ORIGINAL_ARTICLE
ارائه مدل تلفیقی تحلیل سلسله مراتبی فازی، تحلیل رابطه ای خاکستری و برنامه ریزی چند هدفه به منظور انتخاب شریک تجاری
امروزه همگام با افزایش جمعیت، صنایع به سوی فن آوری هایی میروند که بتواند هم سرعت تولید را بیشتر نمایند و هم کیفیت محصولات را بالا ببرند. طراحی، تولید و مهندسی به کمک کامپیوتر، یکی از جدیدترین فن آوری هایی است که در عرصه وسیعی از صنایع و علوم کاربرد دارد، به گونه ای که امروزه شرکتها در پی آنند که تا حد امکان، به نحوی مؤثر، از این فن آوری ها بهره گیری نمایند و بدین منظور، همواره در جستجوی بهترین شرکت های ارائه دهنده این قبیل خدمات برای تسهیل فرایندهای خود هستند. در این مقاله، نخست تلاش شده است تا دیدی کلی در رابطه با طراحی، تولید و مهندسی به کمک کامپیوتر ایجاد شود. سپس مدلی تلفیقی از سه تکنیک فرایند تحلیل سلسله مراتبی فازی، تحلیل رابطه ای خاکستری و برنامه ریزی چند هدفه ارائه شده است. در مطالع های موردی، این مدل به عنوان ابزاری قدرتمند برای تصمیم گیری یک شرکت برای رده بندی و انتخاب چندین شرکت دارای عملکرد برتر در زمینه طراحی و ساخت به کمک کامپیوتر، به عنوان شرکای تجاری، به کار گرفته شده است.
https://jimp.sbu.ac.ir/article_87376_cc7b04b5bc6f74030237a3f97fe1383e.pdf
2011-05-22
17
37
طراحی
تولید و مهندسی به کمک کامپیوتر
تحلیل رابطهای خاکستری
فرایند تحلیل سلسله مراتبی فازی
برنامه ریزی چند هدفه صفر و یک
علی
محمدی
amohamadi11@gmail.com
1
دانشیار، دانشگاه شیراز.
LEAD_AUTHOR
مهناز
حسین زاده
mhosseinzadeh@ut.ac.ir
2
دانشجوی دکتری، دانشگاه تهران.
AUTHOR
محمد
باقرزاده آذر
3
کارشناسی ارشد، دانشگاه شهید بهشتی.
AUTHOR
1. Abduel Nasr, E.S, Kamrani, A.K, (2006) “A new methodology for extracting manufacturing features from CAD system” Computers & Industrial Engineering, 51, 389–415.
1
2. Bimal Nepal, Om P. Yadav, Alper Murat (2010) “A fuzzy-AHP approach to prioritization of CS attributes in target planning for automotive product development” Expert Systems with Applications, 37(10), 6775-6786.
2
3. Boothroyd, G. Dewhurst, P. (1983) “Design for assembly: A designer’s Handbook” Amgerst, MA: University of Massachusetts.
3
4. Culler, D.E, Burd, W, (2007) “A framework for extending computer aided process planning to include business activities and computer aided design and manufacturing (CAD/CAM) data retrieval” Robotics and Computer-Integrated Manufacturing, (23), 339–350.
4
5. Deng, J. L., (1982) “Control problems of grey system” Systems and Control letters, 1, 288-294.
5
6. Ding, L, Matthews, J, (2009) “A contemporary study into the application of neural network techniques employed to automate CAD/CAM integration for die manufacture” Computers & Industrial Engineering, 57 ,1457–1471
6
7. Fung, C. P. (2003) “Manufacturing process optimization for wear property of fiber-reinforced polybutylene terephthalate composites with grey relational analysis” Wear, 254, 298–306.
7
8. Groover, M. (1980) “Automation, Production Systems, and Computer Aided Manufacturing” Englewood Cliffs, NJ: Prentice-Hall Lnc.
8
9. Harhen, J. and Brown, J. (1984) “Production activity control: a key node in CIM” Strategies for Design and Economic Analysis of Computer Supported Production Management Systems, Edite by H. Hubner. Amsterdam: North Holland.
9
10. Hong-Xing Li (1995) “Fuzzy Sets and Fuzzy Decision-making” Publisher: CRC- Press; 1st edition.
10
11. Huang, J. T., & Liao, Y. S. (2003) “Optimization of machining parameters of Wire-EDM bases on grey relation and statistical analysis” International Journal of Production Research, 41, 1707–1720.
11
12. Hwang, Ching-Lai & Masud, Abu syed Md. (1978) “Multi Objective Decision Making Methods and Applications” Springer – Verlog.
12
13. Jiang, B. C., Tasi, S. L., & Wang, C. C. (2002) “Machine vision-based grey relational theory applied to IC marking inspection” IEEE Transactions on Semiconductor Manufacturing, 15, 531–539.
13
14. Kuo, Yiyo. Yang, Taho and Huang, Guan-Wei. (2008) “the use of grey relational analysis in solving multiple attributes decision-making problems” Computers & Industrial Engineering, 55, 80–93.
14
15. Lin, C. T., Chang, C. W., & Chen, C. B. (2006) “The worst ill-conditioned silicon wafer machine detected by using grey relational analysis” International Journal of Advanced Manufacturing Technology, 31, 388–395.
15
16. MacMahon, C. and Brown, J. (1993) “CADCAM: From Principle to Practice” Wokingham: Adisson-Wesley Publishing Co.
16
17. Mora´n, J., Granada, E., Mı´guez, J. L., & Porteiro, J. (2006) “Use of grey relational analysis to assess and optimize small biomass boilers” Fuel Processing Technology, 87, 123–127.
17
18. Olson, D. L., & Wu, D. (2006) “Simulations of fuzzy multi attribute models for grey relationships” European Journal of Operational Research, 175, 111–120.
18
19. Saaty T.L., Vergas L.G. (2006) “Decision Making with The analytic Network Process Economic, Political, Social and Technological Applications with Benefits, Opportunities, Costs and Risks” Springer Publications.
19
20. Soliman, F. and Clegg, S. (2001) “Critical Success Factors for Integration of CAD/CAM Systems with ERP Systems” Journal of Operation &Production Management, 609-629.
20
21. Theodoroua, P., Floroub, G. (2008) “Manufacturing strategies and financial performance - the effect of advanced information technology: CAD/CAM systems” Omega, 36, 107–121.
21
22. Wang, H.F. Zhang, Y.L. (2002) “CAD/CAM Integrated System in Collaborative Development Environment” Robotic and Computer Integrated Manufacturing, 18,135-147.
22
23. Wu, H. H. (2002) “A comparative study of using grey relational analysis in multiple attribute decision making problems” Quality Engineering, 15, 209–217.
23
24. Yih-Long Chang, Kiran Desai (2003) “WinQSB (Quantitative System for Business is an interactive decision support system)” Publisher: Wiley.
24
ORIGINAL_ARTICLE
ارائه مدل تحلیل پوششی داده ها با رویکرد ورودی-خروجی محور
تحلیل پوششی داده ها (DEA) یک تکنیک برنامه ریزی خطی است که هدف اصلی آن، مقایسه و ارزیابی کارایی تعدادی از واحدهای تصمیم گیرنده مشابه است که مقدار ورودی های مصرفی و خروجی های تولیدی متفاوتی دارند. مدل های DEA مورد استفاده برای ارزیابی کارایی واحد تحت بررسی می توانند از دو رویکرد مجزا استفاده کنند: .1 کاهش میزان ورودی ها بدون تغییر در میزان خروجی ها (رویکرد ورودی محور) .2 افزایش میزان خروجی ها بدون تغییر در میزان ورودی ها (رویکرد خروجی محور).
https://jimp.sbu.ac.ir/article_87377_346a477b4c865b844fd5ea413af9f4d1.pdf
2011-05-22
39
56
ارزیابی عملکرد
تحلیل پوششی داده ها
مدل CCR ورودی محور
مدل CCR خروجی محور
مدل CCR ورودی خروجی محور
حسن
فارسیجانی
h-farsi@sbu.ac.ir
1
دانشیار، دانشگاه شهید بهشتی.
AUTHOR
محمد حسین
آرمان
2
استادیار، دانشگاه هرمزگان.
LEAD_AUTHOR
علیرضا
حسین بیگی
3
استادیار دانشگاه آزاد اسلامی، واحد تبریز.
AUTHOR
اعظم
جلیلی
4
دانشجوی دکتری، دانشگاه علامه طباطبایی.
AUTHOR
1. Bowlin W.F., A.Charnes, W.W.Cooper, H.D.Sherman, (1985), “Data Envelopment Analysis and Regression Approaches to Efficiency Estimation and Evaluation”, Annal Operation Research, 2,113-138.
1
2. .Charnes A., W.W.Cooper and T.Sueyoshi, (1986), “Least Square/Ridge Regression and Goal Programming/Constrained Regression Alternatives”, European Journal of Operational Research, (27), 146-157.
2
3. Charnes A., W.W.Cooper, (1985), “Preface to Topics in Data Envelopment Analysis”, Annals of Operational Research, (2).59-70.
3
4. Charnes A., W.W.Cooper and E.Rhodes, (1978), “Measuring the Efficiency of Decision Making Units”, European Journal of Operational Research, (2), 429-444.
4
5. Guo P. and H. Tanaka, (2001), “Fuzzy DEA: a Perceptual Evelaution Method”, Fuzzy Sets and Systems, 119, 149-160.
5
6. Martin D.H., G.Kocher and M. Sutter, (2000), “Measuring Efficeincy of German Football Teams by DEA”, University of Innsbruck, Australia, 4-5.
6
7. Per Andersen, N. C.Peterson, (1993), “A Procedure for Ranking Efficient Unit inDEA”, Management Scince, Vol.39, (10),1261-1294.
7
8. Sexton.T.R., Silkman, R.H., Hogan, A.J, (1986), “Data envelopment Analysis: Critique and Extention.In: Silkman, R.H. (ED), Measuring Efficiiency: An Assessment of Data envelopment Analysis.” Jossey-Bass, San Francisco, CA, .73-105.
8
9. Thanassoulis.A,(1993), “A Comparision of Regression Analysis and Data Envelopment Analysis as Alternative Methods for Performance Assessment”, Journal of Operation Research Socity, 44, 1129-1144.
9
ORIGINAL_ARTICLE
طراحی مدل ریاضی منبع یابی استوار چند هدفه: رویکردی در کاهشریسک زنجیره تأمین (مورد مطالعه: زنجیره تأمین ایران خودرو)
منبع یابی و تخصیص سفارش به تأمین کنندگان مناسب، هزینه های تأمین را به شکل قابل ملاحظه ای کاهش و قابلیت رقابت پذیری سازمان را افزایش می دهد. از طرفی در محیط پررقابت امروزی، سرعت بالای تغییرات را، بر عدم اطمینان حاکم بر تصمیم گیری ها افزوده است. با توجه به این دو مهم، به منظور افزایش اطمینان در این تحقیق، از رویکرد بهینه سازی استوار در برنامه ریزی تأمین قطعات، دو محصول شرکت ایران خودرو استفاده می شود. با توجه به تعداد بالای قطعات، هر خودرو، قطعات، ارزشمند برای بررسی انتخاب گردید و مدل تأمین این قطعات ، در قالب یک مدل برنامه ریزی خطی چند هدفه چند دوره ای طراحی شد. با توجه به عدم اطمینان حاکم بر برخی پارامترهای مدل ، این نوع پارامترها به صورت، متغیری تصادفی در نظر گرفته شدند. برای رفع نگرانی در مورد این نوع پارامترها، به کمک تکنیک های موجود، مدل ما به مدلی استوار تبدیل شد تا پاسخ های آن قابل اتکا باشد . در پایان، برای ارزیابی صحت عملکرد مدل و بررسی کیفیت جواب ها از تکنیک شبیه سازی استفاده شد.
https://jimp.sbu.ac.ir/article_87378_59b0861b8babf0e1d5eb5c1f72fa219e.pdf
2011-05-22
57
77
منبع یابی و انتخاب تأمین کننده
ریسک
عدم اطمینان
زنجیره تأمین صنعت خودرو
مدل ریاضی استوار
شبیه سازی
مسعود
ربیعه
m_rabieh@sbu.ac.ir
1
استادیار، دانشگاه شهید بهشتی.
LEAD_AUTHOR
عادل
آذر
azara@modares.ac.ir
2
استاد، دانشگاه تربیت مدرس.
AUTHOR
محمد
مدرس یزدی
3
استاد، دانشگاه صنعتی شریف.
AUTHOR
محمد
فطانت فرد حقیقی
4
استادیار، دانشگاه امام صادق.
AUTHOR
1. .Basnet, ch. and leang ,J. M.Y.(2005). Inventory lot- sizing with supplier selection. computers & operations research, 32, 1-14.
1
2. 2.Benton, W.C. Quantity discount decision under conditions oF multiple items, multiple suppliers and resource limitation, I. J oF Production Economics,. 27, 1953-1961, 199
2
3. 3.Ben-Tal,A,Nemirovski.A.(2000).Robust solutions of linear programming problems contaminated with uncertain data, Mathematical Programming.88,411-424;
3
4. 4.Berger, P.D., Zeng,A.Z.(2006). Single versus Multiple Sourcing in the Presence of Risk, j of Operational Research Society, 57, 250-261.
4
5. 5.Bertsimas, J.B., Sim,M.(2004). The Price of Robustness. Operations
5
Research. 52(1), 35–53.
6
6. 6.Dahel,N.E.(2003).Vendor selection and order quantity allocation in volume discount environments. Supply Chain Management: An
7
International Journal, 8, 335-342
8
7. 7.DeBoer, L., Labro, E., Morlacchi, P.(2001).A review of methods supporting supplier selection.European Journal of Purchasing & Supply Management,7, 75-86.
9
8. 8. Dickson G.W., )1966(.An Analysis of Vendor Selection Systems and Management. Journal of Purchasing, 2,5-17.
10
9. 9.Ghodsypour,S.H.and O'Brien,C.(1998). A decision support system for suppleir selection using integrated analytic hierarchy process and linear programing.I. J. of Production Economics,56-57,199-212.
11
10. Ghodsypour , S. H. and O’Brien,C. (2001). The Total cost oF logistics in supplier selection, under conditions oF multiple souring, multiple criteria and capacity constraint, International Journal oF Production Economics,.73, 15-27.
12
11. HangHong,G.,Chanpark,S.,Sikjang,D.,MinRho,H.,(2005).An effective supplier selection method For constructing a competitive supply-relationship.Expert system with applications, 1-11
13
12. Hites, R., De Smet, H.,Risse, N., Salazar-Neumsnn, M., Vincke, P.(2006) About the applicationability of MCDA to some obustness problems", E.
14
J of Operational Research ,174, 322–332.
15
13. Hong, J.D and Hayya, Jc .(1992). Just- in time purchasing single or
16
multiple sourcing? I. J of Production Economics, 27, 175-181
17
14. Kleijnen J.P.C.(2001).Ethical issues in modeling: Some reflections. E. J. of Operational Research. 130: 223–230.
18
15. Lee,E.K., Ha,S. and Kim, S. K.(2001).Supplier selection and management system considering relationships in supply chain management, IEEE transactions on Engineering Management, 48, 307-318.
19
16. Li,L.,Zabinsky,Z.B.(2010).Incorporating uncertainty in to a supplier selection problem. I.J.of Production Economics.Article in press
20
17. Van Landeghem., H., Vanmaele, H. (2002). Robust planning:a new paradigm for demand chain planning. J of Operations Management, 20, 769-783.
21
18. Velarde , J.L.G. , Laguna, M.,(2004). A Benders-based heuristic for the robust capacitated international sourcing problem. IIETransactions, 36, 1125–1133
22
19. Weber C.A, Current J.R, Benton W.E.(1991).Vendor Selection Criteria and Methods. E. J. of Operation Research,50.2-18.
23
20. Zhang, Z.,Lei, J.,Cao, N., To, K. and Ng. K.,(2004). "Evolution oF supplier selection criteria and methods",(www.google.com), 1-19.
24
ORIGINAL_ARTICLE
ارائه یک مدل کنترل موجودی دوسطحی (R,Q) و حل آن با الگوریتم های ژنتیک و رقابت استعماری
در این مقاله، یک مدل کنترل موجودی برای سیستم دو سطحی ارائه شده است که سیاست (R,Q) را در هر سطح برای IHP هر قطعه یدکی غیر تعمیری استفاده می کند، که دارای فرضیاتی است که کاربرد آن را در شرایط واقعی محدود می کند. این تحقیق با فرض گسسته بودن سفارشات و محدودیت فضای انبار، این مدل را توسعه وکاربرد آن را افزایش داده است.در شرایطی جدید، مدل سازی صورت گرفت و سپس برای حل مدل به دست آمده، الگوریتمهای فوق ابتکاری ژنتیک (GA) ورقابت استعماری (ICA) توسعه و تطبیق داده شدند. همچنین با مقایسه عملکرد دو الگوریتم، کارایی آنها ارزیابی شده است.
https://jimp.sbu.ac.ir/article_87379_e4a6cce9020c1b6ae519894487ae58b5.pdf
2011-05-22
79
94
بهینه سازی موجودی
سیتم چندسطحی
الگوریتم های فوق ابتکاری
الگوریتم ژنتیک
الگوریتم رقابت استعماری
زهرا
رضایی صدرآبادی
arezoo_rezaey@yahoo.com
1
کارشناس ارشد، دانشگاه شهید بهشتی.
LEAD_AUTHOR
داوود
طالبی
d-talebi@sbu.ac.ir
2
استادیار، دانشگاه شهید بهشتی.
AUTHOR
1. Al-Rifaia, M، H. , Rossetti, M. (2007), "An efficient heuristic optimization algorithm for a two-echelon (R, Q) inventory system ".Int. J. Production Economics, 109, 195–213.
1
2. Anderson, J., Marklund, J. (2000), "Decentralized inventory control in a two-level distribution system", European Journal of Operational Research, 127,483–506.
2
3. Atashpaz-Gargari, E., Lucas, C. (2007), "Imperialist Competitive Algorithm: An algorithm for optimization inspired by imperialistic competition", IEEE Congress on Evolutionary Computation, Singapore.
3
4. Caglar, D., Li, C.-L., Simchi-Levi, D. (2004), "Two-echelon spare parts inventory system subject to a service constraint", IIE Transactions, 36, 655–666.
4
5. Deuermeyer, B.L., Schwarz, L.B. (1981), "A model for the analysis of system service level in warehouse-retailer distribution systems: The identical retailer case", TIMS Studies in the Management Sciences, 16, 163–193.
5
6. Diaz, A., Fu, M.C. (1997), "Models for Multi-echelon repairable item inventory systems with limited repair capacity", European Journal of Operational Research, 97, 480–492.
6
7. Graves, S.C. (1985), "A multi-echelon inventory model for a repairable item with one-for-one replenishment", Management Science, 31, 1247–1256.
7
8. Hopp, W.J., Spearman, M.L. and Zhang, R.Q. (1997), "Easily implementable inventory control policies", Operations Research, 45, 327–340.
8
9. Hopp, W.J., Spearman, M.L. (2001), "Factory Physics", second ed. McGraw-Hill, New York.
9
10. Hopp, W.J., Zhang, R.Q. and Spearman, M.L. (1999), "An easily implementable hierarchical heuristic for a two-echelon spare parts distribution system" IIE Transactions, 31,977–988.
10
11. Sherbrooke, C.C. (1986), " METRIC: A multi-echelon technique for recoverable item control" Operations Research, 16, 122–141.
11
12. Svoronos, A., Zipkin, P. (1988), "Estimating the performance of multi-level inventory systems", Operations Research, 36 , 57–72.
12
ORIGINAL_ARTICLE
به کار گیری AHP در QFD برای ارزیابی خواسته های مشتریان و رتبه بندی الزامات فنی و مهندسی در شرکت فرش شایسته کاشان
استفاده از ابزارهای کیفی، از جمله گسترش عملکرد کیفی در صنایع مختلف به منظور بالا بردن کیفیت فرایند تولید و محصولات تولیدی، قابل توجه میباشد. اما با توجه به اینکه ارزیابیهای صورت گرفته در ماتریسهای گسترش عملکرد کیفی از دقت کافی برخوردار نیست و دارای ناسازگاری در قضاوتهاست، با استفاده از روش تحلیل سلسله مراتبی به رفع این نقص پرداخته شده است. مقاله های قبلی در زمینه استفاده از این روش در ماتریس خانه کیفیت و سایر ماتریس ها مشکل داشته اند که در این مقاله با توضیح آن مشکل، روشی برای حل آن ارائه می شود. در این مقاله، ماتریس اول (خانه کیفیت) بررسی شده است. دادههای مربوط به خواستههای مشتریان، از جامعه هدف جمعآوری و با استفاده از نظرات کارشناسان، الزامات فنی و مهندسی مربوط به خواستهها تعیین شد. سپس با استفاده از تکنیک فرایند تحلیل سلسله مراتبی، ارجحیت معیارها تعیین گردید. در نهایت، ماتریس خانه تکمیل گردید و مشخص گردید که دو خواسته قیمت و عملکرد فرش و همچنین دو الزام فنی و مهندسی تعداد گره در هر متر مربع و مقدار آهار، دارای بیشترین اهمیت هستند و با توجه به روابط موجود در خانه کیفیت و سقف خانه کیفیت، افزایش تعداد گره در هر متر مربع می تواند منجر به بهبود محصول گردد.
https://jimp.sbu.ac.ir/article_87380_76f51a7e610ec12992b877149447600a.pdf
2011-05-22
95
111
گسترش عملکرد کیفی
روش تحلیل سلسله مراتبی
الزامات فنی و مهندسی
خواسته های مشتریان
علی
خاتمی فیروزآبادی
a.khatami@atu.ac.ir
1
دانشگاه لیدز انگلستان.
LEAD_AUTHOR
اسماعیل
مزروعی
2
دکتری، دانشگاه علامه طباطبایی.
AUTHOR
1 آشتیانی، حسین و هوشیار، محمد (1388)، "رویکرد مشتری مدار به طرح ریزی و بهبود کیفیت
1
محصول"، تهران، نشر آتنا.
2
.2 آشتیانی، حسین (1388)، "معرفی و تشریح QFD با تاکید بر مراحل تکمیل خانه کیفیت"، فصل
3
. نامه صنایع شماره 21 ، تهران 19
4
.3 برادران، محمود (1388)، "معرفی فرش"، بازیافت شده 29 تیر، 1911 ، از
5
http://www.kashancc.com/index.php/component/content/article/7-2-moarrefifarsh/3-1388-04-11-03-23-18?format=pdf
6
.4 برادران، محمود. ) 1919 (، "خرید فرش"، بازیافت شده 29 تیر، 1911 ، از
7
http://www.kashancc.com/index.php/mainmenu- - 4 12/1 -kharid/ - - - -29 14 1911 29
8
- - 99 21 11 ?format=pdf
9
.5 رسولی، شبنم، ) 1911 (، "تاریخچه فرش با نگاه اقتصادی"، بازیافت شده 11 شهریور، 1911 ، از
10
ion=com_content&view=article&id=87http://www.tcommerce.ir/index.php?opt&Itemid=59
11
.6 کمیسیون استاندارد ویژگی های فرش ماشینی (1388)، "ثبات رنگ در برابر شستشو با صابون یا
12
صابون و سودا"، چاپ اول، موسسه استاندارد و تحقیقات صنعتی ایران.
13
.7 کمیسیون استاندارد ویژگی های فرش ماشینی (1388)، "ثبات رنگ کفپوش های نساجی در مقابل
14
شامپو کردن"، چاپ اول، موسسه استاندارد و تحقیقات صنعتی ایران.
15
.8 کمیسیون استاندارد ویژگی های فرش ماشینی (1388)، "روش آزمون ثبات رنگ در برابر مالش"،
16
چاپ اول، ویرایش سوم، موسسه استاندارد و تحقیقات صنعتی ایران.
17
.9 کمیسیون استاندارد ویژگی های فرش ماشینی (1388)، "روش تعیین جرم کفپوش های نساجی"،
18
چاپ اول، موسسه استاندارد و تحقیقات صنعتی ایران.
19
.11 کمیسیون استاندارد ویژگی های فرش ماشینی (1388)، "نخ تار پلی استر و مخلوط آن با پنبه، مورد
20
صرف در فرش های ماشینی"، چاپ اول، موسسه استاندارد و تحقیقات صنعتی ایران.
21
.11 کمیسیون استاندارد ویژگی های فرش ماشینی (1388)، "ویژگی های فرش ماشینی"، چاپ اول،
22
موسسه استاندارد و تحقیقات صنعتی ایران.
23
.12 مجابی، سید علی (1388)، بازیافت شده 19 آبان، 1911 ، از
24
http://wordcarpet.persianblog.ir/
25
.13 مومنی، منصور (1388)، "مباحث نوین تحقیق در عملیات"، دانشگاه تهران، دانشکده مدیریت.
26
.14 مهرگان، محمد رضا (1388)، "پژوهش عملیاتی پیشرفته"، تهران، انتشارات کتاب دانشگاهی.
27
.15 نصیری، محمدجواد (1388)، "سیری در هنر قالی بافی ایران"، تهران، انتشارات مولف.
28
.16 وحدانی، ابراهیم (1388)،" انواع الیاف فرش"، ماهنامه علمی، پژوهشی و صنعتی نساجی امروز ،
29
سال دهم، شماره هفتاد و نهم، تهران.
30
17. Chan, Lai, Kow & Wu, Ming Lu. (2002). Quality Function Deployment: A literature review. European Journal of Operational Research, 143, 436-497.
31
18. Hunt, Robert A and Xavier, Fernando B. (2003). The leading edge in strategic QFD. International Journal of Quality & Reliability Management, 20(1), 56-73.
32
19. Jia, G.Z., Bai, M. (2010). An approach for manufacturing strategy development based on fuzzy-QFD. Computers & Industrial Engineering. In Press, Corrected Proof, Available online 8 July 2010 at:
33
www.sciencedirect.com
34
20. Liang-hsuan Chen and Ming-Chu Weng. (2003). A Fuzzy Model for Exploiting Quality Function Deployment. Mathematical and Computer Modelling, 38 559-570
35
21. Lin , YuanHsu., Cheng, Hui-Ping., Tseng, Ming-Lang., Tsai, Jim C.C. (2010). Using QFD and ANP to analyze the environmental production requirements in linguistic preferences. Expert Systems with Applications, Volume 37, Issue 3, Pages 2186-2196.
36
22. Liu, Hao-Tien . (2011). Product design and selection using fuzzy QFD and fuzzy MCDM approaches. Applied Mathematical Modelling, Volume 35, Issue 1, Pages 482-496.
37
23. Nicolai J. Foss. (1997). The classical theory of production and the capabilities view of the firm. Journal of Economic Studies, Vol. 24 Iss: 5, pp.307 – 323.
38
24. Zarei, M., Fakhrzad, M.B., Jamali Paghaleh, M. (2011). Food supply chain leanness using a developed QFD model. Journal of Food Engineering. Volume 102, Issue 1, Pages 25-33.
39
ORIGINAL_ARTICLE
انتخاب اعضای تیم پروژه بر مبنای معیارهای اثربخشی به روش PROMETHEE
در این مقاله، پس از جمع آوری و مقایسه معیارهای اثربخشی، مهم ترین معیارها تعیین می شوند و مدل جدیدی برای انتخاب اعضای تیم بر اساس روش PROMETHEE پیشنهاد می شود. برای این منظور، بر روی یک تیم کاری در یک شرکت طراحی مهندسی ایرانی مطالعه تجربی صورت گرفت و با توجه به معیارهای کمی و کیفی اثربخشی تیم، وزن آنها و مشخصات کاندیداها، بهترین گزینه ها برای تیم هدف انتخاب شدند. معیارهای مورد نظر در چهار گروه فردی، گروهی، سازمانی و شغلی طبقه بندی شدند که در صورت نیاز، با توجه به بافت نیروی انسانی و نوع خدمات در هر شرکت، قابل تغییر است. با استفاده از روش پیشنهادی، وزن معیارها به طور مستقیم در پاسخ تاثیر می گذارد و الگوریتم اجرای آن در نرم افزار DECISION LAB ساده و سریع است . نتایج این روش با نتایج روش ساختار سلسله مراتبی گروهی GAHP مقایسه و تأیید شده است. به علاوه، نتایج به دست آمده، کاملاً منطبق با نظرات تجربی مسوول تیم است و لذا انتخاب نهایی تائید می گردد.
https://jimp.sbu.ac.ir/article_87381_748abc05983a16b430a9d9a4e97898d4.pdf
2011-05-22
113
134
انتخاب اعضای تیم
تصمیم گیری
PROMETHEE
GAHP
مرجان
امیدی
m.omidi@aut.ac.ir
1
دانشجوی کارشناسی ارشد، دانشگاه صنعتی امیرکبیر.
LEAD_AUTHOR
حمیده
رضوی
2
استادیار، دانشگاه فردوسی مشهد.
AUTHOR
محمد رضا
مه پیکر
3
دانشیار، دانشگاه فردوسی مشهد.
AUTHOR
1. Brans, J.P., Mareschal, B., Vincke, P.H. (1986). How to select and how to rank projects: The PROMETHEE method, European Journal of Operational Research, Vol. 24, Pages 228-238.
1
2. Carson J.B, Tesluk P.E., Marrone J.A. (2007). Shared leadership in teams: An investments of antecedent & performance, Academy of Management Journal, Vol. 50, No. 5, Pages 1217–1234.
2
3. Ed. Eduardo Salas, Gerald F. Goodwin, C. Shawn Burke. )2008(. Team Effectiveness in Complex Organizations, Rout ledge.
3
4. Gungor A., Kesen S.E. (2009), A fuzzy AHP approach to personnel selection problem, Applied soft computing, Volume 9, Issue 2, Pages 641-646.
4
5. Lootsma F.A. (1999), Multi Criteria Decision Analysis via Ratio & Difference Judgment, Vol. 29, KLUWER ACADEMIC PUBLISHERS.
5
6. Malinowski J., Weitzel T., Keim T., (
6
7. 2008), Decision Support for team staffing: An automated relational recommendation approach, Decision Support Systems, Volume 45, Issue 3, Pages 429-447. 15. Olian J., Rynes S.L., (2008), Organizational Staffing: Integrating Practice with Strategy”, Industrial Relations: A Journal of Economy and Society, Volume 23 Issue 2, Pages 170 – 18.3.
7
8. West M.A., Markiewics, (2004), Building Team-Based Working, BPS Blackwell Publishing Ltd.
8
9. Zhou M., (1994), Group Analytic Hierarchy Process (GAHP) — Fuzzy method for evaluation of irrigation district management, Irrigation and Drainage Systems, Volume 8, Number 3 / September.
9
ORIGINAL_ARTICLE
نقش زیرساختی و فرایندی مدیریت دانش در مسیر چابک سازی صنعت نساجی کشور
دانش به عنوان مهمترین جنبه رقابتی آن سازمان را قادر می سازد تا بهره ور باشد و از محصولات و خدمات رقابتی رها شود. یکی از پایه های افزایش بهره وری مدیریت دانش، چابک بودن مؤثر است. حجم بالای توسعه ادبیات در حوزه مدیریت دانش و چابکی سازمانی، اهمیت این دو مقوله را نشان می ده . ما در این مقاله، شکلی از همگرایی این دو را از این نظر که ابعاد آنها قویاً با یکدیگر ارتباط دارند، مورد آزمون قرار می دهیم و استدلال می کنیم که چابکی سازمانی زمانی حاصل می شود که مدیریت دانش، از هر حیث، در حال تعادل باش . شرکت های نساجی شهرستان یزد به عنوان مورد مطالعه انتخاب شدند و وضعیت چابکی و مدیریت دانش در آن ها )با کمک پرسش نامه) ارزیابی شد . این مقاله به بیان دستاوردهای این بررسی می پردازد.
https://jimp.sbu.ac.ir/article_87382_b797ef51451b54452e2ed632a32400f8.pdf
2011-05-22
135
151
چابکی
مدیریت دانش
زیرساخت
فرایند
صنعت نساجی
سید حسن
حاتمی نسب
1
کارشناسی ارشد، دانشگاه یزد.
LEAD_AUTHOR
سید محمود
زنجیر چی
2
استادیار، دانشگاه یزد.
AUTHOR
1. Ashrafi, Noushin., et al. (2005). A Framework for Implementing Business Agility through Knowledge Management Systems. Proceedings of the Seventh IEEE International Conference on E-Commerce Technology Workshops, 116 – 121.
1
2. Barsky, N., Marchant, G. (2000). The most valuable resource: measuring and managing intellectual capital. Strategic Finance Magazine , 58-62.
2
3. Becker, Franklin. (2001). Organisational agility and the knowledge infrastructure. Journal of Corporate Real Estate. 3: 1, 28–37.
3
4. Cao, Q., Dowlatshahi, S. (2005). Impact of alignment between virtual enterprise and info tech on business performance in an agile manufacturing. Journal of Operations Management, 23, pp. 531-550.
4
5. Davenport, T., Prusak, L. (1998). Working Knowledge: How Organizations Manage What They Know, Harvard Business School Press, Boston, MA,.
5
6. Davis, T. (1996). Managing knowledge-work support functions. Journal of General Management , 68-86.
6
7. Dess, G., & Picken, J. (2000). Changing roles: leadership in the 21st century. Organizational Dynamics , 28, 18-34.
7
8. Dove, Rick. (1999). Knowledge Management + Response Ability. Paradigm Shift International, http://www.parshift.com.
8
9. Earl, M.J. (1999). Opinion: what is a chief knowledge officer?. Sloan Management Review, Vol. 40 No.2, pp.29-38.
9
10. Geraint, J. (1998). Share strength: developing a culture of knowledge sharing. People Management , 44-47.
10
15. Goldman, S. L., Nagel, R. N., Preiss, K. (1995). Agile Competitors and Virtual Organizations: Strategies for Enriching the Customer. New York: Van Nostrand Reinhold.
11
16. Greengard, S. (1998). Will your culture support KM?. Workforce , pp. 93-94.
12
17. Gunasekaran, A. (1999). Agile manufacturing: a framework for research and development. International Journal of production Economics , 87-105.
13
18. Hasanali, F. (2002). Critical Success Factors of Knowledge Management. Hasanali,F., (2002), “Critical Success Factors of Knowledge Management .
14
19. Hornby, A. S., (2000). Oxford Advanced Learner’s Dictionary of Current English, Sixth Edition, Oxford University Press.
15
20. Hsieh, C., Yang, H., Lin, B. (2002). Roles of knowledge management in online procurement systems. Industrial Management & Data Systems , 365-370.
16
21. Hung, Y.C., Huang, S.M., Lin, Q.P., Tsai, M.L. (2005). Critical factors in adopting a knowledge management system for the pharmaceutical industry. Industrial Management & Data Systems; 105(2), pp.164-83.
17
22. King, A. W., & Zeithalm, C. P. (2003). Measuring organizational knowledge: A conceptual and methodological framework. Strategic Management Journal , 763–772.
18
23. Levy, Meria., Hazzan, Orit. (2009). Knowledge management in practice: The case of agile software development, Proceedings of the 2009 ICSE Workshop on Cooperative and Human Aspects on Software Engineering table of contents, 60-65.
19
24. Moffett, S., McAdam, R., & Parkinson, S. (2003). An empirical analysis of knowledge management applications. Journal of Knowledge Management , 23, 6-26.
20
25. Nonaka, I., Takeuchi, H. (1995). The Knowledge Creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford University Press, New York, NY,.
21
26. O’Brien, O., Crauise, R. (1995). Employee involvement in performance improvement: a consideration of tacit knowledge, commitment and trust. Employee Relations , p. 110.
22
27. Pérez-Bustamante, Guillermo. (1999). Knowledge management in agile innovative organizations. Journal of Knowledge Management, Volume 3 · Number 1, pp. 6–17.
23
28. Ryan, S. D., Prybutok, V. R. (2001). Factors affecting knowledge management technologies: a discriminative approach. Journal of Computer Information Systems , 41, pp. 31-7.
24
29. Sharifi, H., Ismail, HS., Reid, I. (2006). Achieving agility in supply chain through simultaneous “design of” and “design for” supply chain, Journal of Manufacturing Technology Management:17 (8), pp. 1078-1098.
25
30. Tsourveloudis, N.C., Valavanis, K.P. (2002). On the measurement of enterprise agility. Journal of Intelligent and Robotic Systems, pp. 329–342.
26
31. Ulrich, D. (1998). Intellectual capital ¼ competence £ commitment. Sloan Management Review , 15-26.
27
32. Wild, R. H., Griggs, K. A., Downing, T. (2002). A framework for e-learning as a tool for knowledge management. Industrial Management & Data Systems , 102, 371-80.
28
33. Youssef, M. A. (1992). Agile manufacturing: a necessary condition for competing in global markets. Industrial Engineering, pp. 18-20.
29
34. Yusuf, Y., Sarhadi, M., Gunasekaran, A. (1999). Agile manufacturing: the drivers, concepts and attributes. International Journal of production economics , 33-43.
30
35. Zhang, David Z. (2010). Towards theory building in agile manufacturing strategies – case studies of an agility taxonomy. International Journal of Production Economics.
31