تحلیل عوامل حیاتی موفقیت طرح های جدید تولیدی خودرو سازان و پیش بینی تحقق آنها با تلفیق روش‌های تحلیل عاملی و سیستم عصبی- فازی تطبیقی
محورهای موضوعی : مدیریت
علی بردیده
1
(دانشگاه آزاد اسلامی واحد تبریز)
ناصر فقهی فرهمند
2
(دانشگاه ازاد تبریز)
مجتبی رمضانی
3
(استادیار گروه مدیریت، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران)
یعقوب علوی متین
4
(استادیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران)
کلید واژه: تحلیل عاملی, شاخصهای پیش بینی موفقیت, سیستم عصبی- فازی تطبیقی, طرح های جدید سرمایه گذاری خودرو سازی.,
چکیده مقاله :
هدف پژوهش تحلیل عوامل حیاتی موفقیت طرح های جدید تولیدی خودرو سازان و پیش بینی تحقق آنها با تلفیق روش‌های تحلیل عاملی و سیستم استنتاج عصبی- فازی تطبیقی بوده است این تحقیق از نظر هدف کاربردی و از نظر روش انجام تحقیق، توصیفی پیمایشی بوده است. جامعه آماری پژوهش در دو بخش بوده است. در بخش اول که به شناسایی عوامل حیاتی موفقیت اختصاص داشته، شامل 80 نفر از کارشناسان و خبره های صاحب نظر با نمونه 66 نفری و جامعه آماری مربوط به استفاده از شبکه های عصبی چند لایه شامل 250 طرح سرمایه گذاری موفق و ناموفق( کلیه طرح های اجرا شده از سال 1390) در صنایع خودرو سازی بوده است. بر اساس نتایج بدست آمده ،شش عامل اصلی با 40 شاخص مرتبط پیش بینی کننده موفقیت طرح های جدید سرمایه گذاری خودرو سازی شناسایی و بعد از توصیف متغیرها و آزمون نرمال بودن، با استفاده از تحلیل عاملی تاییدی متغیرها صورت گرفت که همگی عوامل از تحلیل عاملی تاییدی مناسبی برخوردار بودند سپس با استفاده از رگرسیون خطی و آزمون آنالیز واریانس تاثیر هر یک از عوامل بر موفقیت طرح های جدید سرمایه گذاری خودرو سازی بررسی گردید که نتایج این آزمون نشان دهنده تایید تاثیر هر یک از عوامل بوده است و در ادامه نتایج نشان دهنده این بود که مدل سیستم عصبی- فازی تطبیقی طراحی شده قدرت پیش بینی موفقیت طرح های جدید سرمایه گذاری را با خطای کمتر از 5 درصد دارا بوده است که نشان دهنده ی قدرت پیش بینی بالای مدل است.
The purpose of the research was to analyze the critical success factors of the new production plans of car manufacturers and to predict their realization by combining factor analysis methods and adaptive neural-fuzzy inference system. . The statistical population of the research was in two parts. In the first part, which is dedicated to identifying the critical factors of success, including 80 experts and experts with a sample of 66 people and the statistical population related to the use of multilayer neural networks, including 250 successful and unsuccessful investment projects (all projects implemented since 1390) has been in the automotive industry. Based on the results obtained, six main factors with 40 related indicators predicting the success of new investment projects in the automotive industry were identified and after describing the variables and testing the normality, using the confirmatory factor analysis of the variables, all the factors were from the factor analysis. had a suitable confirmation, then using linear regression and analysis of variance test, the effect of each factor on the success of new investment projects in the automobile industry was investigated, and the results of this test showed the confirmation of the effect of each factor, and in the following, the results show It was that the designed adaptive neural-fuzzy system model had the power to predict the success of new investment plans with an error of less than 5%, which shows the high predictive power of the model.
