به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

fuzzy neural network

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه fuzzy neural network در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه fuzzy neural network در مقالات مجلات علمی
  • مهدی خسروی*، ابوالحسن حسینی، جمال قاسمی

    در این پژوهش تشکیل پرتفولیو اعضای هیات علمی و ارزیابی آنها از دو بعد عملکرد و پتانسیل با استفاده از ماتریس منابع انسانی صورت گرفته است. در بعد عملکرد؛ متغیرهای آموزش و پژوهش و در بعد پتانسیل؛ متغیرهای توانایی فردی، آرزوهای شغلی و تعامل (درگیری) شغلی در نظر گرفته شده است. عملکرد آموزشی و پژوهشی به ترتیب با همکاری دفتر نظارت و ارزیابی، تضمین کیفیت و معاونت پژوهشی دانشگاه جمع آوری شد، همچنین برای ارزیابی پتانسیل اعضای هیات علمی از فرم های ارزشیابی معتبر و پرسشنامه های استاندارد استفاده شده است. با توجه به روش نمونه گیری هدفمند، 110 نفر از اعضای هیات علمی مورد ارزیابی و پایش قرار گرفتند. برای مدل سازی و تحلیل داده ها از نرم افزار متلب (R2018b,v9) و روش شبکه های عصبی- فازی استفاده شده است. در نهایت اعضای هیات علمی با دو سناریوی منطق کلاسیک(باینری یا ارسطویی (0و1)) و منطق فازی به چهار بخش ماتریس که عبارتند از؛ ستارگان، کارکنان هسته ای (کلیدی)، افراد مسیله دار و چوب خشکیده نشانه گذاری شدند. با توجه به خروجی های بدست آمده حدود 30% از افراد مورد مطالعه در بخش ستاره، 21 % به عنوان کارکنان هسته ای ،16% به عنوان افراد مسیله دار و 33% در بخش چوب خشکیده قرار گرفتند. در نهایت با مقایسه دو منطق کلاسیک و فازی، مزیت های بکارگیری این روش تشریح شده است. نتایج بدست آمده حاکی از موفقیت روش پیشنهادی در تحلیل کارکرد اعضای هیات علمی در دانشگاه مورد نظر بوده و می تواند در تصمیمات کلان آن دانشگاه نقش آفرین باشد.

    کلید واژگان: اعضای هیات علمی، عملکرد، پتانسیل، ارزیابی منابع انسانی، شبکه عصبی-فازی
    Mehdi Khosravi *, Abolhassan Hosseini, Jamal Ghasemi

    In this research, the portfolio of faculty members has been formed and their evaluation from two dimensions of performance and potential has been done using the human resources matrix. In terms of performance; Education and research variables and in the dimension of potential; The variables of ability, aspirations and engagement are considered. Educational and research performance were collected in collaboration with the Office of Monitoring and Evaluation, Quality Assurance and the Vice Chancellor for Research, respectively, also valid evaluation forms and standard questionnaires have been used to evaluate the potential of faculty members. According to the purposive sampling method, 110 faculty members were evaluated and monitored. MATLAB software (R2018b, v9) and neural-fuzzy network method have been used for modeling and data analysis. Finally, faculty members with two scenarios of classical logic (binary or Aristotelian (0 and 1)) and fuzzy logic into four parts of the matrix, which are; Stars, core employees, question marks and dead woods were marked. According to the obtained outputs, about 30% of the subjects were in the star section, 21% as core employees, 16% as question marks and 33% in the dead woods section. Finally, by comparing the classical and fuzzy logics, the advantages of using this method are described. The obtained results indicate the success of the proposed method in analyzing the function of faculty members in the university in question and can play a role in the major decisions of that university.

    Keywords: faculty members, Performance, potential, Human Resource Evaluation, fuzzy neural network
  • سیده ناهید هاشمی، علی حسین زاده کاشان*

    در این مقاله مسئله زمان بندی ماشین پردازنده انباشته با فرض وجود کارهایی با اندازه غیریکسان و با هدف حداقل کردن زمان انجام کل کارها (Cmax) بررسی شده است. هدف این مقاله، حل مسئله مدنظر با بهره گیری از حدود پایین قوی و با استفاده از الگوریتم شاخه و کران حد، یکی از روش های حل دقیق، است. در این الگوریتم از دو روش جدید به نام های  و  برای تولید حد پایین استفاده و نتایج با حد پایین موجود در ادبیات به نام  مقایسه شده است. برای ارزیابی عملکرد روش ارائه شده، دسته ای از نمونه مسائل به صورت تصادفی تولید و روش شاخه و حد با حدود پایین متفاوت روی این مسائل آزمایش شده است. نتایج محاسبات نشان می دهد در الگوریتم شاخه و کران وقتی اندازه کارها نسبت به ظرفیت ماشین بزرگ باشد، حد پایین  بهترین عملکرد را دارد و زمانی که اندازه کارها نسبت به ظرفیت ماشین کوچک باشد (حداکثر به اندازه G نصف ظرفیت ماشین)، الگوریتم با حد پایین  عملکرد بهتری دارد. همچنین زمانی که اندازه کارها متوسط باشد،  بهترین عملکرد را دارد.

    کلید واژگان: زمان بندی، ماشین های پردازنده انباشته، روش شاخه و کران، حد پایین
    Nahid Hashemi, Ali Husseinzadeh Kashan *

    In this paper, the problem of scheduling jobs with non-identical sizes has been studied on a single-batch processing machine, in order to minimize the makespan. Using new lower bounds, a branch and bound algorithm has been proposed to solve the problem. In this algorithm, two new methods have been used to generate lower bounds and results have been compared with the existing lower bound in literature. In order to evaluate the performance of the proposed method, test problems have been randomly generated and branch and bound algorithm has been tested with different lower bounds on these cases. Findings indicated that when the size of the jobs is large compared to the capacity of the machine, the branch and bound algorithm with the new lower bound has the best performance. When the size of the jobs is small compared to the capacity of the machine (up to half the capacity of the machine), the algorithm with existing lower bound has better performance. In addition, when the size of the jobs is neither large nor small, the lower bounds provide the best performance.

    Introduction

    Based on predictions, services are a key component of the growth of the global economy in future (Arnold et al. 2011). Acording to Jane and Kumar (2012), services play a critical role in a supply chain. Also, according to Wang et al. (2015), a "product" or "service" must exist in each supply chain which is produced by the upstream sectors and delivered to downstream. Recently due to increasing customer expectations, companies’ competition has been replaced by the supply chains competition and as a result, competition has been increased in the simultaneous supply of products and services. This has led to challenges in integrating companies and in coordinating the materials, information and financial flow that were previously overlooked. Accordingly, a new managerial philosophy has been developed known as Product-Service Supply Chain (PSSC) (Stanley & Wisner, 2002). This study seeks to develop a performance evaluation model for the product-service supply chain in the home appliance industry, which is finally solved using Adaptive Neuro-Fuzzy Inference System (ANFIS).

    Design/Approach

    In this paper, performance evaluation constructs and criteria of service supply chain are identified by reviewing the literature and exploratory and confirmatory factor analysis and then, the performance evaluation of service supply chains in Iran's home appliance industry has been performed using these constructs, criteria and ANFIS. Findings and

    Discussion

    Based on the findings, ten main extracted constructs can be suggested for the performance evaluation of the supply chain. They include "Operational Performance (OP)", "Strategic Performance (SP)", "Financial Performance (FP)", "Performance of Information and Communication Technology (PICT)", “Return Performance” (REP), “Risk Performance (RIP)”, “Logistic Performance (LP)”, “Market Performance (MP)”, “Internal Structure Performance (PIS)” and “Growth and Innovation Performance (PGI)”, among which, the Strategic Performance (SP) and Return Performance (REP) are the most important and the least important constructs, respectively.

    Conclusions 

    Based on the findings, the following practical recommendations are suggested to the companies: Enhancing the demand forecasts performance and utilizing more appropriate methods and software to improve forecasts in demand and order management areas. Improving the return management status by increased attention and more investment in return management processes. Effective investment in service development management to enhance the R&D services performance. Utilizing risk management approaches and methods to identify and take preventive actions on the risks in the companies’ service supply chain.

    Keywords: Product-service supply chain, Performance Evaluation, Fuzzy neural network, Factor Analysis, home appliance industry
  • مهناز زارعی، حسن خادمی زارع، محمد باقر فخرزاد
    ساختمان های مسکونی ایران، مطابق آمارهای موجود، بزرگترین مصرف کننده انرژی این کشور می باشند؛ فاکتورهای متعدد تاثیرگذار بر رفتار مصرف انرژی در ساختمان های مسکونی، مسئله پیش بینی و ممیزی مصرف انرژی را به چالشی مهم در موسسات بهینه سازی مصرف تبدیل نموده اند. از این رو مدیران در تلاشند تا با بهره گیری از تکنیک های مناسب، فرآیند ممیزی و تعیین برچسب انرژی ساختمان های مسکونی را بهبود بخشند.
    هدف پژوهش حاضر، با توجه به ضرورت مدیریت انرژی، مدل سازی، پیش بینی و خوشه بندی مصرف انرژی ساختمان های مسکونی، جهت ممیزی و تعیین برچسب انرژی این ساختمان ها می باشد. از این رو این پژوهش، با تلفیق شبکه عصبی فازی (FNN) و فرایند تحلیل سلسله مراتبی (AHP)، با استفاده از داده های پرسشنامه ای، به خوشه بندی رفتار مصرف انرژی ساختمان های مسکونی پرداخته است. بر این اساس، ضرایب وزنی و معماری حاصل از AHP به عنوان اوزان و معماری اولیه شبکه عصبی استفاده شده است. شبکه عصبی در دو حالت «با اوزان و معماری اولیه» و «بدون اوزان و معماری اولیه» بر روی داده های یکسان اجرا گردید. بخش مسکونی شهر شیراز به عنوان جامعه آماری مورد نظر انتخاب گردید و به منظور آموزش و آزمایش شبکه عصبی، داده های 270 ساختمان مسکونی مورد استفاده قرار گرفت. مقایسه قدرت تفکیک و خوشه بندی مدل های FNN در دو حالت بیان گر این مطلب است که مدل شبکه عصبی با معماری و اوزان اولیه AHP نسبت به دیگر مدل، از سرعت و دقت بالاتری در پیش بینی و خوشه بندی برخوردار است.
    کلید واژگان: شبکه عصبی فازی، فرایند تحلیل سلسله مراتبی، خوشه بندی، ساختمان های مسکونی، برچسب انرژی
    Iran residential buildings are the major energy consumers of this country. Various factors which are effective on energy consumption behavior in residential buildings have converted energy consumption forecasting problem to a great challenge for the institutes of energy consumption optimization. Considering the energy management essence، the present study aimed at modeling، forecasting، and clustering of energy consumption in residential buildings، for energy labeling and auditing of the mentioned buildings. Therefore، in this research by combining Fuzzy Neural Network and AHP، using data obtained from questionnaires، energy consumption behavior of residential buildings has been clustered. AHP weights coefficients and architecture have been used as the initial weights coefficients and architecture of NN. In both modes of with and with out initial weights coefficients and architecture، NN was deployed with the same data. In order to NN training and testing، 270 residential buildings in the city of Shiraz were employed. Comparing the detecting and clustering power of the two mentioned FNN models indicate that FNN with initial weights coefficients and AHP architecture has more accuracy and speed of clustering and prediction compare to the other model.
    Keywords: Fuzzy Neural Network, AHP, Energy consumption behavior, Clustering, Residential Buildings, Auditing
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال