کاربرد یادگیری ماشینی برای پیش بینی راه حل های پیچیده تو در تو در برنامه ریزی سلسله مراتبی
محورهای موضوعی : Educational
مهدی بهرامی
1
,
یعقوب علوی متین
2
,
سلیمان ایرانزاده
3
*
1 - دانشجوی دکتری مدیریت صنعتی گرایش تحقیق در عملیات
2 - استادیار، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
3 - دانشیار، دکتری مدیریت صنعتی، دانشگاه آزاد اسلامی واحد تبریز، ایران
کلید واژه: یادگیری ماشینی, پیش بینی راه حل ها, برنامه ریزی, سلسله مراتبی.,
چکیده مقاله :
امروزه با توجه به لزوم کاهش هزینهها و افزایش بهره وری همواره شاهد ظهور روشهای جدیدی در زمینه مدیریت تولید و عملیات هستیم، برنامهریزی تولید سلسله مراتبی نیز به عنوان یکی از این روشها مطرح است که در طی چند دهه گذشته تحقیقات قابل توجهی در رابطه با آن صورت گرفته است.، بنابرین تحقیق حاضر به دنبال کاربرد یادگیری ماشینی برای پیش بینی راه حل های پیچیده تو در تو در برنامه ریزی سلسله مراتبی می باشد، این پژوهش از لحاظ هدف، پژوهشی کاربردی است و از نظر روش، از نوع همبستگی و نحوه¬ی گردآوری داده¬ها، این پژوهش توصیفی– تحلیلی است و از مطالعات کتابخانه ای جهت جمع آوری اطلاعات استفاده شده است. پژوهش¬های توصیفی به بررسی شرایط موجود جهت شناخت بیشتر به منظور کمک به فرآیند تصمیم¬گیری مورد استفاده قرار می¬گیرند. جامعه آماری تحقیق حاضر شرکت فولاد مبارکه اصفهان می باشد. با توجه به اینکه داده های تحقیق کمی است. استخراج داده ها از اسناد و مدارک موجود صورت می گرید. در نتیجه نمونه مورد مطالعه داده های مربوط به عملکرد تولید، هزینه و مالی در سال های 1395-1399 می باشد. نمونه گیری در این پژوهش هدفمند می باشد. جهت جمع آوری اطلاعات در این تحقیق از روش های کتابخانه ای و میدانی استفاده گردید. از مطالعات کتابخانه ای به عنوان شالوده ای جهت تدوین چارچوب نظری تحقیق استفاده شد و از روش میدانی نیز جهت دریافت اطلاعات شرکت فولاد مبارکه بهره گرفته شد.
Nowadays, due to the need to reduce costs and increase productivity, we are always witnessing the emergence of new methods in the field of production and operation management, hierarchical production planning is also considered as one of these methods, which has been the subject of considerable research in the past few decades. has been done., therefore, the present research is looking for the application of machine learning to predict complex nested solutions in hierarchical planning. Data collection, this research is descriptive-analytical and library studies were used to collect information. Descriptive researches are used to investigate the existing conditions in order to know more in order to help the decision-making process. The statistical population of the current research is the Mobarake Steel Company of Isfahan. Considering that the research data is few. Data extraction is done from existing documents. As a result, the studied sample is data related to production, cost and financial performance in the years 2015-2019. Sampling in this research is purposeful. Library and field methods were used to collect information in this research. Library studies were used as a foundation to formulate the theoretical framework of the research, and the field method was also used to obtain information about Mobarake Steel Company.
- ر. شباهنگ، مدیریت مالی, چاپ یازدهم. تهران: سازمان حسابرسی، مرکز تحقیقات تخصصی حسابداری و حسابرسی, 1386.
- س. ترابی, م. عبادیان،, م. رضائی و حسن. شمسی, “ارائه یک سیستم برنامه ریزی تولید سلسله مراتبی برای محیط های ترکیبی MTO/MTS با یک مطالعه موردی ),” چهارمین کنفرانس ملی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه تربیت مدرس, 1384.
-م. م. لطفی, “برنامهریزی تولید مبتنی بر بازار در شرایط عدم قطعیت برای یک تولید کننده انرژی الکترکی,” استاد راهنما : سید فرید قادری، استاد مشاور : محمد علی آزاده - رضا توکلی مقدم،دانشگاه تهران, 1390.
- س. قادری, ا. گرئی, و م. شخص نیایی, “برنامه ریزی تولید نیروگاه های کشور با استفاده از روش سلسله مراتبی,” بیستمین کنفرانس بین المللی برق، تهران، شرکت توانیر، پژوهشگاه نیرو، 1384.