جزوه ی تصمیم‌گیری چند معیاره MCDM

کیفیت مدیریت اساساً تابع کیفیت تصمیم گیری است زیرا کیفیت طرح و برنامه‌ها، اثربخشی و کارآمدی راهبردها و کیفیت نتایجی که از اعمال آنها بدست می‌آید همگی تابع کیفیت تصمیماتی است که مدیر اتخاذ می‌نماید. در اکثر موارد تصمیم‌گیری‌ها وقتی مطلوب و مورد رضایت تصمیم‌گیرنده است که تصمیم‌گیری براساس چندین معیار مورد بررسی قرار گرفته باشد. معیارها ممکن است کمی یا کیفی باشند. در روشهای تصمیم‌گیری چند معیاره که در دهه‌های اخیر مورد توجه محقق قرار گرفته است بجای استفاده از یک معیار سنجش بهینگی از چند معیار سنجش استفاده می‌شود.

مدلهای تصمیم‌گیری چند معیاره MCDM به دو دستهٔ عمده مدلهای تصمیم گیری چند هدفه MODM و مدلهای تصمیم گیری چند شاخصه MADM تقسیم می‌شود. تفاوت اصلی مدل‌های تصمیم‌گیری چند هدفه با مدل‌های تصمیم‌گیری چند معیاره آن است که اولی در فضای تصمیم‌گیری پیوسته و دومی بر فضای تصمیم‌گیری گسسته تعریف می‌گردند.  

جزوه شش سیگما

شش‌سیگما فلسفه بهبود مستمر است و به سمت عالی شدن در همه کارها پیش می‌رود . شش‌سیگماسیستمی ‌است که تعیین می‌کند کجا قرار گرفته‌ایم ، دوست داریم کجا باشیم ، چگونه به آن مقصد خواهیم رسید و چگونه در طول راه پیشرفت خواهیم ‌نمود.

شش‌سیگما ابزاریست که برای میزان‌سازی دقیق ماشین فرایند بکار می‌رود و اینکار را از طریق مشتری‌مداری، بهبود مستمر و درگیر کردن و مشارکت همه اعضا در داخل و خارج سازمان انجام می‌دهد.

در مبحث شش‌سیگما، سه حوزه اصلی وجود دارد: حوزه اول فلسفه است که طریقه حرکت ، چشم‌انداز و جهت حرکت سازمان را تعیین می‌کند. حوزه دوم مقیاس است که به سازمان این امکان را می‌دهد تا به طور دقیق نحوه عملکرد فرایندها را مشخص کند. حوزه سوم نیز روش‌شناسیاست. روش‌شناسی یک فرایند سیستماتیک است که موجب شناسایی ، تبیین ، اندازه‌گیری ، تحلیل ، توسعه و استاندارد شدن یک فرایند می‌شود. 

جزوه ابزارهای کنترل کیفیت با استفاده از نرم افزار اکسل

فرآیندھا معمولاً با نمونه گیری در فواصلی منظم، نظارت می شوند. این مقادیر نمونه ھا، معمولاً بر روی یک نمودار نشان داده می شوند که نمودار کنترل فرآیند نام دارند که معمولاً یا با میانگین و یا با انحراف معیار نشان داده می شوند. نمودارھای کنترل فرآیند برای این منظور طراحی شده اند که بتوانند در درازمدت تغییر میانگین (یا انحراف معیار) را تشخیص دھند تا شرکت ھا بتوانند این تغییرات را مورد بررسی قرار دھند و در صورت نیاز اقدامات اصلاحی را انجام دھند.

ما در این جزوه نحوه کار کردن با نمودارھای میانگین  و نمودارھای انحراف معیار را شرح می دھیم و ھمچنین داده ھای وصفی را با استفاده از نمودارھای کنترل مورد بررسی قرار خواھیم داد. ھر کدام از این نمودارھا به سادگی میتوانند به وسیله اکسل ایجاد شوند.  

جزوه لجستیک معکوس [فایل پاورپوینت و PDF]

لجستیک معکوس: ›هماهنگی و کنترل کامل، بارگیری و تحویل فیزیکی مواد، قطعات و محصولات از محل مصرف به محل عملیات و بازیابی یا دفع و سپس بازگرداندن این مواد از محل تعمیر به محل مصرف.

مدیریت لجستیک معکوس حوزه کوچک ولی مهمی از زنجیره تامین کنندگان امروزی است و این اجازه را به مدیریت شرکتها می دهد که کالاها و مواد اولیه برگشتی را به عرضه کنندگان باز گردانند و برای حفظ تداوم و هماهنگ کردن فعالیت های تولید، توزیع و جلوگیری از توقف عملیات به سبب کمبود موجودی و نیز قابل استفاده نمودن اقلام و کالاهای برگشتی؛خط مشی ها ،نظام ها و روش هایی را اتخاذ نمایند تا مجموع هزینه های مرتبط با زنجیره تامین را کاهش دهند. 

جزوه بهینه سازی به کمک الگوریتم های فرا ابتکاری در متلب

امروزه استفاده از نرم افزار های کامپیوتری جهت انجام محاسبات ریاضی و حل معادلات و اجرای الگوریتم های پیچیده بسیار پر کاربرد می باشد. نرم افزار Matlab به جهت راحتی در استفاده و گسترش و ساده و وروان بودن جهت کد کردن الگوریتم و مدل ها، از پر کاربرد ترین نرم افزار ها می باشد.

با توجه به حجم بالای مسائل دنیای واقعی و تعداد زیاد عوامل و متغیر های درگیر در آن، استفاده از الگوریتم های فرا ابتکاری اغلب به استفاده از روش های دقیق ترجیح داده می شود. چون علاوه بر این که در اغلب موارد جواب های نزدیک به بهینه و رضایت بخشی ایجاد می نمایند، دارای زمان محاسباتی بسیار منظقی و رضایت بخشی می باشند.

با توجه به بهبود هایی که الگوریتم های کلاسیک داشته اند و الگوریتم های جدیدی که معرفی گردیده اند، طیف وسیعی از مسائل دنیای واقعی را می توان با روش ها و الگوریتم های فرا ابتکاری حل کرد. (دانلود فایل در ادامه مطلب)  

معرفی الگوریتم های فراابتکاری [7 جزوه]

الگوریتم‌های فراابتکاری یا فراتکاملی یا فرااکتشافی نوعی از الگوریتم‌های تصادفی هستند که برای یافتن پاسخ بهینه به کار می‌روند.

روش‌ها و الگوریتم‌های بهینه‌سازی به دو دسته الگوریتم های دقیق (exact) و الگوریتم‌های تقریبی (approximate algorithms) تقسیم‌بندی می‌شوند. الگوریتم‌های دقیق قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسائل بهینه سازی سخت کارایی کافی ندارند و زمان اجرای آن ها متناسب با ابعاد مسائل به صورت نمایی افزایش می‌یابد. الگوریتم‌های تقریبی قادر به یافتن جواب‌های خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینه‌سازی سخت هستند. الگوریتم‌های تقریبی نیز به سه دسته الگوریتم‌های ابتکاری (heuristic) و فراابتکاری (meta-heuristic) و فوق ابتکاری (hyper heuristic) بخش بندی می شوند. دو مشکل اصلی الگوریتم‌های ابتکاری، گیر افتادن آنها در نقاط بهینه محلی، همگرایی زودرس به این نقاط است. الگوریتم‌های فراابتکاری برای حل این مشکلات الگوریتم‌های ابتکاری ارائه شده‌اند. در واقع الگوریتم‌های فراابتکاری، یکی از انواع الگوریتم‌های بهینه‌سازی تقریبی هستند که دارای راهکارهای برونرفت از نقاط بهینه محلی هستند و قابلیت کاربرد در طیف گسترده ای از مسائل را دارند. (دانلود فایل در ادامه مطلب)