پایان نامه با واژه های کلیدی شبکه عصبی، فرآیند کسبوکار، شبکه عصبی مصنوعی

دانلود پایان نامه ارشد

قابلیت خودکارسازی کارها که منجر به بهبود کیفیت و کاهش هزینهها و کاهش زمان انجام کار میشود.
• موتورهای جستوجو این اطمینان را حاصل میکنند که محاسبات پیچیده، به طور مداوم و سریع انجام میشوند.
• زمان توسعه را برای برنامههای جدید و یا نگهداری برنامههای موجود، کاهش میدهد؛ چرا که قابلیت تنظیم دارد و نیازی به کدگذاری و برنامهنویسی فرآیندهای جداگانه نیست.
• امکان تست و مدیریت قوانین کسبوکار قبل از ایجاد هرگونه تغییر وجود دارد، که در نتیجه باعث کیفیت بهتر و کاهش هزینهها میشود.
• قابلیت تعریف، مدیریت و کنترل قوانین کسبوکار برای کاهش وابستگی به واحد فنآوری اطلاعات را دارا است.
در جدول 3-13 شاخصهای قواعد کسبوکار نشان داده شده است:
جدول 3-13 شاخصهای قواعد کسب وکار
13 
قواعد کسبوکار
13-1
پشتیبانی از تغییر قوانین کسبوکار
13-2
قوانین کسبوکار ضمنی
13-3
قوانین کسبوکار صریح
13-4
سهولت استفاده از تعریف قوانین صریح کسبوکار
13-5
توافق نامه مجوز کاربر
13-6
رابط کاری برای ایجاد قواعد کسبوکار
13-7
قابلیت تست قواعد کسبوکار برای تضمین اینکه قبل از توسعه، آنها کامل هستند و فاقد هرگونه ابهام میباشند
13-8
قابلیت جداسازی قواعد تصمیمسازی از مشخصهی گردش کار فرآیند و منطق برنامه برای ایجاد بهروزرسانی پویای قواعد
13-9
پشتیبانی از قواعد پویای فرآیند
13-10
قابلیت تأثیرگذاری بر نمونههای در حال اجرا از فرآیندهای متاثر وقتی که قواعد کسبوکار در هنگام اجرا، اصلاح و بارگذاری شدهاند
13-11
ارتباطات و تبادل اطلاعات میان موتور قواعد و موتور فرآیند در زمان طراحی و در زمان اجرا

3-2-14- تأمینکننده:
در ارائهی هر محصول جدید به بازار تولیدکنندهی آن محصول، وظیفهی سنگینی بر عهده دارد چراکه بایستی پاسخگوی نیاز مشتری باشد و از آنجائیکه امروزه رضایت مشتری، جزء لاینفک تولید محصولات و ارائهی خدمات میباشد، تولیدکنندگان و تأمینکنندگان به این مهم توجه بسیار زیادی نشان میدهند تا بتوانند از این فرصت به عنوان مزیت رقابتی استفاده نموده و در حوزهی فعالیت خود، همپای رقبایشان به فعالیت بپردازند.
بنابراین با ایجاد امکانات و قابلیتهای بیشتر برای کاربران، راحتتر میتوانند خود را در حوزهی رقابتی مطرح نمایند. از این رو، معیارهای مربوط به تأمینکنندگان نرمافزارهای مدیریت فرآیند کسبوکار، از جمله شاخصهایی هستند که مورد توجه خریداران قرار میگیرند. کیفیت محصول، مدیریت انتشار نرمافزار، ظرفیت توسعه و قدرت نوآوری از جمله شاخصهای مربوط به تأمین کننده میباشند. شاخصهای تأمین کننده در جدول 3-14 آورده شده است:

جدول 3-13 شاخصهای تأمینکننده نرم افزار
 14
تأمینکننده
14-1
کیفیت محصول
14-2
قدرت نوآوری
14-3
توسعهی نرمافزار
14-4
ظرفیت توسعه
14-5
مدیریت انتشار نرمافزار
14-6
چرخهی انتشار نرمافزار
14-7
منابع تأمینکننده
14-8
تعامل با مشتری
14-9
پشتیبانی از مشتری
14-10
عمق نمونه کارها
14-11
سطح خدمات تأمین کننده
14-12
ثبات
14-13
راهحل خاص بخش
14-14
همکاران

3-2-15- خدمات و پشتیبانی
این احتمال وجود دارد که کاربران و مدیران، در هریک از مراحل استقرار یا کاربری نرم‌افزارها دچار مشکلاتی شده یا ابهامی در این زمینه برای آنها ایجاد شود. خدمات و پشتیبانی گروههای تولید کنندهی نرم افزاری، یکی از مراحل فرعی چرخه‌ی حیات مدیریت فرآیند کسبوکار و پل ارتباطی پایدار بین تولیدکنندگان با مشتریان است. آنها با رفع مشکلات و ابهامات، شرایط لازم را برای استفاده‌ی کامل‌تر از راهکارها و امکانات نرم‌افزاری فراهم میکنند. کارشناسان آموزش‌دیده‌ی پشتیبانی گروههای نرم افزاری بایستی براساس نوع قرارداد، به پرسش‌ها و مشکلات مدیران و کاربران درباره سیستم‌ها، پاسخ داده تا در کم‌ترین زمان ممکن مسائل حل شوند.
تعدد و تنوع دامنه فعالیت مشتریان باعث میشود، تجربه‌های حرفه‌ای از کسب‌‌وکارهای گوناگون، در اختیار تولیدکنندگان قرار گیرد. تلفیق این دانش و استفاده از فنآوری‌های روز، کمک می‌کند تا پشتیبانی کامل و مؤثری از راهکارها و سیستم‌ها ارائه شود. از جمله خدمات یک شرکت تولید کنندهی نرمافزار مشاورههای تلفنی و اینترنتی و همینطور ایجاد محیطهای آموزشی یا تولید کتابچههای راهنما در جهت آموزش کاربران میباشد. چند زبانه بودن و چند کاربره بودن یک نرمافزار نیز، از قابلیتهای ویژهی نرمافزارها به شمار میرود (جدول 3-15).

جدول 3-15- شاخصهای خدمات و پشتیبانی نرمافزار
 15
خدمات و پشتیبانی
15-1
قابلیتهای بین المللی
15-2
راهنمای برخط
15-3
راهنمای تلفنی
15-4
مشاوره
15-5
آموزش کاربر نهایی
15-6
دورههای آموزشی
15-7
دفترچه راهنمای طراحان فرآیند
15-8
دفترچه راهنمای ادمین سیستم
15-9
دفترچه راهنمای کاربر ارشد
15-10
دفترچه راهنمای کاربر نهایی
15-11
سهولت استفاده (امکان استفاده کاربران فاقد دانش فنآوری اطلاعات با مدلساز محصول)
15-12
سهولت یادگیری (امکان فهم فرآیندهای مدل شده توسط کاربران)
15-13
چند کاربره بودن
15-14
چند زبانه بودن
15-15
تعداد همکاران پشتیبانی
15-16
پشتیبانی از اضافه کردن موافقت نامه سطح خدمات و ارتباط SLA KPI ها به فرآیندهای کسبوکار
15-17
سطح پشتیبانی (ساختار و سازمان)
15-18
سطح شایستگی کارکنان
15-19
تمرکز بخش
15-20
مقیاسپذیری (توانایی افزایش پایگاه کاربران بدون سربار)
15-21
ثبت و رجیستری اجزای فرآیند
15-22
قیمت خرید اصلی
15-23
قیمت صدور مجوز
15-24
قیمتهای تعمیر و نگهداری
15-25
هزینهی پشتیبانی
15-26
هزینهی آموزش
15-27
تعمیر و نگهداری بستههای نرمافزاری
15-28
امکان استفاده از تقویمهای بومی شده برای هر کاربر مشخص
15-29
ارائهی دانش مدیریت فرآیند کسبوکار از طریق وب سایت دانش بنیان
15-30
مدلهای نسخهی نمایشی

3-2-16- سابقهی نرمافزار:
هر نرمافزار، سابقه و پیشینهی خاص خود را دارد. با افزایش سن نرمافزار، تجربهی فروشندگان و مشتریان در تولید و بهکارگیری آن بیشتر میشود. بسیاری از شرکتها و سازمانهای مختلف، از نرمافزارهای جامع و یکپارچه تولید شده توسط برندهای مطرح استفاده میکنند، چراکه پیادهسازی یک BPMS در سازمان مشمول صرف هزینه و زمان میباشد. لذا، شرکتهای بزرگ و سازمانهایی که تعداد پرسنل آنها بیش از 50 نفر میباشد، اکثراً از نرمافزارهایی استفاده میکنند که سابقهی شرکتهای تولیدکنندهی این نوع نرمافزار بیشتر باشد. بنابراین، ممکن است هزینهی تهیه و اجرای اولیه این نوع نرمافزارها بهخصوص در حوزههای مالی و اداری نسبتاً بالا و سنگین باشد، اما در دراز مدت، به دلیل عدم مواجهه با مشکلات نرمافزاری یا از بین رفتن اطلاعات و دادهها و امکان تولید انواع گزارشات، فراخور نیاز روز ، این هزینهها نهتنها زیاد نیستند ، بلکه بسیار معقول و متعادل می باشند و همانگونه که قبلاً ذکر شد، در واقع یک سرمایهگذاری قوی میباشد. همچنین پراکندگی جغرافیایی و میزان دسترسی به یک محصول از نکات مهم و کلیدی مورد توجه خریداران است.

جدول 3-16- شاخصهای سابقهی نرمافزار
 16
سابقهی نرمافزار
16-1
سن نرمافزار
16-2
گسترش جغرافیایی
16-3
شهرت تأمین کننده
16-4
در دسترس بودن منابع
16-5
حضور در بازار

3-3- شبکه عصبی مصنوعی:
امروزه روشهای فراابتکاری یکی از مؤثرترین راهکارها در جهت دستیابی به جوابهای بهینه در مسائل پیش روی سازمانها میباشد. استفاده از روشهاي فراابتکاري، مانند روشهاي مبتنی بر هوش مصنوعی براي حل مسائل پیچیده، پژوهشگران را براي استفاده از این روشها در مدلسازي فرآیند تصمیمگیري ترغیب کرده است. یکی از این پیشرفتها در زمینهی هوش مصنوعی، شبکههاي عصبی مصنوعی هستند. شبکه عصبی مصنوعی از دهه 1970 میلادی مطرح شده است و یک ابزار پردازش اطلاعات با ساختار موازي است که قادر به انجام موفقیتآمیز اعمالی مانند تخمین توابع غیرخطی، طبقهبندي الگوها، تشخیص الگوها، پیشبینی و غیره است. تعریفی که راملهارت52 در سال 1986 از شبکه عصبی مصنوعی ارائه میدهد، عبارت است از: “شبکهای انبوه و به هم پیوسته با ساختاری موازی وعناصر ساده، برای تعامل با اشیاء دنیای واقعی با الگوبرداری از سیستم عصبی بیولوژیکی” ]52[.

در واقع، بر اساس روابط منطقی مشابه، با دریافت یک سری اطلاعات، نتایج منطقی را عرضه کرده و به کاربر ارئه میدهد. شبکه عصبی مصنوعی با تجزیهوتحلیل دادهههای ورودی و نتایج نظیر آنها ارتباطی منطقی بین دادهها برقرار میکند که ممکن است غیرخطی و نامشخص باشد، سپس با استفاده از این ارتباط منطقی، شبیه سازی را برای موارد احتمالی مشابه انجام میدهد]6[. استفاده از شبکههاي عصبی مصنوعی برای تعیین میزان کارایی سیستمهای مدیریت فرآیند کسبوکار راهکاری بهینه ارائه میدهد، چراکه، تلاش در جهت بهبود کارایی سیستمهای مدیریت فرآیند کسبوکار از ارکان رو به رشد سازمانها و صنایع بزرگ و کوچک است.

ساختار شبکه عصبی معمولاً، یک شبکه یا گراف چند لایه با ارتباطات ساده، بین لایهها است. در هر لایه، یک یا چندین واحد محاسباتی به نام گره یا نرون عصبی مصنوعی وجود دارد که در حقیقت، الگویی ساده از نرونهاي عصبی مغز انسان هستند. نقش نرونها در شبکه عصبی، پردازش اطلاعات است و این امر، در شبکههاي عصبی مصنوعی، به وسیلهی یک پردازشگر ریاضی که همان تابع فعالسازي است؛ انجام میشود. یکی از معمولترین توابع فعالسازی شبکه عصبی تابع سیگموئید میباشد. شبکه عصبی، توسط الگوي ارتباطی بین لایههاي مختلف شبکه، تعداد نرونها، تعداد لایهها، الگوریتم یادگیري و تابع عملیاتی نرون، شناسایی و تعریف میشود ]7،53[.

ساختار الگوریتمهای شبکه عصبی دارای سه لایه اصلی میباشد ]54[:
1. لایهی ورودی: اطلاعات اولیه که به عنوان دادههای خام به لایههای پنهان داده میشود.
2. لایه های پنهان: این لایه معرف توابع پیچیدهای است که وظیفهی پردازش روی دادههای ورودی به لایه اول را بر عهده دارند و میتوانند نتایج را پیشبینی کنند. پردازش توسط توابع ریاضی بر روی ورودیها انجام میگیرد.از این رو، لایه های پنهان جزء کلیدی از یک شبکه عصبی را شامل میشوند، چراکه وظیفهی انجام محاسبات اصلی را بر عهده دارند.
3. لایه خروجی: نتیجه نهایی به دست آمده از جمع آوری پیشبینیهای ساخته شده در لایههای پنهان در این لایه حاصل میشود.

3-3-1- مدل ارائه شده به کمک شبکه عصبی مصنوعی:

مدلسازي به کار رفته در این طرح، مدل پرسپترون چندلايه53 است؛ چرا که از يك لايه ورودي، چند لايه پنهان و يك لايه خروجي تشكيل يافته است. در اين ساختار، تمام نرونهاي يك لايه به تمام نرونهاي لايه بعد متصل هستند]7[. نرونهای لایه ورودی بنابر میزان اهمیتی که در شبکه دارند، در عددی که وزن آن نرون محسوب میشود، ضرب شده و قدرت سیگنال آن نرون در ایجاد خروجیهای شبکه را نشان میدهد. شبکه عصبی، با یادگیری حل مسئله جواب نهایی و بهینه را پیدا میکند و در واقع، برنامهریزي قبلی نمیشود.
یادگیری شبکه در جریان اصلاح مکرر وزنها، انجام میشود و شبکه از این طریق آموزش میبیند. با تکرار فرآیند یادگیري، شبکه مقادیر صحیح وزنها را شناسایی کرده و خطا را کاهش میدهد. براي مجموعه مشخصی از وروديها، از تفاضل بین مقدار واقعی و خروجی شبکه، مقدار خطا محاسبه میشود]7،55[. بنابراین، شبكه با استفاده از قواعد و دادهها آموزش داده میشود و با استفاده از قابليت يادگيري، الگوريتمهاي متنوعي پيشنهاد ميگردد كه همگي سعي در نزديك كردن خروجي توليد شده توسط شبكه به خروجي ايدهآل و مورد انتظار دارند.

شاخصهایی که طی بررسی نرمافزارهای مختلف و نیازهای یک سازمان از مدیریت فرآیند کسبوکار انتخاب شدهاند؛ به عنوان اطلاعات ورودی به لایه ورودی در شبکه عصبی داده میشوند. این شاخصها که در 16 گروه تدوین شدهاند در وزنهايي ضرب مي شوند تا قدرت سيگنال را تعيين كنند. نهايتاً، يك عملگر رياضي تصميمگيري ميكند كه آيا نرون فعال شود

پایان نامه
Previous Entries پایان نامه با واژه های کلیدی فرآیند کسبوکار، مستندسازی، منابع سازمان Next Entries پایان نامه با واژه های کلیدی فرآیند کسبوکار، شبکه عصبی، سهم بازار