ORIGINAL_ARTICLE
طراحی چندهدفه زنجیره تأمین با در نظر گرفتن ریسک اختلال تسهیلات، عرضه و تقاضا در شرایط غیر قطعی بودن پارامترهای اقتصادی
در این مقاله، مسألهی طراحی شبکه زنجیره تأمین به صورت برنامهریزی ریاضی عدد صحیح مختلط فازیچندهدفه مدلسازی شده است که اهداف آن را بیشینهسازی ارزش خالص فعلی درآمد، کمینهسازیتأخیر دریافت محصول توسط مشتری و همچنین بیشینه سازی قابلیت اطمینان تأمینکنندهها با در نظرگرفتن ریسک تقاضا، عرضه و اختلال تشکیل میدهند که از رویکرد برنامهریزی امکانی تعاملی برایحل مدل ریاضی چندهدفه استفاده شده است. جهت اطمینان یافتن از سطح بالای عملکرد زنجیره تأمیندر صورت رخداد اختلال، شاخص استواری با استفاده از رویکرد مدلسازی مبتنی بر سناریوها، بکارگرفته شده است. همچنین به دلیل کمبود اطلاعات، در مدل ارائه شده برخی از پارامترهای اقتصادیهمچون نرخ مالیات و نرخ تورم به صورت فازی در نظر گرفته شدهاند. به دلیل پیچیدگی مدل ارائه شده،از الگوریتم ژنتیک برای حل مسائل با ابعاد بزرگ استفاده شده است. در پایان، عملکرد و کارایی مدل وروش پیشنهادی در قالب مثالهای عددی مورد بررسی قرار میگیرند
https://jims.atu.ac.ir/article_1312_f6ba2d6c1b6bafaf1f592fd3e62e4e71.pdf
2015-06-22
5
35
طراحی زنجیره تأمین
برنامهریزی عددصحیح مختلط چندهدفه
برنامهریزی امکانی
جریان نقدی
روش TH
الگوریتم ژنتیک
مسعود
ربانی
mrabani@ut.ac.ir
1
AUTHOR
ندا
معنوی زاده
2
AUTHOR
امیر
فرشباف گرانمایه
3
AUTHOR
حیاتی، م.، عطایی، م.، خالو کاکایی، ر.، صیادی، ا.ر.، ارائه مدلی برای ارزیابی ریسکهای
1
زنجیره تأمین با استفاده از تکنیکهای تصمیمگیری چندشاخصه، فصلنامه مطالعات مدیریت
2
- .92 34 ،3747 ، صنعتی، دوره 32 ، شماره 79
3
میرغفوری، س.ح.، شریف آبادی، ع.م.، اسدیان اردکانی، ف.، طراحی مدلی برای ارزیابی
4
ریسک در زنجیره تأمین با رویکرد شبکه عصبی مصنوعی )مطالعه موردی: شرکت فولاد
5
- - .23 3 ،3747 ، آلیاژی ایران یزد(، فصلنامه مطالعات مدیریت صنعتی، دوره 33 ، شماره 72
6
Azaron, A., Brown, K., Tarim, S., & Modarres, M. (2008). A multi-objective stochastic programming approach for supply chain design considering risk. International Journal of Production Economics, 116(1), 129-138 .
7
Benyoucef, L., Xie, X., & Tanonkou, G. A. (2013). Supply chain network design with unreliable suppliers: a Lagrangian relaxation-based approach. International Journal of Production Research, 51(21), 6435-6454. Farahani, R. Z., Hassani, A., Mousavi, S. M., & Baygi, M. B. (2014). A hybrid artificial bee colony for disruption in a hierarchical maximal covering location problem. Computers & Industrial Engineering, 75, 129-141.
8
Gaudenzi, B., & Borghesi, A. (2006). Managing risks in the supply chain using the AHP method. International Journal of Logistics Management, The, 17(1), 114-136 .
9
Georgiadis, M. C., Tsiakis, P., Longinidis, P., & Sofioglou, M. K. (2011). Optimal design of supply chain networks under uncertain transient demand variations. Omega, 39(3), 254-272 .
10
Goh, M., Lim, J., & Meng, F. (2007). A stochastic model for risk management in global supply chain networks. European Journal of Operational Research, 182(1), 164-173 .
11
Gumus, A. T., Guneri, A. F., & Keles, S. (2009). Supply chain network design using an integrated neuro-fuzzy and MILP approach: A
12
comparative design study. Expert Systems with Applications, 36(10), 12570-12577 .
13
Hahn, G. J., & Kuhn, H. (2012). Value-based performance and risk management in supply chains: A robust optimization approach. International Journal of Production Economics, 139(1), 135-144 .
14
Li, Q., Zeng, B., & Savachkin, A. (2013). Reliable facility location design under disruptions. Computers & Operations Research, 40(4), 901-909.
15
Lin, C.-C., & Wang, T.-H. (2011). Build-to-order supply chain network design under supply and demand uncertainties. Transportation Research Part B: Methodological, 45(8), 1162-1176 .
16
Liu, Z., & Cruz, J. M. (2012). Supply chain networks with corporate financial risks and trade credits under economic uncertainty. International Journal of Production Economics, 137(1), 55-67 .
17
Nagurney, A. (2010 .)Supply chain network design under profit maximization and oligopolistic competition. Transportation Research Part E: Logistics and Transportation Review, 46(3), 281-294 .
18
Nickel, S., Saldanha-da-Gama, F., & Ziegler, H.-P. (2012). A multi-stage stochastic supply network design problem with financial decisions and risk management. Omega, 40(5), 511-524 .
19
Peng, P., Snyder, L. V., Lim, A., & Liu, Z. (2011). Reliable logistics networks design with facility disruptions. Transportation Research Part B: Methodological, 45(8), 1190-1211 .
20
PrasannaVenkatesan, S., & Kumanan, S. (2012). Multi-objective supply chain sourcing strategy design under risk using PSO and simulation. The International Journal of Advanced Manufacturing Technology, 61(1-4), 325-337 .
21
Qin, Y .)1100( .On Flexible Strategy for Operation Risk in Supply Chain. Paper presented at the Computational Sciences and Optimization (CSO), 2011 Fourth International Joint Conference on.
22
Rezapour, S., & Farahani, R. Z. (2010). Strategic design of competing centralized supply chain networks for markets with deterministic demands. Advances in Engineering Software, 41(5), 810-822 .
23
Singh, A. R., Mishra, P., Jain, R., & Khurana, M. (2012). Design of global supply chain network with operational risks. The International Journal of Advanced Manufacturing Technology, 60(1-4), 273-290 .
24
Snyder, L. V., & Daskin, M. S. (2006). Stochastic p-robust location problems. IIE Transactions, 38(11), 971-985 .
25
Speier, C., Whipple, J. M., Closs, D. J., & Voss, M. D. (2011). Global supply chain design considerations: Mitigating product safety and security risks. Journal of Operations Management, 29(7), 721-736 .
26
Torabi, S., & Hassini, E. (2008). An interactive possibilistic programming approach for multiple objective supply chain master planning. Fuzzy Sets and Systems, 159(2), 193-214 .
27
Tuncel, G., & Alpan, G. (2010). Risk assessment and management for supply chain networks: A case study. Computers in industry, 61(3), 250-259 .
28
Wu, T., Blackhurst, J., & Chidambaram, V. (2006). A model for inbound supply risk analysis. Computers in industry, 57(4), 350-365 .
29
Zsidisin, G. A., & Ritchie, B. (2008). Supply chain risk: a handbook of assessment, management, and performance (Vol. 124): Springer
30
ORIGINAL_ARTICLE
بررسی تأثیر اندازه شرکت و نرخ رشد صنعت بر بقای شرکت های تازه وارد صنایع برق و الکترونیک استان مازندران
شرکت های تازه وارد، از طریق ارائه کالا، خدمات و تکنولوژی های جدید، افزایش رقابت در باازار و سساترشصنعت، عامل اصلی پویایی اقتصاد هستند. از آنجاایی کاه رشاد و طاول عمار شارکتاا در دساتیابی باه اهاداسیاست های بلند مدت در زمینه اشتغال و رشد اقتصادی اهمیت باه سازایی دارد، لاذا ایاک نکتاه کاه بعاد از ورودشرکت ها بر آناا چه می سذرد دارای اهمیت است. بناابرایک بررسای عوامال تا یر ساذار بار بیاای شارکت هاایتازه وارد که تاکنون در ایران کمتر بدان توجه سردیده، موضوع اساسی ایک پژوهش می باشد.از جمله عوامل ت یرسذار بر بیای شرکت ها، اندازه شرکت و نرخ رشد صنعت مای باشاد کاه در ایاک پاژوهش،- ت یر ایک دو متغیر بر بیای شرکت های تازه وارد صنایع برق و الکترونیک اساتان مازنادران طای ساال هاای 17411731 مورد بررسی قرار سرفته است. جات آزمون فرضیه ها از مدل نیمه پارامتریک رسرسایون Cox و باه منظاورتجزیه و تحلیل بیشتر داده ها از مدل ناپارامتریک برآوردکننده حد محصول و جادول عمار اساتفاده شاده اسات.جمااع آوری داده هااا و اطاعااات از طریااق پایداااه داده سااازمان صاانعت، معاادن و تجااارت اسااتان مازناادرانصورت سرفته است. پردازش داده ها نیز به وسیله برنامه نرم افزاری winTDA1 انجاام شاده اسات. در نتیجاه ایاکپژوهش، رابطه مثبت بیک متغیر اندازه شرکت و نرخ بیا مورد تایید قرار سرفت. اماا رابطاه معنای داری بایک متغیارنرخ رشد صنعت و بیا به دست نیامد
https://jims.atu.ac.ir/article_1314_42a8ec14d8aa42c83a19eba777907cbe.pdf
2015-06-22
37
54
شرکتهای تازهوارد
اندازه شرکت
نرخ رشد صنعت
تحلیل بیا
مهرداد
مدهوشی
mmahoshi@umz.ac.ir
1
استاد گروه مدیریت صنعتی دانشگاه مازندران
AUTHOR
فائقه
رضایی
2
کارشناسی ارشد مدیریت صنعتی دانشگاه مازندران
AUTHOR
منابع
1
ابراهیم زاده، فرزاد ، برآورد ناپارامتری تابع بیا در دادههای سانسور شده بازهای و بریده از چپ و
2
کاربرد آن در تعییک عوامل مؤ ر بر بیای سرطان کولورکتا . ل دانشداه تربیت مدرس. دانشاکده علاوم
3
.) پزشکی، ) 1789
4
احراری خلف، وحیده. بارآورد ناپاارامتری تاابع بیاا تحات داده هاای سانساور شاده ، پایاان ناماه
5
.) کارشناسی ارشد، دانشداه بیرجند، دانشدده علوم انسانی. ) 1741
6
ادواری، محمد، سزارش میایسه سرانه اشتغال طرحهاای تعااونی و خصوصای از محال اعتباارات
7
.) بنداههای زود بازده کشو . ر تاران، نشریه تعاونیهای تولیدی و خدماتی وزارت تعاون. ) 1788
8
اکبری، کرامت الله، تعییک اولویت واحدهای صانعت الکترونیاک در اساتان فاار . س کارشناسای
9
.) ارشد مدیریت سیستم و باره وری. دانشداه علم و صنعت ایران. دانشکده ماندسی صنایع. ) 1733
10
باشتی، محمدباقر؛ صنوبر، ناصر و فرزانه کجاباد، حسک، بررسی عوامل مؤ ر بر ورود و خروج
11
- .)1788( ،134 143 ، خالص بنداهها در بخش صنعت ایرا . ن فصلنامه پژوهشهای اقتصادی ایران، 78
12
روشنی، دائم، مدل رسرسیونی مخاطره متناسب تک شاخصی با پایههای بریده شده در تعییک تابع
13
.) پیوند و کاربردهای آن در مطالعات پزشک . ی دانشداه تربیت مدرس، دانشکده علوم پزشکی، ) 1741
14
شورورزی، محمدرضا و پالوان، رحیم، ت یر اندازهی شرکت بر هموارسازی سو . د مجلهی
15
- .)1784( ،34 81 ، پژوهشهای مدیریت، 83
16
عرب نجف آبادی، محسک، خروج و عوامل مؤ ر بر آن در صنایع تولیدی ایران: میایسه بخش-
17
.) های خصوصی و دولتی، دانشداه یزد، دانشکده اقتصاد، مدیریت و حسابداری. ) 1741
18
فیض پور، محمد علی؛ سعیدا اردکانی، سعید و پوش دوزباشی، هانیه، بررسی ت یر حیات بنداه -
19
های جدیدالورود کوچک و متوسط در تغییرات اشتغال: تجاربی از صنعت نساجی ایران طی دوره
20
- - .)1741(، 83 33 . 1734 89 ،مجله توسعه کارآفرینی، سال چاارم، 19
21
فیض پور ، محمد علی و رادمنش، سعیده، توزیع اندازه بنداههای صنایع تولیدی و روند تغییرات
22
- .)1741( ،124 147 ، آن. فصلنامه پژوهشاای اقتصادی )رشد و توسعه پایدار(، سال دوازدهم، 9
23
0. مطالعات مدیریت صنعتی، سال سیزدهم، شماره 73 ، تابستان 49
24
کاظم پور دیزجی، مادی، برآورد تابع بیا به روش کاپان مایر با بکار سیاری باوت اساتریپ در
25
- ، بیماران مبتا به سرطان مری مراجعه کننده باه بیمارساتان شااید مادرس طای ساال هاای 1733 1733
26
.) پایان نامه کارشناسی ارشد، دانشداه تربیت مدرس/ دانشکده علوم پزشکی، ) 1781
27
مدهوشی، مارداد و نصیری، آذر، تا یر ویژسای هاای صانعت بار بیاای شارکت هاای تاازه وارد
28
)مطالعه موردی: صنایع تبدیلی استان مازندران(. پژوهشنامه مدیریت اجرایی علمی پژوهشی، 1)پیاپی -
29
- .)1784( ،123 198 ،)78
30
Baggs, J., Beaulieu, E., & Fung, L., The Impact of Real Exchange Rate Movements on Service Sector Firms. University of Victoria, (2008).
31
Blossfeld, H.P., & Rohwer, G., Techniques of Event History Modeling. (2nd ed), Lowrence Erlbaum Associates, Inc, (2002), 4-37.
32
Buzell, R.D., & Gale, B.T., The PIMS Principles: Linking Strategy to Performance. Free Press, New York, (1987).
33
Cefis, E. ,& Marsili, O., Survivor: The role of innovation in firms’ survival. Research Policy, vol. 35, (2006), 626–641.
34
Christie, T., & l. SjoquIist D., New Business Survival in Georgia: Exploring the Determinants of Survival Using Regional Level Data. Growth and Change, vol. 43, no. 1, (2006), 110–142.
35
Helmers, C., & Rogers, M., Innovation and the Survival of New Firms in the UK. Review of Industrial Organization, vol.36, (2010). 227-248.
36
Holmes, P., Stone, I., & Braidford, P., An analysis of new firm survival using a hazard function. Applied Economics, vol.42, Issue 2, (2010), 185-195.
37
Klapper, L., & Richmond, C., Patterns of Business Creation, Survival and Growth (Evidence from Africa). Policy research working paper 5828. (2011). From http://econ.worldbank.org.
38
Rohwer, G., & Potter, U., TDA User’s Manual. Ruhr - University at Bochum. Fakultat fur Sozialwissenschaften, GB1. 44780 Bochum, Germany, (2002).
39
Walters, J.S., what is a Cox model? School of Health and Related Research (ScHARR), University of Sheffield, (2009), from http://www.whatisseries.co.uk
40
ORIGINAL_ARTICLE
مدلی جهت ارزیابی تولید ناب در صنایع کوچک و متوسط با استفاده از ترکیب روشهای تحلیل عاملی تأییدی، خوشهبندی و تکنیک PROMOTEE
بسیاری از شرکتها هنگام استفاده از ابزارها و شیوههای دستیابی به اهداف تولید ناب، به علت عددم وجدودیک نگرش واحد از ابزارهای پیادهسازی و ارزیابی بدا مشدلاتت عدیدده ای مواجده شدده اندد بده ردوری کدهمحققان مختلف با توجه دیدگاههای خود روشهای مختلفی را به منظور استقرار و ارزیابی تولید ناب در صنایعپیشنهاد دادهاند. بر همین اساس نیز هدف این تحقیق ارائه مدلی جهت ارزیابی تولید ناب در صدنایع کوکدک ومتوسط با استفاده از ترکیب روشهای تحلیل عاملی تأییدی، خوشهبندی و تلانیک PROMOTEE میباشد.جامعه آماری این تحقیق شامل کلیه شرکتهای صنایع کوکک و متوسط تولیدکننده فلزات اساسی و فابریلایاستان آذربایجانشرقی بوده است. به منظور جمعآوری دادهها در این تحقیق از پرسشنامه محقق سداخته اسدتفادهگردیده که پس از ارمینان از روایی و پایایی در بین نمونه آماری تحقیق توزیدع شدده اسدت. یافتده هدای تحلیدلعاملی تأییدی نشان دهنده وجود هشت سازه اصلی به عنوان شیوهها و ابزارهای اصدلی تولیدد نداب بدوده اسدت.تحلیل خوشهای انجام گرفته به روش k میانگین نیز، تولیدکنندگان نمونه آمداری را در سده خوشده دسدته بنددینمود. در نهایت رتبهبندی انجام گرفته نشان داد که خوشه دوم، سوم و اول به ترتیب در رتبههای اول تا سد وم ازمنظر عمللارد آنها در تولید ناب قرار گرفتند. نتایج تحقیق نشان میدهد که صنایعی که توجه بیشتری به تولید بهموقع، تأمینکنندگان و مشتریان دارند، عمللارد بالاتری نیز در تولید ناب دارند
https://jims.atu.ac.ir/article_1316_36070414a44635b06826456c26e2502a.pdf
2015-06-22
55
90
تولید ناب
تحلیل عاملی تأییدی
خوشهبندی
تلانیک پرومتی
علیرضا
پویا
1
استادیار گروه مدیریت دانشگاه فردوسی مشهد
AUTHOR
غلامرضا
سلطانی فسقندیس
g.r_soltani@yahoo.com
2
دانشجوی دکتری مدیریت تحقیق در عملیات دانشگاه فردوسی مشهد
AUTHOR
منابع
1
پویا، علیرضا) 0749 (، سیستمهای تولیدی در ایران و عمللارد کسب و کار آنها، مددیریت تولیدد و
2
- .34 عملیات، دوره سوم، شماره یک، صص 099
3
پویا، علیرضا استمی، قاسم و حسنیه رباربایی) 0740 (، نودشناسی علل پافشاری بر تصدمیمات در
4
- . بخش دولتی، بهبود مدیریت، سال ششم، شماره یک، صص 70 55
5
جعفرنژاد، احمد احمدی، احمد و محمد حسن مللای) 0749 (، ارزیدابی تولیدد نداب بدا اسدتفاده از
6
رویلادرد ترکیبدی از تلانیدکهدای ANP و DEMATEL در شدرایط فدازی، مطالعدات مددیریت
7
- . صنعتی، سال هشتم، شماره 29 ، صص 0 25
8
شفیعی رودپشتی، میثم و سید حبیباله میرافوری) 0749 (، ارزیابی تولید نداب بدا رویلادرد سلسدله
9
- . مراتبی، مطالعات مدیریت صنعتی، سال نهم، شماره 22 ، صص 94 39
10
متقی، هایده) 071۶ (، مدیریت تولید و عملیات، کاپ کهام، تهران: انتشارات آوای پاتریس.
11
Abdulmalek, F.A. & Rajgopal, J. (2007). Analyzing the benefits of lean manufacturing and value stream mapping via simulation: A process sector case study, Int. J. Production Economics, 107: 223–236
12
Allway, M., & Corbett, S. (2002). Shifting to lean service: stealing a page from manufacturers’ playbooks. Journal of Organizational Excellence, 21(2): 45–54.
13
Atkinson P. (2010). Lean is a cultural issue. Management Services, 54:35–44.
14
Azevedo, S.G., Govindan, K., Carvalho, H., & Cruz-Machado, V. (2012). An integrated model to assess the leanness and agility of the automotive industry, Resources, Conservation and Recycling, 66: 85– 94.
15
Bayou, M.E. & de Korvin, A. (2008). Measuring the leanness of manufacturing systems- A case study of Ford Motor Company and General Motors, J. Eng. Technol. Manage. 25: 287–304.
16
Bentler, P.M. & Chou, C.(1987), Practical issues in structural equation modeling, Sociological Methods and Research, Vol. 16, pp. 78-117.
17
Bhasin, S. (2012). Performance of Lean in large organizations, Journal of Manufacturing Systems 31: 349– 357.
18
Bhasin, S., & Burcher, P., (2006). Lean viewed as a philosophy. Journal of Manufacturing Technology Management 17 (1), 56-72.
19
Biazzo, S., & Panizzolo, R., (2000). The assessment of work organization in lean production: the relevance of the worker’s perspective. Integrated Manufacturing Systems 11 (1), 6-15.
20
Bicheno J, & Holweg M. (2009). The Lean toolbox. Buckingham: Picsie.
21
Brans JP, Vincke Ph, Mareschal B., (1986). How to select and how to rank projects: The PROMETHEE method. European Journal of Operational Research, 24, 228–238.
22
Brans, J.P. & Mareschal, B., (2005). PROMETHEE methods, in Figueira, J., Greco, S. and Ehrgott, M. (Eds)., Multiple Criteria Decision Analysis: State of the Art Surveys, Springer, New York.
23
Chiappetta Jabbour, C.J., Lopez de Sousa Jabbour, A.B., Govindan,K., Teixeira, A.A., & de Souza Freitas, W.R. (2012), Environmental management and operational performance in automotive companies in Brazil: the role of human resource management and lean manufacturing, Journal of Cleaner Production xxx, 1-12.
24
de Treville, S. & Antonakis, J., (2006). Could lean production job design be intrinsically motivating? Contextual, configurationally, and levels-of-analysis issues. Journal of Operations Management 24 (2), 99–123.
25
Deif, A. (2012). Assessing Lean Systems Using Variability Mapping, Procedia CIRP 3: 2 – 7
26
Demeter K. & Matyusz Z. (2011). The impact of Lean practices on inventory turnover. International Journal of Production Economics, 133(1):154–63.
27
Ding, L., Velicer, W.F. & Harlow, L.L.(1995), Effects of estimation methods, number of indicators per factors and improper solutions on structural equation modeling fir indices, Structural Equation Modeling, A Multidisciplinary Journal, Vol. 2, pp.119-143.
28
Doolen, T.L., & Hacker, M. E., (2005), A Review of Lean Assessment in Organizations: An Exploratory Study of Lean Practices by Electronics Manufacturers, Journal of Manufacturing Systems, 24(1), 55-67.
29
Goldsby, T. & Martichenko, R., (2004). Lean Six Sigma Logistics. J. Ross Publishing, Boca Raton, FL.
30
Hines, P., Holweg, M. & Rich, N., (2004). Learning to evolve: a review of contemporary lean thinking. International Journal of Operations and Production Management 24 (10), 994–1011.
31
Holweg, M. (2007). The genealogy of lean production, Journal of Operations Management, 25: 420- 437.
32
Hopp, W.J. & Spearman, M.L., (2004). To pull or not to pull: what is the question? Manufacturing and Service Operations Management 6 (2), 133–148.
33
Jordan, J.A., Jr. & Michel, EJ. (2001). The Lean Company: Making the Right Choices. Dearborn, MI: Society of Manufacturing Engineers.
34
Lee C, Kwon I-W, & Severance D. (2007). Relationship between supply chain performance and degree of linkage among supplier, internal integration, and customer. Supply Chain Management: An International Journal, 12(6):444–52.
35
Li, S., Subba Rao, S., Ragu-Nathan, T.S. & Ragu-Nathan, B., (2005). Development and validation of a measurement instrument for studying supply chain management practices. Journal of Operations Management 23 (6), 618–641.
36
Lohlin, J.C.(1992), Latent variables Models: An introduction to factor, path and structural analysis(2nd ed.), Mahwah, NJ: Lawrence Erlbaum associated, Inc.
37
Losonci, D., Demeter,K. & Jenei, I. (2011). Factors influencing employee perceptions in lean transformations, Int. J. Production Economics, 131:30–43.
38
MacDuffie, J.P.; Sethuraman, K. & Fisher, M.L. (1996). Product variety and manufacturing performance: Evidence from the international automotive assembly plant study. Mgmt. Science, 42: 350-369.
39
Matsui, Y., (2007). An empirical analysis of just-in-time production in Japanese manufacturing companies. International Journal of Production Economics 108 (1–2), 153–164.
40
McLachlin, R., (1997). Management initiatives and just-in-time manufacturing. Journal of Operations Management 15 (4), 271–292.
41
Meier, H.S. & Forrester, P.L. (2002). A Model for Evaluating the Degree of Leanness of Manufacturing Firms. Integrated Manufacturing Systems, 13(2), 104-109.
42
Narasimhan, R., Swink, M. & Kim, S.W. (2006). Disentangling leanness and agility: An empirical investigation, Journal of Operations Management, 24: 440–457.
43
Nightingale, D.J. & Mize, J.H. (2002). Development of a lean enterprise transformation maturity model. ln/ommtion, Knowledge, Systems Mgmt, 3: 15-30.
44
Panizzolo R. (1998). Applying the lessons learned from 27 lean manufacturers. The relevance of relationship management." lnt'l Journal of Production Economics, 55: 223-240.
45
Parveen M. & Rao T. (2009). An integrated approach to design and analysis of Lean manufacturing system: a perspective of Lean supply chain. International Journal of Services and Operations Management, 5(2):175–208.
46
Perez, M.P. & Sanchez, A.M. (2000). Lean production and supplier relations: A survey of practices in the Aragonese automotive industry. Technovation, 20: 665-676.
47
Pettersen, J., (2009). Defining lean production: some conceptual and practical issues. The TQM Journal 21 (2), 127-142.
48
Sanchez, A. M., & Perez, M. (2001). Lean indicators and manufacturing strategies. International Journal of Operations & Production Management, 21(11).
49
Seyedhosseini, S.M., EbrahimiTaleghani, A., Bakhsha, A. & Partovi, S. (2011), Extracting leanness criteria by employing the concept of Balanced Scorecard, Expert Systems with Applications, 38: 10454–10461
50
Shah, R. & Ward, P.T. (2003). Lean manufacturing: Context, practice bundles, and performance. Journal of Operations Management, 21: 129-149.
51
Shah, R. & Ward, P.T. (2007). Defining and developing measures of lean production, Journal of Operations Management, 25: 785–805
52
Simons, D. & Zokaei, K. (2005). Application of Lean Paradigm in Red Meat Processing., British Food Journal, 107(4): 192-211.
53
Simpson, D.F., & Power, D.J., (2005). Use the supply relationship to develop lean and green suppliers. Supply Chain Management: An International Journal, 10 (1), 60–68.
54
Womack, J. P. (2006). How do we know how lean we are? Lean Enterprise Institute (LEI), Eletter
55
Womack, J. P., & Jones, D. T. (2003). Lean thinking; Banish waste and create wealth in your corporation. Simon & Schuster UK Ltd.
56
Yang, M., Hong, P. & Modi, S.B. (2011). Impact of lean manufacturing and environmental management on business performance: An empirical study of manufacturing firms, Int. J. Production Economics, 129: 251–261
57
Yurdakul, M. (2002). Measuring the manufacturing system’s performance using Saaty’s with feedback approach. Integrated Manufacturing Systems, 13(1
58
ORIGINAL_ARTICLE
ارائه یک مدل برنامه ریزی آرمانی برای کاهش هزینههای لجستیک و افزایش سطح سرویس در زنجیره تامین
ملکرد زنجیره تامین معمولاً باید با معیارهای چندگانه اندازه گیری شود. در این مقاله به برنامه ریزی یکپارچ هشبکه زنجیره تامین با سطوح تامین، تولید و توزیع با توجه ب ه هزین ه ه ای لجس تیو و س ط س روی ب ه ط ورهمزمان خواهیم پرداخت. یو مدل برنامه ریزی ریاضی خطی مختلط چند هدفه با اهداف ک اه هزین ه ه ایتامین، تولید و توزیع، به عنوان هزینههای لجستیو و کاه سط سفارشات معوق و زمان دریافت م واد اولی هو محصول به عنوان سط سروی ارائه خواهد شد. برنامهریزی آرمانی به عنوان راه ح مس اله چن د هدف ه ب هکار گرفته خواهد شد. در نهایت، برای نشان دادن کاربردی بودن مدل پیشنهادی و روش ح ارائه ش ده، ی ومطالعه موردی در صنعت لبنیات با استفاده از رویکرد پیشنهادی بررسی میشود.
https://jims.atu.ac.ir/article_1317_ec05280da893ff54c65545f994669263.pdf
2015-06-22
91
121
برنامه ریزی یکپارچه
زنجیره تامین
تصمیم گیری چند هدف ه
م دل برنام ه ری زی
آرمانی.
*
کاوه
خلیلی دامغانی
kaveh.khalili@gmail.com
1
استادیار مهندسی صنایع دانشگاه آزاد اسلامی واحد تهران جنوب
AUTHOR
مریم
تاجیک
2
دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه آزاد اسلامی واحد تهران جنوب
AUTHOR
Altiparmak, F., Gen, M., Lin, L., Paksoy,T.,2006. A genetic algorithm approach for multi-objective optimization of supply chain networks. Computers & Industrial Engineering 51 , 196–215
1
Aliev, R.A., Fazlollahi, B., Guirimov, B.G., Aliev, R.R., 2007. Fuzzy-genetic approach to aggregate production–distribution planning in supply chain management. Information Sciences 177, 4241–4255.
2
Azaron,A., Brown, K.N., Tarim, S.A., Modarres, M.,2008. A multi-objective stochastic programming approach for supply chain design considering risk. International Journal of Production Economics 116,129-138.
3
Chen, C.L., Lee, W.C., 2004. Multi-objective optimization of multi-echelon supply chain networks with uncertain product demands and prices. Computers and Chemical Engineering 28, 1131–1144.
4
Chen, C.L., Wang, B.W., Lee, W.C., 2003. Multiobjective optimization for a multienterprise supply chain network. Industrial and Engineering Chemistry Research 42, 1879–1889.
5
Chern, C.C., Hsieh, J.S., 2007. A heuristic algorithm for master planning that satisfies multiple objectives. Computers and Operations Research 34, 3491–3513.
6
Díaz-Madroñero M. and Peidro D., 2011. A Fuzzy Goal Programming Approach for Collaborative Supply Chain Master Planning. Research Centre on Production Management and Engineering (CIGIP) Universitat Politècnica de València, Spain, 95-114.
7
Kallrath, J., 2002. Combined strategic and operational planning – an MILP success story in chemical industry. Or Spectrum 24, 315–341.
8
Liang, T.-F., Cheng, H.-W., 2008. Application of fuzzy sets to manufacturing/distribution planning decisions with multi-product and multi-time period in supply chains. Expert Systems with Applications 36, 3367–3377.
9
Park, Y.B., 2005. An integrated approach for production and distribution planning in supply chain management. International Journal of Production Research 43, 1205–1224.
10
ارائه یک مدل برنامهریزی آرمانی برای کاهش هزینههای لجستیک و ... 121
11
Roghanian, E., Sadjadi, S.J., Aryanezhad, M.B., 2007. A probabilistic bi-level linear multi-objective programming problem to supply chain planning. Applied Mathematics and Computation 188, 786–800.
12
Sabri, E.H., Beamon, B.M., 2000. A multi-objective approach to simultaneous strategic and operational planning in supply chain design. Omega-International Journal of Management Science 28, 581–598.
13
Selim, H., Am, C., Ozkarahan, I., 2008. Collaborative production–distribution planning in supply chain: a fuzzy goal programming approach. Transportation Research Part E-Logistics and Transportation Review 44, 396–419.
14
Songsong, L., Papageorgiou, L.G., 2013, Multiobjective optimisation of production, distribution and capacity planning of global supply chains in the process industry. Omega 41 (2013) 369–382
15
Timpe, C.H., Kallrath, J., 2000. Optimal planning in large multi-site production networks. European Journal of Operational Research 126, 422–435.
16
Torabi, S.A., Hassini, E., 2008. An interactive possibilistic programming approach for multiple objective supply chain master planning. Fuzzy Sets and Systems 159,193–214
17
ORIGINAL_ARTICLE
ارائه یک مدل ریاضی یکپارچه برای حل مسأله تشکیل سلول پویا با در نظر گرفتن مسائل تخصیص اپراتور، جانماییهای برون سلولی و درون سلولی و حل آن به کمک شبیه سازی تبرید
این مقاله یک مدل ریاضی ارائه میکند تا مسائل تشکیل سلول پویاا، تصصایا اپراتاور و مایماایی هاا بارونسلولی و درون سلولی را به طور هم زمان حل کند. مدل ارائه شده دارا سه هدف میباشد کاه هادف اول باهدیبال مینیمم ساز سفرها برون درون سلولی قطعاه و مکاییاابی مدادد ماشاین، هادف دون، مینایمم سااز یهزینهها مرتبط با اپراتور و هدف سون، ماکزیمم ساز تعداد مریانها رو به ملو متوالی میباشاد. مادل باهصورت چند هدفه بوده، لذا برا حل آن از رویکرد L-P متریک استفاده شده است. باه منواور اعتبااردهی باهمدل، مثال عدد با استفاده از یرن افزار لینگو حل گردیده است. در ادامه با تومه به ماهیات Np-hard مساللهتشکیل سلول، الگوریتم فراابتکار شبیه ساز تبرید چند هدفاه ارائاه شاده و یتاایا محاساباتی چنادین مساللهعدد حل شده توسط یرن افزار لینگو و الگوریتم ارائه شده، با یکدیگر مقایسه شده اید. یتایا یشان میدهد کهالگوریتم ارائه شده در زمایی به مراتب کمتر از یارن افازار لینگاو باه ماوا مای رساد و همنناین هایک یاک ازموا ها به دست آمده توسط دو روش یکدیگر را مغلو یمی کنند.
https://jims.atu.ac.ir/article_1319_16720fca08fc83174d0f2df47fe077e2.pdf
2015-06-22
123
159
تشکیل سلول پویا
تصصیا اپراتور
مایمایی
بریامهریز چند هدفه
L-P متریک
اسماعیل
مهدی زاده
emehdi@qiau.ac.ir
1
استادیار گروه مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی قزوین
AUTHOR
وحید
رحیمی
2
دانشجوی کارشناسی ارشد گروه مهندسی صنایع و مکانیک دانشگاه ازاد اسلامی قزوین
AUTHOR
منابع
1
Arkat J., Hosseinabadi-Farahani M., Hosseini L., Integrating cell formation with cellular layout and operations scheduling, Int. J. Adv. Manuf. Technol. (2011) 61:637–647.
2
Aryanezhad M.B., Deljoo V., Mirzapour Al-e-hashem S.M.J., Dynamic cell formation and the worker assignment problem: a new model, Int. J. Adv. Manuf. Technol. (2009) 41:329–342.
3
Bagheri M., Bashiri M., A new mathematical model towards the integration of cell formation with operator assignment and inter-cell layout problems in a dynamic environment, Appl. Math. Model. (2013), http://dx.doi.org/10.1016/j.apm.2013.08.026
4
Burbidge J.L., Production flow analysis, Prod. Eng. (1963) 42:742–752
5
Chang C.-C., Wu T.-H., Wu C. W., An efficient approach to determine cell formation, cell layout and intracellular machine sequence in cellular manufacturing, Computer & Industrial Engineering (2013) 66:438-450.
6
Chen M., A mathematical programming model for system reconfiguration in a dynamic cellular manufacturing environment, Ann Oper Res(1998) 77:109–128
7
Jolai F., Tavakkoli-mogaddam R., Golmohammadi A., Javadi B., An electromagnetism-like algorithm for cell formation and layout problem, Expert. Syst. Appl. (2011) 39:2172–2182.
8
458 مطالعات مدیریت صنعتی، سال سیزدهم، شماره 73 ، تابستان 49
9
Kia R., Baboli A., Javadian N., Tavakkoli-Moghaddam R., Kazemi M., Khorrami J., Solving a group layout design model of a dynamic cellular manufacturing system with alternative process routings, lot splitting and flexible reconfiguration by simulated annealing, Comput. Oper. Res. (2012) 39:2642–2658.
10
Kia R., Shirazi H., Javadian N., Tavakkoli-Moghaddam R., A multi-objective model for designing a group layout of a dynamic cellular manufacturing system, J Ind Eng (2013) 9:8. Doi:10.1186/2251-712x-9-8
11
Kirkpatrick S., Gellat Jr CD, Vecchi MP., optimization by simulated annealing, Science, (1983) 220(6):71-80.
12
Krishnan K.K., Mirzaei S., Venkatasamy V., Pillai V.M., A comprehensive approach to facility layout design and cell formation, Int. J. Adv. Manuf. Technol. (2012) 59:737–753
13
Logendran R., Methodology for converting a functional manufacturing system into a cellular manufacturing system, Int J Prod Econ (1993) 29:27–41
14
Mahdavi I., Aalaei A., Paydar M.M., Solimanpur M., Designing a mathematical model for dynamic cellular manufacturing systems considering production planning and worker assignment, Comput. Math. Appl. (2010) 60:1014–1025.
15
Mahdavi I., Teymourian E., Tahami Bahar N., Keyvanfar V., An integrated model for solving cell formation and cell layout problem simultaneously considering new situations, J Manuf Syst (2013), http://dx.doi.org/10.1016/j.jmsy.2013.02.003
16
Majazi Delfard V., New mathematical model for problem of dynamic cell formation based on number and average length of intra and intercellular movements, Appl. Math. Model. (2013) 37:1884-1896.
17
Rafiei H., Ghodsi R., A bi-objective mathematical model toward dynamic cell formation considering labor utilization, Appl. Math. Model., (2013) 37:2308-2316
18
Safaei N., Tavakkoli-Moghaddam R., Integrated multi-period cell formation and subcontracting production planning in dynamic cellular manufacturing systems, Int. J. Prod. Econ. (2009) 120:301–314.
19
ارائه یک مدل ریاضی یکپارچه برای حل مسأله تشکیل سلول پویا.... 511
20
Satuglu S.I., Suresh N.C., A goal-programming approach for design of hybrid cellular manufacturing systems in dual resource constrained environment, Comput. Ind. Eng. (2009) 56: 560–575.
21
Tavakkoli-Moghaddam R., Aryanezhad M.B., Safaei N., Azaron A., Solving a dynamic cell formation problem using meta-heuristics, Appl. Math. Comput. (2005) 170:761–780.
22
Tavakkoli-Mogaddam R., Javadian N., Javadi B., Safaei N., Design of a facility layout problem in cellular manufacturing systems with stochastic demands, Appl. Math. Comput. (2007) 184:721–728.
23
Wu X., Chu C.-H., Wang Y., Yue D., Genetic algorithms for integrating cell formation with machine layout and scheduling, Comput. Ind. Eng. (2007) 53: 277–289.
24
Wang X., Tang J., Yung K.-L., Optimization of the multi-objective dynamic cell formation problem using a scatter search approach, Int. J. Adv. Manuf. Technol. (2009) 44 :318–329.
25
White S.R., Concept of Scale in Simulated Annealing, Proceeding IEEE International Conference on Computer Design, Portchester, (1983).
26
ORIGINAL_ARTICLE
ارائه مدلی جهت اولویت بندی ریسکهای امنیت اطلاعات سازمانی با استفاده از AHP فازی و شبکه بیزین در صنعت بانکداری
ریسک جزیی ذاتی و جدایی ناپذیراز زندگی و تجارت است. همواره شرایط عدم اطمینانی که ناشی ازاطلاعات و دادههای ناقص و یا متغیرهای غیرقابلکنترل است، با فرصتها و تهدیداتی همراه است. در عصرحاضر بسیاری از سازمانها به شدت به سیستمهای اطلاعاتی خود متکیاند و مدیریت امنیت اطلاعات به یکیاز موضوعات مهم سازمانی تبدیل شدهاست. با توجه به این واقعیت که در استفاده از سیستمهای امنیتاطلاعات نیز ریسکهایی وجود دارد، یک فرایند مدیریت ریسک موثر، میتواند برنامه امنیتی موفقی را نتیجهدهد. مدیریت ریسک شامل فرایند شناسایی ریسکها، ارزیابی ریسک، و تلاش برای کاهش ریسکها بهسطح قابل قبول میباشد. هدف این پژوهش، اولویتبندی ریسکهای امنیت اطلاعات سازمانی، بهمنظور ارائهراهکاری برای ارتقا وضعیت امنیت اطلاعات سازمانی است. به این منظور، با استفاده از AHP فازی و شبکهبیزین، مدلی جهت ارزیابی و اولویتبندی ریسکهای امنیت اطلاعات سازمانی ارائه گردید. در فرایند ارزیابیریسک،شدت ریسکها با استفاده از AHP فازی و احتمال آنها با استفاده از شبکه بیزین،محاسبه شد وسرانجام ریسکها اولویتبندی شدند. یافتههای این پژوهش نشان میدهد در سازمان مورد پژوهش، ریسکعدم آگاهی و عدم ارائه آموزشهای مناسب در حوزه امنیت اطلاعات، بالاترین اولویت و بیشترین نیاز بهتوجه را دارد
https://jims.atu.ac.ir/article_1322_486ae91563d0ce54e0433828f1dda20c.pdf
2015-06-22
161
185
امنیت اطلاعات
ریسک
مدیریت ریسک
AHP فازی
شبکه بیزین
رضا
یوسفی زنوز
reza.yusefi@gmail.com
1
استادیار گروه مدیریت دانشگاه خوارزمی
AUTHOR
اکبر
حسن پور
2
استادیار گروه مدیریت دانشگاه خوارزمی
AUTHOR
پریسا
موسوی
3
کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه خوارزمی
AUTHOR
آذر، عادل؛ فرجی، حجت. ) 8718 (، علم مدیریت فازی. چاپ اول، اجتماع، تهران
1
الفت، لعیا؛ خسروانی،فرزانه؛ جلالی، رضا.) 8714 (. شناسایی و اولویتبندی ریسک پروژه بر
2
مبنای استاندارد PMBOK ،)84( با رویکرد فاز . ی فصلنامه علمی پژوهشی مطالعات مدیریت صنعتی 1
3
اولین چهارسوقی، صدیقه؛ دوستاری، محمدعلی؛ یزدیان ورجانی،علی؛ مهدوی اردستانی، سید
4
علیرضا. ) 8744 (. بکارگیری شبکه های عصبی مصنوعی در ارزیابی ریسک امنیت اطلاعات .مجله
5
- 77 47 ) علمی پژوهشی پدافند الکترونیکی و سایبری. ) 9
6
بیگلربگیان، پریسا. ) 8748 (. تدوین شاخصهای ارزیابی امنیت اطلاعات سازمان)مورد مطالعه:
7
سازمان بورس و اوراق بهادار تهران( پ.ایان نامه کارشناسی ارشد. دانشگاه الزهراء علیها السلام
8
جعفرنژاد، احمد؛ یوسفی زنوز، رضا.) 8713 (. ارائه مدل فازی رتبهبندی ریسک در پروژههای
9
- 48 71 : )8( حفاری شرکت پتروپارس. نشریه مدیریت صنعتی دانشگاه تهران، 8
10
خواجویی، حمید. ) 8740 (. مطالعه کنترلهای امنیت اطلاعات بر اساس استانداردهای بین المللی.
11
پایان نامه کارشناسی ارشد . دانشگاه سیستان و بلوچستان
12
شفیعی نیکآبادی، محسن؛ جعفریان احمد؛ جلیلی بوالحسنی اعظم.) 8714 (. تاثیر مدیریت امنیت
13
اطلاعات بر یکپارچگی فرایندهای سازمانی در زنجیره تامین. پژوهشنامه پردازش و مدیریت
14
- 43 99 :)11( اطلاعات، 4
15
عالمتبریز،اکبر؛ حمزهای،احسان. ) 8740 (. ارزیابی و تحلیل ریسکهای پروژه با استفاده از
16
رویکرد تلفیقی مدیریت ریسک استاندارد PMBOK و تکنیک RFMEA ، فصلنامه علمی پژوهشی
17
- 84 8 ،)47( مطالعات مدیریت صنعتی 4
18
عیسوی، هیرو. ) 8740 (. بررسی ریسک عملیاتی مربوط به امنیت اطلاعات در سامانه بانکداری
19
مدرن .پایان نامه کارشناسی ارشد. دانشگاه گیلان
20
˜Ñíãí¡ ÒåÑÇ. ) 8715 (. ÇÑÇÆå ãÏá ãÝåæãí ÇÑÒíÇÈí ÑíÓ˜ ÇãäíÊ ÇØáÇÚÇÊ: ãæÑÏ ÈÇä˜ Óå .ÇíÇä
21
äÇãå ˜ÇÑÔäÇÓí ÇÑÔÏ. ÏÇäÔÇå ÇáÒåÑÇ
22
ãíÑÝÔÑÇáÏíäí¡ ÓíÏÍíÏѺ ÚäÏáíÈ ÇÑϘÇäí¡ ÏÇæϺ ÑÖÇíí ÇÕá¡ãÑÊÖí.) 8740 (. ȘÇÑíÑí Ýäæä
23
ÊÕãíãíÑí äÏÔÇÎÕå ÌåÊ ÇÑÒíÇÈí ÚæÇãá ÑíÓ˜ ÒäÌíÑå ÊÇãíä. ÝÕáäÇãå Úáãí ŽæåÔí
24
- 870 803 ¡)48( ãØÇáÚÇÊ ãÏíÑíÊ ÕäÚÊí 1
25
äÇíãí¡ ÔãÓÇáÏíäº ˜Çíãí¡ ãÕØÝíº ÇÎÑæí¡ ÇãíÑÍÓíä.) 8740 (. ÇÑÇÆå ãÏá ÊáÝíÞ Ô˜ÇÝ
26
Úãá˜ÑÏí ÈÇ AHP - )43( Ñæåí ÝÇÒí ÈÑÇí ÊÚííä ÇæáæíÊåÇí ÈåÈæÏ. ãÌáå ãÏáÓÇÒí ÏÑ ãåäÏÓí¡ 4
27
BS ISO/IEC27005:2008. Information technology-Security techniques
28
-Information security risk management.
29
Chi-Chun Lo & Wan-Jia Chen. (2012). hybrid information security risk assessment procedure considering interdependences between controls. Expert Systems with Applications.(39),247-257 .
30
D.D. Wu, K. Xie, G. Chen, P. Gui. (2010). A risk analysis model in concurrent engineering product development. Risk Analysis.
31
Daniel Feledi, Stefan Fenz & Lukas Lechner.(2013) Toward web-based information security knowledge sharing. information security technical report ,17(2013) ,199-209.
32
Feng, N., Jiannan Wang, H. & Li, M. (2014). A security risk analysis model for information systems: Causal relationships of risk factors and vulnerability propagation analysis. Information Sciences, 256(2014): 57-73
33
Haslum. K, Abraham. A & Kanpskog. S. (2008). "Fuzzy Online Risk Assessment for Distributed Intrusion Prediction and Prevention Systems" Proc. Tenth International Conference on computer Modeling and Simulation, Combridge, USA.
34
Imamverdiev Ya. N & Derakshande S. A. (2011). Fuzzy OWA Model for Information Security Risk Management. AUTOMATIC CONTROL AND COMPUTER SCIENCES . 1(2011)20-28.
35
ISO/IEC27001. (2005). Information technology-Security techniques-Information security management systems Requirements.
36
ÇÑÇÆå ãÏáí ÌåÊ ÇæáæíÊÈäÏí ÑíÓ˜åÇí ÇãäíÊ ÇØáÇÚÇÇÊ ÓÇããÇíí.... 381
37
Kevin B. Corb & Ann E.Nicholson.(2004). Bayesian artificial intelligence, Boca Raton London New York Washington, D.C. chapman & hall.
38
korb KB & Nicholson AE. (2004). Bayesian Artificial Intelligence. CHAPMAN & HALL/CRC.
39
Nan Feng & Minqiang Li. (2011). An information systems security risk assessment model under uncertain environment.Applied Soft Computing.
40
Robert E. Crossler . Allen C. Johnston, Paul Benjamin Lowry, Merrill Warkentin, Richard Baskerville, Qing H. (2013). Future directions for behavioral information security research, computers & security, 32(2013)90-101.
41
Rossouw von Solms & Johan van Niekerk. (2013). From information security to cyber security. computers & security,38(2013), 97-102
42
Saleh, M. & Alfantookh, A. (2011).A new comprehensive framework for enterprise information security risk management. Computing and Informatics,9 (2011): 107-118.
43
Stefan Wagner. (2010). A Bayesian network approach to assess and predict software quality using activity-based quality models. Information and Software Technology.
44
Tongwei yuan & Peng Chen. (2012) . Data Mining Applications in E- Government Information Security. Procedia Engineering
45
Yue, W.T., Cakanyildirim, M., Ryu, Y.U., & Liu, D. (2007).Network externalities, layered protection and IT security risk management. Decision Support Systems, 44(1) 1-16.
46
Wang. Z,Zeng. H. (2010). Study on the Risk Assessment Quantitative Method of Information Security Proc. 3rd International Conference on Advanced Computer Theory and Engineering( ICACTE)
47
Wei. G, Zhang,. X,Zhang. X & Huang. Z. (2010). "Research on E-government information security risk assessment Based on Fuzzy AHP and Artificial Neural Network model," proc. First International Conference on Networking and Distributed Computing.
48
Yu-Ping Ou Yang, How-Ming Shieh & Gwo-Hshiung Tzeng. (2013). A VIKOR technique based on DEMATEL and ANP for information security risk control assessment , Information Sciences
49
ORIGINAL_ARTICLE
ارائه یک روش ترکیبی از تاپسیس فازی و تحلیل پوششی دادهها و برنامهریزی عدد صحیح برای انتخاب سبد پروژه
بحث انتخاب و برنامهریزی پروژه و تخصیص منابع محدود سازمان به پروژهها از مباحث بسیار با اهمیت درارتباط با مدیریت پروژهها در سازمانهای پروژه محور میباشد. این چنین سازمانهایی برای اجرای سیاستها واهداف خود و برای رشد و بقا و به اجرا در آوردن برنامههایشان، خود را ملزم به برنامهریزی و کنترل آن درراستای ماموریت و استراتژی سازمان مییابند. که گاهی این برنامهها در مقام اجرا بصورت پروژههایی نمایانخواهند شد. بدین منظور در این مطالعه سعی شده است تا به یک مدل ترکیبی ریاضی برای انتخاب وبرنامهریزی ترکیب بهینهای از پروژههایی که یک سازمان با آن روبرو است پرداخته شود. این مدل، یک مدلترکیبی است که از سه بخش و هر بخش از چند مرحله تشکیل شده است، که از ترکیب و با اصلاحاتی ازروش برنامهریزی ریاضی تحلیل پوششی دادهها )برای بازبینی اولیه پروژهها(، تصمیمگیری چند شاخصهیتاپسیس در شرایط عدم قطعیت )برای ارزیابی و رتبهبندی پروژهها( و برنامهریزی خطی عدد صحیح )برایانتخاب بهترین سبد با توجه به ارجحیتها و محدودیتهای سازمان( شکل گرفته است
https://jims.atu.ac.ir/article_1324_0b0740202ccbb939f3299f3f14c10d14.pdf
2015-06-22
187
219
انتخاب سبد پروژه
ارزیابی پروژه
تاپسیس فازی
برنامهریزی خطی عدد صحیح
امتیازات افزایش یافته
علیرضا
علی نژاد
alalinezhad@gmail.com
1
استادیار دانشکده مهندسی صنایع و مکانیک دانشگاه ازاد اسلامی قزوین
AUTHOR
اسماعیل
قربانیان فرح آبادی
2
دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه ازاد اسلامی واحد قزوین
AUTHOR
Zanakis, S.H., Mandakovic, T., Gupta, S.K., Sahay, S., Hong, S., (1995). A review of program evaluation and fund allocation methods within the service and government sectors. Socioeconomic Planning Sciences 29 (1), 59–79.
1
Belton, V., Stewart, T., (2002). Multiple Criteria Decision Analysis. An Integrated Approach. Kluwer Academic Publishers.
2
Kirkwood, C.W., (1997). Strategic Decision Making. Multiobjective Decision Analysis with Spreadsheets. Duxbury Press.
3
Santhanam, R., Muralidhar, K., Scniederjans, M.,(1989). A zeroone goal programming approach for information system project selection. Omega 17 (6), 583–593.
4
Badri, M.A., Davis, D., Davis, D., (2001). A comprehensive 0–1 goal programming model for project selection. International Journal of Project Management. 19, 243–252.
5
Santhanam, R., Kyparisis, J., (1995).A multiple criteria decision model for information system project selection. Computers and Operations Research 22 (8), 807–818.
6
Kyparisis, G.J., Gupta, S.K., Ip, C.M., (1996). Project selection with discounted returns and multiple constraints. European Journal of Operational Research 94, 87–96.
7
Pisinger, D., (2001). Budgeting with bounded multiple-choice constraints. European Journal of Operational Research 129, 471–480.
8
Melachrinoudis, E., Kozanidis, G., (2002). A mixed integer knapsack model for allocating funds to highway safety improvements. Transportation Research Part A 36, 789–803.
9
Santhanam, R., Kyparisis, G.J., (1996). A decision model for interdependent information system project selection. European Journal of Operational Research 89, 380–399.
10
Albright, S.C., (1975). Allocation of research grants to university research proposals. Socio-economic Planning Sciences 9 (5), 189–195.
11
181 مطالعات مدیریت صنعتی، سال سیزدهم، شماره 73 ، تابستان 49
12
Kwak, N.K., Lee, C., (1998). A multicriteria decision-making approach to university resource allocation and information infrastructure planning. European Journal of Operational Research 110, 234–242.
13
Fandel, G., Gal, T., (2001). Redistribution of funds for teaching and research among universities: The case of North Rhine – Westphalia. European Journal of Operational Research 130, 111–120.
14
Mukherjee, K., Bera, A., (1995). Application of goal programming in project selection – A case study from the Indian coal mining industry. European Journal of Operational Research 82, 18–25.
15
Cook, W.D., Green, R.H., (2000). Project prioritisation: A resource-constrained data envelopment analysis approach. Socio-economic Planning Sciences 34, 85–99.
16
Oral, M., Kettani, O., Lang, P., (1991). A methodology for collective evaluation and selection of industrial R&D projects. Management Science 37 (7), 871–885.
17
Oral, M., Kettani, O., Cinar, U., (2001). Project evaluation and selection in a network of collaboration: A consensual disaggregation multi-criterion approach. European Journal of Operational Research 130, 332–346.
18
Golabi, K., Kirkwood,C.W., Sicherman, A.,(1981). Selecting a portfolio of solar energy projects using multiattribute preference theory. Management Science 27,174–189.
19
Abu-Taleb, M., Mareschal, B., (1995). Water resources planning in the middle east: Application of the PROMETHEE V multicriterion method. European Journal of Operational Research,81,500–511.
20
Mavrotas, G., Diakoulaki, D., Capros, P. (2003). Combined MCDA–IP approach for project selection in the electricity market .Annals of Operations Research 120,159–170.
21
Mavrotas, G., Diakoulaki, D., Caloghirou, Y., (2006). Project prioritization under policy restrictions. A combination of MCDA with 0–1 programming. European Journal of Operational Research.
22
ارائه یک روش ترکیبی از تاپسیس فازی و تحلیل پوششی دادهها.... 191
23
Tobin, R.L., (1999). A fast interactive solution method for large capital expenditure selection problems. European Journal of Operational Research 116, 1–15.
24
Archer, N.P., Ghasemzade, F., (1999). An integrated framework for project portfolio selection. International Journal of Project Management, vol. 17, Nom. 4, pp. 207-216.
25
Seiford, L.M., (1995). A Bibliography of data envelopment analysis. Technical Report, Department of Indusrial Engineering and Operations Research.
26
Banker, R.D., Charnes, A., Cooper, W.W., (1984). Some models for estimating technical and scale inefficiencies in data development analysis. Management Science, 9, 1078-1092.
27
Kabli, M.R., (2009). A multi-attribut decision Making methodology for selecting new R&D projects portfolio with a case study of Saudi oil refining industry. Ph.D. Thesis, University of Nottingham.
28
Jahanshahloo, G.R., Hosseinzadeh Lotfi, F., Izadikhah, M., (2006). Extension of the TOPSIS method for decision-making problems with fuzzy data. 181, 1544–1551.
29
Jahanshahloo, G.R., Hosseinzadeh Lotfi, F., Izadikhah, M., (2005). An algorithmic method to extend TOPSIS for decision-making problems with interval data. Applied Mathematics and Computation, 175, 1375–1384.
30
Mavrotas, G., Diakoulaki, D., Kourentzis, A., (2008). Selection among ranked projects under segmentation, policy and logical constraints. European Journal of Operational Research.
31
Clemen, R. T., Reilly, Terence, (2001). Making Hard Decisions with Decision Tools. Pacific Grove: Duxbury
32