توسعه مدل هوشمندسازی زنجیره ارزش با رویکرد شبکه عصبی مصنوعی | ||
| مدیریت زنجیره ارزش راهبردی | ||
| مقاله 2، دوره 3، شماره 2 - شماره پیاپی 9، تابستان 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/svcm.2026.40260.1085 | ||
| نویسندگان | ||
| مسعود بابایی1؛ علیرضا ایرج پور* 2؛ رضا احتشام راثی3 | ||
| 1دانشجوی دکتری، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران | ||
| 2استادیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران | ||
| 3دانشیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران | ||
| چکیده | ||
| سابقه و هدف: پژوهش حاضر با هدف شناسایی شاخصها و مؤلفههای مؤثر در هوشمندسازی زنجیره ارزش و پیشبینی سطح هوشمندسازی در شرکتهای مستقر در شهرک صنعتی کاسپین انجام شد. روش: این پژوهش از نظر هدف، کاربردی و از نظر ماهیت و روش، کمّی است. دلیل استفاده از رویکرد آن است که در بخش کمی، با استفاده از مدلسازی ریاضی و شبکههای عصبی مصنوعی، هوشمندسازی و پیشبینی عملکرد زنجیره ارزش انجام میگیرد. همچنین پژوهش از نظر روش اجرا، توصیفی–تحلیلی و توسعهای محسوب میشود، زیرا علاوه بر تحلیل وضعیت موجود، منجر به طراحی یک الگوریتم هوشمند میگردد. یافتهها: تحلیل دادهها با استفاده از الگوریتم شبکه عصبی مصنوعی نشان داد که مدل قادر است سطح هوشمندسازی زنجیره ارزش را با دقت بالا پیشبینی کند. نتایج ارزیابی عملکرد مدل با شاخصهای MSE، RMSE و ضریب تعیین (R²) نشان داد که شبکه عصبی توانسته روابط غیرخطی و پیچیده میان شاخصهای ورودی و خروجی را به خوبی مدلسازی کند. علاوه بر این، تحلیل حساسیت متغیرهای ورودی مشخص نمود که زیرساخت دیجیتال و تصمیمگیری دادهمحور بیشترین تأثیر را بر سطح هوشمندسازی دارند. نتیجهگیری: استفاده از شبکه عصبی مصنوعی امکان پیشبینی دقیق سطح هوشمندسازی، شناسایی عوامل مؤثر و اولویتبندی اقدامات مدیریتی را فراهم میکند. این روش علاوه بر دقت پیشبینی، قابلیت تعمیمپذیری بالایی دارد و میتواند به عنوان ابزاری عملی برای برنامهریزی و بهبود هوشمندسازی زنجیره ارزش در شرکتهای صنعتی مورد استفاده قرار گیرد. | ||
| کلیدواژهها | ||
| الگوریتم؛ زنجیره ارزش؛ شبکه عصبی مصنوعی؛ هوشمندسازی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 224 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,397 |
| تعداد مشاهده مقاله | 72,865,452 |
| تعداد دریافت فایل اصل مقاله | 64,557,368 |