چکیده:
پیشبینی بهرهوری عاملی بسیار مهم در طراحی استراتژیهای یک سازمان است. یکی از روشهای پیشبینی بهرهوری، استفاده از شبکههای عصبی مصنوعی است که به علت دارا بودن پارامترهای قابل تنظیم، بهکارگیری آن نیاز به تجربه و مهارت زیادی دارد و اغلب از آزمایش و خطا برای دستیابی به سطوح مناسب این پارامترها استفاده میشود. این مقاله، الگویی 7 مرحلهای جهت انتخاب مقادیر مناسب پارامترهای قابل تنظیم شبکه عصبی ارائه می دهد تا با بهکارگیری طراحی آزمایش های تاگوچی کارایی در پیشبینی بهرهوری بهبودمی یابد. بهکارگیری این روش در پیشبینی بهرهوری صنایع غذایی ایرن، سطوح بهینۀ پارامترها را که منجر به مطلوبترین پیشبینی در شبکه عصبی میشود، بدین شرح ارائه میدهد: تعداد لایههای پنهان: 2 لایه، تعداد نورون هر لایه پنهان: 7 نورون، نرخ یادگیری: 9/0 و تعداد ورودیهای شبکه عصبی: شاخصهای بهرهوری با درجه همبستگی بیشتر از 85/0؛ که از بین عوامل فوق، عامل تعداد لایههای پنهان با سهم مشارکت 18/71% در نتیجۀ آزمایشها، مهمترین عامل طراحی شبکه عصبی در پیشبینی بهرهوری صنایع غذایی ایران است. در نهایت، نتیجه کلی تحقیق نشان داد که به کارگیری این الگو علاوه بر کاهش زمان و هزینههای پیشبینی، امکان انتخاب استراتژیهای رقابتی فراهم می شود. به علاوه این روش با تعیین سهم مشارکت هر یک از پارامتهای قابل تنظیم در نتایج آزمایش، تصمیمگیرندگان را در میزان دقت و توجهی که باید به هر یک از این پارامترها داشته باشند، یاری میرساند.
خلاصه ماشینی:
همچنین در تحقیقی که توسط کالوتا 8 و همکارانش (2011) انجام گرفت، -Sheikh Zahoor -Artificial neural network -Agent-based fuzzy -Chen -Paulino -AL-Zwainy - Muqeem -Culotta توانایی شبکه عصبی برای پیشبینی کوتاه مدت بهرهوری نیروگاههای بادی شمال ایتالیا با استفاده از همبستگی باد و دادههای تولید انرژی مورد بررسی قرار گرفت این تحقیقات به همراه بسیاری از تحقیقات دیگری که با استفاده از روش شبکه عصبی برای پیشبینی بهرهوری صورت پذیرفته، توانایی بالای این روش را در پیشبینی نشان میدهد.
بر این اساس، این تحقیق در پی پاسخگویی به سه سؤال زیر است : 1) چگونه میتوان با استفاده از روش طراحی آزمایش های تاگوچی نسبت به تعیین پارامترهای مناسب شبکه عصبی به منظور بهبود کارایی پیشبینی بهرهوری در صنایع اقدام نمود؟ 2) کدام یک از پارامترهای قابل تنظیم شبکه عصبی، بیشترین تأثیر را در نتایج پیشبینی بهرهوری صنایع دارد؟ 3) آیا استفاده از این روش میتواند منجر به بهبود کارایی در پیشبینی بهرهوری صنایع شود؟ Du jardin Taguchi experiment design Orthogonal arrays table Hong ابزار و روش روش انجام این تحقیق، تحلیلی- توصیفی بوده و از لحاظ دستهبندی بر مبنای هدف، کاربردی است.
یافتهها برای پاسخ گویی به سؤالات تحقیق و بررسی چگونگی کارکرد روش طراحی آزمایش های تاگوچی در بهبود پیشبینی بهرهوری، الگویی 7 مرحلهای به شرح زیر ارائه میشود : مرحله اول: شناسایی شاخصهای بهرهوری صنایع غذایی به عنوان متغیرهای ورودی به شبکه عصبی در این مرحله از بین شاخصهای مربوط که در فایل اطلاعاتی مرکز آمار ایران به عنوان شاخصهای تعیینکنندۀ بهرهوری کارخانهها و کارگاههای مواد غذایی مطرح بودند، با نظرخواهی از خبرگان، شاخصهایی که همبستگی بالاتر از 7/0 با میزان بهرهوری کل داشتند انتخاب شدند.