این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
بررسی های بازرگانی، جلد ۲۲، شماره ۱۲۹، صفحات ۲۹-۴۸
عنوان فارسی کشف الگوی ناهنجاری در بازرسی سطح بازار با راهکار ترکیبی داده‌کاوی و تصمیم‌گیری چندمعیاره
چکیده فارسی مقاله بازرسی از واحدهای اقتصادی یکی از بازوهای تنظیم بازار جهت برقراری آرامش و ثبات در آن است. کارایی فرایند بازرسی به کاهش جرائم، افزایش اعتماد عمومی به حاکمیت و احقاق حقوق مردم منجر خواهد شد. از این رو بررسی صحت عملکرد بازرسان به کمک داده‌های شکل‌گرفته از بازرسی‌های آنان در سامانه یکپارچه مدیریت بازرسی کشور (سیمبا) و کشف رفتارهای متقلبانه و آسیب‌زا در بازرسی‌ها همچون بازرسی‌های صوری، نقشی کلیدی در صیانت از اعتماد شکل‌گرفته در مردم و اثربخشی این فعل ایفا خواهد کرد. با درک وجود خلاء تحقیقاتی در تحلیل و بررسی داده‌های بازرسی به منظور رصد عملکرد بازرسان و کشف الگوهای رفتاری غیرمتعارف آنان در ثبت نتایج بازرسی‌ها، پژوهش حاضر به دنبال شناسایی الگوی بازرسی‌های صوری و به صورت خاص بازرسی‌های صورت‌گرفته حول شکایات و گزارش‌های مردمی و شناسایی بازرسان متخلف است. کشف رفتار غیرمتعارف و متقلبانه بازرسان با تحلیل 1518 ردیف داده‌ی عملکردی بازرسان با به کارگیری الگوریتم‌های کا-میانگین برای خوشه‌بندی و درخت تصمیم، رگرسیون لجستیک، بیز ساده و ماشین بردار پشتیبان به منظور دسته‌بندی دنبال شد. در ادامه ضمن انجام ارزیابی‌های درونی و بیرونی برای سنجش کیفیت نتایج، از روش‌های علم تصمیم با چاشنی نظر خبرگان برای غنی‌سازی بعد کاربردی پژوهش و حصول لیستی از بازرسان متقلب استفاده گردید که نتیجتاً 9 بازرس به عنوان بازرسان متخلف شناسایی و ناهنجاری از نوع جمعی تشخیص داده شد. در پایان نیز به منظور پیشگیری از بروز رفتارهای متقلبانه در دورزدن سامانۀ بازرسی، راه‌کارهای سیستمی و پیشنهادهای مدیریتی ارائه گردید.
کلیدواژه‌های فارسی مقاله بازرسی / تخلفات صنفی / شکایات مردمی / کشف تقلب / کشف ناهنجاری،
عنوان انگلیسی Anomaly Detection in Inspection: A Hybrid Data Mining and MCDM Approach
چکیده انگلیسی مقاله trust growth in government and justice. Therefore, Simba inspection software data analysis, in order to detect and prevent inspectors' anomaly patterns, can insure the public trust and effectiveness of inspections. Based on a research gap identified in the research area, 1518 performance data were analyzed to detect anomalies. K-means clustering and classifications by decision tree, logistic regression, naïve bayes and support vector machine were employed to detect fraud, of which decision tree and logistic regression were better than others. Then the results synthesized with 243000 inspection report data analysis. In order to enhance practical side of research, data mining and decision science techniques were employed to find the fraudsters. As a result, collective anomaly detected and nine inspectors were identified as fraudsters. Lastly, IT-based solutions like software redesign and managerial tips were mentioned.
کلیدواژه‌های انگلیسی مقاله بازرسی / تخلفات صنفی / شکایات مردمی / کشف تقلب / کشف ناهنجاری
نویسندگان مقاله جعفر پهلوانی |
دانشجوی کارشناسی ارشد مهندسی صنایع،سیستم های کلان، دانشگاه تربیت مدرس تهران

مجید شیخ محمدی |
دانشیار دانشکده مهندسی صنایع و سیستمها - دانشگاه تربیت مدرس

بابک تیمورپور |
دانشیار دانشکده مهندسی صنایع و سیستمها - دانشگاه تربیت مدرس

نشانی اینترنتی https://barresybazargani.itsr.ir/article_722082_8c7787e0d00fbdd6dd1d8124d2446a55.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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