شناسایی و ارزیابی ریسک داده محور با درنظرگرفتن روابط علی و معلولی بین ریسک ها (موردکاوی: فرآیند انبارش و تامین خوراک در یک پالایشگاه نفتی)

فایل این در 134 صفحه با فرمت PDF قابل دریافت می باشد

  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این :

چکیده :

مدیریت ریسک همیشه یکی از مهم ترین گام های نخست ورود به بهینه سازی و بهره وری در هر سازمانی است. در تمام سازمان ها ریسک های مثبت و منفی وجود دارد که می تواند بر اهداف آن سازمان تاثیرگذار باشد و مواجهه با این ریسک ها اجتناب ناپذیر است. به همین سبب شناسایی و ارزیابی ریسک های سازمان نقش به سزایی در کنترل و کاهش اثرات ناشی از این ریسک ها دارد. ارزیابی ریسک یکی از فرآیند های مهم مدیریت ریسک است که به شناسایی و تجزیه وتحلیل و ارزشیابی ریسک می پردازد و این امکان را به مدیران می دهد که بتوانند برای ریسک هایی که برای سازمان خطر محسوب می شود، برنامه ریزی کنند. از طرفی در میان عوامل ریسک های هر سازمان یک سری روابط علی و معلولی وجود دارد که بر میزان و اهمیت ریسک، تاثیرات مثبت و منفی دارند. این پژوهش با همین هدف به شناسایی، اولویت بندی و ارزیابی ریسک های عملیاتی پرداخت که به صورت مورد کاوی در بخش انبارش و تامین خوراک یک پالایشگاه تولید روغن های روانکار انجام شد. نخست با استفاده از روش مصاحبه و استفاده از پرسشنامه از میان 16 ریسک شناسایی شده، 7 مورد انتخاب شد، سپس از میان 7 ریسک انتخاب شده با استفاده از تکنیک های FMEA و AHP ریسک "کاهش راندمان تولید رافینات" به عنوان مهم ترین ریسک شرکت انتخاب شد. در ادامه 11 عامل تاثیرگذار بر این ریسک با روش های دلفی و گروه کانونی شناسایی و انتخاب شدند و روابط علی و معلولی بین این عوامل با استفاده از مدل سازی سیستم داینامیک به منظور تعیین نوع روابط و اثر عوامل شناسایی شد. در انتها با استفاده از سه روش رگرسیون خطی، رگرسیون لاسو و رگرسیون ریج که از روش های ارزیابی ریسک داده محور هستند، ریسک مورد نظر مورد ارزیابی قرار گرفت و پارامترهای تاثیرگذار و نوع تاثیر این پارامترها بر ریسک مورد نظر تحلیل شد. برای این ریسک تابع مطلوبیت با استفاده از الگوریتم های یادگیری ماشین تعریف شد تا تاثیر هر یکی از متغیرهای موجود در این ریسک مورد بررسی قرار بگیرد. در نهایت درخصوص مهم ترین عوامل تاثیرگذار بر ریسک مورد نظر، راه کارهای بهینه سازی ارائه شد.

نویسندگان

مهدی آگاهی

فارغ التحصیل کارشناسی ارشد مهندسی صنایع گرایش کیفیت و بهره وری دانشکده مهندسی صنایع و سیستم ها دانشگاه تربیت مدرس

بختیار استادی

عضو هیات علمی دانشکده مهندسی صنایع و سیستم ها دانشگاه تربیت مدرس

علی حسین زاده کاشان

عضو هیات علمی دانشکده مهندسی صنایع و سیستم ها دانشگاه تربیت مدرس

فرزاد فیروزی جهانتیغ

دانشیار مهندسی صنایع، دانشگاه سیستان و بلوچستان، زاهدان، ایران

مراجع و منابع این :

لیست زیر مراجع و منابع استفاده شده در این 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 لینک شده اند :
  • منابع و مراجع ...
  • 1. محسن زاده، م(2021)مدل سازی ریسک های عملیاتی در پالایشگاه ...
  • 2. خسروی، س.، و میرزایی، 2022"شناسایی و ارزیابی ریسک های زنجیره ...
  • 3. احمدی، ر.، و جعفری، م2023). ارزیابی ریسک داده محور ...
  • 4. کبیری، ع.، و رستمی، ش. 2020تحلیل ریسک در صنایع ...
  • 5. استادی, بختیار و خزایی کاشان، ح. ز. 2018. ارزیابی ریسک ...
  • 6. استادی، بختیار و تدریسی پژو، پروین، اشعری، هادی، 1395، شناسایی ...
  • 7. استادی، بختیار، تدریسی پژو، پروین، 1395، ارائه مدلی برای اندازه ...
  • 8. پورزمانی، زهرا و کریمی، علی،1398، تاثیر مدیریت موثر ریسک و ...
  • 9. مرادی، مجتبی و میرزازاده، محمدعلی،1398، شناسایی، ارزیابی و رتبه بندی ...
  • 10. استادی، بختیار، خزایی کاشان، ح. ز. 2018. ارزیابی ریسک عملیاتی ...
  • 11. استادی، بختیار، سیستانی، سارینا، 1399، ارائه یک رویکرد داده محور ...
  • 12. استادی، بختیار، قاهری، سیما، 1400، ارزیابی ریسک روبه جلو و ...
  • 13. استادی، بختیار، عباسی هرفه، سارا، طراحی یک مدل تصمیم یار ...
  • 14. ABOUTORAB, H., HUSSAIN, O. K., SABERI, M. & HUSSAIN, F. ...
  • 15. ACHARYA, M. S., ARMAAN, A. & ANTONY, A. S. A ...
  • 16. AZIZ, S. & DOWLING, M. 2019. Machine learning and AI ...
  • 17. AZIZ, S. & DOWLING, M. M. 2018. AI and machine ...
  • 18. BAO, W., LIANJU, N. & YUE, K. 2019. Integration of ...
  • 19. BICHEVA, P. & VALCHEV, E. 2023. Methodology for Implementation of ...
  • 20. CHELANI, A. B., RAO, C. C., PHADKE, K. & HASAN, ...
  • 21. CHEN, T.-H. 2020. Do you know your customer? Bank risk ...
  • 22. DAS, K. & BEHERA, R. N. 2017. A survey on ...
  • 23. DING, Z., ZHANG, L., NIU, M., ZHAO, B., LIU, X., ...
  • 24. DU, P. & SHU, H. 2022. Exploration of financial market ...
  • 25. GHASEMI, A. 2017. Pluralism in Management Multiple Criteria Decision Making ...
  • 26. GUAN, L., ABBASI, A. & RYAN, M. J. 2021. A ...
  • 27. HEGDE, J. & ROKSETH, B. 2020. Applications of machine learning ...
  • 28. KALKHAJEH, Y. K., ARSHAD, R. R., AMERIKHAH, H. & SAMI, ...
  • 29. LEO, M., SHARMA, S. & MADDULETY, K. 2019. Machine learning ...
  • 30. LI, J.-P., MIRZA, N., RAHAT, B. & XIONG, D. 2020. ...
  • 31. LI, L. 2023. Investigating risk assessment in post-pandemic household cryptocurrency ...
  • 32. LI, Y. Credit risk prediction based on machine learning methods. ...
  • 33. LIN, S.-S., SHEN, S.-L., ZHOU, A. & XU, Y.-S. 2021. ...
  • 34. MADHURI, C. R., ANURADHA, G. & PUJITHA, M. V. House ...
  • 35. MITTAL, A., SHRIVASTAVA, A., SAXENA, A. & MANORIA, M. A ...
  • 36. MORADI, R., COFRE-MARTEL, S., DROGUETT, E. L., MODARRES, M. & ...
  • 37. MUTHUKRISHNAN, R. & ROHINI, R. LASSO: A feature selection technique ...
  • 38. NOWICKA, A., JEDNORÓG, K., WYPYCH, M. & MARCHEWKA, A. 2009. ...
  • 39. OSTADI, B. & ABBASI HAROFTEH, S. 2020. A novel risk ...
  • 40. OSTADI, B. & ABBASI HAROFTEH, S. 2022. A novel risk ...
  • 41. OSTADI, B., HONARMAND SHAHZILEH, Z. & GERAMI, A. 2020. A ...
  • 42. RAMAN, P., SEETHA, R., SANKAR, S., SURESH, K., ARUNKUMAR, R. ...
  • 43. RASHIDI, H. H., TRAN, N. K., BETTS, E. V., HOWELL, ...
  • 44. REZAIE, K., AMALNIK, M. S., GEREIE, A., OSTADI, B. & ...
  • 45. ROCCHI, A., CHIOZZI, A., NALE, M., NIKOLIC, Z., RIGUZZI, F., ...
  • 46. RONG, G., LI, K., TONG, Z., LIU, X., ZHANG, J., ...
  • 47. ROUSSET, A., DELLAMONICA, D., MENUET, R., LIRA PINEDA, A., SABATINE, ...
  • 48. SARKER, I. H. 2021. Machine learning: Algorithms, real-world applications and ...
  • 49. SHETTY, S. H., SHETTY, S., SINGH, C. & RAO, A. ...
  • 50. SHOUMO, S. Z. H., DHRUBA, M. I. M., HOSSAIN, S., ...
  • 51. SRIVASTAVA, A., SAINI, S. & GUPTA, D. Comparison of various ...
  • 52. TABESH, M., ROOZBAHANI, A., HADIGOL, F. & GHAEMI, E. 2021. ...
  • 53. TAROMIDEH, F., FAZLOULA, R., CHOUBIN, B., EMADI, A. & BERNDTSSON, ...
  • 54. TAVANA, M., ABTAHI, A.-R., DI CAPRIO, D. & POORTARIGH, M. ...
  • 55. VANANY, I., ZAILANI, S. & PUJAWAN, N. 2009. Supply chain ...
  • 56. WANG, Y., ZHANG, Y., LU, Y. & YU, X. 2020. ...
  • 57. WANG, Z. & LI, S. 2020. Data-driven risk assessment on ...
  • 58. XU, G., QIU, X., FANG, M., KOU, X. & YU, ...
  • 59. Chen, L. & Wu, H. (2022). Risk Management in Petrochemical ...
  • 60. Jones, P., Ahmad, A. & Lee, D. (2023). Fault Tree ...
  • 61. Lopez, R., Zhang, L., & Singh, A. (2021). Analysis of ...
  • 62. Kim, J., Singh, A. & Lopez, R. (2022). Causal Modelling ...
  • 63. Singh, A., Lopez, R. & Kim, J. (2020). Investigating the ...
  • 64. Zhang, T., Smith, J., & Williams, G. (2021). Using Machine ...
  • نمایش کامل مراجع