پيش‌بيني كارايي به كمك تأثيرپذيري غيرخطي از تأخيرهاي زماني در تحليل پوششي داده‌ها با شبكه هاي عصبي مصنوعي

هدف: يكي از شيوه‌هاي مرسوم ارزيابي كارايي هر سازمان يا بنگاه، مقايسه آن با ساير رقبا يا نمونه‌ هاي متناظر آن است. با اين حال، در برخي پژوهش‌ها به سنجش كارايي يك واحد در مقايسه با خود در مرور زمان پرداخته شده و روند عملكرد يك واحد نسبت به گذشته خود ارزيابي شده است. هدف پژوهش جاري، پيش‌بيني كارايي يك واحد با استفاده از سري‌هاي زماني عملكرد گذشته آن است. روش: اين پژوهش به كمك مدل SBM و با استفاده از روش تحليل پوششي داده‌ها به مقايسه و سنجش كارايي يك واحد در گام‌هاي زماني مختلف پرداخته و خروجي آن را به عنوان عناصر آموزش يك شبكه عصبي مصنوعي در نظر گرفته است تا كارايي گام‌هاي زماني بعدي پيش‌بيني شود. يافتهها: مورد مطالعه اين پژوهش، يك واحد صنعتي بزرگ در صنعت فولاد كشور است كه پس از سنجش كارايي، روند نزولي عملكرد آن طي ده سال ارائه شده است. با پياده‌سازي ساختارهاي مختلف از شبكه‌هاي عصبي مصنوعي، در نهايت يك شبكه عصبي بازگشتي با 10 نرون در لايه پنهان با الگوريتم آموزش پس‌انتشار بيزي توانست بهترين عملكرد را در پيش‌بيني كارايي آتي اين واحد صنعتي كسب كند. نتيجه گيري: مزيت اساسي اين پژوهش، ارائه پيش‌بيني كارايي براي آينده سازمان بر اساس داده‌هاي موجود و با در نظر گرفتن تأثير عوامل دوره‌هاي زماني قبلي در كارايي دوره كنوني با رويكردي غيرخطي است. اين موضوع موجب خواهد شد كه تصوير روشن‌تري از عملكرد آتي سازمان فراهم آيد، همان طور كه در مورد مطالعه پژوهش حاضر، اين موضوع رخ داده است.

فاقد چكيده مي باشد