دوره 4, شماره 1

بهار 1393

فهرست مطالب

مقالات

 

چكيده

     شبكه‌هاي هاب يكي از انواع مهم شبكه‌هاي حمل‌ونقل هستند كه در زمينه‌هاي مختلفي مانند حمل‌ونقل هوايي، پست و مخابرات كاربرد دارند. از ويژگي‌هاي مهم اين شبكه‌ها، امكان وقوع اختلال در عملكرد آن‌ها به دلايلي ازقبيل ازکار افتادن تسهيل‌هاي هاب يا عدم دسترسي به يال‌هاي ارتباطي است. در اين مطالعه، مسئله مكان‌يابي يال هاب پوششي با تخصيص چندگانه، تحت شرايط اختلال يال‌هاي هاب بررسي مي‌شود. براي اين مسئله، ابتدا يك مدل رياضي جديد مبتني‌بر روش برنامه‌ريزي شانس- محدود در برنامه‌ريزي تصادفي معرفي مي‌شود و سپس نتايج محاسباتي حل مدل پيشنهادي براي مسائل نمونه مبتني‌بر داده‌هاي حمل‌و‌نقل هوايي ايران و پست استراليا ارائه مي‌شوند. نتايج محاسباتي حاكي از اهميت درنظرگيري اختلال پيش از طراحي شبكه‌هاي هاب و تغيير پيكربندي بهينه شبكه تحت شرايط اختلال است.

Abstract

     Hub networks are among the important variations of transportation networks that have applications in air transportation, post, and telecommunication. An important feature of these networks is the possibility of disruption in the network performance due to failure of hub facilities or access links. In this study, the hub arc covering location problem is studied under disruption of hub arcs. First a new mathematical model is introduced based on the chance-constrained programming technique in stochastic programming. Then computational results of solving the proposed model for problem instance (based on Iran Aviation Data and Australian Post) are presented. The computational results confirmed the importance of disruption consideration before designing hub networks and changes in the optimal configuration of the network under disruption.

 

Keywords: Hub Arc Location; Covering; Stochastic Programming; Chance-Constrained Programming.

 

احسان نيكبخش, سيد حسامالدين ذگری
PDF

چکیده

     در این پژوهش بااستفاده از تفکر سیستم­های پویا به مدل‌سازی ریاضی سیستم زنجیره تأمین ارتباط ثابت در شرکت مخابرات ایران پرداخته‌ایم و بدین‌منظور از اطلاعات موجود و مستند شرکت مخابرات ایران از سال 1384 تا 1391 و نتایج شبیه­سازی مدل پویایی­های سیستم تا سال 1404 استفاده کرده‌ایم. برای تجزیه و تحلیل و تعیین ماهیت سیستم، از مفهوم مدل‌سازی ریاضی سیستم­های پویا استفاده کردیم. نتایج مدل‌سازی نشان می­دهد که سیستم مورد‌پژوهش کنترل­پذیر و مشاهده­پذیر است؛ یعنی ورودی­های سیستم، متغیرهای حالت سیستم را کنترل می­کنند و هریک از متغیرهای حالت بر برخی از خروجی­های سیستم تأثیر می­گذارند و باتوجه به داده­های شبیه­سازی سیستم پایدار است.

 

 

Abstract

     In construction project management, success in the controlling of projects’ final cost .Also duration is a critical issue that can help managers. The main purpose of the management of construction projects is to ensure that the projects can be performed according to the defined budget. Cost and duration overrun may lead to profits cut and sometimes even can cause project failure. To solve this problem, this study employs the earned value technique and the neural networks to form models EAC-ANN and EAC (t) -ANN for final cost and duration prediction. For input variables in neural network, two sets of variables have been employed, including the earned values variables and composite ones. Composite variables also include the earned value variables and environmental ones. Then the performance of the earned value techniques in predicting final cost and duration is considered. Moreover, the influence of each data set in neural network models on the cost and duration prediction performance is compared separately to yield a better model. The results show that the neural networks outperform earned value management technique. Furthermore, using a neural network based on the composite data can lead to better performance than the one based on the earned value data.

Keywords: Estimate at Completion; Earned Value Management; Neural Networks; Earned Value variables; Environmental Variables.

نظام الدین فقیه, حبیب اله رعنايي کرد شولی, علی محمدی, علی حسین صمدی, محمد هاشم موسوی حقیقی, محمد غفورنیان
PDF

چکیده

     در مدیریت پروژه­های ساخت‌وساز، موفقیت در کنترل هزینه و زمان پروژه­ها برای کمک به پیمانکاران امری حیاتی است. افزایش هزینه و زمان پروژه­ها از برنامه تعریف‌شده، ممکن است به کاهش سود و حتی برخی اوقات به شکست پروژه­ها منجر شود. پیش­بینی هزینه و زمان نهایی پروژ­ها، یکی از اقداماتی است که برای کنترل هزینه و زمان پروژه­ها مورد توجه قرار می­گیرد. در این تحقیق، مدل شبکه­های عصبی برای پیش­بینی هزینه و زمان نهایی پروژه­ها توسعه یافته و برای متغیر­های ورودی شبکه­های عصبی، از دو مجموعه متغیر «ارزش کسب‌شده» و «محیطی» استفاده شده است. در این تحقیق، عملکرد تکنیک ارزش کسب‌شده با شبکه‌های عصبی مقایسه شده و به‌طور جداگانه تأثیر هریک از این مجموعه داده­ها بر عملکرد مدل در پیش­بینی هزینه و زمان نهایی، مورد بررسی قرار گرفته است. نتایج تحقیق نشان می­دهند که عملکرد شبکه‌های عصبی بهتر از مدیریت ارزش کسب‌شده است و با استفاده از شبکه­های عصبی مبتنی‌بر داده­های ارزش کسب‌شده و محیطی می­توان به نتایج بهتری، در مقایسه با شبکه­های عصبی مبتنی‌بر داده­های ارزش کسب‌شده، رسید.

 

Abstract

     One of the major changes in the environment is globalization of economic, industrial and service activities. Globalization has led to expansion of trade between nations. The competitiveness of local markets has been extended to national and international markets.Therefore, only international organizations can be present in the world to set up production in the World- Class Manufacturing. Organizations must be able to quickly adopt their resources with changes of environment and respond to them in an agile manner. Agility is set of capabilities and competencies which promotes and develops the organization in the business environment. In the research, the criteria of world class have been identified-one; of most important of which is agility studying library resources (book, articles, theses, etc) .After reviewing the various components of Agility, 13 components and 56 indicators have been selected pertinent to the criteria of the World-Class organization and Iran automotive industry . These components have been provided for experts and deputy directors of Tondar automotive as questionnaire. The statistic community of the research is 158 of experts and deputy directors of Tondar automotive .114 ones were elected as sample and prioritized after gathering via statistical method using AHP approach

 

اکبر عالم تبریز, مجتبی فرخ, احسان احمدی
PDF

چکیده

     هدف از انجام این پژوهش طراحی الگوی ژنریک شراکت استراتژیک در صنعت بانک و بیمه مبتنی بر فرایند خلق و تخصیص ارزش بوده است. در اين مقاله ضمن مرور بسترهای نظری و متدولوژي­هاي نوين در عرصه مطالعه شراکت استراتژیک در حوزه بانک و بیمه، زواياي دستیابی به عملکرد سازمانی برتر نيز مورد بررسي و تجزيه و تحليل دقیق قرار گرفته و در نهايت الگوي ژنريک شراکت استراتژیک مبتنی بر فرایند خلق و تخصیص ارزش در صنایع بانک و بیمه ارائه گرديد. با در نظر گرفتن موارد فوق­الذکر اين تحقيق با بهره­گیری از رویکرد توسعه­اي-کاربردي، استراتژي­هاي همبستگي و پيمايشي را دنبال نموده و با جهت­گیری آزمون فرضیه، هم از جنبه توصیفی و هم از دیدگاه استنباطی به تحلیل یافته­های حاصل از پرسشنامه می­پردازد. نتایج تحقیق حاکی از ارتباط میان متغیرهای مداخله گر بر روی رابطه میان شراکت استراتژیک و فرایند خلق ارزش است. این در حالی است که از میان متغیرهای مداخله­گر تنها اثرات مربوط به سن و قدمت شرکاء و پرتفوی شرکاء بر روی ارتباط میان شراکت استراتژیک و فرایند خلق و تخصیص ارزش معنی­دار نبوده­ است. مطابق با ننایج حاصله و در خصوص مولفه­های موثر بر عملکرد سازمانی نیز معیارهای استراتژیک سازمانی در قیاس با معیارهای عملیاتی، ارتباط موثرتری را منعکس کرده­اند

Asbstract

     The delay in the supply of gasoil has wide Consequences of political, social and economic. Therefore, the gasoil demand forecasting is very important. The use of artificial neural networks in forecasting has many applications. Appropriate design of ANN parameters enhances performance and accuracy of the neural network model. Trial and error method is used to setting the ANN parameters in the most of studies. Trial and error method is not a reliable solution to achieve the best ANN structure. In the present study, the optimum structure of ANN to forecasting the demand of gasoil in the province of Hormozgan determined by Taguchi experimental design method. Analysis of variance (ANOVA) of the ANN parameters indicates that contribution of the number of neurons in first hidden layer to the changes in the network mean square error (MSE) is about 41% and contribution of the learning algorithm is about 27%.

Also, the results of this study show that artificial neural networks are designed using Taguchi experimental design method have better performance than other Networks.

 

مهدی حقیقی کفاش, حمید تاجیک
PDF

چکیده

      یکی از مهم‌ترین تغییرات فعالیت‌های اقتصادی، صنعتی و خدماتی رقابتی شدن انها میباشد. جهانی‌ شدن باعث گستردگی تجارت میان ملت‌های مختلف شده است به این ترتیب رقابت از بازارهای محلی و ملی به بازارهای بین‌المللی كشیده شده است و در آینده ای نزدیک تنها بنگاه‌های اقتصادی ‌ می‌توانند در فضای بین‌المللی حضور داشته باشند كه در كلاس جهانی قرار گیرند. بنگاه‌های اقتصادی باید بتوانند هرچه سریع‌تر منابع سازمان را برای هم‌سویی با تغییرات محیط آماده كنند تا با‌ چابکی به تغییرات پاسخ دهند. حرکت درجهت مدیریت و تولید در کلاس جهانی که از آن به‌عنوان انقلاب مدیریتی و صنعتی قرن بیست‌ویکم یاد می‌کنند، مستلزم اجرای مدیریت ناب و مدیریت چابک است که پیش ‌نیازهای مدیریت کلاس جهانی هستند. چابکی مجموعه‌ای از توانمندی‌ها و شایستگی‌هاست كه باعث بقا و پیشرفت سازمان در محیط كسب و كار می‌شود و وجوه تمایز مديريت و توليد (انبوه ، ناب ، چابک و کلاس جهانی) نيز با توجه به اهميت آنها از ابعاد مختلف در این مقاله بررسي شده است و با مطالعه منابع كتابخانه‌ای معیارهای بنگاههای اقتصادی كلاس جهانی شناسایی شده كه یکی از مهمترین آنها چابکی است.  مؤلفه‌ها با تهیه پرسش‌نامه دراختیار خبرگان و کارشناسان و مدیران تولید خودرو تندر قرار گرفت.

Abstract

     In recent years, supplier selection problem has become one of the most important issues for establishing an effective supply chain system. Many quantitative and qualitative factors such as quality, price, and flexibility and delivery performance must be considered to determine suitable supplier. Then, supplier selection is a multi-attribute decision making (MADM) problem.  Several models and techniques have been developed to deal with this problem. In this study, FRS application is described in supplieir evaluation and selection problem. The Shannon entropy method has been used to calculate the each of indicators weights. The advantage of this method is that the positive or negative indicators, does not affect the calculation method.This is a descriptive-survey study which is done in large automotive components in Semnan. The results indicate that Parmida, Samfar, Gharb Steel and Shishe Imeni Kabir companies are at the first to fourth, respectively in the ranking based on competitive capabilities.

 

حسن فارسیجانی, صدیقه قیومی قهرودی
PDF

چکیده

     تأخیر در تأمین نفت‌گاز، پیامدهای سیاسی، اجتماعی و اقتصادی وسیعی را به‌دنبال دارد؛ بنابراین پیش‌بینی دقیق تقاضای نفت‌گاز بسیار مهم است. استفاده از شبکه‌های عصبی مصنوعی در پیش‌بینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می‌شود دقت و عملکرد شبکه‌های عصبی مصنوعی افزایش یابد. در بیشتر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه‌های عصبی مصنوعی استفاده می‌شود که برای رسیدن به مناسب‌ترین ساختار شبکه‌های عصبی مصنوعی راه‌حل مطمئنی نیست. در مطالعه حاضر، با استفاده از روش طراحی آزمایشات تاگوچی، مناسب‌ترین ساختار شبکه‌های عصبی مصنوعی به منظور پیش‌بینی تقاضای نفت‌گاز در استان هرمزگان مشخص می‌شود. تجزیه و تحلیل واریانس پارامترهای شبکه‌های عصبی مصنوعی نشان می‌دهد که سهم مشارکت تعداد نرون در لایه پنهان اول در تغییر میانگین مربع خطای شبکه حدود 41% و سهم مشارکت الگوریتم یادگیری نیز حدود 27% است. همچنین نتایج نشان می‌دهد که شبکه‌های عصبی مصنوعی که با استفاده از روش طراحی آزمایشات تاگوچی طراحی شده‌اند، نسبت به سایر شبکه‌ها عملکرد بهتری دارند.

Asbstract

     The delay in the supply of gasoil has wide Consequences of political, social and economic. Therefore, the gasoil demand forecasting is very important. The use of artificial neural networks in forecasting has many applications. Appropriate design of ANN parameters enhances performance and accuracy of the neural network model. Trial and error method is used to setting the ANN parameters in the most of studies. Trial and error method is not a reliable solution to achieve the best ANN structure. In the present study, the optimum structure of ANN to forecasting the demand of gasoil in the province of Hormozgan determined by Taguchi experimental design method. Analysis of variance (ANOVA) of the ANN parameters indicates that contribution of the number of neurons in first hidden layer to the changes in the network mean square error (MSE) is about 41% and contribution of the learning algorithm is about 27%.

Also, the results of this study show that artificial neural networks are designed using Taguchi experimental design method have better performance than other Networks.

 

Keywords: Forecasting; Gasoil; Artificial Neural Networks; Taguchi Experimental Design Method

 

علی مروتی شریف آبادی, رسول خوانچه مهر
PDF

چکیده

     طی سال‌های اخیر، مسئله انتخاب تأمین‌کننده به یکی از مهم‌ترین ملاحظات در برقراری یک سیستم زنجیره تأمین اثربخش تبدیل شده است. بسیاری از عوامل کیفی و کمی، مانند کیفیت، قیمت، انعطاف‌پذیری و عملکرد تحویل، باید در تعیین تأمین‌کننده مناسب مورد توجه قرار گیرند؛ بنابراین انتخاب تأمین‌کننده یک مسئله تصمیم‌گیری چندشاخصه است. مدل‌ها و روش‌های متعددی برای مقابله با این مسئله توسعه یافته است. در این مطالعه، کاربرد تکنیک FRS در مسئله ارزیابی و انتخاب تأمین‌کننده تشریح شده است. برای محاسبه اوزان هریک از شاخص‌ها از روش آنتروپی شانون استفاده شده است. حسن این روش در این است که جنبه مثبت یا منفی شاخص‌ها، تأثیری در روش محاسبه ندارد. این مطالعه از نوع توصیفی است و در شرکت‌های بزرگ قطعه‌ساز خودرو در شهر سمنان انجام شده است. نتایج نشان می‌دهند که شرکت‌های پارمیدا، سام فر، غرب استیل و شیشه ایمنی کبیر، به‌ترتیب رتبه‌های اول تا چهارم را براساس قابلیت‌های رقابتی کسب کرده‌اند

Abstract

     In recent years, supplier selection problem has become one of the most important issues for establishing an effective supply chain system. Many quantitative and qualitative factors such as quality, price, and flexibility and delivery performance must be considered to determine suitable supplier. Then, supplier selection is a multi-attribute decision making (MADM) problem.  Several models and techniques have been developed to deal with this problem. In this study, FRS application is described in supplieir evaluation and selection problem. The Shannon entropy method has been used to calculate the each of indicators weights. The advantage of this method is that the positive or negative indicators, does not affect the calculation method.This is a descriptive-survey study which is done in large automotive components in Semnan. The results indicate that Parmida, Samfar, Gharb Steel and Shishe Imeni Kabir companies are at the first to fourth, respectively in the ranking based on competitive capabilities.

 

Keywords: Supply Chain; Supplier Evaluation; Multi-Attribute Decision Making.

 

محسن شفیعی نیک‌آبادی, مریم همتی, ایمان خلقی
PDF