طراحي مدل سيستم استنتاج فازي عصبي - تطبيقي ( ANFIS) براي ارزيابي و پيش‌بيني سطح مديريت دانش سازمان با محوريت نوآوري.

Designing a Model of Neural-Adaptive Fuzzy Inference System (ANFIS) to Evaluate and Predict Organizational Knowledge Management Level with Innovation Focus.

در سال‌هاي اخير مديريت دانش به يك موضوع مهم و حياتي در تمامي سازمان‌ها تبديل‌شده است. يكي از عوامل مؤثر در ايجاد و گسترش نوآوري، مديريت دانش است. با نوآوري، برتري‌هاي بلندمدت سازمان در عرصه‌هاي رقابتي حفظ شود. ارزيابي و پيش‌بيني سطح مديريت دانش براي مديران بسيار بااهميت است. در ميان روش‌هاي نوين مدل‌سازي، سيستم‌هاي فازي از جايگاه ويژه‌اي در زمينه‌هاي مختلف علوم برخوردارند. اين پژوهش از نظر هدف، كاربردي و با توجه به روش گردآوري داده‌ها از نوع پيمايشي است. سيستم استنتاج فازي عصبي - تطبيقي (ANFIS) روش مناسبي براي حل مسائل غيرخطي است. اين روش، تركيبي از روش استنتاج فازي و شبكه عصبي مصنوعي است كه از مزاياي هردو روش بهره مي‌برد. در اين تحقيق تعداد 5 مؤلفه اصلي براي سنجش و پيش‌بيني سطح مديريت دانش سازمان، به عنوان ورودي سيستم استنتاج فازي انتخاب گرديد. براي ارزيابي عملكرد مدل از پارامترهاي مجذور ميانگين مربعات خطا (RMSE)، درصد خطاي نسبي(ε)، ميانگين خطاي مطلق(MAE) و ضريب تبيين (R2) استفاده‌شده است كه به ترتيب مقادير 12/0 ، 0.0152%، 036/0 و 995/ به‌دست‌آمده است و اين نشانگر دقت و قابليت اعتماد به مدل مذكور است.. خروجي اين پژوهش، ﻳﻚ ﺳﻴﺴﺘﻢ اﺳﺘﻨﺘﺎج ﻓﺎزي ﻫﻮﺷﻤﻨﺪ (ANFIS) است.

In recent years, knowledge management has become a vital issue in all organizations. Knowledge management is one of the effective factors in creating and expanding innovation. With innovation, the long-term advantages of the organization are maintained in the competitive arena. Evaluating and predicting the level of knowledge management for managers is very important. Among the new methods of modeling, fuzzy systems have a special place in different fields of science. The purpose of this research is applied and according to data collection method is survey. The Neural-Adaptive Fuzzy Inference System (ANFIS) is a good method for solving nonlinear problems. This method combines fuzzy inference method and artificial neural network which benefits from both methods. In this study, five main components were selected as inputs for fuzzy inference system to measure and predict the level of knowledge management of the organization. For evaluating the model performance, the parameters of mean square error of error (RMSE), percentage of relative error (ε), mean absolute error (MAE) and coefficient of explanation (R2) were used. Their values are 0.12, 0.0152%, 0.036 and 0.995. This indicates the accuracy and reliability of the model. The output of this study is the neural-adaptive fuzzy inference system (ANFIS).