مقاله ترجمه شده درباره تجزیه و تحلیل پوششی اطلاعات برای ارزیابی راندمان پرسنل – سال 2011
مشخصات مقاله:
عنوان فارسی مقاله:
الگوریتم یکپارچه مجموعه های راف – شبکه عصبی مصنوعی – تجزیه و تحلیل پوششی اطلاعات برای ارزیابی راندمان پرسنل
عنوان انگلیسی مقاله:
An integrated Data Envelopment Analysis–Artificial Neural Network–Rough Set Algorithm for assessment of personnel efficiency
کلمات کلیدی مقاله:
کارکنان، بهره وری، تجزیه و تحلیل پوشش داده (DEA)، شبکه عصبی مصنوعی (ANN)، نظریه مجموعه های راف (RST)، روش آزمون وارسی متقابل (CVTT)
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات و کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مدیریت سیستمهای اطلاعات، هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
0. اهمیت این بررسی
1. مقدمه
1.1. ANN و راندمان
1.2. نظریه مجموعه راف
1.3. تجزیه و تحلیل پوششی اطلاعات
1.4. شبکه های عصبی مصنوعی
2. الگوریتم یکپارچه
2.1. گام 1: محاسبه راندمان DMUها با DEA
2.1.1. مدل های اولیه DEA
2.2. مرحله 2: تعریف سیستم تصمیم گیری
2.3. مرحله 3: تعیین کاهش ها از طریق نظریه مجموعه راف
2.4. مرحله 4: انتخاب ANN ارجح برای هر کاهش با CVTT
2.4.1. مدلسازی شبکه عصبی
2.5. مرحله 5: انتخاب بهترین کاهش ها توسط نتایج ANN از طریق DEA
2.6. مرحله 6: پیش بینی راندمان های DM توسط ویژگی های انتخاب شده از طریق ANN
3.1 محاسبه راندمان DMU با DEA
3.2. تعریف سیستم تصمیم گیری
3.2.1. دسته بندی های ویژگی های پرسنل
3.3. تعیین کاهش ها از طریق RST
3.4. محاسبه عملکرد ANN برای هر کاهش با CVTT
3.5. انتخاب بهترین کاهش ها توسط نتایج ANN از طریق DEA
3.6. پیش بینی راندمان های DMU توسط ویژگی های انتخاب شده از طریق ANN
3. نتیجه گیری و کارهای آینده
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Efficiency is a key concept for organizations. Too many immeasurable influences and complex relationships among attributes influence efficiency in organizations. Efficiency relevant to human attributes is a goal that is rarely questioned in contemporary organizations. As personnel specifications have greatest impact on effi- ciency, they can help us to design work environments and enhance total efficiency. As providing information on multiple input and output factors are a complicated and time-consuming procedure, determining critical personnel attributes is useful. The purpose of proposed integrated algorithm in present study is to alert management to the important attributes that should be considered if an effective decision to enhance efficiency is to be formulated. This is because there is a great desire to identify the critical attributes for sensitivity analysis of inefficient decision-making units (DMUs) regarding efficiency attributes. The algorithm proposes an analytic function that predicts these attributes exactly. This model is applicable for all problems associated with decision-making in organizations composed of decision-making units (DMUs) and will be valuable for executives and senior managers. The outcome helps managers to construct helpful system to forecast DMUs efficiency by selected attributes. Furthermore, reduction in attributes number decrease the time of decision-making and consequently reduces the cost of efficiency analysis.
1. مقدمه
راندمان یک مفهوم مهم و کلیدی برای سازمان ها می باشد. اثرات بی اندازه و روابط پیچیده در میان ویژگی ها، بر روی راندمان در سازمان ها اثر می گذارد. راندمان مرتبط با ویژگی های انسان هدفی است که به ندرت در سازمان های معاصر مورد بحث قرار می گیرد. از آنجایی که مشخصه های پرسنل دارای بزرگترین اثر بر روی راندمان است، آنها می توانند به ما کمک کنند تا محیط های کار را طراحی کرده و راندمان کل را بهبود بخشیم. از آنجایی که ارائه ی اطلاعات در مورد عوامل ورودی و خروجی متعدد یک روش پیچیده و زمان بر هستند، تعیین ویژگی های مهم و بحرانی پرسنل مفید می باشد. هدف الگوریتم یکپارچه ی پیشنهادی در بررسی فعلی این است که به مدیریت ویژگی های مهمی را هشدار دهد که این ویژگی ها باید در صورتی درنظر گرفته شوند که تصمیم موثر برای بهبود راندمان اتخاذ شود. این بدین خاطر است که تمایل زیادی برای شناسایی ویژگی های مهم و حیاتی برای تجزیه و تحلیل حساسیت ِ واحدهای تصمیم گیری ناکارآمد (DMUها) در مورد ویژگی های راندمان وجود دارد. این الگوریتم یک تابع تحلیلی را پیشنهاد می دهد که این ویژگی ها را به طور دقیق پیش بینی می کند. این مدل برای تمامی مشکلات مرتبط با تصمیم گیری در سازمان های متشکل از واحدهای تصمیم گیری (DMUها) قابل اجرا و برای مدیران ارشد و اجرایی ارزشمند خواهد بود. این نتیجه به مدیران کمک می کند تا با استفاده از ویژگی های انتخاب شده سیستم مفیدی را برای پیش بینی راندمان DMUها ایجاد کند. همچنین، کاهش تعداد ویژگی ها، زمان تصمیم گیری و در نتیجه هزینه ی تجزیه و تحلیل راندمان را کاهش می دهد.
