این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۶، شماره ۲، صفحات ۲۶۷-۲۸۴
عنوان فارسی به‌کارگیری روش شبکه‌های عصبی مصنوعی خودسامانده اصلاح‌شده در تعیین سطح سرآمدی شرکت‌های پتروشیمی کشور
چکیده فارسی مقاله تعیین سطح تعالی(بلوغ) سازمانی از جمله مسایل مهم مدل‌های تعالی سازمانی است. تعیین سطح بلوغ شرکت‌ها به آن‌ها در شناخت جایگاه رقابتی کمک نموده و قابلیت الگوبرداری را فراهم می‌کند. یکی از مشخصه‌های بارز مدل‌های سرآمدی تعیین بلوغ با رویکرد سلیقه‌ای و قراردادی در این مدل‌ها است.  پژوهش حاضر پیمایشی تک مقطعی در میان شرکت‌های پتروشیمی کشور بوده‌است. همچنین از ابزار رویکردی ابتکاری شبکه‌های عصبی خودسامان‌ده اصلاح‌شده برای تعیین سطح سرآمدی مدل تعالی H3SE در صنایع پتروشیمی بهره‌گیری شده‌است. امتیاز رویکرد حاضر در قیاس رویکرد سنتی در استفاده از شاخص‌های فشردگی و فاصله میان خوشه‌ها در طبقه‌بندی گزینه‌ها و همچنین لحاظ تأثیر اوزان شاخص‌های مختلف در ارزیابی و طبقه‌بندی شرکت‌ها است. بنابراین با استفاده از روش ترکیبی ابتدا در سناریو‌های مختلف شاخص‌ها خوشه‌بندی شدند. سپس تعداد بهینه خوشه‌ها با استفاده از شاخص‌های میانگین مربعات خطا‌ها و ضریب تعیین محاسبه شد. نتایج گویای آنست که با توجه به داده‌های فعلی طبقه بندی گزینه‌های مورد بررسی به دو خوشه از اعتبار ریاضی بالاتری برخوردار است. بنابراین روش حاضر با رویکردی رقابتی به ارزیابی و خوشه‌بندی شرکت‌های مشارکت کننده در جوایز کیفیت می‌پردازد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Presenting a Hybrid ANN-MADM Method to Define Excellence Level of Iranian Petrochemical Companies
چکیده انگلیسی مقاله Defining maturity level is one of the important elements of the excellence models. This approach helps companies to assess competitive positions and help them to benchmark from best practices. One of the significant features of excellence models is defining maturity level using subjective and conventional approach. Present research is a Cross-sectional Study among Iranian petrochemical companies. In this research a heuristic approach based on revised self-organized neural network was developed to define excellence level of H3SC Model in petrochemical industries. Applying compactness and distance among clusters in categorization, beside the impact of criteria's weighting are some benefits of the proposed method compared to traditional methods. In this hybrid approach, criteria were clustered in different scenarios. Then optimum number of clusters was assessed using mean square error (MSE) and R2 criteria. The results indicate that given the current data, categorizing the studied options into two clusters is of higher mathematical validity. So the proposed method categorizes and evaluates companies participated in quality awards based on the competitive approach.
کلیدواژه‌های انگلیسی مقاله Clustering, H3SE excellence, MADM, Petrochemical industry
نویسندگان مقاله احمدرضا قاسمی |
استادیار پردیس فارابی قم دانشگاه تهران، مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

عزت اله اصغری زاده |
دانشیار دانشکده مدیریت دانشگاه تهران، مدیریت صنعتی، دانشکده مدیریت
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://jitm.ut.ac.ir/article_50864_4a7f5413d637d740e6c026ee3af7831b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210288.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات