دسته: مدیریت
حجم فایل: 1529 کیلوبایت
تعداد صفحه: 53
فصل دوم پایان نامه: مرور ادبیات و بررسی پیشینه تحقیق
مقدمه:
ارزیابی عملکرد شرکت ها همواره از مسأله های چالش برانگیز در حوزه های مدیریت بوده است. اندازه گیری کارایی خصوصاً در دو دهه ی اخیر، به علت اهمیت آن در ارزیابی عملکرد، مورد توجه زیادی قرار گرفته است. از سال 1957 که فارل روشی را برای اندازه گیری کارایی مطرح کرد تاکنون بازنگری های جامع و اساسی در موضوع اندازه گیری کارایی صورت گرفته است. هم چنین دیدگاه های پارامتری و غیر پارامتری به طور گسترده ای در ارزیابی کارایی مورد استفاده قرار می گیرند. ضمن این که دیدگاه های اولیه عمدتاً شامل مرزهای قطعی و مرزهای تصادفی بوده و بعدها دیدگاه هایی مثل DEA و FDH نیز مطرح شده است. [2005، Delgado]
روش های بسیاری برای اندازه گیری کارایی در تحقیقات مربوط مطرح شده است؛ اما در مقایسه بین تمامی مدل های فوق، DEA روش بهتری برای سازماندهی وتحلیل داده هاست؛ زیرا اجازه می دهد که کارایی در طول زمان تغییر کند و به هیچ گونه پیش فرضی در مورد مرز کارایی نیاز ندارد. [Wu et al، 2005] بنابراین بیش از سایر دیدگاه ها در ارزیابی عملکرد مورد استفاده قرار گرفته است و تکنیک مناسبی برای مقایسه ی واحدها در سنجش کارایی به شمار می آید. با این وجود مرز کارایی که از DEA حاصل شده نسبت به اغتشاش های آماری و داده های پرت که در اثر خطای اندازه گیری یا هر عامل خارجی دیگر ایجاد می شود، حساس است و اگر در داده ها اغتشاش آماری یا داده ای پرت وجود داشته باشد ممکن است موجب شود تا مرزکارایی به دست آمده جابه جا شود و مسیر تحلیل های DEA را منحرف سازد. [ Wu et al، 2005 & Bauer، 1990 ] به همین علت باید در استفاده از DEA برای ارزیابی عملکرد سایر واحدهای تصمیم گیرنده احتیاط کرد. وجود این مسأله باعث شده است که اخیراً شبکه های عصبی مصنوعی به عنوان جایگزین خوبی برای برآورد مرزهای کارا جهت تصمیم گیری به کار گرفته شود؛ [Wang، 2003] زیرا ماهیت عملکرد شبکه های عصبی به دلیل قدرت یادگیری و تعمیم پذیری به گونه ای است که در برابر داده های پرت و اغتشاشات حاصل از اندازه گیری غیر دقیق داده ها مقاوم تر عمل می کنند. [مهرگان و همکاران، 1385]
فهرست مطالب:
2- ادبیات و پیشینه تحقیق
2-1- مقدمه
2-2- ارزیابی عملکرد
2-2-1- مقدمه
2-2-2- پیشینه ارزیابی عملکرد و بررسی دیدگاه های مختلف
2-2-3- معیارها و تکنیک های ارزیابی و اندازه گیری عملکرد
2-2-3-1- معیارهای ارزیابی عملکرد
2-2-3-2- تکنیک ها و مدل های شناخته شده در ارزیابی عملکرد
2-2-3-3- تکنیک های اندازه گیری عملکرد
2-3- معرفی تفصیلی DEA، ANNs و NEURO/DEA
2-3-1- معرفی تفصیلی DEA
2-3-1-1- مدل نسبت CCR
2-3-1-2- مدل های ورودی محور
2-3-1-2-1- مدل مضربی CCR ورودی محور
2-3-1-2-2- مدل پوششی CCR ورودی محور
2-3-1-3- مدل های خروجی محور
2-3-1-3-1- مدل مضربی CCR خروجی محور
2-3-1-4- روش اندرسون- پیترسون
2-3-2- شبکه های عصبی مصنوعی (ANNs)
2-3-2-1- معرفی تفصیلی
2-3-2-2- معنای شبکه های عصبی
2-3-2-3- قابلیت یادگیری
2-3-2-4- پراکندگی اطلاعات 'پردازش اطلاعات به صورت متن'
2-3-2-5- قابلیت تعمیم
2-3-2-6- پردازش موازی
2-3-2-7- مقاوم بودن
2-3-2-8- مدل نرون
2-3-2-9- ساختار شبکه های عصبی
2-3-2-10- شبکه های پرسپترون
2-3-2-10-1- شبکه پرسپترون تک لایه
2-3-2-10-2- شبکه پرسپترون چند لایه
2-3-2-10-3- الگوریتم پس انتشار BP
2-3-2-11- تعیین ساختار و توپولوژی شبکه عصبی
2-3-2-12- الگوریتم های یادگیری شبکه
2-3-2-13- مدل خودسازمان ده SOM
2-3-3- مدل ترکیبی شبکه های عصبی و تحلیل پوششی داده ها (NEUEO/DEA)
2-3-3-1- مقدمه
2-3-3-2- الگوریتم تحلیل کارایی
2-3-3-3- نرمال سازی داده ها
2-4- پیشینه تحقیق
2-4-1- بررسی مقالات
2-4-2- بررسی پایان نامه ها
منابع کامل در انتهای فصل آورده شده اند
قیمت: 42,000 تومان
دسته: مقالات ترجمه شده
حجم فایل: 860 کیلوبایت
تعداد صفحه: 33
پیشبینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی
چکیده
به سیستم برنامهریزی منابع سازمان (ERP) بعنوان نمونهای از سیستمهای اطلاعات جدید اشاره شده است. با اینحال، دست یافتن به سطح مناسبی از موفقیت ERP متکی به عاملهای گوناگونی است که این عوامل به یک محیط سازمانی یا پروژهای وابسته هستند. در این مقاله، درمورد ایده پیشبینی موفقیت پیش از پیادهسازی ERP براساس مشخصات سازمانی، بحث شده است. همچنانکه با نیاز به ایجاد انتظارات از سازمانهای ERP، یک سیستم خبره با استفاده از روش شبکه عصبی مصنوعی (ANN) برای بیان روابط بین برخی از عوامل سازمانی و موفقیت ERP توسعه داده شد. نقش سیستم خبره در آماده سازی برای به دست آوردن اطلاعات از شرکت های جدید که مایل به پیاده سازیERP هستند، و برای پیش بینی سطح محتمل موفقیت سیستم، است. برای این منظور، عاملهای مشخصات سازمانی به رسمیت شناخته شده و مدل ANN توسعه داده شده است. سپس، با 171 داده بررسی شده به دست آمده از شرکتهای خاور میانه که ERP را تجربه کردهاند اعتباردهی میشوند. سیستم خبره آموزش دیده، با ضریب همبستگی متوسط 0. 744پیشبینی میکند که نسبتاً بالا است و این ایده وابستگی موفقیت ERP به مشخصات سازمانی را حمایت می کند. علاوه بر این، نرخ طبقه بندی صحیح مجموع 0. 685 نشان می دهد قدرت پیش بینی خوب است، که می تواند به پیش بینی موفقیت ERP شرکتها قبل از پیاده سازی سیستم کمک نماید.
کلیدواژهها:
برنامهریزی منابع سازمان (ERP) ؛ موفقیت ERP؛ مشخصات/عاملهای سازمانی؛ شبکه عصبی مصنوعی (ANN) ؛ سیستم خبره
قیمت: 20,000 تومان
خلاصه
بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای تشخیص تصویر چهره افراد می باشد. الگوهای بهینه سازی بیشماری مطرح شده اند تا به حل این مشکلات، با درجلت مختلفی از موفقیت بپردازند. بهینه سازی ازدحام ذرات (PSO) تکنیک نسبتا جدیدی می باشد که به صورت تجربی نشان داده شده است که دارای عملکرد خوبی بر روی بسیاری از این مسائل بهینه سازی می باشد. این مقاله مدل نظری را ارائه می دهد که می تواند برای شرح رفتار بلندمدت الگوریتم مورد استفاده قرار گیرد. نسخه پیشرفته بهینه کننده ازدحام ذرات ایجاد شده و نشان داده شده که دارای همگرایی تضمین شده ای بر روی سطح محلی می باشد. این الگوریتم رو به توسعه بوده، که منجر به الگوریتم هایی با همگرایی تضمین شده در سطح جهانی شده است. مدلی برای ایجاد الگوریتم های PSO مشترک ایجاد شده است، که منتهی به معرفی دو الگوریتم مبتنی بر PSO جدید شده است. شواهد تجربی نیز ارائه شده تا به پشتیبانی از خصوصیات نظری پیش بینی شده توسط مدل های مختلف، با استفاده از فعالیت های مبنا ترکیبی برای بررسی مشخصه های ویژه بپردازد. سپس الگوریتم های مختلف مبتنی بر PSO، در مورد فعالیت تقویت شبکه های عصبی اعمال می گردد که به ادغام نتایج حاصل شده بر روی فعالیت های مبنا ترکیبی بپردازد.
مقدمه
شما با صدای ساعتتان بیدار می شوید. ساعتی که توسط شرکتی ساخته می شود تا سود خود را با مد نظر قرار دادن تخصیص بهینه منابع تحت کنترلش به حداکثربرساند. شما کتری را روشن می کنید تا قهوه ای درست کنید، بدون اینکه در مورد مدت زمان طولانی که شرکت برق برای بهینه سازی ارائه برق وسایل تان صرف می کند، فکر کنید. هزاران متغیر در شبکه برق تلاشی را به منظور به حداقل رسانی اتلاف در شبکه به منظور به حداکثر رساندن بازدهی تجهیزات برقی تان انجام می دهد. شما وارد اتومبیلتان شده وموتور را بدون درک پیچیدگی های این معجزه کوچک مهندسی شده، روشن می کنید. هزاران پارامتر توسط سازندگان مد نظر قرار داده می شود تا وسیله نقلیه ای را تحویل دهند که متناسب با انتظارتان بوده، که شامل زیبایی بدنه تا شکل آینه بغل اتومبیل می باشد تا از تصادف جلوگیری شود.