ارزیابی جامع عملکرد صنایع پیشرفته با فناوری بالا با استفاده از روش‌های تحلیل پوششی داده‌ها، تحلیل سلسله‌مراتبی و تکنیک‌های یادگیری ماشین
الموضوعات : یافته های نوین کاربردی و محاسباتی در سیستم های مکانیکی
1 - Islamic Azad University, Abadan Branch, Abadan, Iran
الکلمات المفتاحية: تکنولوژی, تحلیل پوششی داده‌ها, تحلیل سلسله‌مراتبی, یادگیری ماشین, شبکه‌های عصبی مصنوعی.,
ملخص المقالة :
در این مقاله، به ارزیابی کارایی و بهره‌وری ده صنعت پیشرفته با فناوری بالا استفاده از روش‌های تحلیل پوششی داده‌ها، تحلیل سلسله‌مراتبی و یادگیری ماشین پرداخته شده است. همچنین معیارهای ورودی شامل سرمایه‌گذاری تحقیقاتی، نیروی انسانی متخصص و هزینه‌های عملیاتی و معیارهای خروجی شامل میزان درامد سالانه وپتنت‌ها تعیین شدند. از تحلیل سلسله‌مراتبی برای محاسبه وزن‌های نسبی معیارها استفاده و سپس مدل‌های CCR وBCC برای ارزیابی کارایی نسبی واحدها به‌کار گرفته شدند. برای افزایش دقت پیش‌بینی، الگوریتم‌های یادگیری ماشین نظیر شبکه‌های عصبی مصنوعی و درخت تصمیم به‌کار رفتند. نتایج نشان داد که در مدل CCR شش واحد و در مدل BCC هشت واحد به‌عنوان واحدهای کارا شناسایی شدند. مدل شبکه‌های عصبی مصنوعی با دقت ۹۵٪ کارایی واحدها را پیش‌بینی کرد. تحلیل‌ها نشان داد که سرمایه‌گذاری تحقیقاتی و تعداد مقالات علمی بیشترین تأثیر را بر کارایی دارند. این پژوهش رویکردی ترکیبی برای ارزیابی و بهبود عملکرد در صنایع پیشرفته ارایه می‌دهد و می‌تواند به مدیران و سیاست‌گذاران در تخصیص بهینه منابع و اتخاذ تصمیمات استراتژیک کمک کند.
[1] Armour, A.F., (2015). Achieving contextual ambidexterity through the implementation of high performance work systems (HPWS), Georgia State University.
[2] Bos, J.W.B., Kolari, J.W.,Van Lamoen, R.C.R., (2013). Competition and Innovation: Evidence from Financial Services,Journal of Banking & Finance, 37, pp 1590-1601.
[3] Banker, R. D., Charnes, A., Cooper, W. W., (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis, Management Science, 30(9), pp 1078-1092.
[4] Liu, J., Wang, Y.M., (2008). An integrated AHP–DEA methodology for bridge risk assessment, Computers & industrial engineering3(4), pp 23-34,
[5] Coper, B., (2011). A fuzzy analytic hierarchy process (AHP)/data envelopment analysis (DEA) hybrid model for efficiently allocating energy R&D resources, Journal of Technology Management2(6). PP.33-42.
[6] Charnes, A., Cooper, W. W., Rhodes, E., (1978). Measuring the efficiency of decision-making units. European Journal of Operational Researh, 2(6), pp 429-444.
[7] Saaty, T. L., (1980). The Analytic Hierarchy Process. McGraw-Hill.
[8] Sayardoost, S., Tabrizi, K., Yakideh, Moradi, M., (2024). Inputs and Outputs Selection of Data Envelopment Analysis to Evaluate the Performance of Regional Electricity Companies in Iran by Neural Network, Iranian journal of DEA 2(5), pp 54-62.
[9] Shrestha, Y. R., Krishna, V., Von Krogh, G., (2021). Augmenting organizational decision-making with deep learning algorithms: Principles, promises, and challenges. Journal of Business Research, 123, pp 588–603.
[10] Goodfellow, I., Bengio, Y., Courville, A., (2016). Automated Brain Tumor Segmentation on Multi-MR Sequences to Determine the Most Efficient Sequence using a Deep Learning Method Deep Learning. MIT Press.
[11] Lee, S.K., Mogi, G., Hui, K.S., (2013). Renewable and Sustainable Energy Reviews 2(4), pp 52-66.
[12] Abdollahdokht, D., Gao, Y., Faramarz, S., Poustforoosh, A., Abbasi, M., Asadikaram, G., Nematollahi, M. H. (2022). Conventional agrochemicals towards nano-biopesticides, An overview on recent advances, Chemical and Biological Technologies in Agriculture, 9(1), pp 1-19.
[13] Kalantary, M., Farzipoor Saen, R., (2019). Assessing sustainability of supply chains: An inverse network dynamic DEA model. Computers & Industrial Engineering, 135, pp 1224–1238.
[15] Cao, Y., Zhao,L., (2013). Analysis of patent management effects on technological innovation performance. Baltic Journal of Management, 8(3), pp 286-305
[16] Smith, J., Doe, A., Brown, B., (2020). The impact of research and development investment on organizational efficiency. Journal of Technology Management, 35(2), pp 123-135.
[17] Ernst, D., Lee, H., Kwak, J., (2014). Standards, innovation, and latecomer economic development: Conceptual issues and policy challenges. Telecommunications Policy, 38(10), pp 853-862.
