دانشگاه علوم و فنون مازندران

پایان نامه کارشناسی ارشد رشته مهندسی صنایع

گرایش سیستم­ های اقتصادی-اجتماعی

موضوع:

ارزیابی عملکرد شهرک­ های صنعتی استان مازندران با استفاده از تحلیل پوششی داده ها وشبکه ­های عصبی مصنوعی

اساتید راهنما:

دکتر جواد رضائیان

دکتر بابک شیرازی

فهرست مطالب:

1- مقدمه و کلیات.. 2

1-1- مقدمه. 2

1-2- تشریح و بیان موضوع. 4

1-3- ضرورت انجان تحقیق. 5

1-4- فرضیات تحقیق.. 7

1-5- اهداف اساسی از انجام تحقیق. 7

1-6-محدودیت های انجام تحقیق. 7

1-7- محتوای تحقیق.. 8

2- ادبیات و پیشینه تحقیق

2-1- مقدمه. 10

2-2- ارزیابی عملکرد 10

2-2-1- مقدمه. 10

2-2-2- پیشینه ارزیابی عملکرد و بررسی دیدگاه­های مختلف.. 11

2-2-3- معیارها و تکنیک­های ارزیابی و اندازه­گیری عملکرد. 13

2-2-3-1- معیارهای ارزیابی عملکرد. 13

2-2-3-2-­ تکنیک های شناخته شده در ارزیابی عملکرد. 14

2-2-3-3- تکنیک­های اندازه­ گیری عملکرد. 20

2-3- معرفی DEA ، ANNs و Neuro/DEA 24

2-3-1- معرفی اجمالی  DEA.. 26

2-3-1-1- مدل نسبت CCR.. 27

2-3-1-2- روش اندرسون-پیترسون. 28

2-3-2- معرفی ANN.. 28

2-3-2-1- آموزش شبکه. 29

2-3-2-1-1-  الگوریتم های یادگیری شبکه. 30

2-3-2-2- تناسب انتخاب ساختار با موضوع مساله. 31

2-3-2-3- ساختار شبکه های عصبی.. 33

2-3-2-3-1- شمای کلی.. 38

2-3-2-4- چگونگی پردازش اطلاعات در واحد های پردازشگر. 39

2-3-2-5- شبکه­های پرسپترون. 43

2-3-3- مدل ترکیبی شبکه­های عصبی و تحلیل پوششی داده ها (Neuro/DEA) 43

2-3-3-1- خواستگاه استفاده از مدل ترکیبیNeuro-DEA.. 43

2-4-  پیشینه تحقیق.. 45

3- روش تحقیق

3-1- مقدمه. 51

3-2- جامعه آماری. 51

3-3- شیوه گرد­آوری اطلاعات.. 51

3-4- مراحل انجام تحقیق. 51

3-5-مدل­های تحلیل پوششی داده­ها 53

3-5-1- مدل­های ورودی­محور. 53

3-5-1-1-مدل مضربی CCR ورودی محور. 53

3-5-1-2-مدل پوششی CCR ورودی­محور. 54

3-5-2-مدل­های خروجی­محور. 55

3-5-2-1-مدل مضربی CCR خروجی محور. 56

3-5-2-2- مدل پوششی CCR خروجی محور. 56

3-6- ارزیابی و تحلیل کارایی شرکت­ شهرک­های صنعتی با رویکرد تحلیل پوششی داده­ها(DEA) (مدل مضربی CCR خروجی­محور) 56

3-7- روش اندرسون-پیترسون برای رتبه بندی واحد­های کارا 58

3-8- دلایل استفاده از مدل CCR در مقایسه با مدل BCC.. 59

3-9- دلایل استفاده از مدل خروجی محور در مقایسه با مدل ورودی محور. 60

3-10- ساختار شبکه 60

3-11- الگوریتم تحلیل کارایی.. 63

4- محاسبات و یافته های تحقیق

4-1- معرفی حوزه تحقیق. 66

4-1-1- سازمان صنایع کوچک و شهرک­های صنعتی ایران. 66

4-1-2- معرفی استان مازندران. 68

4-2- نتایج تحقیق. 70

5- نتیجه‌گیری و پیشنهادات

5-1- نتیجه گیری. 79

5-2- تحقیقات آتی. 79

فهرست اشکال

شکل (‏2‑1) روش وصل نقاط حدی. 23

شکل (‏2‑2) یک واحد تصمیم گیرنده به همراه ورودی و خروجی­ها 27

شکل (‏2‑3) مشخصات یک واحد تصمیم گیرنده 27

شکل ( ‏2‑4) نرون تک ورودی. 34

شکل (‏2‑5) نرون با بردار ورودی. 35

شکل (‏2‑6) شبکه تک لایه با S نرون. 36

شکل (‏2‑7) فرم فشرده شده یا ماتریسی شبکه تک لایه با S نرون. 36

شکل (‏2‑8) شبکه پیش خور دو لایه. 37

شکل (‏2‑9) فرم ساده شده شبکه پیش خور دو لایه میانی. 38

شکل (2‑10) پرسترون تک لایه. 42

شکل (‏3‑1) ورودی و خروجی­های شهرک صنعتی jام 56

شکل (‏3‑2) فلوچارت الگوریتم تحلیل کارایی. 64

شکل(4-1) مقایسه کارایی محاسبه شده توسطDEA  وNeuro-DEA. 74

شکل(4-1) مقایسه رتبه بندی انجام شده توسطDEA  وNeuro-DEA. 74

فهرست جداول

جدول (‏2‑1) تفاوت های دو نگرش نوین و سنتی ارزیابی عملکرد 12

جدول (‏2‑2) ماتریس ارزیابی عملکرد 16

جدول (2-3) توابع محرک با علائم قراردادی. 34

جدول (2-4) نتایج تحقیقات موجود در مقاله ، تحلیل کارایی فنی پالایشگاه­های نفت کشور. 45

جدول (‏3‑1) شهرک­های صنعتی مورد بررسی و مطالعه پژوهش… 51

جدول (‏3‑2) مشخصه­های متغیر­های تصمیم. 56

جدول (‏3‑3) پارامتر­های مدل بر حسب مشخصه­های تعریف شده 57

جدول (‏3‑4) متغیر­های تصمیم. 57

جدول (‏3‑5) ساختار شبکه مورد استفاده در الگوریتمNeuro-DEA.. 60

جدول (‏3-6) درصد تغییرات ورودی­ها و خروجی­های هر شهرک صنعتی. 61

جدول (‏4‑1) کارایی محاسبه شده توسط­ DEA در سال 90 و 91 و کارایی پیش­بینی شده توسط Neuro-DEA در سال90. 71

جدول (‏4‑2) رتبه بندی واحدها توسط­ DEA در سال 90 و 91 و رتبه بندی پیش­بینی شده توسط Neuro-DEA در سال 91. 72

جدول (‏4‑3) میانگین کارایی واحد­ها در ده اجرای شبکه عصبی. 74

جدول (‏4‑4) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 75

جدول (‏4‑5) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 76

چکیده

توسعه شهرک­های صنعتی یک سیاست مهم در بسیاری از کشورها می باشد زیرا پیشرفت این شهرک­ها منجر به تقویت صنعت و اقتصاد کشور می­گردد. شناخت آماری و رتبه بندی شهرک­ها و نواحی صنعتی برای بهبود توسعه صنایع ضروری می­باشد. لذا در این پژوهش کارایی 25 شهرک صنعتی واقع در استان مازندران با استفاده از مدل DEA[1]، [2]CCR خروجی­محور و همچنین رتبه­ی هر یک از واحدهای کارا با استفاده از مدل [3]AP در سال 90 و 91 محاسبه گردیده است. سپس  با استفاده از روش ترکیبی تحلیل پوششی داده­ها و شبکه­های عصبی مصنوعی(ANN)[4]، یک شبکه عصبی مصنوعی به جهت توانایی آن در پیش بینی و تحلیل کارایی و رتبه بندی واحد­ها در سال 91 به کار گرفته شده است. در نهایت مقایسه ای میان دو روش در سال 91 انجام شده است.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید.