دانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222An evolutionary method for credit scoring;
Preference Disaggregation approachیک روش تکاملی برای طبقه بندی اعتباری مبتنی بر رویکرد تجمیع زدایی ترجیحات1341977FAامیردانشوردانشجوی دکتری گروه مدیریت صنعتی دانشگاه آزاد اسلامی واحد علوم و تحقیقاتمصطفیزندیهدانشیار دانشکده مدیریت و حسابداری دانشگاه شهید بهشتیجمشیدناظمیاستادیار دانشکده مدیریت و اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقاتJournal Article20141021Outranking based models as one of the most important multicriteria decision methods need the definition of large amount of preferential information called “parameters” from decision maker. Because of the multiplicity of parameters, their confusing interpretation in problem context and the imprecise nature of data, Obtaining all these parameters simultaneously specially in large scale realistic credit problems which requires real time decision making is very complex and time-consuming.<br />Preference Disaggregation approach infers these parameters from the holistic judgements provided by decision maker. This approach within multicriteria decision methods is equivalent to machine learning in artificial intelligence discipline.<br />Under this approach this paper proposes a new learning method in which Genetic Algorithm(GA) in an evolutionary process induces all , ELECTRE TRI model parameters from training set then at the end of this process, classification is done on testing set by inferred parameters. Experimental analysis on credit data shows high quality and competitive results compared with some standard classification methods.مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابل<br />توجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیی کننیده<br />آنها در فضای مسئله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسائل طبقه بندی اعتباری با ابعیاد بیزر<br />که نیاز به تصمیمگیری بلادرنگ است بسیار زمانبیر و پییییده میی سیازد. بیدین منریور روی یرد ت مییی زداییی<br />ترجیحات این اطلاعات را از طریق قضاوتهای جامعی که توسط تصمیم گیرنده فراهم می شوند استنتاج می کند.<br />این روی رد در تصمیم گیری چندمعیاره معادل یادگیری ماشینی در حوزه هوش مصنوعی است.<br />تحت این روی رد، ایین مقالیه ییک روش جدیید پیشینهاد میی کنید کیه در آن الریوریتم ینتییک طیی فرآینید<br />یادگیری، به طور همزمان تمامی پارامترهای میدل ELECTRE TRI را از داده هیای آموزشیی اسیتنتاج و در<br />خاتمه فرآیند، پارامترهای استنتاج شده بیرای طبقیه بنیدی داده هیای آزمایشیی ب یار گرفتیه میی شیوند. تحلییل<br />آزمایشات روی دیتاست های اعتباری نشان از کیفیت بالا و قابل رقابت روش پیشنهادی در مقایسه با مدل هیا ی<br />استاندارد طبقهبندی دارد.دانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222Using hybrid approach FA, AHP and TOPSIS for selecting and ranking the appropriate maintenance strategiesبکارگیری رویکرد ترکیبی FA ، AHP و TOPSIS برای انتخاب و رتبه بندی استراتژیهای مناسب نگهداری و تعمیرات35621978FAمحسنشفیعی نیک آبادیاستادیار گروه مدیریت صنعتی دانشگاه سمنانحبیبفرج پور خاناپشتانیکارشناسی ارشد مدیریت صنعتی دانشگاه سمنانحسینافتخاریدانشجوی کارشناسی ارشد مدیریت تکنولوژی دانشگاه تهرانعلی اصغرسعدآبادیدانشجوی دکتری سیاستگذاری علم و فناوری دانشگاه تهرانJournal Article20150211Today, companies have accepted that the maintenance and repairs are profitable business elements and therefore, the role of maintenance and repairs has become more important in modern manufacturing systems.<br />Maintenance and repair play important roles in achieving organizational goals and improving the indicators of reliability, reducing the equipment downtime, products quality, increasing productivity, safety equipment and etc. In this regard, the maintenance and repairs and their strategies have the particular importance in the industry. As a result, the main purpose of this study is selecting and ranking the best repairs and maintenance strategies using a combination of confirmatory factor analysis methods (FA), AHP and TOPSIS in oil refinery of Ray. According to that many variables such as safety, cost, added value, etc. are affective in choosing a maintenance and repairs strategy, in the present study at first has been identified these variables by the aid of literature review and experts opinion and then has been addressed to select the best maintenance strategy by AHP and TOPSIS techniques and try to offer suggestions for improving refinery maintenance system.امروزه شرکتها پذیرفته اند که نگهداری و تعمیرات یک عنصر تجاری سودآور است و بنابراین، نقش نگهداری و تعمیرات در سیستمها تولیدی مدرن مهمتر شده است. سیستم نگهداری و تعمیرات نقش مهمی در دستیابی به اهداف سازمانی و بهبود شاخصهای قابلیت اطمینان، کاهش زمان توقف تجهیزات، کیفیت تولیدات، افزایش بهرهوری، ایمنی تجهیزات و غیره ایفا میکند. در همین راستا، نگهداری و تعمیرات و استراتژیهای آن از اهمیت ویژهای در صنعت برخوردار هستند. در نتیجه هدف اصلی این پژوهش انتخاب بهترین استراتژی نگهداری و تعمیرات با استفاده از تکنیک تحلیل عاملی(FA)، تحلیل سلسله مراتبی (AHP) و روش ترجیح براساس تشابه با راه حل ایدهآل (TOPSIS) در پالایشگاه نفت شهر ری میباشد. با توجه به اینکه متغیرهای بسیاری از قبیل ایمنی، هزینه، ارزشافزوده و ... در انتخاب یک استراتژی نگهداری و تعمیرات موثرند، در پژوهش حاضر ابتدا به کمک مرور ادبیات و نظرات کارشناسان نگهداری و تعمیرات، این متغیرها شناسایی و سپس توسط تکنیک AHP و TOPSIS به انتخاب بهترین استراتژی نگهداری و تعمیرات پرداخته شده است و سعی در ارائه پیشنهادهایی جهت بهبود سیستم نگهداری و تعمیرات پالایشگاه منتخب شده است.
دانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222A new model for the multi-mode resource-constrained project scheduling problem with discount cash flowsارائه مدل ریاضی برای زمانبدی پروژه با محدودیت منابع در حالت چند مد و با در نظر گرفتن جریانهای نقدی تنزیل یافته63901979FAامینکرامتیکارشناسی ارشد مدیریت صنعتی دانشگاه اصفهانمجیداسماعیلیاناستادیار گروه مدیریت دانشگاه اصفهانمسعودربیعهاستادیار گروه مدیریت صنعتی دانشگاه شهید بهشتیJournal Article20150111This paper presents a mathematical model for the multi-mode resource-constrained project scheduling problem with maximizing the net present value of project. The proposed model is inspired by MRCPSP-GPR. Firstly, we presented an exact model solving MRCPSP_GPR then we expanded the model to estimate other cost-related options, penalty-related expenditure is a case in point. As a result of estimating different factors which impact on project scheduling such as reward and penalty of finishing the project, managers can efficiently make a better decision. For better adaptation with real conditions, we consider two payment methods in two objective functions. The adjusted schedule by proposed model and solving time was logical. Moreover, to verify the proposed model, a numerical example is solved in small size and the related computational results are illustrated in terms of schedules. In addition, computational results with a set of 36 test problems in various sizes are reported and the results analyzed.در این پژوهش مدل ریاضی جهت زمانبندی پروژههایی با محدودیت منابع در حالت چند مد و با هدف بیشینه سازیNPV ارائه شده است. مدل ارائه شده برگرفته از مسئله MRCPSP<strong>-</strong> GPRمیباشد. در این پژوهش ابتدا یک مدل ریاضی که قادر به ارائه جواب دقیق باشد جهت حل نمودن مسائل MRCPSP<strong>-</strong> GPRارائه خواهد شد، سپس مدل برای محاسبه هزینه اضافه کاری، در نظر گرفتن جریمه دیرکرد، پاداش زودکرد و تاثیر آن برروی NPVپروژه تعمیم مییابد. در نظر گرفتن هزینههای اضافه کاری و پاداش و جریمه زمان تحویل به طور همزمان در تصمیمگیری، زمانبندی و مقدار واقعی NPV پروژه تاثیر بسیاری خواهد داشت. برای نزدیکتر شدن نتیجه مدل به شرایط واقعی، دو سیاست پرداخت کلاسیک در قالب تابع هدف مدل ارائه شده است. جهت اثبات عملکرد مدل یک مسئله استاندارد با دو سیاست پرداخت مدلسازی و حل شده است. در نهایت، 36 نمونه پروژهی استاندارد با سایزها و پارامترهای مختلف توسط مدل زمانبندی شده و نتایج آن مورد تحلیل قرار گرفت. <br /><strong> </strong>دانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222A robust linear programming model for index fund constructionارائه یک مدل خطی استوار جهت تشکیل صندوق شاخصی911141980FAمحمد مهدیبحرالعلومدانشجوی دکتری مالی دانشگاه علامه طباطباییمیر فیضفلاح شمس لیالسانیاستادیار مدیریت مالی دانشگاه آزاد اسلامی واحد تهران مرکزقاسمبولواستادیار حسابداری دانشگاه علامه طباطباییJournal Article20150703In this study, the strategy of effective asset allocation under uncertainty with the capability of risk control, transaction cost reduction and favorable return realization is investigated. In order to implement this strategy and to overcome the shortfalls of classic portfolio optimization models in dealing with uncertainty, the formation of an index fund using a robust approach and considering cardinality constraint became the agenda. Accordingly, in order to solve the index tracking problem, a linear programming model as minimizing the absolute deviation between the expected return of the index fund and that of the benchmark is presented. Considering the dimension of the solution space, a Meta heuristic genetic algorithm was implemented to solve the robust counterpart of the problem. The results of the analysis imply on the selection of 20 stocks as the index fund composition and indicate good performance of the index tracking funds based on criteria such as correlation, root mean square error and the excess return using out of sample data.در این تحقیق استراتژی تخصیص اثربخش دارایی ها در شرایط عدم اطمینان با قابلیت کنترل ریسک، کاهش<br />هزینه های معاملاتی و تحقق بازده هدف گذاری شده مورد مطالعه قرار گرفت. به منظور پیادهسازی این<br />استراتژی و غلبه بر محدودیت مدل های کلاسیک بهینه سازی پورتفوی در مواجهه با عدم قطعیت، تشکیل<br />صندوق شاخصی با رویکرد استوار و محدودیت عدد صحیح مد نظر قرار گرفت. در این راستا یک مدل<br />برنامه ریزی خطی بصورت کمینهسازی قدر مطلق انحراف میان بازدهی مورد انتظار صندوق و شاخص بورس به<br />منظور حل مسأله ردیابی شاخص معرفی گردید. با توجه به ابعاد فضای جواب، از الگوریتم فراابتکاری ژنتیک<br />جهت حل نظیر استوار مسأله بهره گرفته شد. نتایج حاصل از تجزیه و تحلیل دادهها بر انتخاب 02 سهم و<br />عملکرد مناسب صندوق های تشکیل شده در ردیابی شاخص مبتنی بر معیارهایی چون همبستگی، ریشه دوم<br />میانگین مربعات خطا و بازدهی مازاد با بهرهگیری از دادههای تست دلالت دارددانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222Failure Mode and Effects Analysis By using Robust Data Envelopment Analysisتجزیه و تحلیل حالات خرابی بالقوه و اثرات آن با استفاده از تحلیل پوششی داده های استوار1151441981FAعلیرضاعلی نژاداستادیار دانشکده مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی واحد تهران قزویننیکیجلیلی تقویانکارشناسی ارشد مهندسی صنایع دانشگاه آزاد اسلامی واحد قزوینJournal Article20130603Improving products quality and services is the best and most important factor to win competitors and get majority of the market share. In this regard, Failue mode and Effect analysis is an efficient tool to improve the quality products. Considering many criticisms to taraditional method, the risk priority number in FMEA is formed by multiplying of three factors (seveirity, Occurrence and Detect). In order to existing defects, a new method to calculate the risk priority number in FMEA based on data envelopment analysis method is introduced. The aim of this study is to provide a new kind of risk priority number by assigning different weights to each of the risk factors. Also according to severity, Occurance and detection numbers that are achieved by a team of experts and are not a constant and certain factor, in this research has been used Robust optimization because of covering the result of DEA and less complexity. The results of example indicate that, proposed model is more effective than traditional RPN and provide a full ranking.بهبود و ارتقای سطح کیفیت محصول و خدمات ارائه شده توسط بنگاهها اولین و اصلیترین عامل پیشرفت<br />نسبت به رقبا و گرفتن سهم عمده بازار میباشد. در همین راستا تجزیه و تحلیل حالتهای خطا و آثار آنها<br />ابزاری کارآمد بمنظور بهبود کیفیت در مدیریت کیفیت میباشد. با توجه به انتقادات فراوان به روش سنتی،<br />عدد تقدم ریسک در تجزیه و تحلیل حالات خرابی بالقوه از ضرب سه عدد شدت، وقوع و تشخیص تشکیل<br />میشود. به منظور برطرف کردن عیوب موجود، روش جدیدی برای محاسبه عدد تقدم ریسک در تجزیه و<br />تحلیل حالات خرابی بالقوه بر پایه روش تحلیل پوششی دادهها معرفی می گردد. هدف از این تحقیق ارائه نوع<br />جدیدی از عدد تقدم ریسک با تخصیص وزنهای مختلف برای هر یک از فاکتورهای ریسک میباشد.<br />همچنین با توجه به این که اعداد شدت، وقوع و تشخیص توسط تیمی متشکل از گروههای مختلف خبرگان<br />بدست می آید و عاملی قطعی و ثابت نمیباشد، در این پژوهش از روش بهینهسازی استوار که نتایج تحلیل<br />پوششی دادهها را میپوشاند و پیچیدگی کمتری نسبت به روش فازی دارد، استفاده شده است. نتایج حاصل از<br />مثال حل شده حکایت از موثرتر بودن مدل پیشنهادی نسبت به RPN سنتی دارد و رتبهبندی کاملی از حالات<br />خرابی را ارائه میکند.دانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222A hybrid approach based on Gap Analysis-FQFD to achieve agilityارائه یک رویکرد ترکیبی مبتنی بر تحلیل شکاف و FQFD برای دستیابی به چابکی1451701982FAمحمد حسینکریمی گوارشکیاستادیار دانشکده مهندسی صنایع دانشگاه صنعتی مالک اشتر0000-0003-0707-7513نیمااسفندیاریکارشناسی ارشد مدیریت صنعتی دانشگاه گیلانمحمودمرادیاستادیار گروه مدیریت دانشگاه گیلانJournal Article20141119Many companies are pursuing agile manufacturing in order to reduce costs, improve customer service and attaining competitive advantage. After reviewing theoretical background and literature on agility, this paper presents agility attributes, criteria and enablers. Then a framework developed in order to prioritize and analyze agility indices with considering major competitive advantage. Hybrid Fuzzy Quality Function Deployment (FQFD) and Gap Analysis (GA) approach used to prioritize indices based on experts in an organization. Findings point out that “manufacturing management agility” has lowest maturity among agility enablers that lead this enabler to takes maximum importance. Furthermore, “manufacturing management agility” obtained most weight by FQFD, meaning this enabler has maximum priority and importance for organization. Interestingly, “knowledge management criterion” got first priority among all criteria by regarding maximum gap in gap analysis approachبسیاری از شرکتها به منظور کاهش هزینه ها، بهبود خدمات مشتری و دستیابی به مزیت رقابتی در حال<br />پیگیری تولید چابک هستند. در واقع چابکی به عنوان پارادایم جدیدی برای مهندسی سازمانها و بنگاه-<br />های رقابتی مطرح است. در این پژوهش بعد از مطالعه مبانی نظری و پیشینه مبحث چابکی، ویژگیها،<br />معیارها و توانمندسازهای آن شناسایی شدهاند و چارچوبی برای اولویتبندی و تحلیل این شاخصها با<br />توجه به مزایای رقابتی عمده موجود در ادبیات پژوهش، تدوین شده است. برای اولویتبندی شاخصها<br />از ترکیب تکنیک توسعه عملکرد کیفیت فازی) FQFD ( با تحلیل شکاف ) Gap Analysis )<br />چابکی « استفاده شده است. یافتههای پژوهش در سازمان مورد مطالعه بیانگر این است که توانمندساز<br />دارای کمترین میزان بلوغ در میان توانمندسازهای چابکی است که همین امر منجر به این » مدیریت تولید<br />شده تا این توانمندساز از بیشترین ارجحیت برخوردار باشد. از طرف دیگر مشاهده میشود که<br />توانمندساز چابکی مدیریت تولید با استفاده از تکنیک FQFD بیشترین وزن را کسب کرده و این به<br />معنی است که این توانمندساز از بالاترین اولویت و اهمیت برای سازمان برخوردار است. همچنین معیار<br />مدیریت دانش با داشتن بیشترین شکاف، رتبه نخست را میان تمامی معیارها بهدست آورد.<br /><br />دانشگاه علامه طباطباییمطالعات مدیریت صنعتی2251-8029133920151222Reliability optimization of a series-parallel k-out-of-n system with failure ratedepends on working system componentsبهینه سازی قابلیت اطمینان سیستم سری موازی با زیرسیستمهای - k-out-of-n با در نظر گرفتن نرخ خرابی وابسته به تعداد اجزای در حال کار1711881983FAمانیشریفیاستادیار گروه مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی والحد قزوینقاسمچراغدانشجوی کارشناسی ارشد گروه مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی واحد قزوینJournal Article20131214This paper presents a mathematical model for a redundancy allocation problem (RAP) for the series-parallel system with k-out-of-n subsystems and failure rate depends on working components of system. It means that failure rate of components increases when a component fails. The subsystems may use either active or cold-standby redundancy strategies, which considered as a decision variable for individual subsystems. Thus, the proposed model and solution methods are to select the best redundancy strategy among active or cold-standby, component type, and levels of redundancy for each subsystem. The objective function is to maximize the system reliability under cost and weight constraints. To solve the model, since RAP belongs to Np-Hard class of the problems, one effective meta-heuristic algorithm named genetic algorithm (GA)is proposed. Then, response surface methodology is applied for algorithm parameter tuning.Finally, we consider the results of solving presented model with a numerical exampleدر این مقاله مدل جدیدی برای مسئله تخصیص افزونگی با ساختار سری موازی و زیر سیستمهای - k-out-of-n با در نظر گرفتن نرخ خرابی وابسته به تعداد اجزای در حال کاار اراهاه ما یشاود .در ایان ناون نارخ خرابای باا<br />افزایش تعداد اجزای در حال کار به دلیل تقسیم بار )فشار( بر روی تعداد بیشتری از اجزاء، نرخ خرابی هر یا ک<br />از اجزاء کاهش مییابد. همچنین برای هر یک از زیر سیستمها دو نون سیاست افزونگی آمااده باه کاار سارد و<br />فعال در نظر گرفته شده است. هدف از حل مدل اراهه شده تعیین استراتژی افزونگی، ناون و تعاداد جازء ماازاد<br />تخصیص یافته برای هر زیرسیستم به منظور حداکثر کردن قابلیت اطمینان کال س یساتم تحات محادود یتهاا ی<br />وزن و هزینااه ماایباشااد. بااه دل یاال NP-hard بااودن مساائله تخصاا یص افزونگاای از الگااوریتم فاارا ابترااار ی<br />ژنتیک) GA (برای حل مدل و از روش سطح پاسخ) RSM ( برای تنظیم پارامترهای موثر بار ا یا ن الگاور یتم اساتفاده<br />شده است. در انتها با ذکر یک مثال عددی به بررسی نتایج به دست آمده از حل مدل اراهه شده میپردازیم