منابع و ماخذ مقاله نیازمندی‌ها، منابع سازمان، سیستم پشتیبان تصمیم

دانلود پایان نامه ارشد

و ارزیابی تأمین کنندگان[67]و یا تصمیمات خرید و تولید، یاری می‌کند. [68]
حل مسئله به روشCBR در برگیرندۀ چهار عمل عمده به شرح زیر است:
1- باز یابی مورد مشابه با مسئله جدید
2- استفاده از پاسخ مسئله مشابه بازیابی شده برای تهیه پاسخ پیشنهادی برای مسئله جدید
3- بازبینی در پاسخ پیشنهادی در صورت وجود مغایرت در شرایط مسئله جدید و مسئله بازیابی شده
4- نگهداری مورد جدید (مسئله جدید) برای استفاده در آینده
چرخه زیر بیانگر این روش است.

شکل (3-18) چرخۀ روش استدلال بر مبنای مورد CBR [6]

هر مورد 29 از دو قسمت تشکیل می‌گردد. قسمت اول هر “مورد” به بیان مشخصات مسالۀ مرتبط با آن می‌پردازد و قسمت دوم نیز، پاسخ مسئله مطرح شده را در بردارد. مشخصات یک مورد با ویژگی‌های تشکیل دهندۀ آن تعیین می‌گردد و مقادیر اختصاص یافته به این ویژگی‌ها، وضعیت آن مورد را نشان می‌دهند. زمانی که یک مسالۀ جدید مطرح می‌شود، شرایط آن با وضعیت مسائل حل شدۀ قبلی مقایسه شده و با استفاده از مکانیزم‌های تطبیق، شبیه‌ترین موردهای قبلی بازیابی می‌شوند. سپس از موردهای بازیابی شده برای ارائه پاسخ به مسالۀ جدید استفاده شده و پاسخ پیشنهادی تهیه می‌گردد. در صورت نیاز، پاسخ پیشنهادی با توجه به موقعیت مسالۀ جدید مورد بازبینی قرار می‌گیرد و در نهایت، مورد جدید (یعنی مسالۀ مطروحه و پاسخ آن) برای استفاده های آتی در مخزن مورد نگهداری می‌گردد.

شکل (3-19) مدل تصمیم گیری در سطح کلان

یکی از پیچیده‌ترین ابعاد اجرائی CBR، نحوۀ محاسبۀ میزان مشابهت مسئله جدید با مسائل حل شدۀ قبلی است. غالب روش‌هایی که برای محاسبۀ میزان مشابهت بکار می‌روند از تابع مطابقت نزدیک‌ترین همسایه استفاده می‌کنند. در این روش‌ها ابتدا میزان مشابهت مسئله جدید با مسائل قبلی در رابطه با تک تک معیارهای سنجش مشابهت، اندازه گیری می‌شود و سپس میانگین موزون مقادیر حاصله به صورت زیر محاسبه و ملاک عمل قرار می‌گیرد. [69]
رابطه (3-6) SIR=(∑_(i-1)^n▒〖W_i×sim(f_Ii , f_Ri)〗)/(∑_(i=1)^n▒W_i )

که در آن:
SIR – درجه یا شاخص مشابهت بین شرایط مسئله جدید I و مسئله بازیابی شده R (10≤ SIR≤) که در آن 1 نشان دهنده مشابهت صد در صد یا تطبیق کامل است و مقادیر کمتر از 1, بیانگر تطبیق یا مشابهت جزئی است.
I – اندیس مسئله جدید
R – اندیس مسئله بازیابی شده
i – اندیس مشخصه (معیار ) (i= 1,2,…..n)
Wi – وزن مشخصه (معیار ) i ام (معمولا ∑▒〖W_i=1〗)
fIi ,fRi – مقدار امتیاز یا ارزیابی مشخصه i به ترتیب در مساله بازیابی شده و مساله جدید
Sim – تابع محاسبه میزان مشابهت بین دو مقدارfIi , fRi
تابع sim برای مقادیر عددی عموماً به صورت رابطه زیر تعریف می‌شود :
رابطه (3-7)
Sim(fIi , fRi)= 1-|f_Ii-f_Ri |/(β_i- α_i ) ,fIi , fRi∈[α_i , β_i ]

که در آنα_(i )و β_i به ترتیب نشان دهنده حد پایین و بالای مقادیر معیار i هستند. در برخی موارد نیز از معکوس فاصله اقلیدسی موزون به صورت زیر (با فرض ∑▒W_(i=1) ) برای محاسبه SIR استفاده می شود.
رابطه (3-8)
SIR={█( (√(∑_(i=1)^n▒〖W_i×〖(f_n-f_Ri)〗^2 〗))^(-1), & if f_n≠f_(Ri ) for some@1, &if f_n-f_Ri for all i)┤

همان‌گونه که روابط بالا نیز نشان می‌دهند ملاک سنجش مشابهت، که در واقع معیار بازیابی مسئله حل شده قبلی و استفاده از پاسخ آن برای حل مسئله جدید است، صرفاً فاصله می‌باشد که مقادیر معیارها (مشخصه‌ها ) در مسئله جدید و مساله بازیابی شده از هم دارند و مثبت (سود) یا منفی (هزینه) بودن معیار های سنجش مشابهت در انتخاب مساله بازیابی شده (برای حل مساله جدید) مورد توجه قرار نمی‌گیرد. بنابراین در این روش صرفاً توجه به عامل مشابهت بر روی کارایی و دقت انتخاب نهایی تأثیر منفی دارد؛ لذا از روش TOPSIS که یک روش تصمیم گیری چند معیاره محسوب می‌شود برای ارزیابی و اولویت بندی نهایی استفاده خواهد شد.
در تصمیم گیری برای سیستم پشتیبان تصمیم با استفاده از CBR مراحلی طی می‌شود. که برای بیان آن در این پروژه، زیر سیستم تولید خودرو، و در بخش تصمیم گیری جهت انتخاب یکی از تأمین کنندگان قطعات، استفاده می‌شود که در ادامه به طور مختصر بیان می‌شود.

3-5-2 برپائی پایگاه (مخزن) خریدها:
“مخزن خریدها” در واقع ساختاری است که دربرگیرندۀ مشخصات خریدهای انجام شدۀ قبلی و فروشنده های منتخب مرتبط با هر کدام از آن‌هاست. غالباً انتخاب فروشنده با عنایت به چندین معیار انجام می پذیرد و به همین دلیل نیز، مسالۀ انتخاب فروشنده در قالب مسائل چند معیاره تقسیم بندی می‌شود. در این پروژه، معیارهای انتخاب فروشنده را به صورت سلسله مراتبی در نظر می‌گیریم که از عناصر زیر تشکیل شده است:
معیار قیمت؛ شامل :
هزینه سفارش دهی
هزینه هر واحد
هزینه حمل و نقل به ازای هر واحد
معیار تحویل
مدت زمان مورد نیاز برای تحویل کالا
انعطاف پذیری در تغییر زمان تحویل
معیار کیفیت
درصد کالای معیوب در اقلام تحویلی
متوسط زمان لازم برای مراجعه جهت رفع مشکل
برخورداری از توانایی فنی در حل مشکلات
دلیل انتخاب این معیارها، تعدد استفاده از آن‌ها در پروژه‌ها و بررسی‌ها است. برای کمی نمودن متغیر های کلامی از تئوری منطق فازی استفاده می‌شود؛ و آن‌ها با اعداد فازی ذوزنقه ای در نمودارها با استفاده از نرم افزار MATLAB نشان داده شده‌اند. در نمودار زیر متغیر های فازی بر روی مجموعه مرجع[0,10] U= نمایش داده شده است. به عنوان مثال برای نشان دادن وضعیت “متوسط رو به بالا ” از اعداد فازی [5,6,7,8] استفاده شده است.

شکل (3-20) نمایش متغیر های فازی در نرم افزار MATLAB
با ثبت و نگهداری اطلاعات خریدهای انجام شدۀ قبلی که شامل مقدار ارزیابی معیارهای خرید و نام فروشندۀ منتخب هر خرید است، مخزن خرید تشکیل می‌گردد. همچنین امکان وارد کردن اطلاعات فروشندگان و پیشنهاد دهندگان جدید در مخزن اطلاعات خرید وجود دارد. این ساختار می‌تواند شکل‌های گوناگونی داشته باشد که به عنوان مثال یک نمونه در جدول زیر، پایگاه (مخزن) خرید به تصویر کشیده شده است.

جدول (3-2) نحوه ارزیابی معیار انتخاب فروشنده

جدول (3-3) ساختار نگه داری اطلاعات خریدها (مخزن خریدها)

3-5 -3 بازیابی:
همان طور که بیان شد، بعد از بیان مساله جدید (به شکل مناسب) نوبت به برپایی روش بازیابی است. بازیابی خریدهای قبلی برای یافتن فروشند ه یا فروشنده‌هایی است که شرایط فروش آن‌ها مشابهت بیشتری با مشخصات خرید جدید داشته باشد. برای بازیابی خریدهای مشابه، باید شرایط اعلام شده برای خرید جدید را با مشخصات خریدهای قبلی مطابقت داده و موارد مشابه را با شاخصی که درجۀ مشابهت را نشان می‌دهد، استخراج نمود.
روش مشابهت سنجی پیشنهادی در این پروژه بر اساس رابطه (3-6) که قبلاً بیان شد، عمل می‌نماید.

رابطه (3-6)
SIR=(∑_(i-1)^n▒〖W_i×sim(f_Ii ، f_Ri)〗)/(∑_(i=1)^n▒W_i )

ابتدا لازم است میزان اهمیت یا وزن هر کدام از معیارهای خرید مشخص گردد. از روش‌های متعددی برای تعیین وزن معیارها می‌توان استفاده نمود که استفاده از نظرات مستقیم تصمیم گیرندگان و یا روش‌های تحلیلی همچون روش فرآیند تحلیل سلسله مراتبی (AHP) که بر پایۀ مقایسات زوجی استوار است، نمونه‌هایی از آن است. در این پروژه نیز از همین روش برای تعیین اوزان استفاده می‌شود. در قدم بعد باید نحوۀ سنجش میزان مشابهت مقادیر معیارها به صورت تکی مشخص گردد که در ادامه به آن می‌پردازیم:
برای سنجش میزان مشابهت مقادیر مربوط به این معیارها، از رابطه (7) استفاده می‌کنیم که اصولاً از روش‌های رایج در CBR است. برای بیان میزان مشابهت معیار فازی j نسبت به خرید قبلی R ام ,=[f_(Rj )^1, f_Rj^2, f_Rj^3 , f_Rj^4] f ̌_Rj و مقدار مورد نظر خریدار در مورد همین معیار ,=[f_(Ij )^1, f_Ij^2, f_Ij^3 , f_Ij^4] f ̌_Ij ، از روش فاصله میانگین مدرج تلفیقی استفاده شده است. [70] که در آن رابطه زیر برای محاسبه میزان مشابهت بین دو مقدار فوق پیشنهاد شده است.

رابطه (3-9)
Sim ((f_I ) ̌J , (f_R ) ̌J )=[1+|p((f_Ij ) ̌ )-p((f_Rj ) ̌)|]^(-1)

که در آن :
رابطه(3-10)
P((f_IJ ) ̌ )= (f_IJ^1+2〖 f〗_IJ^2+2 f_IJ^3+ f_IJ^4)/6

رابطه(3-11)
P((f_RJ ) ̌ )= (f_RJ^1+2〖 f〗_RJ^2+2 f_RJ^3+ f_RJ^4)/6

حال با مشخص شدن نحوه محاسبه میزان مشابهت مقادیر معیارها به صورت منفرد، می‌توان میزان مشابهت شرایط خرید جدید با مشخصات خرید های موجود در مخزن خریدها را با کمک رابطه (6) بدست آورد.
در واقع هر مورد خرید جدید که ایجاد می‌شود، نیازمندی‌های خرید جدید توسط سازمان مشخص می‌شود و سپس طبق روش بازیابی که بیان شد، بازیابی بر روی تمامی موارد قبلی اعمال می‌شود. سپس بر اساس نظر تصمیم گیرنده، تعداد m خرید از میان M خرید موجود در مخزن خریدها , بازیابی و اطلاعات آن‌ها به شرح زیر استخراج می‌شود:
m : تعداد خرید های بازیابی شده مورد ارزیابی(به انتخاب تصمیم گیرنده) که در آن Mm1
i : اندیس خرید بازیابی شده (i=1,2,3,….,m)
n : تعداد معیارها یا مشخصه‌های خرید
j : اندیس معیار (j=1,2.3 ,… , n )
(f_IJ ) ̌ : مقدار اندیس یا معیار j در خرید بازیابی شدهi ام
Wj : اهمیت نسبی یا وزن معیار i ام
D= [(f_ij ) ̌]mxn ماتریس تصمیم انتخاب فروشنده
D=[■((f_11 ) ̌&(f_12 ) ̌&…&(f_1n ) ̌@(f_21 ) ̌&(f_22 ) ̌&…&(f_2n ) ̌@⋮&⋮&⋮&⋮@(f_m1 ) ̌&(f_m2 ) ̌&…&(f_mn ) ̌ )]
که در آن (f_ij ) ̌=[f_ij^1, f_ij^2 , f_ij^3 , f_ij^4] است و مقادیر قطعی ماتریس فوق به صورت اعداد فازی ذوزنقه‌ای با پارامتر های یکسان (به اندازه مقدار غیر فازی) در نظر گرفته می‌شود.

3-5-4 تصمیم گیری :
اجرای مرحله بازیابی در واقع به فراهم آمدن یک مساله تصمیم گیری چند معیاره برای ارزیابی و اولویت بندی فروشندگان و در نهایت انتخاب نهایی فروشنده (از میان فروشندگان مربوط به m خرید قبلی) منجر می‌شود. برای حل این مساله تصمیم گیری، روش TOPSIS فازی پیشنهاد می‌شود که اولویت‌بندی فروشندگان مرتبط با خریدهای بازیابی شده را در 5 گام انجام می‌دهد. که از بیان جزئیات آن پرهیز می‌کنیم. این 5 گام شامل :
1. تشکیل ماتریس نرمال شده فازی
2. ایجاد ماتریس نرمال شده موزون
3. تعیین مشخصات نرمال شده ی خرید های ایده آل و غیر ایده آل (مطلوب و نا مطلوب)
4. محاسبه میزان نزدیکی به مشخصات به میزان نرمال
5. محاسبه شاخص نزدیکی (شاخص ارجحیت خرید، که میزان شاخص نزدیکی نسبت به میزان نرمال یا ایده آل است)
مرحله بعدی تطبیق خرید است. در این مرحله، خرید های بازیابی شده به ترتیب اولویت محاسبه شده در مرحله قبل مورد ارزیابی نهایی قرار می‌گیرند تا میزان انطباق آن‌ها با نیازمندی‌های خرید جدید مشخص شود. مرحله تطبیق خرید که معمولاً توام با مذاکره با فروشندگان است، منجر به انتخاب فروشنده ای می‌شود که نیاز های اعلام شده برای خرید جدید را برآورده می‌کند.
پس از آن، در آخرین مرحله، مشخصات خرید جدید به همراه فروشنده‌ی منتخب برای آن در مخزن خریدها ذخیره و نگه داری می‌شود تا برای خرید های آتی مورد استفاده قرار گیرد.

3-6 تجمیع سیستم برنامه ریزی منابع سازمانی و سیستم پشتیبان تصمیمگیری:

در ERP منابع سازمان و اطلاعات سازمان در دسترس، بسیار حائز اهمیت است و همواره مدیریت و داشتن اطلاعات صحیح در باب منابع و اطلاعات و فرایندهای داخل سازمان و همچنین اطلاعات مربوط به خارج از سازمان شامل تأمین و SCM و همچنین اطلاعات محصول و تحویل به مشتری، CRM,بسیار مهم و کارا است؛ لذا در کنار وجود ERP در سازمان،

پایان نامه
Previous Entries منابع و ماخذ مقاله عوامل انسانی، نیروی انسانی، سیستم پشتیبان تصمیم Next Entries منابع و ماخذ مقاله سیستم پشتیبان تصمیم، سرویس گرا، زنجیره تأمین