2-7-4-3       نمایش مقداری…………………. 42

2-7-4-4       نمایش درختی…………………. 43

2-7-5       تابع شایستگی…………………. 43

2-7-6       عملگر انتخاب…………………. 44

2-7-6-1       انتخاب تصادفی………………… 44

2-7-6-2       انتخاب چرخ گردان……………….. 44

2-7-6-3       انتخاب رتبه بندی…………………. 46

2-7-6-4       انتخاب نخبه‌گرا ………………..47

2-7-6-5       انتخاب مسابقه‌ای…………………. 47

2-7-7       عملگر تبادل………………… 48

2-7-7-1       عملگر تبادل تک نقطه ای…………………. 48

2-7-7-2       عملگر تبادل دو نقطه ای…………………. 49

2-7-8       عملگر جهش………………….. 50

2-7-8-1       عملگر معکوس سازی…………………. 51

2-7-9      عملگر حذف و کپی…………………. 51

2-7-10       عملگر حذف وتولید مجدد………………… 52

2-7-11       پارامترهای الگوریتم ژنتیک………………….. 52

2-7-12       همگرایی…………………. 53

2-7-13       شرط خاتمه الگوریتم ژنتیک………………….. 53

2-7-14      مزایای الگوریتم ژنتیک………………….. 53

2-7-15      معایب الگوریتم ژنتیک………………….. 54

2-8       کارهای انجام شده ………………..55

 

2-8-1       الگوریتم ETPN-GA………………….

2-8-2       الگوریتم AFS Petri Net…………………

2-8-3       الگوریتم GA-ACO………………….

2-8-4       الگوریتم GA-Fuzzy…………………

2-8-5       الگوریتم HGA………………….

2-8-6       الگوریتم GADG………………….

2-8-7       الگوریتم های دیگر………………… 61

3       روش تحقیق…………………. 63

3-1         مراحل الگوریتم پیشنهادی…………………. 64

3-2         نمایش کروموزوم………………… 65

3-3         شرح پارامتر نگهداری ماشین…………………. 67

3-4         ایجاد جمعیت اولیه………………… 68

3-5         شایستگی…………………. 70

3-6       انتخاب…………………. 71

3-7         عملگر تبادل………………… 71

3-7-1         عملگر تبادل دو نقطه ای…………………. 72

3-7-2         عملگر تبادل تک نقطه ای………………73

3-7-3         عملگر تبادل چند نقطه ای…………………. 74

3-8         عملگر جهش………………….. 77

3-9         تعویض جمعیت…………………. 78

3-10       شرط خاتمه………………… 79

4       محاصبات و یافته های تحقیق…………………. 79

4-1       پیاده سازی الگوریتمها……………….. 80

این مطلب را هم بخوانید :

4-2       طراحی داده های تست و پارامترهای الگوریتم…….. 80

4-3       نتایج حاصل از شبیه سازی…………………. 81

5       نتیجه گیری و پیشنهادات………………… 86

فهرست منابع و مأخذ………………… 88

چکیده:

مسئله زمانبندی سیستم باز یک مسئله زمانبندی مهم و جهانی است و این مسئله به طور وسیع در صنعت کاربرد دارد. مسئله زمانبندی سیستم باز جزء مسائل سخت است. مسئله زمانبندی سیستم باز فضای راه حل آن به طور قابل ملاحظه ای بزرگتر از مسئله زمان‌بندی مغازه کارها است و به نظر می رسد که در کتاب ها و مقالات به آن کمتر توجه شده است. استفاده از روش های كلاسیک برای بدست آوردن جواب بهینه در این مسائل‌دارای پیچیدگی زمانی بالایی است و دربرخی از موارد غیرممكن است درنتیجه برای حل این مسائل بیشتر از روش های ابتكاری استفاده می شود. هدف مسئله زمانبندی سیستم باز بدست آوردن یک ترکیب امکان پذیر از سفارشات ماشین و کار تعیین شده است که زمان کلی اتمام کارها در کمترین زمان ممکن باشد. در بین مقالات مختلفی که در زمینه حل مسئله زمانبندی سیستم های باز ارائه شده است، هیچکدام پارامتر نگهداری ماشین ها را درنظر نگرفته اند و این درحالیست که در عمل، ماشین آلات موجود در کارخانجات بنا به دلایل مختلف دچار آسیب و خرابی در حین انجام کار می‌شوند که این امر خسارات فراوانی از جمله اتلاف زمان، و هزینه های اضافی در جهت اجرای مجدد فرایند نیمه کاره را به همراه دارد. در این پایان نامه یک روش جدید برای حل مسئله زمانبندی سیستم های باز با بهره گرفتن از الگوریتم ژنتیک ارائه شده است که مسئله نگهداری ماشین ها را نیز در نظر می گیرد. در الگوریتم پیشنهادی با بهره گرفتن از عملگرهای متنوع در کنار هدفمند کردن انتخاب کروموزوم برای کارایی هر چه بیشتر الگوریتم تلاش شده است و نتایج تجربی نشان دهنده کارایی بیشتر الگوریتم پیشنهادی در مقایسه با دیگر الگوریتمها می باشد.

فصل اول: مقدمه و کلیات تحقیق

در این فصل ابتدا مسئله مورد نظر بیان گردیده و ضرورت و اهداف را دنبال می­نمایم در ادامه پرسشهای موجود در مسئله را بررسی می­نمایم و فرضیه­ های تحقیق را شرح می­دهم سپس نوآوری­های تحقیق را ارائه می­نمایم در پایان واژه­های کلیدی تعریف شده و ساختار پایان نامه ذکر خواهد شد.

4-3.15. الویت بندی عوامل فنی بر مبنای روش تاپسیس…….. 102

فصل پنجم نتایج و پیشنهادات………………….. 104

5-1. مقدمه………………… 105

5-2. مرور مختصر بر مساله و هدف تحقی……… 105

5-3. نتایج و یافته‌ها……………….. 107

5-4. پیشنهادات…………………… 108

5-3.1. پیشنهادات اجرایی………………….. 108

5-4.1. پیشنهادات تحقیقات آینده………………… 109

5-5. نتیجه گیری………………….. 110

پیوست 1- پرسش‌نامه………………… 111

پیوست 2- نمودار فراوانی………………….. 116

پیوست 3 – محاسبات فرضیه اول…………………. 123

پیوست 4 – محاسبات فرضیه دوم………………… 128

پیوست 5 – محاسبات فرضیه سوم………………… 132

فهرست منابع و مآخذ…………………. 137

چکیده:

هدف اصلی در این پایان‌نامه شناسایی و الویت‌بندی عوامل حیاتی موفقیت در پیاده‌سازی سیستم‌های هوش تجاری در سازمان‌های کوچک و متوسط است. تاکنون مطالعات مختلفی توسط محققین و در شرایط متفاوت بر روی عوامل حیاتی موفقیت سیستم‌های هوش تجاری انجام گرفته است اما در این پایان نامه سعی بر آن است تا از بین عوامل متعدد، عواملی که در سازمان‌های ایرانی و کوچک تاثیرگذار است، انتخاب گردند. در این تحقیق عوامل حیاتی موفقیت از سه جنبه مختلف مورد بحث و بررسی قرار گرفته: منظر سازمانی، فرایندی و فناوری. شاخص‌های مرتبط با هریک از عوامل تعیین و سپس پرسش‌نامه‌ای که قابلیت اعتماد آن مورد آزمون قرار گرفته بود توزیع گردید و سرانجام داده‌های پژوهش جمع‌ آوری و مشخص شد که در این میان به‌کارگیری ابزارها و منابع رایگان مهم‌ترین عوامل حیاتی و بعد از آن حمایت مالی مدیران ارشد سازمان در رده دوم قرار گرفت. بیان دقیق منافع حاصل از پیاده‌سازی سیستم و ایجاد دیدگاهی واقع‌بینانه نسبت به کارایی و عملکرد سیستم، نزدکیترین گزینه به راه‌حل ایده‌آل در میان عوامل فرایندی محسوب شده و دسترسی آسان کاربر به داده‌های مورد نیاز کسب‌وکار دارای بیش‌ترین امتیاز در میان عوامل فناوری می‌باشد.

فصل اول: مقدمه و کلیات تحقیق

1-1- معرفی

 

در این فصل به معرفی اجمالی مسئله مورد نظر می‌پردازیم. در ابتدا مسئله مورد نظر تعریف می‌شود سپس مروری بر سابقه تحقیق و ساختار پایان نامه خواهیم داشت.

2-1- مقدمه

آنتونی پادالینو در پایان نامه خود [1] هوش تجاری را این گونه تعرف می کند: هوش تجاری واژه ای است که دارای تعاریف متعدد می‌باشد اما به طور عام می‌توان گفت هوش تجاری فرایند تبدیل داده‌ها به اطلاعات مفید و مورد استفاده سازمان است، به گونه‌ای که این اطلاعات بتواند در پشتیبانی از تصمیم‌سازی در سازمان مورد استفاده قرار گیرد. همچنین هوش تجاری عمدتا می‌تواند به عنوان معماری سازمانی برای برنامه‌های کاربردی پشتیبان تصمیم و عملیاتی تعریف شود. سیستم‌های هوش تجاری به عنوان بسته‌های نرم‌افزاری استاندارد از طریق شرکت‌های مختلف ارائه می‌شوند مانند Cognos, SAS, Microsoft, Oracle که به مشتریان خود این امکان را می‌دهند تا این بسته‌ها را مطابق با نیازمندی‌های خود سازگار سازند [2].

هوش تجاری شامل مجموعه‌ای از برنامه‌های کاربردی و تحلیلی است که به استناد پایگاه‌های داده عملیاتی و تحلیلی به اخذ تصمیم بهینه برای فعالیت‌های مدیریتی می‌پردازد. به عبارت دیگر هوش تجاری به فرایند تبدیل داده‌های خام به اطلاعات تجاری و مدیریتی اطلاق می‌گردد که به تصمیم سازان سازمان کمک می‌کند تا تصمیمات خود را بهتر و سریع‌تر گرفته و بر اساس اطلاعات صحیح، عمل نمایند. داده‌ها با ورود به سیستم هوش تجاری مورد پردازش قرار گرفته و تبدیل به دانش می‌شوند، سپس دانش بدست آمده مورد تحلیل قرار گرفته و از نتایج تحلیلی آن، مدیران در تصمیم گیری خود بهره‌مند شده و اقداماتی را جهت بهبود عملکرد سازمان انجام می‌دهند.

هوشمندی سازمانی را می‌توان استفاده موثر، به جا و سریع از داده‌ها، اطلاعات، دانش و خرد افراد داخل و خارج از سازمان در تصمیم گیری‌های سطوح مختلف سازمان دانست. امروزه از هوشمندی سازمانی به عنوان یکی از اصلی‌ترین مزیت‌های رقابتی سازمان نام برده می‌شود.

دو عامل مهم که انگیزه به‌کارگیری یک فناوری جدید در سازمان را ایجاد می‌کنند عبارت‌اند از:

1. برطرف سازی برخی از مشکلات که با راه‌حل‌های پیشین قابل ردیابی و حل نیستند.
2. ایجاد فرصت‌های جدید تجاری برای سازمان

هوش تجاری متشکل از 3 فرایند کلی می‌باشد[3]:

1. جمع‌ آوری اطلاعات
2. پردازش اطلاعات
3. توزیع اطلاعات تحلیل شده به کاربران هوش تجاری

ابزار هوش تجاری به طور عمده به عنوان ابزار جدید واسطه‌ای بین کارهای اجرایی و کارهای پشتیبان تصمیم‌گیری پذیرفته شده است. قابلیت هوش تجاری شامل تایید تصمیم‌گیری، فرایند تحلیل بلادرنگ، تحلیل آماری، پیش بینی و داده کاوی است. اجزای اصلی تشکیل دهنده هوش تجاری شامل موارد زیر است[4] :

1. انباره داده: مخزن یا انبار داده جزء مهمی از هوش تجاری است که بر پایه موضوع خاصی شکل می‌گیرد. انبار داده، انتشار فیزیکی داده را با کنترل ثبت، ایجاد، پاک کردن و وظایف جستجو امکان پذیر می کند.
2. منابع داده: منابع داده می‌تواند پایگاه‌داده (سبد اطلاعاتی)، داده گذشته (به طور مثال اطلاعات خارجی،از اینترنت و…) یا اطلاعات از محیط انبار داده کنونی
3. این مطلب را هم بخوانید :
4.  
5.  باشد.
6. مرکز عرضه داده
7. ابزار سوال و گزارش

چالش اصلی که سیستم‌های مدیریت دانش در مواجه با آن باعث ایجاد رویکرد جدیدی به نام هوش تجاری گشت، توسعه سریع فناوری اطلاعات و حجم گسترده دانش در سازمان‌ها بود که مدیران سازمان را در بازیابی و به‌کارگیری دانش و اطلاعات با مشکل مواجه ساخته بود [5]. ویژگی اصلی که سیستم‌های هوش تجاری را از سایر سیستم‌های پشتیبان تصمیم متمایز می‌سازد ایجاد یک پایگاه اطلاعاتی تحلیلی هوشمند می‌باشد که دانش و اطلاعات در آن به صورت موضوعی و با بهره گرفتن از متدولوژی‌های خاص طبقه‌بندی شده است تا کاربران بتوانند در کوتاه‌ترین زمان به درست‌ترین اطلاعات دسترسی داشته باشند. سیستم‌های هوش تجاری اطلاعات را به صورت خام در اختیار نمی‌گذارند بلکه آن را تحلیل نموده و در قالب بسته‌های تصمیم یا گزارش‌های تحلیلی هوشمند در اختیار مدیران می‌گذارند [1].

حجیم بودن داده‌ها، پیچیدگی در تحلیل‌ها و ناتوانی در ردگیری نتایج و پیامدهای تصمیمات اتخاذ شده سازمان‌هایی که از هوش تجاری استفاده نمی‌کنند را با مشکل مواجه می‌سازد و در اغلب موارد پیروزی و یا شکست این گونه از پروژه‌ها را نمی‌توان به شخص یا دلیل مشخصی نسبت داد [6]. بنابراین در مواردی که پیاده‌سازی موفقیت‌آمیز نباشد سوالی که مطرح می‌شود این است که عوامل حیاتی موفقیت و یا شکست در پیاده‌سازی این سیستم‌ها کدام‌اند.

هوش تجاری امکانی را به سازمان به عنوان یک سیستم می‌دهد تا بتواند تشخیص دهد که چه اتفاقی افتاده و چه چیزی در حال رخ دادن است. هوش تجاری از تکنیک‌ها و برنامه‌های کاربردی از قبیل پردازش‌تراکنش برخط، پردازش‌تحلیلی برخط، پایگاه داده تحلیلی و داده کاوی بهره می‌گیرد و هدف آن تحلیل و ارتقای کیفیت عملیات است [3]. در خصوص هوش تجاری دو رویکرد عمده را می‌توان مطرح کرد:

1. رویکرد مدیریتی: این رویکرد هوش تجاری را به عنوان فرایندی در نظر می‌گیرد که در آن داده‌های جمع آوری شده از منابع داخلی و خارجی به منظور تولید اطلاعات مرتبط با فرایند تصمیم‌گیری یکپارچه و

منابع و ماخذ………………… i

پیوست 1 : پرسشنامه………………….. iv

پیوست 2 : آمار توصیفی………………….. x

پیوست 3 : آمار مشارکت رای واجدین شرایط در انتخابات ایران……… xv

پیوست 4 : نمودار پراکندگی متغیرهای مستقل……………………..xvii

چکیده:

هدف تحقیق پیش رو، مطالعه و شناسایی فاکتورهایی است که بیشترین تاثیر را در ترغیب افراد ( با تاکید بر ساکنین نواحی شهری) برای شرکت در رای گیری اینترنتی از خود نشان می دهند. این مطالعه با الگوگیری از رای گیری های اینترنتی انجام شده در کشورهای پیشرفته ای نظیر هند و ژاپن و آمریکا به بررسی

 تکنولوژی لازم برای انجام اینکار پرداخته و عواملی که باعث ترجیح شهروندان این کشورها به استفاده از رای گیری اینترنتی می شوند را در مورد کشور ایران مورد بررسی قرار می دهد. این عوامل تاثیر گذار شامل فاکتورهای شخصیتی رای دهندگان در کنار عقیده و باور آنها برای مشارکت در رای گیری ها و نظر آنها در مورد دولت و استفاده از تکنولوژی های آنلاین می باشد .

در ادامه تحقیق، با توجه به روند رو به رشد فناوری اطلاعات و میزان استقبال و اعتماد مردم نسبت به این فناوری ها و کارایی ای که استفاده از این فناوری ها برای ما ایجاد خواهند کرد، به تحلیل و پیش بینی میزان موفقیت رای گیری آنلاین در سالهای آینده خواهیم پرداخت. بعلاوه برای اینکه داده های آماری لازم را در مورد موضوع تحقیقمان جمع آوری کنیم ، از یک نظرسنجی به روش آنلاین در کنار نسخه دستی آن که در بین کاربران اینترنت و دانشجویان دانشگاه های معتبر کشور و افراد بالای 18 سال ترتیب خواهیم داد استفاده کرده و نتایج را در این تحقیق منعکس خواهیم کرد تا جنبه های علمی آن را افزایش داده و بحث های انجام گرفته را با مقادیر آماری لازم تکمیل کنیم. انتخاب سوالات مطرح شده در این پرسشنامه با توجه به تئوری هایی که در ادامه این پژوهش مورد بحث قرار خواهیم داد صورت گرفته است؛ از جمله این تئوری ها می توان به تئوری گسترش نوآوری ، تئوری اعتماد و تئوری پذیرش فناوری اشاره نمود .

از نتایج حاصل از این بررسی ها می توان برای برنامه ریزی و سیاست گذاری و طراحی و پیاده سازی رای گیری اینترنتی در کشورمان استفاده کرد. بعلاوه با بهره گرفتن از نکاتی که ارائه خواهد شد می توان سیاست هایی را اتخاذ کرد که باعث افزایش مشارکت افراد در رای گیری ها ( چه سنتی و چه الکترونیکی ) شود و نمونه ای دیگر از کاربرد این تحقیق در اصلاح نحوه تعامل دولت با شهروندان است که چگونه و با چه اقداماتی بتواند اعتماد مردم را جلب کرده و شرکت در انتخابات آزاد را بعنوان یک وظیفه در ذهن آنها ماندگار کند.

فصل اول: مقدمه و طرح مسئله

استفاده از سیستم های رای گیری اینترنتی برای برگزاری انتخابات ملی ، یکی از کاربردهای جدید فناوری اطلاعات است که می توان از آن برای بهبود کیفیت سیستم رای گیری موجود استفاده کرد. در واقع استفاده از اینترنت، تنها یکی از روش های کاربرد فناوری اطلاعات در مبحث رای گیری الکترونیک[1] که خود زیر مجموعه ای از یک مفهوم گسترده تر به نام دولت الکترونیک یا دموکراسی الکترونیک است ، می باشد ( Zissis and Lekkas ,2011 ) .

تاکنون بارها از ابزارهای الکترونیکی برای برگزاری رای گیری در کشورهای مختلف جهان استفاده شده است اما هنوز استفاده از این ابزارها و بخصوص استفاده از اینترنت برای برگزاری انتخابات در سطح ملی برای مردم جهان عادی نشده و به دلیل جدید بودن این مبحث، بسیاری از مردم ترجیح می دهند از روش سنتی استفاده کنند ( Riza Adita and Byoungcheon Lee,2004 ) و این در حالی است که Alvarez and Hall (2007 ) بیان می کند ” رای گیری اینترنتی آینده ی رای گیری در کشور آمریکا خواهد بود و بنابراین مسئله این نیست که آیا از اینترنت برای اینکار استفاده کنیم یا نه، بلکه بحث بر سر این است که چگونه و در چه زمانی این کاربرد بصورت کامل پیاده سازی شود و مورد بهره برداری موثر قرار بگیرد.”[2]

همه ما شاهد این موضوع بوده ایم که جایگزینی سیستم سنتی با سیستم مدرن در هر زمینه ای ، باعث ایجاد تغییرات مهم و اساسی در فرایند کاری آن زمینه شده

این مطلب را هم بخوانید :

 

 است ( William Fielding ,2008 ) ؛ بنابراین استفاده از فناوری اطلاعات در زمینه انتخابات نیز از این امر مستثنی نیست و فناوری اطلاعات می تواند روند برگزاری انتخابات را تغییر داده و بهبود بخشد ( Briony j Oates, 2003 ) . یکی از این تغییرات می تواند اثرگذاری آن روی نگرش رای دهندگان بالقوه که در شرایط فعلی در رای گیری ها شرکت نمی کنند باشد که با جذب آنها مشارکت افزایش خواهد یافت. بنابراین یکی از سوالاتی که این کتاب در صدد پاسخ گویی به آن است تاثیر انتخابات الکترونیک بر ترغیب افراد جدید برای مشارکت در انتخابات خواهد بود.

از آنجا که رای گیری اینترنتی بعنوان یک کاربرد جدید از فناوری اطلاعات در سطح جهان مطرح شده است، هنوز کشورها در حال تحقیق و بررسی و اعتبارسنجی در مورد آن هستند. پژوهش حاضر نیز تلاش دارد

1-5 نتیجه گیری…………….. 67

5-1 پیشنهادها و یافته‌های تحقیق…………….. 68

منابع……………. 70

چکیده:

ما در عصری زندگی می‌کنیم که حجم اطلاعات با سرعت زیادی در حال افزایش است و این اطلاعات در سراسر جهان در بستر اینترنت پراکنده شده است. این حجم عظیم اطلاعات می‌تواند به عنوان منبع ایده‌های جدید برای مسائلی که هنوز مطرح نشده است شناخته شود. یافتن این ایده‌ها و راه‌حل‌ها به صورت دستی و با کمک افراد خبره هزینه بردار و زمان‌بر خواهد بود.

روش کاوش ایده از داده‌های متنی روشی اتوماتیک است که در سال 2009 مطرح شد. روش کاوش ایده فرایندی است که ایده‌های جدید و مفید را از متن‌های غیر ساختار یافته استخراج می‌کند. در این روش تعریف ایده همان تعریف تکنولوژیکی آن است که برای حل مسائل تکنولوژیکی از آن استفاده می‌شود. این روش با

 بهره‌گیری از روش‌های کاوش متن و یک روش جدید به نام کاوش ایده از متن‌های موجود ایده‌ها را استخراج می‌کند و آن‌ها را از لحاظ جدید و مفید بودن مورد ارزیابی قرار می‌دهد. این روش می‌تواند کاربردهای زیادی در زمینه‌های مختلف از جمله زمینه کسب و کار داشته باشد و سبب سرعت بخشیدن به فرایندهای کسب و کار شود با پیاده سازی این روش در زبان فارسی می‌تواند تمام این قابلیت‌ها را برای شرکت‌ها و سازمان‌ها فراهم سازد و آن‌ها را زمانی که با مشکلی مواجه می‌شوند را یاری کند تا بتوانند از لابه‌لای حجم عظیم اطلاعات موجود در کوتاه‌ترین زمان و با کم‌ترین هزینه راه‌حل مفید و جدید را بدست ­آورند. در این پژوهش روش کاوش ایده را با زبان فارسی پیاده‌سازی کرده و از آن در پیاده­سازی سیستم­های خبره به عنوان کاربردی جدید برای این روش استفاده کرده‌ایم. همان‌طور که می‌دانیم هم اکنون بیشترین سرمایه‌گذاری شرکت‌ها و سازمان‌ها روی دانش سازمانی است بنابراین مکانیزه کردن یافتن دانش جدید و غنی‌سازی پایگاه دانش می‌تواند میزان هزینه شرکت‌ها و سازمان‌ها را در این زمینه کاهش داده و باعث تسریع این فرایند شود.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

حجم اطلاعات در سال‌های اخیر با رشد چشمگیری در حال افزایش است و از طرفی سازمان‌ها و شرکت‌ها نیز هر روزه با مسائل و مشکلات جدید روبه‌رو می‌شوند که شاید راه‌حل بسیاری از این مسائل در این توده عظیم اطلاعات باشد که در جای جای دنیا در بستری به نام اینترنت پراکنده شده و یا به صورت اسناد، مقالات، گزارشات و… در بایگانی شرکت‌ها و سازمان‌ها قرار دارد. بسیاری از سازمان‌ها با بهره گرفتن از افراد خبره در زمینه‌های مختلف سعی بر آن داشته که بتوانند راه‌حل‌هایی برای این مسائل پیدا کنند که مطمئناً زمان‌بر و پر هزینه خواهد بود. روش کاوش ایده[1] راه‌حلی برای این موضوع است تا با پیدا کردن راه‌حل برای مسایل موجود به صورت مکانیزه در زمان و هزینه به صورت کارا صرفه‌جویی کنیم. کاوش متن[2] یا کشف دانش از متن‌ها به صورت کلی به فرایند استخراج اطلاعات و دانش مفید از متن‌های غیر ساختار یافته ارجاع داده می‌شود. با ارجاع به این کاوش ایده، فرایند اتوماتیکی برای استخراج ایده‌های مفید و جدید از متن

این مطلب را هم بخوانید :

 

 غیر ساختار یافته[3] با بهره گرفتن از متدهای کاوش متن است و هدف این روش اگرچه پیدا کردن ایده‌های جدید و مفید است اما اغلب ارائه دادن این ایده‌ها به صورت قابل درک برای کاربر است [7,8]. این روش در وزارت دفاع آلمان برای اولین بار به کار گرفته شد و با بهره گرفتن از افراد خبره مورد ارزیابی قرار گرفت. نتایج حاصل از این تحقیق نشان داد که این روش کارایی لازم را دارد اگرچه به دلیل حساس بودن نتایج برای وزارت دفاع المان این نتایج مخفی ماند اما در نهایت این روش برای مسایل مختلف در این

3-2-2- انتخاب متغیرها…………………..79

3-2-3- آماده‌سازی و پیش‌پردازش داده‌ها………………….. 80

3-2-3-1- نرمال سازی داده‌ها………………….. 81

3-2-4- تعیین تعداد بهینه خوشه‌ها………………….. 81

3-2-5- خوشه‌بندی……………………. 82

3-2-5-1- انواع خوشه‌بندی……………………. 83

3-2-5-2- خوشه‌بندی به روش K-Means……………………

3-2-5-1-1- مزایای استفاده از الگوریتم خوشه‌بندی K-Means……………………

3-2-5-1-2- محدودیت‌های الگوریتم K-Means……………………

3-2-5-2- خوشه‌بندی به روش WK-Means……………………

3-2-5-3- خوشه‌بندی به روش A-H-Means……………………

3-2-6- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش…… 88

3-2-7- به‌کارگیری دانش حاصل از خوشه‌بندی…………………… 90

3-3- روش‌های جمع آوری اطلاعات…………………….. 90

3-4- جمع‌بندی مطالب فصل……………………. 90

فصل چهارم…………………… 92

4-1- مقدمه…………………… 93

4-2- معرفی بانک مهر اقتصاد…………………… 93

4-3- موضوع و فعالیت بانک…………………….. 94

4-4- محاسبات تحقیق……………………. 94

4-4-1- گام انتخاب و جمع آوری متغیرهای ورودی……………………. 95

4-4-2- گام آماده‌سازی و پیش‌پردازش داده‌ها …………………..96

4-4-3-گام تعیین تعداد بهینه خوشه‌ها………………….. 97

4-4-4- گام خوشه‌بندی داده‌ها …………………..97

4-4-4-1- خوشه‌بندی به روش K-Means……………………

4-4-4-2- خوشه‌بندی به روش WK-Means……………………

4-4-4-3- خوشه‌بندی به روش A-H-Means……………………

4-4-5- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش…… 101

4-4-6-گام به‌کارگیری دانش حاصل از خوشه‌بندی……………………. 102

4-5- نتایج تحقیق……………………. 104

4-6- جمع‌بندی مطالب فصل……………………. 106

فصل پنجم…………………… 107

5-1- مقدمه…………………… 108

5-2- خلاصه تحقیق……………………. 108

5-3- نتیجه‌گیری……………………. 109

5-4- زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی…… 110

 

منابع و مآخذ…………………… 126

چکیده:

افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل­گران سازمان­ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می ­تواند سازمان­ها را به­سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره­ گیری از فناوری­های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک­ها باعث بر جای ماندن حجم عظیمی از داده ­ها گشته که تحلیل و تصمیم ­گیری بر اساس آن­ها با روش­های معمول گزارش­گیری و روش­های آماری امکان­پذیر نمی­باشد. داده ­کاوی ابزار بروز و قدرتمندی است که در این پایان نامه جهت تحلیل داده ­ها به جهت استخراج دانش مشتری پیشنهاد می­گردد.

هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با بهره گرفتن از تکنیک­های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می­­باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

در سال­های اخیر دانش[1] به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یک دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژه­ای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری[2] مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با بهره گرفتن از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی[3] زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گران‌بهای دانش مشتری فراهم می­آورد.

از سوی دیگر در عصر حاضر بهره­ گیری از فناوری­های نوین اطلاعات و ارتباطات در عرصه­های مختلف کسب­وکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که به‌کارگیری فناوری­های روز دنیا در این صنعت می ­تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهره­ گیری از بروزترین فناوری­ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری[4]، دستگاه­های خودپرداز، کارت­های اعتباری، پایانه ­های خرید الکترونیک و… از مصادیق این امر می­باشد.

ورود فناوری­های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته است. از آنجا که این داده‌ها اغلب حجیم و وسیع می­باشند، معمولاً به صورت خام قابل‌استفاده نیستند، بلکه دانش موجود در آن­ها باید استخراج گردد. با این وجود که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره­ گیری از آن­ها را به امری چالش‌برانگیز مبدل ساخته است. چرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان­پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی­باشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع­تر با نتایج دقیق­تر و درصد خطای پایین­تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های نوین تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.

دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می­شود، به عنوان منبعی مهم برای سازمان شناخته می­شود و کسب و بهره ­برداری از آن به یک مزیت رقابتی در سازمان­ها تبدیل شده است.

مدیریت دانش مشتری دربردارنده فرایندهایی­ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره ­برداری از دانش مشتریان، مربوط است [9]. چنین اطلاعاتی در ماورای محدوده­های خارجی سازمان قرار دارند و دانشی که از آن­ها استخراج می­شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [32]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره ­گیری می­شود.

1-2- تعریف مسئله

بااهمیت یافتن مشتری در عرصه پرتلاطم رقابت میان کسب­وکارهای مباحثی همچون مدیریت دانش مشتری و مدیریت ارتباط با مشتری مطالعات و تحقیقات فراوانی را به خود اختصاص داده­اند.

مدیریت دانش، كسب دانش درست، برای افراد مناسب، در زمان صحیح و مکان مناسب است، به گونه‌ای که آنان بتوانند برای دستیابی به هدف‌های سازمان، بهترین استفاده را از دانش ببرند.

در تعریفی دیگر مدیریت دانش فرایند كشف، كسب، توسعه و ایجاد، تسهیم، نگهداری، ارزیابی و به‌کارگیری دانش مناسب در زمان مناسب توسط فرد مناسب در سازمان، که از طریق ایجاد پیوند مناسب بین منابع انسانی، فناوری اطلاعات و ایجاد ساختاری مناسب برای دستیابی به اهداف سازمانی صورت می‌پذیرد، تعریف شده است.

مدیریت ارتباط با مشتری[5] از جمله راهکارهایی است که در سال­های اخیر با افزایش روزافزون سطح رقابت در بازار به عنوان سلاحی ارزشمند در جهت افزایش وفاداری مشتری و جلب رضایت او و با هدف به ارمغان آوردن مزیت رقابتی بالاتر برای سازمان، از سوی سازمان­ها بکار گرفته شده است. امروزه بیشتر روش‌های مدیریت ارتباط با مشتری مبتنی بر فناوری اطلاعات می­باشند و مسلماً برای رسیدن به مدیریت مؤثر ارتباط با مشتری ناگزیر از مدیریت دانش مشتری خواهیم بود.

مدیریت ارتباط با مشتری در برگیرنده مجموعه ­ای از فرایندهاست که سازمان­ها را قادر می­سازد تا از استراتژی­های كسب­وكار در جهت ایجاد روابط بلندمدت و سودآور با مشتریان خاص پشتیبانی نمایند [46].

در حقیقت CRM یک فناوری پیشرفته در جهت دستیابی به قله­های اطلاعات مشتری است [G] و شركت­ها از آن به عنوان ابزاری در جهت افزایش رضایتمندی مشتری استفاده می­كنند. مدیریت ارتباط با مشتری به عنوان فعالیتی جهت گسترش و نگاه‌داری مشتریان سازمان­ها به طور گسترده­ای مورد توجه قرار گرفته است و ابزارهای آن افزایش رضایت مشتری و وفاداری اوست. همچنین مدیریت دانش KM همچون مدیریت روابط با مشتری بر جمع آوری منابعی تأكید دارد كه از فعالیت­های تجاری در جهت رسیدن به توانایی رقابت‌پذیری حمایت می­كند [37] برای بهبود روابط با مشتری، خدمات‌رسانی به روشی كه مورد دلخواه اوست، ضروری است. از این رو به مدیریت دانش مشتری احتیاج است [17].

امروزه حجم بالای پایگاه­های داده و پراکندگی و عدم به‌کارگیری راهکارهای مناسب جهت تحلیل این داده‌ها مطالعه و تصمیم ­گیری بهینه پیرامون ارتباط با مشتریان را با مشکل مواجه نموده است.

به طور ویژه بانک­ها سازمان­هایی هستند که با مشتریان تعامل مستقیم دارند و عنصر مشتری در این سازمان­ها اهمیت ویژه­ای دارد. بدیهی است جهت پیشرو بودن در عرصه رقابت توجه به جایگاه مشتری و اختصاص خدمات ویژه با تشخیص نیازمندی­های آن‌ها و ارائه خدمات درست به آن­ها محقق خواهد شد. تحلیل منابع باارزش داده­ای در رابطه با مشتریان کنونی بانک­ها و مشتریان بالقوه و… مقدمه­ای جهت تحقق این مهم خواهد بود.

با ورود فناوری­های جدید به سازمان­ها و افزایش سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها و دشواری استفاده از این حجم وسیع،

این مطلب را هم بخوانید :

 

 معمولاً امکان استفاده از این داده‌ها به صورت خام وجود ندارد، بلکه دانش موجود در آن­ها باید استخراج گردد. همچنین تحلیل این داده‌ها به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان­پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی­باشند. داده‌کاوی راهکاری است که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع­تر با نتایج دقیق­تر و درصد خطای پایین­تر را ممکن سازد.

داده‌ها[6] کمیت‌های عددی یا خصیصه‌ای هستند که در نتیجه مشاهده یا آزمایش حاصل شده‌اند. داده‌های دسته‌بندی شده اطلاعات[7] را تشکیل می‌دهند. اطلاعات از ترتیب، تركیب و شبكه شدن دانش را ایجاد می­نماید. دانش، اطلاعات سازمان‌یافته، تحلیل یافته و یا تلخیص شده برای افزایش درک، آگاهی یا تشخیص می‌باشد.

داده‌کاوی ابزاری بروز، قدرتمند و وسیع است که می ­تواند جهت تحلیل حجم عظیم داده بکار گرفته شود. داده‌کاوی به بهره­ گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزار با کاوش در بین داده‌های موجود و استخراج الگوها و روابط موجود در پایگاه داده‌ها، موجب تسهیل مطالعات و اتخاذ تصمیمات خواهد شد. همچنین به کمک امکانات موجود در این ابزار می­توان حجم داده‌ها را کاهش داد و داده‌های اضافی را حذف نمود. استفاده از روش‌های مختلف داده‌کاوی می ­تواند جهت کشف دانش و الگوهای موجود در حجم عظیم داده‌ها (برای مثال به طور خاص داده‌های جمعیت شناختی مشتریان بانک نظیر جنسیت، سن، وضعیت تأهل، تحصیلات، شغل و غیره، یا داده‌های مربوط به تراکنش­های مالی مشتریان و یا سرویس­های ارائه شده توسط بانک) استفاده شود. این الگوها می­توانند از سوی مدیران جهت اتخاذ تصمیمات مقتضی در ارتباط با مشتری، چگونگی برخورد با شرایط متفاوت کسب­وکار، ارائه خدمات خاص و غیره بکار گرفته شود.

تعاریف متفاوتی از داده‌کاوی وجود دارد ولی تعریفی كه در اكثر مراجع به اشتراك ذكر شده عبارت است از «استخراج اطلاعات و دانش و كشف الگوهای پنهان از پایگاه داده‌های بسیار بزرگ و پیچیده.» داده‌کاوی یک متدولوژی بسیار قوی و با پتانسیل بالا می‌باشد كه به سازمان‌ها كمك می‌کند كه بر مهم‌ترین اطلاعات از مخزن داده‌های خود تمركز نمایند [52].

داده‌کاوی را می­توان به عنوان ابزاری جهت کشف دانش از پایگاه­های داده تعریف نمود. داده‌کاوی یک گام در فرایند کشف دانش از پایگاه داده[8] است که با بهره گرفتن از الگوریتم‌های کشف و تحلیل داده‌ها تعداد خاصی الگو یا مدل را از روی داده‌ها تولید می­ کند.

یک الگو زمانی می ­تواند به عنوان دانش تلقی شود که :

1. به سادگی برای افراد قابل فهم باشد.
2. اعتبار آن از یک حد آستانه­ای[9] پایین­تر نباشد.
3. دانش جدیدی متناسب با اهداف تعیین‌شده سازمان ارائه دهد.
4. کاربردی باشد. [1]

امروزه کاربردهای مختلفی برای داده‌کاوی در صنعت بانکداری شناخته شده است.

شهرابی و همکاران در [1] کاربردهایی نظیر مدیریت ارتباط با مشتریان از طریق بخش‌بندی آن­ها و استخراج قواعد رفتاری آن­ها جهت هدایت فعالیت‌های بازاریابی بانک، مدل‌سازی پاسخ بازار به تصمیمات کلان بانک