شمس الدین حسینی؛ پرهام عظیمی؛ مانی شریفی؛ مصطفی زندیه
چکیده
هدف مسئله چیدمان تسهیلات پویا، یافتن بهترین چیدمان برای تسهیلات در یک افق زمانی با تعدادی دوره زمانی مشخص است به گونه ای که مجموع هزینه های حمل مواد و جابجایی تسهیلات حداقل گردد. این نوشتار به توسعه یک مدل دو هدفه می پردازد و سعی دارد تا به طور همزمان هزینه انتقال مواد بین تسهیلات و هزینه جابجایی تسهیلات و نیز زمان مورد نیاز برای حمل ...
بیشتر
هدف مسئله چیدمان تسهیلات پویا، یافتن بهترین چیدمان برای تسهیلات در یک افق زمانی با تعدادی دوره زمانی مشخص است به گونه ای که مجموع هزینه های حمل مواد و جابجایی تسهیلات حداقل گردد. این نوشتار به توسعه یک مدل دو هدفه می پردازد و سعی دارد تا به طور همزمان هزینه انتقال مواد بین تسهیلات و هزینه جابجایی تسهیلات و نیز زمان مورد نیاز برای حمل مواد را کمینه کند. با توجه به احتمالی بودن مشخصات کارکردی حمل کننده ها، مانند زمان انجام عملیات حمل و وجود خرابی، محاسبه زمان مورد نیاز برای حمل مواد با استفاده از روابط تحلیلی امکان پذیر نمی باشد؛ بنابراین این نوشتار از رویکرد شبیه سازی و شبکه های عصبی مصنوعی استفاده می کند. در این رویکرد ابتدا سناریوهای زیادی از ترکیب سطوح مختلف متغیرها ایجاد می شود که هر سناریو نشان دهنده مکان تسهیلات و چگونگی انجام عملیات های حمل در هر دوره است. سپس هر یک از این سناریوها از طریق شبیه سازی کامپیوتری اجرا و نتایج حاصل از شبیه سازی به عنوان متغیر پاسخ در نظر گرفته می شود. در نهایت با استفاده از متغییرهای ورودی و پاسخ، یک شبکه عصبی مصنوعی تربیت می شوند تا بتواند زمان انجام عملیات های حمل را به خوبی براورد کرد. با توجه به که این مساله در درجه پیچیدگی سخت قرار می گیرد، این نوشتار استفاده یک الگوریتم فراابتکاری جدید را برای بهینه سازی مسئله پیشنهاد می دهد و کارایی الگوریتم پیشنهادی را با الگوریتم های موجود در ادبیات مقایسه می کند.
علی بنیادی نائینی؛ سعید یوسفی؛ محمدعلی فائضی راد
چکیده
چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند ...
بیشتر
چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدابتی را بدااهمیت کرده است. یکی از شیوه های کارآمد برای مطالعه مشتریان و ارائه خدمات بهینده بده آندان، گدروه بنددیبازار و خوشه بندی مشتریان در آن است. در این پژوهش به منظور هدفمند نمدودن ارائده خددمات بده مشدتریان،ابتدا به کمک تکنیک شبکه عصبی SOM مشتریان در خوشه هایی متناسب دسته بندی می شوند تا بتدوان بدرایهر مشتری با توجه به خوشه آن به ارائه خدمات مناسب پرداخت. سپس بدا مددل ارائده داده شدده در ایدن مقالدهمی توان عضویت مشتری جدید در خوشه متناسب را با استفاده از تکنیدک DEA-DA پدیش بیندی کدرد. ایدنمدل، فرآیند خوشه بندی پویا را برای سازمان رقم می زند تا به وسیله آن در هر لحظده بتدوان مشدتریان جدیدد راارزیابی نموده و خوشه متناسب آنها را با دقت مناسبی تعیین کرد.
داوود حسین پور؛ خاطره حاجی نوری
دوره 9، شماره 24 ، فروردین 1391، ، صفحه 85-114
چکیده
بحث تخصیص اعتبارات همواره یکی از موضوعاتی بوده است که سازمان ها و نهادها را با مشکلات و چالش هایی مواجه ساخته است. دانشگاه ها و مراکز آموزش عالی نیز با افزایش روز افزون تقاضا برای اعتبار ویژه پژوهشی به دلیل مشخص نبودن اولویت ها و ماهیت واقعی دستاوردهای پژوهشی، تنش های مربوط به تخصیص اعتبارات را بیش از سایر سازمان ها حس کرده است. بنابراین ...
بیشتر
بحث تخصیص اعتبارات همواره یکی از موضوعاتی بوده است که سازمان ها و نهادها را با مشکلات و چالش هایی مواجه ساخته است. دانشگاه ها و مراکز آموزش عالی نیز با افزایش روز افزون تقاضا برای اعتبار ویژه پژوهشی به دلیل مشخص نبودن اولویت ها و ماهیت واقعی دستاوردهای پژوهشی، تنش های مربوط به تخصیص اعتبارات را بیش از سایر سازمان ها حس کرده است. بنابراین هدف مقاله شناسایی معیارهای مناسب تخصیص اعتبارات ویژه پژوهشی در دانشگاه ها و طراحی الگوی تخصیص بهینه آن به کمک سیستم هوشمند شبکه های عصبی مصنوعی است. ابتدا به کمک آئین نامه های تخصیص اعتبار پژوهشی وزارت علوم، تحقیقات و فناوری و دانشگاه های علامه طباطبائی، تهران، شهید بهشتی و صنعتی امیر کبیر، معیارهای تخصیصی تعیین و سپس از طریق پرسشنامه در دانشگاه های منتخب (نمونه آماری: معاونین و کارشناسان پژوهشی)، معیارهای تعیین شده بررسی و سرانجام الگوی تخصیص اعتبار پژوهشی با استفاده از شبکه عصبی مصنوعی هاپفیلد و توسط نرم افزار MATLAB طراحی گردید. ضمن مشخص کردن ماهیت ورودیها و خروجی های تخصیص اعتبار پژوهشی، سه حالت تخصیص اعتبار بر اساس ANN مشخص شد.
