محاسبه و تحلیل شاخص بهره وری کل عوامل تولید درصنایع خودروسازی با استفاده از تکنیک تحلیل فراگیر داده ها و مالم کوئیست(مطالعه موردی:سالن مونتاژکرمان موتور)
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 804
فایل این مقاله در 8 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:
ICPEEE01_0917
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
تغییرات دوره های متوالی تولید ناخالص ملی هر کشور بیانگر رشد اقتصادی و سطح رفاه می باشد و رشد آن می تواند سبب تسریع رشد اقتصادی و سطح رفاه اجتماعی گردد. نظر به ضرورت و اهمیت توسعه ی بخش خودرو در صنعت و اقتصادملی از یک سو و ضرورت سنجش عملکرد این صنعت به منظور برنامه ریزی جهت بهبود کارایی، بهره وری و رقابت پذیرنمودن تولیدات این بخش، پژوهش حاضر در سال 1392 با هدف محاسبه و تحلیل بهره وری کل عوامل تولید واحد مونتاژ شرکت کرمان موتور از میان سه واحد از زیرمجموعه ی کرمان خودرو و با بهره گیری از تکنیک منعطف و کاربردی تحلیل فراگیر داده ها و شاخص بهره وری مالم کوئیست صورت پذیرفت. آمار و اطلاعات مورد نیاز تحقیق، از طریق مطالعات اسنادی، انجام مصاحبه و برگزاری نشست های تخصصی با کارشناسان واحدهای مربوطه، جمع آوری گردید. استخراج شاخص بهره وری مالم کوئیست پس از همگن سازی آمار گردآوری شده در چهار گروه نهاده و یک ستانده در 14 دوره ی زمانی در نرم افزار تخصصی DEAP صورت پذیرفت. یافته های پژوهش نشان داد تغییرات بهره وری واحد مونتاژ با 0/914 تا حدودی پسرفت داشته اند. ضمن آنکه میانگین تغییرات فناوری، کارایی فنی واحد سیر نزولی نشان داد. به لحاظ شاخص بهره وری مالم کوئیست، واحد مونتاژ بدترین وضعیت را در میان سه واحد مورد بررسی داشت. در پایان با استفاده از یافته های کمی و تحلیل نتایج کیفی از موانع و مشکلات واحدها، پیشنهادهای کاربردی و پژوشی جهت بهبود عملکرد این واحدها به مدیران، پژوهشگران و سیاستگزاران این عرصه ارائه گردید.
کلیدواژه ها:
نویسندگان
موسی دریجانی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمان
علی دریجانی
استادیار،دانشگاه پیام نور کرمان.
حمید تابلی
استادیار، دانشگاه پیام نور کرمان.
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 :