تخمین کشش مقیاس جهتی فرایندهای دومرحله ای در حضور خروجی های نامطلوب
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 87
فایل این مقاله در 32 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-7-3_003
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
با توجه به پیچیدگی فرایندها، تحلیل عملکرد سیستم ها و بررسی تغییر مقیاس عملیات به منظور بهبود بهره وری از اهمیت به سزایی برخوردار است. بنابراین در این تحقیق یک روش تحلیل پوششی داده های شبکه ای دو مرحله ای جهت دار به منظور تخمین کارایی کلی و کارایی هر مرحله از فرایندهای دو مرحله ای پیشنهاد می شود در حالی که خروجی های نامطلوب علاوه بر خروجی های مطلوب تولید می شوند. تکنولوژی مطرح شده بر مبنای اصل دسترسی پذیری ضعیف خروجی های نامطلوب و بازده به مقیاس متغیر می باشد. به علاوه پس از ارایه تابع پاسخ، روش هایی به منظور تخمین کشش مقیاس راست و چپ فرایندهای دومرحله ای کارای کلی مطرح می شوند. به منظور بررسی اعتبار روش پیشنهادی، مجموعه داده ای از ۷۸ شعبه یکی از بانک های ایران به کار می رود و کارایی و کشش مقیاس آن ها مورد بررسی قرار می گیرند. نتایج نشان می دهد روش پیشنهادی به منظور تحلیل عملکرد و تخمین کشش مقیاس سیستم های شبکه ای دومرحله ای در حضور خروجی های نامطلوب مفید و پرکاربرد خواهد بود.
کلیدواژه ها:
نویسندگان
رقیه عزیزی یوسف وند
دانشجوی دکتری، گروه مهندسی صنایع، دانشکده فنی و مهندسی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
سهراب کردرستمی
استاد، گروه ریاضی، دانشکده علوم پایه، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
علیرضا امیرتیموری
استاد، گروه ریاضی، دانشکده علوم پایه، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
مریم دانشمند مهر
استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :