بخشی از مقاله
چکیده
شبکه های عصبی در سالهای اخیر به طور گسترده در مدل سازی بسیاری از فعالیت های بشری در حوزه های مختلف علوم و مهندسی مورد استفاده قرار گرفته اند. یکی از ویژگی ها یا دلایل متمایز توانایی یادگیری آن از نمونه ها و تجربیات، تاثیرپدیزی آن از محیط و سپس تطبیق آنها با تغییر در موقعیت های متغیر و متفاوت است.
شرکتهای پیشرو در ارائه خدمات به درستی میدانند که برای بقاء و رشد در محیط به شدت رقابتی و متغیر امروز، ناچارند به طور مداوم، کیفیت خدمات را مورد رصد و بررسی قرار دهند که بتوانند نتیجه را به مشتریانشان ارائه بدهند. این یک راهبرد برای شرکتهای پیشروست که میتوانند با بازخورد گرفتن از مشتریان به عنوان مهمترین عامل در صعود یا سقوطشان از جایگاه رقابتی، به تثبیت و اعتلای موقعیتشان بپردازند.
.1 مقدمه
در اقتصاد ومدیریت، چرخه حیات شرکت ها ومؤسسات که مراحل رشد و افول آنهاست به مراحلی تقسیم می شود. درادبیات این علوم برای چرخه حیات مدل هایی با چند مرحله ارائه شده است که در چارچوب این مدل ها، مؤسسات وشرکت ها باتوجه به هر مرحله از حیات اقتصادی خود سیاست وخط مشی مشخصی را دنبال می کنند این سیاست ها به گونه ای در اطلاعات شرکت ها منعکس می شود. ساخت مدلهای اقتصادی بزرگ از فرآیندهای خیلی پیچیده است و فقط از مدلهایی که براساس قوانین طبیعی هستند، استفاده می کنند. رابطه بین واحدهای فرآیندها در مقایسه هایبزرگ، معمولاً آنقدر پیچیده است که مدلسازی براساس قوانین طبیعی نمی تواند همه اطلاعات مورد نیاز را برای تصمیم گیری فرآیندها فراهم کند.
یکی از عوامل محیطی، مشتریان یک سازمان اند. صاحبنظران مدیریت، کسب رضایت مشتری را از مهم ترین وظا یف و مسئولیتهای مدیریت سازمانها برشمرده است و لزوم پایبندی همیشگی و پایدار مدیران عالی به کسب رضایت مشتریان را پیش شرط موفقیت به حساب آورده اند. اطلاع از تصویر ذهنی سازمان نزد مشتریان، ضمن اینکه نقاط ضعف و قوت یک سازمان را آشکار میسازد، زمینه را برای اتخاذ راهبردهای مناسب و ارتقای سطح عملکرد فراهم می آورد
مدل سازی چرخه حیات - برآورد وهزینه چرخه حیات - اطلاعاتی براساس چرخه کلی حیات فراهم میکند.به این دلیل واضح است که هرچیزی نمی تواند براساس قوانین طبیعی مدل سازی شود. مدل سازی چرخه حیات نیازمند جمع آوری مقدار زیادی اطلاعات در مراحل مختلف چرخه حیات است، بنابراین غیرممکن است که اطلاعات زیادی را فراهم کنیم چون محدودیتهایی در منابع برای این گزارش وجود دارد. بنابراین برای برآورد چرخه حیات اطلاعاتی تخمینی،محاسبه شده وبراساس مطبوعات استفاده می شود LCP، منفعت چرخه حیات است که دریافتی هایی می توانند از طریقی به عنوان مثال بازیافت انرژی و کاهش دورریز ها صورت پذیرد. هنگام ارزیابی هزینه های سرویس و نگهداری باید بعد از سپری کردن دوره محاسبه، شرایط مورد انتظار دستگاهها را نیز در نظر بگیرید
چرخه عمرحیات LCP دیدگاهی به دست می دهد که از طریق آن، محصولات موجود، در مراحلی پویا مورد مشاهده قرار می گیرند. بر هریک از این مراحل، نیروهای بیرونی اقتصادی، اجتماعی ومحیطی وعوامل درونی مانند منابع، سیاست ها واولویت ها تاثیرگذارند
هماهنگی کامل در زنجیره های تامین موضوعی ایده آل است که شرکتهای شریک برای دستیابی به آن در تلاش هستند. اگرچه، چندین عامل وجود دارند که مانع از پیشرفت واقعی در این جهت می شوند. بعنوان مثال، در نبود اطلاعات کامل درباره تقاضای سایر شرکا لازم است که پیش بینی تقاضا توسط شرکا انجام شود. شبکه های عصبی یکی از تکنیکهای موجود در هوش مصنوعی است که به دلیل کاربردهای متنوع اش طرفداران بسیاری داشته و می توان از آن بعنوان راه حلی برای حرکت به سمت دستیابی به هماهنگی کامل بهره برد.
یکی از مهمترین کارکردهای مدیریت بطور عام و مدیران مالی بطور خاص برنامه ریزی استراتژیک و تنظیم برنامه ها و یا بودجه های بلندمدت - میان مدت و کوتاه مدت مالی و عملیاتی بنگاه اقتصادی است .برنامه ریزی تامین دارایی های ساختاری از جمله ماشین آلات و تجهیزات تولیدی و عملیاتی- برنامه ریزی تامین و تربیت نیروی انسانی متخصص-برنامه ریزی فروش و بازاریابی-برنامه ریزی سود و سایر الگوهای سیاستگذاری، برنامه ریزی و بودجه بندی همه و همه مستلزم پیش بینی و برآورد سطوح مورد انتظار فعالیت آتی شرکت و ترسیم روندهای عمده عملیاتی و مالی و ازجمله در کانون این توجهات تدوین حجم فعایت ادوار آتی است.
مدیران به کمک این اطلاعات می توانند تجزیه و تحلیل های سودمندی را صورت داده و تصمیمات بلندمدت، میان مدت و کوتاه مدت شایان توجهی را اخذ نمایند از جمله یکی از مهمترین این موارد، تجزیه و تحلیل بهای تمام شده-حجم فعالیت - سود است که به کمک آن می توان تغییرات بهای تمام شده و سود،که از تغییر در حجم فعالیت ناشی می شود را مورد بررسی قرار داده و جهت تغییر متغیرهای مورد نظر مدیران را مورد ملاحظه ،کنترل و هدایت قرار داد
-2 تحلیل وضعیت،تعریف مسئله و درک آن
ایده اصلیMIS نگهداری یک تامین کننده متوالی از اطلاعات شفاف و صریح برای مدیریت است.پس از جمع آوری داده ها و اطلاعات از سیستمMIS ،تصمیمات اخذ می - Asefeh A semi,Ali safari,2011 - .شود تعدادی از نویسندگان نقش سیستم های اطلاعاتی در تصمیم گیری را مورد بحث قرار داده اند، Kosteskyیکی از اولین نویسندگانی بود که در مورد رابطه بین سیستم های اطلاعاتی،تحلیلگر سیستم و تصمیم گیری در سال 1966 نوشت.
سیستم اطلاعات مدیریت دانش تعیین جایگاه نسبی یک سازمان و نیروهای پایه آن را در محل کار تامین می کند . و همچنین اطلاعات صحیح مورد نیاز در فرایند تصمیم گیری را فراهم کرده وبه کنترل سازمان ها ،برنامه ریزی و توابع عملیاتی آن ها کمک موثری می کند.
علاوه بر این Ajayi,I.A.and Omirin در سال 2007استفاده از MIS را برای تصمیم گیری در برنامه ریزی های بلند مدت و کوتاه مدت و بودجه بندی، در دانشگاه های جنوب - غرب نیجریه تحقیق وبررسی کردند. و به این نتیجه رسیدندکه تفاوت معنی داری در استفاده از mis برای تصمیم گیری در بودجه بندی بین دانشگاه های فدرال و ایالتی به نفع دانشگاه فدرال وجود دارد . علی صفری و عاصف عاصفی در 2011دو سیستم اطلاعاتی به نام هایmis وdss ،ویژگی ها یشان ،روابط و رابطه هر مفهوم با فرایند تصمیم گیری را مورد بحث قرار دادند.
-3 شبکه های عصبی و ابزارهای مدلسازی در حوزه کسب و کار
در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،..… غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل سیستم هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درک ریاضی این ارتباطات قاصر است .
مغز انسان به مرور زمان با مشاهده توالی رفتارهای سیستم و گاه آزمایش نتیجه ای که بر اثر دستکاری یکی از اجزای سیستم به دست می آید تا حدی می تواند عادتهای سیستم را شناسایی کند . این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم ، به کسب تجربه منجر می شود. در چنین سیستمهایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهای آن را پیش بینی می کند.
-4 طراحی شبکه عصبی
طراح شبکه ی عصبی علاوه بر انتخاب مجموعه ای از متغیرهای ورودی باید ساختار شبکه ای که منجر به بهترین پیش بینی میشود را شناسایی کند. شبکه های عصبی پرسپترون چند لایه - - Multi Layer Percepton، پرکاربرد ترین شبکه های عصبی هستند که در اغلب تحقیقات مورد استفاده قرار گرفته اند. یک الگوریتم پس انتشارخطا جهت آموزش این شبکه های چند لایه پیشخور با توابع محرک مشتق پذیر میتواند برای انجام عمل پیش بینی، طبقه بندی الگو، شناسایی و استفاده شود در تحقیق حاضر نیز پس از بررسیهای لازم و مقایسه ی شبکه های عصبی متنوع،از شبکه ی عصبی چند لایه پرسپترون استفاده شد .همچنین، الگوریتم یادگیری استفاده شده در این تحقیق، الگوریتم پس انتشار خطاست.
