این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۱۰، شماره ۱، صفحات ۱۷-۳۴
عنوان فارسی پیش‌بینی کارایی به کمک تأثیرپذیری غیرخطی از تأخیرهای زمانی در تحلیل پوششی داده‌ها با شبکههای عصبی مصنوعی
چکیده فارسی مقاله هدف: یکی از شیوه‌های مرسوم ارزیابی کارایی هر سازمان یا بنگاه، مقایسه آن با سایر رقبا یا نمونه‌های متناظر آن است. با این حال، در برخی پژوهش‌ها به سنجش کارایی یک واحد در مقایسه با خود در مرور زمان پرداخته شده و روند عملکرد یک واحد نسبت به گذشته خود ارزیابی شده است. هدف پژوهش جاری، پیش‌بینی کارایی یک واحد با استفاده از سری‌های زمانی عملکرد گذشته آن است. روش: این پژوهش به کمک مدل SBM و با استفاده از روش تحلیل پوششی داده‌ها به مقایسه و سنجش کارایی یک واحد در گام‌های زمانی مختلف پرداخته و خروجی آن را به عنوان عناصر آموزش یک شبکه عصبی مصنوعی در نظر گرفته است تا کارایی گام‌های زمانی بعدی پیش‌بینی شود. یافته‎ها: مورد مطالعه این پژوهش، یک واحد صنعتی بزرگ در صنعت فولاد کشور است که پس از سنجش کارایی، روند نزولی عملکرد آن طی ده سال ارائه شده است. با پیاده‌سازی ساختارهای مختلف از شبکه‌های عصبی مصنوعی، در نهایت یک شبکه عصبی بازگشتی با 10 نرون در لایه پنهان با الگوریتم آموزش پس‌انتشار بیزی توانست بهترین عملکرد را در پیش‌بینی کارایی آتی این واحد صنعتی کسب کند. نتیجه‎گیری: مزیت اساسی این پژوهش، ارائه پیش‌بینی کارایی برای آینده سازمان بر اساس داده‌های موجود و با در نظر گرفتن تأثیر عوامل دوره‌های زمانی قبلی در کارایی دوره کنونی با رویکردی غیرخطی است. این موضوع موجب خواهد شد که تصویر روشن‌تری از عملکرد آتی سازمان فراهم آید، همان طور که در مورد مطالعه پژوهش حاضر، این موضوع رخ داده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Efficiency Estimation using Nonlinear Influences of Time Lags in DEA Using Artificial Neural Networks
چکیده انگلیسی مقاله Objective: One of the common methods for the assessment of an organization's efficiency is comparison with other competitors. However, some researchers have studied the efficiency of a unit within itself during different periods of time and it is used to investigate the performance trend of the unit during previous times. The purpose of this research is to forecast the performance of a unit using the previous time series of its performance. Methods: This research conducts comparison and efficiency analysis of a unit during different time periods using SBM and DEA models. And then, the outcome is considered as the training elements of an ANN, so efficiency of future time steps can be estimated for that unit. Results: An industrial unit in Steel industry was studied in this research and its decreasing performance trend during ten years has been presented after efficiency measurements. Implementing different structures of ANNs, finally, we found out that a recurrent neural network with 10 neurons in a hidden layer and Bayesian Regularization algorithm had the best performance for future forecasting of efficiency. Conclusion: The most important achievement of this study is efficiency forecasting for organizations' future using the existing data with regards to the influences of previous time steps on current efficiency by a nonlinear approach. It would lead to providing a clear image of the organization's future as represented for the case of this paper.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مصطفی کاظمی |
استاد گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران

محمدعلی فائضی راد |
دانشجوی دکتری مدیریت تحقیق در عملیات، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران

نشانی اینترنتی https://imj.ut.ac.ir/article_67509_2680c7f27b770880ac4bb41fd79aa710.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-871783.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