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

صفحه اصلی / 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

نویسندگان :

مهتاب شرافتی¹

1- دانشگاه آزاد اسلامی

کلمات کلیدی :

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

چکیده :

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.

لیست مقالات

لیست مقالات بایگانی شده

Vibration-Based Assessment of Dental Implants: A Finite Element Study on Bone Quality and Boundary Conditions

Fatima Wayzani - Mohammadjavad (Matin) Einafshar - Ata Hashemi

Fibroglandular Tissue Classification in Breast MRI: A Comparative Study of Automated Decision Strategies

Meysam Khalaj - Arvin Arian - Ala Torabi - Nasrin Ahmadinejad - Masoumeh Gity - Seyedeh Nooshin Miratashi Yazdi - Mohammad Pooya Afshari - Melika Sadeghi Tabrizi - Hamid Soltanian-Zadeh

A Comprehensive Review of Machine Learning Techniques for Automatic Skin Disease Detection

Mahdie Naseri - Azita Shirazipour - Seyed Javad Mirabedini

Predicting Sleep Efficiency and Apnea Index Using ECG-Derived and Sleep Quality Features: A Machine Learning Approach

Mahla Khodaverdi - Raheleh Davoodi