Park,Yang & Lehto

The Comparison of Three Major Occupations for User Acceptance of Information Technology: Applying the UTAUT Model

Yu-Shan Cheng

Determinants of UTAUT in Measuring User Acceptance of E-Syariah Portal in Syariah Courts in Malaysia

Yahya, Nadzar, Masrek, & Abd Rahman

Information System Success :Individual and Organizational Determinants

Jeyaraj, Chowa, & Sabherwal

SME adoption of wireless LAN technology: applying the UTAUT model

Anderson & Schwager

2-2-5 مرکز همکاری های فناوری ریاست جمهوری
مرکز همکاری های فناوری یک سازمان فرابخشی زیرمجموعه نهاد ریاست جمهوری کشور می باشد که ماموریت اصلی آن کمک به توسعه فناوری های پیشرفته در حوزه های مختلف است. سازمان مزبور یک سازمان پروژه محور بوده و فعالیت های آن بطور کلی در دو دسته زیر قابل تقسیم است:

• . سیاست گذاری فناوری

• . توسعه فناوری

مرکز همکاری های فناوری همانند بسیاری از سازمان ها، از نظر ساختاری شامل دو بخش است:

• . بخش ستاد

• . بخش صف

انجام فعالیت های مطالعاتی و پروژه های تعریف شده در این حوزه ها توسط پرسنل خود مرکز و یا از طریق برون سپاری صورت می گیرد.
الف. زنجیره ارزش سازمان:
زنجیره ارزش سازمان شامل فرآیندهای اصلی و پشتیبان در شکل 2-10 ارائه شده است.
شکل 2 10. زنجیره ارزش مرکز همکاری های فناوری ریاست جمهوری
مطابق شکل 1 فرآیندهای اصلی سازمان در سطح صفر شامل موارد زیر است:
مدیریت ایده ها؛ این فرایند بطور عمده بر فشار فناوری^[32] و ظهور فناوری های جدید و نیز کشش نیاز و تقاضای بازار^[33] مبتنی است. در چارچوب این فرایند، فناوری های نوظهور از یک سو و نیازهای سازمان ها به راه حل های فناوری از سوی دیگر بطور مستمر مورد پایش قرار گرفته و بر اساس آن ایده های مختلفی تولید می گردد. این ایده ها سپس مورد پالایش و بررسی های اولیه قرار گرفته و بر مبنای نتایج بدست آمده پیشنهادات پروژه^[34] توسط بخش مربوطه استخراج و ارائه می گردد. شکل 2-11 فرایند مدیریت ایده ها و زیرفرآیندهای آن را نشان می دهد.
شکل 2 11. فرایند مدیریت ایده ها
تصویب پروژه؛ پیشنهادات پروژه ارائه شده توسط شورایی که به منظور انتخاب و تصویب پروژه ها تشکیل می شود مورد بررسی قرار گرفته و پروژه های مورد نظر جهت اجرا انتخاب می شوند. پروژه های تعریف شده سپس مورد بررسی و ارزیابی قرار گرفته و در صورت تایید نهایی برای آنها پرونده پروژه تشکیل می گردد. شکل 2-12 فرایند تصویب پروژه و زیرفرآیندهای آن را نشان می دهد. جهت تصویب پروژه ها سیستم پشتیبان تصمیم گیری موجود در سازمان نیز مورد استفاده قرار می گیرد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

شکل 2 12. فرایند تصویب پروژه
اجرای پروژه؛ در چارچوب این فرایند، پروژه های انتخاب شده به اجرا درمی آیند. انتخاب مجری پروژه نیز در این فرایند در نظر گرفته شده است.
انتقال دستاوردها؛ نتایج و دستاوردهای حاصل از اجرای پروژه ها جهت بهره برداری در اختیار ذی نفعان آنها قرار می گیرد.
همچنین مطابق با زنجیره ارزش شکل یک، فرآیندهای پشتیبان سازمان عبارت هستند از:
پایش استراتژیک؛ در چارچوب این فرایند جهت گیری فعالیت های سازمان و پروژه های تعریف شده بطور مستمر مورد پایش و ارزیابی قرار می گیرد. این فرایند به عنوان یکی از فرآیندهای مدیریتی سازمان شامل تدوین برنامه های کلان سازمان مبتنی بر استراتژی های سازمانی، تبدیل برنامه های کلان به مجموعه ای از برنامه های عملیاتی جهت اجرا، نظارت و پایش مستمر فعالیت های سازمان از حیث مطابقت با اهداف، استراتژی ها و جهت گیری کلان سازمان و اتخاذ هر گونه اقدامات مورد نیاز در صورت مشاهده انحراف است. شکل 2-13 فرایند پایش استراتژیک و زیرفرآیندهای آن را نشان می دهد.
شکل 2 13. فرایند پایش استراتژیک
مدیریت پروژه ها؛ این فرایند دربرگیرنده کلیه فعالیت ها و اقداماتی است که برای برنامه ریزی، سازمان دهی، اجرا و کنترل پروژه ها می بایست انجام گیرد. بر اساس استانداردهای مدیریت پروژه، این فرایند در سطح کلان شامل فرآیندهای آغازین پروژه، برنامه ریزی، اجرا و اختتام می باشد. همچنین اعمال سیستم های نظارتی و کنترلی نیز در چارچوب این فرایند صورت می گیرد. با توجه به ماهیت پروژه محور مرکز همکاری های فناوری، فرایند مدیریت پروژه ها از جایگاه ویژه ای در مجموعه فرآیندهای پشتیبان سازمان برخوردار است.به همین خاطر نگارنده سیستم مدیریت اطلاعات پروژه ها را که در این حوزه از سازمان در حال استفاده است مورد مطالعه این تحقیق قرار داده تا بر اساس آن بتواند جهت پذیرش این سیستم در سازمان و بهبود مسیر حرکتی آن گامی بردارد. شکل 2-14 فرایند مدیریت پروژه و زیرفرآیندهای آن را نشان می دهد.
شکل 2 14. فرایند مدیریت پروژه
مدیریت مستندات؛ این فرایند دربرگیرنده کلیه فعالیت های مربوط به تهیه، جمع آوری، نگهداری و انتشار مستنداتی است که در ارتباط با فرآیندهای مختلف سازمان از مرحله مدیریت ایده ها تا مرحله انتقال دستاوردها تولید شده و مورد استفاده قرار می گیرند.
مدیریت دانش؛ در چارچوب این فرایند اطلاعات از بخش های مختلف سازمان و از طریق زیرساخت های ایجاد شده جمع آوری و در قالب حوزه های دانشی تعریف شده در سازمان دسته بندی می گردند. دانش دسته بندی شده از طریق مکانیسم های توزیع در اختیار متقاضیان و افراد مربوطه قرار گرفته و نظرات و بازخوردهای آنها جمع آوری، بازنشر و نگهداری می شود. مکانیسم بازخورد جهت تقویت، تصحیح، توسعه، بهبود و بروزرسانی دانش ایجاد شده مورد استفاده قرار می گیرد. شکل 2-15 فرایند مدیریت دانش و زیرفرآیندهای آن را نشان می دهد.
شکل 2 15. فرایند مدیریت دانش

اگر یک سری گاوسین که در آن به ازاء تمامی مقادیر ، است باشد، نسبت t را می توان به عنوان یک متغیر تصادفی نرمال استاندارد با توزیع مجانبی در نظر گرفت. بنابراین اگر باشد، فرض رد می شود ( صدک ام توزیع نرمال استاندارد می باشد. ( تی سی، ۲۰۰۵، ص۲۵-۲۷)

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

• • تابع خودهمبستگی جزئی^[۸۲] (PACF)

تابع خودهمبستگی جزئی یک سری زمانی مانا تابعی از تابع خودهمبستگی آن می باشد و ابزار مناسبی در تعیین مرتبه p در یک مدل اتورگرسیون می باشد.مدل AR زیر را در نظر بگیرید:
(۳-۱۴)
به طوریکه ، و به ترتیب جزء ثابت، ضریب و جزء اخلال در یک مدل AR(j) می باشند. این مدل به شکل رگرسیون خطی چندمتغیره می باشد و می توان آن را با بهره گرفتن از روش حداقل مربعات تخمین زد. برای یک مدل AR(p) ، تابع خودهمبستگی جزئی نمونه ای با p وقفه، مخالف صفر می باشد. اما برای تمامی مقادیر نزدیک به صفر می باشد. از این ویژگی می توان در تعیین مرتبه p استفاده کرد. برای یک مدل AR(p) گاوسین که مانا نیز می باشد می توان نشان داد که تابع خودهمبستگی جزئی یک نمونه ، از ویژگی های زیر برخوردار می باشد:

• • با افزایش اندازه نمونه (T) به سمت بی نهایت، به میل می کند.

• • به ازاء تمامی مقادیر ، به سمت صفر میل می کند.

• • واریانس مجانبی برای تمامی مقادیر ، می باشد.

بنابراین برای یک سری AR(p) ، تابع خودهمبستگی جزئی نمونه، در وقفه p ام متوقف می شود. ( تی سی، ۲۰۰۵، ص۴۰-۴۲)

۳-۸ . مدل GARCH(1,1)

عمومی ترین روش های پیش بینی نوسان، مدل های پارامتریک با گسستگی زمانی هستند، که نوسان مورد انتظار یعنی h_t+T ( واریانس T دوره بعد) را به صورت یک تابع غیرجزئی از مجموعه اطلاعات تاریخی، مدل سازی می کنند. بدین منظور چنین مدلهایی دو گشتاور شرطی اولیه ( میانگین و واریانس) سری بازده ها را تعیین می نمایند. ( تاپر^[۸۳]، ۲۰۰۶)

۳-۸-۱٫ مدل سازی

را بازدهی بلندمدت در زمان t قرار دهید و فرض کنید میانگین شرطی به صورت زیر است:


که به جزء ثابت انباشته می باشد، واریانس شرطی خطاهای و و همه ی اطلاعات در دسترس تا زمان t-1 می باشد.
مدل های گارچ به منظور مدل سازی واریانس شرطی بازده ها، رواج و مقبولیت بیشتری را نسبت به سایر مدل ها به دست آورده اند . ( تاپر، ۲۰۰۶)
پایین ترین مرتبه گارچ که بطور گسترده مورد استفاده قرار می گیرد و جایگزینی مناسب برای مدلهای آرچ مراتب بالا می باشد، GARCH(1,1) است. رابطه (۳-۱۵) این مدل را به نمایش می گذارد.
(۳-۱۵)
با توجه به معادله GARCH(1,1) می توان دریافت که واریانس شرطی از سه میانگین وزنی واریانس بلندمدت ، واریانس گذشته با وزن و مجذور جمله اختلال با وزن تشکیل شده است.

۳-۸-۲٫ خطاهای غیرنرمال

تابع توزیع سری مورد مطالعه دارای دنباله های پهن^[۸۴] می باشد. در واقع در توزیعی که دنباله ها پهن هستند نسبت به توزیع نرمال، وزن بیشتری به دنباله ها داده می شوند. فرض کنید که احتمال وقوع افزایش یا کاهش قابل ملاحظه در نرخ سود یک سهم خاص بیشتر از احتمالی است که از طریق تابع توزیع نرمال بدست می آید ( یعنی احتمال وقوع انحراف از میانگین بیشتر است.) در این صورت برآورد حداکثر درستنمایی توزیع نرمال چندان معقول نخواهد بود. همانطور که میدانیم در توزیع t احتمال وجود مقادیری که با میانگین فاصله زیادی دارند بیشتر از توزیع نرمال است، به همین علت در بسیاری از بسته های نرم افزاری این امکان وجود دارد که مدل های گارچ را با بهره گرفتن از توزیع t برآورد نماییم.
– توزیع های خطای استاندارد شده
گاهی توزیع نرمال استاندارد برای توصیف ویژگی های بازده های مالی کافی نیست، برای توصیف و به تصویر کشیدن ویزگی دنباله های پهن در داده ها بالرسلو در ۱۹۸۷ میلادی و نلسون در ۱۹۹۹ میلادی، توزیع های t-استیودنت و توزیع خطاهای تعمیم یافته ^[۸۵](GED) را پیشنهاد دادند. با اینکه این دو توزیع نیز مثل توزیع نرمال متقارن اند، آنها دارای دنباله های پهن تر از توزیع نرمال هستند. در این مطالعه فرض می کنیم خطاها از توزیع های t-استیودنت و توزیع خطاهای تعمیم یافته (GED) و نیز توزیع نرمال هستند.
در حالت توزیع نرمال، تابع چگالی احتمال شرطی خطاها به صورت زیر تعریف می شود:

(۳-۱۶)
وقتی که فرض می شود خطاها از توزیع t-استیودنت پیروی میکند، تابع چگالی احتمال شرطی به صورت زیر تعریف می شود:
(۳-۱۷)
که تابع گاما می باشد. نیز درجه آزادی است و باید بیشتر از ۲ باشد. وقتی که میل کند، توزیع t-استیودنت به توزیع نرمال تبدیل می شود و بنابراین مقدار کم بیانگر دنباله های پهن تر می باشد و اگر توزیع خطاها GED‌ در نظر گرفته شود تابع چگالی احتمال شرطی خطاها به صورت زیر تعریف می شود:

(۳-۱۸)
که می باشد و تابع گاما و نیز پارامتر پهنی دنباله ها می باشد. وقتی که باشد، توزیع GED‌ تبدیل به توزیع نرمال استاندارد می شود. این توزیع دارای دنباله های پهن تری نسبت به توزیع نرمال در حالت می باشد. توزیع نرمال وقتی که باشد نسبت به توزیع GED‌ دارای دنباله های پهن تری است.

۳-۸-۳ . تخمین میانگین و واریانس شرطی با بهره گرفتن از مدل GARCH(1,1)

پارامترها در مدل گارچ معمولا بوسیله روش حداکثر درست نمایی برآورد می شوند^[۸۶]. ایده ی ورای این روش این است که مجموعه ای که با داده های نمونه تحت فرض باقیمانده استاندارد شده، پارامترهایی را مشخص می کند که تابع درست نمایی را حداکثر می کند. این کار بوسیله ی تشکیل تابع درستنمایی انجام می شود. از آنجاکه تابع حداکثر درستنمایی نمی تواند بطور تحلیلی برای مدل های نوع گارچ بدست آید تکنیک های بهینه سازی عددی برای پیدا کردن مجموعه ای از پارامترها که تابع درستنمایی را حداکثر می کند استفاده می شود. تابع لگاریتم درستنمایی برای نمونه ای با T‌مشاهده بصورت زیر است:
(۳-۱۹)
و برای توزیع t-استیودنت بصورت:

(۳-۲۰)
و برای توزیع GED به صورت زیر خواهد بود:

• از محدوده موردنظر ورودی های تصادفی تولید نمایند.

• با بهره گرفتن از ورودی های بدست آمده یک سری محاسبات مشخص را انجام می دهند.

• نتایج هر یک از اجراهای محاسباتی را در پاسخ نهایی ادغام می نمایند.

روش شبیه سازی مونت کارلو را تقریبا می توان برای حل مسائلی با هر درجه ای از پیچیدگی مورد استفاده قرار داد. همچنین به راحتی می توان عواملی همانند وابستگی مسیر، دنباله های ضخیم، غیرخطی بودن و غیره را که دیگر رویکردهای موجود در مواجهه با آنها با مشکل مواجه بوده اند را نیز به راحتی با شبیه سازی مونت کارلو اداره نمود. رویکردهای شبیه سازی در عمل برای حل مسائل چند بعدی نیز مفید بوده اند. این مسائل شامل موقعیت هایی بوده که نتایج آنها به بیش از یک عامل ریسک بستگی داشته اند.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

روش های شبیه سازی مونت کارلو تنها می توانند جواب هایی تقریبی در مورد مسائل گوناگون ارائه نمایند. بنابراین همواره مقداری خطا در جواب های حاصله از انها وجود دارد. تلاش در جهت حداقل نمودن میزان خطای پیش گفته موجب بوجود آمدن روش های شبیه سازی مونت کارلوی متنوعی شده است بنابراین بسته به روش های متفاوت مونت کارلو میزان خطا و دقت جواب آنها نیز متفاوت بوده است. ماهیت و نوع مسئله و میزان دقت مورد نیاز عوامل کلیدی جهت انتخاب روش شبیه سازی مونت کارلوی موردنظر بوده است. ( معارفیان، ۱۳۸۹ ،ص ۶۶-۶۸)

۲-۵-۷٫ کاربردهای شبیه سازی مونت کارلو

مسائلی که با بهره گرفتن از روش های متنوع شبیه سازی مونت کارلو قابل حل بوده اند را می توان به دو گروه کلی مسائل قطعی و مسائل احتمالی تقسیم بندی نمود که رویه ها و فرآیندهای مربوط به هر دو گروه بطور مستقیم با فرآیندهای تصادفی در ارتباط بوده اند. در این گونه از مسائل یکی از ساده ترین راه حل ها، استفاده از رویه های مربوط به شبیه سازی مونت کارلو بوده که در آنها در گام اول اعداد تصادفی موجود را مشاهده نموده و سپس در گام بعد به دنبال روشی جهت شبیه سازی مستقیم فرآیندهای تصادفی مربوط به مسئله اولیه بوده ایم و در ادامه راه حلی منطقی و مطلوب از شبیه سازی اعداد تصادفی استنتاج می نماییم.
مطالعه در مورد میزان رشد جمعیت حشرات با در نظر گرفتن فرضیات آماری مشخص در مورد زنده ماندن آنها و مطالعات مربوط به طراحی راکتورهای هسته ای نمونه هایی از مسائل احتمالی بوده که با بهره گرفتن از روش های شبیه سازی مونت کارلو قابل حل بوده اند. این مسائل و مسائلی مانند آنها، مسائلی بوده اند که تا قبل از پیدایش روش های مونت کارلو روش های قابل قبولی جهت حل آنها وجود نداشته است، اما با پیدایش و استفاده از روش های شبیه سازی مونت کارلو این گونه مسائل نیز قابل حل گشته اند.
از سوی دیگر یکی از مهمترین نقاط قوت ریاضیات تئوری، که در آن به دنبال نتیجه گیری و کشف ارتباطات از طریق قیاس های منطقی بوده ایم در مقابل ریاضیات کاربردی و عملی که در آن نتیجه گیری و کشف روابط از طریق مشاهدات متنوع و گسترده حاصل می شود، جامعیت آن بوده است بدین معنی که مسائل مربوط به این شاخه از ریاضیات را می توان با بهره گرفتن از علائم و روابط کلی مطرح و حل نمود. البته مزیت پیش گفته ممکن است این عیب را نیز به همراه داشته باشد که رابطه نهایی تولید شده در مورد این مسائل ممکن است آن چنان پیچیده و مشکل شده باشد که دیگر قابل حل حتی از طریق روش های عددی نیز نباشند.
ایده اصلی مربوط به مسائل قطعی که با بهره گرفتن از روش های شبیه سازی مونت کارلو قابل حل بوده اند نیز مربوط به این گروه از مسائل ریاضی و جهت رفع عیب گفته شده در خصوص این مسائل بوده است. روش های شبیه سازی مونت کارلو با بهره گرفتن از فرآیندهای تصادفی سعی می نمایند جواب هایی قابل قبول برای مسائل قطعی که در ریاضیات تئوری قابل مشاهده بوده است ارائه نمایند و به این ترتیب راه حلی عددی برای این گونه مسائل عرضه نمایند. برای مثال مسئله ای در تئوری الکترومغناطیسی که نیازمند حل با بهره گرفتن از رابطه لاپلاس و با شرایط مرزی مشخصی بوده است نمونه ای از گونه مسائل پیش گفته بوده است که می توان آن را با بهره گرفتن از روش شبیه سازی مونت کارلو حل نمود.
کاربردهای شبیه سازی مونت کارلو بسیار متنوع بوده است، اما در حالت کلی می توان تمامی آنها را در قالب دو گروه مسائل ریاضی ذیل مطرح نمود:

• مسائلی که نیازمند حل مشتقات جزئی بوده است.

• مسائلی که نیازمند حل انتگرال بوده است.

گرچه گستره کاربرد روش های شبیه سازی مونت کارلو بسیار متنوع بوده است، اما با این وجود دو گروه مسائل مطرح شده فوق عمده ترین مسائلی بوده اند که با بهره گرفتن از شبیه سازی مونت کارلو می توانیم آنها را حل نمائیم.
بر اساس قانون قوی اعداد بزرگ که در سال ۱۹۷۱ میلادی توسط فلر مطرح شده است، اگر مقدار N یعنی تعداد اعداد تصادفی انتخاب شده یا تعداد تکرارهای شبیه سازی در روش شبیه سازی مونت کارلو به سمت بی نهایت میل نماید میزان خطای این روش نیز به سمت صفر میل نموده و در این حالت مقدار دقت جواب حاصله از این روش حداکثر بوده است.
دقت روش های شبیه سازی مونت کارلو به صورت نسبتی از مطرح بوده است که در آن مقدار N بیانگر تعداد نقاط تصادفی بوده است. این رابطه نشان می دهد که جهت دستیابی به دقت مورد نیاز بایستی تعداد نقاط تصادفی و به بیانی دیگر تعداد تکرارهای مربوط به شبیه سازی را افزایش داد و هر چقدر این مقادیر را افزایش داد دقت جواب مسئله نیز بیشتر و خطای مربوط به آن کمتر خواهد شد. روش های متعددی مطرح شده اند تا تعداد تکرارهای شبیه سازی در روش های مونت کالو را کاهش داده و در عین حال دقت مورد نیاز را نیز بدست آورند که دو نمونه از روش های مطرح در این خصوص استفاده از روش های کاهش واریانس و استفاده از دنباله های کم پراکنده بوده است. ( معارفیان، ۱۳۸۹ ،ص۷۱-۷۳)

۲-۵-۸٫ مزایا و معایب شبیه سازی مونت کالو

شبیه سازی مونت کالو دارای مزایایی به شرح ذیل بوده است:

• کاربرد آن پس از توسعه برنامه رایانه ای مربوطه آسان بوده و در این خصوص نرم افزارهای متعددی نیز موجود بوده است.

• برخلاف رویکردهای تحلیلی و یا رویکردهایی که راه حل هایی بسته ارائه می نمایند، در شبیه سازی مونت کارلو می توان فرآیندهای تصادفی پیشرفته تر از حرکت هندسی براونی را نیز ملحوظ نمود.

• در شبیه سازی مونت کارلو هیچ مورد و مشکلی برای اداره عوامل ریسک چندگانه ، همبستگی ها و دنباله های پهن وجود نداشته است.

• تعدیل و بهبود روش های شبیه سازی مونت کارلو آسان بوده است.

• برخلاف بسیاری از رویکردهای تحلیلی، در شبیه سازی مونت کارلو هیچ مسئله ای در رابطه با پیچیدگی های مربوط به وابستگی مسیر وجود ندارد.

• می توان از شبیه سازی مونت کارلو برای سبدهایی با ابزارهای ناهمگن و یا پیچیده مانند اوراق مشتقه اعتباری، اوراق بهادار با پشتوانه وام های رهنی و غیره نیز استفاده نمود.

• روش های شبیه سازی مونت کارلو را می توان به طرز قابل ملاحظه ای برای افزایش دقت و یا کاهش زمان محاسبه، پالایش نمود.

• شبیه سازی مونت کارلو می تواندشاخص هایی از دقت نتایج حاصله را نیز مشخص نموده و ارائه نماید. همچنین در این روش برآورد فواصل اطمینان بر اساس شاخص های پیش گفته بسیار ساده بوده است.

• در شبیه سازی مونت کارلو به راحتی می توان دقت نتایج را با افزایش تعداد تکرارها یا به بیان دیگر شبیه سازی ها افزایش داد.

برخی از معایب رویکرد شبیه سازی مونت کارلو عبارت است از:

• به علت تعداد محاسبات زیاد مورد نیاز ممکن است سرعت پاسخگویی آن بسیار کند باشد. خصوصا زمانی که با تعداد زیادی از عوامل ریسک سروکار داریم.

• در برخورد با مسائلی که ابعاد کمی دارند، نسبت به روش های تحلیلی از کارایی کمتری برخوردار بوده است.

• گاهی اوقات درک آنها مشکل بوده و اغلب برای کاربرد آن به مهارت های برنامه نویسی نیاز بوده است.

در نهایت بایستی عنوان نمود که یکی از عمده ترین ایرادات وارده بر روش شبیه سازی مونت کارلو سرعت همگرایی پایین آن بوده که این مسئله سرعت نیل به جواب را در این روش به مقدار قابل توجهی کاهش داده و شبیه سازی ها و تکرارهای متعدد را جهت دستیابی به جوابی قابل قبول ضروری ساخته است. جهت رفع ایراد پیش گفته و افزایش سرعت همگرایی در روش شبیه سازی مونت کارلو از روش های کاهش واریانس استفاده می شود.
روش های کاهش واریانس که دامنه گسترده ای از روش های مختلف مانند متغیرهای نقیض، کنترل نوسانات و نمونه گیری اهمیت را شامل می شوند به دنبال افزایش سرعت همگرایی در روش شبیه سازی مونت کارلو بوده اند. راه حل دیگر جهت بهبود سرعت نیل به جواب، استفاده از روش شبیه سازی شبه مونت کالو بوده است که در آن به جای استفاده از دنباله های تصادفی از دنباله های کم پراکنده استفاده می شود. در این روش تمرکز اصلی بر تولید اعدادی بوده است که بتوانند به صورتی یکنواخت تمام دامنه مسئله را پوشش دهند. ( معارفیان، ۱۳۸۹ ، ص۷۳-۷۴)

فصل سوم: روش تحقیق

۳-۱ مقدمه

از آنجا که متغیر مورد استفاده در این پژوهش یک سری زمانی می باشد، ابتدا باید آزمونهایی برای بررسی ریشه واحد، اثرات آرچ، خودهمبستگی و تشخیص نوع توزیع انجام شود. لذا در این بخش ابتدا چگونگی بررسی سری های زمانی تشریح خواهد شد.سپس نحوه برآورد پارامترهای مدل گارچ و پیش بینی نوسان با بهره گرفتن از این مدل بررسی می شود. در قسمت بعد شیوه انجام شبیه سازی مونت کارلو اعم از نحوه تولید اعداد تصادفی و رابطه مورد استفاده جهت پیش بینی بیان خواهد شد. در نهایت روش های ارزیابی نتایج تحقیق و بررسی معناداری تفاوت پیش بینی های دو روش ذکر شده است.

۳-۲٫ روش گردآوری و تحلیل داده ها

۴-۴-۲- شرکت صالح
شرکت فرآورده های لبنی آمل ( صالح ) سهامی خاص از سال ۱۳۶۷ فعالیت خود را در استان مازندران شهرستان آمل آغاز و هم اکنون در قالب سازمان تشکیلاتی صالح مرکب از:
الف – شرکت فرآورده های لبنی صالح آمل در دو واحد تولیدی

1. 1. کارخانه شماره یکواقع در آمل کیلومتر پنج جاده هراز مقابل سه راهی امامزاده عبدالله (ع) اقدام به تولید،
      ۱-۱ تولید و بسته بندی انواع شیر پاستوریزه

۲-۱ تولید انواع ماست پاستوریزه
۳-۱ تولید انواع خامه پاستوریزه
۴-۱ تولید دوغ بدون گاز پاستوریزه
۵-۱ تولید انواع پنیر پاستوریزه
۶-۱تولید کره پاستوریزه

1. 1. کارخانه شماره دو واقع در آمل شهرک صنعتی امامزاده عبدالله (ع ) فاز یک لاله چهار اقدام به تولید

۱-۲ تولید پنیر پاستوریزه نسبتا چرب بدون آب نمک و پساب خروجی
۲-۲ تولید پنیر پیتزا
۳-۲ تولید انواع بستنی
۴-۲تولید کشک پاستوریزه
۵-۲- بسته بندی کره پاستوریزه در اوران مختلف
فعالیت خود را با پشتوانه ۲۰ سال تجربه و سابقه درخشان و تکیه بر نیروی انسانی کارآمد و بهره وری از آخرین تجهیزات پیشرفته و دانش روز دنیا ادامه می دهد. در اهداف عالیه این شرکت تولید محصولات لبنی با کیفیت برتر مسجل شده است تا خدمتگذاری صادق در جلب رضایت مصرف گنندگان بوده و دامنه عرضه محصولات خودرا وسعت بخشد.
ب – شرکت ژرف شیر صالح سهامی خاص
دامداری ۳۰۰ راسی گاو شیری در زمینی به وسعت پنج هکتار واقع در آمل جاده امامزاده عبدالله (ع) مقابل شرکت دیزل با تکنولوژی روز دنیا در تولید مستقیم شیر خام گاو، به منظور حرکت بسوی وابستگی کمتر.
ج – شرکت نیما پلاست سهامی خاص
مشارکت جمعی با سایر واحدهای لبنی استان در ساخت ظروف بسته بندی مورد نیاز در جهت کاهش هزینه های آن، شرکت فرآورده های لبنی آمل- صالح- بعنوان یکی از تولیدکنندگان فرآورده های لبنی در ایران با دور اندیشی و نگاهی کارشناسانه به اهمیت و جایگاه کیفیت در استراتژی تشکیلاتی خود، سیستم مدیریت کیفیت بر مبنای استاندارد ISO 9001 : 2008 توﺃم با مدیریت رسیدگی به شکایات و پیشنهادات مشتریان از ISO 10002 : 2004را الگوی مناسبی برای افزایش کیفیت و بهبود مستمر رضایت مندی مشتریان خود برگزیده است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

این شرکت با بهره گرفتن از تجارب کارشناسان خبره و مشاوران ذیصلاح در کلیه امور مربوط به پروسه تولید با بهره وری از دستگاه های تمام اتوماتیک و تجهیزات پیشرفته توانسته است بهترین محصولات لبنی با کیفیت ارزنده را تولید کند. در راستا و در سایه تلاش و کوشش مستمر مدیران مدبر و دلسوز دارای نشان استاندارد ایران و برخورداری از امتیاز I.S.O.2001 در مدیریت کیفیت شده است(منبع: سایت شرکت)

پیوست شماره ۲ :
پرسشنامه بومی سازی
بسمه تعالی
دانشگاه علاّمه طباطبایی
دانشکده مدیریت و حسابداری
پرسشنامه بومی سازی چارچوب مفهومی طرح پژوهشی (پایان نامه کارشناسی ارشد)
نام موضوع : ارزیابی پایداری در زنجیره تأمین در صنعت تولید فرآورده های لبنی استان مازندران
پاسخگوی گرامی
با اهدای سلام و احترام
پایداری در زنجیره تأمین به عنوان بحثی جدید و بسیار تأثیرگذار چندی است که توجه محققین حوزه مدیریت زنجیره تأمین را به خود معطوف ساخته است. ارزیابی که شامل جنبه های پایداری است،متفاوت از ارزیابی عملکرد سنتی و تجارت محور می باشد. هنگامی که ابعاد پایداری در نظر گرفته می شوند، دامنه ارزیابی باید توسعه داده شود. توسعه پایدار علاوه بر ابعاد اقتصادی، ابعاد زیست محیطی و اجتماعی را نیز در در بر می گیرد. زنجیره تأمین مواد غذایی، موضوع پژوهش حاضر، از پیچیده ترین و بزرگترین بخش های صنعت در جهان می باشد که تضمین ایمنی و کیفیت در آن همیشه از بالاترین اولویت برخوردار بوده است.
پرسشنامه ای که پیش رو دارید با هدف ارزیابی میزان پایداری زنجیره تأمین مواد غذایی در شرکت های تولیدی فرآورده های لبنی در استان مازندران و به منظور بومی سازی چارچوب مفهومی تحقیق توسط کارشناسان خبره طراحی شده است.
جنابعالی به عنوان کارشناس خبره این تحقیق در نظر گرفته شده اید. لذا صمیمانه از شما درخواست می شود به پرسش های پرسشنامه پیش رو پاسخ فرمایید. بدیهی است اطلاعات شما محرمانه تلقی شده و نتایج این مطالعه، در صورت تمایل شما، در اختیارتان خواهد گرفت .پیشاپیش قدردان دقت، حوصله و وقتی که به این منظور صرف می نمایید بوده و از پاسخ های صادقانه ی شما سپاسگزاریم.
با تقدیم احترام
جهانیار بامداد صوفی^[۲۱۷] – محمد هادی زاده اندواری^[۲۱۸]

تجمع صنایع
زیر ساخت
رقابت و همکاری
تقاضا و بازاریابی
نیروی انسانی
شبکه تامین
صنعت لبنی
صنعت آرد
صنعت فرش دستباف
صنایع دستی
صنعیت ادوات کشاورزی
صنعت پرورش طیور
شکل۱-۳ مدل تحقیق
۱۰-۳ شیوه تجزیه و تحلیل داده ­ها
۱-۱۰-۳ فرایند تحلیل شبکه ای ANP^[125]
ساعتی در سال ۱۹۹۶ روشی را برای تصمیم ­گیری چندمعیاره ارائه کرده است که این روش فرایند تحلیل شبکه یا به اختصار ANPنامیده شده است و هدف از ارائه آن ساختن مدلی می­باشد که از طریق آن بتوان مسائل پیچیده تصمیم ­گیری چندمعیاره را به صورت اجزای کوچک­تر تجزیه کرده و بواسطه­ی مقدار دهی به اجزا و ساده­تر و سپس ادغام این مقادیر تصمیم ­گیری نهایی را انجام داد. روش ANPشکل توسعه یافته­ای ^[۱۲۶]AHPاست که قادر است همبستگی­ها و بازخورهای موجود بین عناصر موثر در یک تصمیم ­گیری را مدل­سازی نماید، و تاثیر تمامی تاثیرات درونی اجزای موثر در تصمیم ­گیری را منظور و وارد محاسبات نماید. لذا به واسطه این ویژگی، این تکنیک متمایز و برتر از مدل­های قبلی مربوطه می­باشد. روش ANPدارای دو قسمت اصلی است که این دو قسمت را در یک فرایند ادغام می­نماید. قسمت اول شامل دسته­هایی مرکب از ملاک­هایی کنترلی و زیر ملاک­ها و نیز دسته­ی جایگزین­های داوطلب می­باشد و قسمت دوم شبکه­ ای از بردارها و کمان­ها که نشان دهنده وابستگی­ها و همبستگی­ها و نیز بازخورهای موجود در سیستم تصمیم ­گیری است، می­باشد. این روش در نهایت بر پایه انجام مقایسات زوجی که مشابه با مقایسات زوجی انجام گرفته در روش AHPاست، می­باشد. فرایند تحلیل شبکه­ ای را می­توان کامل­ترین روش تصمیم ­گیری چند معیاره نامید که تا کنون ارائه شده است.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

مرحله اول: ساخت مدل و تبدیل مسئله( موضوع ) به یک ساختار شبکه
مسئله باید به طور آشکار و روشن به یک سیستم منطقی، مثل یک شبکه تبدیل شود. در این مرحله مسئله مورد نظر به یک ساختار شبکه­ ای که در آن گره­ها به عنوان خوشه ­ها مطرح هستند، تبدیل می­ شود. عناصر درون خوشه ممکن است با یک یا تمامی عناصر خوشه­های دیگر ارتباط داشته باشند.
مرحله دوم: تشکیل ماتریس دودویی و تعیین بردارهای اولویت
مشابه مقایسه­های دودویی که در AHPانجام می­ شود. عناصر تصمیم در هر یک از خوشه ­ها بر اساس میزان اهمیت آنها در ارتباط با معیارهای کنترلی دو به دو مقایسه می­شوند. خود خوشه ­ها نیز بر اساس نقش و تاثیر آنها در دستیابی به هدف دوبه­دو مقایسه می­شوند. تصمیم­ گیران در مورد مقایسه دودویی عناصر و یا خود خوشه ­ها دو به دو باید تصمیم ­گیری کنند. علاوه بر این، وابستگی­های متقابل بین عناصر یک خوشه نیز باید دو به دو مورد مقایسه قرار گیرد. در این قسمت بردار اهمیت داخلی محاسبه می­ شود که نشان­گر اهمیت نسبی عناصر یا خوشه­هاست، که از طریق رابطه زیر بدست می ­آید.
AW= W
که در آن A ماتریس مقایسه دو دویی معیارها، w بردار ویژه (ضریب اهمیت) ، بزرگترین مقدار ویژه عددی است.
مرحله سوم: تشکیل سوپر ماتریس و تبدیل آن به سوپر ماتریس حد
برای دستیابی به اولویت های کلی در یک سیستم با تاثیرات متقابل ، بردارهاب اولویت داخلی ( یعنی w های محاسبه شده) در ستون های مناسب یک ماتریس وارد می شوند. در نتیجه یک سوپرماتریس ( در واقع یک ماتریس تقسیم بندی شده) که هر بخش از این ماتریس ارتباط بین دو خوشه را نشان می دهد، بدست می آید.
به این نوع ماتریس ،سوپر ماتریس اولیه می گویند. با جایگزینی بردار اولویت های داخلی ( ضرایب اهمیت) عناصر و خوشه های سوپر ماتریس اولیه، سوپر ماتریس ناموزون بدست می آید. در مرحله بعد ، سوپر ماتریس موزون از طریق ضرب ماتریس ناموزون در ماتریس خوشه ای محاسبه می شود. سپس از طریق نرمالیزه کردن سوپر ماتریس موزون ، سوپر ماتریس از حالت ستونی به حالت تصادفی تبدیل می شود. در مرحله سوم ، سوپر ماتریس حد با به توان رساندن تمامی عناصر سوپرماتریس موزون تا زمانی که واگرایی حاصل شود یا به عبارت دیگر تمامی عناصر همانند شوند، محاسبه می شود:
مرحله چهارم: انتخاب گزینه برتر
اگر سوپر ماتریس تشکیل شده در مرحله سوم، کل شبکه رتتا در نظر گرفته باشد، یعنی گزینه ها نیز در سوپر ماتریس لحاظ شده باشند، اولویت کلی گزینه ها از ستون مربوط به گزینه ها در سوپر ماتریس حد نرمالیزه شده قابل حصول است. گزینه ای که بیشترین اولویت کلی را داشته باشد به عنوان برترین گزینه برای موضوع مورد نظر انتخاب می شود ( زبردست ۱۳۸۹)
در تحقیق انجام شده با توجه به اینکه شاخص های موجود برای تشکیل خوشه های صنعتی رابطه اخلی با یکدیگر دارند، برای رتبه بندی خوشه های صنعتی از روش ANP استفاده شده است.
۲-۱۰-۳ تکنیک آنتروپی
آنتروپی^[۱۲۷] یک مفهوم عمده در علوم فیزیکی، علوم اجتماعی، و تئوری اطلاعات می باشد، به طوری که نشان دهنده مقدار عدم اطمینان^[۱۲۸] موجود از محتوای مورد انتظار اطلاعاتی از یک پیام است. به لفظ دیگر، آنتروپی در تئوری اطلاعات معیاری است برای مقدار عدم اطمینان بیان شده توسط به طوریکه این عدم ( Pі ) یک توزیع احتمال گسسته اطمینان در صورت پخش بودن توزیع بیشتر از فراوانی این عدم اطمینان به صورت (SHANNON) . تیزتر باشد محاسبه E ذیل تشریح می شود ( ابتدا ارزشی ر ا با نماد مینمائیم):
E S { }= -K ln p_i ]
به طور ی که K یک ثابت مثبت است به منظور تامین ۰ £ E £ ۱ . E از توزیع احتمال Pі بر اساس مکانیزم آماری محاسبه شده و مقدار آن در صورت تساوی Pі ها با یکدیگر( یعنی = Pі ) ماکزیمم مقدار ممکن خواهد بود، بدین صورت :
-K ln p_i = -k {ln +ln + ln +……+ln { = -k {(ln )( { = – k ln
یک ماتریس تصمیم گیری از مدل MADM حاوی اطلاعاتی است که آنتروپی م تواند به عنوان معیاری برای ارزیابی آن به کار رود. یک ماتریس تصمیم گیری را به صورت زیر در نظر می گیریم.(اصغر پور ،۱۳۷۷)
x₁ x₂ x₃₁
A₁
A_2
.
A_n
زمانی که ماتریس تصمیم گیری معلوم باشد ، به جای استفاده از DM و گرفتن نظرات وی در خصوص مقایسات دو به دوی مشخصه ها مطابق روش ساعتی، می توان مستقیماً وزن های هر مشخصه را محاسبه نمود( ماکویی، ۱۳۸۶).
محتوای اطلاعاتی موجود از این ماتریس را ابتدا به صورت نرمالیزه شده (P_ij) در ذیل محاسبه می کنیم.
P_ij = ;
و برای E_{j از} مجموعه P_ij به ازای هرمشخصه خواهیم داشت:
E_j =-K ln p_i ] ;
به طوری که k = است.
اینک عدم اطمینان یا درجه انحراف معیار از اطلاعات ایجاد شده به ازای شاخص J ام بدین قرار است: