پژوهش های نوین در تصمیم گیری

چکیده با توجه به رقابت شدید در بازارهای بین‌المللی، شرکت‌های کوچک و متوسط (SMEs) نیاز به استراتژی‌ها و ابزارهایی دارند که بتوانند در بازارهای جهانی رقابت کنند. هوش تجاری به‌عنوان یکی از ابزارهای کلیدی در بهبود عملکرد این شرکت‌ها شناخته می‌شود. هدف این پژوهش بررسی تأثیر هوش تجاری بر عملکرد بین‌المللی‌شدن شرکت‌های کوچک و متوسط و تبیین نقش میانجیگری نوآوری باز، یادگیری سازمانی و مزیت رقابتی است. این تحقیق از نوع کاربردی و با روش توصیفی-تحلیلی انجام شده است. جامعه آماری شامل تمامی شرکت‌های کوچک و متوسط فعال در صنعت شیمیایی استان گیلان است. برای انتخاب نمونه از روش نمونه‌گیری در دسترس استفاده شد که در نهایت 77 شرکت به‌عنوان نمونه انتخاب گردید. داده‌ها با استفاده از پرسشنامه استاندارد پنج گزینه‌ای لیکرت جمع‌آوری شده و در نرم‌افزارهای SPSS و Smart PLS تجزیه‌وتحلیل شدند. نتایج تحقیق نشان داد که تمامی فرضیه‌ها به‌جز نقش میانجیگری مزیت رقابتی در رابطه میان هوش تجاری و عملکرد بین‌المللی‌شدن تأیید شدند. این مطالعه برای اولین بار به بررسی تأثیر هوش تجاری بر عملکرد بین‌المللی‌شدن با نقش میانجی یادگیری سازمانی، نوآوری باز و مزیت رقابتی پرداخته است.

چکیده در فضای رقابتی صنعت بانکداری، شناسایی و طبقه‌بندی دقیق ارزش مشتریان، نقشی کلیدی در طراحی استراتژی‌های بازاریابی هدفمند، تخصیص بهینه منابع و افزایش سودآوری دارند. این پژوهش، یک مدل ترکیبی پیشرفته مبتنی بر یادگیری ماشین را با استفاده از تکنیک رأی‌گیری وزنی طراحی و پیاده‌سازی می کند که هدف آن طبقه‌بندی هوشمند مشتریان بانکی بر‌اساس میزان ارزش آنهاست. شش الگوریتم قدرتمند یادگیری ماشین شامل Random Forest، Gradient Boosting، XGBoost، LightGBM، CatBoost و Extra Trees به‌عنوان مدل‌های پایه انتخاب و با دو روش رأی‌گیری سخت و نرم ترکیب شده اند. وزن مشارکت هر الگوریتم در فرآیند رأی‌گیری به‌صورت بهینه با الگوریتم Optuna تنظیم گردیده تا دقت و تعادل مدل به حداکثر برسد. همچنین، روش ADASYN برای مقابله با مشکل عدم‌توازن کلاس‌ها در داده‌های واقعی بانکی به کار رفته و مهم‌ترین ویژگی‌های مؤثر در پیش‌بینی با بهره‌گیری از الگوریتم Random Forest شناسایی گردیده‌اند. عملکرد مدل پیشنهادی با استفاده از چهار معیار ارزیابی صحت، دقت، بازخوانی و امتیاز F1 و در مقایسه با ۱۶ الگوریتم کلاسیک و مدرن یادگیری ماشین تحلیل شده است. نتایج نشان می دهد که مدل رأی‌گیری سخت با صحت 0.9426، دقت 0.9756 و بازخوانی 0.9112، و مدل رأی‌گیری نرم با دقت 0.9771 و امتیاز F1 معادل 0.9422، عملکردی برتر از سایر الگوریتم‌ها مانند SVM، KNN و Logistic Regression داشته‌ و تعادلی مؤثر میان معیارهای ارزیابی برقرار کرده‌اند. این مدل ترکیبی، با دقت بالا، مقاومت در برابر داده‌های نامتوازن، و انعطاف‌پذیری در انتخاب ویژگی‌ها، الگویی کاربردی و قابل اتکا برای بانک‌ها و مؤسسات مالی جهت تحلیل ارزش مشتریان فراهم می‌آورد.

چکیده با گسترش سریع فناوری‌های دیجیتال، سازمان‌ها با مجموعه‌ای متنوع از استراتژی‌های بازاریابی روبه‌رو هستند که کارایی نسبی آن‌ها کمتر به‌صورت نظام‌مند مقایسه شده است. تصمیم‌گیری درباره انتخاب استراتژی‌های مؤثر در شرایط بازارهای نوظهور، به‌ویژه در ایران، نیازمند رویکردی کمّی برای سنجش عملکرد و تخصیص بهینه منابع است. پژوهش حاضر با هدف ارزیابی کارایی نسبی استراتژی‌های بازاریابی دیجیتال، از رویکرد ترکیبی فرآیند تحلیل سلسله‌مراتبی و تحلیل پوششی داده‌ها بهره می‌گیرد. ابتدا بر اساس مرور نظام‌مند ادبیات و نظرات خبرگان حوزه بازاریابی دیجیتال، پنج شاخص ورودی شامل هزینه، زمان، نیروی انسانی، تعداد کمپین و پیچیدگی فنی، و چهار شاخص خروجی شامل نرخ تبدیل، درآمد، ترافیک وب‌سایت و آگاهی از برند تعیین شدند. داده‌ها برای هشت استراتژی اصلی بازاریابی دیجیتال با بهره‌گیری از شبیه‌سازی مونت‌کارلو و مقایسه با بنچمارک‌های صنعتی تولید و توسط پانل خبرگان اعتبارسنجی شدند. نتایج مدل ورودی‌محور تحلیل پوششی داده‌ها نشان می‌دهد که استراتژی «بازاریابی محتوا» دارای بیشترین کارایی فنی است و رویکرد ترکیبی با حذف وزن‌های غیرمنطقی، رتبه‌بندی واقع‌گرایانه‌تری نسبت به مدل تحلیل پوششی داده‌ها سنتی ارائه می‌دهد. نوآوری پژوهش حاضر در ارزیابی کمّی استراتژی‌های نوظهور دیجیتال (مانند بازاریابی تأثیرگذار، ویدیویی و وابسته) در مقایسه با استراتژی‌های سنتی و ایجاد ابزاری داده‌محور برای تصمیم‌گیری مدیران بازاریابی است. یافته‌ها می‌توانند راهنمایی عملی برای تخصیص بهینه منابع و ارتقای بازدهی تلاش‌های بازاریابی دیجیتال در محیط‌های رقابتی باشند.

چکیده با گسترش فناوری دیجیتال و نفوذ روزافزون رسانه‌های اجتماعی، بازاریابی سنتی جای خود را به روش‌های نوین داده و این بستر به ابزاری محوری برای تعامل برندها با مصرف‌کنندگان تبدیل شده است. این پژوهش با هدف بررسی تأثیر بازاریابی در رسانه‌های اجتماعی بر ارزش ویژه برند و دلبستگی به برند، با تأکید بر نقش میانجی اعتماد به برند و تعهد به برند، در میان مشتریان صنعت بیمه ایران انجام شد. مطالعه حاضر از نوع توصیفی-پیمایشی است و جامعه آماری آن مشتریان بیمه آسیا در شهر تهران را دربرمی‌گیرد. داده‌ها از طریق پرسشنامه استاندارد با ۳۶ گویه جمع‌آوری شد و با روش مدل‌سازی معادلات ساختاری در نرم‌افزار Smart PLS 3 تحلیل گردید. نمونه‌گیری به‌صورت خوشه‌ای چندمرحله‌ای و غیرتصادفی در دسترس انجام شد و ۳۳۰ پرسشنامه تکمیل‌شده مورد ارزیابی قرار گرفت. یافته‌ها نشان داد که بازاریابی در رسانه‌های اجتماعی تأثیر مثبت و معناداری بر ارزش ویژه برند، دلبستگی به برند، اعتماد به برند و تعهد به برند دارد. همچنین، اعتماد و تعهد به برند نقش میانجی معناداری در این روابط ایفا می‌کنند. این پژوهش بر اهمیت استفاده استراتژیک از رسانه‌های اجتماعی تأکید دارد و نوآوری آن در بررسی جامع این متغیرها در صنعت بیمه ایران است که به توسعه دانش نظری و کاربردی کمک می‌کند.

چکیده شناخت دقیق رفتار مشتریان و پیش‌بینی روندهای آتی آن‌ها از اولویت‌های کلیدی در سازمان‌ها و به‌ویژه صنعت بانکداری است؛ زیرا حفظ مشتریان فعلی به‌مراتب کم‌هزینه‌تر از جذب مشتریان جدید است. یکی از مهم‌ترین چالش‌ها در این حوزه، شناسایی به‌موقع علائم رویگردانی مشتریان و پیش‌گیری از آن است، به‌ویژه در مواردی که نارضایتی از خدمات یا تغییرات رفتاری تدریجی منجر به قطع تعامل با سازمان می‌شود. در این پژوهش، با تمرکز بر مدل‌سازی پویای رویگردانی مشتریان، داده‌های مربوط به تراکنش‌ها و مانده‌حساب مشتریان طی یک دوره سه‌ساله از یکی از پنج بانک بزرگ کشور جمع‌آوری و تحلیل شده است. روش پیشنهادی مبتنی بر کاوش الگوهای دنباله‌ای است که به شناسایی توالی‌های رفتاری منجر به رویگردانی کمک می‌کند. الگوهای استخراج‌شده در دو دسته اصلی طبقه‌بندی شده‌اند: الگوهای غالب که وضعیت‌هایی با ریسک بالای رویگردانی یا وفاداری پایدار را نمایش می‌دهند، و الگوهای با اطمینان بالا و پشتیبان کم که ابزار مؤثری برای رصد مشتریان در آستانه رویگردانی فراهم می‌کنند. مزیت اصلی این روش، تولید قواعد تفسیرپذیر به‌صورت اگر-آنگاه است که به‌راحتی در محیط‌های واقعی قابل درک و پیاده‌سازی هستند. این چارچوب تحلیلی می‌تواند نقش مؤثری در طراحی مداخلات هدفمند در مدیریت ارتباط با مشتری ایفا کند.

چکیده با دیجیتالی شدن کسب‌وکارها، کلان‌داده‌ها و تحلیل‌های پیشرفته بیش از پیش اهمیت یافته‌اند. مطالعه حاضر با در نظر گرفتن تعاملات بین پذیرش هوش مصنوعی، قابلیت‌های تجزیه ‌و تحلیل بازاریابی، تصمیم‌گیری بازاریابی کل‌نگر و عدم قطعیت بازار به بررسی تأثیر استفاده از کلان‌داده بر عملکرد بازاریابی رقابتی پرداخته است. این پژوهش دارای پارادایمی اثبات‌گرا، رویکردی قیاسی، هدفی کاربردی و از نوع توصیفی-پیمایشی است. جامعه آماری مدیران بازاریابی شرکت‌ها بودند. حجم نمونه با نرم‌افزارG-power3 263 نفر تعیین شد. داده‌ها با پرسشنامه استاندارد آنلاین به روش نمونه‌گیری غیر احتمالی در دسترس گردآوری و مدل پژوهش از طریق مدل‌سازی معادلات ساختاری و نرم‌افزار SmartPLS3 تحلیل شد. یافته‌ها نشان داد که در شرایط عدم قطعیت بازار، استفاده از کلان‌داده از طریق پذیرش هوش مصنوعی، قابلیت‌های تحلیل، تصمیم‌گیری و عملکرد بازاریابی رقابتی شرکت‌ها را بهبود می‌بخشد. این پژوهش برای اولین بار با طراحی چارچوبی تلفیقی از فناوری هوش مصنوعی، قابلیت‌های تحلیل و تصمیم‌سازی در بستر بازارهای ناپایدار، چشم‌انداز تازه‌ای برای استراتژی‌های بازاریابی داده‌محور فراهم آورده که می‌تواند به ‌عنوان یک مدل عملیاتی، راهنمایی برای افزایش میزان آمادگی داده‌محور مدیران بازاریابی و نیز طراحی مسیرهای اثربخش برای بهینه‌سازی عملکرد بازاریابی از طریق ادغام فناوری و تحلیل باشد.

چکیده در صنعت پررقابت بانکداری، حفظ مشتریان به چالشی اساسی برای مؤسسات مالی تبدیل شده است که می‌تواند سودآوری، جایگاه بازار و اعتبار آن‌ها را تحت تأثیر قرار دهد. این پژوهش با هدف شناسایی عوامل مؤثر بر ریزش مشتریان و پیش‌بینی آن با استفاده از پنج الگوریتم یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، XGBoost، AdaBoost و KNN انجام شد. داده‌های دموگرافیکی و بانکی مشتریان یک بانک خصوصی در شهر مشهد جمع‌آوری و پس از پاک‌سازی دقیق (حذف داده‌های تکراری، مقادیر پرت و مدیریت داده‌های گمشده) تحلیل شدند. مدل‌ها با معیارهای صحت، دقت، بازیابی و F1-Score ارزیابی شدند. نتایج نشان داد که الگوریتم XGBoost با صحت 92 درصد بهترین عملکرد را در پیش‌بینی ریزش مشتریان داشت. این یافته‌ها بیانگر آن است که الگوریتم‌های پیشرفته یادگیری ماشین، به‌ ویژه XGBoost، می‌توانند به بانک‌ها در شناسایی زودهنگام مشتریان در معرض ریزش و اجرای استراتژی‌های هدفمند برای حفظ آن‌ها کمک کنند. این رویکرد امکان ارائه خدمات شخصی‌سازی‌شده، بهینه ‌سازی برنامه‌های بازاریابی و وفاداری و کاهش هزینه‌های عملیاتی را فراهم می‌کند. در نتیجه، استفاده از این روش‌ها منجر به بهبود عملکرد مالی و تقویت مزیت رقابتی بانک‌ها می‌شود.

چکیده The primary objective of this research is to propose an expert system for empowering the sales network in the insurance industry using a fuzzy inference system. This study is applied in nature and employs a descriptive-survey methodology. The statistical population consists of insurance industry experts, managers, sales specialists, and agency affairs professionals. In this study, a range of factors influencing the empowerment of insurance agents was first identified and presented to experts. Following in-depth interviews, five main factors were ultimately selected. Structural equation modeling was used to determine the relationships among the identified factors. The Cronbach's alpha coefficients for all factors ranged between 0.876 and 0.963, indicating acceptable reliability of the measurement. Additionally, the correlations among the research variables were assessed using Pearson’s correlation test. Finally, after designing the conceptual model of the research, each factor was evaluated within the proposed conceptual framework using a fuzzy inference system (FIS) implemented in MATLAB. The proposed system was also applied to three groups of insurance agents. The results of this study demonstrate that the proposed model has a high capability in assessing the key factors of insurance agent empowerment and can effectively support decision-making processes in insurance sales network management. The system’s flexibility and interpretability make it a practical tool for improving the performance of both agents and insurance companies, enabling the implementation of empowerment strategies at both operational and strategic levels.

چکیده مدیریت موجودی کالاهای فصلی باکیفیت نامطمئن معمولاً با چالش عدم قطعیت هم‌زمان تقاضا و کیفیت روبه‌رو است، درحالی‌که اغلب رویکردهای موجود پس از بازرسی به‌قاعده‌ی دودویی و غیر منعطف «پذیرش/بازگشت کامل» متکی‌اند. این پژوهش یک مدل روزنامه‌فروش سه‌حالته‌ی آستانه‌ای (نگه‌داشتن، جایگزینی سقف دار، بازگشت) برای کالای فصلیِ فسادپذیر ارائه می‌کند که در آن خطای بازرسی، مرجوعی مشتری، محدودیت لجستیکی جایگزینی و تقاضای دوکاناله‌ی حساس به تخفیف به‌صورت یکپارچه لحاظ شده و قید مشارکت تأمین‌کننده نیز در طراحی سیاست بهینه اعمال می‌شود. به دلیل غیرخطی بودن و حضور عملگرهای min/max، تابع سود انتظاری به‌صورت بسته قابل‌حل نیست؛ بنابراین از رویکرد ترکیبی شبیه‌سازی–بهینه‌سازی استفاده می‌شود که در آن سود انتظاری با شبیه‌سازی مونت‌کارلو برآورد و سیاست بهینه‌ با کمک بهینه‌سازی بیزی و مقایسه با الگوریتم‌های فرا ابتکاری به دست می‌آید. نتایج مثال عددی نشان می‌دهد نسبت به سیاست پذیرش/بازگشت، به‌کارگیری مکانیسم جایگزینی در چارچوب سه‌حالته سود مورد انتظار خرده‌فروش را حدود ۱۴٫۳٪ و سود تأمین‌کننده را حدود ۶٫۲٪ افزایش می‌دهد و هم‌زمان کمبود و ضایعات را به‌طور معناداری کاهش می‌دهد. تحلیل سناریوهای بحرانی (شوک‌های هزینه‌ای و اختلالات لجستیکی) نشان می‌دهد عملکرد مدل نسبت به تغییر پارامترهای مدل پایدار است و جایگزینیِ مدیریت‌شده به‌عنوان ابزار مؤثر پوشش ریسک عمل می‌کند. همچنین تحلیل حساسیت نشان می‌دهد علاوه بر قیمت خریدوفروش، متغیرهای عملیاتی مانند کارایی جایگزینی و دقت بازرسی نقش مستقیمی در کنترل کمبود و ضایعات دارند و گذار از قراردادهای سنتی بازگشت کامل به قراردادهای حاوی مکانیسم جایگزینی سقف دار می‌تواند سودآوری و عملکرد عملیاتی زنجیره تأمین کالاهای فصلی فسادپذیر را بهبود دهد.

چکیده تفاوت نرخ ارز رسمی با نرخ ارز در بازار آزاد زمینه سوء‌استفاده اخلال‌گران ارزی را فراهم نموده است. از سویی دیگر واردکنندگان کالا بدون توجه به سوابق عملکرد ارزی و ریالی، مورد ارزیابی شبکه بانکی کشور قرار گرفته و نسبت به اخذ وثایق ریالی از ایشان اقدام می‌شود. هدف اصلی این پژوهش طراحی مدل هوشمند عمیق به منظور ارزیابی ریسک و اخذ وثایق از واردکنندگان کالا به نحوی است که مدل نهایی با بالاترین میزان صحت و دقت، توانایی تحلیل داده‌های بزرگ عملکردی را داشته باشد. بدین منظور، در ابتدا داده‌های عملکردی با استفاده از روش کی‌مینز خوشه‌بندی شده و سپس نتایج مدل خوشه‌بندی به عنوان ورودی مدل‌های طبقه‌بندی شامل روش‌های جنگل تصادفی ، اکس جی بوست و شبکه عصبی کراس ترتیبی مورد استفاده قرار گرفته و نتایج هر مدل با استفاده از شاخص F مورد بررسی قرار گرفته شده است. در نهایت، مدل ترکیبی خوشه‌بندی کی‌مینز- شبکه عصبی کراس ترتیبی به عنوان مدلی که بالاترین میزان شاخص صحت و دقت را داشته انتخاب و با استفاده از مدل یاد شده مشتریان در 3 طبقه قرار گرفته و ترکیب وثایق نقد و غیر نقد برای ایشان تعیین شده است. نتایج بیانگر آن است که مدل به خوبی توانایی طبقه‌بندی مشتریان را با توجه به سوابق عملکردی ایشان، داشته است.

چکیده هدف این پژوهش طراحی یک مدل داده‌محور برای استخراج قوانین مؤثر بر نرخ پذیرش محصول در خطوط تولید صنایع غذایی است. بدین منظور، ابتدا ۲۵ متغیر مرتبط با اصول تولید ناب شناسایی و با استفاده از روش دلفی فازی، ۶ متغیر کلیدی شامل درصد تطابق مواد اولیه با استانداردهای کیفی، درصد ضایعات تولید، نرخ تأیید استثنایی محصول نهایی، میانگین زمان انبارش مواد اولیه، شیفت کاری و نرخ بازگشت محصول انتخاب شد. سپس پایگاه داده‌ای شامل ۴۲۰۰ رکورد واقعی از دو سال عملکرد خطوط تولید گرد آوری و پس از انجام مراحل پیش‌پردازش، مدل‌سازی با بهره‌گیری از الگوریتم‌های یادگیری ماشین انجام گرفت. در این میان، الگوریتم درخت تصمیم (CART) به‌عنوان مدل اصلی برای استخراج قوانین تصمیم‌پذیر به‌کار گرفته شد و عملکرد آن با سایر الگوریتم‌های طبقه‌بندی مقایسه گردید. نتایج نشان داد که «درصد تطابق مواد اولیه» و «درصد ضایعات» بیشترین تأثیر را بر پذیرش محصول دارند و مدل درخت تصمیم با دقت ۹۱ درصد توانست نمونه‌ها را در طبقات پذیرش و عدم پذیرش دسته‌بندی کند. همچنین قوانین استخراج‌شده روابط شفاف و قابل تفسیر میان متغیرها را آشکار ساخت و زمینه ارائه الگوهای تصمیم‌یار برای مدیران تولید و کنترل کیفیت را فراهم نمود. یافته‌ها بیانگر کارایی رویکردهای داده‌محور مبتنی بر تولید ناب در بهبود پیش‌بینی کیفیت و کاهش ضایعات در مورد مطالعه این پژوهش می باشد.

چکیده در صنعت داروسازی ایران، توزیع‌کنندگان از اعتبار فروش به‌عنوان اصلی‌ترین ابزار مدیریت تقاضا و حفظ سهم بازار استفاده می‌کنند. با این حال، استفاده بی‌برنامه و بیش از حد اعتبار تجاری (فروش)، عامل عمده بحران نقدینگی داروخانه‌ها، کاهش شدید حجم سفارش، گاهی ورشکستگی‌های کامل و در نتیجه کاهش دسترسی بیماران به داروهای ضروری شده است. این پژوهش یک مدل هماهنگی بهینه مبتنی بر اعتبار فروش ارائه می‌دهد و نشان می‌دهد که همین ابزار رایج صنعت، در صورت تنظیم علمی دوره اعتبار، قادر است بحران مالی را به‌طور قابل توجهی کاهش دهد. مدل پیشنهادی در چارچوب بازی استکلبرگ پیشرو-پیرو فرموله شده و زوال وابسته به دما (توزیع وایبول) را برای رعایت محدودیت‌های زنجیره سرد دارویی در نظر می‌گیرد. با به‌کارگیری برنامه‌ریزی کسری مقعر، شبه‌مقعر بودن تابع سود سالانه اثبات شده و وجود جواب بهینه یکتا و سراسری برای هر ترکیب پارامترهای قراردادی تضمین می‌گردد. روش حل ترکیبی از الگوریتم جستجوی تکراری کارآمد با اعتبارسنجی جامع بروت‌فورس در پایتون است. رویکرد پیشنهادی بدون نیاز به منابع مالی اضافی یا تغییر مقرراتی، بلافاصله قابل اجراست و از رویه‌های موجود صنعت استفاده می‌کند. نتایج عددی نشان‌دهنده بهبود تا ۱۹.۷٪ سود و افزایش بیش از سه برابری حجم سفارش نسبت به حالت نامتمرکز است. این پژوهش چارچوبی عملی و کم‌هزینه در اختیار توزیع‌کنندگان و داروخانه‌ها (خرده‌فروشان) قرار می‌دهد تا رایج‌ترین ابزار مدیریت تقاضای خود را به مکانیزمی مؤثر برای هماهنگی تبدیل کنند و به‌طور همزمان سودآوری، پایداری جریان نقدی و دسترسی بیماران به داروها را بهبود بخشند.

چکیده نظریه مکانیابی یکی از مباحث مهم در بهینه سازی و تحقیق در عملیات می باشد. در مسائل مکانیابی هدف پیدا کردن مکان یک یا چند سرویس دهنده به گونه ای است که معیارهایی مانند هزینه حمل ونقل، مسافت طی شده توسط مشتریان، زمان کل سرویس دهی و هزینه حاصل از سرویس دهی بهینه شود. در این مقاله ما به مساله مکانیابی آرمانی می پردازیم که در آن مکان تعدادی مشتری در صفحه داده شده است و حالت ایده آل این است که مکانی برای سرویس دهنده تعیین کنیم به گونه ای که فاصله سرویس دهنده تا مشتری iام برابر ri باشد. اما چون چنین جوابی همواره موجود نیست، به دنبال کمینه کردن مجموع خطای حاصل از فاصله سرویس دهنده تا نقطه ایده آل هستیم. دو نوع تابع هدف کمینه کردن مجموع مربعات خطا و مجموع قدر مطلق در حالتی که تابع فاصله تحت نرم Lp اندازه گیری می شود را مورد بررسی قرار می دهیم. سپس از روشهای شبه وایزفیلد، گوس- نیوتن و الگوریتم فراابتکاری رقابت استعماری برای حل آنها استفاده می کنیم. در انتها نتایج عددی حاصل از حل روشهای ارائه شده را با هم مقایسه می کنیم.

چکیده محیط کسب‌و‌کار در حال رشد، با تغییرات سریع و افزایش عدم اطمینان همراه با بروز خطرات غیرمنتظره و تغییرات اجتناب‌ناپذیر، احتمال اختلالات شدید در زنجیره ‌تأمین شرکت‌ها را افزایش داده‌ است. این روند همراه با سوانح طبیعی و ... نیاز به حالت تاب‌آوری و توسعه این مفهوم در زنجیره ‌تأمین و به طور خاص زنجیره تأمین صنعت دارو که حساسیت‌های به مراتب بیشتری دارد، افزایش داده است و مدیران نیاز به ابزارهایی برای پایش تاب‌‌آوری زنجیره‌ تأمین شرکت خود نسبت به اختلالات دارند. هدف اصلی پژوهش حاضر، سنجش و ارزیابی مفهوم تاب‌آوری در زنجیره‌ تأمین صنعت پراهمیت داروسازی است. برای دستیابی به این هدف مهم و با توجه به در نظر گرفتن رویکرد سیستم‌های پیچیده سازگار به عنوان نظریه اصلی در این مطالعه، زنجیره‌ تأمین دو شرکت داروسازی (ایران‌دارو و داروسازی قاضی) برای مطالعه انتخاب شدند، در ادامه با استفاده از ابعاد و مؤلفه‌های شناسایی شده تاب‌آوری زنجیره ‌تأمین در چارچوب تئوری مذکور با مطالعه ادبیات موضوع و ارائه روشی یکپارچه با استفاده از ترکیب روش‌های مدلسازی ساختاری تفسیری، دیمتل، تئوری گراف و رویکرد ماتریسی و تحلیل عملکرد _ اهمیت اقدام به سنجش و ارزیابی جامع سطح تاب‌آوری در دو زنجیره ‌تأمین مذکور شد. نتایج این پژوهش مدیران را در تجزیه و تحلیل تاب‌آوری و انتخاب استراتژی اثربخش کاهش ریسک زنجیره‌ تأمین خود، پشتیبانی نموده و تصمیم‌گیری را تسهیل می‌کند. این رویکرد جدید باعث ایجاد مزیت رقابتی برای دستیابی به سهم بازار حتی زمان وقوع اختلالات می‌شود.

چکیده چکیده
هدف این مقاله طراحی و تبیین مدل تولید در کلاس جهانی (WCM) در صنعت خودرو با استفاده از تکنیک مدل-سازی ساختاری تفسیری (ISM) است. مدل تولید در کلاس جهانی، سازمان را قادر می‌سازد فعالیت و رقابت خود را در گستره جهانی دنبال نماید و این مهم تحقق نخواهد یافت مگر اینکه عملکرد سازمان در تطابق با بهترین‌های صنعت در کلاس جهانی قابل ارزیابی و رقابت باشد. این مدل مرکب از هشت رکن اصلی و بیست و سه رکن فرعی می‌باشد که در قالب ارکان فنی – تکنیکی و مدیریتی طبقه‌بندی شده و تبلور یافته است. ارکان اصلی مدل شامل؛ فرآیندهای کسب و کار، انعطاف‌پذیری، تکنولوژی و ابزارهای الکترونیکی، مدیریت زنجیره تأمین الکترونیکی، توسعه محصول جدید، سرمایه انسانی، استراتژی‌های رقابتی تولید و ارزیابی عملکرد هستند. علیرغم اینکه هر یک از ارکان، اعم از اصلی و فرعی، در ساختار مدل تأثیرگذاری منحصربفردی دارند اما هیچکدام به تنهایی قادر نخواهند بود سازمان را در جهت دستیابی به هدف اصلی (تولید در کلاس جهانی) یاری نماید، بنابرین به منظور ایجاد یکپارچگی ارکان از تکنیک مدل‌سازی ساختاری تفسیری (ISM) استفاده شده است. روش نمونه‌گیری، هدفمند غیرتصادفی است و انتخاب نمونه آماری از میان خبرگان و متخصصین انجام گرفته و نتیجه پژوهش بصورت نمودار مدل با استفاده از شبکه تعاملات ارکان اصلی و فرعی (ابعاد و شاخص‌ها) ترسیم شده است که مسیر دستیابی سازمان به تولید در کلاس جهانی را نشان می‌دهد. ضمناً روش‌های مختلف نگاشت شناختی تکنیک ISM در این تحقیق مورد توجه واقع شده است.

چکیده مجموعه عوامل زیست‌محیطی، اجتماعی در کنار توجه به مسائل اقتصادی، نقش ویژه‌ای در توسعه پایدار زنجیره تأمین صنایع پرخطر ایفا می‌کنند. هدف از پژوهش حاضر تبیین و واکاوی ابعاد و اجزای هر بعد پایداری زنجیره تأمین، با توجه به گستردگی مفهوم پایداری در مباحث زنجیره تأمین بوده است. به این منظور ما با رویکرد پژوهش کیفی و ابزار فراترکیب (متا‌سنتز) که شامل گام‌های هفت‌گانه‌ای است، به ارزیابی و تحلیل نظام‌مند نتایج و یافته‌های پژوهش پیشین پرداخته شده است. در مجموع مفهوم پایداری زنجیره تأمین در سه بعد، چهارده زیر بعد و هشتاده و چهار جزء شناسایی و طبقه‌بندی شده است. در انتها با استفاده از روش کمی آنتروپی شانون، بر‌اساس رویکرد تحلیل محتوا به تعیین ضریب اثر اجزای شناسایی شده در 94 پژوهشی که نهایی شده، پرداخته شده است.

چکیده با تجهیز بانک‌ها به سیستم‌های پرداخت و دریافت الکترونیکی و استفاده از کارت‌‌های اعتباری، مشتریان اکثر تعاملات بانکی خود را از طریق کارت‌‌های اعتباری و کانال‌‌های اعتباری نظیر دستگاه‌‌های خودپرداز ATM، پایانه‌‌های فروش POS، تلفن‌بانک، موبایل بانک و اینترنت بانک انجام می‌دهند. مشتریان با افزایش تعداد بانک‌ها و محصولات و خدمات آنان، زمانی که خدمات و محصولات بهتری پیدا کنند، به‌راحتی بانک خود را تغییر می‌دهند؛ بنابراین، مدیریت ارتباط با مشتری یک انتخاب اجتناب‌ناپذیر برای بانک‌هاست. یکی از ابزار‌هایی که در‌ زمینه مدیریت ارتباط با مشتری می‌تواند به سازمان‌ها کمک‌کننده باشد، داده‌کاوی است. در این تحقیق برای شناسایی خدمات سودآوری که توسط مشتریان خوب مورد استقبال قرار گرفته‌اند، چهار روش داده‌کاوی درخت تصمیم، بیز ساده، K همسایه نزدیک و مدل ترکیبی استفاده شدند. هر یک از این روش‌ها بر روی داده‌های واقعی، آزمایش و کارایی هر روش سنجیده شد. نتایج ارزیابی مدل‌ها نشان داد که دقت مدل K همسایه نزدیک در شناسایی خدمات سودآور 26/93 درصد، دقت مدل بیز 83/74 درصد و دقت مدل درخت تصمیم 18/97 درصد است و پس از ترکیب مدل‌ها، دقت روش ترکیبی80/94 درصد شده است. همچنین مدل ترکیبی 01/96 درصد از خدمات عادی را درست شناسایی کرده و در مجموع 44/94 درصد از خدمات را به‌درستی تشخیص داده است و عملکرد بهتری نسبت به روش بیز ساده و K همسایه نزدیک داشته است. از مقایسه نتایج ارزیابی مدل‌ها مشخص شد که استفاده از روش‌های ترکیبی در مقایسه با روش‌های دسته‌بندی مبتنی بر یک مدل، از دقت بیشتری برخوردار است.