الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 48000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
MCDM با QFD با TOPSIS سیستم مدیریت دانش
شماره
۲۰۴
کد مقاله
MNG204
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
روش جدید MCDM با ترکیب QFD با TOPSIS برای انتخاب سیستم مدیریت دانش از دیدگاه کاربر در محیط فازی شهودی
نام انگلیسی
A new MCDM method combining QFD with TOPSIS for knowledge management system selection from the user’s perspective in intuitionistic fuzzy environment
تعداد صفحه به فارسی
۴۲
تعداد صفحه به انگلیسی
۱۰
کلمات کلیدی به فارسی
تصمیم گیری چند معیاره, انتخاب سیستم مدیریت دانش, استقرار تابع هدف, تاپسیس
کلمات کلیدی به انگلیسی
Multiple criteria decision making, Knowledge management system selection,
Quality function deployment, TOPSIS
مرجع به فارسی
رایانش نرم کاربردی
کالج مدیریت تجاری، دانشگاه نفت چین
الزویر
مرجع به انگلیسی
Applied Soft Computing; chool of Business Administration, China University of Petroleum, Beijing China; b School of Economics and Management, Beihang University, Beijing China; Elsevier
کشور
چین
MCDM با QFD با TOPSIS سیستم مدیریت دانش
روش جدید MCDM با ترکیب QFD با TOPSIS برای انتخاب سیستم مدیریت دانش از دیدگاه کاربر در محیط فازی شهودی
چکیده
یکی از عوامل بحرانی و حساس برای مدیریت دانش سازمانی، سیستم مدیریت دانش (KMS) می باشد. برای کمک به ارزیابی و انتخاب KMS از دیدگاه کاربر، روش تصمیم گیری چند معیاره جدید (MSDM) با ترکیب با استقرار تابع کیفیت (QFD) با تکنیک ترجیح سفارش با تشابه به یک راه حل ایده آل (TOPSIS) در محیط فازی شهودی پیشنهاد شده است. در روش پیشنهادی، برای انتخاب KMS به معیارهای مشتری و معیارهای سیستم نیاز می باشد. این دو نوع معیار به ترتیب از دیدگاه کاربر و دیدگاه طراح مشخص شده اند. مشتریان ایده های زبان شناسی شان را در مورد اهمیت معیارهای مشتری و رتبه بندی های جایگزین نسبت به معیار مشتری مطرح می کنند. تحلیل گران ایده های زبان شناختی شان را در مورد رابطه بین معیارهای مشتری و معیارهای سیستم و همبستگی بین معیارهای سیستم مطرح می کنند. پس از ادغام ایده های زبان شناختی در محیط فازی شهودی، با کمک QFD، ایده های مشتریان به رتبه بندی معیارهای سیستم و رتبه بندی آلترناتیوهای مربوط به معیارهای سیستم تبدیل می شود. سپس، آنها طبق معیارهای سیستم با روش TOPSIS در محیط فازی شهودی رده بندی شده و بهترین جایگزین تعیین می گردد. در پایان برای تشریح قابلیت کاربرد روش پیشنهادی، یک مثال مطرح می شود.
کلمات کلیدی: تصمیم گیری چند معیاره، انتخاب سیستم مدیریت دانش، استقرار تابع هدف، TOPSIS.
MCDM با QFD با TOPSIS سیستم مدیریت دانش
۱- مقدمه
سیستم مدیریت دانش (KMS) به سیستم اطلاعات کامپیوتری بکار رفته برای حفظ و کاربرد هرچه بهتر دانش سازمانی و همچنین پشتیبانی از کاربرد دانش در سازمان ها و بین آنها اشاره می کند. سازمان ها منابع قابل ملاحظه ای را صرف پیاده سازی KMS می نمایند تا بدین طریق به مدیریت دانش کمک نمایند. با این حال، مشتریان در سازمان ها نیازمندیهای KMS گوناگونی دارند و بسیاری از چنین سرمایه گذاریهایی به خاطر عدم تطابق بین KMS و نیازمندیهای مشتریان، با حصول نتایج کمتر مطلوبی خاتمه می یابند. بنابراین، انتخاب بهترین KMS برای مدیریت دانش، وظیفه ای بحرانی و حساس می باشد. از آنجایی که ارزیابی KMS از دیدگاههای مختلف وظیفه ای پیچیده است، در نتیجه شیوه های زیادی برای کمک به تصمیم گیرندگان در جهت ارزیابی و انتخاب KMS پیشنهاد شده است. به طور مثال، Wang [10] و Wang و Jiang [11] روش ارزیابی یکپارچه ای برای KMS بر اساس اپراتورهای سمبول و نماد زبانشناختی پیشنهاد کردند.
در روشهای پیشنهادی، معیارها برحسب عملکرد ، تابع، هزینه ، محیط و دیدگاههای بشریت و مردمی ساخته شده اند. Liu و Peng [12] و Ngai و Chan [13] از روش AHP فازی برای ارزیابی KMS استفاده می کنند. در تحقیق قبل، KMS از دیدگاههای تابع، ارزش، منفعت، عملیات و عملکرد مورد ارزیابی قرار گرفته است. در تحقیق بعدی، KMS از دیدگاههای هزینه، تابعیت و فروشنده مورد ارزیابی قرار گرفته است. Yu [14] KMS را از دیدگاههای عملکرد، تابع، کاربرد و ارزش مورد ارزیابی قرار داد. در روش پیشنهادی، برای مقایسه آلترناتیوها، مدل ماده- عنصر توسعه یافته است.
این تحقیقات روند ارزیابی و انتخاب KMS را تسهیل می نمایند. اکثر معیارها من جمله جستجوی کامل متن، کنترل ورژن و عامل از دیدگاههای طراح ساخته شده اند. طراحان نحوه انجام وظایف با فناوری اطلاعات (IT) را مد نظر قرار می دهند. رویکردهای آنها بیشتر بر IT و پارامترهای مرتبط با IT تاکید می کند. معیارهای مذکور بازتابی از خصوصیات ذاتی KMS بوده و با تصمیم گیرندگان ماهر در امر IT تناسب و برازش دارند. با این حال، اکثر تصمیم گیرندگان به ویژه مشتریان با IT آشنایی ندارند. آنها تنها نگران نیازمندیهایشان هستند. رویکردهای آنها بیشتر بر میزان تامین نیازمندیها با KMs تاکید می کند. به طور مثال، مشتریان به یافتن دانش به شکلی راحت توجه می کننداما به چگونگی دستیابی به آن توجه نمی کنند.تحلیل گران بیشتر نگران منطق نقشه دانش و صحت موتور جستجو هستند که ابزارهای یافتن دانش می باشند.
رئوس مقاله حاضر به شرح ذیل می باشد. بخش بعدی مفاهیم پایه مجموعه های فازی شهودی، QFD، و TOPSIS را مرور می کند. بخش ۳ روش جدید MCDM را توسعه می دهد. در بخش ۴ برای تشریح قابلیت کاربرد روش پیشنهادی، یک مثال مطرح شده است. بخش پایانی نتایج را مطرح می کند.
MCDM با QFD با TOPSIS سیستم مدیریت دانش
۲- اصول مقدماتی
۲ مجموعه های فازی شهودی
تعریف ۱٫ مجموعه های فازی شهودی (IFS)A در مجموعه متناهی X را می توان به صورت زیر نوشت:
که با تابع عضویت و با تابع عدم عضویت مشخص می شود، در اینجا با شرط صدق می کند. پارامتر سوم A، است که معروف به شاخص فازی شهودی یا درجه تردید در مورد تعلق یا عدم تعلق x به A می باشد:
۲- ۲ QFD
QFD ابزاری است که از برنامه ریزی و تحقق محصولات برای توسعه محصول مبتنی بر نیازمندیهای مشتریان پشتیبانی می کند. آن صدای مشتری را در جستجوی بهترین راه حل های طراحی و توسعه محصولات مستقر می نماید. در جریان کاربرد مدل QFD، معمولاً از نمونه مدل چهار مرحله ای (فاز) QFD استفاده می شود. این فازها از برنامه ریزی نیازمندیهای مشتریان، خصوصیات محصول، استقرار، کنترل کیفیت و فرایند و دستورالعمل عملیاتی تشکیل می شوند.
در مطالع، بر فاز برنامه ریزی نیازمندیهای مشتریان تاکید می کنیم که نیازمندیهای مشتریان را به خصوصیات مهندسی تبدیل می کند. این فاز با ماتریکس برنامه ریزی نیازمندیهای مشتریان توصیف و مشخص می شود. ماتریکس نیازمندیهای مشتریان که همچنین معروف به خانه کیفیت (HOQ) است، مرحله اول پژوهش نیازمندیهای مشتریان می باشد. HOQ از شش بخش تشکیل شده است که در شکل ۱ نشان داده شده است. بخش A نشان دهنده نیازهای مشتریان (CR) می باشد که مبنای HOQ می باشد، زیرا بر سایر بخشها تاثیر گذار می باشد. نیازمندیهای مشتری در مطالعه به عنوان معیار مشتری در نظر گرفته شده است. بخش B نشان دهنده وزن CR می باشد. بخش C نشان دهنده خصوصیات مهندسی (EC) است که نشان می دهد سیستم به چه نحو CR را تامین می نماید. خصوصیات مهندسی در مطالعه به عنوان معیار سیستم در نظر گرفته شده است.
MCDM با QFD با TOPSIS سیستم مدیریت دانش
۲ TOPSIS
روش TOPSIS در اصل توسط Hwang و Yoon [23] برای شناسایی و تشخیص راه حل ها از مجموعه محدودی از آلترناتیوها پیشنهاد شده است. آن در محیط فازی شهودی توسعه یافته است.
اصل پایه آن است که آلترناتیو انتخاب شده باید دارای کوتاهترین فاصله از راه حل ایده آل مثبت و دورترین فاصله از راه حل ایده آل منفی باشد. روش TOPSIS را می توان در مراحل زیر بیان نمود:
مرحله ۱ محاسبه ماتریکس تصمیم نرمال شده. مقدار نرمال شده به صورت زیر محاسبه می شود:
MCDM با QFD با TOPSIS سیستم مدیریت دانش
۴- مثالهای عددی
فرض کنید یک موسسه طراحی هواپیمایی وجود دارد که برای تجمع و استفاده مجدد از دانش پراکنده، شدیداً نیازمند KMS می باشد. برای یافتن بهترین KMS، پنج KMS که به ترتیب با ، و نشان داده می شوند، باید مورد ارزیابی قرار بگیرند. از طریق آنالیز نتایج پرسشنامه و مصاحبه، چهار معیار مشتری و پنج معیار سیستم شناسایی می شود. معیارهای مشتری عبارتنداز: یافتن دانش ، ذخیره دانش ، به اشتراک گذاشتن دانش و پشتیبانی شخصی . معیارهای سیستم عبارتنداز: ذخیره دانش ، نقشه دانش ، توصیه دانش ، جستجوی دانش و جامعه دانش .
تصمیم گیرندگان شامل سه کاربر به نامهای و و سه تحلیلگر سیستم در شرکت توسعه نرم افزار به نامهای و می شوند. آنها همگی از اصطلاحات زبانشناختی جدول ۱ برای بیان رجحانهایشان استفاده می کنند. ابتدا، لازم است سه کاربر ایده هایشان را در مورد وزن معیارهای مشتری مطرح کنند و سپس دعوت به استفاده از پنج آلترناتیو می شوند. در ادامه آنها بایستی آلترناتیوها را نسبت به معیارهای مشتری از دیدگاه کاربر، از لحاظ زبان شناختی رتبه بندی نمایند. در این راستا سه تحلیلگر سیستم باید رابطه بین معیارهای مشتری و معیارهای سیستم و همبستگی بین معیارهای سیستم را از لحاظ زبان شناختی رتبه بندی نمایند.
MCDM با QFD با TOPSIS سیستم مدیریت دانش
۵- مباحث
اختلاف اصلی بین مدل پیشنهادی در این مقاله و مدلهای پیشنهادی در مطالعات قبل، کاربرد QFD در ارزیابی و انتخاب KMS می باشد. در مطالعات قبلی [۱۴-۱۰]، ایده ها طبق معیارهای سیستم یا معیارهای مشتری، مستقیماً مطرح می شوند. معیارهای سیستم درک و شناخت تحلیلگران از محاسن و معایب را تسهیل می نمایند، اما استفاده از آنهابرای مشتریان سخت و دشوار است. مشتریان با معیارهای مشتری آشنایی دارند، اما برای تحلیلگران، نتایج ارزیابی نمی تواند مستقیماً قابل درک و شناخت باشد. بنابراین، وصل کردن دو معیار به هم از طریق QFD در روش پیشنهادی، مشکل را حل می کند. اختلاف دیگر، استفاده از مجموعه های فازی زبانشناختی به خاطر مجموعه های فازی سنتی می باشد. فازی بودن و عدم قطعیت های موجود در محیط زبانشناختی به شکلی کامل تر مشخص می گردد زیرا در محیط فازی شهودی، نه تنها درجات عضویت بلکه همچنین درجات عدم عضویت کاربرد دارد. راجع به کاربرد مدل با یک مثال توضیح داده شده است. نتایج بدست آمده نشان می دهد مدل پیشنهادی برای ارزیابی و انتخاب KMS مناسب می باشد.
MCDM با QFD با TOPSIS سیستم مدیریت دانش
۶- نتیجه گیری
هدف اصلی مقاله حاضر، فراهم نمودن روشی برای کمک به ارزیابی و انتخاب KMS از دیدگاه کاربر می باشد. برای این کار، روش جدید MCDM در ترکیب با QFD و TOPSIS در محیط فازی شهودی پیشنهاد شده است. در روش پیشنهادی، به معیارهای مشتری و معیارهای سیستم نیاز می باشد. مشتریان ایده هایشان در مورد آلترناتیوها را با توجه به (طبق) معیارهای مشتری مطرح می کنند. همبستگی بین معیارهای سیستم و رابطه بین معیارهای مشتری و معیارهای سیستم از سوی تحلیلگران مورد ارزیابی قرار گرفته است. سپس، با کمک QFD، ایده های مشتریان به ایده های مربوط به معیارهای سیستم تبدیل می شود که QFD و روش ادغام پیشنهاد شده توسط Chen [36] در محیط فازی شهودی توسعه می یابد. سپس آلترناتیوها با روش TOPSIS و براساس معیارهای سیستم در محیط فازی شهودی، رتبه بندی شده و بهترین KMS تعیین می گردد. قابلیت کاربرد (کاربردپذیری) روش پیشنهادی با مطالعه موردی تائید می گردد. از آنجایی که اطلاعات تصمیم در دوره های متفاوتی فراهم شده و از مجموعه اصطلاحات زبانشناختی با گرانولاریته های مختلف می توان استفاده نمود، در نتیجه روش MCDM پویا برای انتخاب KMS در محیط فازی شهودی و مجموعه اصطلاحات زبانشناختی متعدد با گرانولاریته های مختلف در تحقیق آتی مد نظر قرار خواهد گرفت.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
