پایان نامه ارشد:ارزیابی عملکرد شهرک­ های صنعتی استان مازندران با استفاده از تحلیل پوششی داده ­ها وشبکه­ های عصبی مصنوعی

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته سیستم های اقتصادی - اجتماعی

عنوان : ارزیابی عملکرد شهرک­ های صنعتی استان مازندران با استفاده از تحلیل پوششی داده ­ها وشبکه­ های عصبی مصنوعی

دانشگاه علوم و فنون مازندرانپایان نامه کارشناسی ارشد  رشته مهندسی سیستم­های اقتصادی-اجتماعی موضوع: ارزیابی عملکرد شهرک ­های صنعتی استان مازندران با استفاده از تحلیل پوششی داده ­ها وشبکه­های عصبی مصنوعی اساتید راهنما: دکتر جواد رضائیان، دکتر بابک شیرازی (شهریور1392) برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود(در فایل دانلودی نام نویسنده موجود است)تکه هایی از متن پایان نامه به عنوان نمونه :(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)فهرست مطالب1- مقدمه و کلیات. 21-1- مقدمه. 21-2- تشریح و بیان موضوع. 41-3- ضرورت انجان تحقیق. 51-4- فرضیات تحقیق 71-5- اهداف اساسی از انجام تحقیق. 71-6-محدودیت های انجام تحقیق. 71-7- محتوای تحقیق 82- ادبیات و پیشینه تحقیق2-1- مقدمه. 102-2- ارزیابی عملکرد. 102-2-1- مقدمه. 102-2-2- پیشینه ارزیابی عملکرد و بررسی دیدگاه­های مختلف  112-2-3- معیارها و تکنیک­های ارزیابی و اندازه­گیری عملکرد 132-2-3-1- معیارهای ارزیابی عملکرد 132-2-3-2-­ تکنیک های شناخته شده در ارزیابی عملکرد 142-2-3-3- تکنیک­های اندازه­ گیری عملکرد 202-3- معرفی DEA ، ANNs و Neuro/DEA 242-3-1- معرفی اجمالی  DEA 262-3-1-1- مدل نسبت CCR 272-3-1-2- روش اندرسون-پیترسون 282-3-2- معرفی ANN 282-3-2-1- آموزش شبکه 292-3-2-1-1-  الگوریتم های یادگیری شبکه 302-3-2-2- تناسب انتخاب ساختار با موضوع مساله 312-3-2-3- ساختار شبکه های عصبی 332-3-2-3-1- شمای کلی 382-3-2-4- چگونگی پردازش اطلاعات در واحد های پردازشگر 392-3-2-5- شبکه­های پرسپترون 432-3-3- مدل ترکیبی شبکه­های عصبی و تحلیل پوششی داده ها (Neuro/DEA) 432-3-3-1- خواستگاه استفاده از مدل ترکیبیNeuro-DEA 432-4-  پیشینه تحقیق 453- روش تحقیق3-1- مقدمه. 513-2- جامعه آماری. 513-3- شیوه گرد­آوری اطلاعات. 513-4- مراحل انجام تحقیق. 513-5-مدل­های تحلیل پوششی داده­ها 533-5-1- مدل­های ورودی­محور. 533-5-1-1-مدل مضربی CCR ورودی محور. 533-5-1-2-مدل پوششی CCR ورودی­محور. 543-5-2-مدل­های خروجی­محور 553-5-2-1-مدل مضربی CCR خروجی محور 563-5-2-2- مدل پوششی CCR خروجی محور 563-6- ارزیابی و تحلیل کارایی شرکت­ شهرک­های صنعتی با رویکرد تحلیل پوششی داده­ها(DEA) (مدل مضربی CCR خروجی­محور) 563-7- روش اندرسون-پیترسون برای رتبه بندی واحد­های کارا 583-8- دلایل استفاده از مدل CCR در مقایسه با مدل BCC 593-9- دلایل استفاده از مدل خروجی محور در مقایسه با مدل ورودی محور 603-10- ساختار شبکه 603-11- الگوریتم تحلیل کارایی 634- محاسبات و یافته های تحقیق4-1- معرفی حوزه تحقیق. 664-1-1- سازمان صنایع کوچک و شهرک­های صنعتی ایران. 664-1-2- معرفی استان مازندران. 684-2- نتایج تحقیق. 705- نتیجه‌گیری و پیشنهادات5-1- نتیجه گیری. 795-2- تحقیقات آتی. 79 فهرست اشکالشکل (‏2‑1) روش وصل نقاط حدی. 23شکل (‏2‑2) یک واحد تصمیم گیرنده به همراه ورودی و خروجی­ها  27شکل (‏2‑3) مشخصات یک واحد تصمیم گیرنده. 27شکل ( ‏2‑4) نرون تک ورودی. 34شکل (‏2‑5) نرون با بردار ورودی. 35شکل (‏2‑6) شبکه تک لایه با S نرون. 36شکل (‏2‑7) فرم فشرده شده یا ماتریسی شبکه تک لایه با S نرون  36شکل (‏2‑8) شبکه پیش خور دو لایه. 37شکل (‏2‑9) فرم ساده شده شبکه پیش خور دو لایه میانی. 38شکل (2‑10) پرسترون تک لایه. 42شکل (‏3‑1) ورودی و خروجی­های شهرک صنعتی jام. 56شکل (‏3‑2) فلوچارت الگوریتم تحلیل کارایی. 64شکل(4-1) مقایسه کارایی محاسبه شده توسطDEA  وNeuro-DEA. 74شکل(4-1) مقایسه رتبه بندی انجام شده توسطDEA  وNeuro-DEA. 74فهرست جداولجدول (‏2‑1) تفاوت های دو نگرش نوین و سنتی ارزیابی عملکرد  12جدول (‏2‑2) ماتریس ارزیابی عملکرد. 16جدول (2-3) توابع محرک با علائم قراردادی. 34جدول (2-4) نتایج تحقیقات موجود در مقاله ، تحلیل کارایی فنی پالایشگاه­های نفت کشور. 45جدول (‏3‑1) شهرک­های صنعتی مورد بررسی و مطالعه پژوهش. 51جدول (‏3‑2) مشخصه­های متغیر­های تصمیم. 56جدول (‏3‑3) پارامتر­های مدل بر حسب مشخصه­های تعریف شده. 57جدول (‏3‑4) متغیر­های تصمیم. 57جدول (‏3‑5) ساختار شبکه مورد استفاده در الگوریتمNeuro-DEA.. 60جدول (‏3-6) درصد تغییرات ورودی­ها و خروجی­های هر شهرک صنعتی  61جدول (‏4‑1) کارایی محاسبه شده توسط­ DEA در سال 90 و 91 و کارایی پیش­بینی شده توسط Neuro-DEA در سال90 71جدول (‏4‑2) رتبه بندی واحدها توسط­ DEA در سال 90 و 91 و رتبه بندی پیش­بینی شده توسط Neuro-DEA در سال 91. 72جدول (‏4‑3) میانگین کارایی واحد­ها در ده اجرای شبکه عصبی  74جدول (‏4‑4) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 75جدول (‏4‑5) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 76       فصل اول : مقدمه وکلیات تحقیق 
  • مقدمه و کلیات
    • مقدمه
در سالهای اخیر در اغلب کشورهای جهان برای ارزیابی عملکرد نهادها و دیگر فعالیت­های رایج در زمینه­های مختلف، کاربرد­های مختلفی از تحلیل پوششی داده­ها (DEA) دیده شده است. علت مقبولیت گسترده­تر روش DEA نسبت به سایر روش­ها، امکان بررسی روابط پیچیده و اغلب نامعلوم بین چندین ورودی و چندین خروجی است که در این فعالیت­ها وجود دارد. [1] در سال 1957 فارل[1] با استفاده از روشی مانند اندازه­گیری کارایی در مباحث مهندسی اقدام به اندازه­گیری کارایی برای یک واحد تولیدی نمود. موردی که فارل برای اندازه گیری کارایی مد نظر قرار داده بود شامل یک ورودی و یک خروجی بود. مطالعه فارل شامل اندازه­گیری "کارایی­های فنی" و "تخصصی" و "مشتق تابع تولید کارا" بود. فارل مدل خود را برای تخمین کارایی بخش کشاورزی آمریکا نسبت به سایر کشور­ها مورد استفاده قرار داد. بااین وجود، او در ارائه روشی که دربرگیرنده ورودی و خروجی های متعدد باشد، موفق نبود.چارنز، کوپر و رودز دیدگاه فارل را توسعه داده و مدلی را ارائه کردند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت. این مدل تحت عنوان "تحلیل پوششی داده­ها" نام گرفت و ابتدا در رساله­ی دکتری ادوارد رودز[2] و به راهنمایی کوپر[3] تحت عنوان "ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا" در سال 1976 در دانشگاه کارنگی مورد استفاده قرار گرفت و در سال 1978 در مقاله ای تحت عنوان "اندازه­گیری کارایی واحد­های تصمیم گیرنده" ارائه شد.از آنجا که این مدل توسط چارنز[4] ، کوپر و رودز [et al,1987  Charnes] ارائه گردید، به مدل CCR که از حروف اول نام افراد فوق تشکیل شده است معروف گردید. هدف در این مدل اندازه گیری و مقایسه کارایی نسبی واحد­های سازمانی مانند مدارس، بیمارستان ها، شعب بانک، شهرداری­ها و ... که دارای چندین ورودی و خروجی شبیه به هم باشند است. [2]مارشال[5] اولین کسی بود که اهمیت محلی کردن صنایع را  به توسعه ناحیه ای صنعت مدرن مرتبط ساخت. او نتیجه گیری کرد که بنگاه­ها یا کارخانه­ها قادرند تا تعدادی از مولفه­های تولید مانند زمین، نیروی انسانی، سرمایه، انرژی، و حمل و نقل را از طریق تراکم به اشتراک گذارند. یافته­های ماشال به مفهوم اقتصاد خارجی منجر شد.[27]و[37] کارخانه­های تولیدی مجاور هزینه­های تولید و هزینه­های معاملات را از طریق مشارکت در زیر بنا ، نیروی کار ماهر ، منابع تولیدی در ناحیه کاهش می دهند. بنابراین اقتصاد خارجی و کاهش هزینه معاملات، فاکتور اصلی در تشکیل خوشه های صنعتی می باشد.وقتی خوشه های صنعتی تخصصی سازی تولید و نزدیکی جغرافیایی بخش های مربوط را به دست می دهد، آنها تکنولوژی خارجی را تولید می کنند که به تولید کنندگان در منطقه کمک می­کند . در حالی که عملیات سیستم تولید محلی تخصصی سازی تولید کننده را تقویت می کند و رابطه ی بین تولید کنندگان محلی و موسسه های محلی نزدیکتر می گردد.[20] یکی از منابع رقابتی بودن ناحیه ای عملیات سیستم تولید محلی می باشد.[19] چنین ویژگی های حیاتی اقتصاد محلی، گاهی نمی تواند در ناحیه های دیگر ایجاد یا تکرار شود . به عبارت دیگر فعالیت اقتصادی تولید کننده ها به وسیله محدودیت های ناحیه ای تحت تاثیر قرار می گیرد[21],و چنین رشد بزرگی در یک موقعیت مکانی به شدت محلی شده، می تواند مرتبط با محیط خاصی که مولفه های تولید را نگه می دارد به نام جاذبه ی فضایی باشد .[22]بنابراین فضای فعالیت صنایع قطعاً شامل موهبت های طبیعی می باشد مانند نیروی انسانی و منافع فرصت که منجر به تولید کنندگان مستقر در همان ناحیه صنعتی می شود. به دلیل علم سرازیر شده ، پویایی نیروی انسانی، فواید اعتماد دو جانبه و ارزش های مشترک در گروه، این شرکت ها عملکرد اقتصادی بهتری را نسبت به تولید کنندگان خارج از ناحیه صنعتی تجربه می کنند.[23] به علاوه مرتبط کردن مهارت ها، اشتراک اطلاعات ، قوانین گروه ، سیستم و نیروی انسانی در یک ناحیه صنعتی برای توسعه صنعت در محل و افزایش رقابتی بودن محل ، بسیار مهم است.بر اساس مفاهیم مارشال در ناحیه­ی صنعتی و تئوری که تولید­کنندگان واقعاً از تراکم در مناطق صنعتی یکسان سود می برند ، سیاست های صنعتی دولتی اغلب صنایع خاص را تشویق به جمع شدن در یک ناحیه ی خاص می کند ، در واقع سیاست­های دولت می تواند به طور فعالی صنایع خاص را تشویق کند، توسعه ناحیه ای روستایی و شهری را تنظیم کند ، و شبکه­ همکاری تشکیل دهد، و مهمتر از همه توسعه صنعتی در ناحیه داده شده را هدایت کند.[24] توسعه­ی شهرک­های علمی و صنعتی مثالی از چنین سیاست­هایی است. همانطور که در بحث ناحیه ی صنعتی اشاره شد، شبکه­ی ایجاد شده از طریق شهرک صنعتی، موهبت­های ناحیه را به طور مثبتی تحت تاثیر قرار می دهد. بنابراین همکاری در تقویت اقتصاد ناحیه بسیار مورد توجه است.[17]نگاهی کوتاه به ساختار نظام اقتصادی کشور های مختلف، ما را با اهمیت و جایگاه شرکت ها و بنگاه های کوچک و متوسط و شهرک­ها و نواحی در برگیرنده­ی آن­ها بیشتر آشنا خواهد کرد.هر سازمان به منظور آگاهی از میزان مطلوبیت و مرغوبیت فعالیت های خود به خصوص درمحیط­های پیچیده و پویا نیاز مبرم به نظام ارزیابی دارد. از سوی دیگر فقدان وجود نظام ارزیابی و کنترل در یک سیستم به معنای عدم برقراری ارتباط با محیط درون و برون سازمان تلقی می گردد که پیامد های آن کهولت و در نهایت مرگ سازمان است. ممکن است بروز پدیده مرگ سازمانی به علت عدم وقوع یکباره آن از سوی مدیران عالی سازمان ها احساس نشود. اما مطالعات نشان می دهد فقدان نظام کسب بازخورد امکان انجام اصلاحات لازم برای رشد، توسعه و بهبود فعالیت­های سازمان را غیر ممکن می نماید، سرانجام این پدیده مرگ سازمانی است.[3]لذا با شناخت آماری شهرک­ها و رتبه بندی آنها و مقایسه نتایج حاصله با اهداف و چشم اندازهای شرکت شهرک­ها­ی، امکان بررسی عملکردی میسر می­گردد که آن هم به نوبه­ی خود در جهت تدوین راهکار­های موثر برای حرکت در مسیر توسعه بخش صنعت به کار می­آید.1-2- تشریح و بیان موضوعاز آنجایی که تحلیل پوششی داده­ها کارایی متفاوتی در طول زمان ارائه می­دهد و به هیچ پیش­فرض اولیه ای درباره مرز کارایی نیاز ندارد لذا در میان تمام روش­های ارزیابی عملکرد، DEA در سازماندهی و تحلیل داده­ها بهترین روش است. اما DEA قادر به تفکیک کارایی همه­ی شرکت­ها از یکدیگر نیست دلیل این موضوع  کم بودن تعداد واحد­های تصمیم گیرنده نسبت به تعداد ورودی و خروجی­ها است. هرچه این نسبت بیشتر باشد، مدل قدرت تفکیک­پذیری بالاتری خواهد داشت. در صورتی که این رابطه­ی تجربی بین تعداد واحد­های تصمیم گیرنده ([6]DMUs ) و ورودی­ها و خروجی­ها برقرار باشد، قدرت تفکیک پذیری مدل مناسب است:m : تعدادورودی­های هر DMUs  : تعداد خروجی­های هر DMUn : تعداد DMU هالذا از آنجایی که روش تحلیل پوششی داده ها در صورت کم بودن تعداد واحد های تصمیم گیرنده (DMU ) با توجه به تعداد ورودی و خروجی ها قادر به تفکیک واحد های تصمیم گیری نمی باشد و در واقع مدل های پایه ای DEA  قادر به رتبه بندی کامل واحد ها نیستند،  سعی می­شود تا از تلفیق تحلیل پوششی داده ها و شبکه های عصبی مصنوعی به منظور اندازه گیری عملکرد واحد­های تصمیم گیرنده استفاده شود به نحوی که مشکل مذکور برطرف گردد.در این پژوهش سعی شده است معیار­های ارزیابی عملکرد شهرک­های صنعتی استان مازندران تعیین گردد  و با استفاده از مدل ترکیبی Neuro-DEA با اندازه گیری کارایی شهرک­های صنعتی این استان و تعیین شهرک­های کارا و ناکارا  و همچنین رتبه بندی شهرک­ها به بهینه سازی شرکت شهرک­های صنعتی استان مازندران از طریق ارزیابی عملکرد کمک گردد.1 Farrell[2] Rohdes[3] Cooper[4] Charnes[5]  Marshall[6] Decision-Making Unitsتعداد صفحه :قیمت : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09309714541 (فقط پیامک)        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  -- --

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید