تحقیق درمورد شش سیگما، مهندسی ارزش و مهندسی مجدد

اختصاصی از فی توو تحقیق درمورد شش سیگما، مهندسی ارزش و مهندسی مجدد دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود "پایین مطلب:
فرمت فایل: word (قابل ویرایش)
تعداد صفحه: 584
فهرست مطالب:

فصل اول: مقدمه

بخش اول) مقدمه .............................. 2

• کیفیت چیست؟ ............................... 3
• مدیریت کیفیت فراگیر ....................... 7
• اصول مدیریت کیفیت فراگیر .................. 8
• متدولوژی تحقیق حاضر ....................... 15

فصل دوم : شش سیگما

بخش اول) مقدمه .............................. 18

• چرا شش سیگما؟.............................. 18
• پدیده شش سیگما............................. 21

بخش دوم) تاریخچه............................. 25

• تاریخچه.................................... 25
• بیل اسمیت پدر شش سیگما..................... 29

بخش سوم) شش سیگما چیست؟...................... 33

• لزوم اجرای شش سیگما........................ 33
• شش سیگما: فلسفه، ابزار یا استراتژی؟........ 37
• اهداف نهایی شش سیگما....................... 38
• برخی فوائد اجرای شش سیگما.................. 39
• برخی فوائد مدیریتی شش سیگما................ 42

بخش چهارم) روند اجرائی شش سیگما.............. 44

• اجرای استراتژیک شش سیگما................... 45
• اجرای تاکتیکی شش سیگما..................... 48
• DMAIC چیست؟................................ 50
• فاز اول: تعریف............................. 50
• فاز دوم: اندازه گیری....................... 54
• فاز سوم: تحلیل............................. 56
• فاز چهارم: بهبود........................... 59
• فاز پنجم: کنترل............................ 60
• سایر موارد................................. 62
• DMADV چیست؟................................ 65
• اشکال مختلف اجرای شش سیگما................. 68

بخش پنجم) مبانی آماری شش سیگما............... 72

• مقدمه...................................... 72
• توزیع نرمال................................ 75
• توزیع نرمال استاندارد...................... 76
• توزیع نرمال در حالت کلی.................... 78
• محاسبة سطح سیگما........................... 83

بخش ششم) سخت افزار و نرم افزار شش سیگما...... 88

• سخت افزار شش سیگما......................... 88
• ابزارهای مقدماتی و سازماندهی اطلاعات........ 89
• ابزار جمع آوری اطلاعات...................... 94
• ابزارهای تحلیل داده ها و فرایندها.......... 101
• ابزارهای تحلیل آماری....................... 113
• نرم افزار شش سیگما......................... 115

بخش هفتم) تعلیم و آموزش شش سیگما............. 126

• چه کسانی؟ چه تعلیماتی؟..................... 127
• یاد‌گیری سایر مهارتها....................... 132

بخش هشتم) ساختار سازمانی شش سیگما............ 136

• کمربند سیاه................................ 136
• کمربند سیاه ارشد........................... 137
• حامی یا قهرمان............................. 138
• کمربند سبز................................. 140
• رهبری اجرائی............................... 141
• صاحبان فرایند.............................. 142

بخش نهم) شش سیگما و سایز سازمانی............. 143

• محور مدیریت................................ 144
• محور کارکنان............................... 148

بخش دهم) علل عملکرد موفق شش سیگما............ 150

• علت اول: مشتری گرائی....................... 151
• علت دوم: اصلاح عملکرد مدیریت................ 151
• علت سوم: مدیریت براساس حقایق............... 152
• علت چهارم: علاج قبل از وقوع................. 152
• علت پنجم: تیم و مشارکت بی حد و مرز......... 153
• علت ششم: بازیافت سرمایه.................... 153
• سایر علل................................... 154

فصل سوم : مهندسی ارزش

بخش اول ) مقدمه ............................. 157 بخش دوم ) تاریخچه ........................... 163

• تاریخچه مهندسی ارزش........................ 163
• تاریخچه مهندسی ارزش در ایران .............. 169
• تعریف ارزش و انواع آن ..................... 172
• هزینه وانواع آن .......................... 174
• کارکرد و انواع آن ......................... 177
• کیفیت ..................................... 181
• ارزش از دیدگاههای متفاوت .................. 182
• سایر تعاریف مرتبط ......................... 184
• تعریف مهندسی ارزش ......................... 186
• فرایند مهندسی ارزش ........................ 192
• روش تحلیلی ................................ 194
• روش خلاقیت ................................ 196
• برخی دستاوردهای به کارگیری مهندسی ارزش .... 198
• برنامه کار پیشنهادی انجمن بین المللی ارزش . 206
• مطالعات مقدماتی ........................... 208
• مطالعات ارزش............................... 210
• مطالعات تکمیلی ............................ 216
• بررسی برنامه کار هفت مرحله‌ای مهندسی ارزش .. 216
• فاز انتخاب ................................ 218
• فاز بررسی یا اطلاعات ...................... 225
• فاز خلاقیت ................................ 239
• فاز ارزیابی ............................... 246
• فاز بسط و توسعه ........................... 260
• فاز ارائه ................................. 262
• فاز اجرا و ممیزی .......................... 268

بخش سوم ) ارزش و پارامترهای آن .............. 172بخش چهارم) مهندسی ارزش ...................... 186بخش پنجم ) زمان اجرای مهندسی ارزش ........... 200 بخش ششم ) روند اجرائی مهندسی ارزش ........... 205

فصل چهارم : مهندسی مجدد

بخش اول) مقدمه............................... 275

• مقدمه...................................... 275
• مهندسی مجدد؛ دگرگون سازی................... 279
• تعریف و واژه های کلیدی..................... 283
• دلائل نیاز به مهندسی مجدد در دگرگون سازی.... 289
• مشتریان دگرگون شده اند..................... 290
• رقابت تنگاتنگ.............................. 295
• دگرگونی ها پیوسته اند...................... 297
• مهندسی مجدد سازمانها چیست؟................. 307
• گام اول؛ بدانید چه می خواهید............... 318
• درک نیاز و توان دگرگون کردن................ 320
• تحلیل ذی نفعان کلیدی و نیازهای آنها ....... 322
• چارچوبی برای موفقیت........................ 340
• گام دوم: برنامه ریزی کنید.................. 345
• فرایند برنامه ریزی......................... 347
• گام سوم: اجرا کنید......................... 352
• تکنیک های فنی.............................. 352
• تکنیک های فرهنگی........................... 359
• گام چهارم: سنجش و ارزیابی کنید............. 376
• کنترل و بازبینی عملیات..................... 377
• کنترل نتایج................................ 383

بخش دوم) مهندسی مجدد چیست؟................... 283بخش سوم) روند اجرائی مهندسی مجدد............. 316

فصل پنجم : مقایسه و نتیجه گیری

بخش اول ) مرور رویکردها ..................... 391

• خلاصه ...................................... 392
• شش سیگما چیست؟ ............................ 392
• مهندسی ارزش چیست؟ ........................ 393
• مهندسی مجدد چیست؟ ......................... 394

بخش دوم ) مقایسه رویکردها ................... 395

• شباهت ها .................................. 395
• تفاوت ها .................................. 397
• نتیجه گیری و ارائه پیشنهاد ................ 402

فصل ششم : منابع و مآخذ

• منابع فارسی ............................... 405
• منابع لاتین ................................ 406

شرکتها و سازمانهای تجاری برای بقا در عرصه تجارت باید سودآور باشند و با ارائه خدمات و محصولات پاسخگوی نیازهای مشتریان خود بوده ودر عین حال با گسترش تجاری و صنعتی، ایجاد فرصتهای شغلی و پرداخت مالیات به جامعه و کشور خود خدمت نمایند. شرط اول سودآوری برای یک سازمان اینست که مشتریان به خرید و استفاده از محصول یا خدمت آن سازمان، علاقمند و مایل باشند. این علاقه و تمایل از تطابق نیازهای آنها با محصولات و خدمات ارائه شده سازمان نشأت می‌گیرد. هر مشتری دربارة محصول دریافتی، اعم از کالا یا خدمات، شرایط خاصی را در نظر دارد، در حقیقت می‌توان گفت مجموعه‌ای از شرایط هستند که نیاز وانتظار مشتری را شکل می‌دهند. چنانچه سازمان یا شرکتی بتواند پاسخگوی شرایط مورد نظر مشتری باشد، سازمانی موثر (effective) است که مسلماً در آینده با اقبالی بیشتر مواجه می‌شود در غیراینصورت سازمانی غیرموثر (Ineffective) بوده و چشم‌اندازی خطرناک را پیش رو دارد. توقع مشتری بسیار فراتر از پرداخت وجه و دریافت کالا یا خدمات است. رضایتمندی وی زمانی حاصل می شود که محصول یا خدمتی را که در قبال پرداخت وجه دریافت می‌نماید با مجموعه شرایط وی سازگار باشد. در این صورت است که مشتری ادعا می‌کند کالا یا خدمات دریافتی و از «کیفیت خوبی» برخوردار بوده است.

چنانچه سازمانی موفق به خلق چنین تصوری در مشتریان خود گردد مسلماً آینده‌ای روشن را پیش رو دارد و به همین منظور سازمانها و شرکتهای تجاری در سراسر دنیا سالهاست می‌کوشند تا سطح کیفیت محصول یا خدمات خود را هر چه بیشتر ارتقاء دهند. بنابراین درک مفهوم کیفیت و موضوعات مربوط به آن از قبیل مدیریت کیفیت
 (Quality Management)، مدیریت کیفیت فراگیر (Total Quality Management)، کنترل کیفیت (Quality Control)، تضمین کیفیت (Quality Assurance) و.. از نیازهای اساسی هر سازمان است.

• کیفیت چیست؟

کیفیت مفهومی است که تعریف و تفسیر آن بسیار دشوار می‌نماید اگر چه هر کس به راحتی این معنا را در ذهن خود درک می‌کند و در واقعیت به راحتی به تجزیه و تحلیل کیفیت محصولات و خدمات دریافتی خود می‌پردازد. اما مشکل زمانی نمایان می‌شود که سعی در اندازه گیری کیفیت با یک مقیاس مشخص داریم و یا حتی به دنبال تعریف مناسبی از آن هستیم. اگر در این جستجو به یک فرهنگ لغات مراجعه کنیم، تعریفی این چنین خواهیم یافت: «درجه خوبی یا مطلوبیت محصول یا خدمات دریافتی». با توجه به این تعریف سئوالی در ذهن ما ایجاد می‌گردد مبنی بر اینکه اصولاً خوبی و مطلوبیت (goodness) یک محصول یا خدمت چیست و چگونه اندازه‌گیری می‌شود. باید گفت این معنا در هر زمان و هر مورد به شکلی خاص خودنمائی می‌کند.

شاید بتوان گفت درک انسان از مفهوم کیفیت به زمان ماقبل تاریخ برمی‌گردد، زمانی که مردم برای کسب اشیاء مورد نیاز خود دست به معاوضه و تباتر می‌زدند. معاملات معمول در بریتانیا بر روی اشیائی مانند نمک، میخهای آهنی و سنگ آسیاب صورت می‌گرفت. 

دانلود مقاله تبلور مجدد

اختصاصی از فی توو دانلود مقاله تبلور مجدد دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه:3

مقدمه

ترکیبی که میخواهیم متبلور کنیم را باید در یک حلال یا مخلوطی از حلالهای داغ، محلول بوده ودر حالت سرد همان حلالها نامحلول باشد. عمل تخلیص در صورتی انجام میشود که ناخالصی، یا در حلال سرد محلول باشد و یا در حلال داغ نامحلول باشد. در حالت دوم محلول رابصورت داغ صاف میکنیم تا ناخالصیهای محلول جدا شوند. اگر محلول رنگی باشد و ما بدانیم که جسم مورد نظر بیرنگ است مقدار کمی از زغال رنگبر به محلول سرد اضافه نموده سپس آنرا حرارت داده، بصورت داغ صاف میکنیم. زغال رنگبر، ناخالصیهای رنگی راجذب میکند.

تحقیق در مورد اولویت انتخاب بین مدیریت دانش و مهندسی مجدد در سازمان

اختصاصی از فی توو تحقیق در مورد اولویت انتخاب بین مدیریت دانش و مهندسی مجدد در سازمان دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه5

فهرست مطالب

مهندسی مجدد

مهندسی مجدد یا مدیریت دانش؟

نتیجه گیری

منابع

مدیریت دانش روشی سیستماتیک برای تشخیص، سازماندهی و به اشتراک گذاشتن دانش در سازمان است که می‌تواند در نهایت به تولید دانش بیشتر در سازمان نیز منجر گردد. امروزه مدیران ارشد سازمانها دریافته‌اند که سرمایه‌های دانشی در سازمان از اهمیت فوق‌العاده‌ای برخوردار بوده و می‌بایست توان زیادی را برای مدیریت سرمایه‌های دانشی و دانش نهفته در فرایندهای سازمان خود صرف کنند. از طرفی، گاه فرایندهای سازمان از کارایی کافی برخوردار نبوده و مدیران را به اندیشه‌هایی چون مهندسی مجدد، فرایندها جهت اصلاح مکانیسمها و فرایندهای سازمان خود وا می‌دارند. ولی سوال اینجاست که بین مدیریت دانش و مهندسی مجدد، کدام یک می‌بایست در ابتدا در دستور کار سازمان قرار گیرد تا بهترین نتیجه عاید سازمان گردد؟
این مقاله به دنبال پیدا کردن پاسخی به این پرسش است.

مقدمه
سیر تغییرات کنونی در فضای کسب وکار به گونه‌ای است که اکثر سازمانها ضرورت تحول را احساس کرده و مرتباً خود را با تغییرات همسو می‌کنند. رسانه‌های خبری، ما را با این حقیقت آشنا می‌سازند که مجموعه‌های ایجاد شده اغلب سمت و سوی خلاقیت را در پیش گرفته‌اند و تغییرات سازمانی نیز با چنان سرعتی می‌بایست صورت پذیرند تا سازمان با نیازهای کسب و کار تطابق داشته باشند. همگرایی فناوری اطلاع‌رسانی و فرایند جهانی شدن آن سبب می‌شود تا نیازها و ضروریات نسبت به سرعت تغییر و پیشرفتهای سازمانی بیش از پیش احساس شود.
مدیریت دانش به عنوان یک استراتژی کاری و شغلی به طور همزمان برروی مرزهای چندگانه سازمان عمل کرده و نیز ابزاری برای پیشرفت کلی برنامه یک سازمان محسوب می‌گردد. مدیریت

دانلود مقاله یک الگوریتم ژنتیک جدید همراه با بازچینی مجدد

اختصاصی از فی توو دانلود مقاله یک الگوریتم ژنتیک جدید همراه با بازچینی مجدد دانلود با لینک مستقیم و پر سرعت .

یک الگوریتم ژنتیک جدید همراه با بازچینی مجدد ژن ها برای خوشه بندی داده ها

چکیده
در این گزارش ما یک روش جدید برای خوشه بندی داده ها بر پایه الگوریتم ژنتیک همراه با بازچینی مجدد ژن های هر کروموزوم در هر مرحله تکرار ارائه می دهیم.این امر باعث حذف انحطاط در مراکز خوشه ها در هر مرحله می شود در این گزارش یک عملگر ترکیب (crossover) جدید تعریف شده است که از میزان شباهت بین کروموزوم ها استفاده می کند.احتمال ترکیب و جهش در هر مرحله به صورت وفقی محاسبه می شود تا الگوریتم کمتر در بهینه های محلی گیر کند این الگوریتم به همراه الگوریتم K-mean و دیگر الگوریتم های تکاملی بر روی داده های UCI اعمال شده است و نتایج با همدیگر مقایسه شده است نتایج نشان می دهد الگوریتم ارایه شده کارایی و انعطاف بالاتری دارد.

واژه های کلیدی: خوشه بندی ، الگوریتم ژنتیک ، K-mean

1- مقدمه
خوشه بندی یکی از مهمترین تکنیک های یادگیری بدون سرپرستی می باشد که در آن داده ها به صورت بردار هایی در فضای چند بعدی در گروه هایی ( خوشه ) بر اساس شباهت ویژگی هایشان دسته بندی می شوند این گروه بندی بر اساس دو شرط انجام می شود 1-همگنی در گروه ِداده ها در هرگروه شبیه به هم باشند 2-غیر همگنی در گروهها ِیعنی داده ها در گروههای متفاوت شبیه به هم نباشند ما داده ها را به عنوان نقاطی در فضای چند بعدی در نظر می گیریم که بعد همان تعداد ویژگی ها می باشد بنابراین object ها اشاره دارند به نقاط و پایگاه داده به این صورت نمایش داده می شود X={x1,x2,x3,..,xk} در جایی که xk متعلق به Rd می باشد که k تعداد داده ها و d نشان دهنده بعد می باشد.[1,2]
در مجموع می توان گفت که کلاسترینگ دو روش اصلی دارد روشهای مرتبه ای و روشهای جداسازی(مجزا) به طوری که روش مرتبه ای یک درخت مرتبه ای از کلاسترهای تودرتوبه عنوان یک درخت یکنواخت.
الگوریتمهای کلاسترینگ مجزا تولید می کنند Cدسته (کلاستر)از مجموعه داده هادر جایی که C تعداد کلاستر ها می باشد اغلب غیر معمول است که ما درجه تمایل کلاسترها را با بهینه سازی تابع هدف پیدا کنیم. از جمله این روش ها k-means جزء این دسته می باشد. به طوری که در این روش دسته بندی داده ها بستگی به میزان شباهت یا عدم شباهت که عموما دلالت دارد به فاصله بین داده یعنی هرچه داده به هم نزدیک تر باشند در یک کلاستر قرار می گیرند این فاصله ها به صورت متری در نظر گرفته می شوند با افزایش بعد این فاصله ها بنابراین این فاصله ها را در هر ویژگی به صورت مجزا اندازه گیری می کنیم اصل در این روش این است که فاصله ها را تا مرکز کلاستر اندازه می گیریم از انواع فاصله ها می توان فاصله اقلیدسی را نام برد .یک فرمول عمومی در مسائل کلاسترینگ بدین ترتیب می باشد که مجموعه ای از n نقطه در فضای d بعدی ویک عدد صحیح k و اتخاذ یک مجموع از مراکز کلاسترها در فضای Rd به طوری که هدف این است تا مجموع فواصل اقلیدسی نفاط از نزدیکترین مرکز مینیمم شود(SSE) که دارای روابطی به شکل[1] :

به علت قابلیت و پیاده سازی آسان k-means برای کلاسترینگ مجموعه داده های بزرگ استفاده می شود، k-means به صورت تکراری جهت محاسبه مراکز کلاسترها به کار می رود هر مجموعهZ z  یک مجموعه از همسایگی ها دارد که به عنوان مجموعه ای از ناقاط که به z نسبت به دیگر نقاط نزدیک تر هستند الگوریتم با مجموعای از مراکز شروع شده وسپس همسایگی آنها محاسبه می شود ، در مراحل پی در پی مراکز توسط همسایهای خود جایگزیین شده ودوباره همسایگی ها تعیین میشود و این تا جایی ادامه می یابد که که یک معیار همگرایی از قبیل زمانی که دردو مر حله پی در پی مراکز تغییر نکند برآورده شود[2,3]
با اینکه الگوریتمk-means یکی از الگوریتم های معروف وپر کاربرد در خوشه بندی محسوب می شود ولی چند عیب اساسی نیز دارد. الگوریتمk-means به شدت به انتخاب مراکز حساس می باشد و یک انتخاب ضعیف در ابتدا ممکن است منجر به بهینه محلی شود که بشدت از بهینه عمومی پایین تر است از طرفی با بزرگ شدن حجم داده ها الگوریتم نیاز به زمان زیادی جهت پیدا کردن بهینه محلی دارد
الگوریتم ژنتیک بر پایه اصل بقاء در طبیعت بوجود آمده است الگوریتم های تکاملی کاربرد گسترده ای در بهینه سازی مسائل دارند در سال های اخیر تلاش های زیادی جهت بهبود خوشه بندی بر پایه الگوریتم ژنتیک انجام شده است [4,5,6,7]میشل لازلو یک روش الگوریتم ژنتیک برای انتخاب همسایگی مراکز بنابر جستجوی عمومی k-means برای کلاسترینگ داده ها ارائه داد[4]. بدین منظور او از یک crossover جدید برای تعویض همسایگی مراکز استفاده کرد.در یک روش دیگر از کد گذاری کروموزوم ها به صورت یک رشته به طول حجم داده ها استفاده شده در این روش هر ژن یک کروموزوم مربوط به یک داده بود به صورتی که شماره آن ژن نشان دهنده داده و محتوی آن نشان دهنده شماره خوشه مربوط به داده است در این روش حجم فضای جستجو کاهش نیافته و در مجموعه داده هایی که حجم بالایی دارند، پیدا کردن جواب بهینه هزینه بالایی دارد.
اکثر الگوریتم هایی که بر پایه ژنتیک هستند مشکل انحطاط دارند این مشکل زمانی رخ می دهند که چندین کروموزوم راه حل های یکسانی را ارائه کنند [5]انحطاط باعث می شود تا الگوریتم نتواند فضای جستجو را به طور بهینه وکارا جستجو کند و این بدلیل این است که یک خوشه به طور تکراری در چندین کروموزوم وجود دارد در روشی که در این گزارش بررسی شده است (GAGR) انحطاط در کروموزوم ها بشدت کم شده است و این امر باعث افزایش سرعت در جستجوی فضای جستجو شده است علاوه بر این چون کروموزوم ها دارای مقادیر حقیقی هستند ترکیب در آنها به صورت اکتشافی و مسیری انجام شده است
در بخش بعدی تعاریف روابط لازم که در الگوریتم استفاده شده شرح داده شده است در بخش سوم جزییات الگوریتم تشریح شده در بخش چهارم این گزارش در مورد ویژگی ها و توانایی های این الگوریتم بحث شده است آزمایشات تجربی را در بخش پنجم آمده است و در نهایت نتیجه گیری و بحث در بخش ششم این گزارش آمده است.

2- تعاریف مقدماتی
در این بخش ابتدا چند تعریف که در قسمت های بعدی بکار می رود ارائه می کنیم این تعاریف در عملگرهای الگوریتم ژنتیک و در بازچینی ژن ها کاربرد دارد [5]
تعریف 1 :اگر x1 و x2 دو بردار در فضای RN باشند آنگاه داریم :


تعریف 2 :اگر x1 و x2 دو بردار در فضای RN باشند آنگاه فاصله بین x1 و x2 به صورت زیر تعریف می شود

تعریف 3 :از ترکیب دو بردارx1 و x2 یک بردار جدید x1x2 به صورت زیر تعریف می شود

واضح است که :

تعریف 4 :اگر x1 و x2 دو بردار در فضای RN باشند و x1 نا مساوی با x2 باشد و j کوچکترین عددی باشد که x1(j)<x2(j) آنگاه تابع زیر را داریم:

و اگر x1(i)>x2(i) برای بعضی مقادیر i برقرار باشد و k بزرگترین عددی باشد که x1(k)>x2(k) آنگاه تابع زیر را داریم:

برای روشن تر شدن تعاریف بالا از یک مثال برای این تعاریف استفاده شده است این مثال در جدول شماره 1 آمده است

جدول 1 مثالی از تعاریف بالا
تعریف 5 :اگر x1 و x2 دو بردار در فضای RKN به صورت زیر باشند

به طوریکه :

آنگاه با استفاده از شبه کد زیر مقادیر p1 و p2 را محاسبه می کنیم


حال می توان با استفاده از مقادیر p2 سطر های بردار y را به صورت زیر بازچینی کرد

این عمل را بازچینی بردار y را بوسیله بردار مرجع x می نامیم
قضیه 1 :اگر x1 و x2 دو بردار در فضای RN باشند و x1 نا مساوی با x2 باشد و x1(i)>x2(i) برای بعضی مقادیر i برقرار باشد آنگاه :

3- الگوریتم خوشه بندی GAGR
1-3 نمایش کروموزوم ها
در هر الگوریتم تکاملی نمایش کروموزوم یکی ساز مسائل مهم آن الگوریتم است در واقع نحوه نمایش کروموزوم ساختار الگوریتم و مسئله را نشان می دهد هر کروموزوم از یک سری ژن هایی تشکیل شده است این ژن ها می توانند یک مقدار دودویی یک عدد اعشاری و یا یک عدد صحیح و یا یک سیمبل باشند در بسیاری از الگوریتم های تکاملی از اعداد دودویی در ژن ها استفاده می شود میشل ویز بررسی های گسترده ای برای مقایسه مقادیر حقیقی و دودویی در ژن ها انجام داد و این بررسی ها نشان داد اعداد حقیقی کارایی بهتری در زمان الگوریتم دارند. بنابراین با توجه به این موضوع و ساختار مسئله ما از مقادیر حقیقی در ژن ها استفاده می کنیم
برای نمایش کروموزوم ما از روش های معمول در خوشه بندی استفاده می کنیم بدین صورت که هر کروموزوم رشته ای از اعداد حقیقی به طول M=N*K است به طوری که N بعد فضای ویژگی مسئله را نشان می دهد و K معرف تعداد خوشه ها است

مرکز اولین خوشه بوسیله N مقدار اول در بردار نشان داده شده، مرکز دومین خوشه بوسیله N مقدار دوم در بردار نشان داده شده و همینطور مرکز بقیه خوشه ها .

2-3 مقداردهی جمعیت
برای ایجاد جمعیت اولیه از تابع راندوم برای تولید کروموزوم ها استفاده شده است نکته ای که در تولیید جمعیت باید ملاحظه شود ایت است که در تولید یک کروموزوم دو نقطه ( مرکز خوشه) برابر تولید نشوند پس از این که جمعیت اولیه به صورت کامل تولید شد برای هر کروموزوم تولید شده با توجه به مراکز خوشه ها طبق رابطه زیر هر داده را به نزدیکترین خوشه مجاور نسبت می دهیم

mk مرکز k امین خوشه است.

3-3 تابع ارزش
برای انتخاب یک جواب مناسب برای مسئله نیاز به یک تابع ارزش قوی است که بتواند کروموزوم ها را به خوبی ارزیابی کند یک ملاک ارزیابی که در اکثر الگوریتم های خوشه بندی استفاده می شود مجموع مجذور خطا است که به صورت زیر محاسبه می شود

در رابطه بالا مجذور فاصله داده های ی خوشه i تا مرکز خوشه محاسبه می شود و این فاصله ها برای تمام خوشه ها با یکدیگر جمع می شود. زمانی که هر خوشه فقط یک داده داشته باشند مقدار بالا صفر می شود.در الگوریتم خوشه بندی اگر مراکز خوشه ها به درستی انتخاب نشود این عدد بسیار بزرگ می شود و هر چه مراکز خوشه ها به داده های خوشه نزدیکتر باشد مقدار مجذور فاصله کم می شود به همین دلیل ما از معکوس مقدار بالا به عنوان تابع ارزش استفاده می کنیم

اگر مراکز خوشه ها در یک کروموزوم به درستی انتخاب شود مجموع مجذور خطا کم شده و ارزش کروموزوم افزایش می یابد

4-3 عملگرهای تکاملی
1-4-3 ترکیب
هدف اصلی عمگر ترکیب در الگوریتم ژنتیک ایجاد کروموزوم های جدید از روی کروموزوم های والد است یک عملگر ترکیب ساده مقداری از ژن های یک والد را با والد دیگری جابجا می کند و دو کروموزوم جدید ایجاد می کند در این الگوریتم ما از دو نوع عملگر ترکیب استفاده می کنیم : ترکیب بر پایه مسیر و ترکیب اکتشافی . میزان احتمال وقوع ترکیب در این الگوریتم به صورت وفقی محاسبه می شود اگر fmax بیشترین میزان ارزش در جمعیت جاری باشد و f میانگین ارزش در جمعیت و f' میزان ارزش کروموزوم باشد آنگاه میزان وقوع ترکیب از رابطه زیر محاسبه می شود

برای معرفی عملگر ترکیب بر پایه مسیر از تعاریفی که در بخش قبل آوردیم استفاده می کنیم M1 و M2 دو کروموزوم از یک جمعیت در نظر می گیریم اگر آنگاه وجود دارد و همچنین . با توجه به قضیه 1 اگر و برای بعضی مقادیر i ، انگاه وجود دارد و طبق تعریف 2 فاصله آن تا کمتر است نسبت به فاصله آن تا M1 .طبق رابطه تعریف 4 می توان یک سری متناهی به صورت

و بدست آورد سری بدست آمده از روابط بالایک مسیر بین M1 تا را نشان می دهد به طور مشابه می توانیم یک مسیر بین و M2 ایجاد کنیم از ترکیب این دو مسیر می توان یک مسیر بین M1و M2 ایجاد کرد
عملگر ترکیب بر پایه مسیر ابتدا یک مسیر بین دو کروموزوم والد ایجاد مند و سپس دو نقطه در این مسیر را به عنوان کروموزوم های فرزند انتخاب می کند انتخاب نقاط می تواند به صورت راندوم باشد و یا می توان از چرخ رولت و یا تورنمنت استفاده کرد
روش بالا را با یک مثال شرح می دهیم M1 و M2 دو کروموزوم هستند که هر کدام سه مرکز خوشه دوبعدی را نشان می دهند


مسیر بین M1 و M2 طبق روابط بالا به صورت زیر است

اما بعضی اوقات در روش ترکیب بر پایه مسیر که در بالا معرفی شد یک مشکل پیش می آید آنهم زمانی که والدین بسیار به همدیگر نزدیک باشند واضح است که در چنین شرایطی مسیر بین دو والد به شدت کم می شود برای رفع این مشکل ما از یک حد آستانه استفاده می کنیم به گونه ای که اگر فاصله دو والد از حد آستانه بیشتر بود از ترکیب مسیری استفاده شود و در غیر این صورت ما از ترکیب دیگری استفاده کنیم ترکیب دیگری در زمان نزدیک بودن والدین استفاده می شود ترکیب اکتشافی است در این روش اگرx و y دو کروموزوم والد باشند و x از y بهتر باشد (طبق تابع ارزش) آنگاه دو کروموزوم جدید به صورت زیر بدست می آید :

R یک عدد تصادفی با توزیع یکنواخت در بازه {0,1} است
2-4-3 جهش
جهش در الگوریتم تکاملی عبارت است از تغییر یک یا چند ژن در یک کروموزوم انتخاب شده بایک احتمال خاص. عمل جهش باعث می شود تا الگوریتم بتواند فضاهای بیشتریو گسترده تری در فضای جستجو بررسی کند و این امر تا حدی به الگوریتم کمک می کند تا در بهینه محلی گیر نکند در این روش ما احتمال جهش را هم مانند احتمال ترکیب به صورت وفقی محاسبه می کنیم نحوه محاسبه این احتمال در رابطه زیر آمده است

مقدار k2 و k4 در رابطه بالا برابر 0.5 است و fmax بیشترین میزان ارزش در جمعیت جاری و f^ میانگین ارزش در جمعیت و f میزان ارزش کروموزومی که برای عمل جهش انتخاب شده است
با توجه به روابط pc و pm این گونه به نظر می رسد که برای راه حل هایی با تابع ارزش بالا مقدار pc و pm کم می شود و برای راه حل هایی با تابع ارزش پایین مقدار احتمال pc و pm افزایش می یابد. در الگوریتم ژنتیک اگر از کروموزوم هایی با تابع ارزش بالا جهت عمل ترکیب و جهش استفاده شود همگرایی الگوریتم افزایش پیدا می کند و اگر از کروموزوم هایی با تابع ارزش کم استفاده شود مسئله ما با احتمال بسیار کمتری در بیشنه های محلی گیر می کند برای فرار از بیشینه های محلی اغلب از راه حل هایی با ارزش کمتر از میانگین جهت ترکیب و جهش استفاده می شود مقدار احتمال pc و pm برای کروموزوم هایی با بیشترین مقدار ارزش برابر صفر است که این باعث می شود تا این کروموزوم های بدون تغییر به نسل بعد خود منتقل شوند.
عملگر جهش در این مسئله به این صورت است اگر fmin و fmax بیشترین و کمترین مقدار ارزش در جمعیت جاری باشد آنگاه یک عدد (δ) با توزیع یکنواخت در بازه [+R , -R] تولید می کنیم.

اگر بیشترین و کمترین مقدار در i مین بعد از داده ها را mimax و mimin بنامیم آنگاه جهش در i مین عنصر به صورت زیر انجام می شود

5-3 تشریح الگوریتم GAGR
در این الگوریتم هر کروموزوم نشان دهنده مراکز خوشه هاست و هر خوشه توسط تابع ارزش ارائه شده ارزشش بررسی می گردد انتخاب کروموزوم ها برای عمل ترکیب توسط روش چرخ رولت انجام می شود در این روش کروموزوم هایی که ارزش بالاتری دارند از شانس بالاتری برای انتخاب دارند احتمال ترکیب وجهش در این الگوریتم به صورت وفقی محاسبه می شود برای عمل ترکیب از دو روش استفاده شده است روش ترکیب بر پایه مسیر و ترکیب اکتشافی در هر سری تکرار الگوریتم بهترین کروموزوم انتخاب شده و به عنوان کروموزوم مرجع در نظر گرفته می شود سپس کل جمعیت کروموزوم ها طبق تعریف 5 بازچینی می شوند این امر باعث جلوگیری از انحطاط در کروموزوم ها می شود این الگوریتم پس از مقدار مشخصی از تکرار خاتمه یافته و بهترین کروموزوم به عنوان پاسخ ارائه می شود
مراحل الگوریم GAGR :
1- ایجاد جمعیت اولیه به صورت راندوم با این شرط که در یک کروموزوم دو مرکز خوشه همسان نداشته باشیم و نسبت دادن داده ها به خوشه ها در هر کروموزوم به طوری که هر داده به خوشه ای نسبت داده می شود که کمترین فاصله را تا مرکز آن خوشه داشته باشد
2- ارزیابی کروموزوم ها و قرار دادن بهترین کروموزوم در pbest
3- اگر شرط توقف وپایان برقرار نیست برو به مرحله 4 ، در غیر این صورت pbest را به عنوان جواب بهینه انتخاب کن
4- کروموزوم های والد را برای عمل ترکیبو جهش انتخاب کن
5- انجام عمل ترکیب بر روی کروموزوم های انتخاب شده با توجه به احتمال ترکیب
6- انجام عمل جهش بر روی کروموزوم های انتخاب شده با توجه به احتمال جهش
7- ارزیابی جمعیت جدید
8- مقایسه بدترین کروموزوم از نسل جدید با pbest اگر بدترین کروموزوم از pbest بهتر بود جایگزینی آن در pbest و حذف pbest قبلی
9- پیدا کردن بهترین کروموزوم از نسل جدیدو تعویض آن با pbest
10- انتخاب pbest به عنوان مرجع وبازچینی جمعیت طبق رابطه 5
11- بازگشت به مرحله 3

4- تحلیل کارایی الگوریتم GAGR
همانطور که بیان شد اکثر الگوریتم هایی خوشه یابی که بر پایه ژنتیک عمل می کنند اما این مشکل در روش ارائه شده به طور چشمگیری کاهش پیدا کرده است برای مثال در الگوریتم ژنتیک ساده (که در آن ژن های کروموزوم بازچینی نمی شوند ) اگر M1=[1.2, 2.1, 3.3,3.3, 2, 3] نشان دهنده سه مرکز خوشه دو بعدی باشد و M2 = [3.3,3.3,2, 3 ,1.2, 2.1] کروموزوم دیگری از همین داده ها باشد آنگاه از ترکیب برشی این دو از نقطه دوم در کروموزوم ها بردارهای [3.3,3.3,3.3 , 3,3, 2, 3] و[1.2,2.1,2,3,1.2, 2.1] بدست می آید که در هر دو این کروموزوم ها مرکز خوشه هایی با مقادیر یکسان داریم و هر دو آنها نامعتبر هستند که در الگوریتم ارائه شده پس از بازچینی ژن ها در کروموزوم این مسئله تا حد زیادی رفع شده است.
علاوه بر این مشکل انحطاط در زمانی که کروموزوم های نا مساوی داریم هم اتفاق می افتد برای مثال اگر M1=[1.1,1, 2.2, 2,3.4 ,1.2] و M2=[3.2,1.4 ,1.8 ,2.2,0.5,0.7] و اگر M1 رابه عنوان مرجع در نظر بگیریم M2 به صورت M2'=[0.5,0.7,1.8 ,2.2,3.2,1.4] بازچینی می شود شکل یک نتایج حاصل از ترکیب M1 وM2 ونتایج حاصل از ترکیب M1 وM2' را نشان میده همانطور که در شکل پیداست نتایج مربوط به M1 وM2' مفیدتر و به مرکز داده ها نزدیک تر است

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله   10 صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

دانلود مقاله مهندسی مجدد فرآیند کسب و کار و بکارگیری آن در سیستم هزینه یابی شرکتهای جدید

اختصاصی از فی توو دانلود مقاله مهندسی مجدد فرآیند کسب و کار و بکارگیری آن در سیستم هزینه یابی شرکتهای جدید دانلود با لینک مستقیم و پر سرعت .

چکیده

یکی از ویژگیهای محیط تجاری امروزی افزایش رقابت در تمام سطوح است. علاوه بر آن در قرن 21 شرکتها نه تنها به فعالیت در کشورهای مختلف نیاز دارند بلکه آنها باید استراتژی های جهانی را جهت هماهنگ کردن عملکردشان در سراسر زنجیره ارزش ایجاد کنند. متناسب  کردن زنجیره تامین  درشکل جدید سازمانها مثلاً سازمانهای مجازی و اتحادهای تجاری از نظر استراتژیکی مهم شده است . موسساتی که خواهان افزایش سهم بازار خود و کسب سود و منافع هستند باید خود را با تغییرات محیط موجود وفق دهند .از اینرو تغییرات بسیاری در روشهای کسب وکار در حال شکل گیری است که یکی از آنها ، رویکرد مهندسی مجدد فرآیند کسب و کار است. این مقاله سعی بر بررسی مفهوم BPR ازجنبه مختلف شامل تعاریف ، تفاوت آن با طراحی مجدد فرآیند، چالشهای آن و ارتباط آن با IT داشته و سپس این بررسی را که ابتدا مربوط به کل سازمان است در بخش سیستم هزینه  یابی متمرکز می نماید. سوال اصلی تحقیق این است که چگونه می توان BPR را در مورد سیستم هزینه یابی به کار گرفت. با توجه به اینکه در قرن حاضر شرکتها به سمت مجازی شدن پیش می روند، دیگر سیستمهای هزینه یابی رایج  از جمله سیستم سیستم سنتی و ABCکارساز نبوده و نیاز به سیستم جدیدی  متناسب با اینگونه تحولات در سازمان و محیط بیرونی سازمان احساس می شود که این مقاله گامی در این مسیر رفع آن است.

واژگان کلیدی: هزینه یابی بر مبنای فعالیت[1] ؛ مهندسی مجدد فرآیند کسب و کار ؛ فناوری اطلاعات3 .

مقدمه

برای درک دقیق BPR  بهتر است با سابقه و چگونگی خلق آن آشنا شد . در 1980 یک نارضایتی فراگیر بابت عدم رضایت  از ارزش افزوده ناشی از فن آوری اطلاعات (IT) در بیشتر سازمانهای اقتصادی آمریکا حاکم شد . چرا که با آن همه سرمایه گذاری شرکتها جهت توسعه IT در آن سالها تاثیر  چندانی در افزایش بهره وری و توسعه عملکردها نداشت . برای حل این موضوع چندین اظهار نظر متفاوت ازسوی کارشناسان و متخصصین ارائه گردید  که مهمترین آنها توسط آقای Hammer بیان شد . بر اساس این نظریه اشکال کار مربوط به IT نیست بلکه روان بنودن و اشکال در فرآیندهای سازمانی ساختار ها و طراحی های سازملنی است که بخوبی کار نمی کند . بعقیده طرفداران این نظریه  عدم انعطاف پذیری ساختارهای سازمانی و پیچیدگی روشها در سازمانها که از دهه 1960 بجا مانده موجب عدم کارایی IT در توسعه عملکرد سازمانها می شود . طراحی های کهنه و قدیمی سازمانها مانع و اغلب یک آشفتگی پیچیده بود . در حقیقت سیستم های اطلاعاتی قادر به تاثیر و یا کارایی بیشتر در این سازمانها نبودند .

مقاله به صورت ورد قابل ویرایش می باشد 

 

تعداد صفحات مقاله 18 صفحه می باشد 

فایل مقاله بعد از خرید قابل دانلود می باشد