شناسایی و اولویت بندی عوامل موثر بر آنالیز طرح های صنعتی در صنعت خودروسازی و ارائه مدل مناسب با استفاده از روش های ترکیبی MADM و ANN

با توجه به رقابت شدید در صنایع خودروسازی و ضرورت ارزیابی دقیق طرح های صنعتی جدید به ویژه طرح های تحقیق و توسعه (R&D) این پژوهش با هدف ارائه یک مدل تلفیقی مبتنی بر روش های تصمیم گیری چندمعیاره و هوش مصنوعی انجام شد. در فاز نخست با استفاده از تحلیل کیفی و مصاحبه با ۱۵ نفر از خبرگان صنعت خودروسازی پنج مقوله کلیدی شامل سیاست های کسب وکار سازمان، صدای مشتری، مدیریت زنجیره تامین، محصولات، توانمندی های شرکت و ساختار بازار برای ارزش گذاری طرح ها استخراج شدند. در فاز دوم، از روش تاپسیس فازی به منظور رتبه بندی طرح ها و تولید نمره نهایی ارزش گذاری در بازه [۱] استفاده شد. در نهایت یک شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) با استفاده از نمرات تاپسیس به عنوان متغیر هدف، آموزش داده شد. نتایج آزمون مدل بر روی مجموعه داده های جدید نشان داد که مدل MLP با ضریب تعیین ۰/۹۶۳، دقت پیش بینی بسیار بالاتری نسبت به مدل رگرسیون خطی چندگانه با ضریب تعیین ۰/۶۵۴ دارد. تحلیل حساسیت مدل نشان داد که سیاست های کسب وکار سازمان (۲۹.۵٪) و صدای مشتری (۲۵.۸٪) حیاتی ترین عوامل در پیش بینی ارزش طرح ها هستند. این مدل ابزاری دقیق و عملیاتی برای غربالگری و تخصیص منابع به طرح های ارزش آفرین در صنعت خودروسازی فراهم می آورد.

کلیدواژه ها:

ارزش گذاری طرح ، صنعتی ، شبکه عصبی مصنوعی ، تاپسیس فازی ، پرسپترون چندلایه ، صنعت خودروسازی