انجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823An Operating Anatomy for Agent-Based Modeling Stand on the Categorization of Research Done In the Humanities: The Diffusion of Innovation in Iranیک راهنمای عملیاتی برای مدلسازی مبتنی بر عامل، بر پایه دستهبندی پژوهشهای صورت پذیرفته در علوم انسانی: انتشار نوآوری در ایران12532495FAاحسان ابوالفتحیدانشجوی دکتری، گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، ایران0000-0003-3213-8605عباس طلوعیاستاد، گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، ایرانمحمد رضا حمیدی زادهاستاد، گروه مدیریت بازرگانی، دانشکدهی مدیریت و اقتصاد، دانشگاه شهید بهشتی، تهران، ایرانJournal Article20171122In this paper a conceptual model is presented for categorizing agent based modeling research in terms of credibility in the field of human sciences. In addition an operating anatomy, based on the proposed categorization, has been created to implement agent based models. In this way, in order to actually implement the operational anatomy presented in this study. We focus on agent based modeling in the field of marketing related to the diffusion of innovation (television diffusion in Iran) and , implementing this anatomical step by step , for the diffusion of innovation for development of the model, communication networks (Preferential) have been considered . In the last step, considering the different scenarios for Preferential, we have examined the effect of increasing the number of communications and adding communication networks in the potential market to accept innovation (product and service).در این مقاله، ابتدا مدلی مفهومی برای دستهبندی پژوهشهای مدلسازی مبتنی بر عامل در حوزهی علوم انسانی ارائه شده است. سپس بر مبنای دستهبندی ارائهشده یک راهنمای عملیاتی جهت پیادهسازی مدلهای مبتنی بر عامل ایجاد شده است. در این رهگذر، با هدف پیادهسازی راهنمای عملیاتیِ ارائهشده، به مدلسازی مبتنی بر عامل در حوزه بازاریابیِ مربوط به انتشار نوآوری (انتشار تلویزیون در ایران) پرداخته شده است و ضمن اجرای گامبهگام این راهنمای عملیاتی برای انتشار نوآوری، توسعهی مدل با اعمال نمودن شبکه ارتباطاتی ترجیحی مدنظر قرار گرفته است. در گام آخر نیز با در نظر گرفتن سناریوهای مختلف برای شبکهی ارتباطاتی ترجیحی، اثر افزایش تعداد ارتباطات و افزودن شبکههای ارتباطاتی در بازار بالقوه برای پذیرش نوآوری (محصول و خدمت جدید) بررسی شده است.https://journal.saim.ir/article_32495_794932d77b51103f60dcca984937ba99.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Dynamic Pricing and warranty Length optimization in product’s life cycle (A Case study in SANAM Electronic Company)قیمتگذاری پویا و بهینهسازی طول دوره گارانتی در طول چرخه عمر محصول (مطالعه موردی: شرکت صنام الکترونیک)275332496FAمحسن افصحیدانشجوی دکتری مهندسی صنایع دانشگاه تربیت مدرسعلی حسین زاده کاشاندانشکده مهندسی صنایع و سیستمها دانشگاه تربیت مدرسبختیار استادیدانشکده مهندسی صنایع و سیستمها دانشگاه تربیت مدرسسید حسام ذگردیدانشکده مهندسی صنایع و سیستمها دانشگاه تربیت مدرسJournal Article20170503Warranty is an important element of new products’ marketing. It is obvious that longer warranty length has direct effect on product’s demand, but it can increase manufacturer's costs. The problem of this paper is maximizing the profit of the manufacturer, which consists of a set of revenue and cost elements. Although, most of researches in warranty area just examine the decisions for under-warranty products, in this research we proposed a model considering the role of both under- and out-of-warranty products on manufacturer’s profit. For this, we propose a model for calculating the number of under-warranty and out-of-warranty failures in each spare part production period. The demand itself is dependent upon the time, sales price, and length of warranty. Sales price and warranty length are, respectively, inversely and directly proportional to the market demand. Therefore, the simultaneous decision about sales price and length of warranty is of considerable significance in order to maximize the profit. We solve the problem with the Particle Swarm Optimization and Optics Inspired Optimization algorithms. Through a systematic analysis and comparison, some interesting and valuable managerial insights are derived which are applicable for companies such as SANAM Electronic Company for which we test our proposed model.گارانتی یکی از مؤلفههای مهم در بازاریابی به شمار میآید. بدیهی است که پیشنهاد گارانتی با مدتزمان طولانیتر از طرف تولیدکننده تأثیر مستقیم برافزایش فروش خواهد گذاشت ولی از طرف دیگر، هزینههای شرکت با افزایش طول دوره گارانتی افزایش مییابد. مسئله این تحقیق بیشینهسازی سود تولیدکننده است که از اجزای درآمدی و هزینهای تشکیل میشود. برخلاف اغلب مقالات در حوزه گارانتی که فقط تصمیمات مربوط به محصولات تحت گارانتی را بررسی میکنند، در این تحقیق نقشی که محصولات از گارانتی خارجشده بر تصمیمات تولیدکننده میتواند داشته باشد نیز در نظر گرفته شده است. بدین منظور، مدل ارائهشده قابلیت محاسبه تعداد خرابیهای محصولات تحت گارانتی و از گارانتی خارجشده (بر اساس نرخ خرابی محصولات) در بازههای زمانی برنامهریزی تولید قطعات یدکی را دارد. همچنین تقاضای محصول مطابق با چرخه عمر آن، تابعی از زمان، قیمت و طول دوره گارانتی است. قیمت فروش و طول دوره گارانتی به ترتیب اثر مستقیم و عکس بر تقاضای محصول دارند. بدین ترتیب، تصمیمگیری توأمان در رابطه باقیمت محصول در بازههای زمانی مختلف و طول دوره گارانتی از اهمیت بالایی برخوردار است. برای حل مسئله از الگوریتم بهینهسازی ازدحام ذرات و بهینهسازی مُلهَم از اپتیک استفاده شده است. بهمنظور بررسی نحوه تأثیر متغیرها بر سودآوری تولیدکننده، مدل پیشنهادی با استفاده از دادههای شرکت صنام الکترونیک حل شده و مورد تحلیل قرارگرفته است.https://journal.saim.ir/article_32496_681aeb422751a7bc900e1ca019c468cc.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Competitive Production Routing Problem: Modeling, Solving and Valid Inequalitiesمسئله مسیریابی تولید رقابتی: مدلسازی، حل و ارائه نامعادلات معتبر557932497FAجواد بهنامیانعضو هیات علمی دانشگاه بوعلی سینافرزانه ادبیدانشجوی دکتری، دانشگاه بوعلی سینا، دانشکده مهندسی، گروه صنایعJournal Article20161004Transportation is an important factor in the economic, production and service systems and it has allocated a significant portion of the gross domestic product (GDP) of any country. Production routing problem is development of the traveling salesman and vehicle routing problems in which scheduling and production planning are considered too. Generally, in the above problems it is assumed that there is a monopoly and the impact of competitors has not been considered. In this paper, for creating competitive condition, it is assumed that the earliest and latest time of competitor arrival is known. After modeling problem as mixed intger programming, valid inequalities are proposed, and their effects on the model have been investigated by the CPLEX software. These inequalities are provided for production routing problem with homogeneous and heterogeneous vehicles, separately. To evaluate the performance of the proposed valid inequalities, the results of them have been compared.حملونقل در سیستمهای اقتصادی، تولیدی و خدماتی از جایگاه مهمی برخوردار است و بخش قابلتوجهی از تولید ناخالص ملی هر کشوری را به خود اختصاص میدهد. مسئله مسیریابی تولید، توسعهای بر مباحث فروشنده دورهگرد و مسیریابی خودرو است که در آن برنامهریزی زمان و میزان تولید نیز موردتوجه است. عموماً در مسائل فوق، فرض بر این است کهنوعی انحصار در محیط وجود دارد و توجهی به تأثیر رقبا در این مسائل در نظر گرفته نشده است<em>.</em> در این مقاله، مسئله مسیریابی تولید رقابتی با فرض دانستن زودترین و دیرترین زمان تأمین تقاضا توسط رقیب مدلسازی میشود. نامعادلات معتبری برای این مسئله ارائه شده و میزان تأثیر آنها در زمان حل دقیق بهوسیله نرمافزار سیپلکس بررسی شده است. نامعادلات فوق برای مسئله با وسایل نقلیه همگن و ناهمگن به تفکیک ارائه شده است. درنهایت نیز نتایج بهدستآمده از آنها مقایسه شده است.https://journal.saim.ir/article_32497_bdccb812200851ffc947e718b239826e.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Optimization of Organizational Projects Portfolio - Approach Clustering and multi-criteria decision makingبهینهسازی سبد پروژههای سازمان؛ رویکرد خوشهبندی و تصمیمگیری چندمعیاره فازی8110632498FAملیحه بینشیاندانشگاهسعید صفریدانشگاهرضا عباسیدانشگاهمنصور مومنیدانشگاه0000-0002-9157-5584Journal Article20161002Correct selection of projects is one of the most important issues of project-oriented organizations for strategic management and resource constraints make organizations unable to invest on all projects. Therefore, it is very important to select the portfolio of projects to be implemented by the organization or the portfolio of projects that can meet the organization's goals and strategies in terms of organizational constraints. To accomplish this, and in order to make a more precise decision, the present study has used three stages of screening to form the project portfolio. In the first stage, projects has been prioritized based on criteria for project selection and using fuzzy multi-criteria decision-making techniques. Since the highest costs of each organization are due to project risk and late completion and may also be a priority project, but it is for the organization to have a high degree of risk and costs, so in the second stage, the screening Projects was conducted based on project risk based on the PMBOK standard using fuzzy clustering. Based on clustering results, the projects were identified in three clusters. The first cluster is projects that have a reasonable risk; second cluster have a high degree of risk, which requires special attention to senior management when needed, and the third cluster is critical risk projects that, if necessary, requires specific planning. In the next step, the experts assigned projects to companies according to the scope of each company's activities. In the final stage of the screening, using zero and one goal programming and taking into account 3ideal constraints of "profit", "budget" and "risk" projects were selected in each of the subsidiary companies.انتخاب صحیح پروژهها یکی از مهمترین اقدامات سازمانهای پروژهمحور در راستای مدیریت راهبردی است و محدودیت منابع موجب میشود سازمانها نتوانند روی تمامی پروژهها سرمایهگذاری نمایند. ازاینرو، انتخاب مجموعه پروژههای موردنظر سازمان یا پورتفولیوی پروژهها بهنحویکه بتواند اهداف و استراتژیهای سازمان را با درنظرگرفتن محدودیتهای سازمانی برآورده سازد، بسیار حائز اهمیت است. برای تحقق این مهم و بهمنظور تصمیمگیری دقیقتر، پژوهش حاضر از سه مرحله غربال جهت تشکیل سبد پروژه سازمان استفاده نموده است. در مرحله اول، غربال پروژهها براساس معیارهای انتخاب پروژه و با استفاده از روشهای تصمیمگیری چندمعیاره فازی اولویتبندی شدهاند. ازآنجاییکه بیشترین هزینههای هر سازمان ناشی از ریسک پروژه و اتمام دیرهنگام است و همچنین ممکن است پروژهای از اولویت خوبی برخوردار باشد ولی انجام آن برای سازمان دارای درجه بالایی از ریسک بوده و هزینههای زیادی را به همراه داشته باشد، لذا در مرحله دوم غربال، پروژهها براساس ریسک پروژه برمبنای استاندارد PMBOK خوشهبندی فازی شدند. براساس نتایج خوشهبندی، پروژهها در سه خوشه قرار گرفتند. خوشه اول پروژههایی هستند که از ریسک معقولی برخوردار هستند. پروژههای خوشه دوم نیز دارای درجه بالایی از ریسک بوده که در صورت لزوم انجام آنها، نیازمند توجه خاص مدیریت ارشد هستند. در خوشه سوم، پروژههای هستند که ریسک بحرانی داشته و در صورت لزوم انجام آنها، به طرحریزی مشخص و برنامهریزی خاص نیاز دارند. در مرحله بعد، خبرگان براساس حوزه فعالیت هر شرکت، پروژهها را به شرکتها تخصیص دادند. در مرحله آخر غربال، پروژهها با استفاده از برنامهریزی آرمانی صفر و یک و با در نظر گرفتن سه محدودیت آرمانی «سود»، «بودجه» و «ریسک» در هر یک از شرکتهای زیرمجموعه انتخاب شدند.https://journal.saim.ir/article_32498_5e9c82c1a01d773036296d5b8c7af6d1.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Workshops Clustering Using a Combination Approach of Data Mining and MCDMخوشهبندی کارگاههای صنعتی با استفاده از رویکرد ترکیبی دادهکاوی و تصمیمگیری چندمعیاره10712832499FAآمنه خدیوردانشیار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا (س)، تهران، ایرانفاطمه مجیبیاناستادیار، گروه مدیریت، دانشکده مهندسی صنایع و مدیریت، دانشگاه غیاثالدین جمشید کاشانی، قزوین، ایران0000-0003-4942-2012Journal Article20170619In recent decade, humans' ability have rapidly increased in the way of producing and storage of data. By increasing the volume of data stored, the needs for a method by which information and knowledge resources within the data could be analyzed is sensed. Multi-criteria decision making methods and data mining techniques in recent decades helped managers in their decision making process. In this study, a method has been proposed for workshops clustering by combining data mining and MCDM approaches. In the proposed method, first data mining is conducted based on the AHP, K-means and Kohonen neural network approaches, then the performance of designed model is measured by validation indices like SSE and variance between cluster methods in order to determine optimal number of clusters. The food industry has been analyzed as a case study and based on the obtained results, four clusters as the optimal number of clusters have been introduced. The obtained clusters are named based on the variables of population distribution, income, value-added industry and industrial activities in the clusters. Finally, the suggestion is proposed in two sections of practical and research for decision and policy makers in industry and the other researchers in this field.در دهه اخیر، توانایی بشر برای تولید و ذخیره دادهها بهسرعت افزایش یافته است. با افزایش حجم دادههای ذخیرهشده، نیاز به روشی که بتوان با استفاده از آن به تحلیل اطلاعات و دانش موجود در دادهها پرداخت بیشتر از پیش احساس میشود. فنون دادهکاوی و روشهای تصمیمگیری چند شاخصه در دهههای اخیر هرکدام به شکلی کمکرسان مدیران در عرصه تصمیمگیری بودهاند. در پژوهش حاضر، با تلفیق فرآیند دادهکاوی و روشهای تصمیمگیری چندشاخصه، روشی برای خوشهبندی کارگاههای صنعتی ارائه شده است. در روش پیشنهادی، ابتدا فرآیند دادهکاوی بر اساس روشهای تجزیهوتحلیل سلسله مراتبی، K-means و شبکه عصبی کوهونن صورت گرفته و سپس عملکرد مدل طراحیشده جهت تعیین تعداد خوشه بهینه با شاخصهای اعتبارسنجی مجموع خطای مربعی و واریانس بین خوشهای سنجیده شده است. بخش صنایع غذایی بهعنوان مورد مطالعاتی پژوهش موردبررسی قرار گرفته و بر اساس یافتههای بهدستآمده، چهار خوشه بهعنوان تعداد خوشه بهینه کارگاههای صنعتی این بخش معرفی شده است. خوشههای بهدستآمده بر اساس متغیرهای توزیع جمعیت، سطح درآمد و ارزشافزوده فعالیتهای صنعتی در خوشهها نامگذاری شدهاند و در پایان، پیشنهادهایی در دو بخش کاربردی و پژوهشی برای تصمیمگیرندگان و سیاستگذاران این صنعت و سایر محققان این حوزه ارائه شده است.https://journal.saim.ir/article_32499_ab23addafbdc1c404e9db6bfc7cce35b.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823The Design of the strategic model of green supply chain with an integrated approach Balanced Scorecard and LFPP (Case Study: Esfahan Mobarakeh Steel Company)طراحی مدل راهبردی زنجیره تأمین سبز با رویکرد تلفیقی کارت امتیازی متوازن و LFPP ( مورد مطالعه: مجتمع فولاد مبارکه اصفهان)12915332500FAفاطمه رجایی ریزیدانشجوی کارشناسی ارشد، دانشکده «اقتصاد، مدیریت و حسابداری»، دانشگاه یزد، یزد، ایرانسید حیدر میرفخرالدینیدانشیار، گروه مدیریت صنعتی، دانشکده «اقتصاد، مدیریت و حسابداری»، دانشگاه یزد، یزد، ایران0000-0003-0230-3761داود عندلیب اردکانیاستادیار، گروه مدیریت صنعتی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایرانسید علی میرنژادمربی، گروه مدیریت صنعتی، دانشکده «اقتصاد، مدیریت و حسابداری»، دانشگاه یزد، یزد، ایرانJournal Article20161231Today, in the worlds intensive and competitive environment with the existence of different industries which result increases of environmental pollution and its destructive consequence many different organization are concerned with environmental issues in supply chain and selecting the appropriate strategic indicators in green supply chain management which is one of the most important approaches for improvement in the competitive world. Since Esfahan Mobarakeh Steel Company is one of the major polluting industries in the country, in this study the aim is to identify and prioritize strategic green supply chain indicators for the Esfahan Mobarakeh Steel Company. For this reason, after extracting the strategic green supply chain indicators and by putting these indicators in the form of balanced scorecards, using Delphi technique, the final model of development strategic supply chain management was obtained and finally, using the logarithmic fuzzy preference programming was prioritized. According to result, among balanced scorecard perspective, internal processes alocated the highest priority. Among the indicators of internal processes Competitor Pressures, Growth & learning perspective Regulatory Pressures, Customer Market Pressures, Financial perspective Economic Benefii are considered to allocate the highest priorities, respectivelyامروزه، محیط پیچیده و رقابتی شدید جهان و وجود صنایع گوناگون و به دنبال آن افزایش روزافزون آلودگی زیستمحیطی و پیامدهای مخرب آن، سبب توجه سازمان به مسائل زیستمحیطی در زنجیره تأمین شده است. انتخاب شاخصهای راهبردی مناسب زنجیره تأمین سبز یکی از رویکردهای قابلتوجه برای پیشرفت در دنیای رقابتی امروز است. ازاینرو، هدف پژوهش حاضر به علت اینکه مجتمع فولاد مبارکه اصفهان یکی از صنایع بزرگ و آلاینده کشور است، شناسایی و اولویتبندی شاخصهای راهبردی زنجیره تأمین سبز در این مجتمع است. بدین منظور پس از استخراج شاخصهای راهبردی زنجیره تأمین سبز و قرار دادن این شاخصها با استفاده از روش دلفی در قالب کارت امتیازی متوازن، مدل راهبردی زنجیره تأمین سبز به دست آورده شد و در پایان با استفاده از روش برنامهریزی ترجیحات فازی لگاریتمی، اولویتبندی شد که نتایج آن نشان داد که در بین مناظر کارت امتیازی متوازن، منظر «فرآیندهای داخلی» بالاترین اولویت را به خود اختصاص داد و به ترتیب در بین شاخصهای منظر فرآیندهای داخلی، «فشار رقیبان»، در بین شاخصهای منظر رشد و یادگیری، «فشار مقرراتی»، در بین شاخصهای منظر مشتری، «فشار بازار» و در بین شاخصهای منظر مالی، «سود اقتصادی» بالاترین اولویت را به خود اختصاص دادند.https://journal.saim.ir/article_32500_2e2993da747ba68ab0e687cabe8aebf1.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Design and Implementation of a Tag-oriented Recommender System Based on Deep Neural Networksطراحی و ایجاد سامانه توصیهگر برچسبمحور بر مبنای شبکههای عصبی عمیق15517432501FAسعید روحانیاستادیار، گروه فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران، ایرانرامین زندوکیلیدانشجوی کارشناسی ارشد، گروه MBA، دانشکده مدیریت، دانشگاه تهران، تهران، ایرانمنوچهر انصاریدانشیار، گروه MBA، دانشکده مدیریت، دانشگاه تهران، تهران، ایرانJournal Article20171005The main purposes of this research are to design and develop a tag-oriented deep artificial neural network as recommender system for online shops in order to increase online sale. The chosen research method is design science and experimental in which in the evaluation measurement step design of experiment has been used. In order to improve the performance of the recommender system user tags have been used and deep neural networks algorithm has been used to recommend movies to users. An experiment has been designed and implemented in which the designed and developed recommender system has been compared to collaborative filtering method, which is one of the established methods of recommendation, in the evaluation metrics of precision, recall and f1 for the recommendation of movies. The result proves that the developed recommender system with utilizing the tag-oriented deep artificial neural network outperforms the collaborative filtering in all of these metrics. هدف اصلی این تحقیق، طراحی و پیادهسازی سامانه توصیهگر فروشگاههای آنلاین برچسبمحور برای یک فروشگاه فیلمهای سینمایی، جهت بالا بردن فروش اینترنتی است. روش تحقیق انتخابشده، روش تحقیق علم طراحی و آزمایشی است که در آن، در مرحله ارزیابیِ روش تحقیق علم طراحی، از طراحی آزمایش استفاده شده است. برای بهبود عملکرد سامانه توصیهگر، از برچسبهای گذاشتهشده توسط کاربران و الگوریتم شبکههای عصبی عمیق برای توصیه فیلمهای سینمایی به آنها استفاده شده است. آزمایشی طراحی و انجام شده است که در آن، سامانه توصیهگر برچسبمحور (که برای توصیه فیلمهای سینمایی طراحی و ایجاد شده است) با سامانه توصیهگر پالایش گروهی (که از سامانههای توصیهگر جاافتاده و معیار است) در معیارهای ارزیابی دقت، بهیادآوری و f1 مقایسه میشود. براساس نتایج، سامانه توصیهگر برچسبمحور بر مبنای شبکههای عصبی عمیق در تمام این معیارهای ارزیابی از سامانه پالایش گروهی بهتر عمل میکند.https://journal.saim.ir/article_32501_0f111976c2a5dc590dc2f30e55d73df0.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Presentation and Implementation of Prediction Model Based On Business Intelligence for Recognition Oriented Decision Making (Case Study of Crowdfunding Firms)ارائه و پیادهسازی مدل پیشگویی مبتنی بر هوش کسبوکار جهت تصمیمگیری تشخیصگرا: مطالعه موردی بنگاههای سرمایهگذاری جمعی17519532502FAمحمدرضا شیخ عطاردانشجوی دکتری، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایرانحمزه خواستاراستادیار، گروه مدیریت کسبوکار، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایرانرضا یوسفی زنوزاستادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایرانJournal Article20170208Crowdfunding Platforms are transformed to Websites by which people will be able either to back financially new Ideas or to try to seek investment (Fundraising) for their products and services. Whereas in recent years this kind of investment is highly advertised in press circles and many success stories are reported in this kind of investments, many people have referred to these newly developed platforms (websites) and many projects have been launched on these various sites. In spite of dramatic growth of the turnout of the people in the role of investors or in the role of investment attractors, the percentage of successful projects in absorbing complete investment has experienced decreasing growth. The works, which have been conducted with regards to prediction of successful projects, are merely concentrated on optimization of prediction models to improve the prediction procedures, but in these studies the prediction scenarios are not dealt with. But we should consider this fact that without identification and definition of prediction scenarios, we couldn’t reach to the main goal of this undertaking which is to present effective suggestions for success improvement of the launching of crowd funding projects. In this paper, the main objective is to suggest some proposals based on the available information regarding the status of the projects through success prediction of launched projects by means of Business Intelligence: (BI). To realize this, in this paper by using business intelligence features, initially, we have presented a comprehensive model for prediction issues in target business based on Key Performance Indicator: (KPI). Then, according to extracted requests from the model, we gathered a large amount of data from the Kick Start website which consist of the project records, user records, temporal data and projects users profile in famous social media. In the next step, by consideration of extracted model, based on business intelligence, we implemented the corresponding model by means of data analysis for prediction and evaluation of the financial pledges of the implemented projects. Our practical results show that prediction models can predict effectively the success of the projects and also they can suggest, by means of identification of projects success factors, proposals in order to improve the success probability of the projects.بسترهای سرمایهگذاری جمعی به سایتهایی تبدیل شدهاند که مردم میتوانند هم از ایدههای نو حمایت مالی انجام دهند و هم برای محصولات یا خدمات خود به دنبال جذب سرمایه باشند. در سالهای اخیر، تجربیات موفق بسیاری در خصوص این نوع جذب سرمایهگذاری گزارش شده و افراد بسیاری جهت جلب سرمایهگذاری به اینگونه سایتها مراجعه کردهاند؛ اما علیرغم رشد چشمگیر استقبال افراد در نقش سرمایهگذار یا در نقش جذبکننده سرمایه، میزان درصد پروژههای موفق به جلب کامل سرمایه، رشد کاهنده داشته است. این چالش به دلیل عدم آگاهی و تجربه کافی از نحوه راهاندازی پروژهها در سایتهای سرمایهگذاری جمعی توسط افراد ایجاد شده است. به این منظور، در پژوهش کنونی با استفاده از ویژگیهای هوش تجاری، ابتدا یک مدل جامع برای مسئله پیشگویی در کسبوکار هدف بر اساس شاخصهای کلیدی عملکرد ارائه شده است. سپس مطابق نیاز استخراجشده از مدل، مجموعه بزرگی از دادهها از سایت کیک استارتر شامل سوابق پروژه، سوابق کاربر، داده زمانی و اطلاعات کاربران پروژهها در رسانههای اجتماعی گردآوری شده و در مرحله بعد با توجه به مدل استخراجشده با ابزار دادهکاوی، پیادهسازی مدل برای پیشگویی و ارزیابی تعهد مالی پروژههای راهاندازی شده انجام گرفته است. نتایج پژوهش نشان میدهد که مدلهای پیشبینی میتوانند بهطور مؤثر موفقیت پروژهها را پیشبینی کرده و با استفاده از شناسایی عوامل موفقیت پروژهها، پیشنهادهایی را در راستای بالا بردن احتمال موفقیت پروژهها ارائه کنند.https://journal.saim.ir/article_32502_300d38ea7b33043d1871d3a329652834.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Measurement of the worst practice of decision-making units: Incorporating both undesirable outputs and non-discretionary inputs into imprecise DEAاندازهگیری بدترین عملکرد واحدهای تصمیمگیری: تلفیق خروجیهای نامطلوب و ورودیهای غیرقابل کنترل در DEA نادقیق19722232503FAحسین عزیزیاستادیار، گروه ریاضی، واحد پارسآباد مغان، دانشگاه آزاد اسلامی، پارسآباد مغان، ایران0000-0002-7359-8790علیرضا امیرتیموریاستاد، گروه ریاضی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایرانسهراب کردرستمیاستاد، گروه ریاضی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایرانJournal Article20161016There are two difficulties in implementing an objective evaluation of the performance of decision-making units (DMUs). The first one is how to treat undesirable outputs jointly produced with the desirable outputs, and the second one is how to treat uncontrollable variables, which often capture the impact of the operating environment. Given difficulties in both model construction and data availability, very few published papers simultaneously consider the above two problems. The objective of the present paper is to propose a novel pair of data envelopment analysis (DEA) models for measurement of relative efficiencies of DMUs in the presence of non-discretionary factors, undesirable factors, and imprecise data. Compared to traditional DEA, the proposed DEA approach measures the efficiency of each DMU relative to the worst practice frontier, also called the input frontier, and is called the worst relative efficiency or pessimistic efficiency. The pair of proposed DEA models simultaneously takes into account the crisp data, ordinal preference information, and interval data, as well as undesirable factors and non-discretionary factors, for measurement of relative efficiencies of DMUs. The results of this study are not only useful for the performance evaluation method, but also have policy implications for industrial and academic researchers. A numeric example has been provided to illustrate the applicability of the DEA models.در ارزیابی عینی عملکرد واحدهای تصمیمگیری (DMUs)، دو مشکل وجود دارد. مشکل اول نحوه کار با خروجیهای نامطلوب است که در کنار خروجیهای مطلوب تشکیل میشوند و مشکل دوم نحوه کار با متغیرهای غیرقابلکنترل است که غالباً تأثیر محیط عملیاتی را حفظ میکنند. با توجه به مشکلات ساخت مدل و دسترسپذیری دادهها، تعداد کمی از مقالات منتشر شده هر دو مشکل فوق را بهطور همزمان در نظر گرفتهاند. هدف از مقاله حاضر، پیشنهاد زوج جدیدی از مدلهای تحلیل پوششی دادهها (DEA) برای اندازهگیری کاراییهای نسبی دیامیوها در حضور عوامل غیرقابلکنترل، عوامل نامطلوب و دادههای نادقیق است. در مقایسه با DEA سنتی، رویکرد DEA پیشنهادی، کارایی هر دیامیو را نسبت به مرز بدترین عملکرد، که به آن مرز ورودی نیز میگویند، اندازهگیری میکند (بدترین کارایی نسبی یا کارایی بدبینانه). مدلهای DEA پیشنهادی، دادههای قطعی، اطلاعات ترجیح ترتیبی، بازهای، عوامل نامطلوب و عوامل غیرقابلکنترل را بهطور همزمان برای اندازهگیری کاراییهای نسبی دیامیوها در نظر میگیرند. یافتههای این مقاله نهفقط برای روش ارزیابی عملکرد مفید است، بلکه برای محققان صنعتی و دانشگاهی نیز مفید بوده و نتایجی از منظر سیاستگذاری را نیز دربردارد. در این مقاله، یک مثال عددی نیز برای نشان دادن کاربرد مدلهای DEA پیشنهادی ارائه خواهد شد.https://journal.saim.ir/article_32503_5767cb4c3eb8a7504a3370c8fa333c80.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Portfolio Optimization in Tehran Stock Exchange by Using Data Envelopment Analysis and Symbiotic Organisms Searchبهینهسازی سبد سهام در بازار بورس تهران با استفاده از تحلیل پوششی دادهها و الگوریتم جستجوی ارگانیسمهای همزیست22324832504FAسیدعرفان محمدیدانشجوی دکتری، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایرانعمران محمدیاستادیار، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایرانفرناز برزین پوردانشیار، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایرانJournal Article20170227Today, the portfolio optimization and its management is one of the most important areas in financial decision-making. Therefore, picking a portfolio of stocks that could bring the highest rate of return and the lowest risk investment for its holder simultaneously has become one of the main concerns of the economic actors. But in choosing the optimum portfolio just these factors are not decisive and according to the economic environment, many factors can affect this process which should be identified and considered. Therefore, in order to cover these matter multi-criteria decision-making approaches should be used. On the other hand, when the real-world conditions and restrictions, including restrictions on investment in any of the stocks and cardinality constraint are considered in portfolio optimization, the problem is not easily solvable by means of usual mathematical methods. Specially when there are a large number of assets in the portfolio evaluation process. Regarding this fact, the main purpose of this paper is to solve portfolio optimization problem by using the Data Envelopment Analysis (DEA) and Symbiotic Organisms Search (SOS). Finally, the model used in this study has been solved with real data and the results have been analyzed. The results of this paper demonstrate that the proposed approach has been successful in portfolio optimization and has been able to properly interact with the actual limitations and effective variables of the market.امروزه، تشکیل سبد سهام بهینه و مدیریت آن از اصلیترین حوزههای تصمیمگیری مالی بشمار میرود. بنابراین، انتخاب سبدی از سهام که بتواند بهصورت همزمان بالاترین نرخ بازده را برای دارنده آن به ارمغان آورده و همچنین ریسک سرمایهگذاری را به حداقل میزان ممکن کاهش دهد، به یکی از دغدغههای اصلی فعالان اقتصادی مبدل گردیده است. لیکن در انتخاب سبد سهام بهینه، صرفاً این دو عامل تعیینکننده نبوده و متناسب با محیط اقتصادی میتواند عوامل مختلفی بر این فرآیند تأثیرگذار باشد که میبایست شناسایی و بهکار گرفته شوند.لذا این امر، استفاده از رویکردهای تصمیمگیری چنـدمعیاره را اجتنابناپذیر نموده است. از سوی دیگر، هنگامیکه شرایط و محدودیتهای دنیای واقعی نظیر محدودیت سرمایهگذاری در هریک از سهمها و نیز محدودیت کاردینالیتی درنظر گرفته میشـوند، مسئله بهینـهسـازی سبد سهام بهراحتی و با استفاده از شیوههای معمول ریاضی قابلحل نیست؛ بهویژه آنکه تعداد زیادی از داراییها در فرآیند بررسی و تشکیل سبد سهام درنظرگرفته شوند. ازاینرو با توجه به مطالب بیانشده، هـدف اصـلی پـژوهش حاضـر حـل مسئله بهینهسازی سبد سهام با تلفیق روشهای تحلیل پوششی دادهها و الگوریتم جستجوی ارگانیسمهای همزیست است. در انتها نیز روش و مدل مورداستفاده در این پژوهش بـا دادههـای واقعـی آزمون شده و نتایج آن مورد تجزیهوتحلیل قرار گرفته است. نتایج این پژوهش نشان میدهد، رویکرد ارائهشده در بهینهسازی سبد سهام موفق عمل نموده و توانسته است به نحو مطلوبی پاسخگوی محدودیتها و متغیرهای تأثیرگذار بازار باشد.https://journal.saim.ir/article_32504_c7332ee533198c1b769ac1d2c4235e31.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823A Bi-Objective Robust Optimization Model for Emergency Blood Supply Network Design under Uncertaintyارائه یک مدل بهینهسازی استوار دوهدفه برای طراحی شبکه تأمین خون اضطراری تحت عدمقطعیت24927432505FAسهیل منصوریکارشناسی ارشد، گروه مهندسی صنایع، پردیس دانشکدههای فنی دانشگاه تهران، تهران، ایرانعلی بزرگی امیریاستادیار، دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایرانفاطمه بیاتلوکارشناسی ارشد، دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایرانJournal Article20170309Natural and anthropogenic disasters annually give rise to huge financial and human losses. Disasters make a large amount of demand for relief items (e.g. medicine and hygiene products) in the affected area. There is a great deal of importance in appropriate response to demand of these items, as they have a vital role in preserving injured people's life. This paper presents a bi-objective location-allocation model for blood supply under uncertainty. The objectives are minimizing the blood shortage in blood centers and also minimizing the operational costs including cost of transporting temporary blood facilities and the cost of blood collection and transportation in a multi-period context. Due to the lack of information about the real values of some input parameters such as demand, amount of donated blood and also unit operational cost in disaster, these are considered as uncertain parameters in order to make more precise decisions. Robust optimization approach based on box uncertainty set is used to tackle the model uncertainty. Moreover, Lexicographic weighted Tchebycheff method is used to obtain the pareto-optimal solutions. Finally, a numerical example is presented to compare the performance of the robust model and its deterministic counterpart.وقوع بحرانهای طبیعی و غیرطبیعی از امور اجتنابناپذیری است که سالیانه تلفات جانی و مالی هنگفتی را در زندگی بشر به دنبال دارد. در زمان بحران، تقاضا برای اقلام ضروری از قبیل دارو و اقلام بهداشتی افزایش قابل توجهی داشته و پاسخ به این تقاضا به منظور حفظ سلامتی افراد از اهمیت بالایی برخوردار است. بر این اساس، یک مدل دوهدفه مکانیابی-تخصیص برای عرضه خون تحت عدمقطعیت در این مقاله ارائه شده است. اهداف مدل دربرگیرنده کمینهکردن میزان کمبود خون در مراکز خون و نیز کمینهکردن مجموع هزینههای عملیاتی شامل هزینههای جابهجایی تسهیلات موقت و هزینه جمعآوری و انتقال خون در دورههای زمانی پس از وقوع بحران است. با توجه به عدم وجود اطلاعات کافی در مورد ویژگیهای بحران و به منظور برنامهریزی دقیقتر، میزان تقاضا، حجم خون اهدایی، هزینههای ارسال خون و جابهجایی تسهیلات به صورت مولفههای غیرقطعی در نظر گرفته شدهاند. برای مدلسازی عدمقطعیت، از روش بهینهسازی استوار مبتنی بر مجموعه عدمقطعیت جعبهای بهره گرفته شده است و برای حل مدل دوهدفه از روش جامع وزنی چبیشف استفاده شده است. درنهایت با اجرای مثال عددی، همتای استوار مدل پیشنهادی با مدل قطعی مقایسه شده و نتایج حاصل از تحلیل حساسیتهای مختلف ارائه شده است.https://journal.saim.ir/article_32505_44fe163c125a8424f3b0b074b37853a5.pdfانجمن علمی مدیریت صنعتی ایرانپژوهش های نوین در تصمیم گیری2476-62913220180823Applying Evidence Theory to Aggregate Feedbacks in 360 Degree Feedback Modelکاربرد نظریه شواهد جهت تجمیع دادهها در مدل بازخورد 360 درجه27529932506FAحسین ناهید تیتکانلودانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه پیام نور، تهران، ایرانعباس کرامتیدانشیار، دانشکده مهندسی صنایع، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایرانJournal Article20170716In 360 degree feedback model several groups of raters with different perspectives provide assessments typically in Likert scale format. Due to the qualitative and subjective nature of the assessments, these data are highly uncertain and divergent. This problem causes that aggregation of the data in 360 degrre model, with traditional average based methods be inaccurate and invalid. Regarding the importance of the aggregation problem in 360 degrre feedback process and lack of a suitable solution to cope with it, in this paper a new model based on Evidence Theory has been proposed to aggregate its assessments and model the uncertainty contained in it. In the proposed model, first the evaluation data obtained from each rating group has been aggregated and its uncertainty has been modeled using a basic belief assignment. In the next step, the evidences obtained from rating groups have been aggregated using evidence combination rules.
To design the model, various methods to transform feedbacks to basic belief assignents, various evidence combination rules and different criteria in extracting the final results of the model, have been investigated through a simulation study. In the simulation process the model's performance in 27 different states, defined based on different combination of model's parameters, and using ten thousand simulated records, has been examined. Results reveal that the proposed model, compared to the traditional average based aggregation, significantly reduces error and increase the accuracy of the results in 360 degree feedback model. In addition, other benefits of the proposed model have been explained in the text.در مدل ارزیابی بازخورد 360 درجه، دادههای ارزیابی بهطورمعمول با استفاده از مقیاس لیکرت توسط چندین گروه ارزیاب با دیدگاههای مختلف ارائه میشود. این دادهها به دلیل ماهیت کیفی و ذهنی ارزیابی، توأم با عدمقطعیت و واگرایی زیاد هستند. این وضعیت باعث شده است تا تجمیع آنها درون گروههای ارزیابی و در مرحله بعد، بین گروههای ارزیابی با استفاده از روشهای معمول مبتنی بر میانگین، از دقت و اعتبار کافی برخوردار نباشد. نظر به اهمیت مسئله یادشده و عدم وجود راهکاری مناسب در این زمینه، مدلی جدید در چارچوب نظریه شواهد جهت مدلسازی عدمقطعیت و تجمیع دادهها در فرایند بازخورد 360 درجه، در این مقاله ارائه شده است. در این مدل، ابتدا دادههای مرتبط با هر گروه ارزیابی در قالب یک تخصیص باور پایه، تجمیع و عدمقطعیت آن مدلسازی شده است. در مرحله بعد، شواهد حاصل از گروههای مختلف ارزیابی با استفاده از عملگرهای ترکیب شواهد، تجمیع میشوند. در طراحی مدل مذکور، حالات مختلف مدلسازی دادههای ارزیابی در ساختار توابع باور، قوانین مختلف ترکیب شواهد و معیارهای مختلف استخراج نتیجه نهایی از ساختار باور موردبررسی قرار گرفته و بهترین عملگرها و مولفه های مدل، پس از بررسی عملکرد آن در 27 حالت مختلف و با استفاده از ده هزار رکورد شبیهسازیشده، تعیین شده است. نتایج نشان میدهد مدل استخراجشده، نسبت به روش متداول میانگین، بهطور معنادار خطای کمتر و دقت بیشتری در تجمیع دادههای مدل بازخورد 360 درجه دارد. علاوه بر این، سایر مزایای مدل ارائهشده، در متن مقاله تبیین شده است.https://journal.saim.ir/article_32506_60dad215049de68895f0f64fefbecb49.pdf