دانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022Designing an Organizational Innovation Measurement Model with
Dynamic Network Data Analysis and Applying Fuzzy constraint for
Weight Control and Finding a common set of weights (Case Study:
Iranian Universities)طراحی مدل اندازهگیری نوآوری سازمان با رویکرد تحلیل پوششی دادههای شبکهای پویا و اعمال محدودیتهای فازی برای کنترل اوزان و یافتن اوزان عمومی (مورد مطالعه: دانشگاههای سطح یک کشور)3733948162210.22059/imj.2020.304824.1007749FAعلی حسینغریبدانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تربیت مدرس، تهران، ایران.0000-0003-4202-9082عادلآذراستاد، گروه مدیریت، دانشکده مدیریت، دانشگاه تربیت مدرس، تهران، ایران.0000-0003-2123-7579محموددهقان نیریاستادیار، گروه مدیریت، دانشکده مدیریت، دانشگاه تربیت مدرس، تهران، ایران.0000-0002-7648-2937Journal Article20200715Objective: Measuring the efficiency of innovation to manage innovation investment in<br />the era of "knowledge economy" is being considered by more researchers every day. The<br />evaluation of innovation efficiency helps identify the best innovators for benchmarking<br />and identifies ways to improve efficiency by identifying the weaknesses. In this paper, a<br />new formulation approach for dynamic network data envelopment analysis is presented to<br />evaluate the efficiency of multi-period and multi-division systems (MPMDS) while<br />controlling the weights.<br />Methods: To prevent facing the black-box of innovation, at the first, a conceptual<br />dynamic network structure of the universities’ innovation was developed, and then, the<br />proposed dynamic network DEA approach is used to overcome the fundamental<br />shortcomings to control the weights of factors in line with enabling the desired<br />management weights.<br />Results: The findings depicted that, among 13 universities surveyed, one university<br />(about 7%), was recognized as efficient in the total process of innovation, and the average<br />efficiency was equal to 0.79 for universities. In both sub-processes of R&D and<br />application, one university (7%) was considered efficient and their average efficiency was<br />0.82 and 0.47, respectively, which indicates the poor performance of universities in<br />implementation and ideas commercialization. Also, the changes in the average efficiency<br />of the sub-process of applying the results are quite the opposite of the research and<br />development sub-process.<br />Conclusion: The results reflect that the model presented in this study, by solving the<br />conventional DNDEA model problems in weight control, improves the discriminating<br />power of efficient and inefficient units.هدف: ارزیابی کارآیی نوآوری کمک میکند تا بهترین دستاندرکاران نوآوری را به منظور الگوگیری مورد شناسایی قرار داده و روشهای بهبود کارآیی را از طریق روشن نمودن نقاط ضعف مشخص نمود. در این مقاله رویکرد فرمولهسازی جدیدی برای تحلیل پوششی دادههای شبکهای پویا ارائه شده است تا ضمن کنترل اوزان انتخابی، کارآیی کلی سیستمهای چندبخشی- چند دورهای (MPMDS) را مورد ارزیابی قرار دهد.<br /> روش: به منظور ممانعت از روبرو شدن با جعبه سیاه فرآیند نوآوری، در ابتدا یک مدل مفهومی از ساختار شبکهای پویای نوآوری دانشگاهها طراحی شده و سپس مدل تحلیل پوششی دادههای شبکهای پویای ارائه شده در این تحقیق، مورد استفاده قرار گرفته شده است.<br /> یافتهها: از 13 دانشگاه مورد مطالعه، تعداد 1 دانشگاه (معادل 7 درصد) در فرآیند نوآوری کل کارآ شناخته شدند و میانگین کارایی برابر 82/0 برای دانشگاهها بدست آمد. در هر دو زیرفرآیند تحقیق و توسعه و بکارگیری نتایج نیز 1 دانشگاه (معادل 7 درصد) کارآ شناخته شد و میانگین کارآیی به ترتیب برابر با 85/0 و 46/0 بدست آمد که نشاندهنده عملکرد ضعیف دانشگاهها در زمینه بکارگیری نتایج و پیادهسازی و تجاریسازی ایدهها میباشد. همچنین روند تغییرات میانگین کارآیی در زیرفرآیند بکارگیری نتایج، کاملاً برعکس زیرفرآیند تحقیق و توسعه بود.<br /> نتیجهگیری: نتایج حاصل نشاندهنده آن است که مدل ارائه شده در این تحقیق با کنترل وزنها و محدود کردن آنها و توانایی اعمال اوزان مورد نظر مدیریت، علاوه بر حل مشکلات مدلهای متعارف تحلیل پوششی دادهها در عدم کنترل اوزان، قابلیت تفکیککنندگی واحدهای کارآ و ناکارآ را بهبود میبخشد.https://imj.ut.ac.ir/article_81622_1895f02cd009c042bed7695f6f2b721b.pdfدانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022A Meta- Method of the Researches on Master's and PhD Theses in the field of Industrial Management, Shiraz Universityفراروشی بر تحقیقات انجام شده پایاننامههای کارشناسی ارشد و دکتری رشته مدیریت صنعتی دانشگاه شیراز3954188162310.22059/imj.2021.302709.1007737FAعباسعباسیدانشیار، گروه مدیریت بازرگانی، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران.سحرشریفیان جزیدانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، اقتصاد و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران.Journal Article20200512Objective: According to many experts, methodological weakness is one of the<br />weaknesses of master and doctoral dissertations in Iran. A meta-methodological study is<br />a kind of comprehensive study that examines and compares the methodological aspects of<br />previous researches. Accordingly, the purpose of this study is to identify and evaluate the<br />status of the methodological components of master and doctoral dissertations in the field<br />of industrial management at Shiraz University from 1991 to 2019.<br />Methods: This research is a descriptive and analytical type that used Meta-method to<br />review the dissertations in the field of industrial management. VOS viewer software is<br />used to analyze data from Excel software and keyword co-event.<br />Results: The results of the data analysis showed that 89% of the dissertations were<br />applied research t and the most used tool of the researchers was questionnaire (31%). In<br />addition, the results indicated the dominance of quantitative methods (79%), positivism<br />paradigm (80%) and survey strategy (57%) and Statistical test methods (30%) in the<br />analysis of findings in industrial management researches. Finally, by extracting 713<br />unique keywords, 56 words were repeated at least 5 times, including applied research,<br />descriptive, quantitative, positivism, library and field research, survey, documentation<br />and questionnaire.<br />Conclusion: The results of this study can lead to understanding the past situation and by<br />presenting a picture of trends in the selection of methods used in dissertations, identify<br />the existing gaps and be used for future educational and research planning.هدف: : به عقیده بسیاری از صاحبنظران، ضعف روششناسی یکی از نقاط ضعف پایاننامههای کارشناسی ارشد و دکتری در کشور میباشد. نوعی از مطالعات جامع که به بررسی و مقایسه ابعاد روششناسی پژوهشهای قبلی میپردازد، مطالعه فراروش میباشد. هدف از این پژوهش شناسایی و ارزیابی وضعیت مولفههای روششناسی پایاننامههای کارشناسی ارشد و دکتری رشته مدیریت صنعتی دانشگاه شیراز طی سالهای 1370 تا 1398 میباشد.<br /> روش: این پژوهش از نوع توصیفی و تحلیلی است که با استفاده از فراروش به بررسی پایاننامههای رشته مدیریت صنعتی میپردازد. جهت تحلیل دادهها از نرمافزار اکسل و همرخدادی کلیدواژگان از نرمافزار VOSviewerاستفاده شده است.<br /> یافتهها: نتایج تحلیل دادهها نشان میدهد که 89 درصد پایاننامهها از نوع تحقیقات کاربردی و بیشترین ابزار مورد استفاده پژوهشگران، پرسشنامه (31 درصد) بوده است. علاوه بر این نتایج حاکی از غلبه روشهای کمی (79درصد)، پارادایم اثباتی (80درصد) و راهبرد پیمایشی (57درصد)، روشهای آزمون آماری (30درصد) در تجزیهوتحلیل یافتهها در تحقیقات مدیریت صنعتی میباشد. در نهایت با استخراج 713 کلید واژه منحصر به فرد، 56 واژه حداقل 5 بار تکرار شدهاند که شامل تحقیقات کاربردی، توصیفی، کمی، اثباتی، کتابخانهای و میدانی، پیمایشی، اسناد و مدارک و پرسشنامه میباشند.<br /> نتیجهگیری: نتایج این پژوهش میتواند به شناخت از وضعیت گذشته منجر شده و با ارائه تصویری از گرایشات در انتخاب روشهای مورد استفاده در پایاننامهها، خلاءهای موجود را شناسایی کرده و برای برنامهریزی آموزشی و پژوهشی آتی مورد استفاده قرار گیرد.https://imj.ut.ac.ir/article_81623_8edcc9ca0343ae0a43aca0b2cfd2abd9.pdfدانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022Uncertain Network Data Envelopment Analysis with Parallel
Structure and Imprecisely Inputs and Outputs
(Case Study: Social Security Organization)تحلیل پوششی دادههای شبکهای نایقین با ساختار موازی و ورودیها و خروجیهای نادقیق (مطالعه موردی: سازمان تأمین اجتماعی)4194398162510.22059/imj.2020.300992.1007733FAمنصورمومنیاستاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.0000-0002-9157-5584سمیهخدائیدانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.مجتبیبشیریکارشناس ارشد، گروه مدیریت اجرایی (MBA)، دانشگاه پیام نور، واحد بابل، بابل، ایران.Journal Article20200414Objective: Data Envelopment Analysis (DEA) is an effective method for evaluating the<br />relative efficiency of decision-making units (DMUs). The classical approach considers<br />each organizational unit as a black box and limits evaluation to primary inputs and final<br />outputs and neglects internal processes. This problem with the introduction and use of<br />DEA in network structures for more accurate performance analysis, taking into account<br />its internal processes, has been resolved. In most of the proposed models, the inputs and<br />outputs of DMUs are definite, but in many cases, those data cannot be measured in a<br />precise way. Therefore, this paper seeks to introduce a new model of Network Data<br />Envelopment Analysis with a parallel structure by considering inputs and outputs as<br />uncertain variables. The approach used is to develop the mathematical model from a<br />theoretical point of view, to prove the theoretical properties of the model, the<br />mathematical validity and its application.<br />Methods: In this paper, the assumptions of uncertainty theory and models of Network<br />Data Envelopment Analysis to evaluate DMUs with parallel structure and imprecise<br />inputs and outputs.<br />Results: According to the results of the implementation of the proposed model in the<br />Social Security Organization, the efficiency of all DMUs and its sub-system has been<br />evaluated between zero and one.<br />Conclusion: Due to the multiplicity of the sub-system, none of the 12-provincial social<br />security managing directorates as DMUs were efficient (one efficiency score), but among<br />313 branches, three branches were efficient. The final results of the implementation of the<br />uncertain model proved the assumptions of the definitive model.هدف: تحلیل پوششی دادهها یک روش مؤثّر برای ارزیابی کارایی نسبی واحدهای تصمیمگیرنده است. روشهای کلاسیک، هر واحد سازمانی را به صورت جعبه سیاه در نظر گرفته و ارزیابی را به ورودیهای اولیه و خروجیهای نهایی، محدود و از فرآیندهای داخلی غفلت میورزد که این مشکل با معرفی و بکارگیری تحلیل پوششی دادهها در ساختارهای شبکهای جهت تحلیل دقیقتر کارایی با درنظر گرفتن فرآیندهای داخلی آن، مرتفع گردیده است. در اکثر مدلهای ارائه شده، ورودیها و خروجیهای واحدهای تصمیمگیری، قطعی میباشند اما در بسیاری از موارد، این دادهها با روشهای دقیق، قابل اندازهگیری نیستند. لذا این مقاله، به دنبال معرفی یک مدل جدید تحلیل پوششی دادههای شبکهای نایقین با ساختار موازی با درنظرگرفتن ورودیها و خروجیها به عنوان متغیرهای نایقین، میباشد. رویکرد مورد استفاده، توسعه مدل ریاضی از بعد نظری، اثبات خواص نظری مدل، اعتبار ریاضی و کاربردی نمودن آن است.
روش: در این مقاله از مفروضات تئوری نایقینی و مدلهای تحلیل پوششی دادههای شبکهای با ساختار موازی برای ارزیابی واحدهای تصمیمگیرنده شبکهای با ساختار موازی و ورودیها و خروجیهای نادقیق، استفاده شده است.
یافتهها: با توجه به نتایج اجرای مدل پیشنهادی در سازمان تامین اجتماعی، کارائی تمامی واحدهای تصمیمگیرنده و بخشهای زیر مجموعه آن، بین صفر و یک ارزیابی گردیده است.
نتیجهگیری: به دلیل کثرت بخشهای زیرمجموعه، هیچ کدام از دوازده اداره کل بیمهای تأمین اجتماعی به عنوان واحدهای تصمیمگیرنده، کارا (نمره کارایی یک) نبوده است امّا در میان 313 شعبه، سه شعبه کارا ارزیابی گردیدند. نتایج نهایی اجرای مدل نایقین، مفروضات مدل قطعی را اثبات نمود.https://imj.ut.ac.ir/article_81625_38dcd24eab43b71af1867927b8dea347.pdfدانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022Designing a New Efficiency Ranking Method in Data Envelopment
Analysis Using Fuzzy Inference Systemطراحی یک روش جدید به منظور رتبه بندی واحدهای تصمیمگیرنده کارا در تحلیل پوششی دادهها با استفاده از سیستم استنتاج فازی4404618162610.22059/imj.2020.298643.1007722FAمحمد حسینکریمی گوارشکیاستادیار، گروه مهندسی صنایع، مجتمع مدیریت و مهندسی صنایع دانشگاه صنعتی مالک اشتر، تهران، ایران.سعیدروشندلدانشجو دکتری، گروه مهندسی صنایع، مجتمع مدیریت و مهندسی صنایع دانشگاه صنعتی مالک اشتر، تهران، ایران.0000-0002-3133-325XJournal Article20200301Objective: Data envelopment analysis is a well-known method based on mathematical<br />programming to measure the efficiency of decision-making units. This approach<br />identifies some units as efficient units set. According to these units, it constitutes an<br />efficient frontier. In this case, discernment between efficient decision-making units are is<br />impossible because several decision-makers have the same efficiency score.<br />Methods: This study presents a new method for ranking efficient units in fuzzy data<br />envelopment analysis. In this study, using a fuzzy inference system for ranking efficient<br />units is proposed as a new method. In the proposed method, the efficient and inefficient<br />units are first separated from each other using data envelopment analysis. Then, the<br />concepts of fuzzy inference system are used to rank efficient units.<br />Results: The information of inefficient units is in a way which the fuzzy data<br />envelopment analysis fails to assign an equivalent value of one to these unit’s efficiency.<br />According to this concept, in the proposed method, each of these inefficient units is<br />considered as a rule, and the amount of these rules are fired by the efficient units, has<br />used as an indicator for their ranking.<br />Conclusion: Finally, a numerical example is performed to check the accuracy of the<br />model's performance. In this example, the data used in one of the basic articles in this<br />field were used and it was found that the results obtained from the proposed method are<br />quite similar to the results of the mentioned research.هدف: تحلیل پوششی دادهها یک روش شناخته شده مبتنی بر برنامهریزی ریاضی برای اندازهگیری کارایی واحدهای تصمیمگیرنده است. این روش از مجموعه واحدهای تصمیمگیرنده، تعدادی را به عنوان کارا معرفی مینماید و به کمک آنها مرز کارائی را تشکیل میدهد. در این حالت چندین واحد تصمیمگیرنده کارا ارزیابی شده و نمیتوان تمایز مناسبی میان این واحدهای تصمیمگیرنده ایجاد نمود چرا که چندین واحد تصمیمگیرنده نمره کارایی یکسانی برابر یک دارند.
روش: این پژوهش به منظور ارائه یک مدل جدید برای رتبهبندی واحدهای کارا در تحلیل پوششی دادههای فازی ارائه شده است. در این پژوهش استفاده از سیستم استنتاج فازی به منظور رتبهبندی واحدهای کارا به عنوان روشی جدید پیشنهاد شده است. در روش پیشنهادی ابتدا واحدهای کارا و ناکارا با استفاده از تحلیل پوششی دادهها از یکدیگر تمیز داده میشوند. سپس از مفاهیم سیستم استنتاج فازی برای رتبهبندی واحدهای کارا استفاده میشود.
یافتهها: اطلاعات واحدهای ناکارا به گونهای است که سبب شده تحلیل پوششی دادههای فازی نتواند مقدار کارایی برابر یک را به این واحدها تخصیص دهد. با توجه به این مفهوم در روش پیشنهادی هر کدام از این واحدهای ناکارا به صورت یک قاعده در نظر گفته شده و میزانی از این قواعد که توسط واحدهای کارا فعال میشوند به عنوان شاخصی برای رتبهبندی آنها قرار داده میشود.
نتیجهگیری: در انتها یک مثال عددی برای بررسی صحت کارکرد مدل انجام شده است. در این مثال از دادههای موجود در یکی از مقالات پایهای این حوزه استفاده گردید و مشاهده شد نتایج بدست آمده از روش پیشنهادی این پژوهش با نتایج پژوهش مذکور کاملا یکسان میباشد.https://imj.ut.ac.ir/article_81626_1970b88afa72450d44759d944d24c131.pdfدانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022Presenting a Multi-Objective Model based on Quality Function Deployment for Choosing Effectiveness Strategies in the Humanitarian Supply Chainارائه مدل چندهدفه بر مبنای خانه گسترش کیفیت جهت انتخاب استراتژیهای اثربخش در زنجیره تأمین بشردوستانه4624848168510.22059/imj.2020.296705.1007712FAحسینصفریاستاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.0000-0001-9232-1319رضاجلالیاستادیار، گروه مدیریت صنعتی، دانشکده ادبیات و علوم انسانی، دانشگاه خلیجفارس، بوشهر، ایران0000-0002-1435-8666Journal Article20200126Objective: Humanitarian operations begin quickly with disasters to save lives, reduce the suffering of the injured and meet their needs. Appropriate strategies and solutions should be used to help the injured. In this regard, this paper aims to provide a hybrid approach to select effective strategies in the humanitarian supply chain.<br />Methods: In this study, firstly the needs of the injured were identified and categorized, and then the weight of each one was obtained using Fuzzy SWARA technique. Then, a combination of QFD approach and multi-objective modeling was used to select strategies to meet the needs of the injured. The epsilon-constraint method and GAMS software were used to solve the multi-objective model.<br />Results: The needs of earthquake victims in the country were identified and classified into five categories: food needs, hygienic, mental health, housing and living facilities. The results showed that the need for nutrition and food, evacuation of the affected groups from the accident site and access to drinking water are the most important needs of the victims during the earthquake. To help victims, 14 strategies were divided into three categories: strategies related to construction, infrastructure improvement, and strengthening relief processes.<br />Conclusion: In order to reduce the damage during an earthquake, light materials should be used in construction, the culture of lightening should be strengthened, and at the same time, the awareness of people in using durable materials should be promoted. Also, worn-out water, electricity and gas systems should be developed and integration should be between them. In addition, the improved communication system, and inventory management and evacuation location should be strengthened during relief efforts.هدف: عملیات بشردوستانه با وقوع فجایع به منظور حفظ زندگی مردم، کاهش آلام آسیبدیدگان و رفع نیازهای آنان به سرعت شروع میشود. جهت امدادرسانی و کمک به آسیبدیدگان میبایست استراتژی و راهکارهای مناسبی بکار گرفته شود. در همین راستا، این مقاله با هدف ارائه رویکردی ترکیبی جهت انتخاب استراتژیهای اثربخش در زنجیره تأمین بشردوستانه صورت گرفته است.
روش: در این تحقیق در ابتدا نیازهای آسیبدیدگان شناسایی و دستهبندی گردید و وزن هر کدام از آنها با استفاده از تکنیک سوارای فازی بدست آمد. سپس جهت انتخاب استراتژی به منظور رفع نیازهای آسیبدیدگان از رویکرد ترکیبی QFD و مدلسازی چندهدفه استفاده گردید. جهت حل مدل چندهدفه از روشهای محدودیت اپسیلون و محدودیت اپسیلون تقویتشده و نرمافزار گمز استفاده شد.
یافتهها: : نیازهای آسیبدیدگان زلزله در کشور شناسایی و در پنج دسته نیازهای مواد غذایی، بهداشتی، روحی و روانی، اسکان و تسهیلات زندگی دستهبندی شدند. نتایج نشان داد که نیاز به تغذیه و مواد غذایی، تخلیه و خروج گروههای آسیبدیده از محل حادثه و دسترسی به آب آشامیدنی مهمترین احتیاجات آسیبدیدگان به هنگام وقوع زلزله میباشند. جهت کمک به آسیبدیدگان زلزله، تعداد 14 استراتژی در سه دسته استراتژیهای مربوط به ساختوساز، بهبود زیرساخت و تقویت فرآیندهای امدادرسانی تقسیم شدند.
نتیجهگیری: جهت کاهش آسیبها به هنگام وقوع زلزله میبایست از مصالح سبک در ساختوساز استفاده شود، فرهنگ سبکسازی تقویت گردد و در عین حال آگاهی ساکنین در بکارگیری مصالح بادوام ارتقاء یابد. همچنین سیستمهای فرسوده آب، برق و گاز شهری توسعه یافته و بین آنها یکپارچگی وجود داشته باشد. بعلاوه میبایست در حین امدادرسانی، نظام ارتباطات اصلاح شده، و مدیریت موجودی و مکانیابی تخلیه، تقویت شود.https://imj.ut.ac.ir/article_81685_764a5298f566654146d45e899c4dbeb2.pdfدانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022Providing an Appropriate Model for Improving Multi-Criteria Inventory Classification Using SBM Model (Case Study: Pars Khazar Industrial Company)ارائه مدلی مناسب جهت بهبود طبقه بندی چندمعیاره اقلام موجودی با استفاده از مدل SBM (مطالعه موردی: شرکت صنعتی پارس خزر)4855018168810.22059/imj.2021.288943.1007652FAمحمدرحیمرمضانیاندانشیار، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران.0000-0003-1026-8636کیخسرویاکیدهاستادیار،گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران.نرجسمحمدی بازقلعهکارشناسی ارشد،گروه مدیریت صنعتی، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران.Journal Article20190914<strong>Objective:</strong> In Workplaces, organizations need to balance warehouse inventory and maintenance costs. Therefore, inventory control is one of the major concerns of organizations. In many organizations, they use the ABC classification method for controlling a large volume of inventory. in the traditional ABC classification, items are categorized only by a single criterion; but considering other criteria is also essential, so in such cases, the multi-criteria inventory classification is used. The purpose of this study is to present a new model in multi-criteria inventory classification. <br /><strong>Methods:</strong> In this study, the data envelopment analysis method has been used to present an appropriate model for inventory classification. In the literature of Radial and non-radial models of data envelopment analysis have been used in inventory classification and the comparison of the results of the models indicates that non-radial models provide a more rational classification. Hence, other types of non-radial models have been proposed in this paper to improve inventory classification. <br /><strong>Results:</strong> the proposed method does not have the weakness of the radial models and improves the multi-criteria inventory classification using non-radial models. <br /><strong>Conclusion:</strong> 47 items of inventory related to a common numerical example in the literature as well as 80 items of inventory items of Pars Khazar industrial company have been used in order To implement the new models and compare them with existing models. The results of comparing the proposed model with the existing ones in the literature show the superiority of the proposed model.هدف: در محیط های کاری، سازمانها نیازمند ایجاد تعادل بین موجودی انبار و هزینه های نگهداری می باشند.از این رو کنترل موجودی یکی از دغدغه های اصلی سازمان هاست.در بسیاری از سازمان ها از روش طبقه بندی ABC جهت کنترل حجم زیاد موجودی ها استفاده می کنند. در طبقه بندی ABC سنتی ،اقلام تنها براساس یک معیار واحد دسته بندی می شوند اما توجه به معیارهای دیگر نیز ضروری است که در اینگونه موارد از طبقه بندی چندمعیاره اقلام موجودی استفاده می شود.هدف این پژوهش ارائه مدل جدید در طبقه بندی چندمعیاره اقلام موجودی است.<br /> روش: در این پژوهش از روش تحلیل پوششی داده ها جهت ارائه مدلی مناسب برای طبقه بندی اقلام موجودی استفاده شده است. در ادبیات پژوهش از مدل های شعاعی و غیر شعاعی تحلیل پوششی داده ها برای طبقه بندی اقلام موجودی استفاده شده است که از مقایسه نتایج مدل ها نتیجه می شود مدل های غیرشعاعی طبقه بندی منطقی تری را ارائه می دهند. به همین دلیل در این مقاله انواع دیگر مدل های غیرشعاعی جهت بهبود طبقه بندی اقلام موجودی پیشنهاد شده است.<br /> <strong>یافتهها</strong>: روش پیشنهاد شده ضعف مدل های شعاعی را ندارد و در راستای مدل های غیرشعاعی باعث بهبود طبقه بندی چندمعیاره اقلام موجودی شده است.<br /> نتیجهگیری: جهت اجرای مدل های جدید و مقایسه آن ها با مدل های موجود از47 قلم از اقلام موجودی مربوط به یک مثال عددی مشترک موجود در ادبیات پژوهش و همچنین 80 قلم از اقلام موجودی شرکت صنعتی پارس خزر استفاده شده است.نتایج مقایسه مدل پیشنهاد شده با مدل های موجود در ادبیات پژوهش، نشان دهنده برتری مدل پیشنهاد شده است.https://imj.ut.ac.ir/article_81688_d72b65925d8a7c0bc0894f3829882229.pdfدانشکده مدیریت دانشگاه تهرانمدیریت صنعتی2008-588512320201022A Mathematical Optimization Model for Allocating Semester Weeks to Students of Different Disciplines in Coronary-Living Conditionsیک مدل بهینهسازی ریاضی برای تخصیص هفتههای ترم تحصیلی به دانشجویان رستههای مختلف در شرایط کرونا زیستی5025208218710.22059/imj.2021.314977.1007804FAحسنرشیدیاستاد، گروه رایانه، دانشکده آمار، ریاضی و رایانه، دانشگاه علامه طباطبایی، تهران، ایران.زینبرشیدیدانشجوی دکتری، گروه تکنولوژی آموزشی، دانشکده روانشناسی و علوم تربیتی، دانشگاه علامه طباطبایی، تهران، ایران0000-0001-5114-3181Journal Article20201207<strong>Objective:</strong> Many of the world's top universities have already decided to hold the next semester with e-teaching. In Iran, too, the forecasts show a red situation for some areas in terms of corona prevalence. Also, several university students live in these areas. In planning the next semester, therefore, more focus should be on e-teaching. According to the instructions of the Ministry of Science, Research and Technology in Iran, education should be implemented in two parts, including e-teaching and face-to-face training. In face-to-face education with the needs of the educational space, students are divided into disciplines so that the implementation of health protocols in the university and educational space is possible. For this purpose, in this research, a mathematical optimization model is presented to allocate semester weeks to students of different disciplines in coronary-living conditions.
<strong>Methods:</strong> In this paper, to determine specific weeks for students of different disciplines during the semester in face-to-face education, a mathematical optimization model is proposed in the form of nonlinear programming with integer variables. In the objective function of the model, the distribution of students in the educational space during consecutive weeks during the semester should be done in such a way that it has the maximum possible dispersion to prevent the spread of coronary heart disease.
<strong>Results:</strong> This model has been implemented to allocate semester weeks to students of different majors at universities, in general, and its use has brought positive results for decision-makers, particularly at Allameh Tabataba’i University.
<strong>Conclusion:</strong> The results obtained from the implementation and execution of the model will bring a clear and positive perspective for decision-makers in universities. To continue this research, another optimization model should be designed and implemented for each faculty, taking into account the limitations of each departmentهدف: بسیاری از دانشگاههای برتر جهان، تصمیم گرفتهاند که آموزش مجازی را در نیمسال آینده برگزار کنند. در کشور ایران هم، پیشبینیها وضعیت قرمزی را برای برخی مناطق از لحاظ شیوع کرونا نشان میدهند. همچنین، تعدادی از دانشجویان دانشگاهها در این مناطق سکونت دارند. بنابراین، در برنامهریزی نیمسال آینده باید تمرکز بیشتری روی آموزش مجازی صورت پذیرد. طبق دستورالعملهای وزارت علوم، تحقیقات و فناوری در ایران، آموزش دانشجویان باید به گونه دو بخشی شامل آموزش مجازی و آموزش حضوری به اجرا در آید. در آموزش حضوری با نیازمندیهای فضای آموزشی، دانشجویان به رستههایی تقسیم میشوند به شکلی که اجرای پروتکلهای بهداشتی در دانشگاه و فضای آموزشی شدنی باشد. به این منظور در این پژوهش یک مدل بهینهسازی ریاضی برای تخصیص هفتههای ترم تحصیلی به دانشجویان رستههای مختلف در شرایط کرونا زیستی ارائه شده است.
روش: در این مقاله، برای تعیین هفتههای خاص به دانشجویان رستههای مختلف در طول ترم تحصیلی در آموزش حضوری، یک مدل بهینهسازی ریاضی به صورت برنامهریزی غیر خطی با متغیرهای صحیح پیشنهاد میشود. در تابع هدف مدل، توزیع دانشجویان در فضای آموزشی طی هفتههای متوالی در طول ترم تحصیلی به گونهای انجام میشود که بیشینه پراکندگی ممکن را، به دلیل جلوگیری از شیوع بیماری کرونا داشته باشد.
<strong>یافتهها</strong>: این مدل برای تخصیص هفتههای خاص به دانشجویان رستههای مختلف در دانشگاه (به صورت عمومی)، پیاده<strong></strong>سازی شده و به کارگیری آن نتایج مثبتی را برای تصمیم<strong></strong> گیرندگان، به صورت خاص در دانشگاه علامه طباطبایی، به همراه داشته است.
نتیجهگیری: نتایج به دست آمده از پیادهسازی و اجرای مدل، چشمانداز روشن و مثبتی را برای تصمیم گیرندگان در دانشگاه به همراه خواهد داشت. برای ادامه این پژوهش، باید مدل بهینهسازی دیگری برای هر دانشکده با در نظر گرفتن محدودیتهای هر گروه آموزشی طراحی و اجرا گردد.https://imj.ut.ac.ir/article_82187_76bad45b1fa126faf390c15704b8ad76.pdf