سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

مدل‌سازی تصمیم‌گیری چندمعیاره در سیستم‌های صنعتی با تأکید بر انتخاب ابزار هوشمند تحلیل داده

Authors :

مهتاب شرافتی¹

1- دانشگاه آزاد اسلامی

Keywords :

تصمیم‌گیری چندمعیاره،روش سوآرا،روش آراس،انتخاب ابزار تحلیل داده،سیستم‌های صنعتی،ارزیابی تأمین‌کننده

Abstract :

در محیط‌های صنعتی پیچیده و رقابتی امروز، تصمیم‌گیری دقیق در انتخاب ابزارهای تحلیلی به یکی از چالش‌های راهبردی تبدیل شده است. این پژوهش با هدف مدل‌سازی یک چارچوب تصمیم‌گیری چندمعیاره برای انتخاب ابزار مناسب تحلیل داده جهت ارزیابی عملکرد تأمین‌کنندگان ارائه می‌شود. چارچوب پیشنهادی با بهره‌گیری از دو روش سوآرا و آراس طراحی شده است؛ به‌گونه‌ای که سوآرا با اتکا بر قضاوت خبرگان و ساختار مرحله‌ای خود، امکان وزن‌دهی دقیق به معیارها را فراهم می‌سازد و آراس با برخورداری از الگوریتمی شفاف و افزایشی، رتبه‌بندی عملیاتی گزینه‌ها را تسهیل می‌کند. چارچوب ارائه‌شده از نظر اجرایی ساده، منعطف و قابل‌تعمیم به سایر مسائل تصمیم‌گیری صنعتی است. مطالعه موردی در صنعت نساجی انجام شده و طی آن هشت ابزار نرم‌افزاری تحلیل داده با درنظرگرفتن مجموعه‌ای از معیارهای فنی، اقتصادی، و پایداری مورد ارزیابی قرار می گیرند. نتایج مدل ترکیبی نشان می‌دهد ابزارهایی که تمرکز بیشتری بر هوشمندی تحلیلی و ملاحظات محیط‌زیستی دارند، از اولویت بالاتری برخوردارند. یافته‌های این پژوهش نشان می‌دهد که استفاده از رویکردهای شهودی، منعطف و قابل‌اجرا مانند سوآرا و آراس می‌تواند راهکار مؤثری برای حل مسائل تصمیم‌گیری پیچیده در سیستم‌های صنعتی باشد.

Papers List

List of archived papers

Recovery of Hand Motor Function in Children with ‎Hemiparetic Cerebral Palsy using an Interactive ‎Computer Game Combined with Mechanoreceptor ‎Stimulation: A Pilot Study

Mobina Ramezani - Shahed Salehzehi - Parisa Hosseini - Zahra Alizadeh Sarborj - Ghazal Mohammadzadeh - Hamid Reza Kobravi - Narges Hashemi - Mehran Beiraghi Toosi - Javad Akhondian

EEG-based Schizophrenia Detection Using Spectral, Entropy, and Graph Connectivity Features with Machine Learning

Nazila Ahmadi Daryakenari - Seyed Kamaledin Setarehdan