تحقیق در عملیات در کاربردهای آن
سال:1396 | دوره:14 | شماره:2 (پیاپی 53) |تعداد مقالات:9

در دنیای امروزی، ارتقای کارایی و بهره وری راهی برای جبران محدودیت عوامل تولید است. اندازه گیری دقیق و مجزای این شاخص ها برای هر کدام از زیر بخش های صنعتی می تواند به مقایسه زیرگروه های صنعتی و طبقه بندی آن ها منجر شود. همچنین، برای سیاست گذاری های آتی بخش های ضعیف، می توان از بخش های کارا یاری گرفت. در همین راستا در این مطالعه، کارایی فنی و احتمال نوع بازدهی به مقیاس تمامی صنایع ایران بر اساس کدهای دو رقمی ISIC، برای کارگاه های بیش تر از ده کارکن و بر اساس آخرین اطلاعات موجود مرکز آمار ایران اندازه گیری شده است. محاسبات کارایی فنی با روش تحلیل پوششی داده ها و رویکرد خروجی محور BCC انجام شده، که علاوه بر نهاده های نیروی کار و سرمایه گذاری، متغیر انرژی را نیز در نظر گرفته است. نتایج حاصل از پژوهش نشان می دهد که میانگین کارایی بخش صنعت در بازه مورد بررسی، برابر 65 درصد بوده و از لحاظ کارایی فنی، صنایع بزرگ مقیاس در رتبه های بالاتر نسبت به صنایع کوچک مقیاس قرار دارند. همچنین، تخمین توزیع کارایی کل صنایع با استفاده از آزمون اندرسون دارلینگ و میانگین کارایی فنی محاسبه شده صنایع به ازای هر سال، نشان می دهد که میانگین کارایی بخش صنعت از توزیع نرمال با میانگین 0.65 و انحراف معیار 0.09 پیروی می نماید.

با جهت گیری تحقیقات مدیریت عملیات به طرف مفاهیم چابکی، طبعا تلاش های بسیاری نیز برای توسعه ابزار اندازه گیری و سنجش چابکی سازمان ها صورت گرفت، زیرا برای هرگونه تحلیل و برنامه ریزی و سپس کنترل، وجود شیوه ای مستدل و مدون برای ارزیابی مفاهیم از الزامات اجتناب ناپذیر است. در این راستا شیوه های متنوعی برای سنجش چابکی سازمانی توسط محققین پیشنهاد شد، اما در تمامی این موارد، تنها توانمندی های چابکی سازمان ها مورد ارزیابی قرارگرفته اند. از سویی با توجه به نقش فناوری اطلاعات در چابکی سازمانی، در مقاله حاضر یک مدل تحلیل پوششی داده های شبکه ای جهت ارزیابی چابکی سازمانی با استفاده از توانمندی های فناوری اطلاعات در تقابل با محرک های چابکی، ارایه گردیده است. در مدل پیشنهادی محرک های چابکی به عنوان ورودی های مرحله اول، توانمندی های فناوری اطلاعات به عنوان خروجی مرحله اول و ورودی مرحله دوم و درنهایت قابلیت های چابکی به عنوان خروجی مرحله دوم مدنظر قرارگرفته شده است. مدل پیشنهادی در صنایع کاشی و سرامیک یزد اجرا گردید. یافته های تحقیق نشان داد که از بیست شرکت مورد مطالعه پنج شرکت در هر دو مرحله کارا، ده شرکت در هر دو مرحله ناکارا، سه شرکت در مرحله دوم و در نهایت دو شرکت در مرحله اول کارا بودند.

یکی از مسایل اساسی امروزه در بسیاری از سازمان ها به ویژه در موسساتی نظیر بانک ها که دارای شعب فراوان هستند، این است که روش ارزیابی عملکرد در آن ها روش منطقی و صحیحی نیست. تکنیک های مرسوم که برای ارزیابی عملکرد استفاده می شوند، یک سطحی می باشند و نمی توانند اطلاعات مدیریتی کافی برای شناسایی عوامل ناکارایی واحدهای ناکارا و دستیابی به مزایا و معایب استراتری های رقابتی، در اختیارکارشناسان قرار دهند، اما تکنیک تحلیل پوششی داده های چندسطحی می تواند بر این مشکل غلبه کند. از مهم ترین مشکلات مدل های کلاسیک می توان به نادیده گرفتن روابط داخلی هر واحد در ارزیابی عملکرد اشاره کرد. در این مقاله با استفاده از مفاهیم بازی استاکلبرگ و برنامه ریزی چندسطحی یک مدل ریاضی چندسطحی برای ارزیابی عملکرد شعب بانک طراحی می شود، که مشکلات مدل های قبلی را تا حدودی مرتفع نموده و قادر است ارزیابی واقع بینانه تری از کارایی شعب بانک ارایه کند.

مسایل فلوشاپ ترکیبی دو مرحله ای را می توان به عنوان بخشی از مسایل بزرگ تر درنظرگرفت و با حل جزیی آن ها در مسایل بزرگ تر اقدام به حل مساله اصلی نمود. در این تحقیق، زمانبندی یک مساله فلوشاپ ترکیبی دو مرحله ای دارای یک ماشین در مرحله نخست و دو ماشین در مرحله دوم با سه معیار حداکثر زمان ساخت، متوسط زمان ساخت و مجموع زمان های بیکاری ماشین های مرحله دوم مد نظر می باشد. همچنین یک روش ابتکاری معرفی و با روش های مبتنی بر شبیه سازی تبرید (SA) در هر سه معیار ارزیابی مقایسه و در نهایت جواب های حاصل به صورت یک مساله تصمیم گیری چند معیاره و با استفاده از روش مجموع وزنی ساده (SAW) حل شده است. نتایج حاصل از مقایسه روش ابتکاری با روش های مبتنی بر SA، بیانگر برتری جواب های حاصل از روش ابتکاری در 71.5% از مسایل حل شده است. ضمن اینکه زمان حل مسایل با روش ابتکاری حدود 48.6 برابر کم تر از روش های مبتنی بر الگوریتم SA می باشد. همچنین در حل مسایل چند معیاره زمانبندی فلوشاپ ترکیبی مورد بررسی بر اساس شاخص SAW، روش ابتکاری در بیش از 93.4% مسایل به جواب هایی به طور متوسط 30.5% بهتر، دست یافته است.

مساله انتخاب سبد سهام یکی از مهم ترین مسایل در حوزه مسایل مهندسی مالی می باشد. این مساله تلاش می کند ترکیب بهینه ای از سرمایه گذاری در سهام و دارایی های مالی را به نحوی مشخص کند که بازده سرمایه گذاری، بیشینه و ریسک سرمایه گذاری کمینه شود. تاکنون سنجه های متعددی برای اندازه گیری ریسک سرمایه گذاری توسعه داده شده است. یکی از جدیدترین سنجه های اندازه گیری ریسک، افت سرمایه در معرض خطر مشروط می باشد که از خانواده سنجه ریسک ارزش در معرض خطر مشروط است. مدل کلاسیک توسعه داده شده توسط این سنجه، یک مدل برنامه ریزی خطی بوده و عدم قطعیت داده ها را در نظر نمی گیرد. در سال های اخیر و برای در نظرگیری عدم قطعیت داده ها از رویکردهای متعددی استفاده شده، که یکی از مهم ترین و پرکاربردترین آن ها بهینه سازی استوار می باشد. در بهینه سازی استوار با استفاده از یک مجموعه عدم قطعیت برای محدودیت های غیرقطعی، همتای استوار تعریف می شود. مقاله حاضر به توسعه مدل انتخاب سبد سهام که سنجه ریسک آن افت سرمایه در معرض خطر مشروط است با استفاده از بهینه سازی استوار می پردازد. رویکرد استوار مورداستفاده در این تحقیق، رویکرد برتسیماس و سیم می باشد. در این رویکرد همتای استوار ارایه شده برای یک مدل برنامه ریزی خطی همچنان خطی باقی می ماند که باعث می شود مزایای مدل برنامه ریزی خطی در آن ها حفظ شود. مدل ارایه شده در این مقاله با استفاده از داده های واقعی 20 سهم از بازار بورس اوراق بهادار تهران حل و نتایج آن نشان دهنده کارایی بالای مدل در توسعه مدل های تحت شرایط عدم قطعیت می باشد. همچنین نتایج نشان می دهد درصورتی که سطح محافظه کاری افزایش یابد، مقدار تابع هدف افزایش خواهد یافت.

در این مقاله، یک روش ناحیه اعتماد برای مینیمم سازی تابع پیوسته لیپ شیتز موضعی ارایه می گردد. برای این منظور، با استفاده از تقریب روش تندترین کاهش، یک تابع مدل مخروطی هموار برای تابع هدف ناهموار معرفی می گردد. سپس روش ناحیه اعتماد مخروطی درحالت هموار روی مدل مخروطی ارایه شده به کار گرفته می شود. برای حل زیرمساله مخروطی، روش جستجوی منحنی به شرط آرمیژو مجهز می شود تا در هر تکرار، تابع هدف به اندازه کافی کاهش یابد. در انتها همگرایی سراسری روش ارایه شده اثبات می شود. در پایان روش ارایه شده در محیط MATLAB پیاده سازی شده و نتایج با روش ناحیه اعتماد ناهموار مقایسه می شود.

در این مقاله مدل برنامه ریزی خطی بازه ای (ILP) مد نظر می باشد. روش بهترین- بدترین (BWC) یکی از روش های حل مدل ILP می باشد. روش بهترین- بدترین مقادیر تابع هدف را تعیین می کند، اما برخی از جواب های حاصل نشدنی است. برای تضمین شدنی بودن جواب ها (جلوگیری از نقض قیود) روش دو گامی بهبود یافته (ITSM) پیشنهاد شده است. در این روش بسیاری از جواب های شدنی از دست می روند. با استفاده از یک الگوریتم، روش گوی بسته (CBM) به عنوان یک روش جدید برای حل مدل ILP معرفی می شود. در این روش، یک آزمون، شدنی بودن فضای حاصل را تضمین می کند. برای نشان دادن تاثیر روش پیشنهادی، چند مثال عددی حل و نتایج مقایسه می شوند.

تخصیص منصفانه منابع یا هزینه های ثابت در تحلیل پوششی داده ها در سال های اخیر بسیار مورد توجه پژوهشگران قرار گرفته است که در آن هدف اصلی عدم تغییر کارایی واحدهای تصمیم گیرنده قبل و بعد از تخصیص هزینه است. از طرفی تا کنون تمام بررسی ها با توجه به داده های مقیاس کسری بوده و توجه خاصی به داده های مقیاس بازه ای نشده است زیرا نسبت های اندازه گیری روی چنین مقیاسی بی معنی است، لذا ساختار این مقاله بررسی استفاده از داده های مقیاس بازه ای و کسری در تخصیص منصفانه هزینه ها بین واحدها می باشد به طوری که اصل عدم تغییر کارایی با حضور چنین داده هایی هم چنان برقرار باشد.