تصمیم گیری و تحقیق در عملیات

چکیده The decision-making of early childhood physical education (PE) involves an ever-greater need to have a clear resource-allocation logic that connects empirical evidence with feasible funding priorities. The paper presents early childhood PE as a decision-optimization model, whose three decision criteria, namely, teacher training, programme structure, and family involvement, were confirmed by surveying based on SEM and, subsequently, weighted by AHP and fuzzy AHP with an expert subset (PE teachers, principals, and policy-makers). DEMATEL can be used to show the cause and effect relationships between criteria as well as to create interaction-adjusted weights. An optimisation model is then used to allocate budget on criteria based on a scenario-based model to maximise a weighted effectiveness score which is bounded by feasibility and equity constraints. According to SEM, child outcomes (standardised paths as observed in Table 5) indicate that structured programmes, family involvement and teacher training have significant positive impacts. AHP is more concerned with teacher training (w≈0.625), then programme structure (w≈0.238) and family involvement (w≈0.137), and the consistency is acceptable (CR<0.10). DEMATEL singles out teacher training as the leading causal driver (highest prominence), which is helpful in the optimisation stage. Optimisation outcomes indicated that the results of decisions are not sensitive to realistic cost and budgeting conditions, and equity constraints do not allow corner solutions. The suggested framework offers a replicative, decision-analytic model in the justification of investments in early childhood PE by policy-makers based on integrated evidence, weighting, and optimisation. A sensitivity analysis moves each pairwise judgment on Saaty scale by a number of steps of +1 and makes sure that the criterion ranking does not change (Appendix A).

چکیده Background and objective: International joint programs (IJPs) between Chinese universities and overseas partners require curriculum quality assessment approaches that go beyond compliance checklists. Existing audits rarely integrate interpretive curriculum evidence with transparent decision analytics. Design: This study applies an exploratory sequential mixed-method design. In Phase 1, we conducted eighteen semi-structured interviews (N = 18) and analysed institutional documents across three Chinese university IJPs to inductively refine CTAFRIS (Curriculum Alignment, Teaching Quality, Assessment Standards, Faculty Qualifications, Resource Sufficiency, International Integration, Student Support). In Phase 2, nine experienced programme leaders and quality-assurance officers (N = 9) provided AHP pairwise comparisons (Saaty 1-9 scale) to derive criterion weights and rated programme performance using a five-level rubric anchored on evidence descriptors. We report full AHP transparency (aggregation rule, consistency diagnostics) and validate rankings using an additional MCDM method (TOPSIS) applied to the same decision matrix. Robustness is examined via multi-scenario perturbations and Monte Carlo global sensitivity over the weight space.
Results: Curriculum Alignment (0.20) and Faculty Qualifications (0.18) receive the highest weights, followed by Teaching Quality and International Integration (0.15 each), Assessment Standards (0.12), Resource Sufficiency (0.10), and Student Support (0.10). The aggregated AHP consistency ratio is 0.07. Programme A ranks first (weighted score = 0.78), followed by Programme B (0.66) and Programme C (0.59); TOPSIS produces the same ordering.
Conclusion: The CTAFRIS-hybrid MCDM template offers a replicable approach for evaluating curriculum quality under qualitative uncertainty, while acknowledging boundary conditions (three cases, expert subjectivity, and cultural context).

چکیده هدف: هدف تحقیق حاضر ارایه یک مدل ریاضی چند‌هدفه با رویکرد یکپارچه زمان‌بندی و جریان مالی در پروژه‌های تولیدی با استفاده از الگوریتم ژنتیک مرتب‌سازی غیر مسلط II (NSGA-II) است.
روش‌شناسی پژوهش: این تحقیق یک مدل ریاضی چندهدفه را ارایه می‌کند که زمان‌بندی و بهینه‌سازی جریان مالی را در پروژه‌های عمرانی ادغام می‌کند. این تحقیق به چالش‌های زمان‌بندی و جریان مالی در پروژه‌های تولیدی در شرکت‌های ساختمانی می‌پردازد. هدف توسعه یک مدل ریاضی چندهدفه است که ملاحظات زمان‌بندی و مالی را با هدف بهینه‌سازی تخصیص منابع و به حداقل رساندن هزینه‌ها ادغام می‌کند. جامعه آماری به‌صورت مطالعه موردی است و اطلاعات و داده‌های موردنیاز از طریق مصاحبه با مدیران شرکت عمرانی کیسون جمع‌آوری شد.
یافته‌ها: الگوریتم ژنتیک مرتب‌سازی غیر مسلط II به‌عنوان الگوریتم بهینه‌سازی برای یافتن راه‌حل‌های کارآمد در زمینه چند‌هدفه استفاده و نتایج بهینه جهت انتخاب پروژه‌های عمرانی و ساختمانی ارایه شد.
اصالت/ارزش‌افزوده علمی: این تحقیق با پیشنهاد یک مدل ریاضی چندهدفه جدید که ملاحظات زمان‌بندی و جریان مالی را در پروژه‌های تولیدی یکپارچه می‌کند، به این حوزه کمک می‌نماید. استفاده از الگوریتم NSGA-II، کارایی یافتن راه‌حل‌های بهینه را افزایش می‌دهد. یافته‌ها می‌تواند برای تصمیم‌گیری در انتخاب پروژه‌های ساخت‌وساز و تولید ارزشمند باشد.

چکیده هدف: ایجاد ساختار و گسترش زنجیره‌های تامین حلقه بسته پایدار برای برآوردن استانداردهای زیست‌محیطی، اقتصادی و اجتماعی در جهت تقویت موقعیت در بازارهای رقابتی بسیار حیاتی است. این مطالعه به‌منظور تصمیم‌گیری در سطوح عملیاتی و تاکتیکی برای پیکربندی شبکه زنجیره‌تامین حلقه بسته پایدار با هدف حداکثرسازی ارزش خالص فعلی و به دنبال حداقل‌سازی میزان انتشار کربن با حفظ سیاست‌های سازگار با محیط‌زیست و در نظر گرفتن تورم انجام شده است.
روش‌شناسی پژوهش: این مقاله رویکرد بهینه‌سازی فازی استوار برای مقابله با عدم قطعیت‌های موجود در زنجیره‌تامین حلقه بسته پایدار را در نظر می‌گیرد. هم‌چنین به دلیل پیچیدگی مدل و چندهدفه بودن آن از یک روش جدید ترکیبی الگوریتم اکتشافی و برنامه‌ریزی آرمانی چندگزینه‌ای با تابع مطلوبیت استفاده می‌شود. مدل برنامه‌ریزی خطی عدد صحیح مختلط پیشنهادی در صنعت الکترونیک اعمال می‌شود.
یافته‌ها: مدل پیشنهادی در چندین آزمایش ارزیابی شده و در سناریوهای مختلف مورد بحث قرار می‌گیرد تا کارایی و اعتبار مدل و روش پیشنهادی تایید شود. نتایج  با دو عامل شکاف بهینه و زمان حل مقایسه شد که عملکرد مناسب روش پیشنهادی را نشان داد. سپس، نتایج تاکتیکی و استراتژی مدل برای مطالعه موردی ارایه شد که در آن جریان بهینه بین تسهیلات، انتخاب تامین‌کنندگان مناسب، انتخاب نوع حمل‌ونقل و افتتاح تسهیلات ارایه شد. یافته‌ها نشان داد که در سناریوهای مختلف بهبود موثر راه‌حل‌های به‌دست‌آمده با کاهش زمان حل تا %20 می‌تواند برای مشکلات در مقیاس بزرگ پاسخگو باشد.
اصالت/ارزش‌افزوده علمی: این مقاله با در نظر گرفتن یک روش ترکیبی جدید الگوریتم اکتشافی و برنامه‌ریزی آرمانی چندگزینه‌ای با تابع مطلوبیت برای حل مشکل طراحی شبکه زنجیره‌تامین حلقه بسته پایدار تحت عدم قطعیت طراحی می‌شود.

چکیده هدف: انتخاب سهام برای قرار گرفتن در یک سبد سهام و هم‌چنین تخصیص میزان مناسبی از سرمایه به هر یک از سهام درون سبد، چالش‌های جدی سرمایه‌گذاری در بازار سهام هستند. تاکنون در پژوهش‌های متعددی از روش‌های پیشرفته یادگیری ماشین برای انتخاب سهام درون سبد سهام استفاده شده است، استفاده از ظرفیت‌های یادگیری ماشین در فرآیند تخصیص کارآمد سرمایه میان سهام سبد کم‌تر موردتوجه قرار گرفته است و معمولا وزن یکسان به سهام سبد تخصیص داده می‌شود یا از روش‌های سنتی ارزیابی ریسک برای تقسیم سرمایه میان سهام سبد استفاده می‌شود. نقطه‌ضعف مشترک این روش‌ها این است که در همه آن‌ها از مکانیزم‌های ساده و انعطاف‌ناپذیر برای تخمین کارایی یک سبد سهام استفاده می‌شود. در این مقاله ما برای نخستین‌بار نشان می‌دهیم که با استفاده از یادگیری ماشین می‌توان مکانیزم موثرتری برای این تخمین کارایی ساخت که منجر‌به تخصیص پربازده‌تر سرمایه به سهام سبد می‌شود.
روش‌شناسی پژوهش: چارچوب پیشنهادی ما موسوم به  Per-Learner از دو مدل پیش‌بینی مبتنی بر یادگیری ماشین استفاده می‌کند. در گام 1 با استفاده از اطلاعات تاریخی سهام در یک مدل پیش‌بینی بازده سهم، سهام مناسب سبد انتخاب می‌شود و در گام 2 به کمک یک مدل پیش‌بینی مجزا سعی می‌شود با در‌نظر گرفتن هم‌زمان سود پیش‌بینی‌شده در مدل اول و ریسک مورد انتظار هر یک از سهم‌های سبد، بازده سبد در آینده پیش‌بینی شده و بر این ‌اساس ترکیب وزن مناسب برای سهام سبد انتخاب و پیشنهاد گردد.
یافته‌ها: مقایسه بازده تجمعی سبدهای تنظیم‌شده با این مدل و سبدهای تنظیم‌شده با سایر روش‌های بهینه‌سازی سبد سهام، برتری مدل پیشنهادی را نشان می‌دهد.
اصالت/ارزش‌افزوده علمی: در این مقاله با بهره‌گیری از مدل‌های یادگیری ماشین، فرآیند انتخاب سهام سبد و تخصیص سرمایه مناسب میان سهام سبد به‌صورت خودکار انجام شده است و تاثیر آن در کارایی سبد به‌وضوح دیده می‌شود.

چکیده هدف: این تحقیق یک مدل ریاضی چندهدفه استوار، با در نظر‌گرفتن هم ‌زمان هزینه و ریسک‌های مربوط به محیط‌زیست (مصرف آب و آلودگی محیط‌زیست)، اجتماع (شرایط کاری و سلامت کارکنان)، ریسک‌های عملیاتی (تغییر نرخ تقاضا و نرخ برگشت محصولات) و نیز ریسک اختلال (حوادث و بیماری‌ها مانند کرونا) در زنجیره‌تامین و استفاده از همکاری افقی برای مقابله با آن ارایه می‌کند.
روش‌شناسی پژوهش: در این تحقیق از مدل‌سازی برنامه‌ریزی خطی عدد صحیح آمیخته و تکنیک‌های بهینه‌سازی استوار برای طراحی شبکه زنجیره‌تامین حلقه بسته استفاده ‌شده و یک روش چندهدفه برای حل مساله و ایجاد فضاهای پارتویی توسعه داده‌ شده است.
یافته‌ها: نتایج محاسبات نشان‌دهنده میزان اثرگذاری احتمال خرابی بر میزان ظرفیت تسهیلات و نیز هزینه کل شبکه و میزان همکاری بین اعضای زنجیره‌تامین برای مقابله با ریسک، می‌باشد. هم‌چنین میزان هزینه موردنیاز برای تخصیص به تسهیلات قابل‌اطمینان و نامطمئن و نیز ایجاد فضای پارتویی مناسب برای تصمیم‌گیری در خصوص انتخاب بهینه تسهیلات، ظرفیت و جریان بین آن‌ها و تکنولوژی تولید آهن و فولاد، با توجه به شاخص‌های پایداری و مسئولیت‌پذیری اجتماعی، از دیگر یافته‌های تحقیق می‌باشد.
اصالت/ارزش ‌افزوده علمی: در این مطالعه برای نخستین بار طراحی شبکه استوار، پایدار و تاب‌آور آهن و فولاد تحت ریسک‌های مختلف و به‌صورت هم‌زمان موردمطالعه قرار گرفته است. از همکاری افقی به‌عنوان رویکردی جدید برای مقابله با ریسک بهره گرفته‌ شده است و روش حلی برای مسایل چندهدفه توسعه ‌یافته که با استفاده از نتایج این مطالعه تصمیم‌گیرنده با در نظرگیری میزان مطلوبیت برای هر یک از اهداف، می‌تواند تصمیمات آگاهانه‌ای در خصوص زنجیره‌تامین تحت شرایط ریسک داشته باشد.

چکیده هدف: هدف از این پژوهش ارایه نسخه ترکیبی و بهبودیافته از یکی از روش­‌های تصمیم­‌گیری چند شاخصه است که به دلیل تعامل سازنده با تصمیم­‌گیرنده ابزار مفیدتری برای پشتیبانی تصمیم است.
روش‌شناسی پژوهش: برای این منظور از یک مساله برنامه‌ریزی خطی با قیود کنترل وزن و توابع شدت تشخیص برای ارایه روش بهبودیافته WASPAS استفاده شد و این امکان فراهم گردید تا در زمانی که وزن صریحی برای شاخص‌ها از تصمیم‌گیرنده اخذ نشده و صرفا اولویت شاخص‌ها مشخص است بتوان گزینه‌ها را رتبه­‌بندی کرد.
یافته‌ها: نتایج حاصل از مقایسه استفاده روش پیشنهادی و روش WASPAS نشان داد این روش از قابلیت خوبی برای استفاده در مسایل تصمیم­‌گیری چندمعیاره برخوردار است و در این مساله خاص نتایج استفاده از این روش مشخص کرد در شرایط همه‌­گیری کووید-19 سبک رهبری حمایتی بالاترین رتبه را در بین سبک‌­های رهبری به خود اختصاص داد و پس از آن به ترتیب سبک تبادلی، مشارکتی، تحول‌آفرین و آمرانه قرار گرفت.
اصالت/ارزش‌افزوده علمی: در این پژوهش روش بهبودیافته WASPAS برای تعیین اولویت و وزن معیارها در حل مسایل MADM ارایه و برای تعیین سبک رهبری سازمان در همه‎‌­گیری کووید-19 به‌کار گرفته شد.

چکیده در این مقاله، سیستم‌های تولیدی چند‌مرحله‌ای با در نظر گرفتن سیاست سفارش‌دهی POQ، مدت زمان تدارک احتمالی و تقاضای وابسته به قیمت، مورد بررسی قرار گرفته است. فرض می‌شود که مدت زمان تدارک در هر مرحله از تولید، احتمالی بوده و دارای توزیع مشخصی است. در حین تولید در هر مرحله ممکن است قطعه تولیدی در آن مرحله در مدت زمان بیشتر از آنچه که در نظر گرفته شده تولید شود و باعث تاخیر در تولید در آن مرحله شویم؛ به همین علت ممکن است در تحویل محصول نهایی به مشتری دچار تاخیر (کمبود) شویم . در این حالت فرض شده است درصدی از کمبود حالت، پس‌افت بوده و درصد باقی مانده نیز، فروش از‌دست‌رفته خواهد شد. هدف از ارائه این مقاله تعیین قیمت فروش بهینه، تعیین مقدار بهینه مدت زمان تدارک و فاصله زمانی بین سفارشات بر اساس سیاست سفارش‌دهی POQ  و کمبود جزئی است به طوری که سود کل سیستم حداکثر گردد.

چکیده در ادبیات اخیر، DEA مطالعات زیادی روی ارزیابی عملکرد سیستم‌­هایی با ساختار شبکه‌ی دو‌مرحله‌ای انجام شده است. یکی‌­از مباحث موردعلاقه محققان، بررسی پسرفت یا پیشرفت تولید در دوره­‌های مجزای زمانی در ساختار شبکه‌ی دو‌مرحله‌ای است. شاخص بهره‌­وری لئونبرگر یکی‌­از تکنیک­‌های معرفی‌­شده در­ این زمینه است. اما محاسبه‌ی پسرفت یا پیشرفت تولید در شبکه‌ی دو‌مرحله‌ای در حضور محصولات میانی نامطلوب و داده­‌های ورودی غیر­قابل کنترل کم‌تر مورد توجه قرار­گرفته است. هدف اصلی این مقاله بررسی تاثیر حضور محصولات میانی نامطلوب و داده‌­های ورودی غیر­قابل کنترل در ارزیابی عملکرد سیستم‌­های شبکه‌ی دو‌مرحله‌ای با ساختار سری است، زمانی که بحث پسرفت یا پیشرفت سیستم­‌های تولیدی در خلال دوره­‌های مختلف فعالیت مطرح است. بدین منظور، در ­این مقاله، تابع فاصله‌ی جهت­‌دار جدیدی را معرفی می­کنیم و روشی برای رفع مشکل نشدنی‌بودن این مدل در دوره‌­های زمانی مجاور پیشنهاد می‌­دهیم. سپس الگوریتمی سه‌مرحله‌­ای برای محاسبه‌ی شاخص بهره­‌وری لئونبرگر در شبکه‌ی دو‌مرحله‌ای با حضور این داده­‌ها ارائه می‌­دهیم. نهایتا با مثالی ساختگی کاربردی‌بودن الگوریتم پیشنهادی را نشان می‌­دهیم.

چکیده هدف از این تحقیق، تلفیق دو روش تحلیل پوششی داده ها و شبکه عصبی بمنظور ارائه یک مدل بهینه برای رتبه‌بندی عوامل ناکارایی در صنعت بانکداری ایران است. ابتدا از طریق مطالعه مبانی نظری و مصاحبه با خبرگان بانکی شاخص‌های ارزیابی کارایی در صنعت بانکداری شناسایی و نهایی گردید. در ادامه بمنظور ارزیابی کارایی واحدها در جامعه آماری مورد مطالعه از تکنیک تحلیل پوششی داده ها به ویژه مدل برنامه ریزی آرمانی اصلاح شده تحلیل پوششی داده ها استفاده شد، که از 32 مدیریت بانک مورد مطالعه، 3 مدیریت کارا و 29 مدیریت ناکارا تشخیص داده شدند. سپس شعب زیر مجموعه مدیریت های ناکارا مورد ارزیابی قرار گرفته و با استفاده از اطلاعات شعب ناکارا ماتریس شبکه‌ عصبی برای تشخیص عوامل ناکارایی تهیه و با مدل های مختلف شبکه عصبی به تحلیل نتایج پرداخته شد. مدلی که کمترین میانگین مجذور خطا را داشته باشد به عنوان مدل بهینه به منظور تعیین عوامل ناکارایی انتخاب خواهد شد، در نتیجه مدل نگاشت خود سازمانده با تابع انتقال تانژانت هیپربولیک و با قاعده آموزش ممنتم 0/9 انتخاب گردید. با تحلیل حساسیت روش مذکور شاخص‌های سهم نقدینگی استانها، توزیع پرسنل و هزینه های عملیاتی به عنوان مهمترین عوامل ناکارایی انتخاب شدند.

چکیده جدول زمانی، مسئله قرار دادن منابع خاص با توجه به محدودیتها در تعداد محدودی بازه‌ی زمانی و مکانی به منظور ارضا مجموعه‌ای از اهداف است که در مسائل متنوعی کاربرد دارد. از جمله این مسائل، می‌توان به مسئله جدول زمانی امتحانات دانشگاهی (UETP)‌ اشاره کرد که از اهمیت خاصی در مسائل آموزشی برخوردار است. مسئله جدول زمانی امتحانات دانشگاهی در واقع تخصیص مجموعه‌ای معین از امتحانات به تعداد ثابتی از بازه‌های زمانی و اتاق‌ها می‌باشد، به‌طوری‌که تمام محدودیتهای سخت را برآورده کند، هم‌چنین ‌محدودیتهای نرم نیز تا حد ممکن بهینه شوند. این تحقیق به ارائه و بررسی یک رویکرد اصلاحی برای بهینه‌سازی UETP بدون ظرفیت می‌پردازد. در این رویکرد یک الگوریتم ژنتیک(GA) پیشنهادی به‌وسیله عملگرهای جستجوی ‌محلی اصلاح می‌شود. این عملگر‌ها تغییراتی که مستلزم انتقال یا تعویض امتحانات زمانبندی شده است را در جدول زمانی ایجاد کرده و در نتیجه توانایی جستجوی الگوریتم را تا حد زیادی بهبود می‌‌بخشند. با استفاده از مجموعه مسائل نمونه کارتر، کارآیی و مؤثر بودن رویکرد پیشنهادی در مقایسه با دیگر روش‌های موجود بررسی می‌شود. نتایج محاسبات نشان می‌دهد که این رویکرد در بهبود جواب‌ها کاملاً مؤثر و رقابتی بوده و قادر است در بیشتر نمونه‌ها، جواب‌های بهتری در مقایسه با الگوریتم‌های دیگر تولید کند.

چکیده بیماری کرونا در حال حاضر بحران جهانی سلامت و بزرگترین چالشی است که بشر از زمان جنگ جهانی دوم تاکنون تجربه کرده است. با توجه به همه­گیری این بیماری، پیش­بینی تعداد موارد مبتلا و مرگ­ومیر ناشی از آن برای درک بهتر شرایط فعلی و تهیه برنامه کوتاه­مدت توسط مدیران، بسیار ارزشمند است. بر این اساس، در این مقاله یک مدل شبکه عصبی-فازی برای پیش­بینی تعداد موارد مبتلا و مرگ­ومیر ناشی از این بیماری در کشورهایی که بیشتر با این بیماری درگیر هستند پیشنهاد شده است. عملکرد شبکه عصبی-فازی پیشنهادی با شبکه­های عصبی پیش­بینی سری زمانی و همچنین شبکه­های عصبی توابع پایه­ای شعاعی مقایسه شده است. مدل پیشنهادی قادر است تعداد موارد مبتلا و مرگ­ومیر ناشی از بیماری را برای یک دوره ۱۵ روز آینده با نرخ خطای کمتر پیش­بینی کند.