بهبود کارایی پیش بینی بهره وری با رویکرد طراحی آزمایشات تاگوچی (مورد مطالعه : صنایع غذایی ایران)
چکیده
پیشبینی بهرهوری عاملی بسیار مهم در طراحی استراتژیهای یک سازمان است. یکی از روشهای پیشبینی بهرهوری، استفاده از شبکههای عصبی مصنوعی است که به علت دارا بودن پارامترهای قابل تنظیم، بهکارگیری آن نیاز به تجربه و مهارت زیادی دارد و اغلب از آزمایش و خطا برای دستیابی به سطوح مناسب این پارامترها استفاده میشود. این مقاله، الگویی 7 مرحلهای جهت انتخاب مقادیر مناسب پارامترهای قابل تنظیم شبکه عصبی ارائه می دهد تا با بهکارگیری طراحی آزمایش های تاگوچی کارایی در پیشبینی بهرهوری بهبودمی یابد. بهکارگیری این روش در پیشبینی بهرهوری صنایع غذایی ایرن، سطوح بهینۀ پارامترها را که منجر به مطلوبترین پیشبینی در شبکه عصبی میشود، بدین شرح ارائه میدهد: تعداد لایههای پنهان: 2 لایه، تعداد نورون هر لایه پنهان: 7 نورون، نرخ یادگیری: 9/0 و تعداد ورودیهای شبکه عصبی: شاخصهای بهرهوری با درجه همبستگی بیشتر از 85/0؛ که از بین عوامل فوق، عامل تعداد لایههای پنهان با سهم مشارکت 18/71% در نتیجۀ آزمایشها، مهمترین عامل طراحی شبکه عصبی در پیشبینی بهرهوری صنایع غذایی ایران است. در نهایت، نتیجه کلی تحقیق نشان داد که به کارگیری این الگو علاوه بر کاهش زمان و هزینههای پیشبینی، امکان انتخاب استراتژیهای رقابتی فراهم می شود. به علاوه این روش با تعیین سهم مشارکت هر یک از پارامتهای قابل تنظیم در نتایج آزمایش، تصمیمگیرندگان را در میزان دقت و توجهی که باید به هر یک از این پارامترها داشته باشند، یاری میرساند.