:دانلود فایل متن کامل پایان نامه در سایت sabzfile.com

عنوان : ارزیابی عملکرد شهرک­ های صنعتی استان مازندران با بهره گیری از تحلیل پوششی داده ­ها وشبکه­ های عصبی مصنوعی

دانشگاه علوم و فنون مازندران

پایان نامه
جستجو در سایت :   


 کارشناسی ارشد

 

رشته مهندسی سیستم­های اقتصادی-اجتماعی

 

موضوع: ارزیابی عملکرد شهرک ­های صنعتی استان مازندران با بهره گیری از تحلیل پوششی داده ­ها وشبکه­های عصبی مصنوعی

 

اساتید راهنما: دکتر جواد رضائیان، دکتر بابک شیرازی

 

(شهریور1392)

 

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی گردد

(در فایل دانلودی نام نویسنده موجود می باشد)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)

فهرست مطالب

1- مقدمه و کلیات. 2

1-1- مقدمه. 2

1-2- تشریح و اظهار موضوع. 4

1-3- ضرورت انجان پژوهش. 5

1-4- فرضیات پژوهش 7

1-5- اهداف اساسی از انجام پژوهش. 7

1-6-محدودیت های انجام پژوهش. 7

1-7- محتوای پژوهش 8

2- ادبیات و پیشینه پژوهش

2-1- مقدمه. 10

2-2- ارزیابی عملکرد. 10

2-2-1- مقدمه. 10

2-2-2- پیشینه ارزیابی عملکرد و مطالعه دیدگاه­های مختلف  11

2-2-3- معیارها و تکنیک­های ارزیابی و اندازه­گیری عملکرد 13

2-2-3-1- معیارهای ارزیابی عملکرد 13

2-2-3-2-­ تکنیک های شناخته شده در ارزیابی عملکرد 14

2-2-3-3- تکنیک­های اندازه­ گیری عملکرد 20

2-3- معرفی DEA ، ANNs و Neuro/DEA 24

2-3-1- معرفی اجمالی  DEA 26

2-3-1-1- مدل نسبت CCR 27

2-3-1-2- روش اندرسون-پیترسون 28

2-3-2- معرفی ANN 28

2-3-2-1- آموزش شبکه 29

2-3-2-1-1-  الگوریتم های یادگیری شبکه 30

2-3-2-2- تناسب انتخاب ساختار با موضوع مساله 31

2-3-2-3- ساختار شبکه های عصبی 33

2-3-2-3-1- شمای کلی 38

2-3-2-4- چگونگی پردازش اطلاعات در واحد های پردازشگر 39

2-3-2-5- شبکه­های پرسپترون 43

2-3-3- مدل ترکیبی شبکه­های عصبی و تحلیل پوششی داده ها (Neuro/DEA) 43

2-3-3-1- خواستگاه بهره گیری از مدل ترکیبیNeuro-DEA 43

2-4-  پیشینه پژوهش 45

3- روش پژوهش

3-1- مقدمه. 51

3-2- جامعه آماری. 51

3-3- شیوه گرد­آوری اطلاعات. 51

3-4- مراحل انجام پژوهش. 51

3-5-مدل­های تحلیل پوششی داده­ها 53

3-5-1- مدل­های ورودی­محور. 53

3-5-1-1-مدل مضربی CCR ورودی محور. 53

3-5-1-2-مدل پوششی CCR ورودی­محور. 54

3-5-2-مدل­های خروجی­محور 55

3-5-2-1-مدل مضربی CCR خروجی محور 56

3-5-2-2- مدل پوششی CCR خروجی محور 56

3-6- ارزیابی و تحلیل کارایی شرکت­ شهرک­های صنعتی با رویکرد تحلیل پوششی داده­ها(DEA) (مدل مضربی CCR خروجی­محور) 56

3-7- روش اندرسون-پیترسون برای رتبه بندی واحد­های کارا 58

3-8- علت های بهره گیری از مدل CCR در مقایسه با مدل BCC 59

3-9- علت های بهره گیری از مدل خروجی محور در مقایسه با مدل ورودی محور 60

3-10- ساختار شبکه 60

3-11- الگوریتم تحلیل کارایی 63

4- محاسبات و یافته های پژوهش

4-1- معرفی حوزه پژوهش. 66

4-1-1- سازمان صنایع کوچک و شهرک­های صنعتی ایران. 66

4-1-2- معرفی استان مازندران. 68

4-2- نتایج پژوهش. 70

5- نتیجه‌گیری و پیشنهادات

5-1- نتیجه گیری. 79

5-2- تحقیقات آتی. 79

 

فهرست اشکال

شکل (‏2‑1) روش وصل نقاط حدی. 23

شکل (‏2‑2) یک واحد تصمیم گیرنده به همراه ورودی و خروجی­ها  27

شکل (‏2‑3) مشخصات یک واحد تصمیم گیرنده. 27

شکل ( ‏2‑4) نرون تک ورودی. 34

شکل (‏2‑5) نرون با بردار ورودی. 35

شکل (‏2‑6) شبکه تک لایه با S نرون. 36

شکل (‏2‑7) فرم فشرده شده یا ماتریسی شبکه تک لایه با S نرون  36

شکل (‏2‑8) شبکه پیش خور دو لایه. 37

شکل (‏2‑9) فرم ساده شده شبکه پیش خور دو لایه میانی. 38

شکل (2‑10) پرسترون تک لایه. 42

شکل (‏3‑1) ورودی و خروجی­های شهرک صنعتی jام. 56

شکل (‏3‑2) فلوچارت الگوریتم تحلیل کارایی. 64

شکل(4-1) مقایسه کارایی محاسبه شده توسطDEA  وNeuro-DEA. 74

شکل(4-1) مقایسه رتبه بندی انجام شده توسطDEA  وNeuro-DEA. 74

فهرست جداول

جدول (‏2‑1) تفاوت های دو توجه جدید و سنتی ارزیابی عملکرد  12

جدول (‏2‑2) ماتریس ارزیابی عملکرد. 16

جدول (2-3) توابع محرک با علائم قراردادی. 34

جدول (2-4) نتایج تحقیقات موجود در مقاله ، تحلیل کارایی فنی پالایشگاه­های نفت کشور. 45

جدول (‏3‑1) شهرک­های صنعتی مورد مطالعه و مطالعه پژوهش. 51

جدول (‏3‑2) مشخصه­های متغیر­های تصمیم. 56

جدول (‏3‑3) پارامتر­های مدل بر حسب مشخصه­های تعریف شده. 57

جدول (‏3‑4) متغیر­های تصمیم. 57

جدول (‏3‑5) ساختار شبکه مورد بهره گیری در الگوریتمNeuro-DEA.. 60

جدول (‏3-6) درصد تغییرات ورودی­ها و خروجی­های هر شهرک صنعتی  61

جدول (‏4‑1) کارایی محاسبه شده توسط­ DEA در سال 90 و 91 و کارایی پیش­بینی شده توسط Neuro-DEA در سال90 71

جدول (‏4‑2) رتبه بندی واحدها توسط­ DEA در سال 90 و 91 و رتبه بندی پیش­بینی شده توسط Neuro-DEA در سال 91. 72

جدول (‏4‑3) میانگین کارایی واحد­ها در ده اجرای شبکه عصبی  74

جدول (‏4‑4) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 75

جدول (‏4‑5) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 76

 

 

 

 

 

 

فصل اول :

مقدمه وکلیات پژوهش

 

  • مقدمه و کلیات
    • مقدمه

در سالهای اخیر در اغلب کشورهای جهان برای ارزیابی عملکرد نهادها و دیگر فعالیت­های رایج در زمینه­های مختلف، کاربرد­های مختلفی از تحلیل پوششی داده­ها (DEA) دیده شده می باشد. علت مقبولیت گسترده­تر روش DEA نسبت به سایر روش­ها، امکان مطالعه روابط پیچیده و اغلب نامعلوم بین چندین ورودی و چندین خروجی می باشد که در این فعالیت­ها هست. [1] در سال 1957 فارل[1] با بهره گیری از روشی مانند اندازه­گیری کارایی در موضوعات مهندسی اقدام به اندازه­گیری کارایی برای یک واحد تولیدی نمود. موردی که فارل برای اندازه گیری کارایی مد نظر قرار داده بود شامل یک ورودی و یک خروجی بود. مطالعه فارل شامل اندازه­گیری “کارایی­های فنی” و “تخصصی” و “مشتق تابع تولید کارا” بود. فارل مدل خود را برای تخمین کارایی بخش کشاورزی آمریکا نسبت به سایر کشور­ها مورد بهره گیری قرار داد. بااین وجود، او در ارائه روشی که دربرگیرنده ورودی و خروجی های متعدد باشد، موفق نبود.

چارنز، کوپر و رودز دیدگاه فارل را توسعه داده و مدلی را ارائه کردند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت. این مدل تحت عنوان “تحلیل پوششی داده­ها” نام گرفت و آغاز در رساله­ی دکتری ادوارد رودز[2] و به راهنمایی کوپر[3] تحت عنوان “ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا” در سال 1976 در دانشگاه کارنگی مورد بهره گیری قرار گرفت و در سال 1978 در مقاله ای تحت عنوان “اندازه­گیری کارایی واحد­های تصمیم گیرنده” ارائه گردید.

از آنجا که این مدل توسط چارنز[4] ، کوپر و رودز [et al,1987  Charnes] ارائه گردید، به مدل CCR که از حروف اول نام افراد فوق تشکیل شده می باشد معروف گردید. هدف در این مدل اندازه گیری و مقایسه کارایی نسبی واحد­های سازمانی مانند مدارس، بیمارستان ها، شعب بانک، شهرداری­ها و … که دارای چندین ورودی و خروجی شبیه به هم باشند می باشد. [2]

مارشال[5] اولین کسی بود که اهمیت محلی کردن صنایع را  به توسعه ناحیه ای صنعت مدرن مرتبط ساخت. او نتیجه گیری نمود که بنگاه­ها یا کارخانه­ها قادرند تا تعدادی از مولفه­های تولید مانند زمین، نیروی انسانی، سرمایه، انرژی، و حمل و نقل را از طریق تراکم به اشتراک گذارند. یافته­های ماشال به مفهوم اقتصاد خارجی منجر گردید.[27]و[37] کارخانه­های تولیدی مجاور هزینه­های تولید و هزینه­های معاملات را از طریق مشارکت در زیر بنا ، نیروی کار ماهر ، منابع تولیدی در ناحیه کاهش می دهند. پس اقتصاد خارجی و کاهش هزینه معاملات، فاکتور اصلی در تشکیل خوشه های صنعتی می باشد.

وقتی خوشه های صنعتی تخصصی سازی تولید و نزدیکی جغرافیایی بخش های مربوط را به دست می دهد، آنها تکنولوژی خارجی را تولید می کنند که به تولید کنندگان در منطقه کمک می­کند . در حالی که عملیات سیستم تولید محلی تخصصی سازی تولید کننده را تقویت می کند و ارتباط ی بین تولید کنندگان محلی و موسسه های محلی نزدیکتر می گردد.[20] یکی از منابع رقابتی بودن ناحیه ای عملیات سیستم تولید محلی می باشد.[19] چنین ویژگی های حیاتی اقتصاد محلی، گاهی نمی تواند در ناحیه های دیگر ایجاد یا تکرار گردد . به بیانی دیگر فعالیت اقتصادی تولید کننده ها به وسیله محدودیت های ناحیه ای تحت تاثیر قرار می گیرد[21],و چنین رشد بزرگی در یک موقعیت مکانی به شدت محلی شده، می تواند مرتبط با محیط خاصی که مولفه های تولید را نگه می دارد به نام جاذبه ی فضایی باشد .[22]

پس فضای فعالیت صنایع قطعاً شامل موهبت های طبیعی می باشد مانند نیروی انسانی و منافع فرصت که منجر به تولید کنندگان مستقر در همان ناحیه صنعتی می گردد. به دلیل علم سرازیر شده ، پویایی نیروی انسانی، فواید اعتماد دو جانبه و ارزش های مشترک در گروه، این شرکت ها عملکرد اقتصادی بهتری را نسبت به تولید کنندگان خارج از ناحیه صنعتی تجربه می کنند.[23] به علاوه مرتبط کردن مهارت ها، اشتراک اطلاعات ، قوانین گروه ، سیستم و نیروی انسانی در یک ناحیه صنعتی برای توسعه صنعت در محل و افزایش رقابتی بودن محل ، بسیار مهم می باشد.

بر اساس مفاهیم مارشال در ناحیه­ی صنعتی و تئوری که تولید­کنندگان واقعاً از تراکم در مناطق صنعتی یکسان سود می برند ، سیاست های صنعتی دولتی اغلب صنایع خاص را تشویق به جمع شدن در یک ناحیه ی خاص می کند ، در واقع سیاست­های دولت می تواند به گونه فعالی صنایع خاص را تشویق کند، توسعه ناحیه ای روستایی و شهری را تنظیم کند ، و شبکه­ همکاری تشکیل دهد، و مهمتر از همه توسعه صنعتی در ناحیه داده شده را هدایت کند.[24] توسعه­ی شهرک­های علمی و صنعتی مثالی از چنین سیاست­هایی می باشد. همانطور که در بحث ناحیه ی صنعتی تصریح گردید، شبکه­ی ایجاد شده از طریق شهرک صنعتی، موهبت­های ناحیه را به گونه مثبتی تحت تاثیر قرار می دهد. پس همکاری در تقویت اقتصاد ناحیه بسیار مورد توجه می باشد.[17]

نگاهی کوتاه به ساختار نظام اقتصادی کشور های مختلف، ما را با اهمیت و جایگاه شرکت ها و بنگاه های کوچک و متوسط و شهرک­ها و نواحی در برگیرنده­ی آن­ها بیشتر آشنا خواهد نمود.

هر سازمان به مقصود آگاهی از اندازه مطلوبیت و مرغوبیت فعالیت های خود به خصوص درمحیط­های پیچیده و پویا نیاز مبرم به نظام ارزیابی دارد. از سوی دیگر فقدان وجود نظام ارزیابی و کنترل در یک سیستم به معنای عدم برقراری ارتباط با محیط درون و برون سازمان تلقی می گردد که پیامد های آن کهولت و در نهایت مرگ سازمان می باشد. ممکن می باشد بروز پدیده مرگ سازمانی به علت عدم وقوع یکباره آن از سوی مدیران عالی سازمان ها احساس نشود. اما مطالعات نشان می دهد فقدان نظام کسب بازخورد امکان انجام اصلاحات لازم برای رشد، توسعه و بهبود فعالیت­های سازمان را غیر ممکن می نماید، سرانجام این پدیده مرگ سازمانی می باشد.[3]

پس با شناخت آماری شهرک­ها و رتبه بندی آنها و مقایسه نتایج حاصله با اهداف و چشم اندازهای شرکت شهرک­ها­ی، امکان مطالعه عملکردی میسر می­گردد که آن هم به نوبه­ی خود در جهت تدوین راهکار­های موثر برای حرکت در مسیر توسعه بخش صنعت به کار می­آید.

1-2- تشریح و اظهار موضوع

از آنجایی که تحلیل پوششی داده­ها کارایی متفاوتی در طول زمان ارائه می­دهد و به هیچ پیش­فرض اولیه ای درمورد مرز کارایی نیاز ندارد پس در میان تمام روش­های ارزیابی عملکرد، DEA در سازماندهی و تحلیل داده­ها بهترین روش می باشد. اما DEA قادر به تفکیک کارایی همه­ی شرکت­ها از یکدیگر نیست دلیل این موضوع  کم بودن تعداد واحد­های تصمیم گیرنده نسبت به تعداد ورودی و خروجی­ها می باشد. هرچه این نسبت بیشتر باشد، مدل قدرت تفکیک­پذیری بالاتری خواهد داشت. در صورتی که این ارتباط­ی تجربی بین تعداد واحد­های تصمیم گیرنده ([6]DMUs ) و ورودی­ها و خروجی­ها مستقر باشد، قدرت تفکیک پذیری مدل مناسب می باشد:

m : تعدادورودی­های هر DMU

s  : تعداد خروجی­های هر DMU

n : تعداد DMU ها

پس از آنجایی که روش تحلیل پوششی داده ها در صورت کم بودن تعداد واحد های تصمیم گیرنده (DMU ) با در نظر داشتن تعداد ورودی و خروجی ها قادر به تفکیک واحد های تصمیم گیری نمی باشد و در واقع مدل های پایه ای DEA  قادر به رتبه بندی کامل واحد ها نیستند،  کوشش می­گردد تا از تلفیق تحلیل پوششی داده ها و شبکه های عصبی مصنوعی به مقصود اندازه گیری عملکرد واحد­های تصمیم گیرنده بهره گیری گردد به نحوی که مشکل مذکور برطرف گردد.

در این پژوهش کوشش شده می باشد معیار­های ارزیابی عملکرد شهرک­های صنعتی استان مازندران تعیین گردد  و با بهره گیری از مدل ترکیبی Neuro-DEA با اندازه گیری کارایی شهرک­های صنعتی این استان و تعیین شهرک­های کارا و ناکارا  و همچنین رتبه بندی شهرک­ها به بهینه سازی شرکت شهرک­های صنعتی استان مازندران از طریق ارزیابی عملکرد کمک گردد.

1 Farrell

[2] Rohdes

[3] Cooper

[4] Charnes

[5]  Marshall

[6] Decision-Making Units

تعداد صفحه :

قیمت : 14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می گردد.

پشتیبانی سایت :        ****       serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

***  **** ***

دسته‌ها: فنی و مهندسی