزینه های انتقال مواد بین تجهیزات را کمینه کند. این مساله از آنرو دارای اهمیت است که به دلیل تغییرات تقاضا و به منظور کاستن از هزینه های انتقال مواد اولیه، سازمان ها نیاز به تغییر آرایش تجهیزاتشان را خواهند داشت. در این تحقیق، الگوریتمی ارائه گردیده است که می تواند این مساله را به صورتی کارا حل کند. در این الگوریتم، دو روش برنامه ریزی ریاضی (فن شبیه سازی و برنامه ریزی خطی) ترکیب می شوند. بطوری که پس از تبدیل یک مساله برنامه ریزی غیرخطی صفر و یک به یک مساله برنامه ریزی خطی، از نتایج این مساله برای تعریف احتمال تخصیص تجهیزات به مکان ها در مدل شبیه سازی استفاده می شود. پیاده سازی الگوریتم پیشنهادی برای مسائل مختلف و مقایسه نتایج به دست آمده با نتایج به دست آمده از تحقیقات مشابه نشان داد که این الگوریتم قادر است با سرعت و دقت منطقی به جواب های مناسب دست یابد.

خودروهای باربر خودراهنما (agv) برای حمل و نقل درونی و بیرونی مواد استفاده می شوند. این دستگاه ها بیشتر در محیط های تولیدی کاربرد داشته اند. اما اکنون از آن ها برای محیط هایی با حمل و نقل های تکراری مثل انبارها، سسستم های حمل و نقل زیرزمینی و ... نیز استفاده می شود. یک agv چندباره با 4 مسئله تعین وظیفه، انتخاب، دریافت و تحویل بار مواجه است. این تحقیق توامان به مسئله دریافت و تحویل بار توسط یک agv می پردازد. با ترکیب قوانین مختلف دریافت و تحویل بار، چندین استراتژی کنترلی پدید آمده و بهترین استراتژی با توجه به معیارهایی همچون خروجی، متوسط زمان جریان قطعات، متوسط زمان عبور و مرور قطعات، درصد زمان بیکاری agvها، درصد زمان حرکت agvها با ظرفیت کامل، درصد زمان حرکت agvها با ظرفیت خالی، درصد زمان بارگیری، درصد زمان تخلیه بار، متوسط طول صف در نقطه دریافت و تحویل، متوسط زمان انتظار در نقطه دریافت و تحویل؛ انتخاب گردید. برای رتبه بندی استراتژی های کنترلی از روش های vicor و saw, topsis استفاده شده است. به دلیل آن که این روش ها رتبه ی واحدی برای مسئله ارائه نکردند، از روش بردا که از روش های ادغام می باشد، برای تعین نتیجه نهایی استفاده شد.

موفقیت یا شکست سازمان، ارتباط مستقیمی با چگونگی جذب و نگهداری منابع انسانی آن دارد. انتخاب منابع انسانی مناسب و سرمایه انسانی، یکی از مزایای رقابتی برای شرکت ها به منظور حفظ مزایای رقابتی در اقتصاد دانشی است زیرا تصمیمات انتخاب ضعیف، می تواند برای سازمان بسیار هزینه بر باشد. از آنجا که انتخاب و استخدام کارکنان به طور مستقیم بر کیفیت کارمندان اثرگذار است، اتخاذ شیوه ای صحیح در تصمیمات انتخاب، برای موفقیت سازمان ضروری است. هدف این تحقیق، شناخت عوامل موثر در ارزیابی منابع انسانی و استفاده از آنها در انتخاب افراد مناسب برای تصدی مشاغل در سازمان می باشد. در این راستا، با استفاده از روش مدل سازی معادله ساختاری (sem) به بررسی عوامل اثرگذار در انتخاب نیروی انسانی می پردازیم، خروجی این مرحله، یعنی عوامل اثرگذار واقعی در انتخاب نیروی انسانی به عنوان عوامل ورودی برای ماشین بردار پشتیبان می باشد. در مرحله بعد، با استفاده از ماشین بردار پشتیبان(svm) که یکی از روش های جدید داده کاوی می باشد، به بررسی مسأله انتخاب نیروی انسانی می پردازیم. روش پیشنهادی، در بخش مدیریت پژوهش و فناوری، شرکت نفت ایران پیاده سازی شده است، به طوری که نتایج ماشین بردار پشتیبان با روش درخت تصمیم به عنوان روش رقیب مقایسه شده است. امید است این پژوهش گامی هر چند کوچک، به سوی اصلاح و تجدید نظر در روندهای فعلی گزینش نیروی انسانی باشد.

امروزه یکی از ضروریات رویارویی با بی ثباتی محیط های تولیدی، استفاده از طرح جانمایی پویای تسهیلات است. مساله جانمایی پویای تسهیلات (dflp)، مساله ای بهینه سازی است که در جستجوی مناسب ترین موقعیت تسهیلات تولیدی برای افقی چنددوره ای است، به گونه ای که مجموع کل هزینه های طرح جانمایی کمینه گردد. این پژوهش، برای نخستین بار، رویکرد شبیه سازی و الگوریتم فراابتکاری بهینه سازی ازدحام ذرات (pso) را برای حل dflp ترکیب کرده و با اعمال اصلاحاتی در الگوریتم ازدحام ذرات در فضای صفر و یک (bpso)، الگوریتمی جدید به نام الگوریتم بهینه سازی ازدحام ذرات گمارش شده (apsoa) را ارائه داده است، که نتیجه آن اثربخشی هر چه بیشتر pso در حل dflp است. نتایج بدست آمده حاصل از آزمون apsoa روی مسائل مختلف dflp با اندازه های کوچک، متوسط و بزرگ، حکایت از عملکرد بسیار خوب آن دارد.

مسئله برنامه ریزی پروژه با محدودیت منابع را می توان زمانبندی مجموعه ای از فعالیت ها در نظر گرفتن که باید به انجام برسند. فعالیت های 0 و n+1 فعالیت های مجازی ابتدا و انتهای پروژه هستند. دو دسته محدودیت کلی برای اجرای فعالیت ها وجود دارد، 1- روابط پیش نیازی که اجبار می کنند که هیچ فعالیتی قبل از اتمام پیش نیازهایش شروع نشود. 2- مقدار در دسترس از هر یک منابع مورد نیاز فعالیت ها محدود می باشد. در مسئله برنامه ریزی پروژه با محدودیت منابع تک مد ( rcpsp) فرض بر این است که هریک از فعالیت ها دارای زمان اجرای مشخص و مصرف منابع معلوم بوده و تنها به یک روش قابل انجام هستند. موارد عمل بسیاری وجود دارد که در آنها می توان با فراهم نمودن منابع بیشتر زمان فعالیت را کاهش داد. در این حالت هر فعالیت می تواند به یکی از روش های اجرائی ممکن انجام مسئله حاصل مسئله زمانبندی پروژه با محدودیت منابع چند مد(mrcpsp) نامیده می شود. در این پژوهش مسئله زمانبندی پروژه با استفاده از ابزار شبیه سازی مدل مسئله ای که باید زمانبندی شود را وارد نرم افزار شبیه سازی ed کرده و خروجی های آن را با خروجی های حاصل از یک الگوریتم فراابتکاری مورد مقایسه قرار می دهیم و در نهایت راهکار هائی را به منظور بهینه سازی زمانبندی از لحاظ مینیمم سازی زمان کل، هزینه و تسطیح منابع ارائه می دهیم.

در پژوهش حاضر، با به کار گیری تکنیک های مختلف داده کاوی از جمله شبکه های عصبی خود سازمانده، روش k-means و روش خوشه بندی سلسله مراتبی، راهکاری جهت تحلیل یکپارچه داده ها و خوشه بندی هر منطقه مختلف شهری بر اساس ویژگی ها و محدودیت های نقاط مختلف آن منطقه ارائه شده است. پس از مصاحبه با کارشناسان شهرسازی که تدوین ضوابط شهری را انجام می دهند، معیارهای اثر گذار در فرایند تدوین ضوابط، مشخص گردید؛ که شامل 10 معیار اصلی و 66 معیار فرعی است. در فرآیند سنتی تدوین ضوابط، کارشناسان شهر سازی با تحلیل کلی این معیارها، تدوین ضوابط را انجام می دهند که این امر باعث عدم یکپارچگی در تحلیل داده ها، عدم نگرش سیستمی و اعمال سلیقه های شخصی می شود. در روش پیشنهادی، ابتدا 66 معیار اثر گذار در فرایند تدوین ضوابط، برای گره ها و گذرهای منطقه مورد بررسی، جمع آوری و کمی شده و با استفاده از الگوریتم های خوشه بندی، منطقه مورد نظر به چند خوشه تقسیم می گردد. بر اساس معیارهای موجود، گره ها و گذرها دارای شباهت درون خوشه ای، و عدم شباهت میان خوشه ای خواهند بود. کارشناسان شهرسازی با تحلیل خوشه ها، عمل تدوین ضوابط را برای هر خوشه به صورت مجزا انجام می دهند. روش پیشنهادی فرایند تدوین ضوابط شهری را تسهیل نموده و بر دقت و یکپارچگی این فرایند می افزاید.

موسیقی یکی از هنرهای بسیار والا و سازنده بوده و خواهد بود و در حال حاضر بخش بزرگی از زندگی روزانه یا شبانه ی مردم دنیا را به خود اختصاص داده است، از طرفی آموزش موثرترین فرآیند در شکل دهی و هدایت اشخاص است، پس می توان گفت آموزش موسیقی از اهمیت بالایی برخوردار است. در همین راستا یکی از موسسات رسمی و سرشناس آموزش موسیقی به صورت آکادمیک در ایران مدرسه ی موسیقی صدا و سیمای جمهوری اسلامی ایران است. یکی از مشکلات موجود در آموزش موسیقی در مدرسه موسیقی عدم تکمیل دوره ی تعیین شده توسط هنرجویان برای گرفتن مدرک فارغ التحصیلی است. هدف مدرسه ی موسیقی آموزش هنرجویانی است که بتوانند پس از خروج از مدرسه دوره های تکمیلی را بگذرانند و یک نوازنده ی حرفه ای شوند و به جامعه موسیقی خدمت کنند و مسلما کیفیت آموزش در این مکان بسیار حائز اهمیت است، اما تا بحال هیچ کار پژوهشی با استفاده از داده های موجود هنرجویان در پایگاه داده مدرسه و یا آرشیو نمرات برای بهبود کیفیت سیستم آموزشی و ثبت نام انجام نشده است در صورتیکه نیاز به این نوع پژوهش ها شدیدا حس می شود. لازم به ذکر است در این تحقیق به علت تعداد زیاد هنرجویان پیانو و دسترسی بیشتر به داده های هنرجویان این ساز، از داده های هنرجویان پیانو استفاده شده است. درهیمن راستا یکی از فناوری هایی کارآمدی که قادر است از میان داده های موجود در پایگاه داده های آموزشی اطلاعات پنهان را استخراج نماید، داده کاوی است. در تحقیق پیش رو کاربرد داده کاوی در آموزش موسیقی در دو بخش مورد بررسی قرار میگیرد. در بخش اول با کمک داده های شخصی و تحصیلی هنرجویان پیانو که مدرک اخذ کرده اند ، هر گروه به طور جداگانه بر اساس نمرات ارزشیابی اخذ شده، مورد بررسی قرار میگیرند و با استفاده از درخت تصمیم عوامل موثر بر موفقیت آنها در هر گروه و روابط موجود بین داده های شخصی و تحصیلی و نمرات اخذ شده استخراج می گردد. در فاز دوم با استفاده از داده های کل هنرجویان پیانو با استفاده از شبکه عصبی مصنوعی به ارائه ی مدلی برای پیش بینی موفقیت تحصیلی هنرجویان و مدارک اخذ شده بر اساس ویژگی های شخصی و تحصیلی می پردازیم. یافته های این تحقیق موئد این است که استفاده از داده کاوی برای پیش بینی عملکرد و موفقیت تحصیلی هنرجویان در مدرسه ی موسیقی نسبت به سایر روش های سنتی از کارایی بالاتری برخوردار است.

با توجه به شکل گیری اقتصاد جهانی در فضای رقابتی و همچنین الزام به تولید محصولات متنوع به منظور برآورده سازی تقاضا مشتری نیاز به طراحی و مدیریت زنجیره تامین های انعطاف پذیر و پاسخگو بیش از پیش احساس می گردد. در این تحقیق از تکنیک شبیه سازی عامل بنیان به منظور مدل سازی زنجیره تامین چهار سطحی استفاده شده است که در آن تقاضای محصول دارای تغییرات دوره ای می باشد. سپس مساله کنترل موجودی زنجیره تامین مدل سازی شده به صورت فرایند تصمیم گیری مارکوف مدل سازی شده و برای یافتن سیاست بهینه کنترل موجودی از الگوریتم یادگیری تقویت شده بهره گیری شده است. همچنین با توجه به عدم قطعیت موجود در مساله مطرح شده از تابع توزیع لگ نرمال دو متغیره به منظور بررسی عملکرد زنجیره تامین استفاده شده و ریسکهای مالی و زمان انتظار مشتری توسط تکنیک ارزش ریسک مورد بررسی قرار گرفته است. از دیگر دست آوردهای این تحقیق طراحی چهارچوبی به منظور بهینه سازی چند معیاره و پایدار بر پایه شبیه سازی می باشد که در مورد بهینه سازی سیستم موجودی خرده فروش در شرایطی که الگوی تقاضای محصول از روند بلند مدت و تغییرات دوره ای پیروی میکند به کار گرفته شده است. در طراحی چهارچوب ارائه شده معیارهایی که مد نظر قرار گرفتند، عبارت اند از سطح خدمت، هزینه موجودی و میانگین موقعیت موجودی. درضمن پایداری راه حل های بدست آمده نسبت به افزایش نوسان و شدت تقاضا مورد توجه واقع شده است.

مدیریت پروژه را بکارگیری دانش، مهارت، ابزار و روش هایی در مدیریت فعالیت ها برای نیل به اهداف پروژه تعریف می کنند. زمان بندی پروژه یک بخش جدایی ناپذیر از مدیریت پروژه می باشد که به ایجاد توازن میان اهداف رقابتی پروژه همچون زمان و هزینه می پردازد. اجرای به موقع فعالیت های یک پروژه، نیازمند برنامه ریزی و مدیریت موثر و یکپارچه در تنظیم دقیق زمان انجام فعالیت های پروژه می باشد. با در نظر گرفتن پیچیدگی ساختار پروژه ها، تعداد زیاد فعالیت ها، وجود چند حالت مختلف اجرا برای هر فعالیت، رعایت پیش نیازهای عمومی میان فعالیت های پروژه و همین طور چند هدفه بودن مسئله، تصمیم گیری برای مدیران جهت انتخاب از میان حالت های انجام فعالیت ها بسیار پیچیده بوده و نیاز به روشی که برای مسائلی در ابعاد بزرگ در زمان معقول جواب های قابل قبولی را ارائه کند احساس می شود. یکی از مسائلی که در این حوزه مطرح شده است زمانبندی پروژه با در نظر گرفتن محدودیت منابع است. تحقیقات زیادی در این زمینه با توابع هدفی همچون حداقل کردن زمان اتمام انجام شده است که روش های مختلفی را نیز مورد استفاده قرار داده اند. در پژوهش حاضر، یک مدل زمان بندی پروژه با در نظر گرفتن محدودیت منابع با دو هدف حداقل کردن زمان اتمام پروژه و حداکثر کردن ارزش خالص فعلی مورد بررسی قرار گرفت. ابتکار این پژوهش در روش اجرای آن است که از ترکیب شبیه سازی و الگوریتم فرا ابتکاری شبیه سازی تبرید استفاده کرده است. ابتدا مدل مورد نظر با استفاده از نرم افزار شبیه سازی شده و سپس بهترین نتایج اجرا درون الگوریتم شبیه سازی تبرید قرار گرفته و نتایج حاصل از آن ارائه شده است.

پژوهش در قالب تحقیق توصیفی و از نوع پیمایشی- همبستگی انجام گرفت. تحقیق از نظر هدف کاربردی و از حیث ماهیت داده ها کمی است. برای جمع آوری اطلاعات مربوط از روش کتابخانه ای - میدانی و به صورت پرسشنامه استفاده شده است. جامعه تحقیق در این تحقیق شامل کلیه شهروندان غرب استان تهران می باشد که از خدمات الکترونیک دفاتر پلیس + 10 خدمات دریافت می کنند.

هنگامیکه از چگونگی ارتباط میان متغیرهای کنترل با متغیرهای پاسخ مسئله، دانش کافی وجود ندارد، استفاده از توابع رگرسیون می تواند مفید باشد. در شرایطی که محدودیت هایی همچون هزینه و زمان، تعداد حالات آزمایش متغیرهای کنترل را محدود می کنند، با استفاده از روش طراحی آزمایشات می توان با تغییر آگاهانه در متغیرهای کنترل، تغییرات در متغیرهای پاسخ را اندازه گیری و تابع رگرسیون مسئله را شناسایی کرد. انتخاب دامنه متغیرهای کنترل، اهمیت زیادی دارد. هنگامیکه هدف مسئله بهینه سازی است، انتخاب دامنه ای باریک برای متغیرهای کنترل، می تواند به بهبود کارایی تابع رگرسیون کمک کند. انتخاب دامنه ای باریک برای متغیرهای کنترل، به دانش تجربی و تئوریک آزمایشگر از ویژگی های مسئله بستگی دارد. در پژوهش حاضر، سفارش دهی و قیمت گذاری محصولات در یک زنجیره تأمین بر مبنای دو سناریوی مختلف برای دامنه متغیرهای کنترل، با استفاده از روش طراحی آزمایشات و رویکرد روش های سطح پاسخ، و استفاده از الگوریتم ژنتیک، انجام شد. این زنجیره تأمین چند محصولی دارای دو سطح، دو کانال توزیع، با توابع تقاضای احتمالی و دارای قابلیت جایگزینی محصولات است. نتایج نشان داد در سناریوی دوم که دامنه متغیرهای کنترل، باریک انتخاب می شوند، رویکرد سطح پاسخ کارایی بالایی در بهینه سازی سود کل زنجیره تأمین دارد، در حالیکه انتخاب دامنه ای وسیع برای متغیرهای کنترل، باعث کاهش کارایی رویکرد سطح پاسخ می شود. در نتیجه می توان گفت رویکرد سطح پاسخ هنگامی کارایی بالایی در بهینه سازی دارد که دامنه متغیرهای کنترل، با توجه به دانش کافی آزمایشگر از ویژگی های مسئله تحت مطالعه، انتخاب شود.

چکیده ندارد.

چکیده ندارد.