*172

5.1 فرضیه‌های پژوهش PAGEREF _Toc412259127 h 8
6.1جامعه و نمونه آماری PAGEREF _Toc412259128 h 8
7.1روش تحقیق PAGEREF _Toc412259129 h 9
8.1 تعریف مفاهیم و واژگان عملیاتی PAGEREF _Toc412259130 h 10
9.1 ساختار کلی تحقیق PAGEREF _Toc412259131 h 11
فصل دوم: ادبیات تحقیق
1.2مقدمه PAGEREF _Toc412259132 h 13
2.2مبانی نظری PAGEREF _Toc412259133 h 13
1.2.2.جریان نقد PAGEREF _Toc412259134 h 13
1.1.2.2 نحوه محاسبه جریان‌های وجوه نقد PAGEREF _Toc412259135 h 16
2.1.2.2 رابطه بین سود خالص بعد از مالیات با جریان نقدی حقوق صاحبان سهام PAGEREF _Toc412259136 h 19
3.1.2.2 رابطه بین جریان نقدی حسابداری با جریان نقدی حقوق صاحبان سهام PAGEREF _Toc412259137 h 20
4.1.2.2 جریان‌های نقدی برگشتی PAGEREF _Toc412259138 h 20
2.2.2 تکنیک های پیش‌بینی PAGEREF _Toc412259139 h 21
3.2.2 مدل های پیش‌بینی PAGEREF _Toc412259140 h 22
1.3.2.2 مدل میانگین متحرک PAGEREF _Toc412259141 h 22
2.3.2.2 مدل نمو هموار ساده PAGEREF _Toc412259142 h 23
3.3.2.2 مدل نمو هموار دوبل PAGEREF _Toc412259143 h 23
4.2.2مفهوم و اهمیت جریان نقد PAGEREF _Toc412259144 h 24
5.2.2جریان‌های نقد آزاد و مدیریت سود PAGEREF _Toc412259145 h 26
6.2.2مزایای صورت جریان‌های نقد PAGEREF _Toc412259146 h 27
7.2.2ماهیت صورت‌های جریان نقد PAGEREF _Toc412259147 h 28
1.7.2.2 تجزیه و تحلیل صورت‌های مالی PAGEREF _Toc412259148 h 29
2.7.2.2 ابزارهای اصلی تجزیه و تحلیل صورت‌های مالی PAGEREF _Toc412259149 h 30
3.7.2.2 نسبت‌های مالی PAGEREF _Toc412259150 h 30


1.3.7.2.2نسبت‌های نقدینگی PAGEREF _Toc412259151 h 31
2.3.7.2.2نسبت‌های فعالیت PAGEREF _Toc412259152 h 31
3.3.7.2.2نسبت‌های اهرمی PAGEREF _Toc412259153 h 31
4.3.7.2.2نسبت‌های سودآوری PAGEREF _Toc412259154 h 32
8.2.2 ارتباط میان نسبت‌ها و پیش‌بینی جریان نقد آتی PAGEREF _Toc412259155 h 32
1.8.2.2 معرفی نسبت‌ها PAGEREF _Toc412259156 h 33
1.1.8.2.2 نسبت‌های کفایت PAGEREF _Toc412259157 h 33
2.1.8.2.2 نسبت‌های کارایی PAGEREF _Toc412259158 h 34
9.2.2نسبت‌های مالی مبتنی بر صورت جریان‌های نقدی PAGEREF _Toc412259159 h 35
10.2.2 رویکردهای سود و جریان نقد آتی PAGEREF _Toc412259160 h 40
3.2 پیشینه پژوهش PAGEREF _Toc412259161 h 43
4.2 خلاصه فصل PAGEREF _Toc412259162 h 56
فصل سوم: روش های تحقیق
1.3 مقدمه PAGEREF _Toc412259163 h 59
2.3 طرح مسئله‌ی تحقیق PAGEREF _Toc412259164 h 59
3.3 روش تحقیق PAGEREF _Toc412259165 h 61
4.3 قلمرو تحقیق PAGEREF _Toc412259166 h 62
5.3 ابزار گردآوری اطلاعات PAGEREF _Toc412259167 h 62
6.3 روش گردآوری اطلاعات PAGEREF _Toc412259168 h 63
7.3 جامعه آماری، روش نمونه‌گیری و حجم نمونه PAGEREF _Toc412259169 h 63
8.3 فرضیه‌های تحقیق PAGEREF _Toc412259170 h 65
9.3متغیرهای تحقیق و نحوه اندازه‌گیری آن‌ها PAGEREF _Toc412259171 h 66
10.3 مدل تحقیق: PAGEREF _Toc412259172 h 66
11.3پایایی و اعتبار ابزار تحقیق PAGEREF _Toc412259173 h 67
12.3روش تجزیه و تحلیل داده‌ها PAGEREF _Toc412259174 h 67
13.3مدل‌های آماری و مراحل عمومی آزمون‌های آماری PAGEREF _Toc412259175 h 68
1.13.3 مدل رگرسیون PAGEREF _Toc412259176 h 69
2.13.3 آزمون خطی بودن PAGEREF _Toc412259177 h 70
3.13.3 آزمون خود همبستگی PAGEREF _Toc412259178 h 71
4.13.3 آزمون همسانی واریانس‌ها PAGEREF _Toc412259179 h 72
5.13.3 آزمون نرمال بودن پسماندها PAGEREF _Toc412259180 h 73
6.13.3 همبستگی PAGEREF _Toc412259181 h 73
7.13.3 ضریب همبستگی (r) PAGEREF _Toc412259182 h 74
8.13.3 ضریب تعیین (2r) PAGEREF _Toc412259183 h 75
14.3 خلاصه فصل PAGEREF _Toc412259184 h 76
فصل چهارم: برآورد مدل،تجزیه و تحلیل داده ها
1.4 مقدمه PAGEREF _Toc412259185 h 78
2.4 بررسی آماره‌های توصیفی متغیرهای فرضیه اول PAGEREF _Toc412259186 h 78
3.4آزمون‌های مربوط به فرضیه اول تحقیق PAGEREF _Toc412259187 h 80
1.3.4 ضرایب همبستگی PAGEREF _Toc412259188 h 80
2.3.4 آزمون‌های تعیین روش تخمین مدل PAGEREF _Toc412259189 h 81
4-4 بررسی آماره‌های توصیفی متغیرهای فرضیه دوم تحقیق PAGEREF _Toc412259190 h 84
4-5 آزمون‌های مربوط به فرضیه دوم تحقیق PAGEREF _Toc412259191 h 85
4-5-1 ضرایب همبستگی PAGEREF _Toc412259192 h 86
4-5-2 آزمون‌های تعیین روش تخمین مدل PAGEREF _Toc412259193 h 86
4-5-3 آزمون فرضیه اول تحقیق PAGEREF _Toc412259194 h 87
4-6 آزمون مانایی متغیرها PAGEREF _Toc412259195 h 89
4-7 خلاصه فصل PAGEREF _Toc412259196 h 90
فصل پنجم: نتیجه های تحقیق
1.5 مقدمه PAGEREF _Toc412259197 h 92
2.5 خلاصه تحقیق PAGEREF _Toc412259198 h 92
3.5 خلاصه نتایج آزمون فرضیه‌ها PAGEREF _Toc412259199 h 92
1.3.5 فرضیه اول PAGEREF _Toc412259200 h 92
2.3.5 فرضیه دوم PAGEREF _Toc412259201 h 94
4.5 محدودیت‌های تحقیق PAGEREF _Toc412259202 h 95
5-5 پیشنهادهای مبتنی بر نتایج تحقیق PAGEREF _Toc412259203 h 96
5-6 پیشنهاد برای تحقیقات آتی PAGEREF _Toc412259204 h 97
منابع فارسی: PAGEREF _Toc412259205 h 99
فهرست جداول
عنوان صفحه
TOC t "جدووووووووووووووووول,3" جدول 2-1: محاسبه جریان‌های نقدی حقوق صاحبان سهام PAGEREF _Toc412317781 h 17
جدول 2-2: محاسبه جریان نقدی آزاد PAGEREF _Toc412317782 h 18
جدول 23: خلاصه تحقیقات انجام‌شده در داخل کشور PAGEREF _Toc412317783 h 54
جدول 24: خلاصه تحقیقات انجام‌شده در خارج از کشور PAGEREF _Toc412317784 h 55
جدول 3 - 1: انتخاب نمونه آماری بر اساس حذف سیستماتیک PAGEREF _Toc412317785 h 64
جدول 3 - 2 صنعت‌های منتخب نمونه بورس اوراق بهادار PAGEREF _Toc412317786 h 65
جدول 4-1: آماره‌های توصیفی فرضیه اول PAGEREF _Toc412317787 h 79
جدول 4-2: ضرایب همبستگی فرضیه اول PAGEREF _Toc412317788 h 81
جدول 4-3: عامل تورم واریانس فرضیه اول PAGEREF _Toc412317789 h 81
جدول 4-4: آزمون F لیمر فرضیه اول PAGEREF _Toc412317790 h 82
جدول 4-5: آزمون هاسمن فرضیه اول PAGEREF _Toc412317791 h 82
جدول 4-6: خروجی نرم‌افزار مدل فرضیه اول PAGEREF _Toc412317792 h 83
جدول 4-7: آماره‌های توصیفی فرضیه دوم PAGEREF _Toc412317793 h 85
جدول 4-8: ضرایب همبستگی فرضیه دوم PAGEREF _Toc412317794 h 86
جدول 4-9: آزمون F لیمر فرضیه دوم PAGEREF _Toc412317795 h 87
جدول 4-10: آزمون هاسمن فرضیه دوم PAGEREF _Toc412317796 h 87
جدول 4-11: خروجی نرم‌افزار مدل فرضیه دوم PAGEREF _Toc412317797 h 88
جدول 4-12: آزمون مانایی متغیرها PAGEREF _Toc412317798 h 89

فهرست نمودارها
عنوان صفحه
TOC t "نمودارررررر,4" نمودار 2-1: رویکرد ارزشی شرکت در کاربرد جریان وجوه نقد تنزیل‌شده…………………………………….. PAGEREF _Toc412317990 h 18
نمودار 2-2: تفاوت بین جریان‌های وجوه نقد PAGEREF _Toc412317991 h 19

چکیده
پیش‌بینی جریان‌های نقدی یکی از اهداف مهم گزارشگری مالی است زیرا اطلاعات مهمی را برای استفاده‌کنندگان درون و برون‌سازمانی فراهم می‌سازد. در تصمیم‌گیری‌های اقتصادی پیش‌بینی مالی فعالیت مهمی محسوب می‌شود زیرا جریان‌های نقدی مبنایی برای فعالیت های عملیاتی، بازده سرمایه گذاری و سود پرداختی بابت تأمین مالی، مالیات بر درآمد، فعالیت های سرمایه گذاری و فعالیت های تأمین مالی می باشد.
هدف اصلی این مطالعه آزمون توان اجزای اصلی و غیر اصلی جریان‌های نقد برای پیش‌بینی جریان‌های نقدی آتی است. در راستای هدف پژوهش، دو فرضیه تدوین شده است که بر این اساس تأثیر هر یک از اجزای جریانات نقد بر پیش‌بینی جریان نقد آتی مورد سنجش قرار گرفته است. بدین منظور تعداد 106 شرکت از شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در قلمرو زمانی 1385 الی 1389 به عنوان نمونه انتخاب گردیده است و به منظور بررسی قابلیت پیش‌بینی اقلام مذکور از ضریب همبستگی پیرسون و تجزیه و تحلیل رگرسیون با داده‌های ترکیبی استفاده شده است.
نتایج حاصل از این پژوهش نشان می‌دهد که بین متغیرهای فروش و هزینه‌های عملیاتی (به عنوان اجزای اصلی جریان‌های نقدی) و جریان‌های نقدی آتی رابطه منفی و معنادار و بین متغیر بهای تمام‌شده کالای فروش رفته (به عنوان جزء اصلی دیگر جریان‌های نقدی) و جریان‌های نقدی آتی رابطه مثبت و معناداری وجود دارد.
همچنین بین متغیرهای بهره، مالیات و خالص سایر تحقق یافتنی ها (به عنوان اجزای غیر اصلی جریان وجه نقد) و جریان‌های نقدی آتی رابطه منفی و معنادار وجود دارد.
واژگان کلیدی: جریان نقدی، اجزای اصلی و غیر اصلی جریان نقد، جریان نقد آتی

فصل اول
کلیات پژوهش

1.1 مقدمه یکی از تحولات اخیر حسابداری، ضرورت تهیه «صورت جریان‌های نقدی» به عنوان یکی از صورت‌های مالی پایه توسط واحدهای تجاری است. پرسش‌هایی نظیر اینکه «آیا اجزای جریانهای نقد توان پیش‌بینی جریان نقد آتی را دارد؟» سال‌هاست که ذهن بسیاری از محققان را به خود مشغول کرده است. بر همین اساس تعدادی از فرضیات و نظریه‌های مختلف به منظور پاسخ به این پرسش‌ها مطرح شده است. با اینکه هنوز نظریه جامعی در این زمینه ارائه نشده است اما راهکارهایی وجود دارد که با اتکا به آن می‌توان با استفاده از اجزای اصلی و غیر اصلی جریان‌های نقد به جریان نقد آتی شرکت‌ها دست یافت. لذا این تحقیق با عنوان «تأثیر متغیرهای تشکیل دهنده جریانات نقدی (اجزای اصلی و غیر اصلی) در پیش‌بینی جریان نقد آتی شرکت‌ها» درصدد بررسی توان اجزای اصلی و غیر اصلی جریان‌های نقد برای پیش‌بینی جریان نقد آتی است. بر همین اساس در این فصل به مفاهیمی چون بیان مسئله، اهداف و ضرورت تحقیق پرداخته خواهد شد.

2.1بیان مسئله به دلیل اهمیت بسزای جریان‌های نقدی در موقعیت‌های واحدهای اقتصادی و ضرورت آن برای ادامه بقای آن‌ها، پیش‌بینی جریان‌های نقدی به عنوان یکی از اجزای لاینفک برنامه‌ریزی مالی، از موضوعات مهمی است که مورد توجه مدیران واحدهای اقتصادی قرار دارد. این امر از چنین اهمیتی برخوردار است که جریان‌های نقدی واحدهای اقتصادی را می‌توان به جریان گردش خون در بدن تشبیه کرد. وجه نقد از منابع مهم و حیاتی در هر واحد انتفاعی است و ایجاد توازن بین وجوه نقد در دسترس و نیازهای نقدی مهم‌ترین عامل سلامت اقتصادی هر واحد انتفاعی است. وجه نقد از طریق عملیات عادی و سایر منابع تأمین مالی به واحد انتفاعی وارد می‌شود و برای اجرای عملیات، پرداخت سود، پرداخت بهره و مالیات، بازپرداخت بدهی‌ها و گسترش واحد انتفاعی به کار می‌رود و بازتاب تصمیم‌گیری‌های مدیریت در مورد برنامه‌های کوتاه مدت و بلندمدت عملیاتی و طرح‌های سرمایه‌گذاری و تأمین مالی است. یکی از تحولات اخیر حسابداری، ضرورت تهیه «صورت جریان‌های نقدی» به عنوان یکی از صورت‌های مالی پایه توسط واحدهای تجاری است. تداوم فعالیت شرکت‌ها به عنوان یکی از مفروضات اساسی حسابداری، موضوعی است که عینیت بخشیدن به آن بدون در نظر گرفتن رخدادهای فعلی و نتایجی که در آینده برای آن متصور است، میسر نیست. نگرش تحلیلگران مالی به آینده بدون داشتن اطلاعات از وضعیت موجود، امری بعید به نظر می‌رسد. در این راستا فرآیند پیش‌بینی، جزء مهمی از فرآیند تصمیم‌گیری است زیرا آنچه که در آینده رخ خواهد داد را منعکس می‌کند. یکی از اهداف گزارشگری مالی کمک به سرمایه‌گذاران و اعتباردهندگان برای پیش‌بینی جریان‌های نقد آتی است. همچنین کمیته تدوین استانداردهای حسابداری ایران در بخش مفاهیم نظری گزارشگری مالی بیان نموده است که: «اتخاذ تصمیمات اقتصادی توسط استفاده‌کنندگان صورت‌های مالی، مستلزم ارزیابی واحد تجاری جهت ایجاد وجه نقد و قطعیت ایجاد آن است...». ارزیابی توان ایجاد وجه نقد از طریق تمرکز بر وضعیت مالی، عملکرد مالی و جریان‌های نقد واحد تجاری و استفاده از آن‌ها در پیش‌بینی جریان‌های نقدی مورد انتظار و سنجش انعطاف‌پذیری مالی، تسهیل می‌گردد (سازمان حسابرسی، 2002).
همچنین بر اساس مفاهیم بنیادی حسابداری مالی شماره یک آمریکا (SFAC) یکی از اهداف اصلی گزارشگری مالی به وسیله واحدهای تجاری، ارائه اطلاعاتی به سرمایه‌گذاران و اعتباردهندگان در جهت ارزیابی مقدار، زمان و میزان عدم اطمینان جریان‌های نقد حال و آینده است.
با توجه به اهمیت بسزای جریان‌های نقدی و نیاز به پیش‌بینی جریان وجوه نقد در تصمیمات اقتصادی مختلف، اهمیت این پیش‌بینی توسط بنیادهای استاندارد گذاری ملی و بین‌المللی حمایت‌شده و در این راستا محققین به طور مکرر از داده‌های حسابداری تعهدی و نقدی برای این پیش‌بینی استفاده نموده و نتایج متناقضی حاصل شده است اما مطالعات گذشته صریحاً قدرت اجزای جریان نقدی بر پیش‌بینی جریان نقد آتی را مورد بررسی قرار نداده است. تحلیل گران مالی بر اهمیت فراهم آوردن اطلاعات مربوط به اجزای جریانات نقدی (اجزای اصلی و غیر اصلی) تاکید می‌کنند و اینکه شفافیت و درستی و در دسترس بودن اطلاعات درباره جریان نقدی که از فعالیت‌های اصلی و غیر اصلی حاصل می‌شود، بخشی از اعتبار تجزیه و تحلیل خوب اطلاعات می‌باشد. توان و امکان دسترسی هر واحد انتفاعی به وجه نقد، مبنای بسیاری از تصمیم‌گیری‌ها و قضاوت‌ها درباره آن واحد است. به بیان دیگر، اطلاعات مربوط به جریان ورود و خروج وجه نقد در یک واحد انتفاعی شالوده بسیاری از تصمیم‌گیری‌ها و مبنای بسیاری از قضاوت‌های سرمایه‌گذاران، اعتباردهندگان و برخی دیگر از گروه‌های استفاده‌کننده از اطلاعات مالی را تشکیل می‌دهد. سرمایه‌گذاران و اعتباردهندگان برای برآورد جریان آتی وجوه نقد در یک واحد انتفاعی مشخصاً به تأثیر عملیات عادی و بازده سرمایه گذاریها وسود پرداختی بابت تأمین مالی، مالیات بر درآمد، فعالیت‌های تأمین مالی و سرمایه‌گذاری بر جریان وجوه نقد اهمیت می‌دهند. اگرچه اطلاعات مربوط به جریان وجوه نقد در مقایسه با اطلاعات مربوط به سودآوری که بر اساس حسابداری تعهدی اندازه‌گیری و ارائه می‌شود از لحاظ ارزیابی عملکرد واحد انتفاعی و مدیریت آن سودمندی کمتری دارد اما به تجربه نشان داده‌شده که رقم مربوط به سود نیز نمی‌تواند نشانه‌ی کامل و دقیقی از علائم حیاتی یک مؤسسه و ملاکی برای پیش‌بینی وضعیت آتی آن باشد. پیش‌بینی جریان نقدی مستلزم شماری تصمیمات اقتصادی به ویژه سرمایه‌گذاری می‌باشد. بدین لحاظ، تصمیمات مالی نسبت به گذشته اهمیت بیشتری یافته و مدیران را وادار ساخته با بهره‌گیری از فنون پیشرفته پیش‌بینی و تجزیه و تحلیل، نگرش خود را بلندمدت نموده و روش‌های کنترلی دقیق تر و گسترده‌تری را بکار گیرند. از طرفی سرمایه‌گذاران به دنبال برآورد جریان نقد مؤسسه‌ای که در آن سرمایه‌گذاری کرده‌اند هستند تا بتوانند درباره ارزش سهام خود به قضاوت بپردازند. همچنین برای برآورد ارزش سهام خود به اطلاعات جریان نقدی نیاز دارند، زیرا اغلب مدل های ارزشیابی سهام بر مبنای ارزش فعلی جریان نقدی مورد انتظار آن‌ها می‌باشند.
مسئله اصلی این است که امروزه در حرفه حسابداری از شاخص‌های مختلفی برای ارزیابی عملکرد واحد تجاری استفاده می‌شود که از جمله این شاخص‌ها می‌توان به شاخص مبتنی بر جریان وجه نقد اشاره نمود. این تحقیق به دنبال آن است که به روش علمی ثابت کند که آیا اجزای جریان نقد (اجزای اصلی و غیر اصلی) در بازار بورس ایران توانایی پیش‌بینی جریان‌های نقدی آتی شرکت‌ها را دارد یا خیر؟ به عبارت دیگر آیا اجزای اصلی و غیر اصلی جریان نقد با تفسیری که از آن خواهیم داشت، قدرت توضیحی و پیش‌بینی کنندگی جریان نقد آتی را دارد یا خیر؟ برای پاسخ به این سؤال باید بر مبانی نظری گزارشگری مالی تکیه کرد. چرا که بر اساس مبانی نظری گزارشگری مالی، بهترین شاخص برای ارزیابی عملکرد واحد تجاری شاخصی است که در فرآیند تصمیم‌گیری مفیدتر واقع شود.
3.1اهداف پژوهشتبیین نظری و تئوریک مبانی اقلام صورت جریان نقد و چگونگی ارتباط آن با پیش‌بینی جریان نقد یک سال پیش رو و جریان‌های نقدی آتی
بررسی عوامل موثر بر اقلام صورت جریان وجه نقد شرکت‌ها
بررسی تأثیرات اجزاء (اصلی و غیر اصلی) جریان نقد بر جریان نقد آتی شرکت‌ها در صنایع مختلف بورس اوراق بهادار
بررسی روش‌های معمول پیش‌بینی جریان نقد به تفکیک صنایع مختلف بورس اوراق بهادار
تبیین رابطه اقلام اصلی جریان نقد شرکت‌ها و پیش‌بینی جریان‌های نقد آتی یک سال پیش رو
تبیین رابطه اقلام غیر اصلی جریان نقد شرکت‌ها و پیش‌بینی جریان‌های نقد آتی یک سال پیش رو
تبیین رابطه جریان‌های نقدی جاری شرکت‌ها و پیش‌بینی جریان‌های نقد آتی
4.1ضرورت تحقیقبا توجه به اهمیت بسزای جریان‌های نقدی، نیاز به پیش‌بینی جریان نقد در تصمیمات اقتصادی مختلفی وجود دارد. اهمیت این پیش‌بینی توسط بنیادهای استاندارد گذاری ملی و بین‌المللی حمایت شده و در این راستا محققین به طور مکرر از داده‌های حسابداری تعهدی و نقدی برای این پیش‌بینی استفاده نموده و نتایج متناقضی حاصل شده است. چنانچه صورت جریان وجوه نقد بازتاب نتایج تصمیم‌‌های مدیران درباره فعالیت های عملیاتی، بازده سرمایه گذاریها و سود پرداختی بابت تأمین مالی، مالیات بر درآمد، فعالیت های سرمایه گذاری و فعالیت های تأمین مالی واحد تجاری باشد، در کنار سایر صورت‌های مالی، زمینه ارزیابی هر یک از تصمیم‌های یادشده فراهم می‌شود.
وجوه و یا به عبارتی پول، در بنگاه‌های اقتصادی همانند خون در بدن انسان، مایه حیات است. بنگاه‌های اقتصادی به منظور گردش عملیات و تداوم فعالیت خود و همچنین جهت دستیابی به هدف‌های خویش، از منابع وجوه استفاده می‌کنند. استفاده‌کنندگان از صورت‌های مالی نیز برای ارزیابی وضعیت مالی و اقتصادی مؤسسات بر آگاهی از چگونگی تأمین مالی مؤسسات ذیربط تاکید دارند، بنابراین برای کمک به تصمیم‌گیری‌های مفید اقتصادی باید اطلاعات مفید، مربوط، به هنگام و صحیح در اختیار استفاده‌کنندگان از صورت‌های مالی قرار گیرد. در این راستا، بنگاه‌های اقتصادی دست به تهیه و انتشار اطلاعاتی در قالب صورت‌های مالی می‌زنند. صورت‌های مالی بازتاب کلیه فعالیت‌ها و رویدادهای مالی، طی یک دوره‌ی زمانی (معمولاً یک سال) است. در سال‌های اخیر استفاده‌کنندگان از صورت‌های مالی به آگاهی از جریان‌های نقدی شرکت‌ها علاقه‌مند شده‌اند. صورت تغییرات در وضعیت مالی بر مبنای سرمایه در گردش، توانایی تشریح جریان‌های نقدی شرکت‌ها را ندارد؛ بنابراین از حدود سال‌های 1985 به بعد، تعدادی از کشورها، برای پاسخ به نیاز استفاده‌کنندگان از صورت‌های مالی تحقیقاتی درباره لزوم تهیه و انتشار صورت جریان‌های نقدی انجام دادند. امروزه بر اساس تئوری ذینفعان، رابطه‌ی تعاملی بین شرکت و ذینفعان (سرمایه‌گذاران، اعتباردهندگان و...) وجود دارد، به طوری که فعالیت‌های شرکت و نتایج آن کلیه‌ی ذینفعان را متأثر می‌سازد. صورت‌های مالی یکی از بهترین منابع اطلاعاتی در کنار سایر اطلاعات مانند اطلاعات اقتصادی جهت استفاده ذینفعان در رابطه با وضعیت مالی شرکت‌ها برای پیش‌بینی رویدادهای آتی به شمار می‌رود. یکی از این موارد، پیش‌بینی وقوع بحران مالی است که با استفاده از تجزیه و تحلیل نسبت‌های الگوهای مختلفی به وجود آمده است مانند الگو پیش‌بینی بیور، آلتمن، دیکن، تافلر، زاوگین، اسپرین‌گیت، والاس. موفق بودن الگوهای مذکور جهت پیش‌بینی، فرصت مناسبی را برای وسعت بخشیدن به تحقیقات پیشین فراهم می‌نماید به طوری که توسعه و بسط این الگوها با استفاده از متغیرهای صورت جریان وجوه نقد و متغیرهای کلان اقتصادی منطقی به نظر می‌رسد و تحقیق را به الگویی جدید و کاربردی هدایت می‌نماید.
سرمایه‌گذاران و تحلیل گران مالی از سود و جریان‌های نقدی به عنوان یکی از معیارهای ارزیابی شرکت‌ها به طور وسیعی استفاده می‌کنند. سرمایه‌گذاران علاقه دارند سود حاصل از سرمایه‌گذاری‌های خود را پیش‌بینی نمایند زیرا در اصل تفاوت در این پیش‌بینی‌هاست که تخصیص منابع سرمایه به بخش‌ها و واحدهای مختلف تجاری را تعیین می‌کند. آن‌ها با پیش‌بینی جریان‌های نقدی مورد انتظار آتی در باره ارزش جاری یک شرکت و ارزش یک سهم از سهام شرکت به قضاوت می‌پردازند. بر اساس همین پیش‌بینی‌هاست که یک سهامدار فعلی ممکن است تصمیم بگیرد سهامش را بفروشد یا نگه دارد.
یک سرمایه‌گذار بالقوه نیز با پیش‌بینی توزیع جریان‌های نقدی آتی یک سهام، تصمیم به خرید آن می‌گیرد و یا تشخیص می‌دهد در جای دیگری سرمایه‌گذاری کند. لذا انتظارات از توزیع جریان‌های نقدی آتی اوراق بهادار در تصمیمات سرمایه‌گذاری از درجه اول اهمیت برخوردارند و چون توزیع جریان‌های نقدی آتی به سود انباشته و رشد شرکت بستگی دارد، پس انتظارات از سودهای آتی در تصمیمات سرمایه‌گذاری بااهمیت تلقی می‌شوند، زیرا این انتظارات توسط بسیاری از سرمایه‌گذاران به عنوان یک فاکتور اصلی در پیش‌بینی توزیع سود سهام آتی بکار می‌رود و این سود نقدی سهام نیز نقش مهمی در تعیین ارزش سهام شرکت یا ارزش کل شرکت دارد. از آنجایی که توانایی واحد تجاری در ایجاد جریان‌های نقدی مطلوب، هم بر توانایی آن برای پرداخت سود سهام، بهره و هم بر قیمت‌های اوراق بهادار شرکت تأثیر می‌گذارد، لذا جریان‌های نقدی مورد انتظار سرمایه‌گذاران و اعتباردهندگان به جریان‌های نقدی مورد انتظار واحد تجاری که در آن سرمایه‌گذاری نموده یا به آن قرض داده‌اند مربوط می‌شود. لذا سرمایه‌گذاران علاقمندند برآوردهایی از وجوه نقد آتی در دسترس واحد تجاری داشته باشند.
5.1 فرضیه‌های پژوهشبین اجزای اصلی جریان نقد دوره جاری شرکت‌ها و جریان نقد آتی رابطه معنی‌داری وجود دارد.
بین اجزای غیر اصلی جریان نقد دوره جاری شرکت‌ها و جریان نقد آتی رابطه معنی‌داری وجود دارد.
6.1جامعه و نمونه آماریجامعه آماری پژوهش حاضر شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است. حجم نمونه 106شرکت بورسی در 10 صنعت منتخب طی سال‌های 1389-1385 می‌باشد.
در این تحقیق برای انتخاب نمونه آماری از روش حذف سیستماتیک استفاده خواهد شد. بدین منظور کلیه شرکت‌های جامعه آماری که دارای شرایط زیر باشند، به عنوان نمونه انتخاب و مابقی حذف خواهند شد:
اطلاعات مالی شرکت‌های نمونه در دسترس باشند.
سال مالی آن‌ها منتهی به پایان اسفندماه هر سال باشد.
عدم تغییر دوره مالی طی قلمرو زمانی تحقیق داشته باشند
شرکت‌های عضو صنایع سرمایه‌گذاری، بانک‌ها، هلدینگ، بیمه، نهادهای پولی و واسطه گر مالی نباشند.
اطلاعات مربوط به داده‌های صورت‌های مالی از ابتدای سال مالی 85 لغایت 89 در دسترس باشند.
شرکت‌های نمونه توقف معاملاتی بیش از 6 ماه طی دوره زمانی تحقیق نداشته باشند.
در این تحقیق داده‌های مورد نیاز مدل‌های تحقیق از نرم‌افزار ره‌آورد نوین، سایت رسمی سازمان بورس اوراق بهادار تهران، نرم‌افزار تدبیر پرداز استخراج می‌گردد و در صورت عدم وجود بخشی از اطلاعات مورد نیاز در نرم‌افزارهای مذکور، از صورت‌های مالی شرکت‌های نمونه استفاده خواهد شد. همچنین با مراجعه به منابع کتابخانه‌ای شامل کتب، مجلات هفتگی و ماهنامه‌ها، انتشارات مراکز تحقیقاتی و پژوهشی، پایان‌نامه‌های تحصیلی و رساله‌های تحقیقی مرتبط، جستجو در پایگاه‌های الکترونیکی اطلاعات و مراجعه به سازمان بورس و اوراق بهادار تهران، اطلاعات آماری مورد نیاز شرکت‌ها استخراج و برای نتیجه‌گیری مورد مطالعه و تجزیه و تحلیل قرار خواهد گرفت.
7.1روش تحقیقاین تحقیق از نظر نوع پس رویدادی است، زیرا از اطلاعات گذشته شرکت‌ها استفاده خواهد کرد و از نظر تئوریک در حوزه تحقیقات اثباتی بوده و از نظر استدلال،‌ تحقیقات استقرایی می‌باشد. از آن جا که در این تحقیق آزمون همبستگی بین متغیرها انجام می‌شود، از نوع همبستگی بوده و روابط بین متغیرها را بررسی می‌کند. همچنین در این تحقیق، درصدد توصیف روابط بین متغیرها (وابسته و مستقل) با استفاده از آزمون‌های آماری هستیم. پس از تدوین مدل، ضرایب متغیرهای مستقل و اندازه تأثیر گذاری آن‌ها بر متغیر وابسته (جریان نقد آتی) با استفاده از متد اقتصادسنجی و روش رگرسیون حداکثر درست نمایی (MLE) مشخص خواهد شد.
8.1 تعریف مفاهیم و واژگان عملیاتی CFO t+1 متغیر وابسته: جریان نقد آتی
جریان وجه نقد: افزایش یا کاهش در مبلغ وجه نقد ناشی از معاملات با اشخاص حقیقی یا حقوقی مستقل از شخصیت حقوقی واحد تجاری و ناشی از سایر رویدادها.
جریان وجه نقد ناشی از فعالیت‌های عملیاتی: جریان‌های نقدی ورودی و خروجی ناشی از فعالیت‌های عملیاتی واحد تجاری و همچنین جریان‌های نقدی که ماهیتاً به طور مستقیم قابل ارتباط با سایر طبقات جریان‌های نقدی صورت جریان وجه نقد نباشد.
اجزای اصلی:
C-SALE t فروش کالا و ارائه خدمات به کسر از تغییرات در حساب‌های دریافتنی تجاری
COGS t C-بهای تمام‌شده کالای فروش رفته: مخارجی که وقوع آن‌ها برای تحصیل یا تولید کالا لازم است.
بهای تمام‌شده کالای فروش رفته به کسر از تغییرات در موجودی و حساب‌های پرداختنی
OE t C- هزینه‌های عملیاتی: جریان نقد عملیاتی و هزینه های اداری که بعنوان هزینه های عملیاتی محاسبه شده، عبارت است از : فروش منهای بهای تمام شده کالای فروش رفته منهای هزینه های عملیاتی قبل از استهلاک منهای تغییر در خالص سرمایه در گردش به استثنای تغییر در حساب های دریافتنی تجاری، موجودی کالا، مالیات پرداختنی و بهره پرداختنی.
اجزای غیر اصلی:
C- INT t بهره پرداختی: بهره را می‌توان در اصطلاح هزینه استفاده از سرمایه نامید. این پرداخت اضافی را می‌توان به صورت نسبت مابه‌التفاوت مبلغ دریافتی و مبلغ بازپرداخت در پایان یک دوره معین به کل پول دریافتی عنوان کرد.
C- TAX t مالیات پرداختی: مالیات بخشی از سود فعالیت‌های اقتصادی است که نصیب دولت می‌گردد.
OTHER t C- خالص سایر تحقق یافتنی ها : سود عملیاتی به کسر از جریان نقد و حساب‌های دریافتنی و موجودی و حساب‌های پرداختنی و استهلاک دارایی ثابت و نامشهود
9.1 ساختار کلی تحقیق در این فصل کلیات تحقیق ارائه و مقدمه، بیان مسئله، قلمرو تحقیق، فرضیه‌ها و تعریف عملیاتی متغیرها انجام گردید.
در فصل دوم ضمن بیان مقدمه، مفاهیم نظری تحقیق تشریح و تبیین می‌شود و پژوهش‌هایی که پیرامون موضوع تحقیق صورت گرفته است مورد بررسی قرار می‌گیرد.
در فصل سوم، ابتدا قلمرو زمانی تحقیق، سپس به بیان روش انجام تحقیق، جامعه و نمونه آماری پرداخته‌شده و در نهایت روش گردآوری اطلاعات و تجزیه و تحلیل داده‌ها و آزمون سؤالات ارائه می‌گردد.
فصل چهارم به تجزیه و تحلیل نتایج اختصاص یافته است. چگونگی طبقه‌بندی اطلاعات و تجزیه آن‌ها از طریق به‌کارگیری روش‌ها و مدل‌های آماری مورد استفاده، بیان‌شده و در نهایت نتایج آزمون فرضیه‌ها ارائه می‌شود.
در فصل پنجم ابتدا خلاصه تحقیق ارائه می‌شود. در ادامه نتایج پژوهش ارائه و با نتایج تحقیقات قبلی مقایسه می‌شود. سپس محدودیت‌های تحقیق ذکرشده و در نهایت پیشنهادهایی برای تحقیقات آتی ارائه خواهد شد.

فصل دوم
ادبیات و پیشینه‌ی پژوهش

1.2مقدمهپیش‌بینی جزء مهمی از فرآیند تصمیم‌گیری است، زیرا تصمیم‌گیری، آنچه در آینده رخ خواهد داد را منعکس می‌کند. در تصمیم‌گیری‌های اقتصادی، پیش‌بینی مالی فعالیت مهمی محسوب می‌شود. نیاز به پیش‌بینی جریان وجوه نقد در تصمیمات اقتصادی مختلف وجود دارد زیرا جریان‌های نقدی مبنایی برای پرداخت سود سهام، بهره، مالیات، بازپرداخت بدهی و ...هستند. اطلاعات مربوط به جریان‌های نقدی یک واحد تجاری برای استفاده‌کنندگان صورت‌های مالی در فراهم کردن مبنایی به منظور ارزیابی توان آن واحد در بکار گیری این وجوه سودمند است. با توجه به اهمیت بسزای جریان‌های نقدی، نیاز به پیش‌بینی جریان وجوه نقد در تصمیمات اقتصادی مختلف وجود دارد. این فصل، ضمن ارائه مطالبی در خصوص مفهوم، تاریخچه، انگیزهها، طبقه‌بندی و ابزارهای شناخته‌شده جریان نقد، به معرفی جریان نقد آتی و تأثیر اجزای تشکیل‌دهنده‌ی آن (اجزای اصلی و غیر اصلی) بر پیش‌بینی جریان نقد آتی که اخیراً مورد توجه محققان قرار گرفته است، می‌پردازد و با مروری بر پژوهشهای (خارجی و داخلی) صورت گرفته در زمینه جریان نقد و پیش‌بینی جریان نقد آتی پایان می‌یابد.
2.2مبانی نظری1.2.2.جریان نقد جریان نقد از منابع مهم و حیاتی در هر واحد انتفاعی است و ایجاد توازن بین وجوه نقد در دسترس و نیازهای نقدی مهم‌ترین عامل سلامت اقتصادی هر واحد انتفاعی است. وجه نقد از طریق عملیات عادی و سایر منابع تأمین مالی به واحد انتفاعی وارد می‌شود و برای اجرای عملیات، بازده سرمایه گذاریها وسود پرداختی بابت تأمین مالی، پرداخت مالیات، بازپرداخت بدهی‌ها، گسترش واحد انتفاعی، تصمیم‌گیری‌های مدیریت در مورد برنامه‌های کوتاه و بلندمدت عملیاتی و فعالیت های سرمایه‌گذاری و تأمین مالی مورد استفاده قرار می‌گیرد. تداوم فعالیت شرکت‌ها به عنوان یکی از مفروضات اساسی حسابداری، موضوعی است که عینیت بخشیدن به آن بدون در نظر گرفتن رخدادهای فعلی و نتایجی که در آینده برای آن متصور است، میسر نیست. در این راستا فرآیند پیش‌بینی، جزء مهمی از فرایند تصمیم‌گیری است زیرا آنچه که در آینده رخ خواهد داد را منعکس می‌کند. یکی از اهداف گزارشگری مالی کمک به سرمایه‌گذاران و اعتباردهندگان برای پیش‌بینی جریان‌های نقد آتی است. با توجه به اهمیت بسزای جریان‌های نقدی و نیاز به پیش‌بینی جریان وجوه نقد در تصمیمات اقتصادی مختلف، اهمیت این پیش‌بینی توسط بنیادهای استاندارد گذاری ملی و بین‌المللی حمایت‌شده و در این راستا محققین به طور مکرر از داده‌های حسابداری تعهدی و نقدی برای این پیش‌بینی استفاده نموده و نتایج متناقضی حاصل شده است؛ اما مطالعات گذشته صریحاً قدرت اجزای جریان نقدی بر پیش‌بینی جریان نقد آتی را مورد بررسی قرار نداده است؛ بنابراین با تجزیه اجزای جریان نقدی به اجزای اصلی و اجزای غیر اصلی و مقایسه و بررسی این اجزا در پیش‌بینی جریان نقد آتی، نقش هر یک را به طور جداگانه در پیش‌بینی جریان نقد آتی مورد بررسی قرار می‌دهیم؛ و به طور خاص به این موضوع خواهیم پرداخت که آیا اجزای جریانات نقدی (اجزای اصلی و اجزای غیر اصلی فعالیت‌های تجاری) در رابطه با جریانات نقد آتی اطلاعات متفاوتی ارائه می‌کنند یا خیر؟
تحلیل گران مالی بر اهمیت فراهم آوردن اطلاعات مربوط به اجزای جریانات نقدی (اجزای اصلی و غیر اصلی) تاکید می‌کنند و اینکه شفافیت و درستی و در دسترس بودن اطلاعات درباره جریان نقدی که از فعالیت‌های اصلی حاصل می‌شود؛ بخشی از اعتبار تجزیه و تحلیل خوب اطلاعات می‌باشد. برای داشتن تعریفی از اجزای جریانات نقدی همان‌گونه که سودهای اصلی را ناشی از فعالیت‌های اصلی شرکت می‌دانیم، تحقیق حاضر نیز، جریان‌های نقدی اصلی را ناشی از عملیات اصلی شرکت‌ها مانند، «فروش، بهای تمام‌شده کالای فروش رفته، هزینه‌های عملیاتی» تعریف می‌کند و جریان‌های نقدی غیر اصلی را «بهره، مالیات و خالص سایر تحقق یافتنی ها» می‌داند.
در مورد جریان وجوه نقد، مفاهیم اساسی شامل جریان نقدی حقوق صاحبان سهام و جریان نقدی آزاد وجود دارد. همچنین، جریان نقدی سرمایه‌ای نیز از واژه‌هایی است که مورد استفاده قرار می‌گیرد. همواره گفته می‌شود با بهبود جریان وجوه نقد، شرکت بهتر کار می‌کند و ثروت سهامداران آن افزایش می‌یابد. اغلب در متون مالی، تعریف زیر برای جریان نقدی حسابداری بیان می‌شود:
استهلاک+ سود خالص پس از کسر مالیات = جریان نقدی حسابداری
سه تعریف متفاوت دیگر از جریان وجوه نقد به این شرح ارائه می‌شود:
1- جریان نقدی حقوق صاحبان سهام: جریان نقدی است که پس از تأمین نیازهای سرمایه‌گذاری‌های انجام‌شده، نیازهای سرمایه در گردش، پرداخت هزینه‌های مالی، هزینه‌های کارکنان و ایجاد بدهی جدید، در شر‌کت باقی می‌ماند. جریان نقدی حقوق صاحبان سهام، جریان نقدی در دسترس سهامداران در داخل شرکت را نشان می‌دهد که برای تقسیم سود یا بازخرید سهام به کار می‌رود. جریان نقدی حقوق صاحبان سهام در هر دوره مالی به سادگی، تفاوت بین جریان وجوه نقد ورودی و جریان وجوه نقد خروجی در آن دوره را نشان می‌دهد.
جریان نقدی حقوق صاحبان سهام= جریان‌های وجوه نقد ورودی دوره- جریان‌های وجوه نقد خروجی دوره.
در زمان انجام پیش‌بینی‌ها، پیش‌بینی جریان نقدی حقوق صاحبان سهام در یک دوره باید با سود قابل تقسیم پیش‌بینی‌شده به علاوه بازخرید سهام در آن دوره، برابر باشد.
2- جریان نقدی آزاد: جریان نقدی حاصل از عملیات بعد ازکسر مالیات بدون احتساب بدهی ها و هزینه های بهره شرکت است؛ بنابراین، جریان نقدی آزاد، وجوه نقدی است که بعد از پوشش دادن نیاز های سرمایه گذاری و سرمایه در گردش و با فرض نبود بدهی، در دسترس شر‌کت قرار می‌گیرد. در شرکت‌های بدون بدهی یا فاقد اهرم مالی، جریان نقدی آزاد، همان جریان نقدی حقوق صاحبان سهام است. بعبارتی جریان نقدی آزاد، همان جریان نقدی حقوق صاحبان سهام است با فرض این‌که شرکت بدهی نداشته باشد. اغلب گفته می‌شود که جریان نقدی آزاد، وجوه نقد ایجادشده در شرکت برای تأمین وجوه مورد نیاز برای سهامداران و بستانکاران را نشان می‌دهد. این ادعا صحیح نیست، زیرا جریان نقدی سرمایه‌ای نشان می‌دهد که وجوه نقد ایجادشده به وسیله شرکت متعلق به سهامداران و بستانکاران است.
3- جریان نقدی سرمایه‌ای: جریان وجوه نقد در دسترس برای بستانکاران به علاوه جریان نقدی حقوق صاحبان سهام است. جریان نقدی بستانکاران شامل مجموع وجوه پرداخت‌شده برای بهره به علاوه بازپرداخت اصل وام (پس از کسر افزایش در اصل وام) است.
جریان نقدی بدهی + جریان نقدی حقوق صاحبان سهام= جریان نقدی سرمایه‌ای
1.1.2.2 نحوه محاسبه جریان‌های وجوه نقد
محاسبه جریان‌های وجوه نقد تعریف‌شده به این شرح صورت می‌گیرد:
1- جریان نقدی حقوق صاحبان سهام
جریان نقدی حقوق صاحبان سهام بر اساس مفهوم جریان وجوه نقد است و جریان وجوه نقد طی دوره، تفاوت بین جریان‌های داخلی و خارجی وجوه در آن دوره است. جریان نقدی حقوق صاحبان سهام به شرح جدول صفحه بعد محاسبه می‌شود.
جدول 2-1: محاسبه جریان‌های نقدی حقوق صاحبان سهامشرح مبلغ
سود خالص پس از مالیات اضافه (کسر) می‌گردد: xxx
استهلاک دارایی‌های مشهود و نامشهود xxx
افزایش در سرمایه در گردش (xxx)
پرداخت اصل بدهی‌های مالی (xxx)
افزایش در بدهی‌های مالی xxx
افزایش در سایر دارایی‌ها (xxx)
سرمایه‌گذاری ناخالص در دارایی‌های ثابت (xxx)
ارزش دفتری دارایی‌های ثابت فروخته‌شده و ‌کنار گذاشته‌شده xxx
جریان نقدی حقوق صاحبان سهام xxx
جریان نقدی حقوق صاحبان سهام، افزایش در وجه نقد طی دوره قبل از پرداخت سود سهام، بازخرید سهام و افزایش سرمایه است.
2- جریان نقدی آزاد
جریان نقدی آزاد برابر با جریان وجوه نقد شر‌کتی است که هیچ بدهی در سمت بدهی‌های ترازنامه خود نداشته باشد. محاسبه جریان نقدی آزاد، طبق محاسبات جدول صفحه بعد صورت می‌گیرد.
جدول 2-2: محاسبه جریان نقدی آزادشرح مبلغ
سود پس از ‌کسر مالیات اضافه (کسر) می‌گردد: xxx
استهلاک دارایی‌های مشهود و نامشهود xxx
افزایش در سرمایه در گردش (xxx)
افزایش در سایر دارایی‌ها (xxx)
سرمایه‌گذاری ناخالص در دارایی‌های ثابت (xxx)
بهره دریافت شده xxx
ارزش دفتری دارایی ثابت فروخته‌شده و ‌کنار گذاشته‌شده xxx
جریان نقدی آزاد xxx
با توجه به نحوه محاسبه جریان‌های وجوه نقد یادشده، اگر شرکت هیچ‌گونه بدهی نداشته باشد، جریان نقدی حقوق صاحبان سهام و جریان نقدی آزاد آن یکسان می‌شود.
3- جریان نقدی سرمایه‌ای
جریان نقدی سرمایه‌ای، جریان وجوه در دسترس برای همه بستانکاران و سهامداران است و شامل جریان نقدی حقوق صاحبان سهام و جریان نقدی بستانکاران است که برابر با بهره دریافت شده منهای افزایش در اصل بدهی‌ها است.
150013455803نمودار 2-1: رویکرد ارزشی شرکت در کاربرد جریان وجوه نقد تنزیل‌شدهنمودار 2-2: تفاوت بین جریان‌های وجوه نقد2376685080
2.1.2.2 رابطه بین سود خالص بعد از مالیات با جریان نقدی حقوق صاحبان سهام= جریان نقدی حقوق صاحبان سهام
سود خالص پس از کسر مالیات
+ استهلاک
- سرمایه‌گذاری ناخالص در دارایی‌های ثابت
- افزایش در سرمایه در گردش
- کاهش در بدهی‌های مالی
+ افزایش در بدهی‌های مالی
- افزایش در سایر دارایی‌ها
+ ارزش دفتری دارایی‌های ثابت فروخته‌شده
اگر در شر‌کتی که در حال رشد نیست(‌ در این حالت، مشتریان آن ثابت می‌مانند)، دارایی‌های ثابت با استهلاک یکسانی خریداری‌شده، بدهی‌ها ثابت نگاه داشته شده و فقط دارایی‌های کاملاً مستهلک‌ شده فروخته شوند، جریان وجوه نقد آن افزایش می‌یابد.
3.1.2.2 رابطه بین جریان نقدی حسابداری با جریان نقدی حقوق صاحبان سهام
اگر در شر‌کتی که در حال رشد نیست، بدهی‌ها ثابت نگه داشته شده و فقط دارایی‌های ثابت کاملا مستهلک شده فروخته شوند و دارایی های ثابت نیز خریداری نشود، جریان نقدی حسابداری آن برابر با جریان نقدی حقوق صاحبان سهام شرکت خواهد بود.
همچنین در مواردی که شرکت وجه نقد از مشتریان خود وصول و آن وجه نقد را به طلبکاران پرداخت می‌کند،( سرمایه در گردش شرکت صفر) و در آن دارایی‌های ثابت خریداری نمی‌شود، جریان نقدی حسابداری با جریان نقدی حقوق صاحبان سهام مساوی خواهد بود.
4.1.2.2 جریان‌های نقدی برگشتیگاهی اوقات، مردم درباره جریان نقدی حقوق صاحبان سهام برگشتی و جریان نقدی آزاد برگشتی صحبت می‌کنند. این جریان‌های نقدی نیز مشابه سایر روش‌های جریان‌های وجوه نقد محاسبه می‌شوند و فقط یک تفاوت وجود دارد. در این حالت، سود خالص، افزایش در سرمایه در گردش، افزایش در هزینه‌های استهلاک‌پذیر یا سرمایه‌گذاری ناخالص در دارایی‌های ثابت را شامل می‌شود و به عبارت دیگر، سرمایه‌گذاری در شرکت‌های تازه تأسیس را شامل نمی‌شود. (مجله حسابرس)
2.2.2 تکنیک های پیش‌بینی در طبقه‌بندی انواع روش‌های پیش‌بینی، به طور کلی این روش‌ها به دو دسته مدل های کیفی و مدل های کمی تقسیم می‌شوند. روش‌های کیفی شامل دلفی، مقایسات تکنولوژی مستقل زمانی، روش برآورد ذهنی، درخت مناسب، تحقیق مرفولوژیکی و... می‌باشد. روش‌های کمی، مدلهای کلی تک متغیره و یا چند متغیره را شامل می‌گردند. در مدل های تک متغیره، مواردی از قبیل روش‌های هموارسازی نمایی، باکس_جنکینز و تحلیل روند و در مدل های چند متغیره، روش‌هایی از قبیل رگرسیون چند گانه و تحلیل‌های اقتصادسنجی مورد توجه می‌باشند، ولی در روش‌های نوین، شبکه‌های عصبی مورد توجه قرارگرفته‌اند. (آذر و رجب زاده، 1382)
در تحقیقات اقتصادی، بیش‌ترین مدلهای پیش‌بینی مورد استفاده، روش‌های اقتصادسنجی، تحلیل‌های واریانس_ اتوکوواریانس و همبستگی و به طور کلی تحلیل‌های علّی بوده‌اند. در موضوعات مالی، روش‌های باکس_جنکینز و هموارسازی یا رگرسیون چند متغیره برای تحلیل‌های علّی در مسائلی مانند پیش‌بینی سود شرکت‌ها، قیمت سهام شرکت‌ها، پیش‌بینی اقلام ترازنامه و صورت جریان نقد و در موضوعات و مسائل بازرگانی، روش‌های کیفی (بیشتر روش دلفی) بیش‌ترین استفاده را داشته‌اند. شاید مهم‌ترین دلیل این نحوه کاربرد، مسبوق به سابقه بودن استفاده از این روش‌ها در این علوم مختلف است.
رویکردهای نوین مانند روش شبکه عصبی، در انواع مختلف مسائل پیش‌بینی و در علوم مختلف مالی، اقتصادی و بازرگانی مورد استفاده قرارگرفته‌اند و در تحقیقات مختلف به آن استناد شده است. تحقیقات متعددی در مقایسه بین روش‌های پیش‌بینی مطرح‌شده‌اند. خصوصاً در دهه اخیر، این مقایسات بین روش‌های شبکه عصبی و روش‌های اقتصادسنجی و یا باکس_جنکینز مطرح‌شده و انجام گرفته است. در نتایج بعضی از این تحقیقات، شبکه‌های عصبی خطاهای کمتری را نشان داده و در بعضی نتایج دیگر، روش‌های کلاسیک عنوان‌شده از جمله روش‌های باکس_ جنکینز یا اقتصادسنجی جواب‌های بهتری داده‌اند. معمولاً شبکه‌های عصبی در تحلیل سری‌های زمانی غیرخطی نتایج بهتری نسبت به سایر روش‌ها نشان می‌دهند.
3.2.2 مدل های پیش‌بینی کاربرد اصلی تجزیه و تحلیل سری‌های زمانی «پیش‌بینی» است. بدیهی است، چنانچه وابستگی خاصی بین داده‌ها در طول زمان وجود داشته باشد، فرصت مناسبی پیش می‌آید تا با کمک آن مشاهدات بتوان روند آینده پدیده‌ای را پیش‌بینی کرد. یکی از وظایف اصلی مدیران، تصمیم‌گیری و سیاست‌گذاری برای آینده سازمان خویش است. پس تجزیه و تحلیل سری‌های زمانی و پیش‌بینی پدیده‌ها می‌تواند ابزار مناسبی برای تصمیم‌گیری مدیران باشد.
1.3.2.2 مدل میانگین متحرک
عناصر تصادفی در برخی از سری‌های زمانی ممکن است آن قدر قوی باشد که هر گونه نظمی را در سری زمانی از بین ببرند؛ بنابراین هر گونه تفسیر و تحلیل ذهنی و بصری در خصوص نمودار سری زمانی با مشکل رو به رو می‌شود. در چنین شرایطی، نمودار واقعی سری زمانی بسیار و ممکن است در عمل مجبور باشیم برای رسیدن به تصویر واضح از سری زمانی آن را «هموار» کنیم.
یکی از روش‌های هموارسازی «میانگین متحرک» است. اساس این روش در این ایده نهفته است که هر تغییر تصادفی بزرگ در هر لحظه از زمان اگر با نقاط هم‌جوارش میانگین گرفته شود، تأثیر ناچیزی از خود به جا خواهد گذاشت. ساده‌ترین فن از این نوع «میانگین متحرک ساده مرکزی (1m+2) نقطه» نامیده می‌شود. در این روش، نظر بر این است که هر مشاهده واقعی (Xt)  با میانگین خودش و m نقطه هم‌جوارش جایگزین شود.
5143534290
2.3.2.2 مدل نمو هموار ساده در بسیاری از موارد از مدل «نمو هموار ساده» برای پیش‌بینی مقادیر آینده سری زمانی استفاده می‌شود. این روش، یکی  از ساده‌ترین روش‌های پیش‌بینی است که مبنایی برای دیگر مدل های پیش‌بینی به حساب می‌آید. روش نمو هموار، برای آن دسته از سری‌های زمانی مفید است که تغییرات فصلی و دوره‌ای در آن مورد نظر نباشد. در این روش پیش‌بینی داده‌های دوره بعد عبارت است از:
هر قدر آلفا یا ضریب نمو هموار به صفر نزدیک شود نمایانگر بی‌ارزش بودن داده‌های اخیر است و هر قدر یا ضریب نمو هموار به «۱» نزدیک شود، نشان می‌دهد که داده‌های اخیر باارزش‌تر می‌باشند.
3238564135
3.3.2.2 مدل نمو هموار دوبل این روش متشکل از نمو هموار ساده با شاخص روند تعدیل شده است که نحوه محاسبه آن به شرح زیر است:
-381010160

4.2.2مفهوم و اهمیت جریان نقد
مفهوم معمولی اصطلاح وجوه با مفهوم خاصی که در حسابداری از آن استنباط می‌شود تفاوت دارد. در اصطلاح عادی وجوه جمع کلمه وجه به معنی پول نقد است. درحالی‌که در حسابداری اصطلاح وجوه معنی وسیع تری داشته و شامل هر نوع پول نقد یا معادل آن است که به مؤسسه وارد یا از آن خارج می‌شود. با این دیدگاه وجوه نقد از منابع بسیار مهم و حیاتی در مؤسسه تجاری بشمار می‌آید و ایجاد توازن مابین وجوه نقد در دسترس و نیازهای نقدی، مهم‌ترین عامل سلامت اقتصادی هر مؤسسه است وجه نقد از طریق عملیات عادی و سایر منابع تأمین مالی وارد مؤسسه می‌شود؛ و برای اجرای عملیات، بازده سرمایه گذاریها و سود پرداختی بابت تأمین مالی، پرداخت مالیات، فعالیت های سرمایه گذاری، فعالیت های تأمین مالی، بازپرداخت بدهی و گسترش واحد انتفاعی به مصرف می‌رسد. (خدامی پور و پوراحمد، 1389)
قابلیت دسترسی هر مؤسسه تجاری به وجه نقد، مبنای بسیاری از تصمیم‌گیری‌ها و قضاوت‌ها درباره آن مؤسسه است. به بیان دیگر، اطلاعات مربوط به جریان ورود و خروج وجه نقد در یک مؤسسه تجاری، مبنای بسیاری از تصمیم‌گیری‌ها و مبنای بسیاری از قضاوت‌های سرمایه‌گذاران، اعتباردهندگان و برخی دیگر از گروه‌های استفاده‌کننده از اطلاعات مالی را تشکیل می‌دهد. از سوی دیگر، سطح وجوه نقد باید به میزانی باشد که بتوان آن را با کارایی زیاد در مؤسسه به گردش آورد. چرا که وجوه نقد زیاد یا کم، هر دو به مفهوم عدم کارایی است. کمبود وجه به معنای آن است که کاری انجام نخواهد شد و وجوه زیاد نیز به معنای ضایعات است. در همین راستا چگونگی بهینه‌سازی موجودی نقد و کارا نمودن گردش وجوه نقد موضوعاتی است که در بحث مدیریت وجوه نقد و یا مدیریت نقدینگی به آن پرداخته می‌شود.
اگر یک شرکت بخواهد در عرصه تجارت باقی بماند، خالص جریان‌های نقدی حاصل از فعالیت‌های عملیاتی آن در بلندمدت باید مثبت باشد. شرکتی که جریان‌های نقدی ناشی از عملیاتش منفی باشد، قادر نخواهد بود همواره از سایر منابع، وجه نقد لازم را تأمین کند. در حقیقت، توان شرکت در تأمین وجه نقد از طریق فعالیت‌های سرمایه‌گذاری یا مالی تا حد زیادی به توانایی آن در تأمین وجه نقد از محل عملیات عادی شرکت بستگی دارد. اعتباردهندگان و سهامداران حاضر نیستند در شرکتی سرمایه‌گذاری کنند که از فعالیت‌های عملیاتی آن وجه نقد کافی فراهم نمی‌شود و در مورد پرداخت سود سهام، بهره ،مالیات و بدهی‌هایش در سررسید اطمینان وجود ندارد (خدامی پور و پوراحمد، 1389).
یکی از گزارش‌های مالی که در اختیار سرمایه‌گذاران قرار می‌گیرد، صورت جریان نقدی است. صورت جریان نقدی ابزار انتقال اطلاعات برای ارزیابی توان بازپرداخت بدهی، نقدینگی و انعطاف‌پذیری مالی است. وجه نقد از منابع مهم و حیاتی در هر واحد سودآوری است و ایجاد توازن وجوه نقد در دسترس و نیازهای نقدی، مهم‌ترین عامل سلامت اقتصادی هر واحد سودآور است. وجه نقد از طریق عملیات عادی و سایر منابع تأمین مالی، به واحد سودآور وارد می‌شود و برای اجرای عملیات، بازده سرمایه گذاریها و سود پرداختی بابت تأمین مالی، پرداخت مالیات، فعالیتهای سرمایه گذاری، فعالیتهای تأمین مالی، بازپرداخت بدهی‌ها و گسترش واحد سودآور به مصرف می‌رسد. روند ورود و خروج وجه نقد در هر واحد سودآور بازتاب تصمیم‌گیری‌های مدیریت در مورد برنامه‌های کوتاه و بلندمدت عملیاتی و طرح‌های سرمایه‌گذاری و تأمین مالی است (دستگیر و خدابنده، 1382). در صورت جریان وجوه نقد معمولاً وجوه نقد حاصل از فعالیت‌های عملیاتی بیانگر توانایی شرکت برای ایجاد جریان‌های نقدی است. با وجود این بسیاری از تحلیلگران مالی معتقدند وجوه نقد حاصل از فعالیت‌های عملیاتی وجوهی است که نه تنها باید در دارایی‌های ثابت جدیدی سرمایه‌گذاری شده تا شرکت بتواند سطح جاری فعالیت‌های خود را حفظ نماید بلکه بخشی از این وجوه نیز باید به منظور رضایت سهامداران تحت عنوان سود سهام و یا بازخرید آن بین آن‌ها توزیع شود. لذا وجوه نقد حاصل از فعالیت‌های عملیاتی به تنهایی نمی‌تواند به عنوان توانایی واحد تجاری برای ایجاد جریان‌های نقدی تلقی گردد.
شرکتی که دارای جریان وجه نقد بالایی باشد از مطلوبیت و محبوبیت بیشتری نزد سرمایه‌گذاران و بستانکاران برخوردار است. این مطلوبیت زمانی قابل‌قبول است که شرکت مرحله رشد را گذرانده باشد. در مقابل برخی از شرکت‌ها ممکن است با جریان وجه نقد منفی مواجه شوند، جریان وجه نقد منفی همیشه بد و نامطلوب نیست بلکه علل منفی شدن آن مهم بوده و بایستی مورد تجزیه و تحلیل قرار گیرد. اگر بدان سبب منفی شده که سود خالص عملیاتی پس از کسر مالیات منفی باشد بی‌شک این نوع منفی شدن پیامد بدی را مخاطره می‌کند، زیرا که شرکت احتمالاً با مسائل و مشکلات عملیاتی روبرو شده است؛ اما چنانچه منفی شدن جریان وجه نقد ناشی از سرمایه‌گذاری وجوه در فرصت‌های سودآور موجود و به‌کارگیری منابع زیاد در اقلام سرمایه عملیاتی برای ادامه و تحقق رشد باشد، این نوع منفی شدن هیچ عیبی ندارد، مقطعی است و به دوره‌های کوتاه مدت زمان سرمایه‌گذاری مربوط می‌شود. مطلوبیت و سودآوری سرمایه‌گذاری در چنین فرصت‌هایی در بلندمدت ظاهر می‌شود و در درازمدت به مثبت شدن جریان وجه نقد منجر می‌گردد (رضوانی راز و همکاران، 1388).
5.2.2جریان‌های نقد آزاد و مدیریت سود بالا بودن میزان جریان نقدی آزاد برخلاف اهرم مالی، یک عامل مشوق در انجام رفتارهای فرصت‌طلبانه مدیران است. جنسن (1986) بیان می‌کند که وجود جریان نقدی آزاد بر میزان رفتارهای فرصت‌طلبانه مدیران تأثیر زیادی دارد. در شرایطی که یک شرکت دارای میزان زیادی از جریان نقدی آزاد است مدیر می‌تواند وجوه مازاد را در فرصت‌های مختلفی سرمایه‌گذاری کند. با توجه به محدود بودن فرصت‌های سرمایه‌گذاری مطمئن و پربازده، احتمالاً مدیران به سرمایه‌گذاری‌هایی دست خواهند زد که دارای بازدهای کمتر از نرخ هزینه سرمایه شرکت است و یا بسیار پرخطر هستند. به هزینه‌هایی که در این شرایط به سهامداران تحمیل می‌گردد در اصطلاح «هزینه‌های نمایندگی ناشی از جریان نقدی آزاد» اطلاق می‌گردد. هنگامی که شرکت با میزان زیادی از جریان نقدی آزاد مواجه باشد، میزان رفتارهای فرصت‌طلبانۀ مدیران نیز افزایش پیدا می‌کند. با افزایش اهرم مالی، به تدریج میزان این جریانات نقدی و در نتیجه میزان اختیارات مدیران در چگونگی مصرف وجوه نقد شرکت کاهش می‌یابد. با توجه به مطالب ذکرشده در قسمت‌های قبل، این موضوع می‌تواند به کاهش مدیریت سود منجر گردد. اگر شرکت‌هایی که درگیر افزایش اهرم مالی هستند دارای جریان نقدی آزاد محدودی باشند، در این صورت مدیران تلاش خواهند نمود وجوه نقد باقی‌مانده پس از بازپرداخت اصل و بهره بدهی‌ها را در سرمایه‌گذاری‌های مطمئن به منظور ارزش آفرینی برای سهامداران مصرف کنند و از سرمایه‌گذاری‌های پرخطر پرهیز خواهند نمود.
6.2.2مزایای صورت جریان‌های نقداطلاعات‌ ارائه‌ شده‌ در صورت‌ جریان‌ وجوه نقد در مقایسه‌ با صورتهای‌ جریان‌ وجوه‌ مبتنی‌ بر تغییر در سرمایه‌ در گردش‌ دارای‌ مزایای‌ زیر است‌:
الف.‌صورتهای‌ جریان‌ وجوه‌ مبتنی‌ بر تغییر در سرمایه‌ در گردش‌، ممکن‌ است‌ تغییرات‌ مرتبط‌ با نقدینگی‌ و تداوم‌ فعالیت‌ را پنهان‌ کند. برای‌ مثال‌، کاهش‌ قابل‌ ملاحظه‌ در وجه نقد موجود ممکن‌ است‌ به‌ خاطر افزایش‌ در موجودی‌ مواد و کالا یا بدهکاران‌ پنهان‌ بماند. بدین‌ ترتیب‌، واحدهای‌ تجاری‌ ممکن‌ است‌ علی‌رغم‌ گزارش‌ افزایش‌ در سرمایه‌ در گردش‌، دچار مشکل‌ نقدینگی‌ شوند. به‌گونه‌ای‌ مشابه‌، کاهش‌ در سرمایه‌ در گردش‌ لزوماً بیانگر کمبود نقدینگی‌ و خطر توقف‌ فعالیت‌ واحد تجاری‌ نیست‌.
ب‌.کنترل‌ وجوه نقد، یک‌ ویژگی‌ معمول‌ فعالیت‌ تجاری‌ است‌ و یک‌ تکنیک‌ تخصصی‌ حسابداری‌ به‌ شمار نمی‌رود. بدین‌ لحاظ‌ جریان‌ وجوه نقد مفهومی‌ است‌ که‌ در مقایسه‌ با تغییرات‌ در سرمایه‌ در گردش‌ از درک‌ و پذیرش‌ بیشتری‌ برخوردار است‌.
ج.در مدلهای‌ ارزیابی‌ واحدهای‌ تجاری‌، وجه نقد به عنوان‌ یک‌ داده‌ مستقیم‌ کاربرد دارد و لذا جریانهای‌ تاریخی‌ وجه نقد می‌تواند در این‌ گونه‌ موارد که‌ اطلاعات‌ مربوط‌ به‌ جریان‌ وجوه‌ مبتنی‌ بر تغییر در سرمایه‌ درگردش‌ فاقد کاربرد است‌، مورد استفاده‌ قرار گیرد.
د‌.صورتهای‌ جریان‌ وجوه‌ مبتنی‌ بر تغییر در سرمایه‌ در گردش‌ عمدتاً متکی‌ به‌ تفاوت‌ اقلام‌ دو ترازنامه‌ واحد تجاری‌ است‌ و درنتیجه‌ حاوی‌ اطلاعات‌ جدیدی‌ نیست‌ و تنها اطلاعات‌ موجود را با آرایش‌ متفاوتی‌ ارائه‌ می‌کند. صورت‌ جریان‌ وجوه نقد و یادداشتهای‌ توضیحی‌ مربوط‌ متضمن‌ اطلاعاتی‌ است‌ که‌ در صورتهای‌ جریان‌ وجوه‌ مبتنی‌ بر تغییرات‌ در سرمایه‌ در گردش‌ افشا نمی‌شود.(استانداردهای حسابداری)

7.2.2ماهیت صورت‌های جریان نقد صورت جریان‌های نقدی منبع تهیه اطلاعات، در ارتباط با تغییرات وجه نقد در طی دوره می‌باشد که می‌تواند برای ارزیابی نقدینگی شرکت، قابلیت انعطاف‌پذیری مالی و توانایی عملیاتی و ریسک شرکت مفید واقع شود.
معادل وجه نقد عبارت است از سرمایه‌گذاری‌های کوتاه مدت، یعنی سرمایه‌گذاری‌هایی با نقدینگی بالا که دارای ویژگی‌های زیر باشند:
الف) به سرعت و سهولت به مبالغی مشخص از وجه نقد قابل تبدیل باشد.
ب) تاریخ تبدیل آن به وجه نقد، آن قدر نزدیک باشد که احتمال تغییر در ارزش آن بعید به نظر برسد.
صورت‌ جریان‌ وجوه نقد باید منعکس‌ کننده‌ جریانهای‌ نقدی‌ طی‌ دوره‌ تحت‌ سرفصلهای‌ اصلی‌ زیر باشد:
ـفعالیتهای‌ عملیاتی‌،
ـبازده‌ سرمایه‌گذاریها و سود پرداختی‌ بابت‌ تأمین‌ مالی‌،
ـمالیات‌ بر درآمد،
ـفعالیتهای‌ سرمایه‌گذاری‌، و
- فعالیتهای‌ تأمین‌ مالی‌
در ارائـه‌ جریانهای‌ نقدی‌، رعایت‌ ترتیب‌ سرفصلها به‌ شرح‌ بالا و نیز ارائـه‌ جمع‌ جریانهای‌ نقدی‌ منعکس‌ شده‌ در هر سرفصل‌ و جمع‌ کل‌ جریانهای‌ نقدی‌ قبل‌ از سرفصل‌ فعالیتهای‌ تأمین‌ مالی‌ ضرورت‌ دارد.
صورت‌ جریان‌ وجوه نقد همچنین‌ باید شامل‌ صورت‌ تطبیق‌ مانده‌ اول‌ دوره‌ و پایان‌ دوره‌ وجه نقد باشد. صورت‌ تطبیق‌ مزبور باید هرگونه‌ تفاوتهای‌ ارزی‌ ناشی از مانده‌های‌ وجه نقد ارزی‌که‌ به‌ سود و زیان‌ منظور شده‌ است‌ منجمله‌ تفاوتهای‌ ارزی‌ ناشی از تسعیر جریانهای‌ نقدی‌ واحدهای‌ تجاری‌ فرعی‌ خارجی‌ به‌ نرخهایی‌ غیر از نرخ‌ تاریخ‌ ترازنامه‌ و سایر گردشهای‌ مربوط‌ را نشان‌ دهد
فعالیت‌های عملیاتی: فعالیتهای‌ عملیاتی‌ عبارت‌ از فعالیتهای‌ اصلی‌ مولد درآمد عملیاتی‌ واحد تجاری‌ است‌. فعالیتهای‌ مزبور متضمن‌ تولید و فروش‌ کالا و ارائـه‌ خدمات‌ است‌ و هزینه‌ها و درآمدهای‌ مرتبط‌ با آن‌ در تعیین‌ سود یا زیان‌ عملیاتی‌ درصورت‌ سود و زیان‌ منظور می‌شود. جریانهای‌ نقدی‌ ناشی از فعالیتهای‌ عملیاتی‌ اساساً دربرگیرنده‌ جریانهای‌ ورودی‌ و خروجی‌ نقدی‌ مرتبط‌ با فعالیتهای‌ مزبور است‌
بازده‌ سرمایه‌گذاریها و سود پرداختی‌ بابت‌ تأمین‌ مالی‌: بازده‌ سرمایه‌گذاریها و سود پرداختی‌ بابت‌ تأمین‌ مالی‌ دربرگیرنده‌ دریافتهای‌ حاصل از مالکیت‌ سرمایه‌گذاریها و سود دریافتی‌ از بابت‌ سپرده‌های‌ سرمایه‌گذاری‌ بلندمدت‌ و کوتاه‌مدت‌ بانکی‌ و نیز پرداختهای‌ انجام‌ شده‌ به‌ تأمین‌ کنندگان‌ منابع‌ مالی‌ است‌
مالیات‌ بر درآمد: به موجب‌ این‌ استاندارد، مجموع‌ جریانهای‌ نقدی‌ مرتبط‌ با مالیات‌ بر درآمد تحت‌ سرفصل‌ جداگانه‌ای‌ درصورت‌ جریان‌ وجوه نقد انعکاس‌ می‌یابد
فعالیتهای‌ سرمایه‌گذاری:‌ جریانهای‌ نقدی‌ منظور شده‌ تحت‌ سرفصل‌ ” فعالیتهای‌ سرمایه‌گذاری‌“ مشتمل‌بر جریانهای‌ مرتبط‌ با تحصیل‌ و فروش‌ سرمایه‌گذاریهای‌ کوتاه‌مدت‌، سرمایه‌گذاریهای‌ بلندمدت‌ و داراییهای‌ ثابت‌ مشهود و داراییهای‌ نامشهود و نیز پرداخت‌ و وصول‌ تسهیلات‌ اعطایی‌ به‌ اشخاص‌ مستقل‌ از واحد تجاری‌ بجز کارکنان‌ می‌باشد
فعالیتهای‌ تأمین‌ مالی‌: جریانهای‌ نقدی‌ ناشی از فعالیتهای‌ تأمین‌ مالی‌ شامل‌ دریافتهای‌ نقدی‌ از تأمین‌ کنندگان‌ منابع‌ مالی‌ خارج‌ از واحد تجاری‌ (شامل‌ صاحبان‌ سرمایه‌) و بازپرداخت‌ اصل‌ آن‌ است‌.(استاندارد های حسابداری)
1.7.2.2 تجزیه و تحلیل صورت‌های مالی یکی از اهداف حسابداری تفسیر اطلاعات مالی و یا در واقع استفاده از صورت‌های مالی به منظور تصمیم‌گیری اشخاص و مراجع مختلف ازجمله سرمایه‌گذاران، بانک‌ها، بستانکاران و سایر علاقه‌مندان است. ضرورت تفسیر صورت‌های مالی به نحوی که نیاز استفاده‌کنندگان مختلف از صورت‌های مالی را برطرف می‌کند منجر به پیدایش و توسعه روش‌ها و فنونی شد که روابط بین ارقام مندرج در صورت‌های مالی را تعیین و امکان مقایسه، تفسیر و توجیه آن‌ها را فراهم کرده است. مجموعه این روش‌ها و فنون که در جریان پیشرفت حسابداری در پاسخ به نیازهای فزاینده اطلاعات مالی ابداع و توسعه یافته است، تجزیه و تحلیل صورت‌های مالی نامیده می‌شود.
لی پولد معتقد است که استفاده‌کنندگان صورت‌های مالی جهت دستیابی به اهداف زیر اقدام به تجزیه و تحلیل صورت‌های مالی می‌نمایند.
الف) صاحبان اوراق بهادار جهت ارزیابی ریسک و بازده اوراق بهادار، به پیش‌بینی قدرت مالی برآورد سودهای آینده علاقه‌مند هستند
ب) بستانکاران به شناسایی خطرات ذاتی موجود در بدهی‌ها و پیش‌بینی‌ جریان وجوه آینده اقدام می‌کنند.
ج) صاحبان سرمایه جهت تصمیم‌گیری در مورد نگهداری، فروش و یا خرید سهام شرکت به تجزیه تحلیل صورت‌های مالی متوسل می‌شوند.
2.7.2.2 ابزارهای اصلی تجزیه و تحلیل صورت‌های مالی عمده‌ترین روش‌های تجزیه و تحلیل صورت‌های مالی به شرح زیر طبقه‌بندی می‌شود:
الف) مقایسه و اندازه‌گیری‌های مربوط به اطلاعات مالی برای دو دوره یا بیشتر (تجزیه و تحلیل افقی یا روند)
ب) مقایسه و اندازه‌گیری مربوط به داده‌های مالی دوره جاری (تجزیه و تحلیل عمودی یا درونی)
ج) بررسی با اهداف خاص
د) خطر سنجی
ت) تجزیه و تحلیل سرمایه در گردش
3.7.2.2 نسبت‌های مالی نسبت‌های مالی متداول‌ترین ابزار تجزیه و تحلیل صورت‌های مالی می‌باشند که مورد استفاده تحلیلگران مالی جهت ارزیابی نقاط قوت و ضعف شرکت‌ها قرار می‌گیرند.
جهت به‌کارگیری نسبت‌های مالی می‌توان مقایسه‌های زیر را انجام داد:
1-مقایسه نسبت‌های مالی دوره جاری با نسبت‌های دوره قبل (روند)
2-مقایسه نسبت‌های مالی دوره جاری و دوره‌های قبل با نسبت‌های متوسط صنعت
3-مقایسه نسبت‌های موجود در صورت‌های مالی یک شرکت با یکدیگر (تجزیه و تحلیل درونی)
4-مقایسه نسبت‌های مالی دوره جاری با نسبت‌های بودجه‌ای
نسبت‌های مالی موجود در صورت‌های مالی اساسی، تحت این دو طبقه مورد بررسی قرار می‌گیرد:
صورت‌های مالی سنتی (ترازنامه و سود و زیان) و صورت جریان‌های نقدی
تعریف و بررسی نسبت‌های مالی مبتنی بر صورت‌های مالی سنتی:
نسبت‌های مالی به آن دسته از نسبت‌هایی اطلاق می‌شود که با استفاده از اطلاعات و ارقام موجود در ترازنامه و صورت سود و زیان محاسبه می‌گردد. گروه‌های مختلف استفاده‌کنندگان از این صورت‌ها معمولاً این نسبت‌ها را در چهار گروه اصلی زیر بکار می‌گیرند:
1.3.7.2.2نسبت‌های نقدینگی این گروه از نسبت‌ها شامل نسبت جاری و نسبت آنی می‌باشد و توانایی واحد تجاری را در بازپرداخت بدهی‌های کوتاه مدت ارزیابی می‌نماید.
2.3.7.2.2نسبت‌های فعالیت نسبت‌های فعالیت، کارایی مدیران را در استفاده بهینه از دارایی‌ها (منابع مالی در اختیار) نشان می‌دهد. نسبت گردش موجودی‌ها، نسبت گردش دارایی‌ها و دوره وصول مطالبات نمونه‌ای از نسبت‌های فعالیت‌ می‌باشند.
3.3.7.2.2نسبت‌های اهرمی این نسبت‌ها به دو گروه تقسیم می‌شوند. گروه اول به بخش بدهی‌ها و حقوق صاحبان سهام (مندرج در ترازنامه) مربوط است و مبالغی را که شرکت از طریق وام گرفتن تأمین می‌کند محاسبه می‌نماید که نمونه‌های آن عبارت‌اند از: نسبت بدهی‌های بلندمدت به حقوق صاحبان سهام و نسبت کل بدهی‌ها به کل دارایی‌ها. گروه دوم توان شرکت را در ایجاد سود کافی برای پرداخت‌های شرکت نشان می‌دهد، مانند توان پرداخت بهره.
4.3.7.2.2نسبت‌های سودآوری هدف به‌کارگیری نسبت‌های سودآوری تعیین میزان موفقیت واحد تجاری در کسب سود است. با استفاده از این نسبت‌ها، به بازده سهام شرکت از دیدگاه‌های متفاوت ذیل توجه می‌شود:
سود هر سهم
بازده حاصل از یک ریال فروش
بازده هر ریال از دارایی‌ها (سرمایه‌گذاری‌ها)
بازده حقوق صاحبان سهام
8.2.2 ارتباط میان نسبت‌ها و پیش‌بینی جریان نقد آتی تحلیلگران به منظور پیش‌بینی متغیرهای مالی و همچنین ارزیابی عملکرد نسبی واحدهای تجاری از نسبت‌های مالی استفاده می‌کنند. آن‌ها برای پیش‌بینی ورشکستگی، احتمال بازپرداخت نشدن وام در سررسید و همچنین ارزش سهام، نسبت‌های مالی را به دو دسته نقدینگی و سودآوری تقسیم می‌کنند. بمنظور ارزیابی، درآمد های غیر مترقبه حذف وعملکرد واقعی انعکاس می یابد. در چنین ارزیابی‌هایی، عملکرد سایر شرکت‌ها می‌تواند اطلاعاتی در باب عملکرد یک شرکت مشخص را فراهم کند. اگرچه مطالعات انجام‌شده در مورد جریان‌های نقدی نتایج کاملاً متفاوتی را در بر داشته، لیکن بسیاری از این تحقیقات، باارزش بودن اطلاعات جریان‌های نقدی را تأیید کرده است. نتایج این مطالعات به ویژه در پیش‌بینی ورشکستگی و نابسامانی واحدهای تجاری کاملاً صحیح بوده است.
1.8.2.2 معرفی نسبت‌ها این مطالعه نقطه آغازی در شناسایی و بسط تعدادی از نسبت‌های جریان‌های نقدی و استانداردهای مربوط به این نسبت‌ها است. صورت جریان‌های نقدی، فعل‌وانفعالات نقدی یک واحد تجاری را در پنج بخش فعالیت های عملیاتی، بازده سرمایه گذاریها و سود پرداختی بابت تأمین مالی، مالیات بر درآمد، فعالیت های سرمایه گذاری و سود پرداختی بابت تأمین مالی ارائه می‌کند. بخش مربوط به جریان‌های نقدی ناشی از فعالیت‌های عملیاتی، آثار نقدی معاملات و سایر رویدادهای مرتبط در تعیین سود خالص را به طور خلاصه ارائه می‌کند. فعالیت‌های عملیاتی شامل عملیات اصلی یک واحد تجاری، یعنی تولید و عرضه کالا و خدمات است. این‌گونه فعالیت‌ها دارای بیش‌ترین اهمیت در واحدهای تجاری است و همچنین اولین متغیر مورد توجه در این مطالعه است. این نسبت‌ها به منظور توصیف کیفیت استفاده و به دو دسته کفایت و کارایی تقسیم شده است.
1.1.8.2.2 نسبت‌های کفایت نسبت کفایت جریان‌های‌ نقدی، توانایی یک شرکت در تحصیل وجه‌ نقد کافی برای پرداخت بدهی‌ها، سرمایه‌گذاری‌ مجدد در عملیات و پرداخت سود به صاحبان‌ آن را به‌ طور مستقیم اندازه‌گیری می‌کند. دستیابی به عدد 1 برای این نسبت در طول‌ دوره‌ای چندساله بیانگر توانایی رضایت‌بخش‌ در تأمین نیازهای نقدی اولیه آن است. نسبت‌های پرداخت بدهی‌های بلندمدت، پرداخت‌ سود سهام و سرمایه‌گذاری مجدد، اطلاعات‌ اضافی را در خصوص اهمیت هر یک از اجزای‌ فوق فراهم می‌کند. هنگامی‌که این سه نسبت به‌ درصد تبدیل‌شده و با یکدیگر جمع جبری‌ شوند، درصد وجه نقد ناشی از عملیات را که‌ برای مصارف احتیاطی در دسترس است، نشان خواهند داد. اگرچه یک شرکت می‌تواند از جریان‌های‌ نقدی ناشی از عملیاتی، بازده سرمایه گذاریها، فعالیت‌های سرمایه‌گذاری و تأمین مالی نیز در بازپرداخت بدهی‌ها استفاده‌ کند، امّا جریان‌های نقدی ناشی از فعالیت‌های‌ عملیاتی منبع اصلی تأمین وجه نقد در درازمدت است. نسبت پوشش بدهی‌ها بیانگر دوره بازپرداخت آن‌هاست. این نسبت برآورد می‌کند با توجه به میزان فعلی وجه نقد ناشی‌ از عملیات، چند سال طول خواهد کشید تا همه‌ بدهی‌ها بازپرداخت شود.
نسبت تأثیر استهلاک دارایی‌ها نشان‌دهنده‌ درصد وجه نقد ناشی از فعالیت‌های عملیاتی در نتیجه برگرداندن استهلاک دارایی‌ها است. مقایسه این نسبت با نسبت سرمایه‌گذاری‌ مجدد این امکان را به دست می‌دهد که بتوان‌ کفایت سرمایه‌گذاری مجدد و هزینه‌های‌ نگهداری دارایی‌های یک شرکت را مورد ارزیابی‌ قرارداد. در طول چند سال، نسبت سرمایه‌گذاری‌ مجدد باید بیش از نسبت تأثیر استهلاک‌ دارایی‌ها باشد تا بتوان اطمینان حاصل کرد که‌ جایگزینی دارایی‌ها به اندازه کافی و به میزانی‌ بیش از ارزش جاری آن‌ها انجام پذیرفته است. از این نسبت می‌توان برای ارزیابی کارایی‌ استفاده کرد. یک شرکت هنگامی می‌تواند کاراتر باشد که استهلاک دارایی‌های آن به طور نسبی تأثیر کمتری بر وجه نقد ناشی از عملیات آن داشته باشد.
2.1.8.2.2 نسبت‌های کارایی سرمایه‌گذاران، بستانکاران و دیگرانی که جریان‌های نقدی یک‌ شرکت را بررسی می‌کنند، به صورت حساب‌ سود و زیان و اندازه‌گیری‌های مربوط به سود نیز توجه دارند. نسبت جریان‌های نقدی به‌ فروش، درصد مبلغ فروش تحقق‌یافته‌ به عنوان وجه نقد ناشی از فعالیت‌های عملیاتی‌ را نشان می‌دهد. در طول زمان، این نسبت باید بازده فروش شرکت را برآورد کند. نسبت‌ شاخص عملیات وجه نقد ناشی از فعالیت‌های‌ عملیاتی را با سود حاصل از عملیات مستمر مقایسه می‌کند. این نسبت همچنین قابلیت‌ تحصیل وجه نقد از طریق عملیات مستمر را اندازه‌گیری می‌کند. نسبت بازده جریان‌های‌ نقدی به دارایی‌ها مبنایی برای اندازه‌گیری‌ بازده دارایی‌های به کار گرفته‌شده به منظور مقایسه شرکت‌ها از لحاظ تحصیل وجه نقد (به جای تحصیل سود) از دارایی‌های آن‌ها نسبت‌ به یکدیگر است.
نسبت‌های کفایت و کارایی نمونه‌ای از اطلاعات به دست آمده از صورت جریان‌های‌ نقدی است که در دسترس استفاده‌کنندگان از صورت‌های مالی قرار می‌گیرد. لازم است به این‌ نکته توجه شود که همانند تمامی تجزیه و تحلیل‌ها، نسبت‌های مربوط به یک واحد تجاری‌ در طی یک دوره مالی، اطلاعات محدودی را ارائه می‌کند. نسبت‌های مالی هنگامی سودمندتر خواهند بود که به منظور تعیین میانگین و روند تغییرات، اقدام به محاسبه نسبت‌ها برای‌ یک دوره چندساله شود و سپس نتایج‌ به دست آمده با میانگین صنعت مربوط مقایسه گردد.
9.2.2نسبت‌های مالی مبتنی بر صورت جریان‌های نقدیبه نظر می‌رسد اطلاعات صورت جریان‌های نقدی علیرغم سودمند بودن، کمتر مورد استفاده قرارمی گیرد شاید دلیل این امر جدید بودن تهیه و ارائه صورت جریان‌های وجوه نقد توسط شرکت‌ها و در نتیجه عدم آشنایی کافی استفاده‌کنندگان در به‌کارگیری نسبت‌های این صورت می‌باشد، نظریه تمرکز نیز موید همین مطلب است، یعنی استفاده‌کنندگان همه اطلاعات در دسترس را به اندازه کافی تجزیه و تحلیل نمی‌کنند. لذا اطلاعات موجود در نسبت‌های صورت جریان‌های نقدی را کمتر بکار می‌گیرند. نسبت‌های مالی مبتنی بر صورت جریان‌های نقدی نیز همانند نسبت‌های مالی مبتنی بر صورت‌های مالی سنتی به چهار گروه اصلی طبقه‌بندی می‌شوند:
الف) نسبت‌های ارزیابی توانایی پرداخت بدهی
ب) نسبت‌های کیفیت سود
ج) نسبت‌های مخارج سرمایه‌ای
د) نسبت‌های بازده جریان‌های نقدی
الف) نسبت‌های توانایی پرداخت و ایجاد نقدینگی:
این گروه از نسبت‌های موجود در صورت‌ جریان‌های نقدی تقریباً رهنمودی مشابه با گروه نسبت‌های نقدینگی که از صورت‌های مالی سنتی به دست می‌آید، ارایه می‌نماید. همان طوری که نسبت‌های نقدینگی توانایی پرداخت بدهی‌های شرکت را از محل دارایی‌های جاری نشان می‌دهد، نسبت توانایی پرداخت و ایجاد نقدینگی، به ارزیابی موسسه برای ایفای تعهدات و پرداخت سود سهام و بهره کمک می‌نماید. نسبت پوشش نقدی سود سهام و پوشش نقدی بدهی جزء این گروه از نسبت‌های صورت جریان‌های نقدی به شمار می‌رود:
الف -1) نسبت پوشش نقدی هزینه تأمین مالی: این نسبت نشانگر درصد پوشش هزینه‌های نقدی به وسیله وجه نقد حاصل از عملیات است. از طرفی این نسبت به اعتباردهندگان نشان می‌دهد که چند درصد کاهش در جریان وجه نقد خطری را متوجه بازپرداخت تعهدات مربوط به هزینه تأمین مالی موسسه نمی‌کند.
نسبت پوشش نقدی هزینه‌های تأمین مالی =هزینه بهره – وجه نقد حاصل از عملیاتسود سهام ممتازنسبت پوشش سود سهام=سود سهام ممتاز – هزینه بهره – وجه نقد حاصل از عملیاتسود سهام عادی
الف -2) نسبت پوشش نقدی بدهی: این نسبت به نسبت‌های زیر قابل تفکیک است:
نسبت پوشش نقدی حصه جاری بدهی‌های بلندمدت =وجه نقد حاصل از عملیات پس از کسر بهره و سود سهامحصه جاری بدهی‌های بلندمدتنسبت پوشش نقدی بدهی‌های جاری =وجه نقد حاصل از عملیات پس از کسر بهره و سود سهامبدهی‌های جاری
و یا به صورت کلی زیر بکار گرفت:
نسبت پوشش نقدی بدهی‌ها =وجه نقد حاصل از عملیات پس از کسر بهره و سود سهامبدهی‌های جاری +حصه جاری بدهی‌های بلند مدتنسبت‌های فوق نشان‌دهنده قدرت بازپرداخت بدهی جاری موسسه از محل جریان‌های نقدی حاصل از عملیات است. از آنجایی که یکی از معیارهای سنجش توانایی موسسه جهت تداوم فعالیت، توانایی موسسه در بازپرداخت تعهدات می‌باشد لذا از این نسبت‌ها می‌توان جهت ارزیابی توانایی موسسه جهت تداوم فعالیت و توانایی موسسه در بازپرداخت تعهدات استفاده نمود.
ب) نسبت‌های کیفیت سود:
اگر چه بسیاری از سرمایه‌گذاران، سودآوری را به عنوان عاملی تعیین‌کننده در پیش‌بینی توزیع سود سهام ونیز موفقیت وعدم موفقیت واحد تجاری در آینده می‌دانند ولی باید توجه داشت که در گزارش سود واحدهای تجاری، نشان داده نمی‌شود که سود کسب‌شده چگونه بر دارایی‌های موسسه اثر گذاشته است و آیا سود موجب افزایش وجه نقد موسسه نیز شده است؟ یا اینکه شرکت با وسیع‌تر کردن دامنه فروش‌های اعتباری خود، مبادرت به کسب سودهایی کرده که تنها موجب افزایش مطالبات شرکت شده است. اصولاً شرکت‌ها را بر حسب موفقیت در کسب سود و وجه نقد می‌توان به چهار گروه زیر طبقه‌بندی نمود:
کسب وجه نقد کسب سود شرح
ناموفق ناموفق گروه اول
موفق ناموفق گروه دوم
ناموفق موفق گروه سوم
موفق موفق گروه چهارم
به دلیل وجود اختلاف بین سود و جریان دریافت‌ها و پرداخت‌های شرکت است که ارائه صورت گردش وجوه نقد ضرورت می‌یابد و در همین راستا می‌توان از نسبت‌های کیفیت سود استفاده نمود. نسبت‌هایی که در این طبقه از نسبت‌های صورت جریان‌های نقدی قرار می‌گیرند، نسبت کیفیت نقدی سود و نسبت کیفیت نقدی فروش می‌باشد.
1_ب) نسبت کیفیت نقدی سود: از آنجایی که سود حسابداری شامل درآمدها و هزینه‌های تعهدی و همچنین هزینه‌های غیر نقدی مانند استهلاک است، اختلافی اساسی بین سود و وجه نقد حاصل از عملیات وجود دارد که از طریق این نوع نسبت‌ها مقایسه می‌شود.
نسبت کیفیت نقدی سود=وجه نقد حاصل از عملیاتسود قبل از کسر مالیات2_ب) نسبت کیفیت نقدی فروش: همچنان که قبلاً اشاره شد ممکن است مدیران واحدهای تجاری به منظور دست‌کاری سود در جهت مطلوب جلوه دادن واحد تجاری تحت سرپرستی خود و دستیابی به اهداف پاداشی اقدام به وسیع‌تر کردن دامنه فروش‌های اعتباری شرکت نمایند. در این صورت مشتریان رغبت بیشتری به خرید از خود نشان می‌دهند و سود موسسه نیز افزایش می‌یابد بدون آنکه موجب افزایش وجه نقد شود. این عمل می‌تواند حتی موجب کاهش وجه نقد شرکت، به دلیل افزایش خرید کالا و خدمات گردد. جهت بررسی این موضوع می‌توان از نسبت کیفیت نقدی فروش استفاده نمود:
کیفیت نقدی فروش=وجه نقد حاصل از عملیاتفروش
ج) نسبت‌های مخارج سرمایه‌ای:
دارایی‌های سرمایه‌ای که سهم عمده‌ای را در صورت وضعیت مالی مؤسسات به خود اختصاص داده است، منشأ فعالیت تولیدی مؤسسات می‌باشد. بنابراین شرکت‌ها برای اینکه بتوانند به فعالیت‌های خود ادامه دهند، ضروری است وجه نقد لازم را نه تنها جهت ایفای تعهدات خود، بلکه برای تأمین مخارج سرمایه‌ای موسسه فراهم نمایند. لذا تحلیلگران مالی در پی ابزاری هستند تا بتوانند توانایی شرکت‌ها را در زمینه تأمین مالی مخارج سرمایه‌ای موسسه فراهم نمایند.
1_ج) نسبت تحصیل دارایی‌های سرمایه‌ای: بیانیه شماره 95 هیئت تدوین استانداردهای حسابداری مالی، افشای جداگانه مخارج نقدی برای اموال، ماشین‌آلات و تجهیزات و جریان‌های نقدی ورودی حاصل از واگذاری آن‌ها را الزامی می‌داند. در صورت داشتن این اطلاعات، نسبت تحصیل دارایی‌های سرمایه‌ای به صورت زیر محاسبه می‌شود:
نسبت تحصیل دارایی‌های سرمایه‌ای=سود سهام پرداختی – وجه نقد حاصل از عملیاتمصارف وجه نقد برای تحصیل دارایی
2_ج) نسبت سرمایه‌گذاری به تأمین مالی:

—d1231

نتیجه حاصل از این پژوهش نشان می دهد که روشهای داده کاوی با استفاده از الگوریتم های دسته بندی با دقت بالای 91% و الگوریتم های درخت تصمیم با دقت بالای 96% و الگوریتم های خوشه بندی با ایجاد خوشه های قابل قبول قادر به ارائه مدلی برای تشخیص عوامل اثرگذار و تعیین میزان اثر آنها در سود و زیان بیمه نامه شخص ثالث خودرو خواهند بود.
کلیدواژگان: داده کاوی ـ بیمه شخص ثالث خودرو ـ سود و زیان
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه
TOC o "1-3" h z u 1-1تعریف داده کاوی PAGEREF _Toc385885024 h 31-2تعریف بیمه PAGEREF _Toc385885025 h 41-3هدف پایان نامه PAGEREF _Toc385885026 h 41-4مراحل انجام تحقیق PAGEREF _Toc385885027 h 41-5ساختار پایان نامه PAGEREF _Toc385885028 h 5فصل دوم: ادبیات موضوع و تحقیقات پیشین2-1داده کاوی و یادگیری ماشین PAGEREF _Toc385885030 h 72-2ابزارها و تکنیک های داده کاوی PAGEREF _Toc385885031 h 82-3روشهای داده کاوی PAGEREF _Toc385885032 h 92-3-1روشهای توصیف داده ها PAGEREF _Toc385885033 h 102-3-2روشهای تجزیه و تحلیل وابستگی PAGEREF _Toc385885034 h 102-3-3روشهای دسته بندی و پیشگویی PAGEREF _Toc385885035 h 102-3-4درخت تصمیم PAGEREF _Toc385885036 h 112-3-5شبکه عصبی PAGEREF _Toc385885037 h 122-3-6استدلال مبتنی بر حافظه PAGEREF _Toc385885038 h 122-3-7ماشین های بردار پشتیبانی PAGEREF _Toc385885039 h 132-3-8روشهای خوشه بندی PAGEREF _Toc385885040 h 132-3-9روش K-Means PAGEREF _Toc385885041 h 132-3-10شبکه کوهنن PAGEREF _Toc385885042 h 142-3-11روش دو گام PAGEREF _Toc385885043 h 142-3-12روشهای تجزیه و تحلیل نویز PAGEREF _Toc385885044 h 142-4دسته های نامتعادل]صنیعی آباده 1391[. PAGEREF _Toc385885045 h 152-4-1راهکار مبتنی بر معیار PAGEREF _Toc385885046 h 152-4-2راهکار مبتنی بر نمونه برداری PAGEREF _Toc385885047 h 152-5پیشینه تحقیق PAGEREF _Toc385885048 h 162-6خلاصه فصل PAGEREF _Toc385885049 h 19فصل سوم: شرح پژوهش3-1انتخاب نرم افزار PAGEREF _Toc385885051 h 213-1-1Rapidminer PAGEREF _Toc385885052 h 213-1-2مقایسه RapidMiner با سایر نرم افزار های مشابه PAGEREF _Toc385885053 h 213-2داده ها PAGEREF _Toc385885054 h 253-2-1انتخاب داده PAGEREF _Toc385885055 h 253-2-2فیلدهای مجموعه داده صدور PAGEREF _Toc385885056 h 253-2-3کاهش ابعاد PAGEREF _Toc385885057 h 253-2-4فیلدهای مجموعه داده خسارت PAGEREF _Toc385885058 h 293-2-5پاکسازی داده ها PAGEREF _Toc385885059 h 293-2-6رسیدگی به داده های از دست رفته PAGEREF _Toc385885060 h 293-2-7کشف داده دور افتاده PAGEREF _Toc385885061 h 303-2-8انبوهش داده PAGEREF _Toc385885062 h 323-2-9ایجاد ویژگی دسته PAGEREF _Toc385885063 h 323-2-10تبدیل داده PAGEREF _Toc385885064 h 323-2-11انتقال داده به محیط داده کاوی PAGEREF _Toc385885065 h 323-2-12انواع داده تعیین شده PAGEREF _Toc385885066 h 333-2-13عملیات انتخاب ویژگیهای موثرتر PAGEREF _Toc385885067 h 343-3نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی PAGEREF _Toc385885068 h 343-4ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی PAGEREF _Toc385885069 h 363-5معیارهای ارزیابی الگوریتمهای دسته بندی PAGEREF _Toc385885070 h 373-6ماتریس درهم ریختگی PAGEREF _Toc385885071 h 373-7معیار AUC PAGEREF _Toc385885072 h 383-8روشهای ارزیابی الگوریتم های دسته بندی PAGEREF _Toc385885073 h 393-8-1روش Holdout PAGEREF _Toc385885074 h 393-8-2روش Random Subsampling PAGEREF _Toc385885075 h 393-8-3روش Cross-Validation PAGEREF _Toc385885076 h 403-8-4روش Bootstrap PAGEREF _Toc385885077 h 403-9الگوریتمهای دسته بندی PAGEREF _Toc385885078 h 413-9-1الگوریتم KNN PAGEREF _Toc385885079 h 423-9-2الگوریتم Naïve Bayes PAGEREF _Toc385885080 h 423-9-3الگوریتم Neural Network PAGEREF _Toc385885081 h 433-9-4الگوریتم SVM خطی PAGEREF _Toc385885082 h 453-9-5الگوریتم رگرسیون لجستیک PAGEREF _Toc385885083 h 463-9-6الگوریتم Meta Decision Tree PAGEREF _Toc385885084 h 473-9-7الگوریتم درخت Wj48 PAGEREF _Toc385885085 h 493-9-8الگوریتم درخت Random forest PAGEREF _Toc385885086 h 513-10معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی) PAGEREF _Toc385885087 h 543-10-1الگوریتم FPgrowth PAGEREF _Toc385885088 h 553-10-2الگوریتم Weka Apriori PAGEREF _Toc385885089 h 553-11معیارهای ارزیابی الگوریتمهای خوشه بندی PAGEREF _Toc385885090 h 553-12الگوریتم های خوشه بندی PAGEREF _Toc385885091 h 573-12-1الگوریتم K-Means PAGEREF _Toc385885092 h 573-12-2الگوریتم Kohonen PAGEREF _Toc385885093 h 603-12-3الگوریتم دوگامی PAGEREF _Toc385885094 h 64فصل چهارم: ارزیابی و نتیجه گیری4-1مقایسه نتایج PAGEREF _Toc385885096 h 694-2الگوریتمهای دسته بندی PAGEREF _Toc385885097 h 694-3الگوریتم های دسته بندی درخت تصمیم PAGEREF _Toc385885098 h 704-4الگوریتم های خوشه بندی PAGEREF _Toc385885099 h 794-5الگوریتم های قواعد تلازمی(مبتنی بر قانون) PAGEREF _Toc385885100 h 814-6پیشنهادات به شرکت های بیمه PAGEREF _Toc385885101 h 814-7پیشنهادات جهت ادامه کار PAGEREF _Toc385885102 h 83منابع و مأخذ
فهرست منابع فارسی PAGEREF _Toc385885103 h 84فهرست منابع انگلیسی PAGEREF _Toc385885104 h 85
فهرست جدول‌ها
عنوان صفحه
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی24
جدول شماره 3-2: فیلدهای اولیه داده های صدور26
جدول شماره 3-3: فیلدهای نهایی داده های صدور27
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها28
جدول 3-5: فیلدهای استخراج شده از داده های خسارت28
جدول 3-6: نتایج نمودار boxplot31
جدول 3-7: انواع داده استفاده شده33
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف37
جدول 3-9: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted Records)38
جدول 3-10: قوانین استخراج شده توسط الگوریتم Fpgrowth55
جدول 3-11: قوانین استخراج شده توسط الگوریتم Weka Apriori55
جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means57
اجرا برای 9 خوشه در الگوریتم K-Means60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی69
جدول 4-1: مقایسه الگوریتم های دسته بند70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم70
جدول 4-3: ماتریس آشفتگی قانون شماره 171
جدول 4-4: ماتریس آشفتگی قانون شماره 272
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج73
عنوان صفحه
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز76
جدول 4-12: ماتریس آشفتگی قانون شماره 476
جدول 4-13: ماتریس آشفتگی قانون شماره 577
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب78
جدول 4-16: ماتریس آشفتگی قانون شماره778
جدول 4-17: ماتریس آشفتگی قانون شماره879
جدول 4-18: مقایسه الگوریتم های خوشه بندی79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori81

فهرست شکل‌ها
عنوان صفحه
شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی33
شکل 3-2: نتایج الگوریتمPCA 34
شکل 3-3: نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها35
شکل 3-4: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها36
شکل 3-6: نمای کلی استفاده از روشهای ارزیابی41
شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی42
شکل 3-8: نمودار AUC الگوریتم KNN42
شکل 3-9: نمودار AUC الگوریتم Naïve Bayes43
شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی44
شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net44
شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی45
شکل 3-13 : نمودار AUC الگوریتم SVM Linear46
شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک47
شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree48
شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree49
شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree49
شکل 3-18: نمودار AUC الگوریتم Wj4850
شکل 3-19 : نمودار tree الگوریتم Wj4851
شکل 3-20 : نمودار AUC الگوریتم Random forest52
شکل 3-21 : نمودار تولید 20 درخت در الگوریتم Random Forest53
شکل 3-22 : یک نمونه درخت تولید شده توسط الگوریتم Random Forest53
عنوان صفحه
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه57
شکل 3-24 : Predictor Importance for K-Means58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
K-Means59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-60
شکل 3-27 : Predictor Importance for Kohonen61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
Kohonen62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen63
شکل 3-31 : Predictor Importance for دوگامی64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در
الگوریتم دوگامی65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت75
فصل اول
194500518986500
مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد.
از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند.
بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد.
امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند.
داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
تعریف داده کاوی XE "تعریف داده کاوی" XE "تعریف داده کاوی"
داده کاوی روند کشف قوانین و دانش ناشناخته و مفید از انبوه داده ها و پایگاه داده است[ Liu et. al 2012].
انجام عمل داده کاوی نیز مانند هر عمل دیگری مراحل خاص خود را دارد که به شرح زیر می باشند:
1-جدا سازی داده مفید از داده بیگانه
2-یکپارچه سازی داده های مختلف تحت یک قالب واحد
3-انتخاب داده لازم از میان دیگر داده ها
4- انتقال داده به محیط داده کاوی جهت اکتشاف قوانین
5-ایجاد مدلها و الگوهای مرتبط بوسیله روشهای داده کاوی
6-ارزیابی مدل و الگوهای ایجاد شده جهت تشخیص مفید بودن آنها
7-انتشار دانش استخراج شده به کاربران نهایی
تعریف بیمهبیمه: بیمه عقدی است که به موجب آن یک طرف تعهد می کند در ازاء پرداخت وجه یا وجوهی از طرف دیگر در صورت وقوع یا بروز حادثه خسارت وارده بر او را جبران نموده یا وجه معینی بپردازد. متعهد را بیمه گر طرف تعهد را بیمه گذار وجهی را که بیمه گذار به بیمه گر می پردازد حق بیمه و آنچه را که بیمه می شود موضوع بیمه نامند]ماده یک قانون بیمه مصوب 7/2/1316[.
هدف پایان نامهدر این پژوهش سعی شده است با استفاده از تکنیکهای داده کاوی اقدام به شناسایی فاکتورهای تاثیر گذار در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه نموده و ضریب تاثیر آنها را بررسی نماییم. الگوریتم های استفاده شده در این پژوهش شامل دسته بند ها، خوشه بند ها، درخت های تصمیم و قوانین انجمنی بوده است.
مراحل انجام تحقیقدر این پایان نامه با استفاده از روشهای داده کاوی با استفاده از بخشی از داده های صدور و خسارت یک سال شرکت بیمه مدل شده و از روی آنها یک الگو ساخته می شود. در واقع به این طریق به الگوریتم یاد داده می شود که ارتباطات بین داده ها، منجر به چه نتایجی می شود. سپس بخشی از داده ها که در مرحله قبل از آن استفاده نشده بود به مدل ایجاد شده داده می شود ونتایج توسط معیارهای علمی مورد ارزیابی قرار میگیرند. بمنظور آزمایش عملکرد می توان داده های دیگری به مدل داده شود و نتایج حاصله با نتایج واقعی موجود مقایسه شوند.
ساختار پایان نامهاین پایان نامه شامل چهارفصل خواهد بود که فصل اول شامل یک مقدمه و ضرورت پژوهش انجام شده و هدف این پژوهش است. در فصل دوم برخی تکنیک های داده کاوی و روشهای آن مطرح و تحقیقاتی که قبلا در این زمینه انجام شده مورد بررسی قرار می گیرند. در فصل سوم به شرح مفصل پژوهش انجام شده و نرم افزار داده کاوی مورد استفاده در این پایان نامه می پردازیم و با کمک تکنیک های داده کاوی مدل هایی ارائه می شود و مدلهای ارائه شده درهرگروه با یکدیگر مقایسه شده و بهترین مدل از میان آنها انتخاب می گردد. در فصل چهارم مسائل مطرح شده جمع بندی شده و نتایج حاصله مطرح خواهند شد و سپس تغییراتی که در آینده در این زمینه می توان انجام داد پیشنهاد می شوند.

فصل دوم
193548028194000
ادبیات موضوع و تحقیقات پیشیندر این فصل ابتدا مروری بر روشهای داده کاوی خواهیم داشت سپس به بررسی تحقیقات پیشین می پردازیم.
داده کاوی و یادگیری ماشینداده کاوی ترکیبی از تکنیک های یادگیری ماشین، تشخیص الگو، آمار، تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب به صورت خودکار از پایگاه داده شرکتهای بزرگ است. هدف اصلی داده کاوی کمک به فرآیند تصمیم گیری از طریق استخراج دانش از داده هاست [Alpaydin 2010].
هدف داده کاوی آشکار کردن روندها یا الگوهایی که تا کنون ناشناخته بوده اند برای گرفتن تصمیمات بهتر است که این هدف را بوسیله به کارگیری روشهای آماری همچون تحلیل لجستیک و خوشه بندی و همچنین با استفاده از روشهای تحلیل داده به دست آمده از رشته های دیگر )همچون شبکه های عصبی در هوش مصنوعی و درختان تصمیم در یادگیری ماشین( انجام میدهد[Koh & Gervis 2010] . چون ابزارهای داده کاوی روند ها و رفتارهای آینده را توسط رصد پایگاه داده ها برای الگوهای نهان پیش بینی می کند با عث می شوند که سازمان ها تصمیمات مبتنی بر دانش گرفته و به سوالاتی که پیش از این حل آنها بسیار زمان بر بود پاسخ دهند [Ramamohan et. al 2012 ] .
داده کاوی یک ابزار مفید برای کاوش دانش از داده حجیم است. [Patil et. al 2012 ]. داده کاوی یافتن اطلاعات بامعنای خاص ازیک تعداد زیادی ازداده بوسیله بعضی ازفناوری ها به عنوان رویه ای برای کشف دانش ازپایگاه داده است، که گام های آن شامل موارد زیر هستند [Han and Kamber 2001] .
1-پاک سازی داده ها :حذف داده دارای نویز و ناسازگار
2-یکپارچه سازی داده: ترکیب منابع داده گوناگون
3-انتخاب داده: یافتن داده مرتبط با موضوع از پایگاه داده
4-تبدیل داده: تبدیل داده به شکل مناسب برای کاوش
5-داده کاوی: استخراج مدل های داده با بهره گیری از تکنولوژی
6- ارزیابی الگو: ارزیابی مدل هایی که واقعا برای ارائه دانش مفید هستند
7-ارائه دانش: ارائه دانش بعد ازکاوش به کاربران بوسیله استفاده از تکنولوژیهایی همچون ارائه بصری [Lin & Yeh 2012] .
ابزارها و تکنیک های داده کاویبا توجه به تنوع حجم و نوع داده ها، روش های آماری زیادی برای کشف قوانین نهفته در داده ها وجود دارند. این روش ها می توانند با ناظر یا بدون ناظر باشند. [Bolton & Hand 2002] در روش های با ناظر، نمونه هایی از مواردخسارتی موجود است و مدلی ساخته می شود که براساس آن، خسارتی یا غیر خسارتی بودن نمونه های جدید مشخص می شود. این روش جهت تشخیص انواع خسارت هایی مناسب است که از قبل وجود داشته اند]فولادی نیا و همکاران 1392[ .
روش های بدون ناظر، به دنبال کشف نمونه هایی هستند که کمترین شباهت را با نمونه های نرمال دارند. برای انجام فعالیت هایی که در هر فاز داده کاوی باید انجام شود از ابزارها و تکنیک های گوناگونی چون الگوریتمهای پایگاه داده، تکنیکهای هوش مصنوعی، روشهای آماری، ابزارهای گرافیک کامپیوتری و مصور سازی استفاده می شود. هر چند داده کاوی لزوما به حجم داده زیادی بعنوان ورودی نیاز ندارد ولی امکان دارد در یک فرآیند داده کاوی حجم داده زیادی وجود داشته باشد.
در اینجاست که از تکنیک ها وابزارهای پایگاه داده ها مثل نرمالسازی، تشخیص و تصحیح خطا و تبدیل داده ها بخصوص در فازهای شناخت داده و آماده سازی داده استفاده می شود. همچنین تقریبا در اکثرفرآیند های داده کاوی از مفاهیم، روشها و تکنیک های آماری مثل روشهای میانگین گیری )ماهیانه، سالیانه و . . . (، روشهای محاسبه واریانس و انحراف معیار و تکنیک های محاسبه احتمال بهره برداری های فراوانی می شود. یکی دیگر از شاخه های علمی که به کمک داده کاوی آمده است هوش مصنوعی می باشد.
هدف هوش مصنوعی هوشمند سازی رفتار ماشینها است. می توان گفت تکنیک های هوش مصنوعی بطور گسترده ای در فرآیند داده کاوی به کار می رود بطوریکه بعضی از آماردانها ابزارهای داده کاوی را بعنوان هوش آماری مصنوعی معرفی می کنند.
قابلیت یادگیری بزرگترین فایده هوش مصنوعی است که بطور گسترده ای در داده کاوی استفاده می شود. تکنیک های هوش مصنوعی که در داده کاوی بسیار زیاد مورد استفاده قرار می گیرند عبارتند از شبکه های عصبی، روشهای تشخیص الگوی یادگیری ماشین و الگوریتمهای ژنتیک ونهایتا تکنیک ها و ابزارهای گرافیک کامپیوتری و مصور سازی که بشدت در داده کاوی بکار گرفته می شوند و به کمک آنها می توان داده های چند بعدی را به گونه ای نمایش داد که تجزیه وتحلیل نتایج برای انسان براحتی امکان پذیر باشد [Gupta 2006].
روشهای داده کاوی عمده روشهای داده کاوی عبارتند از روشهای توصیف داده ها، روشهای تجزیه و تحلیل وابستگی، روشهای دسته بندی و پیشگویی، روشهای خوشه بندی، روشهای تجزیه و تحلیل نویز.
می توان روش های مختلف کاوش داده را در دو گروه روش های پیش بینی و روش های توصیفی طبقه بندی نمود. روش های پیش بینی در متون علمی به عنوان روش های با ناظر نیزشناخته می شوند. روش های دسته بندی، رگرسیون و تشخیص انحراف از روشهای یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. در الگوریتم های دسته بندی مجموعه داده اولیه به دو مجموعه داده با عنوان مجموعه داده های آموزشی و مجموعه داده های آزمایشی تقسیم می شود که با استفاده از مجموعه داده های آموزشی مدل ساخته می شود و از مجموعه داده های آزمایشی برای اعتبار سنجی و محاسبه دقت مدل ساخته شده استفاده می شود. هررکورد شامل یک مجموعه ویژگی است.
یکی از ویژگی ها، ویژگی دسته نامیده می شود و در مرحله آموزش براساس مقادیر سایر ویژگی ها برای مقادیر ویژگی دسته، مدل ساخته می شود. روشهای توصیفی الگوهای قابل توصیفی را پیدا میکنند که روابط حاکم بر داده ها را بدون در نظرگرفتن هرگونه برچسب و یا متغیرخروجی تبیین نمایند. درمتون علمی روشهای توصیفی با نام روشهای بدون ناظر نیز شناخته می شوند ]صنیعی آباده 1391[.

روشهای توصیف داده هاهدف این روشها ارائه یک توصیف کلی از داده هاست که معمولا به شکل مختصر ارائه می شود. هر چند توصیف داده ها یکی از انواع روشهای داده کاوی است ولی معمولا هدف اصلی نیست واغلب از این روش برای تجزیه و تحلیل نیاز های اولیه و شناخت طبیعت داده ها و پیدا کردن خصوصیات ذاتی داده ها یا برای ارائه نتایج داده کاوی استفاده می شود [Sirikulvadhana 2002] .
روشهای تجزیه و تحلیل وابستگی هدف این روشها پیدا کردن ارتباطات قابل توجه بین تعداد زیادی از متغیر ها یا صفات می باشد[Gupta 2006] . یکی از روشهای متداول برای کشف قواعد وابستگی مدل Apriori است که نسبت به سایر مدلهای کشف قواعد وابستگی سریعتر بوده و محدودیتی از نظر تعداد قواعد ندارد [Xindong et al 2007] . کاوش قواعد تلازمی یکی از محتواهای اصلی تحقیقات داده کاوی در حال حاضر است و خصوصا بر یافتن روابط میان آیتم های مختلف در پایگاه داده تاکید دارد [Patil et. al 2012] . سه مدل CARMA و GRI و Fpgrowth سه الگوریتم دیگر از قواعد وابستگی هستند.
روشهای دسته بندی و پیشگویی
دسته بندی یک فرآیند یافتن مدل است که برای بخش بندی داده به کلاس های مختلف برطبق بعضی محدودیت ها استفاده شده است. به بیان دیگر ما می توانیم بگوییم که دسته بندی یک فرآیند تعمیم داده بر طبق نمونه های مختلف است. چندین نمونه اصلی الگوریتم های طبقه بندی شامل C4. 5 ، K نزدیکترین همسایه، بیز ساده و SVM است [Kumar and Verna 2012].
یکی از این نوع الگوریتم ها نظریه بیز می باشد. این دسته بند از یک چارچوب احتمالی برای حل مساله استفاده می کند. یک رکورد مفروض با مجموعه ویژگی های (A1, A2…. An) را درنظر بگیرید. هدف تشخیص دسته این رکورد است. در واقع از بین دسته های موجود به دنبال دسته ای هستیم که مقدارP(C|A1, A2…. An) را بیشینه کند. پس این احتمال را برای تمامی دسته های موجود محاسبه کرده و دسته ای که این احتمال به ازای آن بیشینه شود را به عنوان دسته رکورد جدید در نظر می گیریم.
PCA=PAC PCPAرگرسیون نیز نوع دیگری از این الگوریتم ها است. پیش بینی مقدار یک متغیر پیوسته بر اساس مقادیر سایر متغیرها بر مبنای یک مدل وابستگی خطی یا غیر خطی رگرسیون نام دارد. درواقع یک بردار X داریم که به یک متغیر خروجی y نگاشت شده است. هدف محاسبه y یا همان F(X) است که از روی تخمین تابع مقدار آن محاسبه می شود.
درخت تصمیمدرخت تصمیم از ابزارهای داده کاوی است که در رده بندی داده های کیفی استفاده می شود. در درخت تصمیم، درخت کلی به وسیله خرد کردن داده ها به گره هایی ساخته می شود که مقادیری از متغیر ها را در خود جای می دهند. با ایجاد درخت تصمیم بر اساس داده های پیشین که رده آنها معلوم است، می توان داده های جدید را دسته بندی کرد. روش درخت تصمیم به طور کلی برای دسته بندی استفاده می شود، زیرا یک ساختار سلسله مراتبی ساده برای فهم کاربر و تصمیم گیری است. الگوریتم های داده کاوی گوناگونی برای دسته بندی مبتنی بر شبکه عصبی مصنوعی، قوانین نزدیکترین همسایگی و دسته بندی بیزین در دسترس است اما درخت تصمیم یکی از ساده ترین تکنیک هاست [Patil et. al 2012] . از انواع درخت های تصمیم می توان C4. 5 و C5 و Meta Decision Tree و Random Forest وJ48 را نام برد.

2-3-5-شبکه عصبیروش پرکاربرد دیگر در پیشگویی نتایج استفاده از شبکه های عصبی می باشد. شبکه های عصبی مدل ساده شده ای است که بر مبنای عملکرد مغز انسان کار می کند. اساس کار این شبکه شبیه سازی تعداد زیادی واحد پردازشی کوچک است که با هم در ارتباط هستند. به هریک از این واحد ها یک نرون گفته می شود. نرون ها بصورت لایه لایه قرار دارند و در یک شبکه عصبی معمولا سه لایه وجود دارد [Gupta 2006] . اولین لایه )لایه ورودی ( ، دومین )لایه نهان (و سومین )لایه خروجی (. لایه نهان می تواند متشکل از یک لایه یا بیشتر باشد [P--han et. al 2011 ] .
2-3-6- استدلال مبتنی بر حافظهتوانایی انسان در استدلال براساس تجربه، به توانایی او در شناخت و درک نمونه های مناسبی که مربوط به گذشته است، بستگی دارد. افراد در ابتدا تجارب مشابهی که در گذشته داشته را شناسایی و سپس دانشی که از آن ها کسب کرده است را برای حل مشکل فعلی به کار می گیرند. این فرآیند اساس استدلال مبتنی بر حافظه است. یک بانک اطلاعاتی که از رکوردهای شناخته شده تشکیل شده است مورد جستجو قرار می گیرد تارکوردهای از قبل طبقه بندی شده و مشابه با رکورد جدید یافت شود.
از این همسایه ها برای طبقه بند ی و تخمین زدن استفاده می شود. KNN یک نمونه از این الگوریتم هاست. فرض کنید که یک نمونه ساده شده با یک مجموعه از صفت های مختلف وجود دارد، اما گروهی که این نمونه به آن متعلق است نامشخص است. مشخص کردن گروه می تواند از صفت هایش تعیین شود. الگوریتم های مختلفی می تواند برای خودکار سازی فرآیند دسته بندی استفاده بشود. یک دسته بند نزدیک ترین همسایه یک تکنیک برای دسته بندی عناصر است مبتنی بردسته بندی عناصر در مجموعه آموزشی که شبیه تر به نمونه آزمایشی هستند.
باتکنیک Kنزدیکترین همسایه، این کار با ارزیابی تعداد K همسایه نزدیک انجام می شود. [Tan et al 2006] . تمام نمونه های آموزشی در یک فضای الگوی چند بعدی ذخیره شده اند. وقتی یک نمونه ناشناخته داده می شود، یک دسته بند نزدیکترین همسایه در فضای الگو برای K نمونه آموزشی که نزدیک به نمونه ناشناخته هستند جستجو می کند. نزدیکی بر اساس فاصله اقلیدسی تعریف می شود [Wilson and Martinez 1997] .
2-3-7-ماشین های بردار پشتیبانیSVM اولین بار توسط Vapnik در سال 1990 معرفی شد و روش بسیار موثری برای رگرسیون و دسته بندی و تشخیص الگو است [Ristianini and Shawe 2000] .
SVM به عنوان یک دسته بند خوب در نظر گرفته می شود زیرا کارایی تعمیم آن بدون نیاز به دانش پیشین بالاست حتی وقتیکه ابعاد فضای ورودی بسیار بالاست. هدف SVM یافتن بهترین دسته بند برای تشخیص میان اعضای دو کلاس در مجموعه آموزشی است [Kumar and Verna 2012] .
رویکرد SVM به این صورت است که در مرحله آموزش سعی دارد مرز تصمیم گیری را به گونه ای انتخاب نماید که حداقل فاصله آن با هر یک از دسته های مورد نظر را بیشینه کند. این نوع انتخاب مرز بر اساس نقاطی بنام بردارهای پشتیبان انجام می شوند.
2-3-8-روشهای خوشه بندی هدف این روشها جداسازی داده ها با خصوصیات مشابه است. تفاوت بین دسته بندی و خوشه بندی این است که در خوشه بندی از قبل مشخص نیست که مرز بین خوشه ها کجاست و برچسبهای هر خوشه از پیش تعریف شده است ولی در دسته بندی از قبل مشخص است که هر دسته شامل چه نوع داده هایی می شود و به اصطلاح برچسب های هر دسته از قبل تعریف شده اند. به همین دلیل به دسته بندی یادگیری همراه با نظارت و به خوشه بندی یادگیری بدون نظارت گفته می شود [Osmar 1999] .
2-3-9- روش K-Meansیکی از روش های خوشه بندی مدل K-Means است که مجموعه داده ها را به تعدادثابت و مشخصی خوشه، خوشه بندی می کند. روش کار آن به این صورت است که تعداد ثابتی خوشه در نظر میگیرد و رکوردها را به این خوشه ها اختصاص داده و مکرراً مراکز خوشه ها را تنظیم می کند تا زمانیکه بهترین خوشه بندی بدست آید[Xindong et al 2007].
2-3-10-شبکه کوهننشبکه کوهنن نوعی شبکه عصبی است که در این نوع شبکه نرون ها در دو لایه ورودی و خروجی قرار دارند و همه نرون های ورودی به همه نرون های خروجی متصل اندو این اتصالات دارای وزن هستند. لایه خروجی در این شبکه ها بصورت یک ماتریس دو بعدی چیده شده و به آن نقشه خروجی گفته می شود. مزیت این شبکه نسبت به سایر انواع شبکه های عصبی این است که نیاز نیست دسته یا خوشه داده ها از قبل مشخص باشد، حتی نیاز نیست تعداد خوشه ها از قبل مشخص باشد. شبکه های کوهنن با تعداد زیادی نرون شروع می شود و به تدریج که یادگیری پیش می رود، تعداد آنها به سمت یک تعداد طبیعی و محدود کاهش می یابد.
2-3-11-روش دو گاماین روش در دو گام کار خوشه بندی را انجام می دهد. در گام اول همه داده ها یک مرور کلی می شوند و داده های ورودی خام به مجموعه ای از زیر خوشه های قابل مدیریت تقسیم می شوند. گام دوم با استفاده از یک روش خوشه بندی سلسله مراتبی بطور مداوم زیر خوشه ها را برای رسیدن به خوشه های بزرگتر با هم ترکیب می کند بدون اینکه نیاز باشد که جزئیات همه داده ها را مجددا مرور کند.
2-3-12-روشهای تجزیه و تحلیل نویزبعضی از داده ها که به طور بارز و مشخصی از داده های دیگر متمایز هستند اصطلاحاً بعنوان داده خطا یا پرت شناخته می شوند که باید قبل از ورود به فاز مدلسازی و در فاز آماده سازی داده ها برطرف شوند. با وجود این زمانیکه شناسایی داده های غیر عادی یا غیر قابل انتظار مانند موارد تشخیص تقلب هدف اصلی باشد، همین نوع داده ها مفید هستند که در این صورت به آنها نویز گفته می شود [Osmar 1999].
دسته های نامتعادل]صنیعی آباده 1391[.
مجموعه داده هایی که در آنها ویزگی دسته دارای توزیع نامتعادل باشد بسیار شایع هستند. مخصوصاً این مجموعه داده ها در کاربردها و مسائل واقعی بیشتر دیده می شوند.
در چنین مسائلی با وجود اینکه تعداد رکوردهای مربوط به دسته نادر بسیار کمتر از دسته های دیگر است، ولی ارزش تشخیص دادن آن به مراتب بالاتر از ارزش تشخیص دسته های شایع است. در داده کاوی برای برخورد با مشکل دسته های نامتعادل از دو راهکار استفاده می شود:
راهکار مبتنی بر معیار
راهکار مبتنی بر نمونه برداری
راهکار مبتنی بر معیاردر دسته بندی شایع ترین معیار ارزیابی کارایی دسته بند، معیار دقت دسته بندی است. در معیار دقت دسته بندی فرض بر یکسان بودن ارزش رکوردهای دسته های مختلف دسته بندی است. در راهکار مبتنی بر معیار بجای استفاده از معیار دقت دسته بندی از معیارهایی بهره برداری می شود که بتوان بالاتر بودن ارزش دسته های نادر و کمیاب را در آنها به نحوی نشان داد. بنابراین با لحاظ نمودن معیارهای گفته شده در فرآیند یادگیری خواهیم توانست جهت یادگیری را به سمت نمونه های نادر هدایت نماییم. از جمله معیارهایی که برای حل مشکل عدم تعادل دسته ها بکار می روند عبارتند از Recall, Precession, F-Measure, AUC و چند معیار مشابه دیگر.
2-4-2-راهکار مبتنی بر نمونه بردارینمونه برداری یکی از راهکارهای بسیار موثربرای مواجهه با مشکل دسته های نامتعادل است. ایده اصلی نمونه برداری آن است که توزیع نمونه ها را به گونه ای تغییر دهیم که دسته کمیاب به نحو پررنگ تری در مجموعه داده های آموزشی پدیدار شوند. سه روش برای این راهکار وجود دارد که عبارتند از:
الف- نمونه برداری تضعیفی:
در این روش نمونه برداری، توزیع نمونه های دسته های مساله به گونه ای تغییر می یابند که دسته شایع به شکلی تضعیف شود تا از نظرفراوانی با تعداد رکوردهای دسته نادر برابری کند. به این ترتیب هنگام اجرای الگوریتم یادگیری، الگوریتم ارزشی مساوی را برای دو نوع دسته نادر و شایع درنظر می گیرد.
ب- نمونه برداری تقویتی:
این روش درست برعکس نمونه برداری تضعیفی است. بدین معنی که نمونه های نادر کپی برداری شده و توزیع آنها با توزیع نمونه های شایع برابر می شود.
ج- نمونه برداری مرکب:
در این روش از هردو عملیات تضعیفی و تقویتی بصورت همزمان استفاده میشود تا توزیع مناسب بدست آید.
در این پژوهش با توجه به کمتر بودن نسبت نمونه نادر یعنی منجر به خسارت شده به نمونه شایع از روش نمونه برداری تضعیفی استفاده گردید که کل تعداد نمونه ها به حدود 3 هزار رکورد تقلیل پیدا کرد و توزیع نمونه ها به نسبت مساوی بوده است. شایان ذکر است این نمونه برداری پس از انجام مرحله پاک سازی داده ها انجام شد که خود مرحله پاکسازی با عث تقلیل تعداد نمونه های اصلی نیز گردیده بود.
پیشینه تحقیقسالهاست که محققان در زمینه بیمه و مسائل مرتبط با آن به تحقیق پرداخته اند و از جمله مسائلی که برای محققان بیشتر جذاب بوده است می توان به کشف تقلب اشاره کرد.
Brockett و همکاران [Brockett et. al 1998] ابتدا به کمک الگوریتم تحلیل مولفه های اصلی (PCA) به انتخاب ویژگی ها پرداختند و سپس با ترکیب الگوریتم های خوشه بندی و شبکه های عصبی به کشف تقلبات بیمه اتومبیل اقدام کردند. مزیت این کار ترکیب الگوریتمها و انتخاب ویژگی بوده که منجر به افزایش دقت خروجی بدست آمده گردید.
Phua و همکاران [ Phua et. al 2004] با ترکیب الگوریتم های شبکه های عصبی پس انتشاری ، بیزساده و درخت تصمیم c4.5 به کشف تقلب در بیمه های اتومبیل پرداختند.نقطه قوت این کار ترکیب الگوریتم ها بوده اما بدلیل عدم کاهش ویژگی ها و کاهش ابعاد مساله میزان دقت بدست آمده در حد اعلی نبوده است.
Allahyari Soeini و همکاران [Allahyari Soeini et. al 2012] نیز یک متدلوژی با استفاده از روشهای داده کاوی خوشه بندی ودرخت تصمیم برای مدیریت مشتریان ارائه دادند. از ایرادات این روش میتوان عدم استفاده از الگوریتم های دسته بندی و قوانین انجمنی را نام برد.
مورکی علی آباد ] مورکی علی‌آباد1390[ تحقیقی داشته است که اخیراً در زمینه بیمه صورت گرفته و درمورد طبقه‌بندی مشتریان صنعت بیمه با هدف شناسایی مشتریان بالقوه با استفاده از تکنیک‌های داده‌کاوی (مورد مطالعه: بیمه‌گذاران بیمه آتش‌سوزی شرکت بیمه کارآفرین (که هدف آن دسته بندی مشتریان صنعت بیمه بر اساس میزان وفاداری به شرکت، نوع بیمه نامه های خریداری شده، موقعیت جغرافیایی مکان های بیمه شده و میزان جذب به شرکت بیمه در بازه زمانی 4 سال گذشته بوده است. روش آماری مورد استفاده از تکنیک های داده کاوی نظیر درخت تصمیم و دسته بندی بود. این تحقیق نیز چون نمونه آن قبلا انجام شده بوده از الگوریتم های متفاوت استفاده نکرده است. همچنین سعی بر بهبود تحقیق قبلی نیز نداشته است. وجه تمایز این تحقیق با نمونه قبلی استفاده از ویژگی های متفاوت بوده است.
عنبری ]عنبری 1389[ نیز پژوهشی در خصوص طبقه بندی ریسک بیمه گذاران در رشته بیمه بدنه اتومبیل با استفاده از داده کاوی داشته است که هدف استفاده از داده های مربوط به بیمه نامه بدنه از کل شرکتهای بیمه (بانک اطلاعاتی بیمه خودرو) بوده و سعی بر آن شده است تا بررسی شود که آیا میتوان بیمه گذاران بیمه بدنه اتومبیل را از نظر ریسک طبقه بندی کرد؟ و آیا درخت تصمیم برای طبقه بندی بیمه گذاران بهترین ابزار طبقه بندی می باشد؟ و آیا سن و جنسیت از موثرترین عوامل در ریسک بیمه گذار محسوب می شود؟ نتایج این طبقه بندی به صورت درخت تصمیم و قوانین نشان داده شده است. ونتایج حاصل از صحت مدل درخت تصمیم با نتایج الگوریتم های شبکه عصبی و رگرسیون لجستیک مورد مقایسه قرار گرفته است. از مزیت های این تحقیق استفاده از الگوریتم های متفاوت و مقایسه نتایج حاصله برای بدست آوردین بهترین الگوریتم ها بوده است.
رستخیز پایدار]رستخیز پایدار 1389[ تحقیقی دیگر در زمینه بخش بندی مشتریان بر اساس ریسک با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمه بدنه اتومبیل بیمه ملت) داشته است. با استفاده از مفاهیم شبکه خود سازمانده بخش بندی بر روی مشتریان بیمه بدنه اتومبیل بر اساس ریسک صورت گرفت. در این تحقیق عوامل تأثیرگذار بر ریسک بیمه گذاران طی دو مرحله شناسایی گردید. در مرحله اول هیجده فاکتور ریسک در چهار گروه شامل مشخصات جمعیت شناختی، مشخصات اتومبیل، مشخصات بیمه نامه و سابقه راننده از بین مقالات علمی منتشر گردیده در ژورنال های معتبر در بازه سال های 2000 الی 2009 استخراج گردید و در مرحله دوم با استفاده از نظرسنجی از خبرگان فاکتورهای نهایی تعیین گردید. مشتریان بیمه بدنه اتومبیل در این تحقیق با استفاده از شبکه های عصبی خودسازمانده به چهار گروه مشتریان با ریسک های متفاوت بخش بندی گردیدند. مزیت این تحقیق استفاده از نظر خبرگان بیمه بوده و ایراد آن عدم استفاده از ویژگی های بیشتر و الگوریتم های انتخاب ویژگی بوده است.
ایزدپرست  ]ایزدپرست1389[ همچنین تحقیقی در مورد ارائه چارچوبی برای پیش بینی خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی انجام داده است که چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه می‌گردد که طی آن میزان خطرپذیری مشتریان پیش‌بینی شده و مشتریان بر اساس آن رده‌بندی می‌گردند. در نتیجه با استفاده از این معیار (سطح خطرپذیری) و نوع بیمه‌نامه مشتریان، میتوان میزان خسارت آنان را پیش‌بینی کرده و تعرفه بیمه‌نامه متناسب با ریسک آنان تعریف نمود. که این مطلب می‌تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری‌های تعرفه بیمه نامه باشد. در این تحقیق از دو روش خوشه‌بندی و درخت‌تصمیم استفاده می‌گردد. در روش خوشه‌بندی مشتریان بر اساس ویژگی هایشان در خوشه هایی تفکیک شده، سپس میانگین سطح خسارت در هر یک از این خوشه‌ها را محاسبه میکند. حال مشتریان آتی با توجه به اینکه به کدامیک از این خوشه‌ها شبیه تر هستند در یکی از آنها قرار می‌گیرند تا سطح خسارتشان مشخص گردد. در روش درخت‌تصمیم با استفاده از داده‌های مشتریان، درختی را بر اساس مجموعه‌ای از قوانین که بصورت "اگر-آنگاه" می‌باشد ایجاد کرده و سپس مشتریان جدید با استفاده از این درخت رده‌بندی می‌گردند. در نهایت هر دو این مدلها مورد ارزیابی قرار می‌گیرد. ایراد این روش در عدم استفاده از دسته بند ها بوده است. چون ماهیت تحقیق پیش بینی بوده است استفاده از دسته بند ها کمک شایانی به محقق در تولبد خروجی های حذاب تر می کرد.
خلاصه فصلعمده پژوهشهایی که درخصوص داده های بیمه ای صورت گرفته کمتر به سمت پیش بینی سود و زیان شرکتهای بیمه بوده است. در موارد مشابه نیزپیش بینی خسارت مشتریان انجام شده که هدف دسته بندی مشتریان بوده است. موضوع این پژوهش اگرچه از نوع همسان با تحقیقات گفته شده است اما در جزئیات بیمه شخص ثالث را پوشش می دهد که درکشور ما یک بیمه اجباری تلقی می شود. همچنین تعداد خصیصه هایی که در صدور یا خسارت این بیمه نامه دخالت دارند نسبت به سایر بیمه های دیگر بیشتر بوده ضمن اینکه بررسی سود یا زیان بیمه شخص ثالث با استفاده از دانش نوین داده کاوی کارتقریبا جدیدی محسوب می شود.

فصل سوم
2087880229743000
شرح پژوهشدر این فصل هدف بیان مراحل انجام این پژوهش و تحلیل خروجی های بدست آمده می باشد.

انتخاب نرم افزاردر اولین دهه آغاز به کار داده کاوی و در ابتدای امر، هنوز ابزار خاصی برای عملیات کاوش وجود نداشت و تقریبا نیاز بود تا تمامی تحلیل گران، الگوریتمهای موردنظر داده کاوی و یادگیری ماشین را با زبان های برنامه نویسی مانند c یا java یا ترکیبی از چند زبان پیاده سازی کنند. اما امروزه محیط های امکان پذیر برای این امر، با امکانات مناسب و قابلیت محاوره گرافیکی زیادی را می توان یافت]صنیعی آباده 1391[.
Rapidminerاین نرم افزار یک ابزار داده کاوی متن باز است که به زبان جاوا نوشته شده و از سال 2001 میلادی تا به حال توسعه داده شده است. در این نرم افزار سعی تیم توسعه دهنده بر این بوده است که تا حد امکان تمامی الگوریتم های رایج داده کاوی و همچنین یادگیری ماشین پوشش داده شوند. بطوری که حتی این امکان برای نرم افزار فراهم شده است تا بتوان سایر ابزارهای متن باز داده کاوی را نیز به آن الحاق نمود. رابط گرافیکی شکیل و کاربر پسند نرم افزار نیز آن را یک سرو گردن بالاتر از سایر ابزارهای رقیب قرار میدهد]صنیعی آباده 1391[.
مقایسه RapidMiner با سایر نرم افزار های مشابهدر اینجا دو نرم افزار مشهور متن باز را با RapidMiner مقایسه خواهیم کرد و معایب و مزایای آنها را بررسی می کنیم.
الف-R
یک زبان برنامه نویسی و یک پکیج داده کاوی به همراه توابع آماری است و بر پایه زبان های s و scheme پیاده سازی شده است. این نرم افزار متن باز، حاوی تکنیک های آماری مانند: مدل سازی خطی و غیرخطی، آزمون های کلاسیک آماری، تحلیل سری های زمانی، دسته بندی، خوشه بندی، و همچنین برخی قابلیت های گرافیکی است. R را می توان در محاسبات ماتریسی نیز بکار برد که این امر منجر به استفاده از آن در علم داده کاوی نیز می شود.
-مزایا:
شامل توابع آماری بسیار گسترده است.
بصورت بسیارمختصر قادر به حل مسائل آماری است.
دربرابر سایر نرم افزار های مرسوم کار با آرایه مانند Mathematica, PL, MATLAB, LISP/Scheme قدرت مند تر است.
با استفاده از ویژگی Pipeline قابلیت ترکیب بالایی را با سایر ابزارها و نرم افزارها دارد.
توابع نمودار مناسبی دارد.
-معایب:
فقدان واسط کاربری گرافیک
فقدان سفارشی سازی لزم جهت داده کاوی
ساختار زبانی کاملا متفاوت نسبت به زبان های برنامه نویسی مرسوم مانندc, PHP, java, vb, c#.
نیاز به آشنایی با زبانهای آرایه ای
قدیمی بودن این زبان نسبت به رقبا. این زبان در 1990 ساخته شده است.
ب- Scipy
یک مجموعه از کتابخانه های عددی متن باز برای برنامه نویسی به زبان پایتون است که برخی از الگوریتم های داده کاوی را نیز پوشش می دهد.
-مزایا
برای کاربردهای ریاضی مناسب است.


عملیات داده کاوی در این نرم افزار چون به زبان پایتون است راحت انجام می شود.
-معایب
الگوریتم های یادگیری مدل در این کتابخانه هنوز به بلوغ کامل نرسیده اند و درحال تکامل هستند.
برای پیاده سازی الگوریتم های داده کاوی توسط این ابزار باید از ترکیب های متفاوت آنچه در اختیار هست استفاده کرد.
ج-WEKA
ابزار رایج و متن باز داده کاوی است که کتابخانه های آماری و داده کاوی بسیاری را شامل میشود. این نرم افزار بوسیله جاوا نوشته شده است و در دانشگاه وایکاتو در کشور نیوزلند توسعه داده شده است.
-مزایا
دارای بسته های فراوان یادگیری ماشین.
دارای نمای گرافیکی مناسب.
مشخصا به عنوان یک ابزار داده کاوی معرفی شده است.
کار کردن با آن ساده است.
اجرای همزمان چندین الگوریتم و مقایسه نتایج.
همانطور که مشخص شد weka در مقابل دیگر نرم افزار های بیان شده به لحاظ قدرت و کاربر پسندی به Rapidminer نزدیک تر است و شباهت های زیادی به هم دارند زیرا که:
هردو به زبان جاوا نوشته شده اند.
هردو تحت مجوزGPL منتشر شده اند.
Rapidminer بسیاری از الگوریتمهای weka را در خود بارگذاری میکند.
اما weka معایبی نسبت به Rapidminer دارد از جمله اینکه:
در اتصال به فایلهای حاوی داده Excel و پایگاه های داده که مبتنی بر جاوا نیستند ضعیف عمل میکند.
خواندن فایلهای csv به شکل مناسبی سازماندهی نشده است.
به لحاظ ظاهری در رده پایینتری قرار دارد.
در نهایت بعد از بررسی های انجام شده حتی در میان نرم افزار های غیرمتن باز تنها ابزاری که کارایی بالاتری از Rapidminer داشت statistica بود که متن باز نبوده و استفاده از آن نیازمند تقبل هزینه آن است]صنیعی آباده 1391[.
در یازدهمین و دوازدهمین بررسی سالانه KDDnuggets Data Mining / Analytics رای گیری با طرح این سوال که کدام ابزار داده کاوی را ظرف یک سال گذشته برای یک پروژه واقعی استفاده کرده ایددر سال 2010 از بین 912 نفر و در سال 2011 ازبین 1100 نفر انجام شد. توزیع رای دهندگان بدین صورت بوده است:
اروپای غربی 37%
آمریکای شمالی 35%
اروپای شرقی 10%
آسیا 6%
اقیانوسیه 4%
آمریکای لاتین 4%
آفریقا و خاورمیانه %4
نتایج به شرح جدول 3-1 بوده است :
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی
2011 Vote 2010 Vote Software name
37. 8% 27. 7% Rapidminer
29. 8% 23. 3% R
24. 3% 21. 8% Excel
12. 1% 13. 6% SAS
18. 4% 12. 1% Your own code
19. 2% 12. 1% KNIMe
14. 4% 11. 8% WEKA
1. 6% 10. 6% Salford
6. 3% 8. 5% Statistica
همانطور که نتایج رای گیری مشخص میکند نرم افزار Rapidminer بیشترین استفاده کننده را دارد.
در این پایان نامه نیز عملیات داده کاوی توسط این نرم افزار انجام می شود. ناگفته نماند در قسمتهایی از نرم افزار minitab و Clementine12 نیز برای بهینه کردن پاسخ بدست آمده و بالابردن کیفیت نتایج استفاده شده است.

داده ها داده های مورد استفاده در این پژوهش شامل مجموعه بیمه نامه های شخص ثالث صادر شده استان کهگیلویه و بویراحمد در سال 1390 شمسی بوده که بیمه نامه های منجر شده به خسارت نیز در این لیست مشخص گردیده اند. تعداد کل رکوردها حدود 20 هزار رکورد بوده که از این تعداد تقریباً 7. 5 درصد یعنی حدود 1500 رکوردمنجر به خسارت گردیده اند.
3-2-1- انتخاب دادهداده مورد استفاده در این پژوهش شامل دو مجموعه داده به شرح زیر بوده است:
صدور: اطلاعات بیمه نامه های صادره
خسارت: جزئیات خسارت پرداختی ازمحل هر بیمه نامه که خسارت ایجاد کرده
3-2-2-فیلدهای مجموعه داده صدور
این فیلدها در حالت اولیه 137 مورد به شرح جدول 3-2 بوده است.
3-2-3-کاهش ابعاد
در این پژوهش بخاطر موثرنبودن فیلدهایی اقدام به حذف این مشخصه ها کرده و فیلدهای موثر نهایی به 42 فیلد کاهش یافته که به شرح جدول 3-3 بدست آمده اند. کاهش ابعاد میتواند شامل حذف فیلدهای موثر که دارای اثر بسیار ناچیز درمقابل دیگر فیلدها است نیز باشد.
جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 بیمه‌نامه 33 مدت بیمه 65 تعهدمازاد
2 سال‌صدوربیمه‌نامه 34 زمان‌شروع 66 کدنوع‌تعهدسرنشین
3 رشته‌بیمه 35 شغل‌بیمه‌گذار 67 میزان‌تعهدسرنشین
4 نمایش سند 36 سن‌بیمه‌گذار 68 حق‌بیمه‌ثالث‌قانونی
5 مکانیزه 37 سال‌کارت 69 ثالث قانونی+تعدددیات
6 دستی 38 سریال‌کارت 70 حق‌بیمه‌بند4
7 وب‌بنیان 39 کدوسیله‌نقلیه 71 حق‌بیمه‌ماده1
8 نام‌استان 40 کدزیررشته‌آمار 72 حق‌بیمه‌مازاد
9 نام‌شعبه 41 نوع‌وسیله‌نقلیه 73 حق‌بیمه‌سرنشین
10 کدشعبه 42 سیستم 74 مالیات
11 شعبه‌محل‌صدور 43 سال ساخت 75 مازادجانی
12 شعبه 44 رنگ 76 حق‌بیمه‌مازادمالی
13 نمایندگی‌محل‌صدور 45 شماره‌شهربانی 77 عوارض‌ماده92
14 کددولتی 46 شماره‌موتور 78 حق‌بیمه‌دریافتی
15 نمایندگی 47 شماره‌شاسی 79 tadodflg
16 دولتی 48 تعدادسیلندر 80 حق‌بیمه‌تعددخسارت
17 صادره‌توسط شعبه 49 کدواحدظ‌رفیت 81 جریمه‌بیمه‌مرکزی
18 کارمندی 50 ظرفیت 82 حق‌بیمه‌صادره‌شعبه
19 کدصادره‌توسط شعبه 51 شرح‌مورداستفاده 83 حق‌بیمه‌صادره‌نمایندگی
20 سریال‌بیمه‌نامه 52 یدک‌دارد؟ 84 کداضافه‌نرخ‌حق‌بیمه
21 شماره‌بیمه‌نامه 53 اتاق‌وسیله‌نقلیه 85 اضافه‌نرخ‌ثالث
22 نام‌بیمه‌گذار 54 نوع‌پلاک 86 اضافه‌نرخ‌بند4
23 آدرس‌بیمه‌گذار 55 جنسیت 87 اضافه‌نرخ‌مازاد
24 تلفن‌بیمه‌گذار 56 کدنوع‌بیمه‌نامه 88 تعدددیات
25 کدسازمان 57 نوع‌بیمه 89 اضافه‌نرخ‌تعدددیات
26 نام‌سازمان 58 بیمه‌نامه‌سال‌قبل 90 اضافه‌نرخ‌ماده‌یک
27 کدنوع‌بیمه 59 انقضاسال‌قبل 91 دیرکردجریمه
28 cbrn. cod 60 بیمه‌گرقبل 92 کدملی‌بیمه‌گذار
29 نوع‌بیمه 61 شعبه‌قبل 93 صادره‌توسط شعبه
30 تاریخ‌صدور 62 خسارت‌داشته‌؟ 94 نوع‌مستند1
31 تاریخ‌شروع 63 تعهدمالی 95 شماره‌مستند1
32 تاریخ‌انقضا 64 تعهدبدنی 96 تاریخ‌مستند1
ادامه جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
97 مبلغ‌مستند1 111 تخفیف ایمنی 125 کداقتصادی
98 شماره‌حساب1 112 سایرتخفیف ها 126 کدملی
99 بانک1 113 ملاحظات 127 تاریخ‌ثبت
100 نوع‌مستند2 114 نام‌کاربر 128 کدشعبه‌صادرکننده‌اصلی
101 شماره‌مستند2 115 تاریخ‌سند 129 کدنمایندگی‌صادرکننده‌اصلی
102 تاریخ‌مستند2 116 کدشهربانی 130 کدسازمان‌صادرکننده‌اصلی
103 مبلغ‌مستند2 117 شعبه‌محل‌نصب 131 سال
104 شماره‌حساب2 118 کدمحل‌نصب 132 ماه
105 بانک2 119 دستی/مکانیزه 133 نوع
106 تخفیف‌نرخ‌اجباری 120 تیک‌باحسابداری 134 crecno
107 تخفیف‌نرخ‌اختیاری 121 سال‌انتقال 135 type_ex
108 تخفیف عدم خسارت 122 ماه‌انتقال 136 updflg
109 تخفیف صفرکیلومتر 123 sysid 137 hsab_sync
110 تخفیف گروهی 124 trsid کداقتصادی
جدول شماره 3-3: فیلدهای نهایی داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 ماه 15 تعهدمازاد 29 تاریخ‌شروع
2 سال 16 تعهدبدنی 30 تاریخ‌صدور
3 کدنمایندگی‌صادرکننده‌اصلی 17 تعهدمالی 31 نام‌سازمان
4 تخفیف گروهی 18 بیمه‌نامه‌سال‌قبل 32 شماره‌بیمه‌نامه
5 تخفیف عدم خسارت 19 نوع‌بیمه 33 کارمندی
6 نوع‌مستند1 20 نوع‌پلاک 34 صادره‌توسط شعبه
7 دیرکردجریمه 21 شرح‌مورداستفاده 35 دولتی
8 کداضافه‌نرخ‌حق‌بیمه 22 ظرفیت 36 نمایندگی‌محل‌صدور
9 حق‌بیمه‌دریافتی 23 تعدادسیلندر 37 خسارتی؟
10 عوارض‌ماده92 24 سال ساخت 38 مبلغ خسارت
11 مالیات 25 سیستم 39 تاریخ ایجادحادثه
12 حق‌بیمه‌سرنشین 26 نوع‌وسیله‌نقلیه 40 بیمه گر زیاندیده اول
13 حق‌بیمه‌مازاد 27 مدت بیمه 41 تعداد زیاندیدگان مصدوم
14 حق‌بیمه‌ثالث‌قانونی 28 تاریخ‌انقضا 42 تعداد زیاندیدگان متوفی
در کاهش ابعاد این مساله برای حذف فیلدهای مختلف نظرات کارشناسان بیمه نیز لحاظ شده است. جدول 3-4 فیلدهای حذف شده و علت حذف آنها را بیان کرده است.
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها
نام فیلد حذف شده علت حذف
Crecno-type_ex-updflg-hsab_sync-کدمحل‌نصب-دستی/مکانیزه-تیک‌باحسابداری-سال‌انتقال-ماه‌انتقال-sysid-trsid-کدزیررشته آمار-نمایش سند-مکانیزه-دستی-وب‌بنیان-Cbrn. cod کاربرد آماری
نوع-کد شعبه صادرکننده-شعبه محل نصب-کدشهربانی-سایرتخفیف ها-تخفیف ایمنی-تخفیف صفر کیلومتر-تخفیف نرخ اختیاری-تخفیف نرخ اجباری-خسارت داشته؟-شعبه قبل-جنسیت-کد نوع بیمه نامه-یدک دارد-
اتاق وسیله نقلیه-سن بیمه گذار-شغل بیمه گذار-زمان شروع-کد نوع بیمه دارای مقدار یکسان یا null
کد سازمان صادر کننده-کد نوع تعهد سرنشین-کدواحدظرفیت-کد وسیله نقلیه-کد سازمان-کد صادره توسط-نمایندگی-کد دولتی بجای این کد از فیلد اسمی معادل آن استفاده شده است و یا برعکس زیرا در نتایج خروجی قابل فهم تر خواهد بود.
تاریخ ثبت-تاریخ سند-بیمه گر قبل-مبلغ -مستند 1و2-اضافه‌نرخ‌ثالث-4اضافه‌نرخ‌بند-
اضافه‌نرخ‌مازاد-میزان تعهد سرنشین-تعدددیات-اضافه‌نرخ‌تعدددیات-اضافه‌نرخ‌ماده‌یک-تاریخ مستند1و2-شماره -حساب 1و2-بانک1و2 دارای مقدار تکراری
کدملی-بیمه نامه-کداقتصادی-نوع مستند2-
شماره مستند1و2-نام کاربر-ملاحظات-
کدملی بیمه گذار-شماره شاسی-شماره موتور-
شماره شهربانی-سریال کارت-سال کارت-
نام‌استان-نام‌شعبه-کدشعبه-شعبه‌محل‌صدور
شعبه-سال‌صدوربیمه‌نامه-رشته‌بیمه-رنگ-تلفن بیمه گذار-نام بیمه گذار-آدرس بیمه گذار-سریال بیمه نامه بدون تاثیر
حق‌بیمه‌تعددخسارت-جریمه‌بیمه‌مرکزی-
حق‌بیمه‌صادره‌شعبه-حق‌بیمه‌صادره‌نمایندگی-
مازادجانی-حق‌بیمه‌مازادمالی-حق بیمه ماده1-
حق بیمه ماده4-ثالث قانونی + تعدد دیات- انقضا سال قبل بخشی از فیلد انتخاب شده
جدول 3-5: فیلدهای استخراج شده از داده های خسارت
مبلغ خسارت
تاریخ ایجادحادثه
بیمه گر زیاندیده اول
تعداد زیاندیدگان مصدوم
تعداد زیاندیدگان متوفی
3-2-4- فیلدهای مجموعه داده خسارتاز مجموعه داده خسارت فقط فیلدهای مشخص کننده میزان خسارت و جزئیات لازم استخراج شده است. متاسفانه اطلاعات مفید تری مثل سن راننده مقصر، میزان تحصیلات و. . . در این مجموعه داده وجود نداشته است و چون هنگام ثبت خسارت برای یک بیمه نامه از اطلاعات کلیدی داده های صدور استفاده می شود، با توجه به اینکه از مرحله قبل مهمترین فیلدهای داده های صدور را در دسترس داریم بنابراین با ادغام فیلدهای خسارت و صدور به اطلاعات جامعی در خصوص یک بیمه نامه خاص دسترسی خواهیم داشت. مشخصه ها استخراج شده از داده های خسارت طبق جدول 3-5 است.

3-2-5-پاکسازی داده هاداده ها در دنیای واقعی ممکن است دارای خطا، مقادیر از دست رفته، مقادیر پرت و دورافتاده باشند [Jiawei Han, 2010]. در مرحله پاکسازی با توجه به نوع داده ممکن است یک یا چند روش پاکسازی بر روی داده اعمال شود.
3-2-6- رسیدگی به داده های از دست رفتهدر این قسمت از کار اقدام به رفع Missing data نموده که خود مرحله مهمی از پاکسازی داده بحساب می آید. در مرحله ابتدایی با مرتب سازی تمام ویژگی های قابل مرتب سازی در نرم افزار Microsoft Excel اقدام به کشف مقادیر از دست رفته کرده و از طریق دیگر ویژگی های هر رکورد مقدار از دست رفته را حدس زده ایم. همچنین درحین انتقال داده به محیط داده کاوی مقادیر از دست رفته نیز مشخص می گردند. در بعضی موارد بدلیل تعداد زیاد ویژگی های از دست رفته اقدام به حذف کامل رکورد نمودیم. این کار برای زمانی که داده ها در حجم انبوهی وجود دارند مفید واقع میشوند اما زمانی که تعداد رکوردها کم می باشد اجتناب از این عمل توصیه می شود. برای ویژگی نوع بیمه که از نوع چند اسمی بوده است فقط دو مقدار"کارمندی" و "عادی" وجود داشته که تعداد 49 مورد فاقد مقدار بوده است. کل تعداد بیمه کارمندی 27 مورد بوده است. با توجه به کم بودن تعداد داده های ازدست رفته این فیلد و پس از مقایسه نام بیمه گذاران با اسم کارمندان مشخص شد هیچ کدام از موارد فوق کارمندی نبوده و همه از نوع عادی بوده اند.
از جمله فیلدهای دارای مقادیر از دست رفته و روش رفع ایراد آنها عبارتند از:
سیستم*** 70 مورد***تشخیص با توجه به دیگر ویژگی ها
نوع وسیله نقلیه***33مورد***تشخیص با توجه به دیگر ویژگی ها
شرح مورد استفاده***11مورد***تشخیص با توجه به دیگر ویژگی هاتعدادسیلندر***2مورد***تشخیص با توجه به دیگر ویژگی ها
دولتی***28 مورد***تشخیص از روی پلاک
ماه***130 مورد***تشخیص از روی تاریخ صدور
نوع بیمه***49مورد***تشخیص از روی نام بیمه گذار
تعداد رکوردهایی که مقادیرازدست رفته در چند ویژگی مهم را داشته اند و حذف شده اند حدود 350 مورد بوده است.
3-2-7-کشف داده دور افتادهبعضی از مقادیر بسته به نوع داده علی رغم پرت تشخیص داده شدن مقادیر صحیحی می باشند. بنابراین حذف اینگونه داده ها برای کاستن پیچیدگی مساله میتواند موجب حذف قوانین مهمی در الگوریتم های مبتنی برقانون یا درختهای تصمیم شود. پس بررسی خروجی الگوریتم توسط یک فردخبره در موضوع مساله می تواند مانع از این اتفاق شود. نوع برخورد با داده پرت میتواند شامل حذف داده پرت، تغییر مقدار، حذف رکورد و در مواردی حذف مشخصه باشد.
برای تشخیص داده پرت از نمودار boxplot نرم افزار minitab 15 استفاده گردید. در این نمودار از مفهوم درصدک استفاده میشود که داده های بین 25% تا 75% که به ترتیب با Q1 و Q3 نشان داده می شوند مهم ترین بخش داده ها هستند. X50% نیز میانه را نشان می دهد و با یک خط در وسط نمودار مشخص می شود. Interquartile range (IQR) نیز مفهوم دیگری است که برابر است با IQR = Q3-Q1 .
مقادیر بیشتر از Q3 + [(Q3 - Q1) X 1. 5] و کمتر از Q1 - [(Q3 - Q1) X 1. 5]داده پرت محسوب می شوند. برای انجام اینکار نمودار boxplot را روی تک تک مشخصه های داده ها به اجرا در آورده و نتایج مطابق جدول 3-6 حاصل گردید.
جدول 3-6: نتایج نمودار boxplot
نام فیلد محاسبه مقادیر پرت توضیحات
تعداد زیاندیدگان متوفی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2 نشان داده شده صحیح می باشد
تعداد زیاندیدگان مصدوم Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 1و2و3 نشان داده شده صحیح می باشد
بیمه گر زیاندیده اول Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2و3و. . . نشان داده شده صحیح می باشد و عدد 99 مقداری صحیح است که به معنی ندارد استفاده میگردد
مبلغ خسارت Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مبلغ خسارت 1.658.398.000 ریال و 900.000.000 ریال واقعا پرداخت گردیده است
تعداد سیلندر Q1=4, Q3=4, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=4
Q1 - [(Q3 - Q1) X 1. 5]=4مقدار 5 به عنوان تعداد سیلندر ناصحیح می باشد
ظرفیت Q1=5, Q3=5, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=5
Q1 - [(Q3 - Q1) X 1. 5]=5 مقادیر بین 1 تا 96 ظرفیتهای منطقی بر اساس تناژ یا سرنشین بوده و صحیح است اما مقدار 750 نا صحیح است
نوع پلاک Q1=3, Q3=3, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=3
Q1 - [(Q3 - Q1) X 1. 5]=3 مقادیر با مفهوم بوده و دور افتاده نیست
بیمه نامه سال قبل Q1=1, Q3=1, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=1
Q1 - [(Q3 - Q1) X 1. 5]=1 مقادیر عددی 0 یا 1 به معنی داشتن یا نداشتن بوده و صحیح است
تعهدات مالی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه ثالث قانونی Q1=1992600, 3=3332500, IQR=1339900
Q3 + [(Q3 - Q1) X 1. 5]=5342350
Q1 - [(Q3 - Q1) X 1. 5]=17250 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه مازاد Q1=0, Q3=9100, IQR=9100
Q3 + [(Q3 - Q1) X 1. 5]=22750
Q1 - [(Q3 - Q1) X 1. 5]=13650 مقادیر با مفهوم بوده و دور افتاده نیست
دیرکرد جریمه Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
تخفیف عدم خسارت Q1=610080, Q3=1495200, IQR=885120
Q3 + [(Q3 - Q1) X 1. 5]=2822880
Q1 - [(Q3 - Q1) X 1. 5]=717600 مقادیر با مفهوم بوده و دور افتاده نیست
3-2-8-انبوهش دادهبا ادغام کردن داده های صدور و خسارت به خلق ویژگیهای جدیدی دست زده ایم. چون داده ها در دو فایل جدا گانه بوده و حجم داده زیاد بوده است برای ادغام از پرس و جوی نرم افزار Microsoft Access استفاده شد. برای تشخیص بیمه نامه های خسارت دیده از فیلد شماره بیمه نامه که در هردوفایل مشترک بود استفاده کردیم.
3-2-9- ایجاد ویژگی دستهدر این مرحله پس از ادغام ویژگی های مختلف اقدام به ایجاد یک فیلد برای تمام رکوردهایی که منجر به خسارت شده اند می نماییم. این فیلد در الگوریتمهای دسته بندی مورد استفاده قرار خواهد گرفت. برای انجام این کار از یک پر و جوی Microsoft Access استفاده میکنیم.
3-2-10-تبدیل دادهجهت استفاده کاربردی تر از برخی ویژگی ها باید مقادیر آن ویژگی تغییر کند. یک نمونه از این کار تغییر مقدار ویژگی " دیرکرد جریمه " است. مقدار این فیلد مبلغ جریمه دیرکرد بیمه گذار بوده است که با تقسیم این مبلغ به عدد 13000 تعداد روزهای تاخیر در تمدید بیمه نامه افراد مشخص می شود، زیرا به ازای هر روز تاخیر مبلغی حدود 13000ریال در سال 1390 به عنوان جریمه دیرکرد از فرد متقاضی بیمه نامه دریافت می گردید.
3-2-11-انتقال داده به محیط داده کاویپس از انجام پاکسازی، داده باید به محیط داده کاوی منتقل شود. در خلال این انتقال نیاز به تعریف و یا تغییر نوع داده وجود دارد. در طول این تغییر داده ممکن است مقادیری از داده ها بدلیل ناسازگاری و یا دلایل مشابه به عنوان داده از دست رفته مشخص گردد و یا داده از دست رفته ای که قبلاً قابل تشخیص نبوده مشخص گردد. (شکل 3-1)

شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی
3-2-12-انواع داده تعیین شده
پس از انتقال داده به محیط داده کاوی، هر ویژگی به نوع خاصی از داده توسط نرم افزار تشخیص داده شد. پس از آن نوع داده تشخیصی مورد بررسی قرار گرفت و اشتباهات پیش آمده تصحیح گردیدند. همچنین گروهی از ویژگی ها که به هیچ نوع داده ای اختصاص داده نشده بود بصورت دستی به بهترین نوع ممکن اختصاص داده شد. چون برخورد الگوریتم ها با انواع داده ها متفاوت است با توجه به موضوع پژوهش بهترین نوع داده که بتواند نسبت به الگوریتم موثرترواقع شود برای هر ویژگی درنظر گرفته شد.
جدول نوع داده های مورد استفاده در این پژوهش به شرح جدول 3-7 است:
جدول 3-7: انواع داده استفاده شده
نام فیلد نوع فیلد
ماه-سال-کدنمایندگی‌صادرکننده‌اصلی- تعداد زیاندیدگان مصدوم- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- نمایندگی‌محل‌صدور- تعداد زیاندیدگان متوفی-حق‌بیمه‌ثالث‌قانونی-تعهدمازاد-تعهدبدنی-تعهدمالی Integer
- نوع‌بیمه- شرح‌مورداستفاده- بیمه گر زیاندیده اول نوع‌مستند1- سیستم نوع‌وسیله‌نقلیه- نام‌سازمان-دولتی polynominal
دیرکردجریمه-کداضافه‌نرخ‌حق‌بیمه-حق‌بیمه‌دریافتی-عوارض‌ماده92-مالیات-حق‌بیمه‌سرنشین-حق‌بیمه‌مازاد- تخفیف گروهی-تخفیف عدم خسارت- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه- خسارتی؟ binominal
تاریخ‌انقضا-تاریخ‌شروع-تاریخ‌صدور- تاریخ ایجادحادثه date
شماره‌بیمه‌نامه text
3-2-13-عملیات انتخاب ویژگیهای موثرتردر برخورد با برخی از الگوریتمها که با بیشتر شدن تعداد ویژگی پیچیدگی بیشتری نیز پیدا میکنند، مانند درختهای تصمیم، svm، Regression و شبکه های عصبی باید از ویژگی های کمتری استفاده کنیم. درکل انتخاب ویژگی برای استفاده در الگوریتم های دسته بندی تکنیک کارآمدی است. دراینجا ازتکنیکهای کاهش ویژگی و یا وزن دهی استفاده کرده و فیلدهای منتخبی که وزن بیشتری را دارند به عنوان ورودی الگوریتمها انتخاب گردیدند.
با توجه به اینکه احتمال ارزش دهی به یک ویژگی در تکنیکهای مختلف متغیر است و ممکن است ویژگی خاصی توسط یک تکنیک باارزش قلمداد شده و توسط تکنیکی دیگر بدون ارزش تلقی شود، نتیجه تمام تکنیکها Union, شده و فیلدهای حاصل به عنوان ورودی الگوریتم مشخص گردید.
3-3-نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی
نتایج حاصل از این تکنیک ها در شکل های 3-2 الی3-5 نمایش داده شده است.

شکل 3-2: نتایج الگوریتمPCA
در ارزشدهی به ویژگی ها

شکل 3-3: نتایج الگوریتم SVM Weighting
در ارزشدهی به ویژگی ها

شکل 3-4: نتایج الگوریتم
Weighting Deviation در ارزشدهی به ویژگی ها

شکل 3-5: نتایج الگوریتم Weighting Correlation
در ارزشدهی به ویژگی ها
3-4-ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگیلازم به توضیح است در تمام الگوریتمهایی که از 24 ویژگی جدول 3-8 استفاده شده است از تمام ویژگی ها نیز استفاده شده و نتایج با هم مقایسه گردیده اند و مشخص شد که وجود برخی ویژگی ها که در آن جدول قرار ندارند باعث کاهش دقت الگوریتم شده و در برخی الگوریتم ها نیز تفاوتی میان دو مقایسه مشخص نشد.
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف
نام فیلد نوع فیلد
تعهدمازاد- تعهدبدنی- تعهدمالی- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- تعداد زیاندیدگان مصدوم- تعداد زیاندیدگان متوفی Integer
شرح‌مورداستفاده- سیستم- نوع‌وسیله‌نقلیه- بیمه گر زیاندیده اول polynominal
دیرکردجریمه- کداضافه‌نرخ‌حق‌بیمه- حق‌بیمه‌دریافتی- مالیات- حق‌بیمه‌سرنشین- حق‌بیمه‌ثالث‌قانونی- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه binominal
3-5-معیارهای ارزیابی الگوریتمهای دسته بندیدر این بخش توضیحاتی درخصوص چگونگی ارزیابی الگوریتم های دسته بندی و معیار های آن ارائه خواهد شد.
3-6-ماتریس درهم ریختگیماتریس در هم ریختگی چگونگی عملکرد دسته بندی را با توجه به مجموعه داده ورودی به تفکیک نشان میدهد که:
TN: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم نیز دسته آنها را به درستی منفی تشخیص داده است.
FP: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته آنها را به اشتباه مثبت تشخیص داده است.
FN: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته آنها را به اشتباه منفی تشخیص داده است.
TP: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم نیز دسته آنها را به درستی مثبت تشخیص داده است.
جدول 3-9: ماتریس در هم ریختگی
رکوردهای تخمینی(Predicted Records)
دسته+ دسته- FP TN دسته-
TP FN دسته+
1903095210185رکوردهای واقعی(Actual Records)
00رکوردهای واقعی(Actual Records)

مهمترین معیار برای تعیین کارایی یک الگوریتم دسته بندی معیاردقت دسته بندی است. این معیارنشان می دهد که چند درصد ازکل مجموعه رکوردهای آموزشی بدرستی دسته بندی شده است.
دقت دسته بندی بر اساس رابطه زیر محاسبه می شود:
CA=TN+TPTN+FN+TP+FP3-7-معیار AUCاین معیار برای تعیین میزان کارایی یک دسته بند بسیار موثر است. این معیار نشان دهنده سطح زیر نمودار ROC است. هرچقدرعدد AUC مربوط به یک دسته بند بزرگتر باشد، کارایی نهایی دسته بند مطلوب تر است. در ROC نرخ تشخیص صحیح دسته مثبت روی محور Y و نرخ تشخیص غلط دسته منفی روی محورX رسم میشود. اگر هر محور بازه ای بین 0و1 باشد بهترین نقطه در این معیار (0, 1) بوده و نقطه (0, 0) نقطه ای است که دسته بند مثبت و هشدار غلط هیچگاه تولید نمی شود.
3-8-روشهای ارزیابی الگوریتم های دسته بندیدر روشهای یادگیری با ناظر، دو مجموعه داده مهم به اسم داده های آموزشی و داده های آزمایشی وجود دارند. چون هدف نهایی داده کاوی روی این مجموعه داده ها یافتن نظام حاکم بر آنهاست بنابراین کارایی مدل دسته بندی بسیار مهم است. از طرف دیگر این که چه بخشی از مجموعه داده اولیه برای آموزش و چه بخشی به عنوان آزمایش استفاده شود بستگی به روش ارزیابی مورد استفاده دارد که در ادامه انواع روشهای مشهور را بررسی خواهیم کرد]صنیعی آباده 1391[.
روش Holdoutدر این روش چگونگی نسبت تقسیم مجموعه داده ها بستگی به تشخیص تحلیلگر داشته اما روش های متداول ازنسبت 50-50 و یا دو سوم برای آموزش و یک سوم برای آزمایش و ارزیابی استفاده میکنند.
مهم ترین حسن این روش سادگی و سرعت بالای عملیات ارزیابی می باشد اما معایب این روش بسیارند. اولین ایراد این روش آن است که بخشی از مجموعه داده اولیه که به عنوان داده آزمایشی است، شانسی برای حضور در مرحله آموزش ندارد. بدیهی است مدلی که نسبت به کل داده اولیه ساخته می شود، پوشش کلی تری را بر روی داده مورد بررسی خواهد داشت. بنابراین اگر به رکوردهای یک دسته در مرحله آموزش توجه بیشتری شود به همان نسبت در مرحله آزمایش تعدادرکوردهای آن دسته کمتر استفاده می شوند.
دومین مشکل وابسته بودن مدل ساخته شده به، نسبت تقسیم مجموعه داده ها است. هرچقدر داده آموزشی بزرگتر باشد، بدلیل کوچکتر شدن مجموعه داده آزمایشی دقت نهایی برای مدل یادگرفته شده غیرقابل اعتماد تر خواهد بود. و برعکس با جابجایی اندازه دو مجموعه داده چون داده آموزشی کوچک انتخاب شده است، واریانس مدل نهایی بالاتربوده و نمی توان دانش کشف شده را به عنوان تنها نظم ممکن درمجموعه داده اولیه تلقی کنیم.
روش Random Subsamplingاگر روش Holdout را چند مرتبه اجرا نموده و از نتایج بدست آمده میانگین گیری کنیم روش قابل اعتماد تری را بدست آورده ایم که Random Subsampling نامیده می شود.
ایراد این روش عدم کنترل بر روی تعداد استفاده از یک رکورد در آموزش یا ارزیابی می باشد.
3-8-3-روش Cross-Validationاگر در روش Random Subsampling هرکدام از رکوردها را به تعداد مساوی برای یادگیری و تنها یکبار برای ارزیابی استفاده کنیم روشی هوشمندانه تر اتخاذ کرده ایم. این روش در متون علمی Cross-Validation نامیده می شود. برای مثال مجموعه داده را به دوقسمت آموزش و آزمایش تقسیم میکنیم و مدل را بر اساس آن می سازیم. حال جای دوقسمت را عوض کرده و از مجموعه داده آموزش برای آزمایش و از مجموعه داده آزمایش برای آموزش استفاده کرده و مدل را می سازیم. حال میانگین دقت محاسبه شده به عنوان میانگین نهایی معرفی می شود. روش فوق 2-Fold Cross Validation نام دارد. اگر بجای 2 قسمت مجموعه داده به K قسمت تقسیم شود، و هر بار با K-1 قسمت مدل ساخته شود و یک قسمت به عنوان ارزیابی استفاده شود درصورتی که این کار K مرتبه تکرار شود بطوری که از هر قسمت تنها یکبار برای ارزیابی استفاده کنیم، روش K-Fold Cross Validation را اتخاذ کرده ایم. حداکثر مقدار k برابر تعداد رکوردهای مجموعه داده اولیه است.
3-8-4-روش Bootstrapدر روشهای ارزیابی که تاکنون اشاره شدند فرض برآن است که عملیات انتخاب نمونه آموزشی بدون جایگذاری صورت می گیرد. درواقع یک رکورد تنها یکبار در یک فرآیند آموزشی شرکت داده می شود. اگر یک رکورد بیش از یک مرتبه در عملیات یادگیری مدل شرکت داده شود روش Bootstrap را اتخاذ کرده ایم. در این روش رکوردهای آموزشی برای انجام فرآیند یادگیری مدل ازمجموعه داده اولیه به صورت نمونه برداری با جایگذاری انتخاب خواهند شد و رکوردهای انتخاب نشده جهت ارزیابی استفاده می شود.
3-9-الگوریتمهای دسته بندیدر این بخش به اجرای الگوریتم های دسته بندی پرداخته و نتایج حاصل را مشاهده خواهیم کرد.
درالگوریتمهای اجرا شده از هر سه روش Holdout, k fold Validation, Bootstrap استفاده شده است و نتایج با هم مقایسه شده اند. در روشHoldout که در نرم افزار با نام Split Validation آمده است از نسبت استاندارد آن یعنی 70 درصد مجموعه داده اولیه برای آموزش و 30 درصد برای آزمایش استفاده شده است. برای k fold Validation مقدار k برابر 10 درنظر گرفته شده است که مقدار استانداردی است. در Bootstrap نیز مقدار تقسیم بندی مجموعه داده برابر 10 قسمت درنظر گرفته شده است. مقدار local random seed نیز برابر عدد 1234567890 می باشد که برای همه مدلها، نرم افزار از آن استفاده می کند مگر اینگه در مدل خاصی عدم استفاده از آن ویا تغییر مقدارموجب بهبود عملکرد الگوریتم شده باشد که قید میگردد. اشکال 3-6و3-7 چگونگی استفاده از یک مدل ارزیابی را در Rapidminer نشان می دهد.

شکل 3-6: نمای کلی استفاده از روشهای ارزیابی

شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی
الگوریتم KNNدر انتخاب مقدار k اعداد بین 1 تا 20 و همچنین اعداد 25 تا 100 با فاصله 5 آزمایش شدند. بهترین مقدار عدد 11 بوده است.
پس از اجرای الگوریتم، بهترین نتیجه مربوط به ارزیابی Split Validation با دقت91.23%بوده است. نمودار AUC آن در شکل 3-8 ترسیم شده است.
25768302223135آستانه قابل قبول
020000آستانه قابل قبول
716280-63500دسته مثبت
020000دسته مثبت

شکل 3-8: نمودار AUC الگوریتم KNN
الگوریتم Naïve Bayesاین الگوریتم پارامترخاصی برای تنظیم ندارد.
بهترین نتیجه مربوط به ارزیابی Split Validation با دقت 96.09% بوده است. نمودار AUC آن در شکل 3-9 ترسیم شده است.
22872701749425آستانه قابل قبول
020000آستانه قابل قبول
7689856985دسته مثبت
020000دسته مثبت

شکل 3-9: نمودار AUC الگوریتم Naïve Bayes
الگوریتم Neural Networkتکنیک شبکه عصبی استفاده، مدل پرسپترون چندلایه با 4 نرون در یک لایه نهان بوده است.
تنظیمات الگوریتم شبکه عصبی به شرح زیر بوده است:
Training cycles=500
Learning rate=0.3
Momentum=0.2
Local random seed=1992
چون این الگوریتم فقط از ویژگیهای عددی پشتیبانی می کند، از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام گرفت.
شکل3-10 عملیات انجام شده را نشان می دهد.

شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی
نتیجه اجرای الگوریتم Neural Network دقت 91.25%بوده ماتریس آشفتگی آن و نمودار AUC در شکل 3-11 رسم شده است.

29222702265680آستانه قابل قبول
020000آستانه قابل قبول
725170-55245دسته مثبت
020000دسته مثبت

شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net
الگوریتم SVM خطیدر این الگوریتم نیز بدلیل عدم پشتیبانی از نوع داده اسمی از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30 برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
شکل3-12 عملیات انجام شده را نشان می دهد.

شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی
پارامترهای الگوریتم عبارتند از :
Kernel cache=200
Max iteretions=100000
نتیجه حاصل از اجرای الگوریتم SVM خطی دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-13 رسم شده است.

25711152215515آستانه قابل قبول
020000آستانه قابل قبول
1045845-111760دسته مثبت
020000دسته مثبت

شکل 3-13 : نمودار AUC الگوریتم SVM Linear
3-9-5-الگوریتم رگرسیون لجستیک
در این الگوریتم از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
نتیجه حاصل از اجرای الگوریتم رگرسیون لجستیک دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-14 رسم شده است.

25482552319020آستانه قابل قبول
020000آستانه قابل قبول
974725-249555دسته مثبت
020000دسته مثبت

شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک
3-9-6- الگوریتم Meta Decision Treeدر این الگوریتم که یک درخت تصمیم است، از روش Split validationبا نسبت 70-30 برای ارزیابی استفاده شده است که دقت 96.64% اقدام به پیش بینی خسارت احتمالی نموده است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-15 رسم شده است.

26714452353945آستانه قابل قبول
020000آستانه قابل قبول
835660-73660دسته مثبت
020000دسته مثبت

شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree
با توجه به اندازه بزرگ درخت خروجی فقط قسمتی از آن در شکل 3-16 بصورت درخت نمایش داده می شود. در شکل 3-17 درخت بصورت کامل آمده است اما نتایج آن در فصل چهارم مورد تفسیر قرار خواهند گرفت.

شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree

شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree
3-9-7-الگوریتم درخت Wj48چون RapidMiner توانایی استفاده ازالگوریتمهای نرم افزار WEKA را نیز دارد، در بسیاری از الگوریتم ها قدرت مند تر عمل میکند. Wj48 نسخه WEKA از الگوریتمj48 است.
پارامترهای این الگوریتم عبارتند از:
C=0.25
M=2
در این الگوریتم از روش ارزیابی 10 Fold Validation استفاده شده است و دقت پیش بینی آن برابر 99.52% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-18 رسم شده است. نمای درخت در شکل 3-19 ترسیم شده است.

35471102441575آستانه قابل قبول
020000آستانه قابل قبول
908685160020دسته مثبت
020000دسته مثبت

شکل 3-18: نمودار AUC الگوریتم Wj48

—d1209

شکل 1-2 نمای کلی، روابط بین اعضای زنجیره تامین و سیاست های به کار گرفته شده در این تحقیق1-3 اهداف تحقیق
جایگزینی مدل کنترل موجودی توسط فروشنده با زنجیره تامین سنتی در صنایع مختلف و افزایش کارایی و سوددهی زنجیره تامین
مدل سازی سود خرده فروش در مساله کنترل موجودی توسط فروشنده
بررسی قیمت گذاری در مساله کنترل موجودی توسط فروشنده
انتخاب بهترین تامین کننده
به دست آوردن معیار مناسب برای انتخاب تامین کننده برتر
افزایش رقابت در صنایع مختلف و به تیع آن افزایش رضایت مشتریان
1-4 سوالهای تحقیق
قیمت گذاری در مدل کنترل موجودی توسط فروشنده چه تفاوتی با زنجیره تامین سنتی دارد؟
آیا میزان سود خرده فروش در حالت مدیریت موجودی سنتی با سیستم VMI متفاوت است؟
انتخاب تامین کننده بر اساس چه معیارهایی صورت می گیرد؟
1-5 نوآوری تحقیقدر دنیای واقعی که صنایع مختلف به دنبال مزیت رقابتی هستند، مساله قیمت گذاری مقوله بسیار مهمی در مدیریت تقاضا محسوب می شوند. در این تحقیق سعی شده تا مساله با درنظر گرفتن تابع تقاضای وابسته به قیمت، بیشتر به دنیای واقعی نزدیک شود. علاوه بر مطالب فوق، مساله زنجیره تامین در اکثر صنایع، با مساله انتخاب تامین کننده مناسب درهم آمیخته است و درنظر گرفتن معیارهای انتخاب تامین کننده، مساله را به واقعیت های صنعت نزدیک تر می کند. بنابراین در هیچ پروژه - ریسرچو تحقیقی مساله انتخاب تامین کننده در زنجیره سه سطحی و همچنین در مدل کنترل موجودی توسط فروشنده با مساله قیمت گذاری به صورت برنامه ریزی غیر خطی آمیخته با عدد صحیح، مطرح نشده است. بنابراین، ادغام مسائل فوق با در نظر گرفتن معیار های گوناگون برای انتخاب تامین، علاوه بر نوآوری، این تحقیق را به واقعیت و کاربردی بودن نزدیک می کند.
1-6 ساختار کلی تحقیقدر فصل اول کلیات تحقیق شامل تشریح موضوع و بیان مساله، ضرورت تحقیق، اهداف تحقیق، نوآوری تحقیق و اهمیت آن ارائه شده است.
در فصل دوم، مبانی نظری تحقیق و کارهای عملی در تحقیقات گذشته ارائه شده است. این فصل شامل سه بخش است که در مورد مفاهیم زنجیره تامین، مروری بر مطالعات گذشته مربوط به مسائل انتخاب تامین کننده و مدیریت موجودی توسط فروشنده بیان شده است. در فصل سوم مدل های ریاضی تحقیق بیان شده اند و روشهای مورد استفاده برای حل آنها در تحقیق مورد بررسی قرار گرفته است. در فصل چهارم با ارایه مثال های عددی مدل های مطرح شده مورد تجزیه و تحلیل قرار گرفته شده است. در فصل پنجم نتایج بیان شده است و پیشنهادهای برای تحقیقات آینده مطرح شده است.
فصل دوممرور ادبیات2-1 مقدمهتغییرات و تحولات عمیق دنیای کسب و کار و الزامات جدید تولید و تجارت در عصر کنونی، زمینه ظهور و بروز نگرش های جدیدی را فراهم ساخته است که ضروری است مورد توجه قرار گیرند. درهمین راستا رویکردها و نگرش های جدیدی پیرامون موضوع تامین، تحت عنوان مدیریت زنجیره تامین گسترش یافته به نحوی که زمینه خلق پارادایم جدیدی در حوزه مدیریت تامین را فراهم ساخته است. همچنین با بیان مدیریت زنجیره تامین استراتژی های مختلفی از جمله مدیریت موجودی توسط فروشنده برای یک پارچه سازی بیشتر زنجیره مطرح شدند.
با توجه به اهمیت انتخاب درست تامین کننده در زنجیره تامین، با جهانی شدن تجارت و افزایش ارتباطات بین المللی و امکان انتخاب تامین کنندگان از سراسر نقاط جهان، منجر به افزایش پیچیدگی مساله انتخاب و تخصیص سفارش به تامین کنندگان شده است. افزایش سطوح تجارت و الکترونیک و استفاده از اینترنت نیز از طرف دیگر موجب شده است که سازمان ها راه حل های بیشتری برای انتخاب تامین کننده پیش رو داشته باشند و دامنه انتخاب آنها به شدت افزایش پیدا کند. در این فصل به بررسی مباحث زنجیره تامین، انتخاب تامین کننده و مدیریت موجودی توسط فروشنده و تحقیقات انجام شده در این حوزه ها خواهیم پرداخت.
2-2 تحولات زنجیره تامینپس از جنگ جهانی دوم و فشار بر صنایع برای کاهش قیمتها و افزایش رقابت‌پذیری آنها، صاحبان صنایع در ‌پی‌کاهش هزینه‌های خود در تولید محصولات، به‌ منظور ماندگاری و ادامه حیات بودند. در این راستا مدیران و صاحبان صنایع از روشهای مختلفی همچون: برنامه‌ریزی تولید، زمانبندی تولید، زمان‌سنجی، الگوهای چیدمان ماشین‌آلات، مکان‌یابی، ارتقای بهره‌وری نیروی کار، ارتقای فناوری و غیره بهره بردند.  وجه مشترک همه این روشها متمرکز بودن به درون بنگاه و تلاش درجهت کاهش هزینه‌ها در درون بنگاه یا کارخانه می‌باشد. هرچند این روشها تا دهه 70 میلادی تا حد زیادی پا سخگوی نیاز صاحبان صنایع در کاهش هزینه‌ها و افزایش توان رقابت ‌پذیریشان شد.
در اوایل دهه 80، مدیران دریافتند، فقط توجه به درون سازمان برای کاهش هزینه ها کافی نبست. در این زمان، با افزایش تنوع در الگوهاى مورد انتظار مشتریان، سازمان‌ها به طور فزاینده اى به افزایش انعطاف پذیرش در خطوط تولید و توسعه محصولات جدید براى ارضاى نیازهاى مشتریان علاقه مند شدند. در دهه 90 میلادى، به همراه بهبود در فرایندهاى تولید و به کارگیرى الگوهاى مهندسى مجدد، مدیران بسیارى از صنایع دریافتند که براى ادامه حضور در بازار تنها بهبود فرایندهاى داخلى و انعطاف پذیرى در توانایى‌هاى شـــــرکت و فقط تولید یک محصول کیفی کافی نیست. در واقع، عرضه محصولات با شرایط مورد نظر مشتری (چه موقع، کجا و چگونه)، با کیفیت و هزینه مورد نظر آنها، چالشی جدیدی را برای سازمانها به وجود آورد. با چنین نگرشى، رویکردهاى زنجیره تامین و مدیریت آن پا به عرصه وجود نهاد. در واقع زنجیره تامین از جدیدترین و مهمترین موضوعات است که سازمان ها با استفاده از آن در پی ایجاد ارزش برای سهامداران و ذی نفعان خود هستند [6]. بر این اساس، فعالیت‌هایی مانند تهیه مواد، برنامه ریزی محصول و تولید ، انبارداری، کنترل موجودی، توزیع ، تحویل و خدمت به مشتری که قبلا همگی در سطح یک سازمان انجام می شد به سطح زنجیره تامین انتقال یافته است. مسئله کلیدی در یک زنجیره تامین، مدیریت ، کنترل و هماهنگی فعالیت‌های مذکور است. مدیریت زنجیره تامین این کار را به طریقی انجام می‌دهد که مشتریان بتوانند محصولات را با کیفیت و خدمات قابل اطمینان، در اسرع وقت و با حداقل هزینه دریافت کنند [30].
مدیریت زنجیره ی تأمین با چالش هایی مواجه است از قبیل ، ایجاد اعتماد و همکاری میان شرکای زنجیره تأمین و تعیین بهترین اقداماتی که می توانند هم راستایی و یک پارچگی فرایند زنجیره نامین را تسهیل کنند.
بنابراین در دهه اخیر و در پی تحولات تکنولوژی ارتباطات و اطلاعات، روند مدیریت زنجیره تأمین به سمت مدیریت زنجیره تأمین الکترونیک تغییر کرد و از حالت سازمانی و منطقه ای به حالت جهانی متمایل گردید. به این ترتیب تولید از روش تولید استاندارد و انبوه به سمت تولید منعطف محلی سوق داده شد. لازمه این امر نیز تغییر ساختاری آن از حالت متمرکز به حالت نیمه متمرکز و ایجاد واحدهای استراتژیک مستقل بود. تغییر دیگری که در این روند می‌توان مشاهده کرد افزایش سهم برون سپاری است. شرکتهای مدیریت زنجیره تأمین برای افزایش مزیت رقابتی خود در طول فرایند تأمین، تمرکز خود را روی مراحلی اختصاص می دهند که ارزش افزوده بیشتری برای مشتری و شرکت فراهم کند و از این جهت بخشهایی با ارزش افزوده کمتر را به شرکتهای دیگر واگذار کرده و ترجیح می‌دهند در این موارد، خرید خارج از مجموعه داشته باشند که در این میان نقش استراتژی های همکاری، بسیار تعیین کننده است.
2-3 مفهوم زنجیره تامینیک زنجیره تامین معمولاً از اجزای زیر تشکیل شده است: 
    مشتریان نهایی محصولات
    خرده فروشان محصولات و خدمات
    توزیع کنندگان / عمده فروشان محصولات
    تولید کنندگان محصول نهایی
    تامین کنندگان
در حقیقت، زنجیره تامین از دو یا چند سازمان تشکیل می‌شود که رسماً از یکدیگر جدا هستند و به وسیله جریان‌های مواد، اطلاعات و جریان‌های مالی به یکدیگر مربوط می‌شوند. این زنجیره،‌ همه فعالیت‌های مرتبط با جریان کالا و تبدیل مواد، از مرحله تهیه ماده اولیه تا مرحله تحویل کالای نهایی به مصرف کننده را شامل می شود، و در شکل(2-1) اجزای یک زنجیره تامین نمایش داده شده که مفهوم هریک از سطوح به شرح زیر می باشد :


- زنجیره تامین بالادست: این بخش شامل تامین کنندگان اولیه )که خودشان میتوانند مونتاژ کننده یا سازنده باشند( و تامین کنندگانشان هستند که همه این مسیرها ازمواد سرچشمه می گیرد. فعالیتهای اصلی این قسمت خرید و حمل است.
- زنجیره تامین داخلی: این بخش شامل همه پردازشهای استفاده شده به وسیله یک سازمان در تبدیل داده های حمل شده به سازمان به وسیله تامین کنندگان به خروجی هاست، از زمانی که مواد وارد سازمان میشود تا زمانی که محصول نهایی برای توزیع به خارج سازمان حرکت می کند. فعالیتها اینجا شامل حمل مواد، مدیریت موجودی، ساخت وکنترل کیفیت است.
- زنجیره تامین پایین دست: این بخش شامل همه فرایندهای درگیر در توزیع و تحویل محصولات به مشتریان نهایی است. بسیار مشاهده می شود که زنجیره تامین وقتی محصول واگذار یا مصرف میگردد، پایان می پذیرد. اینجا فعالیت ها شامل بسته بندی، انبار و حمل است. این فعالیتها ممکن است با استفاده از چندین توزیع کننده انجام شود مثل کل فروشان وخرده فروشان .

شکل2-1 ساختار زنجیره تامین[1].2-4 اهمیت مدیریت زنجیره تأمینزنجیره‌تأمین نیز به‌عنوان یک سیستم، مانند بسیار از سیستم‌های دیگر برای عملکرد مناسب، نیازمند مدیریت است. به عنوان مثال یک تولیدکننده قطعه خودرو ممکن است برای تحویل قطعات نهایی به خودروساز نیازمند مواد اولیه پلاستیک باشد که باید از خارج وارد شود. اگر واردات این محصول با مشکل مواجه گردد تأمین این قطعه دچار اختلال می‌شود و شاید بهتر باشد تولیدکننده مقدار زیادی از آن را به طور مستقیم از عرضه کننده خارجی، یک‌جا خریداری کند. در همین حال، ساخت انبار برای نگهداری حجم زیادی از این مواد بسیار هزینه‌ بر است. از طرف دیگر عدم پاسخگویی به سفارش مشتری می‌تواند آینده تجاری قطعه ‌ساز را دچار مشکل سازد. خودروساز نیز دارای نرخ سفارش یکنواخت به تأمین‌کننده نیست و گاهی سفارش خود را به مدت طولانی به تعویق می‌اندازد. بنابراین هزینه‌ها و ریسک‌های گوناگونی کسب و کار قطعه‌ ساز را تحت تأثیر قرار می‌دهند. در این مثال‌ آن‌چه که روشن است، اهمیت هماهنگی میان عناصر زنجیره تأمین و جریان صحیح اطلاعات و کالا است. به‌‌ این ‌ترتیب مدیریت زنجیره تأمین مجموعه‌ای از رویکردها است که برای یک‌پارچه‌سازی فعالیت های اعضای زنجیره تامین شامل، تأمین‌کنندگان، تولیدکنندگان، توزیع کنندگان و خرده فروشان و نیز انتقال جریانهای اطلاعاتی و منابع مالی مرتبط با آن به‌کار می‌رود، تا کالا به مقدار درست، در محل درست و در زمان درست تولید و توزیع و به مشتریان ارسال شود. رعایت تمامی موارد در حالی است که هزینه‌های کل سیستم حداقل، و هم‌زمان سطح خدمت مطلوب نیز حفظ ‌شود. در این تعریف دو نکته اساسی در مدیریت زنجیره تامین اهمیت دارد.
1-مفهوم یک پارچه سازی 2- اشتراک گذاری اطلاعات که در ادامه به بیان هریک خواهیم پرداخت.
2-4-1 مفهوم یک پارچه سازیدر گذشته شرکت‌هایی که در عرضه کالا یا گروهی از کالاها با هم کار می‌کردند، سعی داشتند تا از هم جدا باشند و بر روی حفظ یا بهبود عملکرد خود تمرکز داشتند. اما امروزه با توجه به هزینه زیاد موجودی‌هایی که در سیستم‌های عرضه گسسته برای پاسخ‌گویی به مشتریان لازم است و نیز افزایش سطح خدمت به مشتریان، شرکت‌ها باید در زنجیره‌ ها یا شبکه‌های تأمین و نه به صورت سازمان های از هم دور افتاده کار کنند. بنابراین، یکی از عوامل کلیدی موفقیت زنجیره‌های تأمین فراهم آوردن امکان هم یاری و همکاری اعضای آن‌ها است. این سطح از همکاری را یکپارچه سازی زنجیره تأمین می‌نامند.
2-4-2 انواع استراتژی های همکاری در زنجیره تامیندر سال 2005 ماتیاس هالوگ و همکاران چهار نوع زنجیره تامین، که تفاوت های آنها در کنترل موجودی و برنامه ریزی در نوع همکاری بین سطوح زنجیره است را بیان نمودند. چهار حالت مختلف برای برنامه ریزی همکاری و کنترل موجودی در زنجیره تامین وجود دارد، که عبارتند از: زنجیره تامین سنتی، تبادل اطلاعات، مدیریت موجودی توسط فروشنده و تامین همزمان شده [7].
شکل(2-2) حالت های مختلف همکاری در زنجیره تامین را نشان می دهد.

شکل2-2 حالت های مختلف همکاری در زنجیره تامین [7].هدف از همکاری در زنجیره تامین ایجاد شفافیت در الگوهای تقاضا در کل زنجیره تامین است.
یک مجموعه از مدل های مخزن آب برای شرح این دسته بندی های همکاری در زنجیره تامین استفاده شده است [8]. در این مدل ها می توان دو تصمیم گیری برای سفارش، در یک زنجیره تامین ساده دو سطحی که به صورت توپ هایی نمایش داده شده است را ملاحظه نمود. آب به معنای موجودی و جریان آب به معنای فروش محصولات می باشد.
2-4-2-1 زنجیره تامین سنتیزنجیره تامین سنتی به این صورت شناسایی می شود که در آن، هر عضو، تنها تولید خود را بر اساس شرایط خودش یعنی تقاضای مشتریان، سطوح موجودی و میزان کار در جریان ساخت، پایه گذاری می کند و به طور خلاصه در صدور سفارشات، هر سطح مراقب مدیریت شرایط خاص خودش است [1].
دی بری و ام ام نعیم در سال 1996 تعریفی که از این زنجیره تامین بیان می کنند که به این شرح می باشد: «زنجیره تامین سنتی، یک سیستم شامل تامین کنندگان، تولیدکنندگان، توزیع کنندگان و مشتریان می باشد که این اعضا از طریق جریان رو به جلو مواد و جریان رو به عقب اطلاعات به یکدیگر متصل هستند. در زنجیره عرضه سنتی هر عضو تنها مسئولیت کنترل موجودی خودش را بر عهده دارد. چالش اصلی که کلیه اعضا اعم از خرده فروش، توزیع کننده، تولید کننده و تامین کننده با آن روبرو هستند این است، که برای مرتفع ساختن تقاضای مشتریان، چه میزان سفارش به سیستم تولیدی باید داد. در واقع این مساله، مهمترین سوال در کنترل موجودی کلاسیک می باشد.» [10] .
هدف یک سیستم تولید و موجودی عبارت است از تبدیل داده ها های بازار به برنامه های هماهنگ راجع به نرخ تولید و سطوح موجودی. در زنجیره تامین سنتی، کنترل تولید و موجودی از طریق پردازش داده های تقاضا، سطوح موجودی و سفارشات در راه از طریق یک شیوه، ساختار یافته ریاضی مانند سیستم پشتیبانی تصمیم گیری یا به شیوه غیر رسمی مانند استفاده از نطرات و تجربیات شخصی انجام می شود. در اغلب موارد به دلیل اثر بخش نبودن ساختار زنجیره، در عین کار آمدی فرایند تصمیم گیری، نتایج رضایت بخش نمی باشند [10]. در این نوع زنجیره عرضه، هر سطح، تنها راجع به مشتریان بلاواسطه و مستقیم خود اطلاع دارد. این وضعیت باعث می شود که تامین کنندگان، نسبت به آنچه که مشتریانشان برای پوشش سطح انتظار مشتریان خود سفارش خواهند داد؛ دیدی ناکافی داشته باشند [1] .
دید ناکافی نسبت به مشتریان نهایی، منجر به ایجاد یک سری مشکلات می شود. در زنجیره تامین، خرده فروش در نتیجه ی پیش بینی تقاضای مشتری، نوسانات یبشتری را به مدل تحمیل می کند. توزیع کننده هم به نوبه خود با پیش بینی بر مبنایی سفارشات خرده فروش این انحرافات تشدید می کند. نوسانات در طول زنجیره تامین بیشتر می شوند، در نتیجه زمانی که کارخانه سفارشات را دریافت می کند، این انحرافات قابل توجه از تقاضای واقعی مشتری رخ داده است. به فرایند تشدید نوسانات، اثر شلاق چرمی می گویند. مهمترین عوامل اثر گذار در تشدید این انحرافات و ازدیاد اثر شلاق چرمی عبارتند از: فرآیند پیش بینی تقاضا، تغییر ناگهانی قیمت ها و مدت تحویل های غیر صفر . اثر شلاق چرمی پدیده ای نیست که به تازگی مورد بررسی محققان قرار گرفته باشد. در سال 1990 استالک و هات اثر شلاق چرمی را در زنجیره تامین پوشاک مورد بررسی قرار داده اند. برمبنای مطالعه فوق تویل، ام سی کالن در سال 1999 به این نتیجه رسیدند که به طور معمول، خرده فروش تقاضای مشتری را با 5% خطا تخمین می زند و انحراف از تقاضای واقعی در هر سطح از زنجیره تامین دو برابر می شود. این امر در شکل(2-3) نشان داده شده است [3]. 45% 20% 10% 5%
3905250247650511492534925050673001587504943475158751048577502921004762500292100476250063500461010082550357187534925003857625234950385762545402536671253492503476625234950331470023495024384002921000225742529210000202882523495002571750396875192405023495011811003968751057275349250904875349250781050349250638175349250404812563500تولید پارچه
0تولید پارچه
528637562865تولید کننده نخ
0تولید کننده نخ
136207582550بوتیک
0بوتیک
275272582550تولید کننده لباس
0تولید کننده لباس
7620063500مصرف کننده
0مصرف کننده
55
شکل 2-3 اثر شلاق چرمی در زنجیره تامین پوشاک[3].
در این نوع زنجیره تامین، شرکت ها می توانند استراتژی های مختلفی برای کاهش هزینه های حمل و نقل اشان توسط یکی کردن بارها به منطوره افزایش تعداد وسایل حمل و نقل پر به کار گیرند [11]. به این ترتیب در زنجیره تامین سنتی بین نگهداری موجودی و کارایی حمل و نقل تضاد وجود دارد. برای یک جریان هموار از مواد در یک زنجیره تامین سنتی ، ارسال ها باید در زمان سفارش دهی و بر مبنای آن مقدار که مورد نیاز است انجام گیرد، این موضوع باعث می شودکه تعداد کمی از محموله ها وسیله نقلیه را پر کنند. بدین ترتیب با استفاده غیر بهینه از وسیله حمل و نقل، هزینه حمل و نقل کاهش می یابد. اما در این حالت به دلیل تشدید اثر شلاق چرمی و بوردیج هزینه های کنترل موجودی و ساخت افزایش پیدا می کند [2،11].
چیلدر هوس و تویل برای یک زنجیره تامین سنتی معایبی چون زمانهای تحویل طولانی، نقاط تصمیم گیری چندگانه، اطلاعات غیر شفاف و حداقل هماهنگی بیان می کند [12].
2-4-2-2 تبادل اطلاعاتتبادل اطلاعات یا اشتراک اطلاعات به این معناست، که خرده فروش و تامین کننده می توانند به طور مستقل سفارش دهند ولی به منظور تبادل در اطلاعات مربوط به تقاضا و یک پارچه کردن پیش بینی ها یشان برای ظرفیت و برنامه ریزی طولانی مدت با هم همکاری می کنند [1].
راهی که با کمک آن، شرکت‌ها می‌توانند با هم پیوند یابند و در نتیجه بهره‌مندی از مزایای یک‌پارچگی را ممکن می‌سازد، به اشتراک‌گذاری اطلاعات است. مهم‌ترین اطلاعاتی که برای دستیابی به یک‌پارچگی در زنجیره‌تأمین لازم است تا به اشتراک گذاشته شود را می‌توان شامل بر داده‌ها و پیش‌بینی‌های تقاضا، برنامه‌های زمان‌بندی تولید، داده‌های محصولات جدید و تغییرات مواد و هم‌چنین سطح موجودی‌ اعضای
زنجیره دانست.
به اشتراک گذاری اطلاعات وقتی تحقق می‌یابد که موانع جریان روان اطلاعات در طول زنجیره‌تأمین برداشته شده یا حداقل شوند. مهم‌ترین این موانع دیدگاه سنتی روابط تقابلی به جای روابط تعاملی در زنجیره‌های‌تأمین است. لی و همکاران  در سال ۲۰۰۶ طی تحقیقی نشان دادند که دو عامل اصلی برای ممکن شدن به اشتراک‌گذاری اطلاعات در زنجیره تأمین، اعتماد دو جانبه و دیدگاه مشترک درباره مشتریان است. هم‌چنین ایشان از این تحقیق نتیجه گرفتند که با به اشتراک‌گذاری اطلاعات در شکل درست آن، افزایش سرعت پاسخ‌گویی به مشتریان، افزایش سرعت جریان اطلاعات و سرانجام افزایش کارایی و اثربخشی را انتظار داشت .

شکل 2-4 عوامل و پیامد‌های به اشتراک‌گذاری اطلاعات در مدیریت زنجیره تامین.
تبادل اطلاعات برای اولین بار در صنایع نساجی به کار گرفته شد و به روش پاسخ سریع معروف شد. در سال 1984 تعدادی از شرکت ها که نقش رهبری را در بازار آمریکا ایفا می کردند، شورایی را تشکیل دادند. تحلیل هایی که این شورا روی زنجیره تامین لباس انجام داد، روشن ساخت که زمان ارسال از مواد خام تا مشتری 66 هفنه است. که این مقدار، 40 هفته در انبار و حمل ونقل گذرانده می شود. برای کاهش زمان اریال و هزینه های موجودی روش پاسخ سریع توسعه پیدا کرد. شرکت میلیکن که در زمینه نساجی و مواد شیمیایی فعالیت می کرد، با اجرای تبادل اطلاعات به شکل موفقیت آمیزی زمان تحویل را از 18 هفته به 6 هفته کاهش داد [2].
2-4-2-3 مدیریت موجودی توسط فروشندهطبق اجرای این سیستم، تصمیم های سازنده در حقیقت بر اساس اطلاعات در مورد فروش و سطح موجودی در مرکز توزیع است. از طرف دیگر توزیع کننده تضمین می کند که به صورت مداوم جریانی از اطلاعات به منطوره توانمند ساختن سازنده برای محاسبه واقع بینانه سفارش ها و فراهم کردن قابلیت اطمینان برای تدارک سفارش ها ارسال نماید [13]. در این نوع همکاری، تامین کننده مدیریت چرخه های باز پرسازی موجودی، برای مشتری را بر عهده دارد. تا بدین صورت بتواند، با سرعت بخشیدن به زنجیره تامین از عهده کوتاه بودن عمر محصولات برآید [7].
شکل(2-5 )مدیریت موجودی توسط فروشنده را به صورت مخزن آب نشان می دهد [7].

شکل 2-5 مدیریت موجودی توسط فروشنده را به صورت مخزن آب [7].مطابق شکل فوق دو نقطه تصمیم گیری وجود دارد. در این رویکرد کاملا اثر شلاق شرمی حذف می شود.
2-4-2-4 تامین هم زمان شدهدر حالت تامین هم زمان شده، برنامه ریزی برای تولید با تصمیم گیری در مورد سفارش دهی ترکیب می شوند و تامین کننده با استفاده از این برنامه ریزی کاملا واضح خود، اقدام به باز پرسازی موجودی مشتریان خود می کند. اگرچه، کنترل موجودی توسط فروشنده بادرک بهتری که به تامین کننده می دهد، این امکان را به او می دهد تا در مقابل نوسانات تقاضا بهتر تصمیم بگیرد و با اثر هزینه بردار شلاق چرمی مقابله کند. اما، اطلاعات مربوط به تقاضای مشتری در تولید و فرآیند کنترل موجودی، دخالت داده نمی شود [7]. شکل (2-6 ) حالت تامین هم زمان شده را از طریق مدل مخزن آب نشان می دهد.

شکل 2-6 نمایش تامین هم زمان شده از طریق مدل مخزن آب [7].
در حالت تامین هم زمان شده برخلاف مدیریت موجودی توسط مشتری، تامین کننده، اطلاعات مربوط به سفارش دهی مشتری را در برنامه ریزی و عملیات خود دخالت می دهد. در واقع در این جا تقاضایی که برای خرده فروش می آید به عنوان ورودی برای فرایند کنترل موجودی ترکیب شده (خرده فروش و تامین کننده) و نیز برنامه ریزی تولید به کار می رود. در حالت تامین هم زمان شده ضمن آنکه اثر شلاق چرمی از بین می رود موجودی ذخیره ایی که برای مقابله با عدم قطعیت در تقاضا نگهداری می شود به حداقل می رسد. چرا که پیش از این به دو سطح موجودی اطمینان نیاز داشتیم و اینک آنها به یک سطح موجودی اطمینان نیاز دارند. تامین هم زمان شده به شکل موفقیت آمیزی توسط شرکت کلوتافازر (یک تولید کننده شکلات در فنلاند)، اجرا شده است. کارخانه ی این شرکت با 5 الی 6 فروشنده ی بزرگ در بازار کشورهای اسکاندیناوی وارد همکاری برای کنترل موجودی شده است. این شرکت موفق شده است که از این طریق در هزینه های کنترل موجودی صرفه جویی های قابل توجهی ایجاد نماید و از این طریق صاحب مزیت رقابتی شده است. طول عمر محصول این شرکت بین 4 تا6 ماه است. از طریق همکاری انتقال موجودی در زنجیره تامین، 3 هفته حذف شده و این انتقال کاملا توانست کاهش معنا داری در هزینه های این شرکت که محصولی با طول عمر کوتاه دارد، فراهم نماید. این موضوع باعث شده است که محصول تازه تر و منسوخی و خرابی کمتر شود و در نتیجه تعداد کمتری از محصولات برگشت داده شوند و در نهایت رضایت مشتریان افزایش یابد. همکاری موفقیت آمیز این کارخانه در زنجیره عرضه مثالی است از ضرورت بیش از حد همکاری در زنجیره تامین محصولاتی که طول عمر کوتاه دارند [7]. با توجه به همه مطالب ذکر شده در مورد انواع همکاری در زنجیره تامین، نوع دوم یا همان مدیریت موجودی توسط فروشنده کاهش بیشتری در هزینه های انتقال، مربوط به باز پرسازی موجودی دارد و در بیشتر موارد اجرای آن و حفظ آن آسان تر و بهتر قابل دسترسی می باشد. در این نوع همکاری، مشتری به سطح سرویس دهی بیشتری نایل می شود و یک بازاریابی یک پارچه را برای بهبود عملیات تامین کننده خودش فراهم می کند. به همین دلیل رواج بیشتری در صنعت یافته است [7]. کنترل موجودی توسط فروشنده روشی برای بهبود زنجیره تامین است .که بستر موضوعی این پایان نامه می باشد. که در ادامه تحقیق، بیشتر به مزایای اجرای این سیستم خواهیم پرداخت.
2- 5 انواع نرم افزار ها برای مدیریت زنجیره تامینبرای تسهیل جریان اطلاعات و مدیریت دقیق آن بستری مناسبی از نرم افزارها و سیستمهای اطلاعاتی یک پارچه و شبکه اینترنت موردنیاز است. در حقیقت، مفهوم زنجیره تامین با رایانه ای شدن و تکامل آن با پیشرفت فناوری، منجر به ارائه نرم افزار هایی شد، که به واسطه آنها کنترل موجودی و همکاری بین اعضا زنجیره، پیشرفت فراوانی کرد.
به طورکلی چهار گروه نرم افزاری، از زنجیره تامین پشتیبانی می کنند، که عبارتند از: [1]
نرم افزارهای برنامه ریزی منابع موسسه
نرم افزارهای مدیریت زنجیره تامین
نرم افزارهای بهینه سازی تولید
نرم افزارهای تجزیه و تحلیل
2-5-1 نرم افزارهــــای برنامه ریزی منابع موسسهاین دسته از نرم افزارها براساس سیستم برنامه ریزی منابع که قبلاً به سیستم برنامه ریزی مواد معروف بود طراحی شده اند. این نرم افزارها سعی می کنند براساس مفاهیمی از برنامه ریزی مواد، عملکردها و بخشهــــایی را که خارج از حوزه های برنامه ریزی تولید قرار دارند را یکپارچه و هماهنگ سازند.
2-5-2 نرم افزارهای گروه مدیریت زنجیره تامین:
این نرم افزارها عمدتاً برهمخوانی بخش تامین و تقاضا تاکید دارد و همـــه وظایف کسب و کار را تعقیب نمی کنند. اکثــراین نرم افزارها از روشهای پیش بینی پیشرفته برای برنامه ریزی تقاضا، از واحد زمانبندی و برنامه ریــزی تولید برای برنامه ریزی تامین و از ابزارهای تجزیه و تحلیل برای بررسی همخوانی بین تقاضا و تامین استفاده می کنند.
2-5-3 ابزارهای بهینه سازی تولید: درجهت بهینه سازی مبتنی بر محدودیت مورد استفاده قرار می گیرند و برپایه قوانین استوارند. این رویکرد ساختمان مدل یک سیستم را دقیقاً با قوانین نه گانه بهینه سازی تولید هماهنگ کرده و راه حل مناسب را پیدا می کند. ابزارهای بهینه سازی تولید تقریباً ازهمه روشهای مدل سازی از قبیل برنامه ریـــزی خطی، عدد صحیح، بهینه- سازی و مــدلسازی شبکه ای و حتی شبیه سازی استفاده می کند.
2-5-4 ابزارهای تجزیه و تحلیل:این نرم افزارها با دیگر گروهها حوزه زنجیره تامین فعل و انفعال کمی دارند. این ابزارها عمدتاً برای شناخت و تحلیل پویایی سیستم یا برای طراحی راهبردی استفاده می شوند.

2-6 اهمیت انتخاب تامین کنندهامروزه بیشتر از قبل، سازمان ها به برون سپاری فعالیت های کسب و کار خود می پردازند. اکثر ساز مان های بزرگ، آن دسته از فعالیت هایی را برون سپاری می کنند که اگر خود، آنها را انجام دهند، از لحاظ هزینه مقرون به صرفه نباشند [14]. بسیاری از سازمان های بزرگ ملیون ها دلار، صرفه برون سپاری می کنند. موسسه مشاور اسنچر مطابق بررسی هایی که در سال 2005 انجام داد، بیان کرد که 80% ساز مان ها ی تحت بررسی به نوعی از برون سپاری استفاده می نمایند و تعداد زیادی از آنها حدود 45% از بودجه کلی خود را به برون سپاری اختصاص می دهند [14].
برون سپاری به عنوان « خرید مداوم خدمات و کالا ها از یک سازمان بیرونی که به این ترتیب آن سازمان بتواند معمولا تهیه و یا سازمان دهی بیشتری برای خودشان فراهم نمایند» تعریف می شود. طبق بررسی هایی که موسسه مشاور اسنچرانجام داده است مشخص شده است، که سازمان ها تنها به دلیل کاهش هزینه های خود، به برون سپاری فعالیت هایشان نمی پردازند بلکه تمرکز بر شایستگی های کلیدی دلیل مهم دیگری برای این کار است. از مهمترین دلایل برون سپاری به ترتیب زیر می توان اشاره کرد [14].
1-در بسباری از موارد برون سپاری موجب دستیابی به تکنولوژی ویژه ایی و برنامه ریزی عملیاتی کارآمدتری شود.
2-برون سپاری موجب کاهش سطوح نیروی انسانی به کار گرفته می شود.
3-برون سپاری با ایجاد پیشرفت در تکنولوژی موجب دستیابی به سطح سرویس دهی خیلی ویژه ایی می شود.
طی بررسی انجام شده توسط گروه آبردین در سال 2004 تشان داده شد که بیش از 83% از ساز مان ها با برون سپاری به کاهش معناداری در هزینه ها نایل می شوند و بیش از 73% از آنها با کاهش هزینه های حمل و نقل مواجه می شوندو همچنین بالای 60% از سازمان ها قادر به کوچک کردن سیکل های تهیه و منبع یابی شده اند [14].
در حقیقت خرید و انتخاب تامین کننده با توجه به قرار گرفتن در فرآیند های اصلی در بالادست زنجیره تامین و تاثیر گذاری بر تمامی حوزه های یک سازمان اهمیت فزاینده ایی یافته است [15[. به گونه ایی که سازمان ها به طور مستقیم و غیر مستقیم به تامین کنندگان وابسته شده اند و تصمیمات ضعیف در این حوزه اثرات بسیار سنگینی به همرا دارد. به گفته تلگن سهم خرید کردن در سازمان های صنعتی بین 90%-50% در گردش است [16] . خرید موثر از انجام 5 کار صحیح حاصل می شود (شکل2-7)، عبارتند از:خرید کالا و خدمات با قیمت مناسب، با کیفیت مناسب، درکمیت مناسب، زمان مناسب و از منبع مناسب [17].
1295400294640002762250294640006286508890قیمت مناسب
0قیمت مناسب
12954002565400043903908890کیفیت مناسب
0کیفیت مناسب

2352040205740خرید کالا و
خدمات
00خرید کالا و
خدمات
942975438150478155043180
273367535560000942975222250031051502222500
4428490372110مکان مناسب
0مکان مناسب
2304415448310کمیت مناسب
0کمیت مناسب
514350448310زمان مناسب
0زمان مناسب

12382502641600305752521653500
شکل2-7 پنج الزام خرید و رابطه بین آنها [17].کاویناتو و کافمن درسال 2000 بیان کردند از بین این موارد، انتخاب منبع مناسب، تأثیر بیشتری برسایر موارد داشته و چیزی است که خرید با استفاده از آن مقدار قابل توجهی از توانایی را برای ایجاد ارزش در فرآیند تدارکات ایجاد می کند. شناسایی، ارزیابی، و تحصیل منابع درست منجر به حصول اطمینان از این امر می شود که شرکت کیفیت، کمیت، زمان، و قیمت مناسبی را دریافت میکند. بنابراین، انتخاب تأمین کننده مناسب کلیدفرآیند خرید است [18] .
2-7 پیچیدگی شرایط تاثیر گذار بر مسئله انتخاب تامین کنندهبا جهانی شدن تجارت و افزایش ارتباطات بین المللی و امکان انتخاب تامین کنندگان از سراسر نقاط جهان، پیچیدگی مساله انتخاب و تخصیص سفارش به تامین کنندگان افزایش پیدا کرده است . افزایش سطوح تجارت و الکترونیک و استفاده از اینترنت نیز از طرف دیگر موجب شده است که سازمان ها راه حل های بیشتری برای انتخاب تامین کننده پیش رو داشته باشند و دامنه انتخاب آنها به شدت افزایش پیدا کند.
سایر موارد مانند مسیرهای حمل و نقل، قوانین دولتی، نگرانی های محیطی مثلا مساله تروریسم، تغییر نسبتا سریع ارجحیت های مشتری، افزایش عملکردها و عوامل مورد نیاز در خرید، افزایش تعداد افراد در گیر درفرایند و در نهایت تاثیر محیط بر تصمیمات اولیه خرید، بر پیچیدگی مساله افزوده و موجب می شوندکه نگرانیهای سازمان ها در انتخاب تامین کنندگان خود روز به روزافزایش پیدا کند. این مساله توسط دبور بررسی شده است که نتایج این بررسی در پروژه - ریسرچوی به صورت شکل زیرنشان داده شده است [19].

شکل2-8 تاثیر محیط بر تصمیمات اولیه خرید [19].2-8 ویژگی های مسئله انتخاب تامین کنندهدر رابطه با مسئله انتخاب و تخصیص سفارش به تامین کنندگان شرایط زیادی تاثیر گذار هستند، که در ادامه به برخی از مهمترین آنها پرداخته می شود.
2-8-1رویکرد تعداد تامین کننده های انتخابی
مطابق این رویکرد مسئله انتخاب تامین کننده بر دو حالت تقسیم می شود.
تک منبعی
چند منبعی
در حالت اول، همه تامین کننده ها توانایی کامل نیازهای کمی و کیفی سازمان از جمله کیفیت مناسب، ظرفیت تولید کل مقدار مورد نیاز، تحویل و غیره را دارا بوده، و در نتیجه فقط یکی از تامین کننده ها که از هر نظر بهترین می باشد انتخاب می شود. این مسئله را اصطلاحا تک منبعی می گویند.
از آنجا که این شرایط در عمل به ندرت پیش می آید، حالت معمول تر زمانی است، که هیچ یک از تامین کننده ها از هر نظر بر تامین کنندگان دیگر برتری نداشته باشد، و محدودیت هایی در ظرفیت تامین کنندگان( در زمینه تقاضا، کیفیت، تحویل) وجود دارد و به بیان دیگر یک تامین کننده منفرد ممکن است نتواند کلیه نیازهای کیفی و کمی خریدار را برآورده نماید. بنابراین خریدار نیاز دارد که مقداری را از یک تامین کننده و مقدار دیگر را از تامین کننده دیگر تهیه کند.در این موارد باید دو تصمیم بگیرد.
1-کدام تامین کنندگان می تواند به کار گرفته شوند
2-به هریک از این تامین کنندگان چه مقدار باید سفارش دهد
به این مساله اصطلاحا چند منبعی گویند.
2-8-2 رویکرد تعداد اقلام مورد نیازمسئله انتخاب تامین کننده ها را از لحاظ انواع اقلام مورد نیاز برای خرید می توان در دو حالت کلی در نظر گرفت.
1-حالتی که خریدار قصد خرید یک نوع محصول یا ماده اولیه را داشته باشد. در این حالت باید تصمیم در ارتباط با انتخاب و تخصیص سفارش به تامین کننده ها صورت پذیرد. این مساله را اصطلاحا تک محصولی می گویند.
2-حالتی است که در آن خریدار چندین نوع محصول یا ماده اولیه را از مجموعه ایی از تامین کننده ها تهیه می کند. بنابراین تصمیم گیری بهینه برای خرید، تعیین بهترین تامین کننده ها برای سفارش دهی، مناسب ترین مقدار سفارش به هریک از آنها ست. بنابراین قایل توجه است که در این حالت، همه تامین کننده ها توانایی تولید یا عرضه همه کالاها را ندارند. در این صورت هر تامین کننده باید اقلامی را که می تواند در اختیار قرار دهد را ارائه کند. این حالت را اصطلاحا چند محصولی می گویند.
2-8-3 رویکرد تعداد دوره های مورد نظر برای تصمیم گیری
از دیدگاه تعداد دوره های مورد نطر برای تصمیم گیری، مساله انتخاب و تخصیص سفارش به تامین کننده ها را می توان در دو حالت در نظر گرفت.
تک دوره ایی
چند دوره ایی
چنانچه سازمان در نظر داشته باشد، میزان سفارش تخصیص داده شده را برای چندین دوره برنامه ریزی کند، باید با در نظر گرفتن سیاست های موجودی، هزینه های نگهداری، سفارش دهی و سایر هزینه های موجودی، تامین کنندگان مناسب را شناسایی کرده و میزان سفارش اقتصادی را نیز تعیین کند. نکته ایی که در این نوع مساله مطرح است این است که، در اغلب این مسائل با توجه به سیاست های موجودی میزان بهینه سفارش تعیین می شود. یعنی با هدف کاهش سایر هزینه های موجودی، میزان سفارش اقتصادی سازمان و نیز تامین کنندگان مورد نظر به صورت همزمان مشخص می شود. این در حالتی است که در عمل، سازمان معمولا میزان تقاضای معینی دارند و باتوجه به آن و سایر موارد دیگر به انتخاب تامین کنندگان می پردازد.
2-8-4 رویکرد تعداد اهداف و معیار های مورد نیاز برای تصمیم گیریاز دیدگاه تعداد اهداف مورد نطر برای تصمیم گیری، مساله انتخاب تامین کننده و تخصیص سفارش به تامین کنندگان را به دو دسته تک هدفه و چند هدفه تقسیم کرد. همان طوری که در برخی از مقالات نیز مطرح شده است، در عمل شاخص های زیادی از قبیل قیمت، محل تامین کنندگان، میزان پاسخ گویی به تقاضا و غیره می توان برای انتخاب تامین کننده ها توسط سازمان به کار گرفت.
انتخاب تامین کنندگان یک مساله چند معیاره است. که شامل هر دو معیار کیفی و کمی و همچنین ملموس و غیرملموس است که برخی از این معیارها با هم در تضادند. بنابراین لازم است برای انتخاب تامین کنندگان مناسب به نقطه بهینه ایی برای این شاخص ها دست یافت. از طرف دیگر اهداف و رویکرد انتخاب تامین کنندگان با توجه به انواع زنجیره تامین می توان متفاوت باشد.
زنجیره تامین به سه دسته تقسیم می شود.
زنجیره تامین ناب
زنجیره تامین چابک
زنجیره تامین ترکیبی
در هریک از زنجیره های فوق با توجه به اهداف آن زنجیره تامین، رویکردهای متفاوتی برای انتخاب تامین کننده ها وجود دارد که در شکل2-10 به صورت موردی بیان شده اند [3].

جدول 2-1 رویکرد انتخاب تامین کنندگان در انواع زنجیره تامین[3].2-9مرور ادبیات انتخاب تامین کنندهدر تصمیمات مربوط به انتخاب تأمین کننده دو مبحث دارای اهمیت ویژه ای است.
چه معیارهایی را باید مورد استفاده قرار داد؟
از چه روش هایی می توان برای مقایسه و انتخاب تأمین کنندگان استفاده نمود [20].
در خصوص پاسخ سوال های فوق باید توجه شود که، برای انتخاب بهترین تامین کننده، مبادلات بین منابع ملموس و ناملموس را در نظر گرفته می شوند. در حالی که برای حل همزمان مسئله انتخاب تامین کننده و تخصیص سفارش به وی، با یک مسئله برنامه ریزی چند هدفه و چند مرحله ای روبرو می شویم که هم شامل جنبه های کیفی و هم شامل جنبه های کمی است، که باید در روش حل، مد نظر قرار داده شوند. از آنجایی که بسیاری از اطلاعات مرتبط با این مسائل با عدم قطعیت روبرو هستند، لازم است برخی از اطلاعات به صورت فازی در نظرگرفته شوند.
بنابراین مسئله ارزیابی و انتخاب تامین کنندگان، یک مسئله تصمیم گیری پیچیده و چند معیاره محسوب
میشود و وزن هر معیار به شرایط و زمان خرید بستکی دارد [22] . درضمن طی سالیان گذشته، روش های زیادی برای ارزیابی و انتخاب تأمین کنندگان ارائه شده است. با وجود این، متخصصان اعتقاد دارند که در عمل، روش بهینه منحصر به فردی برای ارزیابی تأمین کنندگان وجود ندارد، بنابراین شرکت ها از، روش های متفاوتی برای این مساله براساس نیازمندی های مشخص شرکت خود استفاده می کنند. همین امر، یافتن بهترین روش ارزیابی و انتخاب تأمین کننده را دشوار می کند. از جمله این روش ها، تحلیل پوششی داده ها، الگوریتم ژنتیک، فرایندهای تحلیل سلسله مراتبی، فرایندهای تحلیل شبکه ایی، برنامه ریزی ریاضی، تئوری مجموعه فازی، تکنیک رتبه بندی چند شاخصه ساده، شبکه هوش مصنوعی ، روش استدلال نمونه ‌محور،TOPSIS و ترکیب آنها می توان اشاره کرد. در ادامه به به مرور مقالات علمی انجام شده و رورش های و معیارهای به کار برده شده، پرداخته می شود.
با توجه به آنالیز دو موضوع فوق در انتخاب تأمین‌کننده، توجه بسیاری از دانشگاهیان و مدیران خرید را از دهه 1960 جلب کرد. به گونه ایی که،‌ نخستین تحقیق انتخاب و ارزیابی تأمین کننده، با مطالعه دیکسون 1966 با کاربر روی موضوعی با عنوان « یک تحلیل از انتخاب فروشنده و مدیریت» آغاز شد. در این تحقیق یک پرسشنامه، مشتمل بر 23 معیار برای 273 نفر از مدیران و عوامل خرید آمریکا و کانادا ارسال و از آنها خواست معیارهای مشخص شده را در مقیاس صفر(غیر مهم)، تا چهار( بسیار مهم) رتبه بندی کنند. بر اساس مطالعات دیکسون کیفیت تنها معیار بسیار مهم با میانگین 5/3بود. معیارهای تحویل، تاریخچه عملکرد، ضمانتنامه ها و سیاست های تضمین کالا ، قابلیت ها و تسهیلات تولید قیمت، قابلیت فنی، و موقعیت مالی با میانگین 5/2تا5/3 به عنوان معیار های قابل توجیه شناسایی شده اند. از15 معیار باقیمانده، 14معیار به عنوان با درجه اهمیت متوسط با میانگین 5/1 تا5/2 و معیار توافق نامه دو جانبه به عنوان معیار کم اهمیت شناخته شد [23]
بعد از دیکسون نویسندگان دیگری مطالعاتی را درخصوص معیارهای انتخاب تأمین کننده انجام دادند. در ادامه وبر و همکاران در سال1991 بر روی موضوعی با عنوان « معیار های انتخاب فروشنده و رویکرد ها» کار کردند.آنها 74 پروژه - ریسرچهایی که از سال 1966تا1991 درباره انتخاب تامین کننده منتشر شده بود را مرور نمودند. در این تحقیق، آنها تعداد مقالات را برحسب معیارهای دیکسون دسته بندی کردند و نتایج بدست آمده را با نتایج دیکسون مقایسه و قیمت خالص را مهمترین شاخص بیان نمودند [21].
ورما و پولمن در سال 1998 بر روی موضوعی با عنوان « تحلیل فرایندهای انتخاب تامین کننده » کار کردند.آنها پژوهشی را در میان 139 مدیر به منظور مطالعه چگونگی بده بستان بین کیفیت، هزینه، تحویل به موقع، زمان منتهی به تحویل و خصیصه های انعطاف پذیری که مدیران بهنگام گزینش تأمین کننده اعمال میکنند، انجام داده اند. طبق نتیجه این تحقیق، مشخص شده که مدیران، کیفیت وسپس تحویل به موقع و هزینه را مهمترین خصیصه تأمین کننده و در بعداز آن، تحویل به موقع و هزینه را برای ارزیابی تأمینکننده در نظر میگیرند دانسته اند [23].
سالها بعد ژانگ و همکاران در سال 2004بر روی موضوعی با عنوان « ارزیابی معیار های انتخاب تامین کننده و رویکردها» کار کردند. آنها در این پروژه - ریسرچمعیارهای دیکسون و وبر را بررسی و مقایسه نمودند.
گابالا اولین محققی بود که که در سال 1974،. او برنامه‌ریزی ریاضی را برای انتخاب تأمین‌کننده در یک مورد واقعی به کار برد‌ و از برنامه‌ریزی مختلط عدد صحیح برای حداقل‌کردن کل قیمت اقلام تخصیص داده شده به هر تأمین‌کننده استفاده کرد. او همچنین یک برنامه‌ریزی مختلط عدد صحیح یک هدفه را برای حداقل کردن جمع هزینه های خرید‌، هزینه‌های انبار داری و حمل و نقل با در نظر گرفتن چند آیتم‌، چند دوره زمانی‌، کیفیت‌، تحویل و ظرفیت تدوین کرد [24].
هانگ و هایادر سال 1992 بر روی موضوعی با عنوان « خرید کردن در تولید به هنگام با یک یا چندین منبع؟» کار کردند. آنهابه تجزیه و تحلیل خرید و تدارکات در سیستم تولید تولید به هنگام پرداختند و تقسیم یک مقدار سفارش بزرگ را بین تحویل دهندگان چندگانه یا تأمین کنندگان چندگانه به منظور کاهش اندازه دسته سفارش مورد بحث قرار دادند [25].
قدسی و اُبراین درسال 1997، یک سیستم پشتیبانی تصمیم را برای کاهش تعداد تأمین‌کنندگان، بر اساس استراتژی بهینه‌سازی پایگاه عرضه ایجاد کردند. آنها از یک برنامه‌ریزی عدد صحیح مختلط استفاده کردند و محدودیت ظرفیت تأمین‌کنندگان و محدودیت‌های بودجه و کیفیت از طرف خریدار را همراه با AHP در نظرگرفتند‌ [26]. یک سال بعد در پروژه - ریسرچدیگری در سال 1998آنها یک مدل برنامه ریزی خطی مختلط با AHP را توسعه دادند که می تواند به مدیران به منظور لحاظ کردن ویژگیهای کیفی و کمی در فعالیت خرید و تدارکات، در قالب یک روش سیستماتیک کمک کند [27]. در سال1999، کارپاک و همکاران برای حداقل سازی هزینه و حداکثر سازی کیفیت و قابلیت اطمینان در تحویل، یک مدل برنامه ریزی آرمانی را ارائه نمودند.[28]. وبر و همکارانش درسال 2000 پروژه - ریسرچایی با عنوان « یک رویکرد بهینه سازی برای استفاده کردن، تعیین تعداد فروشنده ها » کار کردند. آنها از یک رویکرد بهینه‌سازی ترکیبی، شامل برنامه‌ریزی چندهدفه و رویکرد DEA استفاده کردند.‌ در این رویکرد، ابتدا از برنامه‌ریزی چندهدفه برای انتخاب تأمین‌کنندگان استفاده شد و سپس برای ارزیابی کارآمدی تأمین‌کنندگان انتخاب شده براساس چندین معیار، از رویکرد DEA بهره گرفته شد [29].
در سال 2001، قدسی پور و اُبراین در پروژه - ریسرچدیگر، یک مدل برنامه ریزی غیرخطی عدد صحیح مختلط را برای حل مسأله انتخاب تأمین کننده در حالت منبع یابی چندگانه ارائه کردند که کل هزینه لجستیک شامل قیمت خالص، انبار داری، سفارش دهی و حل ونقل را در نظر می گیرند [30]. کومار و دیگران در سال 2004 از برنامه ریزی آرمانی فازی برای حل مسأله انتخاب فروشنده تأمین کننده با اهداف چندگانه و پارامتر های فازی استفاده کردند. آنها از داده های دنیای واقعی برای نشان دادن اثربخشی مدل پیشنهادی استفاده کردند [31].
فرانکلین و همکاراندر سال 2005 در پروژه - ریسرچتحقیقی خود یک روش جدید به نام فرایند تحلیل سلسله مراتبی رأی گیری را برای انتخاب تأمین کننده ارائه دادند. این روش یک روش وزن دهی جدید به جای روش مقایسات زوجیAHP برای انتخاب تامین کنندگان بود. شایان ذکر است که این روش علاوه بر اینکه روش ساده تری نسبت به AHP است، اما رویکرد منظم اقتباس اوزان استفاده شده و نمره دهی به عملکرد تأمین کنندگان را از دست نمی دهد [32]. زعیم و همکاران در سال 2005 بر روی موضوعی با عنوان « تحلیل سلسله مراتبی فازی بر اساس رویکرد انتخاب تامین کننده» کار کردند. آنها در این پروژه - ریسرچبه منظور حل مسأله تصمیم گیری چند معیاره برای انتخاب تأمین کنندگان، روش فرایند تحلیل سلسله مراتبی فازی را پیشنهاد کردند. مطالعه موردی آنها، تأمین کنندگان محصولات تلویزیونی در ترکیه بود. در این تحقیق، روش FAHPبا روش غیر فازی قیاس شد و نتایج نشان داد که این روش، روش بهتری برای ارزیابی و انتخاب تأمین کننده است[33].
قدسی پور و ابرین در سال 2006 بر روی موضوعی با عنوان « یک مدل خطی چند هدفه فازی برای مسئله انتخاب تامین کننده کار کردند. آنها وسیله این مدل توانستند بر ابهامات موجود در اطلاعات فائق آورند. در این پروژه - ریسرچبرای نخستین بار در حل مسئله فازی انتخاب تامین کننده، از تکنیک غیر متقارن تصمیم گیری فازی استفاده شده است که به وسیله آن شخص تصمیم گیرنده می تواند وزن های متفاوتی را برای معیارهای مختلف در نظر بگیرد. در مدلسازی مسئله در این پروژه - ریسرچ، سه تابع هدف تعریف شده است که عبارتند از: قیمت خالص، کیفیت و خدمات و پروژه - ریسرچبا مدلسازی این سه تابع، به دنبال مینیمم کردن هزینه های کلی و هم چنین ماکزیمم کردن سطح کیفی کلی و ماکزیمم کردن سطح خدمت در اقلام خریداری شده، بوده است [34].
دوگان ازگن و همکاران در سال 2008 بر روی موضوعی با عنوان«یک روش برنامه ریزی خطی چند هدفه احتمالی دو فازی، برای مسئله های ارزیابی تامین کننده و تخصیص سفارش » کار کردند. در این پروژه - ریسرچ، در فاز ارزیابی تامین کنندگان، فاکتورهای زیست محیطی و همچنین روشی جدید با استفاده از یکپارچه سازی روش های فرآیند تحلیل سلسله مراتبی AHP و روش برنامه ریزی خطی احتمالی چند هدفه ارایه شده است. از این روش برای محاسبه تمام فاکتورهای کمی و کیفی در انتخاب تامین کنندگان و همچنین تخصیص تعداد بهینه سفارش به هر یک از آنها استفاده می شود. در ابتدا یک روش برنامه ریزی خطی برای حل مسئله به کار گرفته شده است. برای در نظر گرفتن عدم قطعیت در ارزیابی تامین کنندگان و تخصیص سفارش به آن ها، از تئوری فازی استفاده شده است. که در این مرحله، برای حل مسئله از روش برنامه ریزی خطی احتمالی ، برای حل مسئله استفاده شده است، چرا که ثابت شده است این روش برای در نظر گرفتن ماهیت عدم غیر دقیق دنیای واقعی، روشی مناسب است. روش ارایه شده در این پروژه - ریسرچدر مقایسه با دیگر مدل ها، دامنه گسترده تری از اطلاعات را پوشش داده و انعطاف پذیری بالاتری دارد. با در نظر گرفتن ماهیت غیر دقیق پارامترها، مقادیر بهینه هدف که در نتیجه حل مدل به دست می آید نیز غیر دقیق هستند. در این مدل می توان با تغییر پارامترهای غیر دقیق و هم چنین مقادیر وزن های داده شده، سناریوهای مختلفی را ایجاد کرد [35].
قدسی پور و اُبرین در سال 2009برروی موضوعی با عنوان «یک مدل چند هدفه وزن دهی تجمعی فازی، برای مسئله انتخاب تامین کننده تحت شکست قیمت ها در یک زنجیره تامین » کار کردند. این پروژه - ریسرچشامل سه تابع هدف می شود که عبارتند از: کمینه سازی هزینه کل، کمینه سازی اقلام برگشتی و کمینه سازی تاخیر در تحویل. ضمنا محدودیت هایی برای هر یک از این توابع هدف در رابطه با ظرفیت و تقاضا در نظر گرفته شده است. برای حل مسئله از برنامه ریزی خطی اعداد مختلط و روش وزن دهی تجمعی فازی استفاده شده است. مدل ارایه شده در این پروژه - ریسرچ، توابع عضویت وزن دهی شده را برای هر یک از اهداف به صورت یکپارچه در نظر گرفته و به این ترتیب توابعی را برای فرآیند تصمیم گیری شکل می دهد که در آن ها اهداف اهمیت نسبی متفاوتی دارند. این مدل به مدیران کمک می کند تا استراتژی های شرکت را در فعالیت های وابسته به خرید اقلام از تامین کنندگان، مد نظر قرار دهند [36].
هو و همکاران در سال 2010 بر روی موضوعی با عنوان« رویکردهای تصمیم گیری چند معیاره برای ارزیابی و انتخاب تامین کننده» کار کردند. در این پروژه - ریسرچآنها به رویکردهای تصمیم گیری چند معیاره در ارزیابی و انتخاب تامین کننده پرداختند. از نظر آنها مشهورترین معیارهای انتخاب تامین کننده عبارتند از: کیفیت، تحویل، قیمت یا هزینه، ظرفیت تولید، سرویس، مدیریت، تکنولوژی، تحقیق و توسعه مالی، انعطاف پذیری، شهرت، روابط ، ریسک و معیارهای محیطی می باشند [37].
کئو و همکاران در سال 2010بر روی موضوعی با عنوان « ترکیب روش های شبکه عصبی مصنوعی و MADA برای انتخاب تامین کننده سبز» کار کردند. مدل ترکیبی از شبکه های عصبی مصنوعی، تحلیل پوششی داده ها و فرآیند تحلیل شبکه ای برای انتخاب بهترین تأمین کنندگان را توسعه داده اند. به عقیده آنها شرکت ها معمولاً با تعداد زیادی از اقلام مورد نیاز و تأمین کنندگان کاندید مواجه هستند. اتخاذ سیاست های یکسان در مورد تأمین اقلام مختلف منطقی به نظر نمی رسد. از سوی دیگر، سیاست های متفاوتی در حوزه ارتباط با تأمین کنندگان پیشنهاد شده است. بنابراین، خرید اثربخش و مدیریت تأمین کارا نیازمند اتخاذ سیاست های مناسب و متناسب با شرایط مختلف است [38].
میتات زیدان و همکاران در سال 2010برروی موضوعی باعنوان«یک روش ترکیب شده برای انتخاب تامین کننده و ارزیابی عملکرد» کارکردند. در این پروژه - ریسرچیک رویکرد جدیدی برای افزایش کیفیت ارزیابی و انتخای تامین کننده معرفی شده است. این رویکرد جدید متغیر های کیفی و هم کمی را در ارزیابی عملکرد انتخاب تامین کننده ها براساس کارایی و اثر گذاری در یکی از بزرگترین کارخانه های خودرو سازی در ترکیه به کار گرفته است. این روش در دو مرحله بیان می شود. در قسمت اول کیفیت عملکرد ارزیابی توسط AHP فازی برای یافتن وزن معیارها نمایش داده می شود و در قسمت بعد با به کارگیری TOPSIS فازی برای یافتن رتبه بندب تامین کننده ها استفاده می شود. به این طریق متغیر های کیفی برای استفاده کردن از DEA به متغیر های کمی تبدیل شده اند. این روش به عنوان ممیزی سیستم مدیریت کیفیت نامیده شده است. در واقع در قسمت DEA با استفاده از متغیرهای ورودی ساختگی به چهار متغیر
خروجی دست پیدا می کند به عبارتی، ممیزی سیستم مدیریت کیفیت، نرخ هزینه تعهد، نرخ خرابی و مدیریت کیفیت. با مقایسه این روش با سیستمی که در کارخانه قبلا استفاده می شده، نشان داد که اجرای این روش برتری ها و مزیت هایی نسبت به قبل برای تصمیم گیری بهتر در خرید قطعات خودرو توسط انتخاب مناسب تامین کننده ها در کارخانه خودرو سازی ترکیه به همرا داشته است [40].
در همان سال دشنگ داش ویو و همکاران بر روی موضوعی با عنوان « برنامه ریزی چند هدفه فازی برای انتخاب تامین کننده و مدل سازی ریسک» کار کردند. در این پروژه - ریسرچیک روش برنامه ریزی چند هدفه فازی برای مساله انتخاب تامین کننده ارایه شده است که هم فاکتورهای کمی و هم فاکتورهای کیفی ریسک را در نظر می گیرد. فاکتورهای کمی ریسک شامل هزینه، کیفیت بوده که برای آن ها از توزیع های آماری مختلف استفاده شده است. فاکتورهای کیفی ریسک شامل فکتورهای زیست محیطی است. و از داده های شبیه سازی شده کمی و کیفی بهره گرفته شده است. در این پروژه - ریسرچاز یک رویکرد احتمالی برای حل مسئله استفاده می شود که از تکنیک برش α به منظور تبدیل مدل برنامه ریزی چند هدفه فازی به مدل برنامه ریزی قطعی و استاندارد، بهره می برد. روش پیشنهادی به تصمیم گیران این اجازه را می دهد که تجزیه و تحلیل های موجود بین پارامترهایی از قبیل هزینه، سطح کیفی قابل قبول، تحویل به موقع و فاکتورهای ریسک را مد نظر قرار دهند. این روش یک ابزار جایگزین را برای ارزیابی ها ایجاد کرده و تصمیمات مرتبط با انتخاب تامین کننده را در بازاری که با عدم قطعیت روبرو است، بهبود می بخشد [41].
جان- لیانگ ژانگ و مینگ- یو ژانگ در سال 2011برروی موضوعی با عنوان«انتخاب تامین کننده و مسئله خرید با هزینه ثابت شده و مقدارهای سفارش محدود شده تحت تقاضای احتمالی» کار کردند. در این پروژه - ریسرچیک خریدار( سازنده یا خرده فروش) با تقاضای غیر قطعی قصد دارد یک نوع محصولی را از گروهی از تامین کنندگان که هریک ازآنها دارای قیمت فروش متفاوت و مقدار سفارش محدود شده هستند، خرید نماید. هزینه نگهداری و کمبود ثابت شده برای خریدار وقتی که تامین کننده های خود را انتخاب کرد وجود دارد. هدف این پژوهش انتخاب تامین کننده ها و تخصیص مقدار سفارش مناسب میان آنها به منطوره کمینه کردن کل هزینه ها می باشد. مسئله به صورت مدل برنامه ریزی عدد صحیح ترکیبی مدل شده است و رهیافت مسئله با استفاده از الگوریتم شاخه و کران است.و در آخر با ارائه مثال عددی عملکرد الگوریتم ارزیابی می شود [43].

—d1220

TOC o "1-3" h z u
فصل اول: مقدمه PAGEREF _Toc412822401 h 01-1. مقدمه PAGEREF _Toc412822402 h 11-2. تعریف مسأله و بیان اصلی تحقیق PAGEREF _Toc412822403 h 21-3. اهمیت و ضرورت انجام کار PAGEREF _Toc412822404 h 21-4. فرضیات تحقیق PAGEREF _Toc412822405 h 51-5. سوالات تحقیق PAGEREF _Toc412822406 h 61-6. اهداف تحقیق PAGEREF _Toc412822407 h 61-7. نوآوری تحقیق PAGEREF _Toc412822408 h 71-8. استفاده کنندگان تحقیق PAGEREF _Toc412822409 h 81-9. ساختار تحقیق PAGEREF _Toc412822410 h 8فصل دوم: ادبیات تحقیق PAGEREF _Toc412822411 h 92-1. مقدمه PAGEREF _Toc412822412 h 322-2. مبانی نظری PAGEREF _Toc412822413 h 322-3. پیشینه تجربی PAGEREF _Toc412822414 h 392-3-1. مطالعات داخلی PAGEREF _Toc412822415 h 392-3-2. مطالعات خارجی PAGEREF _Toc412822416 h 452-4. جمع بندی و پیشنهاد مدل PAGEREF _Toc412822417 h 47فصل سوم: روش شناسی تحقیق PAGEREF _Toc412822418 h 553-1. مقدمه PAGEREF _Toc412822419 h 563-2. نوع تحقیق PAGEREF _Toc412822420 h 563-3. جامعه آماری تحقیق PAGEREF _Toc412822421 h 573-4. متغیرهای تحقیق PAGEREF _Toc412822422 h 573-5. تعریف مفهومی و عملیاتی متغیرهای تحقیق PAGEREF _Toc412822423 h 583-5-1. هوش تجاری PAGEREF _Toc412822424 h 583-5-2. بلوغ سیستم های هوش تجاری PAGEREF _Toc412822425 h 593-5-3. کیفیت محتوایی و دسترسی اطلاعات PAGEREF _Toc412822426 h 603-5-4. استفاده از اطلاعات در فرآیندهای کسب و کار PAGEREF _Toc412822427 h 623-5-5. فرهنگ تصمیم گیری تحلیلی PAGEREF _Toc412822428 h 623-6. ابزار جمع آوری داده ها PAGEREF _Toc412822429 h 673-6-1. روایی پرسشنامه PAGEREF _Toc412822430 h 673-6-2. پایایی پرسشنامه PAGEREF _Toc412822431 h 683-7. روش تجزیه و تحلیل داده ها PAGEREF _Toc412822432 h 69فصل چهارم: تجزیه و تحلیل داده ها PAGEREF _Toc412822433 h 714-1. مقدمه PAGEREF _Toc412822434 h 724-2. ویژگی های پاسخ گویان PAGEREF _Toc412822435 h 724-2-1. جنسیت PAGEREF _Toc412822436 h 724-2-3. میزان تحصیلات PAGEREF _Toc412822437 h 734-3. تجزیه و تحلیل های تک متغیره PAGEREF _Toc412822438 h 744-3-1. بلوغ سیستم هوش تجاری PAGEREF _Toc412822439 h 744-3-2. کیفیت محتوای اطلاعات PAGEREF _Toc412822440 h 754-3-3. کیفیت دسترسی اطلاعات PAGEREF _Toc412822441 h 764-3-4. استفاده از اطلاعات در فرآیند کسب و کار PAGEREF _Toc412822442 h 764-3-5. فرهنگ تصمیم گیری تحلیلی PAGEREF _Toc412822443 h 774-4. تجزیه و تحلیل های دو متغیره PAGEREF _Toc412822444 h 784-4-1. بررسی بلوغ سیستم هوش تجاری و کیفیت محتوای اطلاعات PAGEREF _Toc412822445 h 784-4-2. بررسی رابطه بلوغ سیستم هوش تجاری و کیفیت دسترسی اطلاعات PAGEREF _Toc412822446 h 794-4-3. بررسی رابطه کیفیت محتوای اطلاعات و استفاده از آن در فرآیند کسب و کار PAGEREF _Toc412822447 h 804-4-4. بررسی رابطه ی بین کیفیت دسترسی اطلاعات و استفاده از آن در فرآیند کسب و کار PAGEREF _Toc412822448 h 814-5. تجزیه و تحلیل چند متغیره PAGEREF _Toc412822449 h 824-5-1. رگرسیون چندگانه مرحله اول PAGEREF _Toc412822450 h 834-5-2. رگرسیون مرحله دوم PAGEREF _Toc412822451 h 864-5-3. رگرسیون مرحله سوم PAGEREF _Toc412822452 h 894-5-4. بررسی تاثیر غیر مستقیم بلوغ هوش تجاری بر متغیر وابسته PAGEREF _Toc412822453 h 934-5-5. رگرسیون مرحله چهارم PAGEREF _Toc412822454 h 944-6. آزمون فرضیه ها PAGEREF _Toc412822455 h 1014-7. جمع بندی و نتیجه گیری PAGEREF _Toc412822456 h 104فصل پنجم: نتیجه گیری و پیشنهادات PAGEREF _Toc412822457 h 1075-1. مقدمه PAGEREF _Toc412822458 h 1085-2. یافته های پژوهش PAGEREF _Toc412822459 h 1085-3. محدودیت های تحقیق PAGEREF _Toc412822460 h 1125-4. پیشنهادات تحقیق PAGEREF _Toc412822461 h 1135-4-1. پیشنهادات کاربردی PAGEREF _Toc412822462 h 1135-4-2. پیشنهاداتی برای تحقیقات آتی PAGEREF _Toc412822463 h 115فهرست منابع PAGEREF _Toc412822464 h 117
فهرست جداول
عنوان صفحه
50806061800
TOC f h z t "جداول;1" جدول 2-1: خلاصه مطالعات داخلی PAGEREF _Toc412823313 h 48جدول 2-2: خلاصه مطالعات داخلی PAGEREF _Toc412823314 h 51جدول 3-1: مقیاس و طیف سنجش متغیرها PAGEREF _Toc412823315 h 58جدول 3-2: سطوح متغیرهای تحقیق PAGEREF _Toc412823316 h 64جدول 3-3: ضریب پایایی پرسشنامه PAGEREF _Toc412823317 h 68جدول4-1: فراوانی مربوط به جنسیت PAGEREF _Toc412823318 h 73جدول4-2: فراوانی مربوط به سن PAGEREF _Toc412823319 h 73جدول4-3: فراوانی مربوط به میزان تحصیلات PAGEREF _Toc412823320 h 74جدول4-4: آماره های توصیفی متغیر بلوغ سیستم هوش تجاری PAGEREF _Toc412823321 h 75جدول4-5: آماره های توصیفی متغیر کیفیت محتوای اطلاعات PAGEREF _Toc412823322 h 75جدول4-6: آماره های توصیفی متغیر کیفیت دسترسی اطلاعات PAGEREF _Toc412823323 h 76جدول4-7: آماره های توصیفی متغیر استفاده از اطلاعات در فرآیند کسب و کار PAGEREF _Toc412823324 h 77جدول4-8: آماره های توصیفی متغیر فرهنگ تصمیم گیری تحلیلی PAGEREF _Toc412823325 h 77جدول4-9: نتایج آزمون همبستگی بین بلوغ سیستم هوش تجاری و کیفیت محتوای اطلاعات PAGEREF _Toc412823326 h 79جدول4-10: نتایج آزمون همبستگی بین بلوغ سیستم هوش تجاری و کیفیت دسترسی اطلاعات PAGEREF _Toc412823327 h 80جدول4-11: نتایج آزمون همبستگی کیفیت محتوای اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار PAGEREF _Toc412823328 h 80جدول4-12: نتایج آزمون همبستگی بین ریسک دریافت شده از ابزارهای مدیریت دانش و نیات خرید PAGEREF _Toc412823329 h 81جدول4-13: نتایج رگرسیون در مرحله اول PAGEREF _Toc412823330 h 83جدول4-14: آنالیز واریانس مرحله اول PAGEREF _Toc412823331 h 84جدول4-15: ضرایب رگرسیون در مرحله اول PAGEREF _Toc412823332 h 85جدول 4-16: نتایج رگرسیون در مرحله دوم PAGEREF _Toc412823333 h 87جدول 4-17: آنالیز واریانس مرحله دوم PAGEREF _Toc412823334 h 87جدول 4-18: ضرایب رگرسیون در مرحله دوم PAGEREF _Toc412823335 h 87جدول 4-19: نتایج رگرسیون در مرحله سوم قسمت اول PAGEREF _Toc412823336 h 89جدول 4-20: آنالیز واریانس مرحله سوم قسمت اول PAGEREF _Toc412823337 h 90جدول 4-21: ضرایب رگرسیون در مرحله سوم قسمت اول PAGEREF _Toc412823338 h 90جدول 4-22: نتایج رگرسیون در مرحله سوم قسمت دوم PAGEREF _Toc412823339 h 91جدول 4-23: آنالیز واریانس مرحله سوم قسمت دوم PAGEREF _Toc412823340 h 92جدول 4-24: ضرایب رگرسیون در مرحله اول PAGEREF _Toc412823341 h 92جدول4-25: اثرات غیر مستقیم بلوغ هوش تجاری بر استفاده از اطلاعات در فرآیند کسب و کار PAGEREF _Toc412823342 h 94جدول 4-26: نتایج رگرسیون در مرحله چهارم قسمت اول PAGEREF _Toc412823343 h 95جدول 4-27: آنالیز واریانس مرحله چهارم قسمت اول PAGEREF _Toc412823344 h 95جدول 4-28: ضرایب رگرسیون در مرحله چهارم قسمت اول PAGEREF _Toc412823345 h 96جدول 4-29: نتایج رگرسیون در مرحله چهارم قسمت دوم PAGEREF _Toc412823346 h 97جدول 4-30: آنالیز واریانس مرحله چهارم قسمت دوم PAGEREF _Toc412823347 h 97جدول 4-31: ضرایب رگرسیون در قسمت دوم PAGEREF _Toc412823348 h 98جدول 4-32: نتایج رگرسیون در مرحله چهارم قسمت سوم PAGEREF _Toc412823349 h 99جدول 4-33: آنالیز واریانس مرحله چهارم قسمت سوم PAGEREF _Toc412823350 h 100جدول 4-34: ضرایب رگرسیون در مرحله چهارم قسمت سوم PAGEREF _Toc412823351 h 100جدول4-35: نتایج آزمون فرضیات PAGEREF _Toc412823352 h 104
فهرست اشکال
1397027985300عنوان صفحه
TOC f h z t "اشکال;1" شکل2-1 : مدل تحقیق PAGEREF _Toc412823464 h 54شکل 4-1: مدل کلی پژوهش PAGEREF _Toc412823465 h 82شکل 4-2: اثرات مستقیم در مرحله اول PAGEREF _Toc412823466 h 86شکل 4-3: تحلیل رگرسیون مرتبه دوم PAGEREF _Toc412823467 h 88شکل 4- 3: تحلیل مسیر مرتبه سوم قسمت اول PAGEREF _Toc412823468 h 91شکل 4- 4: تحلیل مسیر مرتبه سوم قسمت دوم PAGEREF _Toc412823469 h 92شکل 4- 6: تحلیل مسیر مرتبه چهارم قسمت اول PAGEREF _Toc412823470 h 97شکل 4- 7: تحلیل مسیر مرتبه چهارم قسمت دوم PAGEREF _Toc412823471 h 99شکل 4- 8: تحلیل مسیر مرتبه چهارم قسمت دوم PAGEREF _Toc412823472 h 101
306324075565مقدمه
00مقدمه

3492531111500 مقدمه
1-1. مقدمهامروزه داشتن توان رقابتی اساس بقای سازمان ها است و برخورداری از توان رقابتی و حفظ آن بیش از هر چیزی نیازمند اطلاعات است. به طوری که گردآوری و ارزیابی اطلاعات مربوط به کسب و کار سازمان نقشی حیاتی در بقای سازمان دارد. هر قدر سازمان ها اطلاعات بیشتری را به دست آورند احتمال آنکه تصمیمات موثرتری گرفته و به موفقیت دست یابند، افزایش می یابد.
هوشمندی تجاری به عنوان یک ابزار استراتژیک و یکی از زمینه های رشد کسب و کار در دنیا به شمار می رود. آن همچنین از جمله تکنیک های مهم در ایجاد مزیت رقابتی است.
هوش تجاری فرایند مداومی است که اطلاعات قابل استفاده ای را در اختیار تصمیم گیرندگان می گذارد. آن دستیابی به داده ها و اطلاعات در فرآیند کسب و کار را فراهم می نماید. هوش رقابتی به شرکت ها کمک می کند تا تصمیمات آگاهانه ای را پیرامونه همه امور خود از جمله بازاریابی؛ تحقیق و توسعه؛ سرمایه گذاری و راهبردهای کسب و کار اتخاذ کنند.
تمرکز هوش تجاری بر تصمیم گیری بوده و در حال حاضر نه تنها شرکت های بزرگ بلکه کسب و کارهای کوچک نیز از آن بهره می برند. اکثر سازمان ها برای افزایش قابلیت تصمیم گیری مدیران خود به ایجاد سیستم هوش تجاری اقدام کرده و به دنبال بهره گیری از فواید تجاری آن در بحث تصمیم گیری هستند. آن ها طراحی می شوند تا تصمیم گیری درست را با ارائه اطلاعات مناسب در زمان مناسب، مکان مناسب و در شکل درست فراهم نمایند.
1-2. تعریف مسأله و بیان اصلی تحقیقدنیای امروز، دنیای تغییرات سریع است و این مسئله نیاز به امکان پیش بینی به موقع مسائل کسب و کار را بیش از پیش برای ایجاد مزیت رقابتی آشکار می سازد. پیش بینی در صورتی موثر می باشد که دانش کافی نسبت به وضعیت فعلی وجود داشته باشد تا با شناخت روندها و بررسی تغییرات قبلی بتوان برای آینده برنامه ریزی نمود. هوش تجاری در این زمینه کمک قابل توجهی به سازمان ها برای تصمیم گیری درست می کند. هوش تجاری با جمع آوری و یکپارچه سازی داده ها امکان دریافت گزارش های خاص و به موقعی را برای مدیران فراهم می سازد، تا از این طریق مدیران بتوانند تصمیمات درست را در زمان مناسب اتخاذ نمایند[1]. ادبیات سیستم های اطلاعاتی(IS) از مدت ها بر تاثیر مثبت اطلاعات ارائه شده توسط سیستم های هوش تجاری (BIS) در تصمیم گیری، به ویژه زمانی که سازمان درمحیط کاملا رقابتی فعالیت می کند، تاکید دارد. بررسی اثر سیستم های هوش تجاری (BIS) برای درک ما از ارزش و اثربخشی اعمال مدیریتی و سرمایه گذاری حیاتی است. با این حال، در حالی که موفقیت های سیستم های اطلاعاتی(IS) به خوبی بررسی شده است اما درک ما از چگونگی ارتباط ابعاد سیستم های هوش تجاری (BIS)، و این که چگونه آنها سیستم های هوش تجاری (BIS) راتحت تاثیر قرار می دهند، محدود است. به همین منظور، ما به بررسی رابطه بین بلوغ سیستم هوش تجاری (BIS)، کیفیت اطلاعات و دسترسی، فرهنگ تصمیم گیری تحلیلی و استفاده از اطلاعات برای تصمیم گیری به عنوان عناصر مهم موفقیت سیستم های هوش تجاری (BIS) می پردازیم.
1-3. اهمیت و ضرورت انجام کاردر تجارت رقابتی، پیچیده و به سرعت در حال تغییر اطلاعات محور، وجود بینش صحیح و بهنگام از فعالیت ها و شرایط تجارت برای کنترل میزان سلامت و مطابقت با نرم های تجاری ضرورت دارد. مسلما اطلاعات برای داشتن این بینش نقشی حساس بازی کرده و می تواند به تنهایی مفید واقع شود، مشروط بر آنکه راهنمایی کننده، متمرکز، بهنگام و به سادگی قابل دسترس بوده و هر دو جنبه کلان و خرد شرکت را نشان دهد. به خاطر پیشرفت فناوری اطلاعات، تکنولوژی های هنر گونه نظیر هوش تجاری(BI) توسعه داده شده اند تا برای ما ترکیب فوق را آماده کنند[12]. بدیهی است مهم ترین سوالات پژوهش ها در زمینه فن آوری اطلاعات (IT)/ سیستم اطلاعات (IS)، به طور کلی شامل اندازه گیری ارزش کسب و کار خود[44]، موفقیت خود و شناسایی عوامل حیاتی موفقیت است[27]. در زمینه پشتیبانی از تصمیم، سیستم های هوش تجاری (BIS) به عنوان ارائه دهنده راه حل های یکپارچه سازی داده ها و قابلیت های تحلیلی برای ذینفعان در سطوح مختلف سازمانی با اطلاعات ارزشمند برای تصمیم گیری به وجود آمده است. هوش تجاری (BI) به روش های مختلف کامپیوتری و فرآیندهای تبدیل داده به اطلاعات و پس از آن به دانش اشاره دارد[41]، که در نهایت به بهبود تصمیم گیری سازمانی کمک می کند[57]. هوش تجاری(BI) و سیستم هوش تجاری(BIS) به عنوان اطلاعات با کیفیت در ذخیره اطلاعات با طراحی مناسب، همراه با ابزار نرم افزاری کسب و کار پسند است که ارائه دسترسی به موقع به دانش، تجزیه و تحلیل موثر و ارائه بصری از اطلاعات صحیح، مدیران را قادر به اعمال درست و یا تصمیمات درست می نماید. هوش تجاری(BI) به عنوان توانایی یک سازمان یا کسب و کار برای استدلال، برنامه ریزی، پیش بینی، حل مسائل، تفکر انتزاعی، نوآوری و یادگیری برای افزایش دانش سازمانی، اطلاع رسانی برای پردازش های تصمیم گیری، توانمندسازی اقدامات موثر و کمک به ایجاد و دستیابی به اهداف کسب و کار است[48].
مؤسسات برای دو مقصود اصلی نیاز به استفاده از هوش تجاری دارند. ابتدا، برای انجام تجزیه و تحلیل که می تواند به آنها در تصمیم گیری بهتر کمک کند. تجزیه و تحلیل به آنها کمک می کند که روندهای کسب وکار را بشناسند و مراقبت ها را برای مشتریان و شکایات مهم فراهم آورند. دوم، کمک زیادی به پیش بینی آینده رفتار مشتری و تقاضای بازار می کند.
برخی از دلایل دیگر عبارتند از:
در رسیدن به اهداف اساسی سازمان مانند کاهش هزینه ها، بهبود بهره وری، توسعه محصول، توسعه خدمات مشتریان، افزایش درآمدها و غیره، شرکت ها را یاری از طریق تجزیه و تحلیل دادههای ورودی و خروجی می تواند به رسیدن BI می دهد، به این اهداف به مقدار کافی شرکت ها را کمک کند.
اطلاعات استراتژیک را برای تصمیم گیرندگان فراهم می آورد. BI این امکان را به موسسات می دهد که از طریق تحلیل اطلاعات از مقادیر بزرگ اطلاعات به منظور یافتن الگوهای رفتاری مشتریان و رقبا بهره برداری کنند. این می تواند به مقدارکافی به یک سازمان کمک کند که به گونه ای مناسب، برنامه ها و نقشه هایش را در جنبه های گوناگون تجاری مثل تولید، توزیع، قیمت گذاری و برنامه ریزی ظرفیت تغییر دهد. دسترسی آنلاین به چنین اطلاعاتی می تواند به تصمیم گیری کمک کند و تغییرات پویایی را فراهم کند که به بهبود خط اصلی شرکت یاری رساند[36].
شناسایی رفتار معاملات با استفاده از ابزار BI، تحلیلی از مدل های معامله می تواند بینشی مهم از رفتار مشتری به شرکت بدهد. رفتار مشتری، الگوی پرداخت و معاملات می توانند برای ارزیابی مشتریان مورد استفاده قرار گیرند. بانک ها به طور وسیعی هوش تجاری را به منظور تحریک پیشبرد ارگانیک استراتژیک خود از طریق به کارگیری دارایی اطلاعات برای بهینه کردن هزینه ها، تقویت سودآوری مشتری و توسعه محصول جدید به کار می برند.
1-4. فرضیات تحقیقبا توجه به مطالب فوق، فرضیه اصلی پژوهش به صورت زیر تدوین گردیده است:
بلوغ سیستم هوش تجاری بر استفاده از اطلاعات در فرآیند کسب و کار تاثیر مثبت دارد.
و در راستای آن، فرضیه های فرعی زیر تدوین می گردد:
بلوغ سیستم هوش تجاری بر کیفیت محتوای اطلاعات تاثیر مثبت دارد.
بلوغ سیستم هوش تجاری بر کیفیت دسترسی اطلاعات تاثیر مثبت دارد.
کیفیت محتوای اطلاعات بر استفاده از اطلاعات در فرآیند کسب و کار تاثیر مثبت دارد.
کیفیت دسترسی اطلاعات بر استفاده از اطلاعات در فرآیند کسب و کار تاثیر مثبت دارد.
فرهنگ تصمیم گیری تحلیلی بر رابطه بین کیفیت محتوای اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار تاثیر مثبت دارد.
فرهنگ تصمیم گیری تحلیلی بر رابطه بین کیفیت دسترسی اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار تاثیر مثبت دارد.
1-5. سوالات تحقیقسوال اصلی پژوهش این است که:
بلوغ سیستم هوش تجاری چه تاثیری بر استفاده از اطلاعات در فرآیند کسب و کار دارد؟
و سوالات فرعی پژوهش به صورت زیر می باشند:
بلوغ سیستم هوش تجاری چه تاثیری بر کیفیت محتوای اطلاعات دارد؟
بلوغ سیستم هوش تجاری چه تاثیری بر کیفیت دسترسی اطلاعات دارد؟
کیفیت محتوای اطلاعات چه تاثیری بر استفاده از اطلاعات در فرآیند کسب و کار دارد؟
کیفیت دسترسی اطلاعات چه تاثیری بر استفاده از اطلاعات در فرآیند کسب و کاردارد؟
فرهنگ تصمیم گیری تحلیلی چه تاثیری بر رابطه بین کیفیت محتوای اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار دارد؟
فرهنگ تصمیم گیری تحلیلی چه تاثیری بر رابطه بین کیفیت دسترسی اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار دارد؟
1-6. اهداف تحقیقهدف اصلی تحقیق حاضر این است که:
بررسی تاثیر بلوغ سیستم هوش تجاری بر استفاده از اطلاعات در فرآیند کسب و کار.
و اهداف فرعی به صورت زیر می باشد:
بررسی تاثیر بلوغ سیستم هوش تجاری بر کیفیت محتوای اطلاعات.
بررسی تاثیر بلوغ سیستم هوش تجاری بر کیفیت دسترسی اطلاعات.
بررسی تاثیر کیفیت محتوای اطلاعات بر استفاده از اطلاعات در فرآیند کسب و کار.
بررسی تاثیر کیفیت دسترسی اطلاعات بر استفاده از اطلاعات در فرآیند کسب و کار.
بررسی تاثیر فرهنگ تصمیم گیری تحلیلی بر رابطه بین کیفیت محتوای اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار.
بررسی تاثیر فرهنگ تصمیم گیری تحلیلی بر رابطه بین کیفیت دسترسی اطلاعات و استفاده از اطلاعات در فرآیند کسب و کار.
1-7. نوآوری تحقیقهوش تجاری از موضوعات روز در حوزه صنعت، تجارت و شرکت ها می باشد زیرا به عنوان توانایی یک سازمان یا کسب و کار برای استدلال، برنامه ریزی، پیش بینی، حل مسائل، تفکر انتزاعی، درک، نوآوری و یادگیری برای افزایش دانش سازمانی، اطلاع رسانی برای پردازش های تصمیم گیری، توانمندسازی اقدامات موثر و کمک به ایجاد و دستیابی به اهداف کسب و کار است و در سال های اخیر مورد توجه پژوهشگران قرار گرفته است، بنابراین می توان گفت جنبه نوآوری این پژوهش، بررسی موضوعی جدید و نو در زمینه سیستم های اطلاعاتی سازمان ها می باشد. علاوه بر آن بررسی تاثیر فرهنگ تصمیم گیری تحلیلی به عنوان متغیر تعدیل کننده رابطه بین کیفیت محتوایی و دسترسی اطلاعات با متغیر استفاده از اطلاعات در فرآیند کسب و کار نیز بعد نوآورانه این تحقیق به شمار می آید، به طوری که این متغیر، فرهنگ سازمان ها و تاثیرپذیری تصمیم گیری ها از فرهنگ مدیران و سازمان را تشریح می نماید.
1-8. استفاده کنندگان تحقیقتمامی شرکت ها و مدیران آن ها در شرکت های مختلف بازرگانی و خصوصی و حتی دستگاه های دولتی می توانند از نتیجه این پژوهش بهره ببرند، زیرا در تمامی آن ها تصمیم گیری و استفاده از اطلاعات برای بهبود آن برای موفقیت سازمان ها مد نظر می باشد.
1-9. ساختار تحقیقپژوهش حاضر با موضوع «تاثیر بلوغ سیستم هوش تجاری بر استفاده از اطلاعات در فرآیند کسب و کار با توجه به فرهنگ تصمیم گیری تحلیلی در بین مدیران بانک صادرات ایران» در چهار فصل گزارش می گردد. بعد از ارائه مقدمه مشتمل بر بیان موضوع، اهمیت و ضرورت آن،سوالات و اهداف پژوهش، در فصل اول، مبانی نظری پژوهش و مطالعات خارجی و داخلی انجام شده در این حوزه مورد بررسی قرار می گیرد. فصل دوم، روش شناسی پژوهش را در برمی گیرد و فصل سوم تجزیه و تحلیل داده های جمع آوری شده از طریق مطالعات میدانی و کتابخانه ای را بر عهده دارد و در نهایت فصل چهارم نتایج پژوهش را به طور مفصل ارائه کرده و پیشنهادات لازم جهت به کارگیری نتایج و همچنین موضوعاتی برای مطالعه در پژوهش های آتی را فراهم می کند.
306324075565فصل دوم
00فصل دوم

left34434200 ادبیات تحقیق
2-1. مقدمهاین مطالعه اهمیت سیستم هوش تجاری در فرآیند کسب و کار را مورد بحث قرار می دهد. سیستم هوش تجاری با شناسایی و پردازش داده ها و اطلاعات انبوه و متفاوت به دانش و هوشمندی ناب مورد نیاز مدیریت، کمک بزرگی به سازمان ها می کند. سیستم هوش تجاری، اطلاعات کسب و کار را به موقع و به صورت مناسب برای استفاده ارائه می دهد و توانایی استدلال و فهم معانی پنهان در اطلاعات در کسب و کار را تامین می نماید[19]. در واقع آن باعث می شود تا سازمان داده ها را یکپارچه و منسجم ساخته و به آگاهی تبدیل کند. کسب، به کارگیری، انتقال دانش و اطلاعات و بازیابی آن ها در سازمان، بقای سازمان ها را تضمین می کند و باعث می شود سازمان ها هوشمندانه عمل کنند.
کارکرد اصلی سیستم هوش تجاری، کمک به تصمیم گیری در سازمان است، لذا استفاده از داده های باساختار و بدون ساختار سیستم های سازمانی، مبنای هوش تجاری در سازمان به حساب می آید. آن در کلیه سطوح سازمانی کاربرد دارد و جریان موثر اطلاعات را در سازمان برقرار می کند. با استفاده صحیح از سیستم هوش تجاری، سطح آگاهی و عملکرد سازمانی بهبود می یابد و مزیت رقابتی برای سازمان ایجاد می کند.
با توجه با این مطالب، در این بخش به بررسی مبانی نظری پژوهش پرداخته و مطالعات خارجی و داخلی انجام شده در سال های اخیر را مورد بررسی قرار می دهیم و در نهایت جمع بندی نهایی در مورد پایه های نظری و تجربی پژوهش ارائه می گردد.
2-2. مبانی نظریبه کارگیری فناوری نوین اطلاعات در سازمان ها باعث بهبود فرآیند کسب و کار و افزایش مزیت رقابتی آن ها نسبت به رقبا می شود. نقش اطلاعات در سازمان های امروزی بر کسی پوشیده نیست. در عصر اطلاعات و محیط کسب و کار رقابتی و به سرعت در حال تغییر کنونی، دسترسی به اطلاعات صحیح، خلاصه شده و کاربردی مورد نیاز سازمان، می تواند سازمان ها را در پیش بینی، تحلیل های تجربی و تصمیم گیری در مورد فعالیت های خود یاری کند. از آنجایی که مدیران با حجم گسترده و پراکنده یی از اطلاعات و گزارش های ارائه شده توسط نرم افزارهای عملیاتی در سازمان خود مواجه هستند، نیاز به سیستمی خواهند داشت تا بتواند گزارش های تحلیلی و چند بعدی را در زمان کوتاهی تهیه و اطلاعات لازم برای تصمیم گیری مدیران را فراهم نماید تا دیدگاه عمیق و یکپارچه ای را برای اتخاذ تصمیم های استراتژیک به آن ها ارائه کند. در واقع سازمان ها به سیستمی نیاز دارند تا بتواند اطلاعات مورد نیاز مدیران را در حداقل زمان ممکن و به صورتی اثربخش، سازماندهی کرده و قادر به یکپارچه سازی میان داده های مختلف، پراکنده و ناهمگون در سازمان باشد. هوش تجاری به عنوان یک سیستم یا ابزار می تواند علاوه بر ایفای این نقش باعث شود تا سازمان ها با به کارگیری اطلاعات موجود، از مزیت رقابتی و پیش رو بودن در بازار بهره مند شوند و امکان کنترل و ردگیری فرآیندهای کلیدی سازمان برای مدیران فراهم شود[6].
هوش تجاری یک اصطلاح چترگونه است که به وسیله گروه گارنر و محقق آن، هوارد درسنر، در سال 1989 معرفی شد تا مجموعه ای از مفاهیم و روش شناسی هایی را که در کسب و کار، از طریق به کارگیری وقایع و سیستم های مبتنی بر وقایع باعث بهبود تصمیم گیری می شود، تشریح و بیان کند. کاربردهای هوش تجاری جانی دوباره به استراتژی یک سازمان می بخشد. آنها دقت و موفقیت اهداف و مقاصد شرکت را انداز ه گیری می کنند[50].
هوش تجاری به یک فلسفه و ابزار مدیریتی اشاره دارد که به سازمان ها در مدیریت و پالایش اطلاعات کسب و کار به منظور اخذ تصمیمات اثربخش کمک می کند[35].


هوش تجاری به عنوان مجموعه ای از عملیات منسجم با کاربرد پشتیبانی از تصمیم و پایگاه داده برای فراهم کردن فرآیند کسب و کار با دسترسی آسان به داده های تجاری می باشد[46].
هوش تجاری به فرایند تبدیل داده های خام به اطلاعات تجاری و مدیریتی اطلاق می گردد که به تصمیم گیرندگان سازمان کمک می کند تا تصمیمات خود را بهتر و سریعتر گرفته و بر اساس اطلاعات صحیح، عمل نمایند. داده ها با ورود به سیستم هوش تجاری، مورد پردازش قرار گرفته و تبدیل به دانش می شوند، سپس دانش به دست آمده مورد تحلیل قرار گرفته و از نتایج تحلیلی آن، مدیران در تصمیم گیری خود بهره گرفته و اقداماتی را جهت بهبود عملکرد سازمان انجام می دهند [49].
اصطلاح هوش تجاری می تواند در اشاره به این موارد به کار گرفته شود[41]:
اطلاعات و دانش مر بوط به سازمان که محیط کسب و کار، خود سازمان و وضعیت بازار، مشتریان، رقبا و ملاحظات اقتصادی را تشریح می کند.
یک فرایند سیستمی و سازمان یافته که توسط آن سازمان ها اطلاعات را در جهت تصمیم گیری در فعالیت های کسب و کار، از منابع درونی و بیرونی کسب، تحلیل و توزیع می کنند.
هوش تجاری یک چارچوب کاری شامل فرآیندها، ابزارها، نرم افزارها و فناوری های مختلفی است که اطلاعات پراکنده و حجیم را سازماندهی، منسجم و یکپارچه می کند و از طریق تحلیل آن ها می تواند اطلاعات مورد نیاز سازمان را فراهم سازد[57].
هوش تجارى یا هوش کسب و کار که قالب عمده ترى را مانند استفاده هاى تجارى و غیر تجارى (نظامى و غیر انتفاعى) در بر دارد، عبارت است از بُعد وسیعى از کاربردها و فناورى براى جمع آورى داده و دانش جهت ایجاد پرس و جو در راستاى تجزیه و تحلیل بنگاه براى اتخاذ تصمیمات تجارى دقیق و هوشمند [17]. یک هوش تجارى براساس یک معمارى بنگاه تشکیل شده است و در قالب پردازش تحلیلى همزمان به تحلیل داده هاى تجارى و اتخاذ تصمیمات دقیق و هوشمند مى پردازد. هوش تجارى، نه به عنوان یک محصول و نه به عنوان یک سیستم، بلکه به عنوان یک معمارى و رویکردى جدید موردنظر است که البته شامل مجموعه اى از برنامه هاى کاربردى و تحلیلى است که به استناد پایگاه هاى داده عملیاتى و تحلیلى به اخذ و کمک به تصمیم گیرى براى فعالیت هاى هوشمند تجارى و کسب و کار کمک مى کند [30]. از منظر معمارى و فرایند به هوش تجارى به عنوان یک چارچوب که عامل افزایش کارایى سازمان و یکپارچگى فرایندها که نهایتاً بر فرایندهاى تصمیم گیرى در سطوح مختلف سازمانى متمرکز است، نگریسته مى شود. بازار هوش تجارى را ابزارى براى برترى رقابتى و پایشگر و تحلیلگر بازار و مشتریان مى داند[15].
از نقطه نظر فناورى نیز هوش تجارى یک سیستم هوشمند است که با پردازش دقیق داده ها، نقطه دخالت سخت افزار و نرم افزار در مغزافزار ها به حساب مى آید. ولى به بیان ساده تر هوش تجارى چیزى نیست مگر فرایند بالابردن سود دهى سازمان در بازار رقابتى با استفاده هوشمندانه از داده هاى موجود در فرآیند تصمیم گیرى[18].
به طور کلی هوش تجاری یکی از شاخه های فناوری اطلاعات است که تکنیک ها و برنامه های کاربردی از قبیل پردازش تراکنش برخط، پردازش تحلیل بر خط و نیز پایگاه داده تحلیلی، داده کادوی و همچنین مدیریت دانش بهره می گیرد و هدف آن تحلیل و ارتقای کیفیت عملیات است. افزون براین، هوش تجاری با فرآیند کسب و کار و زنجیره ارزش سازمانی ارتباط مستقیمی دارد. در واقع هوش تجاری از یک سو با تامین کنندگان سازمان در ارتباط بوده و بر عملیات و فعالیت های سازمان تاثیر می گذارد و از سوی دیگر نیز با مشتریان خود ارتباط دارد. بنابراین هوش تجاری این امکان را به سازمان می دهد که با کسب بینش، درک صحیح و دیدگاه کلان، نیازمندی های همه ی ذینفعان سیستم را مد نظر قرار دهد[31].
جالونن و لونکویست (2009) بیان نموده اند که هوش تجاری تحلیل ها و گزارشهایی در مورد روندهای محیط کسب وکار و مسائل درونی سازمان تولید می کند و این تحلیل ها می تواند به صورت خودکار و سیستماتیک(نظام مند) یا بر اساس درخواست یا شرایط ویژه تهیه شوند و مرتبط با محتوای یک تصمیم خاص باشند و دانش به دست آمده به وسیلۀ تصمیم گیرنده در سطوح مختلف سازمان به کار گرفته می شود.
مایکرویاندیز و تئودولیدیز در سال 2010 هوش تجاری را به صورت مجموعه ای از تکنیک ها و ابزارها، که هدف آن فراهم کردن پشتیبانی های مورد نیاز برای تصمیم گیری در فرآیند کسب و کار است، معرفی می کند.
در حقیقت هوش تجاری، ارزش اولیه را در ابتدای زنجیره ارزش اطلاعات به آن اضافه می کند، آن داده های جمع آوری شده و ساختار یافته را به اطلاعات تبدیل می کند. هوش تجاری می تواند دسترسی سریع اطلاعات، تجزیه و تحلیل آسان، سطح بالایی از تعامل، بهبود داده به منظور فرآیندهای منسجم و سایر فعالیت های مدیریت داده مرتبط را فراهم نماید[48].
در ادبیات هوش تجاری، دو رویکرد عمده و اصلی وجود دارد: رویکرد مدیریتی و رویکرد فنی. در رویکرد مدیریتی، هوش تجاری را به عنوان فرآیندی در نظر می گیرد که در آن داده های جمع آوری شده از منابع داخلی و خارجی، به منظور تولید اطلاعات مرتبط با فرآیند تصمیم گیری، یکپارچه و ادغام می گردند. نقش هوش تجاری در این رویکرد، ایجاد سیستمی است که در آن داده ها از منابع مختلف گردآوری، یکپارچه و ادغام شود و پس از تجزیه و تحلیل، به شکل گزاش ها و یا یک داشبورد اطلاعاتی در اختیار مدیر قرار گیرد. داشبورد اطلاعاتی، صفحاتی از اطلاعات رایانه ای مرتبط به بخش های مختلف سازمان است که به دلخواه مدیران قابل تنظیم است. این داشبورد وضعیت عملکردی سازمان را به صورت آنلاین نشان می دهد و راهکارهایی برای اتخاذ تصمیم های بهینه به مدیران ارائه می کند.
رویکرد فنی، هوش تجاری را به عنوان مجموعه ای از ابزارها و نرم افزارهایی توصیف می کند که از فرآیند مربوط به رویکرد مدیریتی مطرح شده پشتیبانی می کند. در این رویکرد تاکید روی فرآیند نیست بلکه تاکید بر فناوریهایی است که ذخیره و تجزیه و تحلیل کردن اطلاعات است.
از آنجایی که اولا وظیفه ی هوش تجاری در هر دو، گردآوری، تجزیه و تحلیل و توزیع اطلاعات است و ثانیا هدف هوش تجاری پشتیبانی از فرآیند تصمیم گیری استراتژیک سازمان است، هر دو رویکرد هدف و مبنای مشترکی دارند[6].
کارکرد هوش تجاری را در سازمان می توان در سه سطح بررسی کرد: سطح استراتژیک، سطح تاکتیکی، سطح عملیاتی
در سطح استراتژیک، تصمیم گیری های کلان سازمانی توسط مدیران ارشد سازمان انجام می گیرد. کارکرد هوش تجاری در سطح استراتژیک در دفعات کم و در دوره های طولانی انجام می شود و همراه با حجم بالایی از اطلاعات و پردازش است. تصمیم های گرفته شده در این سطح بیشتر در حوزه ی مسائل غیرساخت یافته ی سازمانی هستند که نتایج حاصل از آن، تاثیرات بلندمدت و کلانی در سطح سازمان دارد. کاربرد هوش تجاری در سطح استراتژیک را می توان به نوعی کمک به افزایش کارایی سازمان و بهینه ساختن فرآیندهای کاری در نظر گرفت. سیستم هوش تجاری بر شاخص کلیدی مالی سازمان و سایر پارامترهای مهم در افزایش کارایی سازمان متمرکز می شود و عملکرد سازمان را بهبود می بخشد[31].
کارکرد هوش تجاری در سطح تاکتیکی مربوط به عملیاتی است که در حوزه ی مدیران میانی انجام می شود. این عملیات شامل پیگیری عملیات در سطوح پایینی و میانی سازمان، چگونگی اجرای آن، گزارش گیری و در نهایت جمع بندی داده های مفید برای اتخاذ تصمیم های میان مدت سازمان است. تصمیم ها یگرفته شده در این سطح بیشتر در حوزه ی مسائل نیمه ساخت یافته است و توسط مدیران میانی سازمان اتخاذ می گردد.
سطح عملیاتی، پایین ترین سطح انجام فعالیت های تجاری یک سازمان است که در دفعات زیاد و معمولا به صورت تکراری قابل اجرا بوده و با حجم کمی از داده ها سرو کار دارد. تصمیم های گرفته شده در این سطح بیشتردر حوزه مسائل ساخت یافته بوده و توسط مدیران رده پایین و سرپرستان سازمان اتخاذ می گردد. نتایج حاصل از این تصمیم ها نیز تاثیرات کوتاه مدت و خرد در سطح سازمان دارد[6].
با توجه به مطالب مطرح شده، تحقیق حاضر بر رویکرد مدیریتی هوش تجاری اشاره دارد. نقش هوش تجاری در این رویکرد، ایجاد سیستمی است که در آن داده ها از منابع مختلف گردآوری، یکپارچه و ادغام شود و پس از تجزیه و تحلیل، به شکل گزاش ها و یا یک داشبورد اطلاعاتی در اختیار مدیر برای تصمیم گیری در حوزه های مختلف قرار گیرد. علاوه بر این از سه سطح استراتژیک، تاکتیکی و عملیاتی که هوش تجاری در آن مورد استفاده قرار می گیرد، تحقیق حاضر به استفاده از هوش تجاری در سطح استراتژیک می پردازد.
2-3. پیشینه تجربی2-3-1. مطالعات داخلیآبداری و اسفیدانی (1392) در تحقیقی با هدف ارائه طرحی برای پیاده سازی سیستم مبتنی بر هوش تجاری جهت کمک به تصمیم سازی در حوزه های مختلف در شرکت های بیمه دریافتند که هوش تجاری با تبدیل داده به اطلاعات و سپس دانش، پیمودن این مسیر را برای مدیران هموارتر می کند. اگرچه سیستم های اطلاعاتی گزارش های تحلیلی و آماری برای سازمان فراهم می کنند، اما از طرفی این گزارش ها بیشتر برای مدیران میانی مناسب هستند و مدیران ارشد معمولا به طور مستقیم از این گزارش ها بهره مند نمی شوند و از طرف دیگر هیچ یک از این گزارش ها نمی توانند همه ابعا مورد نظر را در یک جا جمع کنند. با توجه به قابلیت یکپارچه سازی، گزارش گیری چند بعدی و ارتقا مداوم دانش، در صورت پیاده سازی سیستم هوش تجاری امکان کنترل روال ها، تشخیص به هنگام نقاط بحرانی برای مدیران ارشد فراهم می گردد.
غضنفری و همکاران (1391) به بررسی ارتباط سیستم های برنامهریزی منابع سازمان با هوش تجاری و پشتیبانی تصمیم گیری پرداختند. در این پژوهش با توجه به طراحی و اجرای یک پیمایش، نیازهای اساسی مدیران سطوح مختلف سازمان از سیستم های برنامهریزی منابع سازمان در جهت پشتیبانی تصمیم گیری مدیریت و ایجاد هوش تجاری مورد پرسش قرار گرفته و با توجه به تحلیل ویژگیهای مدیریتی و ماهیت تصمیم گیری مدیران، ارتباط سیستم های برنامهریزی منابع سازمان و تصمیم گیری مدیریت بررسی شده اند. این تحقیق که در سازمان توسعه تجارت ایران انجام پذیرفته است نشان داد که استفاده از سیستمهای اطلاعاتی در فرآیند تصمیم گیری در میان مدیران سطوح مختلف سازمان متفاوت است و لازمۀ موفقیت این سیستمها پاسخ به نیازهای هوش تجاری و پشتیبانی تصمیمگیری مدیریت در سطوح مختلف است.
حقیقت منفرد و شعبان مایانی (1390) به بررسی تاثیر ابعاد محتوایی سازمان (فرهنگ، تکنولوژی، استراتژی) بر اثر بخشی هوش تجاری با توجه به نقش تعدیل کننده مدیریت دانش پرداخته اند. این پژوهش در بین کلیه مدیران و کارشناسان بانک سامان شعب شمال تهران و از طریق پرسشنامه انجام شده است. نتایج حاصل از پژوهش بیان گر ارتباط مثبت و معنادار بین ابعاد محتوایی سازمان و اثربخشی هوش تجاری است . بنابراین بانک سامان به منظور توانایی رقابت در بازار و افزایش سطح رضایتمندی مشتریان، تسهیل در فرایند تصمیم گیری، تشخیص زود هنگام تهدیدات و شناسایی فرصت های محیطی نیاز به اثربخش بودن سیستم هوش تجاری دارد تا بتواند اطلاعات سازمانی را یکپارچه و منسجم کرده و این امکان را به سازمان بدهد تا با به کارگیری این اقدامات از مزیت رقابتی و پیشرو بودن استفاده نماید و اثربخش بودن سیستم هوش تجاری ضمن برقراری این اهداف موجب می شود سطح آگاهی سازمان نیز افزایش یابد و گزارشات تحلیلی و چند بعدی را نیز که از نیازهای اساسی بانک به شمار می رود، در مدت زمان کوتاهی در اختیار مدیران قرار گیرد. نتایج همچنین نشان دهنده آن است که مدیریت دانش به عنوان یک متغیر تعدیل گر ارتباط بین ابعاد محتوایی و اثربخشی هوش تجاری را تقویت می کند. بنابراین با به کارگیری سیستم مدیریت دانش نیز می توان مزیت رقابتی بلند مدت را استمرار بخشیده و اثربخشی سیستم هوش تجاری را در بانک افزایش داد.
سازور و همکاران (1390) به ارایه الگویى جهت بهبود هوش تجارى در صنعت بیمه الکترونیک پرداخته است. جامعه آمارى این تحقیق مدیران و کارشناسان 35 نمایندگى بیمه نوین در سطح شهر تهران است. به منظور جمع آورى اطلاعات لازم از یک پرسشنامه هوش تجارى محقق ساخته شامل چهار بعد (فناورى اطلاعات، کارکنان سازمان، دانش سازمان و فرهنگ و نوآورى) و 20 شاخص استفاده شده است. نتایج آزمون من-ویتنى حاکى از وجود شکاف بین وضعیت موجود و مطلوب در تمامى ابعاد هوش تجارى در این سازمان بود. این پژوهش با شناسایى و بهبود شاخص هاى بحرانى هوش تجارى بیمه الکترونیک در بیمه نوین، در راستاى توسعه مفهوم هوش کسب و کار در این صنعت سودآور به این نتیجه رسیده است که از طریق راهکارهایى همانند شایستگى در امکانات و تجهیزات فناورى اطلاعات، ارتباط با سایر نهادها، آموزش کاربردى کارکنان، وجود یک مآموریت دقیق و تعریف شده براى سازمان، وجود رویه هاى تعریف شده، تفویض اختیار بر اساس مهارت کارکنان، کنترل و ارزیابى ماهانه، ایجاد فرهنگ کار تیمى، بازخور در مراحل مختلف از مشتریان بیمه و رشد فعالیت هاى پژوهشى برون سپارى شده صنعت بیمه قادر خواهد بود که حداقل هاى هوش تجارى در صنعت بیمه کشور را بهبود دهد.
حقیقت منفرد و رضایی (1390) در پژوهشی به بررسی عملکرد هوش تجاری بر مبنای فرآیند تحلیل شبکه فازی پرداختند. در این پژوهش سعی شده است تا با شناسایی و معرفی مهمترین فاکتورها و عوامل مؤثر در عملکرد یک سیستم هوش تجاری، یک مدل ارزیابی عملکرد هوش تجاری (در قالب یک مطالعه موردی در یک سازمان تولید کننده نرم افزار) ارایه گردد و با توجه به عدم استقلال و وجود وابستگی بین عامل های مؤثر، از روش فرآیند تحلیل شبکه فازی برای شناسایی وابستگی های ممکن بین عوامل و اندازه گیری آنها برای توسعه مدل ارزیابی استفاده شده و در ادامه، نتایج حاصله با روش های فرآیند تحلیل سلسله مراتبی فازی و فرآیند تحلیل شبکه غیر فازی مقایسه شده است. آن ها دریافتند که پیاده سازی سیستم هوش تجاری می تواند در کاهش هزینه ها، افزایش کارایی و رقابت پذیری سازمان، از طریق یکپارچه سازی اطلاعات داخل و خارج مؤسسه، تحلیل و تفسیر داده ها، و تبدیل آنها به اطلاعات ارزشمند برای تصمیم گیری ها به صورت جدی تاثیر گذار باشد.
نیکو مرام و محمودی (1390) به بررسی رابطه بین سیستم اطلاعات حسابداری مدیریت مبتنی بر پشتیبانی تصمیم گیری و هوش تجاری بر اساس معیارها و خصوصیاتی در قالب چهار گروه شامل سیستم های مبتنی بر ارتباطات و استنتاج، سیستم های هشدار دهنده و گزارش دهنده، ابزارهای تحلیل و تصمیم گیری اثر بخش به منظور سنجش تاثیر در تصمیم گیری مدیران اقدام نموده اند. این پژوهش با استفاده از ابزار پرسشنامه کتبی نسبت به جمع آوری نظرات مدیران مالی شرکت های بورس اوراق بهادار تهران در رابطه با سیستم های اطلاعات حسابداری مدیریت مبتنی بر پشتیبانی تصمیم گیری و هوش تجاری و متغییر های تصمیم گیری در واحد اقتصادیشان شامل به موقع بودن، کسب بازده مطلوب، ریسک پذیری و شرایط محیطی طی سال 1389 اقدام کرده است. نمونه تصادفی ساده از بین مدیران مالی شرکت های بورس اوراق بهادار تهران انتخاب گردیده و نتایج حاصل از آزمون رگرسیون ناپارامتریک، ضریب همبستگی رتبه ای اسپیرمن نشان می دهد اکثر مولفه های سیستم اطلاعات حسابداری مدیریت مبتنی بر پشتیبانی تصمیم گیری و هوش تجاری در قالب سیستم های مبتنی بر ارتباطات و استنتاج، سیستم های هشدار دهنده و گزارش دهنده، ابزارهای تحلیل و تصمیم گیری اثر بخش با متغییرهای تصمیم گیری ارتباط معنی داری نداشته، لیکن برخی از مولفه ها مانند استفاده از فرایند استدلال دانش پیش رو پس رو و بهینه سازی با فرایند تصمیم گیری مبتنی بر کسب بازده مطلوب، استفاده از تصمیم گیری گروهی و خلاصه سازی با فرایند تصمیم گیری ریسک پذیر و استفاده از عامل هوشمند، گزارشهای گرافیکی، تصمیم گیری گروهی و خلاصه سازی با فرایند تصمیم گیری بر اساس شرایط محیطی ارتباط معنی داری در سطح 95 درصد دارند. لذا در فرایند تصمیم گیری مبتنی بر کسب بازده مطلوب، ریسک پذیری و شرایط محیطی استفاده از مولفه های فرایند استدلال دانش پیش رو پس رو، بهینه سازی، تصمیم گیری گروهی، خلاصه سازی و عامل هوشمند، گزارشهای گرافیکی، تصمیم گیری گروهی و خلاصه سازی بترتیب پیشنهاد می گردد.
رهنمای رودپشتی و محمودی (1389) در پژوهشی با عنوان تبیین الگوی هوش تجاری در سیستم اطلاعات حسابداری مدیریت، با استفاده از روش مطالعه اسنادی برخی از معیارها و شاخص های کاربردی در زمینه سیستم های اطلاعاتی حسابداری مبتنی برخصیصه هوش تجاری را بررسی کرده است. بر این اساس چهار دسته ارتباطات و استنتاج، سیستم های هشدار دهنده و گزارش دهنده، ابزار های تحلیل و تصمیم گیری اثر بخش به دست آمده است که در آن ها معیارهایی از قبیل تصمیم گیری گروهی، بهینه سازی، یکپارچه سازی، شبیه سازی، فرایند استدلال دو طرفه، فناوری آگاه سازی، اطلاع رسانی بر حسب محتوا، فازی سازی، داده کاوی، مخزن داده، فرایند تحلیل بهنگام، ایجاد کانال های ارتباطی، ایجاد عامل هوشمند و غیره قرار دارند.
حقیقت منفرد و همکاران (1389) در پروژه - ریسرچای تحت عنوان هوش تجاری، ابزار بهبود عملکرد سازمانی، ضمن تشریح نقش، عملکرد و اهداف هوش تجاری در سازمان، به بررسی رویکردها و کاربردهای هوش تجاری پرداختند. نتایج پژوهش نشان داد که هوش تجاری با فرآیند تجاری و زنجیره ی ارزش سازمانی ارتباط مستقیمی دارد و باعث بهبود تصمیم های اخذ شده توسط مدیران و افزایش مزیت رقابتی سازمان نسبت به رقبا می شود. این سیستم امکان پیش بینی محیط رقابتی را برای سازمان فراهم می کند و باعث می شود تا سازمان ضمن کسب بینش جامع و کلان و لحاظ کردن نیازهای ذینفعان، بتواند هوشمندانه رفتار کند.
انصاری و همکاران (1389) به بررسی تاثیر فن آوری اطلاعات برهوش تجاری مدیران از طریق پرسشنامه و نظرخواهی از جامعه آماری تحقیق که شامل کلیه مدیران بانک ها ی ملی شهر تبریز (73 نفر) بود، اقدانم نمودند که به دلیل محدودیت تعداد بانک های مورد بررسی کل جامعه آماری مورد بررسی قرارگرفت. براساس این تحقیق صورت گرفته فن آوری اطلاعات به مدیران کمک می کند تا تصمیم گیری مبتنی بر دانش داشته باشند و از آنجا که نیازهای مشتریان از یک سو و قوانین دولتی از سوی دیگر متغیر است و نیز ابزارهای اعمال قدرت در بازار و مسایلی چون رقابت، فشارهایی را بر سازمان تحمیل می کنند، بنابراین مدیران با بکارگیری هر چه بیشتر فن آور ی اطلاعات می توانند به ارتقای هوش تجاری خود بپردازند و به مزیت رقابتی پایدار دست یابند.
محقر و همکاران (1387) در پژوهشی به بررسی کاربرد هوش تجاری به عنوان یک تکنولوژی اطلاعات استراتژیک در بانکداری پرداخته اند. آن ها به این نتیجه رسیدند که در محیط کسب و کار رقابتی و به سرعت در حال تغییر امروز، دسترسی به اطلاعات به موقع، مرتبط و خلاصه شده و آسان و ساده می تواند نقش استراتژیک در کارهای بازرگانی مانند پیش بینی، تحلیل تجاری و تصمیم گیری و غیره ایفا کند. این ویژگی ها تنها از طریق تکنولوژی و فناوری های پیشرفته اطلاعات استراتژیک مانند هوش تجاری می تواند تحقق یابد که قابلیت های اداره و تحلیل حجم عظیمی از داده ها، در شکل محکم و منسجمی که هم داده های کلی و خلاصه شده و هم دید جزئی از شرایط بنگاه ارائه می دهد را دارد و همچنین داده های تاریخی را ذخیره می کند، بنابراین یک شرکت می تواند عملکرد خود را در دوره زمانی مشخص مشاهده کرده و با عملکرد مورد انتظار مقایسه و کنترل نماید.
در پژوهش کارشناسی ارشد امین گلستانی با عنوان هوش تجاری و تصمیمات کلان سازمانی در شرکت مهندسین مشاور لار در سال 1387 به موارد قابل توجهی در معماری هوش تجاری و مزایای آن به همراه نحوه برخورد و نوع پیاده سازی آن پرداخته شده است، در پژوهش فوق هوش تجاری نه به عنوان یک ابزار یا یک محصول و یا حتی سیستم، بلکه به عنوان یک رویکرد جدید در معماری سازمانی بر اساس سرعت در تحلیل اطلاعات به منظور اتخاذ تصمیمات دقیق و هوشمند کسب و کار در حداقل زمان ممکن مطرح می شود[7].
2-3-2. مطالعات خارجیچانگ هانگ هو (2012) به بررسی اثر رضایت کاربر در استفاده از سیستم و عملکرد فردی با سیستم های هوش تجاری پرداخته است. داده ها از 330 کاربر نهایی سیستم هوش تجاری در صنعت الکترونیک تایوان جمع آوری گردیده است. نتایج حاصل از پژوهش نشان داده است که استفاده زیاد و موثر از سیستم هوش تجاری منجر به بهبود عملکرد فرد در تصمیم گیری می شود.
آیسیک و همکاران (2012) نقش محیط تصمیم گیری در قابلیت های هوش تجاری برای رسیدن به موفقیت هوش تجاری را بررسی کرده اند. در محیط تصمیم گیری، نوع تصمیمات اتخاذ شده و پردازش اطلاعات مورد نیاز سازمان بررسی گردیده است. یافته های پژوهش نشان داد که قابلیت های فنی مانند کیفیت اطلاعات، دسترسی کاربر و ادغام هوش تجاری با سیستم های دیگر برای موفقیت هوش تجاری ضروری است. با این حال، محیط تصمیم گیری ارتباط بین موفقیت هوش تجاری و قابلیت های آن از جمله انعطاف پذیری پشتیبانی هوش تجاری و ریسک در تصمیم گیری را تحت تاثیر قرار می دهد.
پاپوویک و همکاران در پژوهشی در سال 2012 به بررسی موفقیت سیستم های هوش تجاری در 181 سازمان متوسط و بزرگ با استفاده از آمار توصیفی و معادله ساختاری پرداختند. نتایج پژوهش حاکی از تاثیر سیستم هوش تجاری بر کیفیت دسترسی به اطلاعات می باشد و تنها کیفیت محتوای اطلاعات بر استفاده از اطلاعات در فرآیند کسب و کار موثر است و فرهنگ تصمیم گیری ضرورتا استفاده از اطلاعات را بهبود می بخشد اما تاثیر مستقیمی بر محتوای کیفیت اطلاعات ندارد.
در تحقیقی که در سال 2009 توسط موهیب آلنوکری با عنوان به کارگیری راهکارهای هوش تجاری برای دستیابی به استراتژی سازمانی انجام شد، به این نکته پرداخته می شود که هوش تجاری به عنوان چهارچوب فناوری اطلاعات می تواند به سازمان ها کمک کند تا دارایی های نامشهود خود (دانش و اطلاعات) را مدیریت کرده و آنها را توسعه دهند. همچنین این پژوهش با استفاده از تحلیل همبستگی به این موضوع می پردازد که چطور اثربخش بودن هوش تجاری می تواند به سازمان ها کمک کند که استراتژی های خود را برنامه ریزی کرده و دستیابی به آنها را میسر می کند به طوری که سازمان ها می توانند از طریق حصول دانش به عنوان یک مزیت رقابتی، داده های بیشتری را برای تصمیمات استراتژیک خود فراهم آورد[7].
چنگ و همکاران (2009) با بررسی کاربرد هوش تجاری در سیستم مدیریت دانش مالی دریافتند که اطلاعات ایجاد شده برای تصمیم گیری اعم از داده ها، مدل ها، پارامترها و نتایج، ارزش ویژه ای را برای سیستم هوش تجاری ایجاد می کنند و ادغام پشتیبانی تصمیم گیری و فرایندهای مدیریت دانش برای سازمان ها با برخورداری از هوش تجاری، در حفظ مزایای رقابتی جهانی موثر است.
جالونن و لونکویست (2009) بیان نموده اند که هوش تجاری، تحلیل ها و گزارشهایی در مورد روندهای محیط کسب وکار و مسائل درونی سازمان تولید می کند و این تحلیل ها می تواند به صورت خودکار و سیستماتیک (نظام مند) یا بر اساس درخواست یا شرایط ویژه تهیه شوند و مرتبط با محتوای یک تصمیم خاص باشند و دانش به دست آمده به وسیلۀ تصمیم گیرنده در سطوح مختلف سازمان به کار گرفته می شود.
البشیر و همکاران در سال 2008 به بررسی تاثیرات سیستم هوش تجاری در ارتباط با فرآیند کسب و کار و عملکرد سازمانی پرداخته اند. آن ها سیستم هوش تجاری را بر اساس درک درستی از ویژگی های سیستم در چارچوب فرآیندها توسعه داده اند. نتایج پژوهش نشان داد که از سیستم هوش تجاری می توان علاوه بر تصمیم گیری، برای بهبود فرآیند تاکتیکی و عملیاتی، زنجیره تامین، تولید و خدمات به مشتریان نیز استفاده کرد. این تحولات جدید به مدیران اجازه می دهد تا به اطلاعات مربوط و به موقع برای تصمیم گیری بهتر و آنی دسترسی داشته باشند. فواید گزارش شده برای فرآیندهای کسب و کار نیز نشان از حرکت کنونی توسعه سیستم های هوش تجاری در سطح عملیاتی است و سازمان ها می توانند از طیف گسترده ای از مزایای آن در طول زنجیره ارزش خود بهره بگیرند.
السزاک، سیلینا و زیامبا در سال 2007 در پژوهشی با عنوان رویکردی به ساخت و پیاده سازی سیستم هوش تجاری، به تشریح فرایندهایی می پردازند که در ساخت سیستم های هوش تجاری به کار می رود. در نتیجه بررسی ویژگی های سیستم های هوش تجاری، پژوهشگران متدولوژی ویژه ای را برای ایجاد و به کارگیری این گونه سیستم ها در سازمان پیشنهاد کرده اند. این بررسی ها که با استفاده از تحلیل ضریب همبستگی اسپیرمن انجام شده، متمرکز بر هدف ها و سطوح کارکردی هوش تجاری در سازمان ها است. بر این اساس، رویکرد مورد نظر، دو مرحله اصلی را در برمی گیرد که از یک تقابل نسبت به یکدیگر برخوردارند؛ یعنی ایجاد سیستم هوش تجاری و به کار گیری سیستم هوش تجاری[7].
2-4. جمع بندی و پیشنهاد مدلدر این بخش خاستگاه تئوریکی پژوهش و ادبیات تحقیق در سال های اخیر مورد بحث و بررسی قرار گرفت. در قسمت اول، با بررسی هوش تجاری در تعاریف مختلف و از نقطه نظرات متفاوت مشخص گردید که دو رویکرد عمده و اصلی در ادبیات هوش تجاری وجود دارد: رویکرد مدیریتی و رویکرد فنی. علاوه بر این، سیستم هوش تجاری در سه سطح: استراتژیک، تاکتیکی و سطح عملیاتی قابل بررسی است و مدیران در سطوح مختلف سازمان می توانند از مزایای این سیستم بهره مند شوند. در قسمت دوم، پژوهش های انجام شده در کشورها خارجی و مطالعات داخلی در مورد روابط بین متغیرهای مختلف مدیریت دانش مشتری و تجارت الکترونیکی مورد کنکاش قرار گرفت تا حمایت تجربی لازم از طریق مرور پژوهش های مختلف به دست آید.
در زیر پیشینه تجربی پژوهش به طور خلاصه و به تفکیک مطالعات خارجی و داخلی ارائه شده است.
جدول 2-1: خلاصه مطالعات داخلیعنوان پژوهش سال محققان پژوهش نتایج پژوهش
نگاهی به سیستم هوش تجاری در صنعت بیمه 1392 طاهره آبداری و محمد رحیم اسفیدانی با توجه به قابلیت یکپارچه سازی، گزارش گیری چند بعدی و ارتقا مداوم دانش، در صورت پیاده سازی سیستم هوش تجاری امکان کنترل فرآیندها، تشخیص به هنگام نقاط بحرانی برای مدیران ارشد فراهم می گردد.
نیازمندیهای ارزیابی هوش تجاری در ERP
مطالعه موردی سازمان توسعه تجارت ایران 1391 مهدی غضنفری، مصطفی جعفری، محمدتقی تقوی فرد، سعید رو حانی استفاده از سیستمهای اطلاعاتی در فرآیند تصمیم گیری در میان مدیران سطوح مختلف سازمان متفاوت است و لازمۀ موفقیت این سیستمها پاسخ به نیازهای هوش تجاری و پشتیبانی تصمیم گیری مدیریت در سطوح مختلف است.
بررسی اثر ابعاد محتوایی سازمان بر اثربخشی هوش تجاری با توجه به نقش مدیریت دانش مطالعه موردی: بانک سامان 1390 جلال حقیقت منفرد و محبوبه شعبان مایانی نتایج حاصل از پژوهش بیان گر ارتباط مثبت و معنادار بین ابعاد محتوایی سازمان و اثربخشی هوش تجاری است.
ارایه الگویى براى بهبود هوش تجارى در بازاریابى صنعت بیمه الکترونیک 1390 اعظم سازور، میرزا حسن حسینى، مژگان فرهمند توسعه مفهوم هوش تجاری در این صنعت از طریق راهکارهایى همانند شایستگى در امکانات و تجهیزات فناورى اطلاعات و غیره قادر خواهد بود که حداقل هاى هوش تجارى در صنعت بیمه کشور را بهبود دهد.
ارائه مدل ارزیابی عملکرد هوش تجاری برمبنای فرآیند تحلیل شبکه فازی 1390 جلال حقیقت منفرد و آزاده رضایی پیاده سازی سیستم هوش تجاری می تواند در کاهش هزینه ها، افزایش کارایی و رقابت پذیری سازمان، از طریق یکپارچه سازی اطلاعات داخل و خار ج مؤسسه، تحلیل و تفسیر داده ها، و تبدیل آنها به اطلاعات ارزشمند برای تصمیم گیری ها به صورت جدی تاثیر گذار باشد.
سنجش تاثیر سیستم اطلاعات حسابداری مدیریت مبتنی بر پشتیبانی تصمیم و هوش تجاری در تصمیم گیری مدیران واحدهای اقتصادی 1390 هاشم نیکو مرام و محمد محمودی سیستم اطلاعات حسابداری مدیریت مبتنی بر پشتیبانی تصمیم گیری و هوش تجاری در قالب سیستم های مبتنی بر ارتباطات و استنتاج، سیستم های هشدار دهنده و گزارش دهنده، ابزارهای تحلیل و تصمیم گیری اثر بخش با متغییرهای تصمیم گیری ارتباط معنی داری دارد.
تبیین الگوی هوش تجاری در سیستم اطلاعات حسابداری مدیریت 1389 فریدون رهنمای رودپشتی، محمد محمودی برخی از معیارها و شاخص های کاربردی در زمینه سیستم های اطلاعاتی حسابداری مبتنی برخصیصه هوش تجاری شامل چهار دسته ارتباطات و استنتاج، سیستم های هشدار دهنده و گزارش دهنده، ابزارهای تحلیل و تصمیم گیری اثر بخش می باشد.
هوش تجاری، ابزار بهبود عملکرد سازمانی 1389 جلال حقیقت منفرد، علی عوض ملایری و محبوبه شعبان مایانی هوش تجاری با فرآیند تجاری و زنجیره ی ارزش سازمانی ارتباط مستقیمی دارد و باعث بهبود تصمیم های اخذ شده توسط مدیران و افزایش مزیت رقابتی سازمان نسبت به رقبا می شود.
تأثیر فن آوری اطلاعات بر هوش تجاری مدیران 1389 محمداسماعیل انصاری، زهرا الله وردی، ابوالفضل باغبانی آرانی، مریم سپیانی فن آوری اطلاعات به مدیران کمک می کند تا تصمیم گیری مبتنی بر دانش داشته باشند. بنابراین آنها با بکارگیری هر چه بیشتر فن آور ی اطلاعات می توانند به ارتقای هوش تجاری خود بپردازند و به مزیت رقابتی پایدار دست یابند.
کاربرد هوش تجاری به عنوان یک تکنولوژی اطلاعات استراتژیک در بانکداری: بازرسی و کشف تقلب 1387 علی محقر، کارولوکس، فرید حسینی، آصف علی منشی در محیط رقابتی و به سرعت در حال تغییر امروز، دسترسی به اطلاعات به موقع، مرتبط و خلاصه شده و آسان و ساده می تواند نقش استراتژیک در کارهای بازرگانی مانند پیش بینی، تحلیل تجاری و تصمیم گیری و غیره ایفا کند.
هوش تجاری و تصمیمات کلان سازمانی در شرکت مهندسین مشاور لار 1387 امین گلستانی هوش تجاری نه به عنوان یک ابزار یا یک محصول و یا حتی سیستم، بلکه به عنوان یک رویکرد جدید در معماری سازمانی بر اساس سرعت در تحلیل اطلاعات به منظور اتخاذ تصمیمات دقیق و هوشمند کسب و کار در حداقل زمان ممکن مطرح است.
جدول 2-2: خلاصه مطالعات داخلیعنوان پژوهش سال محققان پژوهش نتایج پژوهش
بررسی اثر رضایت کاربر در استفاده از سیستم و عملکرد فردی با سیستم های هوش تجاری: مطالعه ای از صنعت الکترونیک تایوان 2012 چانگ هانگ هو نتایج حاصل از پژوهش نشان داده است که استفاده زیاد و موثر از سیستم هوش تجاری منجر به بهبود عملکرد فرد در تصمیم گیری می شود.
موفقیت هوش تجاری: نقش قابلیت های هوش تجاری و محیط تصمیم گیری 2012 اویکو آیسیک، ماری سی جونز و اننا سیدورووا قابلیت های فنی مانند کیفیت اطلاعات، دسترسی کاربر و ادغام هوش تجاری با سیستم های دیگر برای موفقیت هوش تجاری ضروری است و محیط تصمیم گیری ارتباط بین موفقیت هوش تجاری و قابلیت های آن از جمله انعطاف پذیری پشتیبانی هوش تجاری و ریسک در تصمیم گیری را تحت تاثیر قرار می دهد.
در راستای موفقیت سیستم های هوش تجاری: تاثیر بلوغ و فرهنگ بر تصمیم گیری تحلیلی 2012 آلیش پاپوویک، ری هاکنی، پدرو سیمون کوالهو و جورج جاکلیش نتا نتایج پژوهش حاکی از تاثیر سیستم هوش تجاری بر کیفیت دسترسی به اطلاعات می باشد و تنها کیفیت محتوای اطلاعات بر استفاده از اطلاعات در فرآیند کسب و کار موثر است و فرهنگ تصمیم گیری ضرورتا استفاده از اطلاعات را بهبود می بخشد اما تاثیر مستقیمی بر محتوای کیفیت اطلاعات ندارد. یج حاصل از پژوهش بیان گر ارتباط مثبت و معنادار بین ابعاد محتوایی سازمان و اثربخشی هوش تجاری است.
به کارگیری راهکارهای هوش تجاری برای دستیابی به استراتژی سازمانی 2009 موهیب آلنوکری چطور اثربخش بودن هوش تجاری می تواند به سازمان ها کمک کند که استراتژی های خود را برنامه ریزی کرده و دستیابی به آنها را میسر می کند به طوری که سازمان ها می توانند از طریق حصول دانش به عنوان یک مزیت رقابتی، داده های بیشتری را برای تصمیمات استراتژیک خود فراهم آورد.
کاربرد هوش تجاری در سیستم مدیریت دانش مالی 2009 هیلاری چنگ، یی چان لو و کلوین شو و همکاران اطلاعات ایجاد شده برای تصمیم گیری اعم از داده ها، مدل ها، پارامترها و نتایج، ارزش ویژه ای را برای سیستم هوش تجاری ایجاد می کنند و ادغام پشتیبانی تصمیم گیری و فرایندهای مدیریت دانش برای سازمان ها با برخورداری از هوش تجاری، در حفظ مزایای رقابتی جهانی موثر است.
تاثیرات سیستم هوش تجاری: ارتباط با فرآیند کسب و کار و عملکرد سازمانی 2008 محمد البشیر، فیلیپ کولیر و میشل داورن از سیستم هوش تجاری می توان علاوه بر تصمیم گیری، برای بهبود فرآیند تاکتیکی و عملیاتی، زنجیره تامین، تولید و خدمات به مشتریان نیز استفاده کرد. این تحولات جدید به مدیران اجازه می دهد تا به اطلاعات مربوط و به موقع برای تصمیم گیری بهتر و آنی دسترسی داشته باشند.
رویکردی به ساخت و پیاده سازی سیستم هوش تجاری 2007 السزاک، سیلینا و زیامبا بر این اساس، رویکرد مورد نظر، دو مرحله اصلی را در برمی گیرد که از یک تقابل نسبت به یکدیگر برخوردارند؛ یعنی ایجاد سیستم هوش تجاری و به کار گیری سیستم هوش تجاری.
با توجه به پیشینه نظری و تجربی فوق متغیرها و مدل های مختلفی در حوزه هوش تجاری و استفاده اطلاعات در سازمان ها ارائه شده است، ولی مطالعه ای به بررسی و ارائه یک مدل جامع برای بلوغ هوش تجاری از دو بعد توانمندی تحلیلی و انسجام داده ها که در آن ابعاد محتوایی و دسترسی اطلاعات نیز مطالعه شده باشد و تاثیر این متغیرها بر استفاده اطلاعات جمع آوری شده از طریق سیستم هوش تجاری در فرآیندهای کسب و کار سازمان ها نپرداخته اند، به همین دلیل در این پژوهش، ما با کنار هم قرار دادن این متغیرها و تاثیر بررسی آن ها به غنی سازی ادبیات هوش تجاری افزوده و در راستای پیشرفت آن گام خواهیم برداشت. با توجه به این امر مدل زیر پیشنهاد می گردد:
204470630555شکل2-1 : مدل تحقیق305684777064فصل سوم
00فصل سوم

left34416900 روش شناسی تحقیق3-1. مقدمهدر تجارت جهانی رقابتی، پیچیده و به سرعت در حال تغییر اطلاعات محور، وجود بینش صحیح و بهنگام از فعالیت ها و شرایط تجارت برای کنترل میزان سلامت و مطابقت با نرم های تجاری ضرورت دارد. مسلماً برای داشتن این بینش، اطلاعات نقشی حساسی بازی می کند و می تواند به تنهایی مفید واقع شود، مشروط بر آن که راهنمایی کننده، متمرکز، بهنگام و به سادگی قابل دسترس بوده و هر دو جنبه کلان (استراتژیک) و خرد (عملیاتی) شرکت را مد نظر داشته باشد. به خاطر پیشرفت فناوری اطلاعات، تکنولوژی های هنرگونه مانند هوش تجاری (BI) توسعه داده شده اند، تا برای ما ترکیب فوق را آماده نمایند. با توجه به این مطالب، پژوهش حاضر به بررسی هوش تجاری در راستای استفاده از اطلاعات در تصمیم گیری می پردازد تا مدیران را متوجه چگونگی استفاده مناسب از اطلاعات در تصمیم گیری های خود نماید و بدین صورت تصمیم گیری و عملکرد را بهبود بخشد.
در این فصل روش انجام تحقیق مورد بررسی قرار میگیرد. نوع تحقیق، جامعه و نمونه آماری بیان میشود. سپس به نوع، مقیاس، طیف و سطوح متغیرهای تحقیق اشاره می گردد. ابزار جمع آوری دادهها و روایی و پایایی آن نیز بررسی می شود. در پایان نیز روش تجزیه و تحلیل داده ها مورد توجه قرار میگیرد.
3-2. نوع تحقیقپایه هر علمی، روش شناسی آن است و اعتبار قوانین هر علم، مبتنی بر روش شناسی به کار رفته در آن است. روش تحقیق مجموعهای از قواعد، ابزارها و راههای معتبر و نظامیافته برای بررسی واقعیتها، کشف مجهولات و دستیابی به راهحل مشکلات است. دستیابی به هدفهای علم یا شناخت علمی میسر نخواهد بود مگر زمانی که با روششناسی درست صورت پذیرد.
تحقیق حاضر از حیث هدف کاربردی است. زیرا یافتههایی که در زمینه بررسی رابطه بلوغ هوش تجاری و استفاده از اطلاعات در فرآیند کسب و کار ارائه می شود، توسط مدیران بانک ها و حتی مدیران سایر شرکتها مورد استفاده قرار می گیرد. تحقیقات کاربردی نظریه های تدوین شده در تحقیقات پایه را برای حل مسائل اجرائی و واقعی به کار میگیرند. علاوه بر این، تحقیق حاضر به بررسی وضعیت موجود و تحلیل رابطه بین متغیرهای بلوغ هوش تجاری، کیفیت محتوایی اطلاعات، کیفیت دسترسی اطلاعات، استفاده از اطلاعات در فرآیند های کسب و کار و فرهنگ تصمیم گیری تحلیلی میپردازد و از نظر نحوه گردآوری دادهها توصیفی از نوع پیمایشی است. تحقیق توصیفی آنچه را که هست توصیف و تفسیر میکند و توجه آن به شرایط و روابط موجود و فرآیندهای جاری در زمان حال میباشد.
3-3. جامعه آماری تحقیقاین پژوهش در بین مدیران شعب بانک صادرات استان آذربایجان شرقی انجام می پذیرد. تعداد مدیران شعب بانک صادرات استان آذربایجان شرقی 116 نفر می باشد. با توجه به این که جامعه آماری مورد نظر محدود می باشد، بنابراین در پژوهش حاضر، اقدام به سرشماری گردیده و پرسشنامه در بین تمامی آن ها توزیع می گردد.
3-4. متغیرهای تحقیقدر تحقیق حاضر از لحاظ نوع متغیر، بلوغ سیستم هوش تجاری کسب و کار، متغیر مستقل پژوهش میباشد، که تاثیر آن بر روی متغیر وابسته ی استفاده از اطلاعات در فرآیند کسب و کار مورد بررسی قرار میگیرد. متغیر واسطهای کیفیت اطلاعات (کیفیت دسترسی اطلاعات، کیفیت محتوای اطلاعات) رابطه میان متغیر مستقل و وابسته را تعدیل مینماید. هم چنین متغیر فرهنگ تصمیم گیری تحلیلی به عنوان متغیر تعدیل گر در این پژوهش مورد بررسی قرار می گیرد. مقیاس و طیف متغیرهای پژوهش در جدول زیر خلاصه شده است.
جدول 3-1: مقیاس و طیف سنجش متغیرهامتغیر مقیاس سنجش طیف سنجش
بلوغ سیستم هوش تجاری رتبهای چند ارزشی
کیفیت محتوای اطلاعات رتبهای چند ارزشی
کیفیت دسترسی اطلاعات رتبهای چند ارزشی
استفاده از اطلاعات در فرآیند کسب و کار رتبهای چند ارزشی

user8294

5-2- طراحی کنترل کننده...........................................................................................................................68
فصل ششم: طراحی کنترل کننده استاتیکی مقاوم خروجی برای نیل به تعقیب فازی H∞ برای سیستمهای غیرخطی دارای تأخیر زمانی توصیف شده با مدل تاکاگی- سوگنو T-S
6-1- مقدمه......................................................................................................................................................80
6-2- طراحی کنترل کننده...........................................................................................................................82
7- نتیجه گیری و پیشنهاد............................................................................................................................99
فهرست منابع..................................................................................................................................100
پیوست الف.....................................................................................................................................104
چکیده به زبان انگلیسی................................................................................................................133
فهرست تصاویر
عنوان
شکل(1-1): (الف) مجموعه محدب- (ب) مجموعه غیرمحدب..............................................................17
شکل (2-1): غیرخطی بودن کلی قطعه ای...............................................................................................27
شکل (2-2): غیرخطی بودن محلی قطعه ای............................................................................................28
شکل (2-3): توابع عضویت و ..........................................................................31
شکل (2-4): توابع عضویت و .........................................................................31
شکل(4-1): دنبال نمودن خروجی مرجع توسط کنترل کننده طراحی شده برای مثال 4-1........64
شکل (4-2): تغییرات سیگنال کنترلی ورودی مثال 4-1 در گذر زمان..............................................65
شکل(4-3): تغییرات ضریب تضعیف تعیین شده برای مثال 4-1 در گذر زمان................................66
شکل(5-1): دنبال نمودن خروجی مرجع توسط کنترل کننده طراحی شده برای مثال 5-1........77
شکل (5-2): تغییرات سیگنال کنترلی ورودی مثال 5-1 در گذر زمان..............................................78
شکل(5-3): تغییرات ضریب تضعیف تعیین شده برای مثال 5-1 در گذر زمان................................79
شکل(6-1): دنبال نمودن خروجی مرجع توسط کنترل کننده طراحی شده برای مثال 6-1........96
شکل (6-2): تغییرات سیگنال کنترلی ورودی مثال 6-1 در گذر زمان..............................................97
شکل(6-3): تغییرات ضریب تضعیف تعیین شده برای مثال 6-1 در گذر زمان................................98
مقدمه
مسئله پایدار سازی و کنترل سیستمهای غیر خطی از مسائل مهم در تئوری کنترل می باشند. یک گام اساسی و مهم در این زمینه تحقیقاتی، مدلسازی سیستم غیر خطی با استفاده از تکنیک مدل سازی فازی تاکاگی – سوگنو T - Sمی باشد. به کمک این مدلسازی، سیستم غیر خطی اولیه، با ترکیب مجموعه ای از زیر سیستمهای خطی تقریب زده می شود. هر زیر سیستم خطی با یک بیان قاعده اگر – آنگاه (IF-Then Rule) توصیف می شود. در گام دوم که طراحی کنترل کننده دلخواه می باشد، برای هر زیر سیستم خطی یک کنترل کننده خاص با در نظر گرفتن کلیه زیرسیستم های خطی طراحی می شود. گام نهایی ترکیب فازی مناسب همه کنترل کننده های خطی طراحی شده برای ساخت کنترل کننده نهایی خواهد بود. به این روش طراحی کنترل کننده، جبرانسازی توزیع شده موازی (Parallel Distributed Compensation) گفته می شود.
نه فقط پایدار سازی یک سیستم غیر خطی، بلکه کنترل مناسب آن سیستم هم مد نظر می باشد. در این رساله ، تمرکز ما بر مسئله تعقیب خواهد بود. این مسئله پیشینه ای 12 ساله در تئوری کنترل فازی دارد و با انتشار پروژه - ریسرچمنتشر شده درمنبع ]1[ آغاز شده است. در طی سالهای بعد از انتشار این پروژه - ریسرچ، روشها و کاربردهای دیگری نیزبه این زمینه تحقیقاتی افزوده شده اند. از جمله می توان به منابع دیگر ] 9[-] 2[ رجوع داد. نکته قابل توجه در تمامی این طراحی های کنترل کننده فازی تعقیب با استفاده از ساختار مشاهده گر حالت کنترل مدرن برای پی ریزی ساختار کنترل کننده است. این ساختار چند ویژگی دارد، بطور ساده ای بیان می شود ولی طراحیهای بهره مشاهده گر و بهره کنترل کننده در آن بسیار پیچیده است؛ زیرا این بهره ها باید از روی اطلاعات تمامی زیر سیستمهای خطی در مدل تاکاگی – سوگنو محاسبه شوند. نکته قابل تامل دیگر در این ساختار، هم درجه بودن کنترل کننده و سیستم تحت کنترل است.
در این رساله، هدف ما طراحی کنترل کننده فازی استاتیکی خروجی برای نیل به حل مسئله تعقیب برای سیستمهای غیر خطی می باشد. کنترل کننده استاتیکی خروجی از تنها یک یا چند بهره تشکیل شده است که سیگنال کنترلی متناسب با مقدار لحظه ای خروجی و مقدار لحظه ای سیگنال مبنا تولید می کند. این کنترل کننده در قیاس با کنترل کننده دینامیکی خروجی بسیار ساده طراحی می شود و بسیار ساده نیز بطور عملی بکار گرفته می شود و کنترل کننده از مرتبه یک بوده و هم درجه با سیستم تحت کنترل نمی باشد. دلیل اصلی ما در انتخاب این تحقیق، همین مزایای کنترل کننده استاتیکی خروجی می باشد. لازم به ذکر است که تا زمان تهیه این رساله، در این زمینه کار اساسی انجام نگرفته و پروژه - ریسرچای منتشر نشده است.
همانطور که بیان گردید هدف از این رساله، بررسی مسئله طراحی کنترل کننده فازی استاتیکی خروجی برای رسیدن به خطای کم درتعقیب یک سیگنال مبنا در مسئله تعقیب می باشد. در این رساله، پس از طی مراحل اولیه، هدف ما توسعه روش ابداعی به سیستمهایی است که در ساختار معادلات آنها اجزائ تأخیر دار وجود داشته باشند. تاخیر در بسیاری از سیستمهای فیزیکی وجود دارد. اضافه شدن اجزای تأخیر دار به هر سیستم دینامیکی منجر به ناپایداری سیستم حلقه بسته و یا عملکرد ضعیف کنترلی آن می شود. هدف نهایی ما در این تحقیق ، حل مسئله کنترل فازی در تعقیب در مورد سیستمهای دارای تاخیر می باشد
قدم بعدی در این رساله، تعمیم این مسئله کنترلی به سیستمهایی است که دارای نامعینی می باشند. در واقع، هدف اصلی ، طراحی کنترل کننده فازی استاتیکی خروجی مقاوم می باشد. علت اصلی درانتخاب این هدف، لزوم مقاوم طراحی کردن کنترل کننده مقاوم است. در هر مسئله کنترلی که در آن یک سیستم غیر خطی با مدلسازی تاکاگی – سوگنو به مجموعه ای از زیر سیستمهای خطی بیان می شود، تقریبهای زیادی وارد می شود. اگر در طراحی کنترل کننده، این تقریبها مد نظر قرار نگیرند، احتمال ناپایداری سیستم حلقه بسته بوجود می آید. برای اجتناب از این نقص، بایستی کنترل کننده مقاوم طراحی شود. این کار مستلزم در نظر گرفتن اجزای نامعین در مدل فازی تاکاگی – سوگنو از سیستم غیر خطی است. حال با در نظر گرفتن این اجزا، باید جبران کننده نهایی طراحی شود.
ابزاری که ما در بیان مسئله تعقیب و مسئله کنترل فازی تعقیب در طراحی کنترل کننده بکار خواهیم گرفت ، نامعادلات خطی ماتریسی هستند. در 18 سال گذشته ، مقالات بسیار زیادی در زمینه های مختلف کنترلی منتشر شده اند که در آنها بیان مسئله و طراحی کنترل کننده بر مبنای تئوری نامعادلات خطی ماتریسی بوده است. ما نیز در این تحقیق از این تئوری برای رسیدن به طراحی نهایی استفاده خواهیم نمود،] 10[.
آشنایی با نامعادلات ماتریسی خطی و جعبه ابزار مربوطه در نرم افزار MATLAB
نامعادلات ماتریسی خطی
یک نامعادله ماتریسی خطی (LMI) در حالت کلی به فرم زیر میباشد:

که در آن یک تابع خوش ریخت از بردار حقیقی بوده ، ، تا ماتریس های متقارن مشخص هستند و یک بردار از متغیر های تصمیم گیری میباشد. نماد عدم تساوی در رابطه فوق به این معناست که معین مثبت میباشد، یعنی برای تمامی غیرصفر یا میتوان گفت به این معناست که بزرگترین مقدار ویژه دارای قسمت حقیقی مثبت میباشد.
LMI های چندگانه را میتوان بصورت یک LMI بصورت در نظر گرفت. لذا ما هیچ تفاوتی بین یک مجموعه از LMI ها و یک LMI واحد قائل نمیشویم.
در بسیاری از موارد LMI ها به فرم کانونی (1-1) ظاهر نمیشوند بلکه به فرم

به نمایش درمی آیند که در آن و توابعی خوش ریخت از برخی متغیر های ماتریسی میباشند.
همچنین برخی افراد ساختار زیر را ترجیح میدهند:

خواص نامعادلات ماتریسی خطی
مجموعه جواب های امکان پذیر (1-1) یعنی یک مجموعه محدب میباشد. این یک ویژگی مهم میباشد چراکه تکنیک های حل عددی قدرتمندی برای مسائل دارای مجموعه جواب های محدب وجود دارد.
تحدب: یک مجموعه محدب است اگر و. به عبارت دیگر مجموعه ای محدب است که پاره خط بین هر دو نقطه که در این مجموعه قرار دارند نیز در مجموعه قرار داشته باشد. شکل (1-1) دو مجموعه محدب و غیرمحدب را نشان میدهد. خاصیت تحدب یک نتیجه بسیار مهم دارد و آن اینکه اگر چه معادله (1-1) در حالت کلی دارای راه حل جبری نمیباشد ولی میتوان آنرا با روش های حل عددی حل نمود، با این تضمین که در صورت وجود جواب آنرا پیدا خواهد کرد.

(الف)
(ب)

شکل(1-1): (الف) مجموعه محدب- (ب) مجموعه غیرمحدب
LMI (1-1) یک نامعادله اکید است و فرم غیراکید آن بصورت زیر میباشد:

خاصیت تقارن: LMI ها متقارن میباشند. این خاصیت باعث سادگی تعریف آنها میشود چراکه نیازی به مشخص نمودن تمامی عناصر LMI نیست و تنها مشخص کردن عناصر روی قطر اصلی و بالا یا پایین آن کفایت میکند.
نامعادلات غیرخطی را میتوان با استفاده از متمم Schur به فرم LMI تبدیل نمود. ایده اصلی به این ترتیب است:
LMI زیر را در نظر بگیرید:

که در آن ، و بطور خطی به وابسته میباشد.
LMI فوق معادل نامعادلات زیر میباشد

به بیان دیگر مجموعه نامعادلات غیرخطی(1-6) را میتوان بصورت LMI (1-5) نشان داد.
ماتریس ها بعنوان متغیر
ما اغلب با مسائلی مواجه میشویم که در آنها متغیر ها دارای ساختار ماتریسی میباشند، برای مثال نامعادله لیاپانوف

که در آن ماتریسی معین بوده و متغیر میباشد.در این مورد ما صریحاً LMI را به فرم نخواهیم نوشت اما در عوض مشخص خواهیم کرد کدام ماتریس ها متغیر میباشند. اما با این حال میتوان به سادگی نامعادله لیاپانوف را به فرم (1-1) تبدیل کرد.
جعبه ابزار LMI در نرم افزار MATLAB
جعبه ابزار LMI در نرم افزار MATLAB مجموعه ای از توابع مفید برای حل مسائل مربوط به LMI ها را در اختیار کاربر میگذارد.
بطور کلی یک مسئله شامل LMI ها در نرم افزار MATLAB در دو مرحله حل میگردد. ابتدا اقدام به تعریف LMI های موجود در مسئله میکنیم. این مرحله شامل تعیین متغیر های تصمیم گیری در LMI ها و تعریف LMI ها براساس این متغیر ها میباشد. همانطور که در بخش گذشته بحث گردید نمایش های مختلفی برای یک LMI وجود دارد. MATLAB به سادگی از فرم ماتریسی متغیر های تصمیم گیری که در (1-2) داده شده است به جای فرم برداری که در (1-1) داده شده، استفاده میکند. در مرحله دوم مسئله با استفاده از حل کننده های موجود بطور عددی حل میگردد. چنانچه مسئله شامل کمینه سازی یک تابع با متغیر های تصمیم گیری برداری شکل میباشد بایستی اقدام به تبدیل فرم ماتریسی متغیر های تصمیم گیری به فرم برداری با استفاده از توابع لازم نماییم.
تعیین یک سیستم از LMI ها
توصیف یک LMI به سادگی توسط دستور زیر آغاز میشود:
setlmis([]);
همانطور که مشاهده میکنید برای این تابع هیچ پارامتری تعیین نمیگردد.
پس از آن اقدام به تعریف متغیر ها تصمیم گیری با استفاده از دستور lmivar مینماییم.
برای مثال نامعادله ماتریسی خطی را در نظر بگیرید.در اینجا یک ماتریس ثابت و ماتریس متغیر های تصمیم گیری میباشد. تابع lmivar این اجازه را به ما میدهد که چندین فرم مختلف از ماتریس تصمیم را تعریف نماییم. به عنوان مثال فرض میکنیم که یک ماتریس متقارن با ساختار قطری بصورت زیر باشد:

در این مورد دارای بلوک قطری میباشد. اگر در این مثال را برابر 4 در نظر بگیریم و ابعاد ماتریس های به ترتیب برابر 1،3،5و2 و همگی غیرصفر باشند، با استفاده از ستورات زیر تعریف میشود:
structureX=[5,1;3,1;1,0,2,1]
X=lmivar(1,structureX);
در دستورات فوق تعداد سطر های structureX بیانگر آنست که دارای 4 بلوک میباشد. اولین المان از سطر ابعاد بلوک موجود در را مشخص میکند. دومین المان از بلوک نوع بلوک را تعیین مینماید: 1 برای بلوک کامل، 0 برای اسکالر و -1 برای بلوک صفر. عدد 1 در دستور lmivar این موضوع را بیان میکند که یک ماتریس متقارن با ساختار قطری میباشد.
حال چنانچه ساختار متغیر مورد نظر مربعی نباشد و به عنوان مثال ساختاری مستطیلی شکل با 3 سطر و 5 سطون داشته باشد دستور مربوطه به شکل زیر خواهد بود:
lmivar=(2,[3 5])

در گام بعد باید LMI ها را بصورت تک تک تعریف نماییم. برای مثال اگر LMI بخش قبل یعنی را در نظر بگیریم این LMI با دستورات زیر تعریف میگردد:
typeLMI1=[1 1 1 1];
lmiterm(typeLMI1,C,C');
همانطور که مشاهده میشود در ساده ترین حالت lmiterm سه آرگومان میپذیرد. اولین آرگومان یک بردار میباشد. اولین ستون این بردار شماره LMI مورد تعریف را مشخص میکند که در این مورد LMI شماره 1 در حال تعریف میباشد. ستون دوم و سوم این بردار موقعیت ترم مورد تعریف در LMI را مشخص میکنند و ستون چهارم شماره متغیر تصمیم گیری موجود در ترم مورد نظر را مشخص میکند. آرگومان های دوم و سوم این دستور ضرایب سمت چپ و راست ماتریس تصمیم گیری میباشند. چنانچه بخواهیم نامعادله ماتریسی خطی را تعریف نماییم دستورات بصورت زیر خواهند بود
typeLMI1=[-1 1 1 1];
lmiterm(typeLMI1,C,C');
بعنوان یک مثال پیچیده تر به منظور آشنایی بیشتر با دستورات دو LMI زیر را در نظر میگیریم:

که در آنها و ماتریس های تصمیم گیری میباشند. ساختار را مانند قبل در نظر گرفته و را یک ماتریس کامل متقارن با بعد 4 در نظر میگیریم. مجموعه دستورات زیر این دو LMI را تعریف میکنند:
structureX = [5,1;3,1;1,0;2,1];
X = lmivar(1,structureX);
structureS = [4,1]
S = lmivar(1,structureS);
lmiterm([1 1 1 1],A,A'); % term AXA'
lmiterm([1 1 1 2],B',C); % term B'SC
lmiterm([1 1 2 1],1,D); % term XD
lmiterm([1 2 1 1],D',1); % term D'X
lmiterm([1 2 2 2],1,1); % term S
typeLMI2 = [-1 1 1 1];
lmiterm(typeLMI2,E,E'); % term EXE'
در این مثال به وضوح مشخص است که ترم های دوم و سوم آرگومان اول lmiterm مکان ترم مورد تعریف را در LMI مشخص میکنند.
گام نهایی استفاده از دستور زیر به منظور ایجاد LMI ها میباشد:
LMIs=getlmis;
اکنون نوبت به حل LMI ها میرسد. بطور کلی سه نوع حل کننده LMI در نرم افزار MATLAB مورد استفاده قرار میگیرند که عبارتند از feasp ، mincx و gevp که اولین مورد یعنی feasp برای حل مسئله امکان پذیری LMI ها بصورت زیر مورد استفاده قرار میگیرد:
[tmin,xfeasp]=feasp(LMIs);
که xfeasp شامل متغیر های تصمیم و tmin متغیری است که باید در بهینه سازی منفی گردد.
اکنون برای مشاهده متغیر ها بایستی آنها را به فرم ماتریسی دربیاوریم که این کار با دستور زیر برای مثال قبل امکان پذیر است:
X=dec2mat(LMIs,xfeasp,X);
S=dec2mat(LMIs,xfeasp,S);
پس از این با اجرای فایل نوشته شده نرم افزار به ما میگوید که آیا نامعادلات ماتریسی خطی نوشته شده به ازای پارامتر های موجود امکان پذیر میباشند یا خیر و ما میتوانیم با مشاهده نتایج خواسته های خود را دنبال نماییم.
2- مدل فازی تاکاگی- سوگنو و جبران سازی موازی توزیع شده
2-1- مقدمه
در سال های اخیر شاهد رشد سریع محبوبیت سیستم های کنترل فازی در کاربرد های مهندسی بوده ایم. کاربرد های موفقیت آمیز و بیشمار کنترل فازی موجب انجام فعالیت های گسترده در زمینه آنالیز و طراحی سیستم های کنترل فازی شده است.
این فصل به معرفی مفاهیم پایه، آنالیز و فرآیند های طراحی مدل فازی تاکاگی- سوگنو و جبران سازی موازی توزیع شده میپردازد. این فصل با معرفی مدل فازی تاکاگی- سوگنو آغاز شده و با روند ایجاد چنین مدل هایی دنبال میشود. سپس یک طراحی کنترل کننده فازی مبتنی بر مدل (model-based) که از مفهوم " جبران سازی موازی توزیع شده" بهره میبرد، تشریح شده است.
مدل فازی تاکاگی- سوگنو
تشریح روند طراحی را با نمایش دادن یک سیستم غیر خطی توسط مدل فازی تاکاگی- سوگینو آغاز میکنیم.
مدل پیشنهاد شده توسط تاکاگی و سوگنو توسط قوانین فازی اگر- آنگاه که رابطه محلی خطی ورودی- خروجی یک سیستم غیر خطی را نشان میدهند، توصیف میشود. مشخصه اصلی یک مدل فازی تاکاگی- سوگنو بیان دینامیک های محلی هر قانون فازی توسط یک مدل خطی سیستم است. مدل فازی کلی سیستم با ترکیب فازی مدل های خطی سیستم حاصل میشود.
i امین قانون از مدل فازی T-S برای سیستم های فازی پیوسته به شکل زیر است:
اگر و ... باشند. آنگاه:(2-1)
و برای سیستم های فازی گسسته به صورت زیر میباشد:
اگر و ... باشند. آنگاه:
(2-2)
که در رابطه فوق مجموعه فازی بوده و تعداد قوانین مدل میباشد. همچنین بردار حالت، بردار ورودی، بردار خروجی، به همراه و ماتریس های فضای حالت سیستم و و... متغیر های مفروض شناخته شده میباشند که این متغیر ها میتوانند تابعی از متغیر های حالت، اغتشاشات خارجی و یا زمان باشند. فرض ما بر این است که متغیر های مفروض تابعی از متغیر های ورودی نمیباشند چرا که در آن صورت فرآیند غیر فازی سازی کنترل کننده فازی بسیار پیچیده خواهد شد.
پس از غیرفازی سازی، سیستم فازی کلی برای سیستم های پیوسته در زمان را میتوان به فرم زیر نوشت:
(2-3)
همچنین برای سیستم های گسسته روابط بصورت زیر خواهند بود:
(2-4)
که پارامتر های موجود در روابط فوق به شرح زیر میباشند:

ساخت مدل فازی
بطور کلی دو روش برای ساخت مدل فازی وجود دارد که عبارتند از:
تعیین مدل با استفاده از داده های ورودی- خروجی
استخراج مدل از معادلات داده شده سیستم غیر خطی
فرآیند اول بطور عمده شامل دو بخش است: شناسایی ساختار و شناسایی پارامتر. این روش برای سیستم هایی که نشان دادن آنها توسط مدل های تحلیلی و یا فیزیکی دشوار یا غیرممکن است، مناسب میباشد. از سوی دیگر مدل های دینامیک غیرخطی برای سیستم های مکانیکی میتوانند به عنوان مثال با روش لاگرانژ و نیوتن- اویلر به آسانی به دست آیند. در این بخش تمرکز ما بر روی روش دوم خواهد بود که این روش از مفاهیم غیرخطی بودن قطعه ای و تقریب محلی و یا ترکیب آنها برای ساخت مدل فازی بهره میبرد.
غیرخطی بودن قطعه ای
سیستم ساده را در نظر بگیرید که در آن . هدف یافتن قطعه ای کلی است بطوریکه . شکل (2-1) روش غیرخطی بودن قطعه ای را نشان میدهد.

شکل (2-1): غیرخطی بودن کلی قطعه ای
این روش ساخت یک مدل فازی دقیق را تضمین مینماید. اما به هر حال گاهی یافتن قطعه های کلی برای سیستم های غیرخطی عمومی مشکل میباشد. در این موارد ما غیرخطی بودن محلی قطعه ای را در نظر میگیریم. این روش منطقی به نظر میرسد چراکه متغیر های سیستم های فیزیکی همیشه کراندار میباشند. شکل (2-2) غیرخطی بودن محلی قطعه ای را نشان میدهد که در آن دو خط در بازه قطعه های محلی محسوب میشوند. مدل فازی در ناحیه محلی یعنی بطور دقیق سیستم خطی را نمایش میدهد.

شکل (2-2): غیرخطی بودن محلی قطعه ای
مثال 1-1 گام های مشخص در ساخت مدل های فازی را تشریح مینمایند.
مثال 1-1
سیستم غیرخطی زیر را در نظر بگیرید:

برای سادگی فرض میکنیم که و . البته بدیهی که میتوانیم هر محدوده ای را برای آن دو برای ساخت مدل فازی متصور شویم.
معادله فوق را میتوان به فرم زیر نوشت:

که در رابطه فوق بوده و و ترم های غیرخطی میباشند. برای ترم های غیرخطی متغیر هایی را بصورت زیر تعریف میکنیم:

پس خواهیم داشت:

اکنون به محاسبه حداقل و حداکثر مقادیر و زمانیکه و باشند، میپردازیم:

با استفاده از مقادیر حداکثر و حداقل میتوان و را به فرم زیر نمایش داد:

که در رابطه فوق داریم:

بنابراین توابع عضویت بصورت زیر محاسبه میگردند:

توابع عضویت را به ترتیب مثبت، منفی، بزرگ و کوچک نام گذاری میکنیم. سپس سیستم غیرخطی با مدل فازی زیر به نمایش در می آید:
قانون شماره 1:
اگر مثبت و بزرگ باشند. آنگاه:

قانون شماره 2:


اگر مثبت و کوچک باشد. آنگاه:

قانون شماره 3:
اگر منفی و بزرگ باشد. آنگاه:

قاون شماره 4:
اگر منفی و کوچک باشد. آنگاه:

که داریم:

شکل های زیر توابع عضویت را نشان میدهند.

شکل (2-3): توابع عضویت و

شکل (2-4): توابع عضویت و
فرآیند غیرفازی سازی بصورت زیر انجام میپذیرد:

که در آن

این مدل فازی بطور دقیق سیستم خطی را در ناحیه بر روی فضای نمایش میدهد.
تقریب محلی در فضاهای تقسیم شده فازی
یک روش دیگر به منظور دست یافتن به مدل های فازی T-S روش تقریب محلی در فضاهای تقسیم شده فازی میباشد. اساس این روش تقریب ترم های غیرخطی توسط ترم های خطی است که خردمندانه انتخاب شده اند. این روش منجر به کاهش تعداد قوانین مدل میشود. تعداد قوانین مدل مستقیما" با پیچیدگی تحلیل و طراحی شرایط LMI متناسب است. اگر چه در این روش تعداد قوانین کاهش می یابد، اما طراحی قوانین کنترل مبتنی بر مدل فازی تقریب زده شده ممکن است پایداری سیستم های غیرخطی اصلی را تحت این قوانین کنترل تضمین نکند.
جبرانسازی توزیع شده موازی
تاریخچه جبرانسازی توزیع شده موازی با یک فرآیند طراحی مبتنی بر مدل ارائه شده توسط کانگ و سوگنو آغاز میشود. اما پایداری سیستم های کنترل در آن فرآیند طراحی مد نظر قرار نگرفته بود. به مرور فرآیند طراحی بهبود یافت و پایداری سیستم های کنترل در ]17[ مورد تحلیل واقع شد و فرآیند طراحی در ]13[ جبرانسازی توزیع شده موازی نام گرفت.
PDC یک فرآیند برای طراحی کنترل کننده فازی از روی مدل فازی T-S داده شده پیشنهاد میکند. برای درک PDC، یک سیستم کنترل شده (سیستم غیرخطی) در ابتدا توسط یک مدل فازی T-S به نمایش در می آید. تأکید میکنیم که بسیاری از سیستم های واقعی، برای مثال سیستم های مکانیکی و سیستم های بی نظم، را میتوان توسط مدل های فازی T-S به نمایش درآورد.
در طراحی PDC هر قانون کنترل از روی قانون متناظر یک مدل فازی T-S طراحی میشود. کنترل کننده فازی طراحی شده مجموعه های فازی یکسانی را با مدل فازی در بخش های مفروض به اشتراک میگذارد.
برای مدل های فازی (2-1) و (2-2) کنترل کننده فازی ساخته شده از طریق PDC بصورت زیر است:
اگر و ... باشند. آنگاه:
(2-5)
قوانین کنترل فازی دارای یک کنترل کننده خطی (در این مورد قوانین فیدبک حالت) در بخش نتیجه میباشند. میتوانیم از دیگر کنترل کننده ها نظیر کنترل کننده های فیدبک خروجی و کنترل کننده های فیدبک خروجی دینامیک به جای کنترل کننده های فیدبک حالت استفاده کنیم.
کنترل کننده فازی کلی را میتوان بصورت زیر به نمایش درآورد:
(2-6)
اکنون چنانچه این کنترل کننده را به خروجی سیستم فازی در حالت گسسته در زمان یعنی
(2-7)
اعمال نماییم، سیستم حلقه بسته بصورت زیر خواهد بود:
(2-8)
اکنون با اعمال قضیه پایداری لیاپانوف به این نتیجه میرسیم که سیستم (2-7) بطور مجانبی پایدار است چنانچه یک ماتریس معین مثبت مشترکی مانند وجود داشته باشد بطوریکه نامعادلات ماتریسی زیر برقرار باشند:
(2-9)
توجه نمایید که میتوانیم سیستم (2-7) را بصورت زیر بنویسیم:
(2-10)
که در آن:

بنابراین میتوان تئوری زیر را جهت بیان شرایط کافی پایداری سیستم (2-7) بیان نمود.
تئوری 2-1
نقطه تعادل سیستم فازی (2-7) بطور مجانبی پایدار است چنانچه ماتریس معین مثبت مشترکی مانند وجود داشته باشد بطوریکه نامعادلات ماتریسی زیر برقرار باشند:
(2-11)
پس طراحی کنترل کننده فازی برابر است با تعیین بهره های فیدبک محلی به گونه ای که شرایط بیان شده در تئوری 2-1 برقرار باشند. بطور کلی، ابتدا بایستی یک کنترل کننده برای هر قانون طراحی نماییم و بررسی نماییم که آیا شرایط پایداری برقرار میباشند یا خیر. چنانچه شرایط برقرار نبود بایستی فرآیند را تکرار نماییم تا شرایط مورد نظر برقرار گردند.
با PDC یک فرآیند ساده برای کار با سیستم های غیرخطی در اختیار داریم. دیگر تکنیک های کنترل غیرخطی نیازمند دانش ویژه و نسبتا" پیچیده میباشند.
3- کنترل کننده های استاتیکی خروجی
3-1- مقدمه
بسیاری از سیستم های فیزیکی دارای حالت های محدودی جهت اندازه گیری و باز خورد نمودن برای سیستم کنترلی میباشند و معمولا" یک بردار حالت کامل جهت اندازه گیری و استفاده در حلقه فیدبک در دسترس نیست بلکه تنها بخشی از آن توسط بردار خروجی پوشش داده میشود. در این حالت دو راهکار برای برخورد با این مشکل وجود دارد. در راهکار اول میتوان یک مشاهده گر کاهش رتبه یافته جهت حصول نیازمندی های فیدبک حالت کامل طراحی نمود که موجب ایجاد دینامیک های اضافی و پیچیده شدن طراحی میگردد. راه دیگر استفاده از فیدبک استاتیک خروجی (SOF) میباشد که به دلیل اینکه به هیچ دینامیک اضافه ای نیاز ندارد و تنها از خروجی های قابل اندازه گیری در طراحی فیدبک آن استفاده میشود، طراحی آن ساده میباشد و از نقطه نظر اجرایی از نظر هزینه به صرفه تر و قابل اطمینان تر از فیدبک دینامیکی میباشد. علاوه بر آن بسیاری از مسائل قابل کاهش به انواع آن میباشند. به بیان ساده، مسأله فیدبک استاتیک خروجی عبارتست از فیدبک استاتیک خروجی که باعث گردد سیستم حلقه بسته برخی ویژگی های مورد نظر را داشته باشد و یا تعیین اینکه چنین فیدبکی وجود ندارد.
مسئله فیدبک استاتیک خروجی نه تنها به خودی خود از اهمیت بالایی برخوردار است بلکه از آنجاییکه بسیاری از مسائل دیگر قابل تقلیل به انواع مختلف آن میباشند، نیز موجب مورد توجه قرار گرفتن آن گردیده است. به عنوان مثال زمانی که به دلیل هزینه و قابلیت اطمینان بایستی یک کنترل کننده ساده مورد استفاده قرار گیرد و یا آنجاییکه در برخی کاربرد ها به دلیل نیاز تنظیماتی خاص در پارامتر هایی مشخص به منظور کنترل یک سیستم فیزیکی طراح نیازمند آنست که تعداد پارامتر ها تا حد امکان کاهش دهد.
اگر چه در دهه های اخیر مسأله کنترل کننده فیدبک خروجی بطور دقیق مورد مطالعه قرار گرفته است اما برخلاف مسأله فیدبک حالت، فیدبک خروجی همچنان به عنوان یکی از مسائل مطرح در مهندسی کنترل شناخته میشود.
3-2- پایدار سازی توسط فیدبک استاتیک خروجی
مسأله پایداری فیدبک استاتیک خروجی جزو مورد علاقه ترین مسائل کنترل است که تا هم اکنون پاسخ کامل و روشنی برای آن در دسترس نیست. در دهه های اخیر روش های گوناگونی جهت اعمال به این مسأله ارائه گردیده است. مسأله کنترلی فیدبک خروجی به هنگام مقایسه با مسائل کنترلی فیدبک حالت دشواری خود را بیشتر به نمایش میگذارد. تفاوت اساسی بین مسائل پایدار سازی فیدبک حالت و خروجی اینست که در حالیکه پایدار سازی بوسیله فیدبک حالت به یک مسأله محدب ختم میشود، فیدبک خروجی موجب تبدیل مسأله به یک مسأله غیرمحدب میگردد و موجب دشواری های محاسباتی میشود. چراکه پاسخ یک مسأله محدب را میتوان توسط جعبه ابزار برخی نرم افزار ها نظیر جعبه ابزار LMI در نرم افزار MATLAB، یافت که نیازمند یک زمان چند جمله ای میباشد و بسیاری از مسائل کنترلی مهم که از فیدبک حالت بهره میبرند را میتوان توسط تکنیک های نامعادله ماتریسی خطی حل نمود. از سوی دیگر یافتن پاسخ یک مسأله غیرمحدب بطور عمومی نیازمند یک زمان غیر چند جمله ای میباشد به این معنا که یک افزایش کوچک در ابعاد به دلیل افزایش بسیار زیاد زمان محاسبات موجب عدم کارآیی الگوریتم میگردد.
در این بخش به بحث در مورد مسئله پایدار سازی یک سیستم حلقه باز ناپایدار توسط فیدبک استاتیک خروجی میپردازیم. در ابتدا برخی شرایط لازم و سپس برخی شرایط کافی برای قابل حل بودن مسئله را ارائه خواهیم نمود. پس از آن برخی روش های مورد استفاده برای یافتن بهره پایدار ساز را مورد بحث قرار میدهیم.
3-2-1- شرایط لازم
در ابتدا به شناسایی مواردی خواهیم پرداخت که فیدبک استاتیک نمیتواند یک سیستم حقله باز ناپایدار را پایدار سازد. به منظور بیان این شرایط تئوری های زیر را مد نظر قرار میدهیم:
تئوری 3-1
یک سیستم خطی با تابع تبدیل توسط یک جبرانساز پایدار پایدار پذیر است، اگر و تنها اگر تعداد قطب های حقیقی بین هر جفت از صفر های حقیقی مسدود کننده در نیم صفحه راست زوج باشد. سیستمی که محدودیت های قطب- صفر را برآورده میکند، برآورده کننده PIP گفته میشود.
تئوری 3-2
یک سیستم خطی با تابع تبدیل توسط یک جبرانساز پایدار که هیچ صفر حقیقی ناپایداری ندارد، پایدار پذیر است اگر و تنها اگر:
برآورده کننده PIP باشد.
تعداد صفر های حقیقی مسدود کننده بین هر دو قطب حقیقی زوج باشد.
در این مورد گفته میشود که ، PIP زوج را برآورده مینماید.
با استفاده از تئوری 3-2 شرط لازم ذیل بدست می آید.
شرط لازم: شرط لازم جهت پایداری پذیری توسط فیدبک استاتیک خروجی آنست که سیستم با تابع تبدیل ، PIP زوج را برآورده سازد.
مثال 3-1
سیستمی که دارای تابع تبدیل زیر است:

برای ، PIP را برآورده نمیکند و بنابراین توسط SOF پایدار نمیگردد. به ازای ، PIP زوج برآورده شده و برای مقادیر به اندازه کافی کوچک یک تحلیل ساده مکان هندسی ریشه ها نشان میدهد که سیستم توسط SOF پایداری پذیر میباشد.
3-2-2- شرایط کافی
با توجه به تحلیل های صورت گرفته در این زمینه مانند مکان هندسی ریشه، میتوان گفت که مینیمم فاز بودن و شرایط درجه نسبی شروط لازم و کافی جهت بطور اکید حقیقی مثبت (SPR) ساختن یک سیستم مربعی (تعداد ورودی ها و خروجی ها برابر باشند) با استفاده از فیدبک استاتیک خروجی میباشند.
3-2-3- روش های طراحی و محدودیت ها
در مورد سیستم های تک ورودی- تک خروجی (SISO)، روش های گرافیکی نظیر مکان هندسی ریشه ها و نایکوئیست جهت پاسخگویی به مسائل وجود و طراحی کنترل کننده های استاتیکی خروجی پایدار ساز استفاده میشوند. علاوه بر آن برخی تست های جبری لازم و کافی برای وجود فیدبک های خروجی پایدار ساز وجود دارند (Ielmke and Anderson,1992; Perez et al.,1993). به هر حال این تست ها نیازمند برخی اقدامات ابتدایی نظیر یافتن ریشه ها و مقادیر ویژه میباشند که موجب میشود دشواری آنها کمتر از روش های گرافیکی نباشد. علاوه بر آن این روش ها به راحتی قابل تعمیم به سیستم های چند ورودی- چند خروجی (MIMO) نمیباشند.
در این بخش به بیان اجمالی برخی نتایج که در حل مسائل مربوط به فیدبک استاتیک خروجی مفید میباشند خواهیم پرداخت و ویژگی های آنها را مورد بررسی قرار میدهیم. ایده کلی آنست که یک فیدبک استاتیک خروجی پایدار ساز بایستی یک عضو از خانواده تمامی جبرانساز های فیدبک خروجی پایدار ساز باشد.
روش مرتبه دوم خطی معکوس
سیستم زیر را در نظر بگیرید:
(3-1)
و در نظر میگیریم. علامت خنجر بیانگر معکوس Moore-Penrose میباشد. آنگاه سیستم توسط فیدبک استاتیک خروجی پایدار پذیر است اگر و تنها اگر ماتریس های ، و با ابعاد مناسب وجود داشته باشند بطوریکه معادله جبری زیر یک جواب یکتای داشته باشد.
(3-2)
مشکل در این است که در حقیقت نمیتوان به سادگی ماتریس های ، و را انتخاب نمود و همچنین معادله فوق را برای حل نمود.
قابل تعیین بودن کواریانس توسط فیدبک خروجی
ایده اصلی در پشت تئوری کنترل کواریانسی عبارتست از فراهم نمودن یک توصیف از تمامی ماتریس های کواریانس قابل تعیین و پارامتریزه کردن تمامی کنترل کننده هایی که یک کواریانس خاص را تعیین مینمایند (Hotz and Skelton,1987;Yasuda et al.,1993;Skelton and Iwasaki,1993). یک سیستم تصادفی را بصورت زیر در نظر بگیرید:
(3-3)
که در آن اغتشاشی از نویز سفید با میانگین صفر و شدت میباشد، ماتریس کواریانس حالت پایدار بردار حالت بصورت زیر تعریف میگردد:
(3-4)
که در آن بیانگر امید ریاضی میباشد. برای یک قانون کنترلی فیدبک استاتیک خروجی ، به خوبی شناخته شده است که معادله لیاپانوف زیر را حل مینماید:
(3-5)
ماتریس یک کواریانس قابل تعیین نامیده میشود چنانچه بهره کنترل کننده ای مانند وجود داشته باشد که معادله فوق را برآورده نماید. چنانچه پایدار پذیر و کنترل پذیر باشند آنگاه، با استفاده از تئوری پایداری لیاپانوف، معادل پایداری سیستم حلقه بسته میباشد. نتیجه ذیل تمامی کواریانس های قابل تعیین توسط فیدبک استاتیک خروجی را پارامتریزه مینماید (Yasuda et al.,1993).
تئوری 3-3
ماتریس یک کواریانس قابل تعیین توسط فیدبک استاتیک خروجی میباشد اگر و تنها اگر معادلات زیر را برآورده نماید:
(3-6)
(3-7)
(3-8)
که در آن:

یک روش پارامتریزه کردن تمامی بهره های فیدبک استاتیک خروجی که سیستم را پایدار و یک کواریانس قابل تعیین خاص را مشخص مینمایند در ادامه ارائه گردیده است(Yasuda et al.,1993).
تئوری 3-4
اگر یک ماتریس کواریانس قابل تعیین باشد. آنگاه تمامی بهره های فیدبک استاتیک خروجی که را برای سیستم حلقه بسته تعیین میکنند بصورت زیر پارامتریزه میگردند:
(3-9)
که در آن:

و یک ماتریس دلخواه و یک ماتریس دلخواه پادمتقارن است.
شرایط (3-6) تا (3-9) را میتوان بصورت پارامتریزه نمودن فضای حالت تمامی بهره های فیدبک استاتیک خروجی پایدار ساز بر حسب ماتریس کواریانس حالت دانست. دشواری عمده در تئوری کنترل کواریانسی رسیدن به این مهم است که آیا برای معادلات (3-8)- (3-6) یک پاسخ مشترک وجود دارد و اگر وجود دارد چگونه میتوان آنرا یافت. زمانی که یک پاسخ مشترک یافت گردید، فرآیند پارامتریزه نموده (3-9) تمامی بهره های استاتیکی را فراهم میکند که سیستم را پایدار میکنند و را بعنوان یک کواریانس حلقه بسته تعیین مینمایند.
روش محدودیت ساختاری خروجی
مسئله فیدبک استاتیک خروجی را میتوان بصورت یک مسئله فیدبک حالت در نظر گرفت که در آن بهره های فیدبک در معرض یک محدودیت ساختاری قرار دارند. بطور ویژه، پایدار است اگر و تنها اگر پایدار باشد که در آن و یک پایه متعامد بهنجار از فضای پوچی است. ماتریس های الحاقی زیر را تعریف مینماییم:
(3-10)
و همچنین توابع زیر را در نظر میگیریم:
(3-11)
(3-12)
که در آنها یک ماتریس متقارن بصورت زیر است:

یک شر لازم و کافی برای پایدار سازی خروجی را میتوان بصورت زیر بیان نمود:
تئوری 3-5
بهره فیدبک استاتیک خروجی پایدار سازی وجود دارد، اگر و تنها اگر:
(3-13)
که در آن:

بیانگر فضای پوچی است. مجموعه تمامی بهره های فیدبک استاتیک خروجی پایدار ساز بصورت زیر پارامتریزه میگردند:
(3-14)
که در آن .
مجموعه محدب است، اما غیرمحدب است و موجب دشواری بررسی شرط (3-13) میگردد.
فرمولبندی نامعادلات ماتریسی خطی مزدوج
شرایط لازم و کافی برای فیدبک استاتیک خروجی را میتوان بر حسب نامعادلات ماتریسی خطی مزدوج و به دنبال آن روش تابع درجه دوم لیاپانوف بدست آورد. از تئوری پایداری لیاپانوف میدانیم که ماتریس سیستم حلقه بسته پایدار است، اگر و تنها اگر به ازای برخی نامعادله ماتریسی زیر را برآورده نماید:
(3-15)
برای مقادیر ثابت ، نامعادله فوق یک نامعادله ماتریسی خطی بر حسب است. LMI فوق بر حسب محدب است و میتوان از تکنیک های برنامه نویسی محدب برای یافتن بطور عددی زمانی که مشخص باشد استفاده کرد.
شرایط لازم و کافی برای پایدار سازی فیدبک استاتیک خروجی را میتوان بوسیله یافتن شرایط حل پذیری نامعادله فوق بر حسب بدست آورد.
تئوری 3-6
یک بهره فیدبک استاتیک خروجی پایدار ساز وجود دارد اگر و تنها اگر وجود داشته باشد بطوریکه:
(3-16)
(3-17)
که در آن و ماتریس های رتبه کاملی هستند که به ترتیب بر و متعامد میباشند.
نامعادله (3-16) از نامعادله (3-15) با ضرب کردن آن از سمت چپ با و از سمت راست با حاصل میشود. نامعادله (3-17) نیز از ضرب نامعادله (3-15) از سمت چپ و راست با و سپس ضرب نمودن از سمت چپ با و از سمت راست با بدست می آید. در برخی منابع نشان داده شده است که عکس این مورد نیز صحیح است، به این معنا که اگر یک وجود داشته باشد که نامعادلات (3-16) و (3-17) را برآورده نماید آنگاه یک بهره فیدبک استاتیک خروجی پایدار ساز وجود خواهد داشت.
تئوری 3-7
تمامی بهره های فیدبک استاتیک پایدار ساز را میتوان بصورت زیر پارامتریزه نمود:
(3-18)
که در آن:

همچنین یک ماتریس معین مثبت است که نامعادلات (3-16) و (3-17) را برآورده مینماید و ماتریسی است که .
توجه نمایید که (3-16) یک LMI بر حسب و (3-17) یک LMI بر حسب میباشد، اما یافتن یک چنین کاری دشوار است، چراکه این دو نامعادله بر حسب محدب نمیباشند.
تا بدین جا مشخص گردید که تمامی تئوری های ارائه شده دارای محدودیت هایی بوده و یافتن بهره ها با استفاده از این الگوریتم ها دشوار و گاها" ناممکن مینماید. در ادامه به ارائه تئوری میپردازیم که شروط کافی جهت پایدار سازی سیستم توسط فیدبک استاتیک خروجی را بیان مینماید و نتایج آن در فصول آینده مورد استفاده قرار میگیرد.
شرایط LMI کافی برای مسئله کنترل فیدبک خروجی
سیستم پیوسته با زمان زیر را در نظر میگیریم:
(3-19)
که در آن ، و ماتریس های حالت سیستم میباشند. بسیار واضح است که سیستم (3-19) از طریق فیدبک حالت قابل پایدار سازی است اگر و تنها اگر ماتریس معین مثبت و با ابعاد مناسب وجود داشته باشند بطوریکه:
(3-20)
با ضرب نامعادله فوق از دو طرف در خواهیم داشت:
(3-21)
اکنون با تعریف معادله فوق نیز بصورت زیر تبدیل خواهد شد:
(3-22)
در حقیقت این یک نتیجه شناخته شده از میباشد که نامعادله بالا بر حسب متغییر های و امکان پذیر است اگر و تنها اگر ماتریس های و پایدار پذیر باشند، انگاه فیدبک سیستم (3-19) را پایدار میسازد. یافتن یک پاسخ برای این مسأله یا بیان اینکه مسأله امکان پذیر نمیباشد با الگوریتم های موجود به سادگی صورت میپذیرد.
اکنون حالت فیدبک استاتیک خروجی را در نظر میگیریم، یعنی قانون کنترلی مورد نظر ساختاری بصورت یا بطور معادل با دارد. از رابطه (3-21) داریم:
(3-23)
به دلیل اینکه نامعادلات ماتریسی فوق بطور کلی محدب نمیباشند، حل عددی آنها برای و بسیار دشوار میباشد. در ارتباط با این مسأله غیرمحدب، مسأله محدب زیر را داریم:
تعریف 3-1- مسأله W
ماتریس های معلوم ، و ماتریس رتبه کامل سطری را در نظر میگیریم. مسأله W شامل یافتن، در صورت امکان، ماتریس های ، و میشود بطوریکه:
(3-24)
مسألهW دارای دو جنبه مهم است: محدب میباشد و از اینرو میتوان آنرا را با الگوریتم های کارآمد حل نمود، علاوه بر آن چنانچه امکان پذیر باشد آنگاه مسأله پایدار سازی فیدبک استاتیک خروجی (3-23)، که محدب نمیباشد، نیز امکان پذیر خواهد بود که در ادامه نشان داده خواهد شد.
تئوری 3-8
اگر ، و پاسخ های مسأله Wباشند. آنگاه فیدبک
(3-25)
سیستم (3-19) را پایدار میسازد.
اثبات:اگر رتبه سطری کامل باشد، آنگاه از نتیجه میشود که نیز رتبه کامل است و بنابراین معکوس پذیر است در نتیجه . با استفاده از این حقیقت و تعریف رابطه (3-23) را از رابطه (3-24) بدست خواهیم آورد.
چنانچه نقطه آغاز کار را به جای رابطه (3-21)، رابطه (3-20) در نظر بگیریم، نتیجه حاصل بصورت زیر خواهد بود:
تعریف 3-2- مسألهP
ماتریس های معلوم ، و ماتریس رتبه کامل ستونی را در نظر میگیریم. مسأله P شامل یافتن، در صورت امکان، ماتریس های ، و میشود بطوریکه:
(3-26)
استنباط 1: اگر ، و پاسخ های مسألهP باشند. آنگاه فیدبک
(3-27)
سیستم (3-19) را پایدار میسازد.
امکان پذیری هر کدام از مسائلP یا W یک شرط کافی برای مسأله فیدبک استاتیک خروجی میباشد و این مزیت را دارد که به دلیل محدب بودن میتوان آنرا با الگوریتم های موثر و کارآمد مورد بررسی قرار داد.
نتایج برای سسیتم های گسسته در زمان بصورت زیر خواهد بود.
سیستم گسسته در زمان زیر را در نظر میگیریم:
(3-28)
همتای گسسته در زمان (3-23) بصورت زیر خواهد بود:
(3-29)
براساس این نامعادله ماتریسی نتایج زیر را بدست می آوریم:
تعریف 3-3- مسألهP گسسته
ماتریس های معلوم ، و ماتریس رتبه کامل ستونی را در نظر میگیریم. مسأله P گسسته شامل یافتن، در صورت امکان، ماتریس های ، و میشود بطوریکه:
(3-30)
تعریف 3-4- مسألهW گسسته:
ماتریس های معلوم ، و ماتریس رتبه کامل سطری را در نظر میگیریم. مسأله W گسسته شامل یافتن، در صورت امکان، ماتریس های ، و میشود بطوریکه:
(3-31)
مشابه مورد پیوسته با زمان نشان دادن اینکه چنانچه مسأله Pامکان پذیر باشد آنگاه قانون کنترلی سیستم (3-28) را پایدار میسازد کار دشواری نیست، همچنین چنانچه مسأله Wامکان پذیر باشد آنگاه قانون کنترلی سیستم (3-28) را پایدار میسازد.
4- طراحی کنترل کننده فیدبک استاتیک خروجی برای نیل به تعقیب فازی H∞ برای سیستم های غیرخطی توصیف شده با مدل تاکاگی- سوگنو T-S
مقدمه
یک سیستم غیرخطی به مجموعه ای از معادلات غیرخطی گفته میشود که برای توصیف یک دستگاه یا فرآیند فیزیکی بکار گرفته میشوند که نمیتوان آن را توسط مجموعه ای از معادلات خطی تعریف نمود. سیستم های دینامیکی به عنوان یک مترادف برای سیستم های فیزیکی یا ریاضی استفاده میشود زمانیکه معادلات توصیف کننده نمایانگر تکامل یک پاسخ با زمان یا گاهاً با ورودی های کنترل و/ یا دیگر پارامتر های متغیر میباشند.
امروزه سیستم های کنترل غیرخطی جهت توصیف گستره وسیعی از پدیده های علمی و مهندسی استفاده میشوند. از پدیده های اجتماعی، زندگی و فیزیکی گرفته تا مهندسی و تکنولوژی. تئوری سیستم های کنترل غیرخطی برای طیف وسیعی از مسائل در فیزیک، شیمی، ریاضیات، زیست، پزشکی، اقتصاد و شاخه های مختلف مهندسی بکار گرفته شده است.
تئوری پایداری نقش مهمی در سیستم های مهندسی به ویژه در حوزه سیستم های کنترل و اتوماسیون دارد. پایداری یک سیستم دینامیکی با یا بدون ورودی های کنترلی و اغتشاش یک نیاز اساسی برای مقادیر عملی آن به ویژه در اکثر کاربرد های جهان واقعی محسوب میشود. میتوان گفت پایداری به این معناست که خروجی های سیستم و سیگنال های درونی آن در حدودی قابل قبول محدود باشند (اصطلاحاً پایداری ورودی محدود- خروجی محدود) و یا میتوان گفت خروجی های سیستم به یک حالت تعادل مورد نظر میل کنند (پایداری مجانبی).
مسائل پایدار سازی و کنترل سیستم های غیرخطی از جمله مهمترین مسائل موجود در تئوری کنترل میباشند. تاکاگی و سوگنو (T-S) روشی معروف جهت حل این مسئله در ]12[ ارائه کرده اند. روش آنها عبارتست از تبدیل سیستم غیرخطی اولیه به زیر مجموعه های خطی محلی بیان شده با قوانین اگر- آنگاه با استفاده از روش مدل سازی فازی و پس از آن پیاده سازی روش های طراحی کنترل سیستم های خطی و تولید یک کنترل کننده کننده جبرانسازی توزیع شده موازی (PDC)، به ]14[ مراجعه شود. کنترل کننده حاصل ترکیبی فازی از تمامی کنترل کننده های خطی محلی خواهد بود.
نه تنها پایدار سازی، بلکه عملکرد سیستم حلقه بسته نیز بایستی در یک PDC برای یک مدل فازی T-S یک سیستم غیرخطی اولیه در نظر گرفته شود. بطور خاص، برخی از محققان به طرز موفقیت آمیزی مسئله کنترل تعقیب فازی را برای سیستم های غیرخطی در نظر گرفته اند. با بکار گیری این روش ها، روش های کنترلی متفاوتی توسعه داده شده اند بطوریکه سیستم حلقه بسته نهایی پایدار گردد و همچنین معیار خطای تعقیب به ازای سیگنال های مرجع و محدود کمینه میشود. در بین نتایج متعددی که برای حل این مسئله وجود دارد، چند روش مهم به چشم میخورد که به نظر میرسد جهت کار بر روی مسئله کنترل تعقیب فازی فیدبک استاتیک مناسب تر میباشند، ]3[-]1[. در این نتایج یک کنترل کننده محلی اگر- آنگاه مبتنی بر مشاهده گر و یک الگوریتم دو مرحله ای جهت یافتن بهره کنترل کننده ها و مشاهده گرها ارائه شده است.
علیرغم موفقیت روش های ذکر شده در بالا، همچنان مشکلاتی جهت پرداختن به آنها وجود دارد. برای سیستم های غیرخطی که پس از مدل سازی فازی T-S، با تعداد زیر سیستم های خطی اگر- آنگاه زیادی مواجه میشویم، کنترل کننده نهایی حاصل از روش های بالا بسیار پیچیده خواهد بود و پیاده سازی عملی آن محدود و گاها" غیرممکن خواهد شد.
از سوی دیگر، بکار گرفتن کنترل کننده های فیدبک استاتیک خروجی (SOF) برای مسائل مختلف در حوزه سیستم های فازی برای بسیاری از محققان مورد علاقه بوده است. سادگی در پیاده سازی عملی کنترل کننده های SOF انگیزش اصلی فعالیت در این زمینه میباشد. با اینحال، طراحی این دسته از کنترل کننده ها بسیار پیچیده تر از کنترل کننده های فیدبک خروجی رتبه کامل معمولی میباشد.
در ادامه به ارائه پاسخی برای مسئله کنترل تعقیب فازی از طریق انتخاب یک ساختار کنترل کننده SOF خواهیم پرداخت.
طراحی کنترل کننده در این بخش به ارائه یک روش مبتنی بر LMI-LME جهت طراحی کنترل کننده SOF برای نیل به تعقیب فازی برای سیستم های غیرخطی توصیف شده با مدل تاکاگی- سوگنو T-S خواهیم پرداخت. تاکاگی و سوگنو یک مدل دینامیکی فازی به منظور به نمایش درآوردن یک سیستم غیرخطی بوسیله درون یابی تکه ای چندین مدل محلی خطی به واسطه توابع عضویت ارائه نمودند. هر مدل خطی در حقیقت توسط یک قانون اگر- آنگاه بیان میشود. اکنون ما یک سیستم غیرخطی را که میتوان آنرا توسط مدل فازی T-S زیر توصیف کرد در نظر میگیریم:
قانون شماره i سیستم:
اگر و ... باشند. آنگاه:
(4-1)
که در رابطه فوق مجموعه فازی بوده و تعداد قوانین مدل میباشد. همچنین بردار حالت، ورودی کنترلی، خروجی اندازه گیری شده، به همراه و ماتریس های فضای حالت سیستم و و... متغیر های مفروض شناخته شده میباشند. همچنین اغتشاش خارجی کران دار بوده و نویز اندازه گیری کران دار است. با استفاده از فرآیند غیرفازی سازی، سیستم فازی کلی را میتوان به فرم زیر نوشت:
(4-2)
که در آن داریم:

میزان تعلق نسبی را به مشخص میکند.
اکنون یک مدل مرجع را بصورت زیر در نظر میگیریم:
(4-3)
که در آن بردار حالت مرجع بوده، یک ماتریس پایدار مجانبی را مشخص میکند و بردار خروجی میباشد و همچنین ورودی مرجع کران دار میباشد. فرض بر اینست که برای تمامی زمان های یک خط سیر مطلوب برای را به نمایش میگذارد. اکنون عملکرد تعقیب مربوط به خطای تعقیب، ، را بصورت زیر در نظر میگیریم:
(4-4)
که در آن زمان پایان کنترل است، یک ماتریس وزن دهی نیمه معین مثبت مشخص میباشد و برای تمامی اغتشاشات خارجی ، نویز اندازه گیری و سیگنال مرجع و همچنین سطح تضعیف تعیین شده میباشد. مفهوم فیزیکی رابطه (4-5) آنست که تأثیر هر بر روی خطای تعقیب بایستی تا میزانی کمتر از سطح مطلوب تضعیف گردد.
اکنون به منظور حصول چنین عملکردی اقدام به تعریف کنترل کننده فیدبک استاتیک خروجی زیر مینماییم:
قانون کنترل شماره j:
اگر و ... ، آنگاه:
(4-5)
اکنون چنانچه ما قانون کنترلی (4-6) را به سیستم (4-2) اعمال کنیم سیستم حلقه بسته زیر بدست می آید. برای سادگی از به جای استفاده میکنیم.
(4-6)
که در آن داریم:

و همچنین خواهیم داشت:
(4-7)
که در آن داریم:

تعریف 4-1
سیستم فازی T-S (4-2)، مدل مرجع (4-3) و عملکرد تعقیب (4-4) را در نظر بگیرید. قانون کنترلی (4-5) یک قانون کنترلی فیدبک استاتیک خروجی برای نیل به تعقیب فازی میباشد، چنانچه (4-2) را پایدار سازد و (4-4) را برآورده نماید.
اصل 4-1
قانون کنترلی (4-5) یک قانون کنترلی فیدبک استاتیک خروجی برای نیل به تعقیب فازی میباشد چنانچه ماتریس معین مثبت وجود داشته باشد بطوریکه نامعادلات زیر برقرار باشند:
(4-8)
اثبات
تابع لیاپانوف را بصورت زیر در نظر میگیریم:
(4-9)
مشتق تابع فوق بصورت زیر خواهد بود:
(4-10)
اکنون به منظور حصول محدودیت تعقیب بر روی سیستم حلقه بسته، فرض میکنیم که از مقدار زیر کمتر باشد:
(4-11)
در نتیجه خواهیم داشت:
(4-12)
نامعادله بالا را میتوان بصورت نامعادله ماتریسی زیر نوشت:
(4-13)
از اینرو چنانچه شرایط زیر
(4-14)
برای یک مشترک برقرار باشد، نتایج زیر حاصل خواهد شد:
منفی بودن ترم در بیانگر پایداری سیستم حلقه بسته میباشد. این امر همچنین بیان میکند که برای هر سیگنال کران دار ، حالت کران دار باقی خواهد ماند.
با انتگرال گیری از (4-12) خواهیم داشت:
(4-15)
کران دار باقی خواهد ماند چرا که اثبات کردیم که سیستم حلقه بسته پایدار است و فرض نمودیم که سیگنال ورودی کران دار میباشد. از اینرو خواهیم داشت:
(4-16)
همچنین داریم:
(4-17)
در نتیجه خواهیم داشت:
(4-18)
با استدلال فوق اثبات به پایان میرسد.
اکنون هدف اصلی آن است که یک روش تک مرحله ای مبتنی بر LMI-LME جهت طراحی قانون کنترلی فیدبک استاتیک خروجی برای نیل به تعقیب فازی برای سیستم فازی T-S (4-2) و شرط (4-4) ارائه دهیم.
تئوری 4-1
سیستم فازی T-S (4-2)، مدل مرجع (4-3) و شرط تعقیب (4-4) را در نظر بگیرید. فرض کنید ماتریس های معین مثبت ، ، به ازای و ماتریس معکوس پذیر مشترک وجود داشته باشند بطوریکه نامعادلات ماتریسی خطی (4-19) تا (4-22) و معادله ماتریسی خطی (4-23) برای مقدار تعیین شده نرم یعنی در (4-4) برقرار باشند. آنگاه قانون کنترلی (4-5) را که میتوان از (4-24) بدست آورد یک قانون کنترلی فیدبک استاتیک خروجی برای نیل به تعقیب فازی میباشد.
(4-19)

که در آن داریم:

و
(4-20)

که در آن داریم:

و
(4-21)

که در آن:

و
(4-22)
و
(4-23)
آنگاه بهره کنترل کننده استاتیکی از رابطه زیر بدست می آید:
(4-24)
اثبات
تئوری1 از ]14[ بیان میدارد که نقطه تعادل سیستم فازی پیوسته با زمان توصیف شده با (4-6) بطور سراسری پایدار مجانبی است چنانچه وجود داشته باشد بطوریکه شروط زیر برقرار باشند:
(4-25)
که در آن:

اکنون با استفاده از متمم Schur و نتایج بالا نامعادلات ماتریسی (4-14) را میتوان بصورت زیر نوشت:
(4-26)
و
(4-27)
و
(4-28)
اکنون چنانچه نامعادله ماتریسی (4-26) را در نظر بگیریم باید به نحوی آنرا به نامعادله ماتریسی (4-19) تبدیل نماییم. برای این منظور ما ماتریس را بصورت زیر در نظر میگیریم:
(4-29)
سپس ترم های مختلف موجود در ماتریس را در آن جای گذاری مینماییم. حاصل بصورت ماتریس زیر خواهد بود:
(4-30)
اکنون با استفاده از نتایج فصل 3 یعنی جایگذاری با و با در ماتریس فوق و ساده سازی ، نامعادله ماتریسی(4-19) حاصل خواهد شد.
با روندی مشابه میتوان نامعادلات ماتریسی (4-26) و (4-27) را به ترتیب به نامعادلات (4-20) و (4-21) تبدیل نمود.
از آنجاییکه روابط (4-19) تا (4-23) بصورت نامعادلات و معادلات ماتریسی خطی به ازای یک مقدار معین از میباشند، بنابراین مسئله وجود یک قانون کنترلی فیدبک استاتیک خروجی برای نیل به تعقیب فازی برای سیستم فازی T-S به فرم (4-2) به امکان پذیر بودن روابط (4-19) تا (4-23) کاهش می یابد. پاسخ مسئله امکان پذیری LMI ها و LME نیز به سادگی توسط نرم افزار های نظیر MATLAB بدست می آید. از آنجاییکه هدف یافتن حداقل میباشد به این صورت عمل میکنیم که یک مقدار اولیه برای تعیین مینماییم، اگر به ازای آن مقدار روابط مورد نظر امکان پذیر بودند اقدام به کاهش مقدار مینماییم، به عنوان مثال مقدار آن را به نصف کاهش میدهیم و این کار را تا جایی انجام میدهیم که روابط پس از آن امکان پذیر نباشند، و به این ترتیب مقدار کمینه را خواهیم یافت. علاوه بر آن مزیت روش ارائه شده تک مرحله ای بودن آن میباشد.
اکنون با پرداختن به یک سیستم مثالی کارآمدی روش ارائه شده را به نمایش میگذاریم:
مثال 4-1
سیستم غیرخطی زیر را در نظر بگیرید:

فرض بر اینست که . سیستم غیرخطی فوق را میتوان توسط مدل فازی T-S زیر به نمایش در آورد:
قانون شماره 1: اگر در حدود باشد، آنگاه:

که در آن:

قانون شماره 2: اگر در حدود یا باشد، آنگاه:

که در آن:

باید به این مورد توجه شود که در دو مدل بالا، هر دو ماتریس ناپایدار میباشند. اکنون برای مقادیر مدل مرجع (4-3)، ما مقادیر و را انتخاب مینماییم. برای ورودی مرجع کران دار یعنی فرض میکنیم . برای ماتریس وزن دهی در (4-4) فرض میکنیم . با فرض شرایط اولیه صفر برای سیستم غیرخطی فوق نتایج زیر حاصل میگردد:

با توجه به مقادیر فوق بهره های کنترل کننده استاتیکی بصورت زیر خواهند بود:

همچنین مقدار بهینه برای برابر است با:

به منظور مشاهده عملکرد سیستم حلقه بسته، شبیه سازی در محیط Simulink صورت پذیرفت. در این شبیه سازی سیگنال های سیگنالی سینوسی برابر ، سیگنالی سینوسی برابر و سیگنالی سینوسی برابر در نظر گرفته شده اند.

شکل(4-1): دنبال نمودن خروجی مرجع توسط کنترل کننده طراحی شده برای مثال 4-1

شکل (4-2): تغییرات سیگنال کنترلی ورودی مثال 4-1 در گذر زمان

شکل(4-3): تغییرات ضریب تضعیف تعیین شده برای مثال 4-1 در گذر زمان
5- طراحی کنترل کننده فیدبک استاتیک خروجی برای نیل به تعقیب فازی H∞ برای سیستم های غیرخطی دارای تأخیر زمانی توصیف شده با مدل تاکاگی- سوگنو T-S
مقدمه
تأخیر زمانی در بسیاری از سیستم های کنترلی به دلیل تأخیر انتقال اطلاعات بین اجزا مختلف سیستم اجتناب ناپذیر است. از جمله آن سیستم ها میتوان به فرآیند های شیمیایی، شبکه های ارتباطی و سیستم های مکانیکی اشاره کرد. وجود تأخیر زمانی موجب کند شدن پاسخ سیستم، محدود شدن عملکرد کنترل کننده و یا حتی ناپایداری سیستم حلقه بسته میشود. علاوه بر آن طراحی کنترل کننده برای این سیستم ها دشوار و پیچیده میباشد. در طی دهه های گذشته روش های مختلفی برای غلبه بر دشواری های طراحی کنترل کننده برای چنین سیستم هایی ارائه شده است که کنترل کننده های فازی یکی از آنها میباشد. کنترل فازی میتوانند یک راهکار موثر برای سیستم های پیچیده، دارای نامعینی و بد تعریف شده ارائه دهد، چراکه در روش کنترل فازی یک سیستم پیچیده به چندین زیر مجموعه (قوانین فازی) تجزیه میشود و سپس یک قانون کنترلی ساده برای هر زیر سیستم جهت شبیه سازی استراتژی کنترلی انسان بکار گرفته میشود.
اگر چه روش کنترل فازی مفید میباشد ولی ایراد اصلی آن نبود روش تحلیل و طراحی سیستماتیک برای کنترل کننده های فازی است. اخیرا" بر اساس مدل فازی تاکاگی- سوگنو (T-S) روش های مختلفی برای طراحی کنترل کننده برای سیستم های غیرخطی با تأخیر زمانی ارائه شده است. در مورد ویژگی ها و توانایی های مدل فازی T-S در فصول گذشته به تفصیل توضیحاتی ارائه گردیده است.
طراحی کنترل کننده
در این قسمت تلاش خواهیم کرد تا نتایج فصل4 را به زیر کلاسی از سیستم های غیرخطی دارای تأخیر زمانی متغیر با زمان نامعلوم تعمیم دهیم. مشابه فصل4 معادله سیستم غیرخطی تأخیر دار توسط درون یابی تکه ای چندین مدل خطی محلی از طریق توابع عضویت به نمایش در می آید. در حقیقت هر مدل خطی توسط یک قانون اگر- آنگاه بیان میشود. اکنون ما یک سیستم غیرخطی تأخیر دار را که میتوان توسط مدل فازی T-S زیر توصیف نمود در نظر میگیریم:
قانون شماره i سیستم:
اگر و ... باشند. آنگاه:
(5-1)
که در رابطه فوق مجموعه فازی بوده و تعداد قوانین مدل میباشد. همچنین بردار حالت، ورودی کنترلی، خروجی اندازه گیری شده، ، ، و ماتریس های حقیق با ابعاد مناسب بوده و و... متغیر های مفروض شناخته شده میباشند. همچنین اغتشاش خارجی کران دار بوده و نویز اندازه گیری کران دار است. همچنین یک تأخیر زمانی متغیر با زمان نامشخص در سیستم میباشد که شروط و را برآورده میکند. نیز برداری است که شرایط اولیه را مشخص میکند.
با استفاده از فرآیند غیرفازی سازی سیستم فازی کلی را میتوان به فرم زیر نوشت:
(5-2)
که در آن داریم:

همچنین مدل مرجع را مشابه (4-3) بصورت زیر در نظر میگیریم:
(5-3)
و عملکرد تعقیب مربوط به خطای تعقیب بصورت زیر خواهد بود:
(5-4)
به منظور حصول چنین عملکردی دوباره اقدام به تعریف کنترل کننده استاتیکی خروجی زیر می نماییم:
قانون کنترل شماره j:
اگر و ... ، آنگاه:
(5-5)
اکنون چنانچه ما قانون کنترلی (5-5) را به سیستم (5-2) اعمال کنیم، سیستم حلقه بسته زیر بدست می آید. برای سادگی از به جای استفاده میکنیم.
(5-6)
که در آن:

تعریف 5-1
سیستم فازی T-S (5-2) ، مدل مرجع (5-3) و عملکرد تعقیب (5-4) را در نظر بگیرید. قانون کنترلی (5-5) یک قانون کنترلی فیدبک استاتیک خروجی برای نیل به تعقیب فازی میباشد چنانچه (5-2) را پایدار سازد و (5-4) را برآورده نماید.
اصل 5-1
قانون کنترلی (5-5) یک قانون کنترلی استاتیکی خروجی برای نیل به تعقیب فازی میباشد، چنانچه ماتریس های معین مثبت مشترک و وجود داشته باشد بطوریکه نامعادلات زیر برقرار باشند:
(5-7)
اثبات
تابع لیاپانوف را بصورت زیر در نظر میگیریم:
(5-8)
مشتق تابع فوق بصورت زیر خواهد بود:
(5-9)
فرض میکنیم که کمتر از مقدار زیر باشد:
(5-10)
بنابراین خواهیم داشت:

اکنون را تعریف میکنیم. خواهیم داشت:
(5-11)
از رابطه فوق خواهیم داشت:
(5-12)
توجه نمایید که:
(5-13)
و همچنین داریم . بنابراین رابطه زیر حاصل خواهد شد:
(5-14)
علاوه بر آن امکان پذیر بودن نامعادلات ماتریسی (5-7) دلالت بر امکان پذیری نامعادلات ماتریسی زیر دارد.
(5-15)
که پایداری سیستم حلقه بسته (5-2) را تضمین میکند.
به این ترتیب اثبات تکمیل میگردد.
اکنون تئوری زیر را به منظور ارائه یک روش مبتنی بر LMI-LME جهت طراحی کنترل کننده استاتیکی خروجی برای نیل به تعقیب فازی برای سیستم فازی T-S (5-2) که دارای تأخیر زمانی متغیر با زمان میباشد بیان می نماییم.
تئوری 5-1
سیستم فازی T-S دارای تأخیر زمانی (5-2)، مدل مرجع (5-3) و عملکرد تعقیب (5-4) را در نظر بگیرید. فرض کنید ماتریس های معین مثبت مشترک ، و به همراه ماتریس های و ماتریس معکوس پذیر مشترک وجود دارند بطوریکه نامعادلات ماتریسی خطی (5-18) - (5-16) و معادله ماتریسی (5-19) برای مقدار تعیین شده خطای تعقیب یعنی در (5-4) برقرار باشند. آنگاه قانون کنترلی (5-5) که از (5-20) حاصل میشود یک قانون کنترلی استاتیکی خروجی برای نیل به تعقیب فازی میباشد.
(5-16)

که در آن:

و در (4-19) تعریف شده اند.
(5-17)

که در آن:

که در (4-20) تعریف شده اند.
و
(5-18)

که در آن:

و در (4-21) تعریف شده اند.
و
(5-19)
بهره کنترل کننده استاتیکی از رابطه زیر بدست می آید:
(5-20)
اثبات
اثبات این بخش دقیقا" مشابه اثبات تئوری 4-1 در فصل4 میباشد.
مشابه مورد بدون تأخیر زمانی، یافتن قانون کنترلی استاتیکی خروجی بهینه برای نیل به تعقیب فازی بسیار مورد علاقه میباشد. کنترل کننده بهینه، کنترل کننده ای است که حداقل مقدار برای کران بالای در (5-4) را موجب میشود. خوشبختانه این مسأله حداقل سازی را میتوان بصورت یک فرآیند حداقل سازی محدب بیان نمود. در این مورد کنترل کننده بهینه را میتوان بوسیله پیاده سازی مسأله مقدار ویژه LMI یافت. بنابراین اقدام به حل مسأله کمینه سازی زیر می نماییم:
(5-21)
با توجه به و (5-12)- (5-9).
مسأله کمینه سازی فوق یک مسأله بهینه سازی محدب است. پاسخ این مسأله قانون کنترلی استاتیکی خروجی بهینه برای نیل به تعقیب فازی برای سیستم فازی تأخیر زمانی T-S (5-2)، مدل مرجع (5-3) و عملکرد تعقیبی (5-4) میباشد.
اکنون به یک مثال جهت نشان دادن کارآمدی نتایج بدست آمده میپردازیم:
مثال 5-1
سیستم غیرخطی دارای تأخیر زمانی زیر را در نظر بگیرید:

دوباره فرض بر آنست که . سیستم غیرخطی فوق را میتوان توسط مدل فازی T-S زیر نشان داد:
قانون شماره 1: اگر در حدود باشد، آنگاه:

که در آن:

قانون شماره 2: اگر در حدود یا باشد، آنگاه:

که در آن:

تأخیر زمانی متغیر با زمان در سیستم غیرخطی فوق برابر است با:

دلالت بر این دارد که: و . همچنین برای مدل مرجع (5-3) مقادیر زیر را در نظر میگیریم:

user8254

فهرست منابع فارسی PAGEREF _Toc385885103 h 84فهرست منابع انگلیسی PAGEREF _Toc385885104 h 85
فهرست جدول‌ها
عنوان صفحه
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی24
جدول شماره 3-2: فیلدهای اولیه داده های صدور26
جدول شماره 3-3: فیلدهای نهایی داده های صدور27
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها28
جدول 3-5: فیلدهای استخراج شده از داده های خسارت28
جدول 3-6: نتایج نمودار boxplot31
جدول 3-7: انواع داده استفاده شده33
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف37
جدول 3-9: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted Records)38
جدول 3-10: قوانین استخراج شده توسط الگوریتم Fpgrowth55
جدول 3-11: قوانین استخراج شده توسط الگوریتم Weka Apriori55
جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means57
اجرا برای 9 خوشه در الگوریتم K-Means60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی69
جدول 4-1: مقایسه الگوریتم های دسته بند70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم70
جدول 4-3: ماتریس آشفتگی قانون شماره 171
جدول 4-4: ماتریس آشفتگی قانون شماره 272
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج73
عنوان صفحه
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز76
جدول 4-12: ماتریس آشفتگی قانون شماره 476
جدول 4-13: ماتریس آشفتگی قانون شماره 577
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب78
جدول 4-16: ماتریس آشفتگی قانون شماره778
جدول 4-17: ماتریس آشفتگی قانون شماره879
جدول 4-18: مقایسه الگوریتم های خوشه بندی79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori81

فهرست شکل‌ها
عنوان صفحه
شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی33
شکل 3-2: نتایج الگوریتمPCA 34
شکل 3-3: نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها35
شکل 3-4: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها36
شکل 3-6: نمای کلی استفاده از روشهای ارزیابی41
شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی42
شکل 3-8: نمودار AUC الگوریتم KNN42
شکل 3-9: نمودار AUC الگوریتم Naïve Bayes43
شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی44
شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net44
شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی45
شکل 3-13 : نمودار AUC الگوریتم SVM Linear46
شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک47
شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree48
شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree49
شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree49
شکل 3-18: نمودار AUC الگوریتم Wj4850
شکل 3-19 : نمودار tree الگوریتم Wj4851
شکل 3-20 : نمودار AUC الگوریتم Random forest52
شکل 3-21 : نمودار تولید 20 درخت در الگوریتم Random Forest53
شکل 3-22 : یک نمونه درخت تولید شده توسط الگوریتم Random Forest53
عنوان صفحه
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه57
شکل 3-24 : Predictor Importance for K-Means58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
K-Means59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-60
شکل 3-27 : Predictor Importance for Kohonen61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
Kohonen62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen63
شکل 3-31 : Predictor Importance for دوگامی64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در
الگوریتم دوگامی65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت75
فصل اول
194500518986500
مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد.
از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند.
بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد.
امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند.
داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
تعریف داده کاوی XE "تعریف داده کاوی" XE "تعریف داده کاوی"
داده کاوی روند کشف قوانین و دانش ناشناخته و مفید از انبوه داده ها و پایگاه داده است[ Liu et. al 2012].
انجام عمل داده کاوی نیز مانند هر عمل دیگری مراحل خاص خود را دارد که به شرح زیر می باشند:
1-جدا سازی داده مفید از داده بیگانه
2-یکپارچه سازی داده های مختلف تحت یک قالب واحد
3-انتخاب داده لازم از میان دیگر داده ها
4- انتقال داده به محیط داده کاوی جهت اکتشاف قوانین
5-ایجاد مدلها و الگوهای مرتبط بوسیله روشهای داده کاوی
6-ارزیابی مدل و الگوهای ایجاد شده جهت تشخیص مفید بودن آنها
7-انتشار دانش استخراج شده به کاربران نهایی
تعریف بیمهبیمه: بیمه عقدی است که به موجب آن یک طرف تعهد می کند در ازاء پرداخت وجه یا وجوهی از طرف دیگر در صورت وقوع یا بروز حادثه خسارت وارده بر او را جبران نموده یا وجه معینی بپردازد. متعهد را بیمه گر طرف تعهد را بیمه گذار وجهی را که بیمه گذار به بیمه گر می پردازد حق بیمه و آنچه را که بیمه می شود موضوع بیمه نامند]ماده یک قانون بیمه مصوب 7/2/1316[.
هدف پایان نامهدر این پژوهش سعی شده است با استفاده از تکنیکهای داده کاوی اقدام به شناسایی فاکتورهای تاثیر گذار در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه نموده و ضریب تاثیر آنها را بررسی نماییم. الگوریتم های استفاده شده در این پژوهش شامل دسته بند ها، خوشه بند ها، درخت های تصمیم و قوانین انجمنی بوده است.
مراحل انجام تحقیقدر این پایان نامه با استفاده از روشهای داده کاوی با استفاده از بخشی از داده های صدور و خسارت یک سال شرکت بیمه مدل شده و از روی آنها یک الگو ساخته می شود. در واقع به این طریق به الگوریتم یاد داده می شود که ارتباطات بین داده ها، منجر به چه نتایجی می شود. سپس بخشی از داده ها که در مرحله قبل از آن استفاده نشده بود به مدل ایجاد شده داده می شود ونتایج توسط معیارهای علمی مورد ارزیابی قرار میگیرند. بمنظور آزمایش عملکرد می توان داده های دیگری به مدل داده شود و نتایج حاصله با نتایج واقعی موجود مقایسه شوند.
ساختار پایان نامهاین پایان نامه شامل چهارفصل خواهد بود که فصل اول شامل یک مقدمه و ضرورت پژوهش انجام شده و هدف این پژوهش است. در فصل دوم برخی تکنیک های داده کاوی و روشهای آن مطرح و تحقیقاتی که قبلا در این زمینه انجام شده مورد بررسی قرار می گیرند. در فصل سوم به شرح مفصل پژوهش انجام شده و نرم افزار داده کاوی مورد استفاده در این پایان نامه می پردازیم و با کمک تکنیک های داده کاوی مدل هایی ارائه می شود و مدلهای ارائه شده درهرگروه با یکدیگر مقایسه شده و بهترین مدل از میان آنها انتخاب می گردد. در فصل چهارم مسائل مطرح شده جمع بندی شده و نتایج حاصله مطرح خواهند شد و سپس تغییراتی که در آینده در این زمینه می توان انجام داد پیشنهاد می شوند.

فصل دوم
193548028194000
ادبیات موضوع و تحقیقات پیشیندر این فصل ابتدا مروری بر روشهای داده کاوی خواهیم داشت سپس به بررسی تحقیقات پیشین می پردازیم.
داده کاوی و یادگیری ماشینداده کاوی ترکیبی از تکنیک های یادگیری ماشین، تشخیص الگو، آمار، تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب به صورت خودکار از پایگاه داده شرکتهای بزرگ است. هدف اصلی داده کاوی کمک به فرآیند تصمیم گیری از طریق استخراج دانش از داده هاست [Alpaydin 2010].
هدف داده کاوی آشکار کردن روندها یا الگوهایی که تا کنون ناشناخته بوده اند برای گرفتن تصمیمات بهتر است که این هدف را بوسیله به کارگیری روشهای آماری همچون تحلیل لجستیک و خوشه بندی و همچنین با استفاده از روشهای تحلیل داده به دست آمده از رشته های دیگر )همچون شبکه های عصبی در هوش مصنوعی و درختان تصمیم در یادگیری ماشین( انجام میدهد[Koh & Gervis 2010] . چون ابزارهای داده کاوی روند ها و رفتارهای آینده را توسط رصد پایگاه داده ها برای الگوهای نهان پیش بینی می کند با عث می شوند که سازمان ها تصمیمات مبتنی بر دانش گرفته و به سوالاتی که پیش از این حل آنها بسیار زمان بر بود پاسخ دهند [Ramamohan et. al 2012 ] .
داده کاوی یک ابزار مفید برای کاوش دانش از داده حجیم است. [Patil et. al 2012 ]. داده کاوی یافتن اطلاعات بامعنای خاص ازیک تعداد زیادی ازداده بوسیله بعضی ازفناوری ها به عنوان رویه ای برای کشف دانش ازپایگاه داده است، که گام های آن شامل موارد زیر هستند [Han and Kamber 2001] .
1-پاک سازی داده ها :حذف داده دارای نویز و ناسازگار
2-یکپارچه سازی داده: ترکیب منابع داده گوناگون
3-انتخاب داده: یافتن داده مرتبط با موضوع از پایگاه داده
4-تبدیل داده: تبدیل داده به شکل مناسب برای کاوش
5-داده کاوی: استخراج مدل های داده با بهره گیری از تکنولوژی
6- ارزیابی الگو: ارزیابی مدل هایی که واقعا برای ارائه دانش مفید هستند
7-ارائه دانش: ارائه دانش بعد ازکاوش به کاربران بوسیله استفاده از تکنولوژیهایی همچون ارائه بصری [Lin & Yeh 2012] .
ابزارها و تکنیک های داده کاویبا توجه به تنوع حجم و نوع داده ها، روش های آماری زیادی برای کشف قوانین نهفته در داده ها وجود دارند. این روش ها می توانند با ناظر یا بدون ناظر باشند. [Bolton & Hand 2002] در روش های با ناظر، نمونه هایی از مواردخسارتی موجود است و مدلی ساخته می شود که براساس آن، خسارتی یا غیر خسارتی بودن نمونه های جدید مشخص می شود. این روش جهت تشخیص انواع خسارت هایی مناسب است که از قبل وجود داشته اند]فولادی نیا و همکاران 1392[ .
روش های بدون ناظر، به دنبال کشف نمونه هایی هستند که کمترین شباهت را با نمونه های نرمال دارند. برای انجام فعالیت هایی که در هر فاز داده کاوی باید انجام شود از ابزارها و تکنیک های گوناگونی چون الگوریتمهای پایگاه داده، تکنیکهای هوش مصنوعی، روشهای آماری، ابزارهای گرافیک کامپیوتری و مصور سازی استفاده می شود. هر چند داده کاوی لزوما به حجم داده زیادی بعنوان ورودی نیاز ندارد ولی امکان دارد در یک فرآیند داده کاوی حجم داده زیادی وجود داشته باشد.
در اینجاست که از تکنیک ها وابزارهای پایگاه داده ها مثل نرمالسازی، تشخیص و تصحیح خطا و تبدیل داده ها بخصوص در فازهای شناخت داده و آماده سازی داده استفاده می شود. همچنین تقریبا در اکثرفرآیند های داده کاوی از مفاهیم، روشها و تکنیک های آماری مثل روشهای میانگین گیری )ماهیانه، سالیانه و . . . (، روشهای محاسبه واریانس و انحراف معیار و تکنیک های محاسبه احتمال بهره برداری های فراوانی می شود. یکی دیگر از شاخه های علمی که به کمک داده کاوی آمده است هوش مصنوعی می باشد.
هدف هوش مصنوعی هوشمند سازی رفتار ماشینها است. می توان گفت تکنیک های هوش مصنوعی بطور گسترده ای در فرآیند داده کاوی به کار می رود بطوریکه بعضی از آماردانها ابزارهای داده کاوی را بعنوان هوش آماری مصنوعی معرفی می کنند.
قابلیت یادگیری بزرگترین فایده هوش مصنوعی است که بطور گسترده ای در داده کاوی استفاده می شود. تکنیک های هوش مصنوعی که در داده کاوی بسیار زیاد مورد استفاده قرار می گیرند عبارتند از شبکه های عصبی، روشهای تشخیص الگوی یادگیری ماشین و الگوریتمهای ژنتیک ونهایتا تکنیک ها و ابزارهای گرافیک کامپیوتری و مصور سازی که بشدت در داده کاوی بکار گرفته می شوند و به کمک آنها می توان داده های چند بعدی را به گونه ای نمایش داد که تجزیه وتحلیل نتایج برای انسان براحتی امکان پذیر باشد [Gupta 2006].
روشهای داده کاوی عمده روشهای داده کاوی عبارتند از روشهای توصیف داده ها، روشهای تجزیه و تحلیل وابستگی، روشهای دسته بندی و پیشگویی، روشهای خوشه بندی، روشهای تجزیه و تحلیل نویز.
می توان روش های مختلف کاوش داده را در دو گروه روش های پیش بینی و روش های توصیفی طبقه بندی نمود. روش های پیش بینی در متون علمی به عنوان روش های با ناظر نیزشناخته می شوند. روش های دسته بندی، رگرسیون و تشخیص انحراف از روشهای یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. در الگوریتم های دسته بندی مجموعه داده اولیه به دو مجموعه داده با عنوان مجموعه داده های آموزشی و مجموعه داده های آزمایشی تقسیم می شود که با استفاده از مجموعه داده های آموزشی مدل ساخته می شود و از مجموعه داده های آزمایشی برای اعتبار سنجی و محاسبه دقت مدل ساخته شده استفاده می شود. هررکورد شامل یک مجموعه ویژگی است.
یکی از ویژگی ها، ویژگی دسته نامیده می شود و در مرحله آموزش براساس مقادیر سایر ویژگی ها برای مقادیر ویژگی دسته، مدل ساخته می شود. روشهای توصیفی الگوهای قابل توصیفی را پیدا میکنند که روابط حاکم بر داده ها را بدون در نظرگرفتن هرگونه برچسب و یا متغیرخروجی تبیین نمایند. درمتون علمی روشهای توصیفی با نام روشهای بدون ناظر نیز شناخته می شوند ]صنیعی آباده 1391[.

روشهای توصیف داده هاهدف این روشها ارائه یک توصیف کلی از داده هاست که معمولا به شکل مختصر ارائه می شود. هر چند توصیف داده ها یکی از انواع روشهای داده کاوی است ولی معمولا هدف اصلی نیست واغلب از این روش برای تجزیه و تحلیل نیاز های اولیه و شناخت طبیعت داده ها و پیدا کردن خصوصیات ذاتی داده ها یا برای ارائه نتایج داده کاوی استفاده می شود [Sirikulvadhana 2002] .
روشهای تجزیه و تحلیل وابستگی هدف این روشها پیدا کردن ارتباطات قابل توجه بین تعداد زیادی از متغیر ها یا صفات می باشد[Gupta 2006] . یکی از روشهای متداول برای کشف قواعد وابستگی مدل Apriori است که نسبت به سایر مدلهای کشف قواعد وابستگی سریعتر بوده و محدودیتی از نظر تعداد قواعد ندارد [Xindong et al 2007] . کاوش قواعد تلازمی یکی از محتواهای اصلی تحقیقات داده کاوی در حال حاضر است و خصوصا بر یافتن روابط میان آیتم های مختلف در پایگاه داده تاکید دارد [Patil et. al 2012] . سه مدل CARMA و GRI و Fpgrowth سه الگوریتم دیگر از قواعد وابستگی هستند.
روشهای دسته بندی و پیشگویی
دسته بندی یک فرآیند یافتن مدل است که برای بخش بندی داده به کلاس های مختلف برطبق بعضی محدودیت ها استفاده شده است. به بیان دیگر ما می توانیم بگوییم که دسته بندی یک فرآیند تعمیم داده بر طبق نمونه های مختلف است. چندین نمونه اصلی الگوریتم های طبقه بندی شامل C4. 5 ، K نزدیکترین همسایه، بیز ساده و SVM است [Kumar and Verna 2012].
یکی از این نوع الگوریتم ها نظریه بیز می باشد. این دسته بند از یک چارچوب احتمالی برای حل مساله استفاده می کند. یک رکورد مفروض با مجموعه ویژگی های (A1, A2…. An) را درنظر بگیرید. هدف تشخیص دسته این رکورد است. در واقع از بین دسته های موجود به دنبال دسته ای هستیم که مقدارP(C|A1, A2…. An) را بیشینه کند. پس این احتمال را برای تمامی دسته های موجود محاسبه کرده و دسته ای که این احتمال به ازای آن بیشینه شود را به عنوان دسته رکورد جدید در نظر می گیریم.
PCA=PAC PCPAرگرسیون نیز نوع دیگری از این الگوریتم ها است. پیش بینی مقدار یک متغیر پیوسته بر اساس مقادیر سایر متغیرها بر مبنای یک مدل وابستگی خطی یا غیر خطی رگرسیون نام دارد. درواقع یک بردار X داریم که به یک متغیر خروجی y نگاشت شده است. هدف محاسبه y یا همان F(X) است که از روی تخمین تابع مقدار آن محاسبه می شود.
درخت تصمیمدرخت تصمیم از ابزارهای داده کاوی است که در رده بندی داده های کیفی استفاده می شود. در درخت تصمیم، درخت کلی به وسیله خرد کردن داده ها به گره هایی ساخته می شود که مقادیری از متغیر ها را در خود جای می دهند. با ایجاد درخت تصمیم بر اساس داده های پیشین که رده آنها معلوم است، می توان داده های جدید را دسته بندی کرد. روش درخت تصمیم به طور کلی برای دسته بندی استفاده می شود، زیرا یک ساختار سلسله مراتبی ساده برای فهم کاربر و تصمیم گیری است. الگوریتم های داده کاوی گوناگونی برای دسته بندی مبتنی بر شبکه عصبی مصنوعی، قوانین نزدیکترین همسایگی و دسته بندی بیزین در دسترس است اما درخت تصمیم یکی از ساده ترین تکنیک هاست [Patil et. al 2012] . از انواع درخت های تصمیم می توان C4. 5 و C5 و Meta Decision Tree و Random Forest وJ48 را نام برد.

2-3-5-شبکه عصبیروش پرکاربرد دیگر در پیشگویی نتایج استفاده از شبکه های عصبی می باشد. شبکه های عصبی مدل ساده شده ای است که بر مبنای عملکرد مغز انسان کار می کند. اساس کار این شبکه شبیه سازی تعداد زیادی واحد پردازشی کوچک است که با هم در ارتباط هستند. به هریک از این واحد ها یک نرون گفته می شود. نرون ها بصورت لایه لایه قرار دارند و در یک شبکه عصبی معمولا سه لایه وجود دارد [Gupta 2006] . اولین لایه )لایه ورودی ( ، دومین )لایه نهان (و سومین )لایه خروجی (. لایه نهان می تواند متشکل از یک لایه یا بیشتر باشد [P--han et. al 2011 ] .
2-3-6- استدلال مبتنی بر حافظهتوانایی انسان در استدلال براساس تجربه، به توانایی او در شناخت و درک نمونه های مناسبی که مربوط به گذشته است، بستگی دارد. افراد در ابتدا تجارب مشابهی که در گذشته داشته را شناسایی و سپس دانشی که از آن ها کسب کرده است را برای حل مشکل فعلی به کار می گیرند. این فرآیند اساس استدلال مبتنی بر حافظه است. یک بانک اطلاعاتی که از رکوردهای شناخته شده تشکیل شده است مورد جستجو قرار می گیرد تارکوردهای از قبل طبقه بندی شده و مشابه با رکورد جدید یافت شود.
از این همسایه ها برای طبقه بند ی و تخمین زدن استفاده می شود. KNN یک نمونه از این الگوریتم هاست. فرض کنید که یک نمونه ساده شده با یک مجموعه از صفت های مختلف وجود دارد، اما گروهی که این نمونه به آن متعلق است نامشخص است. مشخص کردن گروه می تواند از صفت هایش تعیین شود. الگوریتم های مختلفی می تواند برای خودکار سازی فرآیند دسته بندی استفاده بشود. یک دسته بند نزدیک ترین همسایه یک تکنیک برای دسته بندی عناصر است مبتنی بردسته بندی عناصر در مجموعه آموزشی که شبیه تر به نمونه آزمایشی هستند.
باتکنیک Kنزدیکترین همسایه، این کار با ارزیابی تعداد K همسایه نزدیک انجام می شود. [Tan et al 2006] . تمام نمونه های آموزشی در یک فضای الگوی چند بعدی ذخیره شده اند. وقتی یک نمونه ناشناخته داده می شود، یک دسته بند نزدیکترین همسایه در فضای الگو برای K نمونه آموزشی که نزدیک به نمونه ناشناخته هستند جستجو می کند. نزدیکی بر اساس فاصله اقلیدسی تعریف می شود [Wilson and Martinez 1997] .
2-3-7-ماشین های بردار پشتیبانیSVM اولین بار توسط Vapnik در سال 1990 معرفی شد و روش بسیار موثری برای رگرسیون و دسته بندی و تشخیص الگو است [Ristianini and Shawe 2000] .
SVM به عنوان یک دسته بند خوب در نظر گرفته می شود زیرا کارایی تعمیم آن بدون نیاز به دانش پیشین بالاست حتی وقتیکه ابعاد فضای ورودی بسیار بالاست. هدف SVM یافتن بهترین دسته بند برای تشخیص میان اعضای دو کلاس در مجموعه آموزشی است [Kumar and Verna 2012] .
رویکرد SVM به این صورت است که در مرحله آموزش سعی دارد مرز تصمیم گیری را به گونه ای انتخاب نماید که حداقل فاصله آن با هر یک از دسته های مورد نظر را بیشینه کند. این نوع انتخاب مرز بر اساس نقاطی بنام بردارهای پشتیبان انجام می شوند.
2-3-8-روشهای خوشه بندی هدف این روشها جداسازی داده ها با خصوصیات مشابه است. تفاوت بین دسته بندی و خوشه بندی این است که در خوشه بندی از قبل مشخص نیست که مرز بین خوشه ها کجاست و برچسبهای هر خوشه از پیش تعریف شده است ولی در دسته بندی از قبل مشخص است که هر دسته شامل چه نوع داده هایی می شود و به اصطلاح برچسب های هر دسته از قبل تعریف شده اند. به همین دلیل به دسته بندی یادگیری همراه با نظارت و به خوشه بندی یادگیری بدون نظارت گفته می شود [Osmar 1999] .
2-3-9- روش K-Meansیکی از روش های خوشه بندی مدل K-Means است که مجموعه داده ها را به تعدادثابت و مشخصی خوشه، خوشه بندی می کند. روش کار آن به این صورت است که تعداد ثابتی خوشه در نظر میگیرد و رکوردها را به این خوشه ها اختصاص داده و مکرراً مراکز خوشه ها را تنظیم می کند تا زمانیکه بهترین خوشه بندی بدست آید[Xindong et al 2007].
2-3-10-شبکه کوهننشبکه کوهنن نوعی شبکه عصبی است که در این نوع شبکه نرون ها در دو لایه ورودی و خروجی قرار دارند و همه نرون های ورودی به همه نرون های خروجی متصل اندو این اتصالات دارای وزن هستند. لایه خروجی در این شبکه ها بصورت یک ماتریس دو بعدی چیده شده و به آن نقشه خروجی گفته می شود. مزیت این شبکه نسبت به سایر انواع شبکه های عصبی این است که نیاز نیست دسته یا خوشه داده ها از قبل مشخص باشد، حتی نیاز نیست تعداد خوشه ها از قبل مشخص باشد. شبکه های کوهنن با تعداد زیادی نرون شروع می شود و به تدریج که یادگیری پیش می رود، تعداد آنها به سمت یک تعداد طبیعی و محدود کاهش می یابد.
2-3-11-روش دو گاماین روش در دو گام کار خوشه بندی را انجام می دهد. در گام اول همه داده ها یک مرور کلی می شوند و داده های ورودی خام به مجموعه ای از زیر خوشه های قابل مدیریت تقسیم می شوند. گام دوم با استفاده از یک روش خوشه بندی سلسله مراتبی بطور مداوم زیر خوشه ها را برای رسیدن به خوشه های بزرگتر با هم ترکیب می کند بدون اینکه نیاز باشد که جزئیات همه داده ها را مجددا مرور کند.
2-3-12-روشهای تجزیه و تحلیل نویزبعضی از داده ها که به طور بارز و مشخصی از داده های دیگر متمایز هستند اصطلاحاً بعنوان داده خطا یا پرت شناخته می شوند که باید قبل از ورود به فاز مدلسازی و در فاز آماده سازی داده ها برطرف شوند. با وجود این زمانیکه شناسایی داده های غیر عادی یا غیر قابل انتظار مانند موارد تشخیص تقلب هدف اصلی باشد، همین نوع داده ها مفید هستند که در این صورت به آنها نویز گفته می شود [Osmar 1999].
دسته های نامتعادل]صنیعی آباده 1391[.
مجموعه داده هایی که در آنها ویزگی دسته دارای توزیع نامتعادل باشد بسیار شایع هستند. مخصوصاً این مجموعه داده ها در کاربردها و مسائل واقعی بیشتر دیده می شوند.
در چنین مسائلی با وجود اینکه تعداد رکوردهای مربوط به دسته نادر بسیار کمتر از دسته های دیگر است، ولی ارزش تشخیص دادن آن به مراتب بالاتر از ارزش تشخیص دسته های شایع است. در داده کاوی برای برخورد با مشکل دسته های نامتعادل از دو راهکار استفاده می شود:
راهکار مبتنی بر معیار
راهکار مبتنی بر نمونه برداری
راهکار مبتنی بر معیاردر دسته بندی شایع ترین معیار ارزیابی کارایی دسته بند، معیار دقت دسته بندی است. در معیار دقت دسته بندی فرض بر یکسان بودن ارزش رکوردهای دسته های مختلف دسته بندی است. در راهکار مبتنی بر معیار بجای استفاده از معیار دقت دسته بندی از معیارهایی بهره برداری می شود که بتوان بالاتر بودن ارزش دسته های نادر و کمیاب را در آنها به نحوی نشان داد. بنابراین با لحاظ نمودن معیارهای گفته شده در فرآیند یادگیری خواهیم توانست جهت یادگیری را به سمت نمونه های نادر هدایت نماییم. از جمله معیارهایی که برای حل مشکل عدم تعادل دسته ها بکار می روند عبارتند از Recall, Precession, F-Measure, AUC و چند معیار مشابه دیگر.
2-4-2-راهکار مبتنی بر نمونه بردارینمونه برداری یکی از راهکارهای بسیار موثربرای مواجهه با مشکل دسته های نامتعادل است. ایده اصلی نمونه برداری آن است که توزیع نمونه ها را به گونه ای تغییر دهیم که دسته کمیاب به نحو پررنگ تری در مجموعه داده های آموزشی پدیدار شوند. سه روش برای این راهکار وجود دارد که عبارتند از:
الف- نمونه برداری تضعیفی:
در این روش نمونه برداری، توزیع نمونه های دسته های مساله به گونه ای تغییر می یابند که دسته شایع به شکلی تضعیف شود تا از نظرفراوانی با تعداد رکوردهای دسته نادر برابری کند. به این ترتیب هنگام اجرای الگوریتم یادگیری، الگوریتم ارزشی مساوی را برای دو نوع دسته نادر و شایع درنظر می گیرد.
ب- نمونه برداری تقویتی:
این روش درست برعکس نمونه برداری تضعیفی است. بدین معنی که نمونه های نادر کپی برداری شده و توزیع آنها با توزیع نمونه های شایع برابر می شود.
ج- نمونه برداری مرکب:
در این روش از هردو عملیات تضعیفی و تقویتی بصورت همزمان استفاده میشود تا توزیع مناسب بدست آید.
در این پژوهش با توجه به کمتر بودن نسبت نمونه نادر یعنی منجر به خسارت شده به نمونه شایع از روش نمونه برداری تضعیفی استفاده گردید که کل تعداد نمونه ها به حدود 3 هزار رکورد تقلیل پیدا کرد و توزیع نمونه ها به نسبت مساوی بوده است. شایان ذکر است این نمونه برداری پس از انجام مرحله پاک سازی داده ها انجام شد که خود مرحله پاکسازی با عث تقلیل تعداد نمونه های اصلی نیز گردیده بود.
پیشینه تحقیقسالهاست که محققان در زمینه بیمه و مسائل مرتبط با آن به تحقیق پرداخته اند و از جمله مسائلی که برای محققان بیشتر جذاب بوده است می توان به کشف تقلب اشاره کرد.
Brockett و همکاران [Brockett et. al 1998] ابتدا به کمک الگوریتم تحلیل مولفه های اصلی (PCA) به انتخاب ویژگی ها پرداختند و سپس با ترکیب الگوریتم های خوشه بندی و شبکه های عصبی به کشف تقلبات بیمه اتومبیل اقدام کردند. مزیت این کار ترکیب الگوریتمها و انتخاب ویژگی بوده که منجر به افزایش دقت خروجی بدست آمده گردید.
Phua و همکاران [ Phua et. al 2004] با ترکیب الگوریتم های شبکه های عصبی پس انتشاری ، بیزساده و درخت تصمیم c4.5 به کشف تقلب در بیمه های اتومبیل پرداختند.نقطه قوت این کار ترکیب الگوریتم ها بوده اما بدلیل عدم کاهش ویژگی ها و کاهش ابعاد مساله میزان دقت بدست آمده در حد اعلی نبوده است.
Allahyari Soeini و همکاران [Allahyari Soeini et. al 2012] نیز یک متدلوژی با استفاده از روشهای داده کاوی خوشه بندی ودرخت تصمیم برای مدیریت مشتریان ارائه دادند. از ایرادات این روش میتوان عدم استفاده از الگوریتم های دسته بندی و قوانین انجمنی را نام برد.
مورکی علی آباد ] مورکی علی‌آباد1390[ تحقیقی داشته است که اخیراً در زمینه بیمه صورت گرفته و درمورد طبقه‌بندی مشتریان صنعت بیمه با هدف شناسایی مشتریان بالقوه با استفاده از تکنیک‌های داده‌کاوی (مورد مطالعه: بیمه‌گذاران بیمه آتش‌سوزی شرکت بیمه کارآفرین (که هدف آن دسته بندی مشتریان صنعت بیمه بر اساس میزان وفاداری به شرکت، نوع بیمه نامه های خریداری شده، موقعیت جغرافیایی مکان های بیمه شده و میزان جذب به شرکت بیمه در بازه زمانی 4 سال گذشته بوده است. روش آماری مورد استفاده از تکنیک های داده کاوی نظیر درخت تصمیم و دسته بندی بود. این تحقیق نیز چون نمونه آن قبلا انجام شده بوده از الگوریتم های متفاوت استفاده نکرده است. همچنین سعی بر بهبود تحقیق قبلی نیز نداشته است. وجه تمایز این تحقیق با نمونه قبلی استفاده از ویژگی های متفاوت بوده است.
عنبری ]عنبری 1389[ نیز پژوهشی در خصوص طبقه بندی ریسک بیمه گذاران در رشته بیمه بدنه اتومبیل با استفاده از داده کاوی داشته است که هدف استفاده از داده های مربوط به بیمه نامه بدنه از کل شرکتهای بیمه (بانک اطلاعاتی بیمه خودرو) بوده و سعی بر آن شده است تا بررسی شود که آیا میتوان بیمه گذاران بیمه بدنه اتومبیل را از نظر ریسک طبقه بندی کرد؟ و آیا درخت تصمیم برای طبقه بندی بیمه گذاران بهترین ابزار طبقه بندی می باشد؟ و آیا سن و جنسیت از موثرترین عوامل در ریسک بیمه گذار محسوب می شود؟ نتایج این طبقه بندی به صورت درخت تصمیم و قوانین نشان داده شده است. ونتایج حاصل از صحت مدل درخت تصمیم با نتایج الگوریتم های شبکه عصبی و رگرسیون لجستیک مورد مقایسه قرار گرفته است. از مزیت های این تحقیق استفاده از الگوریتم های متفاوت و مقایسه نتایج حاصله برای بدست آوردین بهترین الگوریتم ها بوده است.
رستخیز پایدار]رستخیز پایدار 1389[ تحقیقی دیگر در زمینه بخش بندی مشتریان بر اساس ریسک با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمه بدنه اتومبیل بیمه ملت) داشته است. با استفاده از مفاهیم شبکه خود سازمانده بخش بندی بر روی مشتریان بیمه بدنه اتومبیل بر اساس ریسک صورت گرفت. در این تحقیق عوامل تأثیرگذار بر ریسک بیمه گذاران طی دو مرحله شناسایی گردید. در مرحله اول هیجده فاکتور ریسک در چهار گروه شامل مشخصات جمعیت شناختی، مشخصات اتومبیل، مشخصات بیمه نامه و سابقه راننده از بین مقالات علمی منتشر گردیده در ژورنال های معتبر در بازه سال های 2000 الی 2009 استخراج گردید و در مرحله دوم با استفاده از نظرسنجی از خبرگان فاکتورهای نهایی تعیین گردید. مشتریان بیمه بدنه اتومبیل در این تحقیق با استفاده از شبکه های عصبی خودسازمانده به چهار گروه مشتریان با ریسک های متفاوت بخش بندی گردیدند. مزیت این تحقیق استفاده از نظر خبرگان بیمه بوده و ایراد آن عدم استفاده از ویژگی های بیشتر و الگوریتم های انتخاب ویژگی بوده است.
ایزدپرست  ]ایزدپرست1389[ همچنین تحقیقی در مورد ارائه چارچوبی برای پیش بینی خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی انجام داده است که چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه می‌گردد که طی آن میزان خطرپذیری مشتریان پیش‌بینی شده و مشتریان بر اساس آن رده‌بندی می‌گردند. در نتیجه با استفاده از این معیار (سطح خطرپذیری) و نوع بیمه‌نامه مشتریان، میتوان میزان خسارت آنان را پیش‌بینی کرده و تعرفه بیمه‌نامه متناسب با ریسک آنان تعریف نمود. که این مطلب می‌تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری‌های تعرفه بیمه نامه باشد. در این تحقیق از دو روش خوشه‌بندی و درخت‌تصمیم استفاده می‌گردد. در روش خوشه‌بندی مشتریان بر اساس ویژگی هایشان در خوشه هایی تفکیک شده، سپس میانگین سطح خسارت در هر یک از این خوشه‌ها را محاسبه میکند. حال مشتریان آتی با توجه به اینکه به کدامیک از این خوشه‌ها شبیه تر هستند در یکی از آنها قرار می‌گیرند تا سطح خسارتشان مشخص گردد. در روش درخت‌تصمیم با استفاده از داده‌های مشتریان، درختی را بر اساس مجموعه‌ای از قوانین که بصورت "اگر-آنگاه" می‌باشد ایجاد کرده و سپس مشتریان جدید با استفاده از این درخت رده‌بندی می‌گردند. در نهایت هر دو این مدلها مورد ارزیابی قرار می‌گیرد. ایراد این روش در عدم استفاده از دسته بند ها بوده است. چون ماهیت تحقیق پیش بینی بوده است استفاده از دسته بند ها کمک شایانی به محقق در تولبد خروجی های حذاب تر می کرد.
خلاصه فصلعمده پژوهشهایی که درخصوص داده های بیمه ای صورت گرفته کمتر به سمت پیش بینی سود و زیان شرکتهای بیمه بوده است. در موارد مشابه نیزپیش بینی خسارت مشتریان انجام شده که هدف دسته بندی مشتریان بوده است. موضوع این پژوهش اگرچه از نوع همسان با تحقیقات گفته شده است اما در جزئیات بیمه شخص ثالث را پوشش می دهد که درکشور ما یک بیمه اجباری تلقی می شود. همچنین تعداد خصیصه هایی که در صدور یا خسارت این بیمه نامه دخالت دارند نسبت به سایر بیمه های دیگر بیشتر بوده ضمن اینکه بررسی سود یا زیان بیمه شخص ثالث با استفاده از دانش نوین داده کاوی کارتقریبا جدیدی محسوب می شود.

فصل سوم
2087880229743000
شرح پژوهشدر این فصل هدف بیان مراحل انجام این پژوهش و تحلیل خروجی های بدست آمده می باشد.

انتخاب نرم افزاردر اولین دهه آغاز به کار داده کاوی و در ابتدای امر، هنوز ابزار خاصی برای عملیات کاوش وجود نداشت و تقریبا نیاز بود تا تمامی تحلیل گران، الگوریتمهای موردنظر داده کاوی و یادگیری ماشین را با زبان های برنامه نویسی مانند c یا java یا ترکیبی از چند زبان پیاده سازی کنند. اما امروزه محیط های امکان پذیر برای این امر، با امکانات مناسب و قابلیت محاوره گرافیکی زیادی را می توان یافت]صنیعی آباده 1391[.
Rapidminerاین نرم افزار یک ابزار داده کاوی متن باز است که به زبان جاوا نوشته شده و از سال 2001 میلادی تا به حال توسعه داده شده است. در این نرم افزار سعی تیم توسعه دهنده بر این بوده است که تا حد امکان تمامی الگوریتم های رایج داده کاوی و همچنین یادگیری ماشین پوشش داده شوند. بطوری که حتی این امکان برای نرم افزار فراهم شده است تا بتوان سایر ابزارهای متن باز داده کاوی را نیز به آن الحاق نمود. رابط گرافیکی شکیل و کاربر پسند نرم افزار نیز آن را یک سرو گردن بالاتر از سایر ابزارهای رقیب قرار میدهد]صنیعی آباده 1391[.
مقایسه RapidMiner با سایر نرم افزار های مشابهدر اینجا دو نرم افزار مشهور متن باز را با RapidMiner مقایسه خواهیم کرد و معایب و مزایای آنها را بررسی می کنیم.
الف-R
یک زبان برنامه نویسی و یک پکیج داده کاوی به همراه توابع آماری است و بر پایه زبان های s و scheme پیاده سازی شده است. این نرم افزار متن باز، حاوی تکنیک های آماری مانند: مدل سازی خطی و غیرخطی، آزمون های کلاسیک آماری، تحلیل سری های زمانی، دسته بندی، خوشه بندی، و همچنین برخی قابلیت های گرافیکی است. R را می توان در محاسبات ماتریسی نیز بکار برد که این امر منجر به استفاده از آن در علم داده کاوی نیز می شود.
-مزایا:
شامل توابع آماری بسیار گسترده است.
بصورت بسیارمختصر قادر به حل مسائل آماری است.
دربرابر سایر نرم افزار های مرسوم کار با آرایه مانند Mathematica, PL, MATLAB, LISP/Scheme قدرت مند تر است.
با استفاده از ویژگی Pipeline قابلیت ترکیب بالایی را با سایر ابزارها و نرم افزارها دارد.
توابع نمودار مناسبی دارد.
-معایب:
فقدان واسط کاربری گرافیک
فقدان سفارشی سازی لزم جهت داده کاوی
ساختار زبانی کاملا متفاوت نسبت به زبان های برنامه نویسی مرسوم مانندc, PHP, java, vb, c#.
نیاز به آشنایی با زبانهای آرایه ای
قدیمی بودن این زبان نسبت به رقبا. این زبان در 1990 ساخته شده است.
ب- Scipy
یک مجموعه از کتابخانه های عددی متن باز برای برنامه نویسی به زبان پایتون است که برخی از الگوریتم های داده کاوی را نیز پوشش می دهد.
-مزایا
برای کاربردهای ریاضی مناسب است.
عملیات داده کاوی در این نرم افزار چون به زبان پایتون است راحت انجام می شود.
-معایب
الگوریتم های یادگیری مدل در این کتابخانه هنوز به بلوغ کامل نرسیده اند و درحال تکامل هستند.
برای پیاده سازی الگوریتم های داده کاوی توسط این ابزار باید از ترکیب های متفاوت آنچه در اختیار هست استفاده کرد.
ج-WEKA
ابزار رایج و متن باز داده کاوی است که کتابخانه های آماری و داده کاوی بسیاری را شامل میشود. این نرم افزار بوسیله جاوا نوشته شده است و در دانشگاه وایکاتو در کشور نیوزلند توسعه داده شده است.
-مزایا
دارای بسته های فراوان یادگیری ماشین.
دارای نمای گرافیکی مناسب.
مشخصا به عنوان یک ابزار داده کاوی معرفی شده است.
کار کردن با آن ساده است.
اجرای همزمان چندین الگوریتم و مقایسه نتایج.
همانطور که مشخص شد weka در مقابل دیگر نرم افزار های بیان شده به لحاظ قدرت و کاربر پسندی به Rapidminer نزدیک تر است و شباهت های زیادی به هم دارند زیرا که:
هردو به زبان جاوا نوشته شده اند.
هردو تحت مجوزGPL منتشر شده اند.
Rapidminer بسیاری از الگوریتمهای weka را در خود بارگذاری میکند.
اما weka معایبی نسبت به Rapidminer دارد از جمله اینکه:
در اتصال به فایلهای حاوی داده Excel و پایگاه های داده که مبتنی بر جاوا نیستند ضعیف عمل میکند.
خواندن فایلهای csv به شکل مناسبی سازماندهی نشده است.
به لحاظ ظاهری در رده پایینتری قرار دارد.
در نهایت بعد از بررسی های انجام شده حتی در میان نرم افزار های غیرمتن باز تنها ابزاری که کارایی بالاتری از Rapidminer داشت statistica بود که متن باز نبوده و استفاده از آن نیازمند تقبل هزینه آن است]صنیعی آباده 1391[.
در یازدهمین و دوازدهمین بررسی سالانه KDDnuggets Data Mining / Analytics رای گیری با طرح این سوال که کدام ابزار داده کاوی را ظرف یک سال گذشته برای یک پروژه واقعی استفاده کرده ایددر سال 2010 از بین 912 نفر و در سال 2011 ازبین 1100 نفر انجام شد. توزیع رای دهندگان بدین صورت بوده است:
اروپای غربی 37%
آمریکای شمالی 35%
اروپای شرقی 10%
آسیا 6%
اقیانوسیه 4%
آمریکای لاتین 4%
آفریقا و خاورمیانه %4
نتایج به شرح جدول 3-1 بوده است :
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی
2011 Vote 2010 Vote Software name
37. 8% 27. 7% Rapidminer
29. 8% 23. 3% R
24. 3% 21. 8% Excel
12. 1% 13. 6% SAS
18. 4% 12. 1% Your own code
19. 2% 12. 1% KNIMe
14. 4% 11. 8% WEKA
1. 6% 10. 6% Salford
6. 3% 8. 5% Statistica
همانطور که نتایج رای گیری مشخص میکند نرم افزار Rapidminer بیشترین استفاده کننده را دارد.
در این پایان نامه نیز عملیات داده کاوی توسط این نرم افزار انجام می شود. ناگفته نماند در قسمتهایی از نرم افزار minitab و Clementine12 نیز برای بهینه کردن پاسخ بدست آمده و بالابردن کیفیت نتایج استفاده شده است.

داده ها داده های مورد استفاده در این پژوهش شامل مجموعه بیمه نامه های شخص ثالث صادر شده استان کهگیلویه و بویراحمد در سال 1390 شمسی بوده که بیمه نامه های منجر شده به خسارت نیز در این لیست مشخص گردیده اند. تعداد کل رکوردها حدود 20 هزار رکورد بوده که از این تعداد تقریباً 7. 5 درصد یعنی حدود 1500 رکوردمنجر به خسارت گردیده اند.
3-2-1- انتخاب دادهداده مورد استفاده در این پژوهش شامل دو مجموعه داده به شرح زیر بوده است:
صدور: اطلاعات بیمه نامه های صادره
خسارت: جزئیات خسارت پرداختی ازمحل هر بیمه نامه که خسارت ایجاد کرده
3-2-2-فیلدهای مجموعه داده صدور
این فیلدها در حالت اولیه 137 مورد به شرح جدول 3-2 بوده است.
3-2-3-کاهش ابعاد
در این پژوهش بخاطر موثرنبودن فیلدهایی اقدام به حذف این مشخصه ها کرده و فیلدهای موثر نهایی به 42 فیلد کاهش یافته که به شرح جدول 3-3 بدست آمده اند. کاهش ابعاد میتواند شامل حذف فیلدهای موثر که دارای اثر بسیار ناچیز درمقابل دیگر فیلدها است نیز باشد.
جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 بیمه‌نامه 33 مدت بیمه 65 تعهدمازاد
2 سال‌صدوربیمه‌نامه 34 زمان‌شروع 66 کدنوع‌تعهدسرنشین
3 رشته‌بیمه 35 شغل‌بیمه‌گذار 67 میزان‌تعهدسرنشین
4 نمایش سند 36 سن‌بیمه‌گذار 68 حق‌بیمه‌ثالث‌قانونی
5 مکانیزه 37 سال‌کارت 69 ثالث قانونی+تعدددیات
6 دستی 38 سریال‌کارت 70 حق‌بیمه‌بند4
7 وب‌بنیان 39 کدوسیله‌نقلیه 71 حق‌بیمه‌ماده1
8 نام‌استان 40 کدزیررشته‌آمار 72 حق‌بیمه‌مازاد
9 نام‌شعبه 41 نوع‌وسیله‌نقلیه 73 حق‌بیمه‌سرنشین
10 کدشعبه 42 سیستم 74 مالیات
11 شعبه‌محل‌صدور 43 سال ساخت 75 مازادجانی
12 شعبه 44 رنگ 76 حق‌بیمه‌مازادمالی
13 نمایندگی‌محل‌صدور 45 شماره‌شهربانی 77 عوارض‌ماده92
14 کددولتی 46 شماره‌موتور 78 حق‌بیمه‌دریافتی
15 نمایندگی 47 شماره‌شاسی 79 tadodflg
16 دولتی 48 تعدادسیلندر 80 حق‌بیمه‌تعددخسارت
17 صادره‌توسط شعبه 49 کدواحدظ‌رفیت 81 جریمه‌بیمه‌مرکزی
18 کارمندی 50 ظرفیت 82 حق‌بیمه‌صادره‌شعبه
19 کدصادره‌توسط شعبه 51 شرح‌مورداستفاده 83 حق‌بیمه‌صادره‌نمایندگی
20 سریال‌بیمه‌نامه 52 یدک‌دارد؟ 84 کداضافه‌نرخ‌حق‌بیمه
21 شماره‌بیمه‌نامه 53 اتاق‌وسیله‌نقلیه 85 اضافه‌نرخ‌ثالث
22 نام‌بیمه‌گذار 54 نوع‌پلاک 86 اضافه‌نرخ‌بند4
23 آدرس‌بیمه‌گذار 55 جنسیت 87 اضافه‌نرخ‌مازاد
24 تلفن‌بیمه‌گذار 56 کدنوع‌بیمه‌نامه 88 تعدددیات
25 کدسازمان 57 نوع‌بیمه 89 اضافه‌نرخ‌تعدددیات
26 نام‌سازمان 58 بیمه‌نامه‌سال‌قبل 90 اضافه‌نرخ‌ماده‌یک
27 کدنوع‌بیمه 59 انقضاسال‌قبل 91 دیرکردجریمه
28 cbrn. cod 60 بیمه‌گرقبل 92 کدملی‌بیمه‌گذار
29 نوع‌بیمه 61 شعبه‌قبل 93 صادره‌توسط شعبه
30 تاریخ‌صدور 62 خسارت‌داشته‌؟ 94 نوع‌مستند1
31 تاریخ‌شروع 63 تعهدمالی 95 شماره‌مستند1
32 تاریخ‌انقضا 64 تعهدبدنی 96 تاریخ‌مستند1
ادامه جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
97 مبلغ‌مستند1 111 تخفیف ایمنی 125 کداقتصادی
98 شماره‌حساب1 112 سایرتخفیف ها 126 کدملی
99 بانک1 113 ملاحظات 127 تاریخ‌ثبت
100 نوع‌مستند2 114 نام‌کاربر 128 کدشعبه‌صادرکننده‌اصلی
101 شماره‌مستند2 115 تاریخ‌سند 129 کدنمایندگی‌صادرکننده‌اصلی
102 تاریخ‌مستند2 116 کدشهربانی 130 کدسازمان‌صادرکننده‌اصلی
103 مبلغ‌مستند2 117 شعبه‌محل‌نصب 131 سال
104 شماره‌حساب2 118 کدمحل‌نصب 132 ماه
105 بانک2 119 دستی/مکانیزه 133 نوع
106 تخفیف‌نرخ‌اجباری 120 تیک‌باحسابداری 134 crecno
107 تخفیف‌نرخ‌اختیاری 121 سال‌انتقال 135 type_ex
108 تخفیف عدم خسارت 122 ماه‌انتقال 136 updflg
109 تخفیف صفرکیلومتر 123 sysid 137 hsab_sync
110 تخفیف گروهی 124 trsid کداقتصادی
جدول شماره 3-3: فیلدهای نهایی داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 ماه 15 تعهدمازاد 29 تاریخ‌شروع
2 سال 16 تعهدبدنی 30 تاریخ‌صدور
3 کدنمایندگی‌صادرکننده‌اصلی 17 تعهدمالی 31 نام‌سازمان
4 تخفیف گروهی 18 بیمه‌نامه‌سال‌قبل 32 شماره‌بیمه‌نامه
5 تخفیف عدم خسارت 19 نوع‌بیمه 33 کارمندی
6 نوع‌مستند1 20 نوع‌پلاک 34 صادره‌توسط شعبه
7 دیرکردجریمه 21 شرح‌مورداستفاده 35 دولتی
8 کداضافه‌نرخ‌حق‌بیمه 22 ظرفیت 36 نمایندگی‌محل‌صدور
9 حق‌بیمه‌دریافتی 23 تعدادسیلندر 37 خسارتی؟
10 عوارض‌ماده92 24 سال ساخت 38 مبلغ خسارت
11 مالیات 25 سیستم 39 تاریخ ایجادحادثه
12 حق‌بیمه‌سرنشین 26 نوع‌وسیله‌نقلیه 40 بیمه گر زیاندیده اول
13 حق‌بیمه‌مازاد 27 مدت بیمه 41 تعداد زیاندیدگان مصدوم
14 حق‌بیمه‌ثالث‌قانونی 28 تاریخ‌انقضا 42 تعداد زیاندیدگان متوفی
در کاهش ابعاد این مساله برای حذف فیلدهای مختلف نظرات کارشناسان بیمه نیز لحاظ شده است. جدول 3-4 فیلدهای حذف شده و علت حذف آنها را بیان کرده است.
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها
نام فیلد حذف شده علت حذف
Crecno-type_ex-updflg-hsab_sync-کدمحل‌نصب-دستی/مکانیزه-تیک‌باحسابداری-سال‌انتقال-ماه‌انتقال-sysid-trsid-کدزیررشته آمار-نمایش سند-مکانیزه-دستی-وب‌بنیان-Cbrn. cod کاربرد آماری
نوع-کد شعبه صادرکننده-شعبه محل نصب-کدشهربانی-سایرتخفیف ها-تخفیف ایمنی-تخفیف صفر کیلومتر-تخفیف نرخ اختیاری-تخفیف نرخ اجباری-خسارت داشته؟-شعبه قبل-جنسیت-کد نوع بیمه نامه-یدک دارد-
اتاق وسیله نقلیه-سن بیمه گذار-شغل بیمه گذار-زمان شروع-کد نوع بیمه دارای مقدار یکسان یا null
کد سازمان صادر کننده-کد نوع تعهد سرنشین-کدواحدظرفیت-کد وسیله نقلیه-کد سازمان-کد صادره توسط-نمایندگی-کد دولتی بجای این کد از فیلد اسمی معادل آن استفاده شده است و یا برعکس زیرا در نتایج خروجی قابل فهم تر خواهد بود.
تاریخ ثبت-تاریخ سند-بیمه گر قبل-مبلغ -مستند 1و2-اضافه‌نرخ‌ثالث-4اضافه‌نرخ‌بند-
اضافه‌نرخ‌مازاد-میزان تعهد سرنشین-تعدددیات-اضافه‌نرخ‌تعدددیات-اضافه‌نرخ‌ماده‌یک-تاریخ مستند1و2-شماره -حساب 1و2-بانک1و2 دارای مقدار تکراری
کدملی-بیمه نامه-کداقتصادی-نوع مستند2-
شماره مستند1و2-نام کاربر-ملاحظات-
کدملی بیمه گذار-شماره شاسی-شماره موتور-
شماره شهربانی-سریال کارت-سال کارت-
نام‌استان-نام‌شعبه-کدشعبه-شعبه‌محل‌صدور


شعبه-سال‌صدوربیمه‌نامه-رشته‌بیمه-رنگ-تلفن بیمه گذار-نام بیمه گذار-آدرس بیمه گذار-سریال بیمه نامه بدون تاثیر
حق‌بیمه‌تعددخسارت-جریمه‌بیمه‌مرکزی-
حق‌بیمه‌صادره‌شعبه-حق‌بیمه‌صادره‌نمایندگی-
مازادجانی-حق‌بیمه‌مازادمالی-حق بیمه ماده1-
حق بیمه ماده4-ثالث قانونی + تعدد دیات- انقضا سال قبل بخشی از فیلد انتخاب شده
جدول 3-5: فیلدهای استخراج شده از داده های خسارت
مبلغ خسارت
تاریخ ایجادحادثه
بیمه گر زیاندیده اول
تعداد زیاندیدگان مصدوم
تعداد زیاندیدگان متوفی
3-2-4- فیلدهای مجموعه داده خسارتاز مجموعه داده خسارت فقط فیلدهای مشخص کننده میزان خسارت و جزئیات لازم استخراج شده است. متاسفانه اطلاعات مفید تری مثل سن راننده مقصر، میزان تحصیلات و. . . در این مجموعه داده وجود نداشته است و چون هنگام ثبت خسارت برای یک بیمه نامه از اطلاعات کلیدی داده های صدور استفاده می شود، با توجه به اینکه از مرحله قبل مهمترین فیلدهای داده های صدور را در دسترس داریم بنابراین با ادغام فیلدهای خسارت و صدور به اطلاعات جامعی در خصوص یک بیمه نامه خاص دسترسی خواهیم داشت. مشخصه ها استخراج شده از داده های خسارت طبق جدول 3-5 است.

3-2-5-پاکسازی داده هاداده ها در دنیای واقعی ممکن است دارای خطا، مقادیر از دست رفته، مقادیر پرت و دورافتاده باشند [Jiawei Han, 2010]. در مرحله پاکسازی با توجه به نوع داده ممکن است یک یا چند روش پاکسازی بر روی داده اعمال شود.
3-2-6- رسیدگی به داده های از دست رفتهدر این قسمت از کار اقدام به رفع Missing data نموده که خود مرحله مهمی از پاکسازی داده بحساب می آید. در مرحله ابتدایی با مرتب سازی تمام ویژگی های قابل مرتب سازی در نرم افزار Microsoft Excel اقدام به کشف مقادیر از دست رفته کرده و از طریق دیگر ویژگی های هر رکورد مقدار از دست رفته را حدس زده ایم. همچنین درحین انتقال داده به محیط داده کاوی مقادیر از دست رفته نیز مشخص می گردند. در بعضی موارد بدلیل تعداد زیاد ویژگی های از دست رفته اقدام به حذف کامل رکورد نمودیم. این کار برای زمانی که داده ها در حجم انبوهی وجود دارند مفید واقع میشوند اما زمانی که تعداد رکوردها کم می باشد اجتناب از این عمل توصیه می شود. برای ویژگی نوع بیمه که از نوع چند اسمی بوده است فقط دو مقدار"کارمندی" و "عادی" وجود داشته که تعداد 49 مورد فاقد مقدار بوده است. کل تعداد بیمه کارمندی 27 مورد بوده است. با توجه به کم بودن تعداد داده های ازدست رفته این فیلد و پس از مقایسه نام بیمه گذاران با اسم کارمندان مشخص شد هیچ کدام از موارد فوق کارمندی نبوده و همه از نوع عادی بوده اند.
از جمله فیلدهای دارای مقادیر از دست رفته و روش رفع ایراد آنها عبارتند از:
سیستم*** 70 مورد***تشخیص با توجه به دیگر ویژگی ها
نوع وسیله نقلیه***33مورد***تشخیص با توجه به دیگر ویژگی ها
شرح مورد استفاده***11مورد***تشخیص با توجه به دیگر ویژگی هاتعدادسیلندر***2مورد***تشخیص با توجه به دیگر ویژگی ها
دولتی***28 مورد***تشخیص از روی پلاک
ماه***130 مورد***تشخیص از روی تاریخ صدور
نوع بیمه***49مورد***تشخیص از روی نام بیمه گذار
تعداد رکوردهایی که مقادیرازدست رفته در چند ویژگی مهم را داشته اند و حذف شده اند حدود 350 مورد بوده است.
3-2-7-کشف داده دور افتادهبعضی از مقادیر بسته به نوع داده علی رغم پرت تشخیص داده شدن مقادیر صحیحی می باشند. بنابراین حذف اینگونه داده ها برای کاستن پیچیدگی مساله میتواند موجب حذف قوانین مهمی در الگوریتم های مبتنی برقانون یا درختهای تصمیم شود. پس بررسی خروجی الگوریتم توسط یک فردخبره در موضوع مساله می تواند مانع از این اتفاق شود. نوع برخورد با داده پرت میتواند شامل حذف داده پرت، تغییر مقدار، حذف رکورد و در مواردی حذف مشخصه باشد.
برای تشخیص داده پرت از نمودار boxplot نرم افزار minitab 15 استفاده گردید. در این نمودار از مفهوم درصدک استفاده میشود که داده های بین 25% تا 75% که به ترتیب با Q1 و Q3 نشان داده می شوند مهم ترین بخش داده ها هستند. X50% نیز میانه را نشان می دهد و با یک خط در وسط نمودار مشخص می شود. Interquartile range (IQR) نیز مفهوم دیگری است که برابر است با IQR = Q3-Q1 .
مقادیر بیشتر از Q3 + [(Q3 - Q1) X 1. 5] و کمتر از Q1 - [(Q3 - Q1) X 1. 5]داده پرت محسوب می شوند. برای انجام اینکار نمودار boxplot را روی تک تک مشخصه های داده ها به اجرا در آورده و نتایج مطابق جدول 3-6 حاصل گردید.
جدول 3-6: نتایج نمودار boxplot
نام فیلد محاسبه مقادیر پرت توضیحات
تعداد زیاندیدگان متوفی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2 نشان داده شده صحیح می باشد
تعداد زیاندیدگان مصدوم Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 1و2و3 نشان داده شده صحیح می باشد
بیمه گر زیاندیده اول Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2و3و. . . نشان داده شده صحیح می باشد و عدد 99 مقداری صحیح است که به معنی ندارد استفاده میگردد
مبلغ خسارت Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مبلغ خسارت 1.658.398.000 ریال و 900.000.000 ریال واقعا پرداخت گردیده است
تعداد سیلندر Q1=4, Q3=4, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=4
Q1 - [(Q3 - Q1) X 1. 5]=4مقدار 5 به عنوان تعداد سیلندر ناصحیح می باشد
ظرفیت Q1=5, Q3=5, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=5
Q1 - [(Q3 - Q1) X 1. 5]=5 مقادیر بین 1 تا 96 ظرفیتهای منطقی بر اساس تناژ یا سرنشین بوده و صحیح است اما مقدار 750 نا صحیح است
نوع پلاک Q1=3, Q3=3, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=3
Q1 - [(Q3 - Q1) X 1. 5]=3 مقادیر با مفهوم بوده و دور افتاده نیست
بیمه نامه سال قبل Q1=1, Q3=1, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=1
Q1 - [(Q3 - Q1) X 1. 5]=1 مقادیر عددی 0 یا 1 به معنی داشتن یا نداشتن بوده و صحیح است
تعهدات مالی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه ثالث قانونی Q1=1992600, 3=3332500, IQR=1339900
Q3 + [(Q3 - Q1) X 1. 5]=5342350
Q1 - [(Q3 - Q1) X 1. 5]=17250 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه مازاد Q1=0, Q3=9100, IQR=9100
Q3 + [(Q3 - Q1) X 1. 5]=22750
Q1 - [(Q3 - Q1) X 1. 5]=13650 مقادیر با مفهوم بوده و دور افتاده نیست
دیرکرد جریمه Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
تخفیف عدم خسارت Q1=610080, Q3=1495200, IQR=885120
Q3 + [(Q3 - Q1) X 1. 5]=2822880
Q1 - [(Q3 - Q1) X 1. 5]=717600 مقادیر با مفهوم بوده و دور افتاده نیست
3-2-8-انبوهش دادهبا ادغام کردن داده های صدور و خسارت به خلق ویژگیهای جدیدی دست زده ایم. چون داده ها در دو فایل جدا گانه بوده و حجم داده زیاد بوده است برای ادغام از پرس و جوی نرم افزار Microsoft Access استفاده شد. برای تشخیص بیمه نامه های خسارت دیده از فیلد شماره بیمه نامه که در هردوفایل مشترک بود استفاده کردیم.
3-2-9- ایجاد ویژگی دستهدر این مرحله پس از ادغام ویژگی های مختلف اقدام به ایجاد یک فیلد برای تمام رکوردهایی که منجر به خسارت شده اند می نماییم. این فیلد در الگوریتمهای دسته بندی مورد استفاده قرار خواهد گرفت. برای انجام این کار از یک پر و جوی Microsoft Access استفاده میکنیم.
3-2-10-تبدیل دادهجهت استفاده کاربردی تر از برخی ویژگی ها باید مقادیر آن ویژگی تغییر کند. یک نمونه از این کار تغییر مقدار ویژگی " دیرکرد جریمه " است. مقدار این فیلد مبلغ جریمه دیرکرد بیمه گذار بوده است که با تقسیم این مبلغ به عدد 13000 تعداد روزهای تاخیر در تمدید بیمه نامه افراد مشخص می شود، زیرا به ازای هر روز تاخیر مبلغی حدود 13000ریال در سال 1390 به عنوان جریمه دیرکرد از فرد متقاضی بیمه نامه دریافت می گردید.
3-2-11-انتقال داده به محیط داده کاویپس از انجام پاکسازی، داده باید به محیط داده کاوی منتقل شود. در خلال این انتقال نیاز به تعریف و یا تغییر نوع داده وجود دارد. در طول این تغییر داده ممکن است مقادیری از داده ها بدلیل ناسازگاری و یا دلایل مشابه به عنوان داده از دست رفته مشخص گردد و یا داده از دست رفته ای که قبلاً قابل تشخیص نبوده مشخص گردد. (شکل 3-1)

شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی
3-2-12-انواع داده تعیین شده
پس از انتقال داده به محیط داده کاوی، هر ویژگی به نوع خاصی از داده توسط نرم افزار تشخیص داده شد. پس از آن نوع داده تشخیصی مورد بررسی قرار گرفت و اشتباهات پیش آمده تصحیح گردیدند. همچنین گروهی از ویژگی ها که به هیچ نوع داده ای اختصاص داده نشده بود بصورت دستی به بهترین نوع ممکن اختصاص داده شد. چون برخورد الگوریتم ها با انواع داده ها متفاوت است با توجه به موضوع پژوهش بهترین نوع داده که بتواند نسبت به الگوریتم موثرترواقع شود برای هر ویژگی درنظر گرفته شد.
جدول نوع داده های مورد استفاده در این پژوهش به شرح جدول 3-7 است:
جدول 3-7: انواع داده استفاده شده
نام فیلد نوع فیلد
ماه-سال-کدنمایندگی‌صادرکننده‌اصلی- تعداد زیاندیدگان مصدوم- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- نمایندگی‌محل‌صدور- تعداد زیاندیدگان متوفی-حق‌بیمه‌ثالث‌قانونی-تعهدمازاد-تعهدبدنی-تعهدمالی Integer
- نوع‌بیمه- شرح‌مورداستفاده- بیمه گر زیاندیده اول نوع‌مستند1- سیستم نوع‌وسیله‌نقلیه- نام‌سازمان-دولتی polynominal
دیرکردجریمه-کداضافه‌نرخ‌حق‌بیمه-حق‌بیمه‌دریافتی-عوارض‌ماده92-مالیات-حق‌بیمه‌سرنشین-حق‌بیمه‌مازاد- تخفیف گروهی-تخفیف عدم خسارت- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه- خسارتی؟ binominal
تاریخ‌انقضا-تاریخ‌شروع-تاریخ‌صدور- تاریخ ایجادحادثه date
شماره‌بیمه‌نامه text
3-2-13-عملیات انتخاب ویژگیهای موثرتردر برخورد با برخی از الگوریتمها که با بیشتر شدن تعداد ویژگی پیچیدگی بیشتری نیز پیدا میکنند، مانند درختهای تصمیم، svm، Regression و شبکه های عصبی باید از ویژگی های کمتری استفاده کنیم. درکل انتخاب ویژگی برای استفاده در الگوریتم های دسته بندی تکنیک کارآمدی است. دراینجا ازتکنیکهای کاهش ویژگی و یا وزن دهی استفاده کرده و فیلدهای منتخبی که وزن بیشتری را دارند به عنوان ورودی الگوریتمها انتخاب گردیدند.
با توجه به اینکه احتمال ارزش دهی به یک ویژگی در تکنیکهای مختلف متغیر است و ممکن است ویژگی خاصی توسط یک تکنیک باارزش قلمداد شده و توسط تکنیکی دیگر بدون ارزش تلقی شود، نتیجه تمام تکنیکها Union, شده و فیلدهای حاصل به عنوان ورودی الگوریتم مشخص گردید.
3-3-نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی
نتایج حاصل از این تکنیک ها در شکل های 3-2 الی3-5 نمایش داده شده است.

شکل 3-2: نتایج الگوریتمPCA
در ارزشدهی به ویژگی ها

شکل 3-3: نتایج الگوریتم SVM Weighting
در ارزشدهی به ویژگی ها

شکل 3-4: نتایج الگوریتم
Weighting Deviation در ارزشدهی به ویژگی ها

شکل 3-5: نتایج الگوریتم Weighting Correlation
در ارزشدهی به ویژگی ها
3-4-ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگیلازم به توضیح است در تمام الگوریتمهایی که از 24 ویژگی جدول 3-8 استفاده شده است از تمام ویژگی ها نیز استفاده شده و نتایج با هم مقایسه گردیده اند و مشخص شد که وجود برخی ویژگی ها که در آن جدول قرار ندارند باعث کاهش دقت الگوریتم شده و در برخی الگوریتم ها نیز تفاوتی میان دو مقایسه مشخص نشد.
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف
نام فیلد نوع فیلد
تعهدمازاد- تعهدبدنی- تعهدمالی- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- تعداد زیاندیدگان مصدوم- تعداد زیاندیدگان متوفی Integer
شرح‌مورداستفاده- سیستم- نوع‌وسیله‌نقلیه- بیمه گر زیاندیده اول polynominal
دیرکردجریمه- کداضافه‌نرخ‌حق‌بیمه- حق‌بیمه‌دریافتی- مالیات- حق‌بیمه‌سرنشین- حق‌بیمه‌ثالث‌قانونی- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه binominal
3-5-معیارهای ارزیابی الگوریتمهای دسته بندیدر این بخش توضیحاتی درخصوص چگونگی ارزیابی الگوریتم های دسته بندی و معیار های آن ارائه خواهد شد.
3-6-ماتریس درهم ریختگیماتریس در هم ریختگی چگونگی عملکرد دسته بندی را با توجه به مجموعه داده ورودی به تفکیک نشان میدهد که:
TN: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم نیز دسته آنها را به درستی منفی تشخیص داده است.
FP: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته آنها را به اشتباه مثبت تشخیص داده است.
FN: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته آنها را به اشتباه منفی تشخیص داده است.
TP: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم نیز دسته آنها را به درستی مثبت تشخیص داده است.
جدول 3-9: ماتریس در هم ریختگی
رکوردهای تخمینی(Predicted Records)
دسته+ دسته- FP TN دسته-
TP FN دسته+
1903095210185رکوردهای واقعی(Actual Records)
00رکوردهای واقعی(Actual Records)

مهمترین معیار برای تعیین کارایی یک الگوریتم دسته بندی معیاردقت دسته بندی است. این معیارنشان می دهد که چند درصد ازکل مجموعه رکوردهای آموزشی بدرستی دسته بندی شده است.
دقت دسته بندی بر اساس رابطه زیر محاسبه می شود:
CA=TN+TPTN+FN+TP+FP3-7-معیار AUCاین معیار برای تعیین میزان کارایی یک دسته بند بسیار موثر است. این معیار نشان دهنده سطح زیر نمودار ROC است. هرچقدرعدد AUC مربوط به یک دسته بند بزرگتر باشد، کارایی نهایی دسته بند مطلوب تر است. در ROC نرخ تشخیص صحیح دسته مثبت روی محور Y و نرخ تشخیص غلط دسته منفی روی محورX رسم میشود. اگر هر محور بازه ای بین 0و1 باشد بهترین نقطه در این معیار (0, 1) بوده و نقطه (0, 0) نقطه ای است که دسته بند مثبت و هشدار غلط هیچگاه تولید نمی شود.
3-8-روشهای ارزیابی الگوریتم های دسته بندیدر روشهای یادگیری با ناظر، دو مجموعه داده مهم به اسم داده های آموزشی و داده های آزمایشی وجود دارند. چون هدف نهایی داده کاوی روی این مجموعه داده ها یافتن نظام حاکم بر آنهاست بنابراین کارایی مدل دسته بندی بسیار مهم است. از طرف دیگر این که چه بخشی از مجموعه داده اولیه برای آموزش و چه بخشی به عنوان آزمایش استفاده شود بستگی به روش ارزیابی مورد استفاده دارد که در ادامه انواع روشهای مشهور را بررسی خواهیم کرد]صنیعی آباده 1391[.
روش Holdoutدر این روش چگونگی نسبت تقسیم مجموعه داده ها بستگی به تشخیص تحلیلگر داشته اما روش های متداول ازنسبت 50-50 و یا دو سوم برای آموزش و یک سوم برای آزمایش و ارزیابی استفاده میکنند.
مهم ترین حسن این روش سادگی و سرعت بالای عملیات ارزیابی می باشد اما معایب این روش بسیارند. اولین ایراد این روش آن است که بخشی از مجموعه داده اولیه که به عنوان داده آزمایشی است، شانسی برای حضور در مرحله آموزش ندارد. بدیهی است مدلی که نسبت به کل داده اولیه ساخته می شود، پوشش کلی تری را بر روی داده مورد بررسی خواهد داشت. بنابراین اگر به رکوردهای یک دسته در مرحله آموزش توجه بیشتری شود به همان نسبت در مرحله آزمایش تعدادرکوردهای آن دسته کمتر استفاده می شوند.
دومین مشکل وابسته بودن مدل ساخته شده به، نسبت تقسیم مجموعه داده ها است. هرچقدر داده آموزشی بزرگتر باشد، بدلیل کوچکتر شدن مجموعه داده آزمایشی دقت نهایی برای مدل یادگرفته شده غیرقابل اعتماد تر خواهد بود. و برعکس با جابجایی اندازه دو مجموعه داده چون داده آموزشی کوچک انتخاب شده است، واریانس مدل نهایی بالاتربوده و نمی توان دانش کشف شده را به عنوان تنها نظم ممکن درمجموعه داده اولیه تلقی کنیم.
روش Random Subsamplingاگر روش Holdout را چند مرتبه اجرا نموده و از نتایج بدست آمده میانگین گیری کنیم روش قابل اعتماد تری را بدست آورده ایم که Random Subsampling نامیده می شود.
ایراد این روش عدم کنترل بر روی تعداد استفاده از یک رکورد در آموزش یا ارزیابی می باشد.
3-8-3-روش Cross-Validationاگر در روش Random Subsampling هرکدام از رکوردها را به تعداد مساوی برای یادگیری و تنها یکبار برای ارزیابی استفاده کنیم روشی هوشمندانه تر اتخاذ کرده ایم. این روش در متون علمی Cross-Validation نامیده می شود. برای مثال مجموعه داده را به دوقسمت آموزش و آزمایش تقسیم میکنیم و مدل را بر اساس آن می سازیم. حال جای دوقسمت را عوض کرده و از مجموعه داده آموزش برای آزمایش و از مجموعه داده آزمایش برای آموزش استفاده کرده و مدل را می سازیم. حال میانگین دقت محاسبه شده به عنوان میانگین نهایی معرفی می شود. روش فوق 2-Fold Cross Validation نام دارد. اگر بجای 2 قسمت مجموعه داده به K قسمت تقسیم شود، و هر بار با K-1 قسمت مدل ساخته شود و یک قسمت به عنوان ارزیابی استفاده شود درصورتی که این کار K مرتبه تکرار شود بطوری که از هر قسمت تنها یکبار برای ارزیابی استفاده کنیم، روش K-Fold Cross Validation را اتخاذ کرده ایم. حداکثر مقدار k برابر تعداد رکوردهای مجموعه داده اولیه است.
3-8-4-روش Bootstrapدر روشهای ارزیابی که تاکنون اشاره شدند فرض برآن است که عملیات انتخاب نمونه آموزشی بدون جایگذاری صورت می گیرد. درواقع یک رکورد تنها یکبار در یک فرآیند آموزشی شرکت داده می شود. اگر یک رکورد بیش از یک مرتبه در عملیات یادگیری مدل شرکت داده شود روش Bootstrap را اتخاذ کرده ایم. در این روش رکوردهای آموزشی برای انجام فرآیند یادگیری مدل ازمجموعه داده اولیه به صورت نمونه برداری با جایگذاری انتخاب خواهند شد و رکوردهای انتخاب نشده جهت ارزیابی استفاده می شود.
3-9-الگوریتمهای دسته بندیدر این بخش به اجرای الگوریتم های دسته بندی پرداخته و نتایج حاصل را مشاهده خواهیم کرد.
درالگوریتمهای اجرا شده از هر سه روش Holdout, k fold Validation, Bootstrap استفاده شده است و نتایج با هم مقایسه شده اند. در روشHoldout که در نرم افزار با نام Split Validation آمده است از نسبت استاندارد آن یعنی 70 درصد مجموعه داده اولیه برای آموزش و 30 درصد برای آزمایش استفاده شده است. برای k fold Validation مقدار k برابر 10 درنظر گرفته شده است که مقدار استانداردی است. در Bootstrap نیز مقدار تقسیم بندی مجموعه داده برابر 10 قسمت درنظر گرفته شده است. مقدار local random seed نیز برابر عدد 1234567890 می باشد که برای همه مدلها، نرم افزار از آن استفاده می کند مگر اینگه در مدل خاصی عدم استفاده از آن ویا تغییر مقدارموجب بهبود عملکرد الگوریتم شده باشد که قید میگردد. اشکال 3-6و3-7 چگونگی استفاده از یک مدل ارزیابی را در Rapidminer نشان می دهد.

شکل 3-6: نمای کلی استفاده از روشهای ارزیابی

شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی
الگوریتم KNNدر انتخاب مقدار k اعداد بین 1 تا 20 و همچنین اعداد 25 تا 100 با فاصله 5 آزمایش شدند. بهترین مقدار عدد 11 بوده است.
پس از اجرای الگوریتم، بهترین نتیجه مربوط به ارزیابی Split Validation با دقت91.23%بوده است. نمودار AUC آن در شکل 3-8 ترسیم شده است.
25768302223135آستانه قابل قبول
020000آستانه قابل قبول
716280-63500دسته مثبت
020000دسته مثبت

شکل 3-8: نمودار AUC الگوریتم KNN
الگوریتم Naïve Bayesاین الگوریتم پارامترخاصی برای تنظیم ندارد.
بهترین نتیجه مربوط به ارزیابی Split Validation با دقت 96.09% بوده است. نمودار AUC آن در شکل 3-9 ترسیم شده است.
22872701749425آستانه قابل قبول
020000آستانه قابل قبول
7689856985دسته مثبت
020000دسته مثبت

شکل 3-9: نمودار AUC الگوریتم Naïve Bayes
الگوریتم Neural Networkتکنیک شبکه عصبی استفاده، مدل پرسپترون چندلایه با 4 نرون در یک لایه نهان بوده است.
تنظیمات الگوریتم شبکه عصبی به شرح زیر بوده است:
Training cycles=500
Learning rate=0.3
Momentum=0.2
Local random seed=1992
چون این الگوریتم فقط از ویژگیهای عددی پشتیبانی می کند، از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام گرفت.
شکل3-10 عملیات انجام شده را نشان می دهد.

شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی
نتیجه اجرای الگوریتم Neural Network دقت 91.25%بوده ماتریس آشفتگی آن و نمودار AUC در شکل 3-11 رسم شده است.

29222702265680آستانه قابل قبول
020000آستانه قابل قبول
725170-55245دسته مثبت
020000دسته مثبت

شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net
الگوریتم SVM خطیدر این الگوریتم نیز بدلیل عدم پشتیبانی از نوع داده اسمی از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30 برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
شکل3-12 عملیات انجام شده را نشان می دهد.

شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی
پارامترهای الگوریتم عبارتند از :
Kernel cache=200
Max iteretions=100000
نتیجه حاصل از اجرای الگوریتم SVM خطی دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-13 رسم شده است.

25711152215515آستانه قابل قبول
020000آستانه قابل قبول
1045845-111760دسته مثبت
020000دسته مثبت

شکل 3-13 : نمودار AUC الگوریتم SVM Linear
3-9-5-الگوریتم رگرسیون لجستیک
در این الگوریتم از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
نتیجه حاصل از اجرای الگوریتم رگرسیون لجستیک دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-14 رسم شده است.

25482552319020آستانه قابل قبول
020000آستانه قابل قبول
974725-249555دسته مثبت
020000دسته مثبت

شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک
3-9-6- الگوریتم Meta Decision Treeدر این الگوریتم که یک درخت تصمیم است، از روش Split validationبا نسبت 70-30 برای ارزیابی استفاده شده است که دقت 96.64% اقدام به پیش بینی خسارت احتمالی نموده است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-15 رسم شده است.

26714452353945آستانه قابل قبول
020000آستانه قابل قبول
835660-73660دسته مثبت
020000دسته مثبت

شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree
با توجه به اندازه بزرگ درخت خروجی فقط قسمتی از آن در شکل 3-16 بصورت درخت نمایش داده می شود. در شکل 3-17 درخت بصورت کامل آمده است اما نتایج آن در فصل چهارم مورد تفسیر قرار خواهند گرفت.

شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree

شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree
3-9-7-الگوریتم درخت Wj48چون RapidMiner توانایی استفاده ازالگوریتمهای نرم افزار WEKA را نیز دارد، در بسیاری از الگوریتم ها قدرت مند تر عمل میکند. Wj48 نسخه WEKA از الگوریتمj48 است.
پارامترهای این الگوریتم عبارتند از:
C=0.25
M=2
در این الگوریتم از روش ارزیابی 10 Fold Validation استفاده شده است و دقت پیش بینی آن برابر 99.52% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-18 رسم شده است. نمای درخت در شکل 3-19 ترسیم شده است.

35471102441575آستانه قابل قبول

Payan name 2013

1-4 اهداف تحقیقاز نتایج و کارهای انجام شده در آن بطور خلاصه و نکتهای میتوان به موارد زیر اشاره کرد:
ارائه یک روش ترکیبی و یک مدل قابل قبول از درخت تصمیم و شبکه عصبی برای حل مشکل تشخیص کنتور خراب
تحلیل دادههای شرکت ملی گاز برای کاهش هزینه تشخیص و تعویض کنتور خراب
مقایسه الگوریتمهای مختلف موجود در روشهای درخت تصمیم
1-5 سوالات پروژهمهم‌ترین سؤالات این تحقیق در پنج مورد زیر خلاصه می‌شود.
برای تحلیل دادههای شرکت گاز کدام ترکیب از الگوریتمهای گفته شده مناسبتر است؟
معیارهای مناسب جهت تشخیص کنتور خراب چیست؟
کدام ساختار برای شبکه عصبی پیشنهادی مناسبتر است؟
مدل حاصله چگونه آموزش داده میشود؟
آیا میتوان احتمال خرابی یک کنتور را با مدل تصمیم گیری ارائه شده با دقت قابل قبول تشخیص داد؟
1-6 فرضیه‌هادر این پروژه موارد زیر به عنوان فرضیه جهت حل مسأله و پاسخ به سوالات پروژه در نظر گرفته شده است:
الگوریتم ترکیبی از درخت تصمبم و شبکه عصبی راهکار مناسبی برای حل مسأله است.
معیارها و فاکتورهای ارزیابی خرابی کنتور در جریان اجرای الگوریتم از پایگاه دادهها قابل دسترسی و محاسبه است.
تعداد ورودیها بستگی به تعداد متغیرها داشته و نتیجهی حاصله شامل کنتورهای خراب میباشد. پس ساختار مورد استفاده شامل چندین ورودی و یک خروجی میباشد.
اگر بنا بر دسته بندی کنتورهای خراب در چندین دسته مانند کنتورهای خراب، کنتورهایی با احتمال بالای خرابی، کنتورهایی با احتمال پایین خرابی و... شبکه دارای چندین خروجی خواهد شد.
با استفاده از دادههایی که از شناسایی یکسری محدود دادههای کنتورهای سالم و همچنین یکسری محدود دادههای کنتورهای خراب، شبکه آموزش داده میشود.
اختلافات بوجود آمده بین دادههای یک مشترک در طول زمان و استمرار آن را میتوان دلیل بر خرابی کنتور دانست.
1-7 راهکار ارائه شدهبا توجه به حساسیت این شرکت بر روی دادهها قبلا مجوز دسترسی به فیلدهای مربوطه گرفته شده است و منبع دادهها پایگاه داده شرکت ملی گاز کرمانشاه است. الگوریتمهای داده کاوی را از یک دید کلی بر اساس نوع میتوان به 2 گروه تقسیم کرد که عبارتند از دسته بندی و خوشه بندی. دسته بندی شامل بررسی ویژگیهای یک شی جدید و تخصیص آن به یکی ازمجموعههای از قبل تعریف شده میباشد ولی خوشه بندی به عمل تقسیم ناهمگن به تعدادی از زیر مجموعهها یا خوشههای همگن گفته میشود]3[. با توجه به تعاریف، نوع استفاده شده در این پروژه دسته بندی میباشد. با توجه به گسسته بودن اطلاعات روشی مشتمل بر شبکه عصبی و درخت تصمیم برای حل مساله مطرح شده طراحی میشود. با استفاده از پرسشنامه جهت دستیابی به تجارب مسئولین مرتبط با هدف پروژه، معیارهایی برای تعریف کنتور سالم و کنتور خراب از دیدگاه شرکت مشخص خواهد شد. نتیجه این پرسشنامه که ویژگیهای کنتور خراب را از دید مسئولین مشخص خواهد کرد که در تشخیص معیارهای ارزیابی کمک خواهد نمود. با توجه به معیارهای بدست آمده و ترکیب آنها با معیارهای مهندسی شده درمورد ساختار شبکه عصبی تصمیم گرفته خواهد شد و همچنین معیارهای مقایسه در درخت تصمیم مورد نظر بدست میآید. دادههای ارزیابی شده به عنوان مجموعه اعتبارسنجی انتخاب میشود که جدای از دادههای آموزش شبکه میباشد. بعد از آموزش شبکه عصبی و درخت تصمیم نسبت به ارزیابی و اعتبار سنجی آنها با مناسبترین الگوریتم از بین الگوریتمهای نام برده شده در شرح مسأله اقدام خواهد شد. بعد از اتمام طراحی و اعتبار سنجی روش حاصل توسط ابزارهای داده کاوی تست و اجرا میشوند و در صورت بروز مشکل یا احتمال خطا با توجه به تکرارپذیر بودن داده کاوی مراحل گفته شده دوباره تا حصول بهترین نتیجه تکرار خواهند شد. بعد از اتمام کلی و نهایی شدن طراحی، روش حاصله توسط ابزارهای داده کاوی تست و اجرا گشته و در نهایت نتایج جهت کمینه کردن هزینهی پروژهی مذکور در شرکت ملی گاز کرمانشاه به آن شرکت ارائه خواهد گردید.
روند داده کاوی نیز طبق متودلوژی CRISP-DM ]6[ پیش خواهد رفت که در شکل 1 میتوان آن را مشاهده نمود.

شکل 1- مدل فرآیند CRISP-DM برای کاربردهای داده کاوی]6[با توجه به اینکه داده کاوی یک فرآیند تکرارشونده است این مراحل تا حصول یک نتیجه قابل قبول تکرار خواهند شد.
تکنیکهای داده کاوی را میتوان به منظور ساخت سه نوع مدل، برای سه نوع فعالیت بکار برد که عبارتند از نمایه سازی توصیفی، نمایه سازی هدایت شده و پیش بینی]3[ که پروژه حاضر از نوع نمایه سازی هدایت شده میباشد.
با توجه به استفاده از درخت تصمیم و شبکه عصبی در این پروژه مراحل انجام طراحی برای هر قسمت جداگانه در ادامه توضیح داده خواهد شد.
الگوریتمهای درخت تصمیم در دسته بندی دادههای جدید بهترین عملکرد را ندارد. میتوان اینگونه گفت که درخت، الگوهای کلی را در گرههای بزرگ و الگوهای خاص را در گرههای کوچکتر مییابد. به عبارتی، درخت بر مجموعه آموزشی محاط شده که نتیجه آن یک درخت بیثبات و ناتوان در پیش بینیهای مناسب میباشد. علاج کار، حذف تقسیمات ناپایدار از طریق ادغام برگهای کوچکتر توسط فرآیندی است که هرس کردن نام دارد]10[. برای هرس کردن یکی از الگوریتمهای موجود مانند هرس کارت ]11[، هرس C5 ]11[، هرس ثبات محور ]10[ استفاده خواهد شد.
برای اندازه گیری خلوص ارزیابی تقسیمات در متغیرهای تابع هدف درخت تصمیم با توجه به دستهای یا عددی بودن آن از روشهای رایج مانند جینی ( پراکندگی جمعیت)]12[، آنتروپی (بهره اطلاعاتی)]13[، نسبت بهره اطلاعاتی که بیشترین کارایی را دارد استفاده شده است]10[.
برای طراحی شبکه عصبی در راستای اهداف پروژه مراحل زیر دنبال خواهد شد]10[:
تشخیص مشخصههای ورودی و خروجی
تبدیل ورودیها و خروجیها به نحوی که در یک بازه کوچک قرار گیرند.
ایجاد شبکه با یک ساختار مناسب
آموزش دادن شبکه به کمک مجموعه دادههای آموزشی
استفاده از مجموعه اعتبار سنجی، جهت انتخاب مجموعه اوزانی که خطا را به حداقل میرساند
ارزیابی شبکه با استفاده از مجموعه آزمون به منظور بررسی کیفیت عملکرد آن
به کار گرفتن مدل ساخته شده توسط شبکه جهت پیش بینی نتایج متناظر با ورودیهای نامعلوم
بعد از طراحی شبکه عصبی توسط مراحل گفته شده میتوان به سوالات زیر پاسخ داد:


تابع فعال سازی چیست؟
ساختار شبکه چگونه است؟
شبکه چگونه آموزش داده میشود؟
ساختار شبک دارای حداقل دو لایه پنهان است. بر روی یالهای شبکه اوزانی با استفاده از روش پس انتشار خطا برای تنظیم و تشخیص ورودیها در نظر گرفتیم. در نهایت بعد از طراحی، مدل را ساخته و در نرم افزار Rapid Miner 5 تست و اجرا کردیم و اشکالات را یافته و با تکرار مراحل طراحی آنها را رفع کردیم تا در نهایت مدل طراحی شده بتواند به مسأله مطرح شده پاسخ قابل قبولی را ارائه دهد.
1-8 ساختار پایان‌نامهدر ادامهی متن پایان نامه، ساختار کلی فصول مختلف به صورت زیر خواهند بود:
فصل دوم: این فصل مروری بر ادبیات و پیشینه پروژه میباشد که در آن به معرفی اولیه الگوریتمها و روشهای اجرا شده در پروژه اشاره میکنیم.
فصل سوم: در این فصل فرآیند داده کاوی انجام شده و روشها تست و ارزیابی میشوند و در نهایت روش ترکیبی از بهترین نتایج بدست آمده را تشکیل داده و معرفی میکنیم.
فصل چهارم: این فصل به نتیجه نهایی پروژه و معرفی راهکارهای آینده اشاره میکند.
فصل دوم
مروری بر ادبیات و پیشینه تحقیق

2-1 داده کاوی چیست؟بنا بر اعلام دانشگاه MIT دانش نوین داده کاوی یکی از ده دانش در حال توسعه‌ای است که دهه آینده را با انقلاب تکنولوژیکی مواجه می‌سازد. این تکنولوژی امروزه دارای کاربرد بسیار وسیعی در حوزه‌های مختلف است، به گونه‌ای که امروزه حد و مرزی برای کاربرد این دانش در نظر نگرفته‌اند [14].
داده کاوی، تحلیل داده و کشف الگوهای پنهان با استفاده از ابزارهای خودکار و یا نیمه خودکار است و هم چنین فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید در حجم وسیعی از داده می‌باشد، به طریقی که این الگوها و مدلها برای انسان‌ها قابل‌درک باشند. جمع‌آوری داده‌ها سبب شده سازمان‌ها منابع داده غنی و دانش ناچیزی داشته باشند. حجم این مجموعه داده‌ها به سرعت افزایش می‌یابد و باعث محدود شدن استفاده کاربردی از داده‌های ذخیره‌شده می‌شود. هدف اصلی داده کاوی استخراج الگوها از داده‌های موجود، افزایش ارزش ذاتی‌شان و تبدیل داده به دانش است [14].
با گسترش سیستمهای پایگاهی و حجم بالای داده‌های ذخیره‌شده در این سیستمها، به ابزاری نیاز است تا بتوان این داده‌ها را پردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرارداد. معمولاً کاربران پس از طرح فرضیه‌ای بر اساس گزارشات مشاهده‌شده به اثبات یا رد آن می‌پردازند درحالی‌که امروزه به روش‌هایی نیاز داریم که به کشف دانش می‌پردازند، یعنی روش‌هایی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه‌های منطقی را پیدا کرده و بیان نماید.
امروزه، بیش‌ترین کاربرد داده کاوی در بانک‌ها، مراکز صنعتی و کارخانجات بزرگ، مراکز درمانی و بیمارستان‌ها، مراکز تحقیقاتی، بازاریابی هوشمند می‌باشد. داده کاوی فرآیند اکتشاف اطلاعات و روندهای نهفته از درون حجم بسیار زیاد داده‌هایی است که در قالب پایگاه‌های داده‌ای، انباره های داده‌ای و یا هر نوع انباره اطلاعاتی ذخیره می‌شود. داده کاوی اطلاعات موجود در انبار داده‌ها را استخراج و داده‌ها را به دانشی حیاتی و مهم در ارتباط با کسب و کار تبدیل می‌نماید [15]. از طریق داده کاوی و دانش جدیدی که در اختیار قرار می‌دهد، افراد می‌توانند از داده‌ها به عنوان اهرمی جهت خلق فرصت‌ها یا ارزش‌های جدید در سازمان خود استفاده کنند و همچنین برای مسائل طبقه‌بندی و رگرسیون بکار گرفته شود. در مسائل طبقه‌بندی، دسته‌ای از اشیاء که در داخل یک طبقه‌ای قرار دارند پیش‌بینی می‌شوند و در مسائل رگرسیون، یکسری از اعداد، پیش‌بینی می‌گردند.
در حال حاضر، داده کاوی مهم‌ترین فناوری جهت بهره‌برداری موثر از داده‌های حجیم است و اهمیت آن رو به فزونی است [16]. به طوری که تخمین زده شده است که مقدار داده‌ها در جهان هر 20 ماه به حدود دو برابر برسد. در یک تحقیق که بر روی گروه‌های تجاری بسیار بزرگ در جمع‌آوری داده‌ها صورت گرفت مشخص گردید که 19 درصد از این گروه‌ها دارای پایگاه داده‌هایی با سطح بیشتر از 50 گیگابایت می‌باشند و 59 درصد از آن‌ها انتظار دارند که در آینده‌ای نزدیک در چنین سطحی قرار گیرند [16].
2-2 تعاریف متنوعی از داده کاوی
در زیر به تعاریف داده کاوی از دیدگاههای مختلف میپردازیم:
داده کاوی کشف دانش از پایگاه داده‌ها نامیده می‌شود) نشانگر فرآیند جالب استخراج دانش از قبل ناشناخته (الگو از داده است [17].
فرآیند کشف الگوهای مفید از داده‌ها را داده کاوی می‌گویند [16].
فرآیند انتخاب، کاوش و مدل کردن داده‌های حجیم، جهت کشف روابط نهفته باهدف به دست آوردن نتایج واضح و مفید، برای مالک پایگاه داده‌ها را، داده کاوی گویند [17].
"فاید"، داده کاوی را این‌گونه تعریف کرد، یک فرایند استخراج از اطلاعات ضمنی ناشناخته و مفید از داده‌های ذخیره‌شده در پایگاه داده‌هاست [18].
"گودیچی"، نیز داده کاوی را فرایند انتخاب، اکتشاف ومدل سازی مقادیر زیادی از داده‌ها برای به دست آوردن نتایج روشن و مفید برای پایگاه داده‌ها تعریف می‌کند [18].
اما تعریفی که در اکثر مراجع به اشتراک ذکرشده عبارت است از: "استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده‌های بسیار بزرگ و پیچیده"[17].
داده کاوی یک متدلوژی بسیار قوی و با پتانسیل بالا می‌باشد که به سازمان‌ها کمک می‌کند که بر روی مهم‌ترین اطلاعات از مخزن داده‌های خود تمرکز نمایند [19].
ابزارهای داده کاوی الگوهای پنهانی را کشف و پیش‌بینی می‌کنند که متخصصان ممکن است به دلیل اینکه این اطلاعات و الگوها خارج از انتظار آن‌ها باشد، آن‌ها را مدنظر قرار ندهند و به آن‌ها دست نیابند [19].
2-3 آیا داده کاوی سودمند است؟داده کاوی به دو دلیل سودآور است:
داده کاوی منجر به تصمیمات واقع‌بینانه می‌شود.
داده کاوی منجر به تکرار تصمیمات سودآور اتفاق افتاده در گذشته می‌شود.
با استفاده از داده کاوی تصمیمات احساسی کنار گذاشته میشوند و بر اساس واقعیت‌ها تصمیمات گرفته میشوند. بنابراین ضررهای ناشی از ناآگاهی مدیران حذف می‌شود. داده کاوی همچنین فضای سال‌های گذشته‌ی شرکت شما را بازبینی می‌کند و در نهایت نشان می‌دهد کدام تصمیمات منجر به سود شده است درحالی‌که شما از آن تصمیمات اطلاعی ندارید. شرکت‌ها و سازمان‌ها هر لحظه در حال اتخاذ تصمیمات جدیدی هستند که منجر به سود یا زیان آن مجموعه می‌شود. بسیاری از تصمیمات بر اساس واقعیات موجود گرفته نمی‌شود و عواملی چون «فراموشی»، «تخلفات و تقلبات»، «اشکالات خط تولید»، «منافع شخصی» و «سیاست‌های اعمال نفوذ شده از جاهای دیگر» منجر به اتخاذ تصمیمات غیر شفاف و در نتیجه زیانبار می‌شود[20].
اما داده کاوی فضای حاکم بر کسب‌ وکار شما را شفاف می‌کند و شما را ملزم می‌کند واقع‌بینانه تصمیم بگیرید. تصمیم‌گیری واقع‌بینانه کلید از بین بردن تصمیمات احساسی و در نتیجه از بین بردن بهره‌وری پایین و ضررهای ناشی از ناآگاهی است. به طور کلی فضای تصمیم‌گیری در یک کسب‌ و کار شباهت بسیار زیادی به فضاهای تصمیم‌گیری اتفاق افتاده در 10 سال گذشته‌ی آن مجموعه دارد. این شباهت در یاد تصمیم‌گیرندگان آن کسب‌ و کار باقی نمی‌ماند و اغلب آشکار نیز نمی‌شود. داده کاوی فضای سال‌های گذشته‌ی کسب‌ و کار شما را بازخوانی می‌کند و به شما می‌گوید کدام تصمیمات منجر به سود شده است و کدام تصمیمات منجر به زیان کسب‌ و کار شده است. بنابراین داده کاوی باعث می‌شود تصمیمات زیان ده کسب و کارتان در گذشته را تکرار نکنید ولی تصمیمات سودآور اتفاق افتاده در گذشته را دوباره تکرار کنید. به لحاظ فنی، داده کاوی عبارت از فرآیندی است که در میان حوزه‌های گوناگون بانک‌های اطلاعاتی ارتباطی بزرگ، همبستگی‌ها یا الگوهایی را پیدا می‌کند [21].
2-4 آمار و داده کاویتلاش برای الگوهای موجود در دادهها مدت زمان طولانی در بسیاری از زمینه ها، از جمله آمار، الگوشناسی ، و تجزیه و تحلیل دادههای اکتشافی مورد مطالعه قرار گرفته شده است]4[. داده کاوی اساساً یک رشته کاربردی است و یک داده کاوی باید از روش‌های آماری درک خوبی داشته باشد. در داده کاوی تلاش می‌شود بین آمار و علوم رایانه‌ای رابطه‌ای برقرار گردد. برقراری این ارتباط به دلیل وجود یک سلسله از فرضیات ضمنی و غیر واضح و دشوار بودن تبدیل مفاهیم نظری به الگوریتم‌های رایانه‌ای در ادبیات آماری و به دلیل وجود الگوریتم‌های فراوان در ادبیات رایانه‌ای دشوار است. لذا داشتن درکی درست از مدل‌سازی و الگوریتم‌های محاسباتی برای کارهای داده کاوی ضروری است.
روابط در داده کاوی غالباً به صورت الگوها و مدلهایی از قبیل معادلات رگرسیونی، سری‌های زمانی، خوشه‌ها، رده‌بندی‌ها، گراف‌ها و غیره ارائه می‌شوند. در داده کاوی نیز همانند آمار غالباً داده‌هایی که تحلیل می‌شوند، نمونه‌ای از جامعه هستند که به تبع بزرگ بودن جامعه با نمونه‌ای حجیم مواجه هستیم. در هنگام کار با مجموعه داده‌های حجیم مشکلات تازه‌ای بروز می‌کند. برخی از این مشکلات به نحوه ذخیره‌سازی یا فراخوانی داده‌ها مربوط می‌شود و برخی دیگر مربوط به مسائلی مانند نحوه تحلیل داده‌ها در زمانی مناسب و استخراج الگوها و مدلهای حاکم بر داده‌ها است [22]. به طور کلی فرآیند کاوش الگوها، مدل ها و روابط مطلوب در یک مجموعه داده شامل مراحل زیر است:
معین ساختن طبیعت و ساختار مورد نظر
تصمیم‌گیری در مورد میزان برازش نمایش‌های متفاوت به داده‌ها، یعنی انتخاب یک تابع امتیاز
اتخاذ یک فرآیند الگوریتمی برای بهینه‌سازی تابع امتیاز
تصمیم‌گیری در مورد اصول مدیریت داده‌ها برای اجرای موثر الگوریتم
با توجه به اینکه مدلها و الگوها، توابع امتیاز، روش‌های بهینه‌سازی و راهکارهای مدیریت داده‌ها چهار مؤلفه اصلی الگوریتم‌های داده کاوی را تشکیل می‌دهند، با توجه به اینکه ماهیت داده‌ها در آمار با داده کاوی متفاوت است، داده کاوی به برخی از روش‌های آماری که دارای ویژگی‌های خاصی می‌باشند توجه بیشتری نشان می‌دهد.
یکی از ویژگی‌های مورد توجه روش‌های آماری در داده کاوی، سادگی تعبیر آن‌ها است. از این رو به استفاده از مدلهای نسبتاً ساده و قابل تعبیر مانند گراف‌ها گرایش زیادی وجود دارد. در داده کاوی مواردی که در آن‌ها با تعداد بسیار زیادی متغیر، مدل و یا فرضیه مواجه هستیم، فراوان است. از طرفی داده کاوی یک فرآیند اکتشافی و تکراری است به این معنی که در خلال تحلیل داده‌ها اطلاعات جدید کشف می‌شوند و فرضیه‌های قبلی اصلاح و فرضیه‌های جدید ارائه می‌شوند و این کار ممکن است با داده‌های زیاد، بارها تکرار شود. لذا از دیدگاه آمار روش‌هایی با کارایی محاسباتی بالا، تحلیل‌های محاسباتی و تحلیل‌های تقریبی، مورد توجه خاص داده کاوی هستند. تاکید بیشتر داده کاوی بر بعضی روش‌های آماری، به معنی عدم استفاده از سایر روش‌های آماری نیست و در عمل از طیف گسترده‌ای از روش‌های آماری برای تحلیل داده‌ها استفاده می‌شود.
آمار و داده کاوی هر دو با روش‌های تحلیل و مدل بندی داده‌ها مرتبط می‌باشند. بنابراین اشتراک زیادی بین این دو رشته وجود دارد. به عنوان یک شوخی، یکی از نویسندگان در پاسخ سؤال اینکه "داده کاوی چیست؟ بیان می‌کند که "همان آمار است، اما با یک نام خیلی بهتر" البته این ویژگی به معنای یکسان دانستن داده کاوی وآنالیزآماری نیست، در جدول زیر این تفاوت‌ها آورده شده است [23،21].
جدول (2-1): مقایسه آنالیز آماری و داده کاوی [22]آنالیز آماری داده کاوی
آمار شناسان همیشه با یک فرضیه شروع به کار می‌کنند. به فرضیه احتیاجی ندارد.
آمار شناسان باید رابطه‌هایی را ایجاد کنند که به فرضیه آن‌ها مربوط شود الگوریتم‌های داده کاوی در ابزارها به طور اتوماتیک روابط را ایجاد می‌کنند
آن‌ها از داده‌های عددی استفاده می‌کنند. ابزارهای داده کاوی از انواع مختلف داده و نه فقط عددی می‌توانند استفاده کنند.
آن‌ها می‌توانند داده‌های نابجا و نادرست را در طول آنالیز تشخیص دهند داده کاوی به داده‌های صحیح و درست طبقه‌بندی شده بستگی دارد.
آن‌ها می‌توانند نتایج کار خود را تفسیر کنند و برای مدیران بیان کنند. نتایج داده کاوی آسان نیست و همچنان به متخصصان آمار برای تحلیل آن‌ها و بیان آن‌ها به مدیران نیاز است.
2-5 پیچیدگی و هزینه زمانیتحلیلگران دریافتهاند که پیچیدگی و زمانبر بودن دسترسی به حجم زیاد دادههای مورد نیاز و پردازش آن‌ها توسط بعضی ابزارهای داده کاوی، استفاده از این ابزارها را در هر نقطه از زمان و مکان غیرممکن ساخته است.
وزارت امنیت داخلی ایالات‌متحده آمریکا در آگوست 2006، به 12 تلاش داده کاوی دست زد که یکی از آن‌ها سیستم TVIS بود. این سیستم به منظور ایجاد و بهبود اشتراک دانش از خطرات تروریستی بالقوه، به روشی واحد دادههای زنده تولیدشده به وسیله خلبانان را ترکیب میکرد. نتایج تحلیلها نشانداد که اگرچه این سیستم در یک دوره تناوب دو ساعته کار می‌کند، کاربران قادر به استفاده روزانه از آن نبوده و فقط دو تحلیلگر امکان استفاده همزمان از آن را دارند. این منجر به اتلاف وقت تحلیلگران در زمان جستجو در پایگاه دادههای مضاعف شد. مشکل پیچیدگی و هزینه زمانی بعضی تکنیکهای داده کاوی، موجب کاهش پذیرش استفاده زمان واقعی از این سیستمها توسط افراد و روی آوردن به سیستمهایی با عملکرد ضعیفتر میشود [24].
2-6 محرمانگی دادههابا وجود تکنیکهای داده کاوی و اشتراک اطلاعات، توجه بسیاری از تحلیلگران به پیادهسازی محرمانگی و امنیت دادهها معطوفشدهاست. بعضی کارشناسان پیشنهاد کرده‌اند که بعضی کاربردهای ضد تروریسمی داده کاوی میتواند برای یافتن الگوهای تبهکارانه و مقابله با انواع جرمها مفید باشد. تا کنون، با وجود دیدگاه‌های متضاد بحث شده، توافق کمی درباره اینکه داده کاوی به چه صورت باید اجرا شود وجود دارد. بعضی مخالف سبک سنگینی برای ایجاد محرمانگی و تأمین امنیت هستند. بعضی ناظران نیز پیشنهاد کرده‌اند که قوانین و مقررات مربوط به حمایت از محرمانگی کافی هستند و هیچ تهدیدی برای محرمانگی وجود ندارد. هنوز ناسازگاریهایی در باب این مسئله وجود دارد که باید برطرفشوند. به موازات پیشرفت‌های داده کاوی، سؤالات متنوعی افزایش مییابند شامل اینکه نهادهای شهری و دولتی تا چه اندازه می‌بایست دادههای تجاری را با دادههای دولتی استفاده و ترکیب کنند، آیا منابع داده به منظورهایی غیر از هدف اصلی طراحی میشوند و کاربردهای ممکن از اعمال محرمانگی چیست؟ [25]
2-7 محدودیت‌های داده کاوی "گـرچه داده کاوی پیشرفت شگرفی در نوع ابزارهای تحلیلی موجود به وجود آورده است، لکن محدودیت‌هایی نیز درباره کاربردپذیری آن وجود دارد. یکی از محدودیت‌ها این است که ابزارهای داده کاوی هنوز استانداردسازی نشده‌اند و از نظـر تأثیرگذاری اختـلاف فـاحشـی با یکـدیگـر دارنـد. محدودیت دیگر آن است که گــرچــه داده کـاوی می‌تواند بـه آشکـارسـازی انگاره‌ها و رابطه‌ها کمک کند اما نمی‌تواند ارزش یا اهمیت این انگاره‌ها را به کاربر بگوید. بـنــابــرایــن، خــود کــاربـر بـایـد ایـن اطـلاعـات را مشخـص کنـد. محـدودیـت دیگـر این است که گرچه داده کاوی می‌تواند روابط بین رفتارها یا متغیرها را شناسایی کند، اما لزوما نمی‌تواند یک رابطه تصادفی را شناسایی کند"[26].
2-8 مراحل داده کاویچرخهی داده کاوی شامل روشها و مراحل مختلفی میباشد که ما در این پروژه از متدولوژی CRIDP-DM استفاده میکنیم. مراحل متدولوژی نام برده به ترتیب زیر است:
درک کسب و کار: در اولین قدم بایستی یک تعریف مناسب از مسأله و فضایی که قرار است پروژه در آن اجرا شود، داشت.
درک دادهها: در دومین قدم بایستی تمامی دادهها جمع آوری شود و مورد بررسی قرار گیرند. در این مرحله دادهها تعریف و یک دید از هرکدام از دادهها ارائه میشود.
آماده سازی دادهها: در این بخش دادههای مورد نیاز تشخیص داده شده و یا دادههای جدید از ترکیب دادههای قبلی تولید میشوند.
ساخت مدل: در این مرحله بایستی با استفاده از دادههای موجود مدلی برای حل مسأله ساخته شود. این مدل میتواند با هر یک از روشهای داده کاوی در راستای هدف تعریف شده ساخته شود.
تست و ارزیابی: در این مرحله مدل ساخته شده با دادههای مشخص بایستی مورد تست و ارزیابی قرار بگیرند. در این ارزیابی بنا به تعریف مسأله میتوان معیارهایی مانند دقت و یا سرعت مدل را مورد بررسی قرار داد.
ارائه مناسب از مدل و نتایج: در آخرین مرحله از این فرآیند بایستی روشی مناسب برای ارائه مدل و نتایج حاصل از اجرا و تست و ارزیابی پروژه انتخاب نمود.
باید توجه داشت که جمع‌آوری و محافظت از داده‌ها نکته بسیار مهمی می‌باشد. اصولاً چون قالب و نوع داده‌ها در طول زمان تغییر می‌کند ممکن است بسیاری از داده‌های موجود در قالب‌های متفاوت باشند و همچنین بسیاری از داده‌های قدیمی از بین رفته و دور ریخته شوند. درحالی‌که ممکن است اهمیت این داده‌ها از داده‌های جدید به هیچ‌وجه کمتر نباشد. همچنین به علت اینکه داده‌ها از منابع مختلف داخلی و خارجی مانند کارکنان شرکت، مدیران، مشتریان، کارفرمایان، پیمانکاران باشند باز هم ممکن است قالب داده‌ها باهم یکسان نباشد. به همین دلیل انتخاب داده‌های درست و یکپارچه‌سازی قالب آن‌ها به منظور استفاده در داده کاوی از اهمیت بسیار بالایی برخوردار می‌باشد[27].
2-9 وظایف و تکنیک های داده کاویکلاس‌بندی
تخمین
پیش‌بینی
گروه‌بندی وابستگی‌ها
خوشه‌بندی
نمایه‌سازی توصیفی
2-9-1 کلاس‌بندیکلاس‌بندی به معنای یادگیری تابع نگاشت ترکیب مقادیر خصایص به دسته‌های مختلف و تعیین کلاس از یک شی پایه بر اساس ویژگی‌هایش می‌باشد. هر شی‌ای که کلاس‌بندی می‌شود به صورت عمومی توسط رکوردهایی در جدول یک پایگاه داده یا در یک فایل بیان می‌گردد و عمل کلاس‌بندی با اضافه نمودن یک ستون جدید به همراه کد کلاس انجام می‌شود. وظیفه کلاس‌بندی به خوبی توسط تعریف کلاس‌ها و یک مجموعه آموزشی شامل نمونه‌های کلاسه‌ای از پیش تعریف‌شده مشخص می‌گردد .و در نهایت مدلی ساخته می‌شود که می‌توان داده‌های غیر کلاس‌بندی به این کلاس‌ها تخصیص داد [28].
2-9-2 تخمین
برآورد کردن با مقادیر خروجی پیوسته سروکار دارد .به صورت تجربی برآورد کردن اغلب قبل از کلاس‌بندی استفاده می‌شود. از مزایای رویکرد برآورد این است که رکودهای منحصربه‌فرد می‌توانند مطابق با برآورد رتبه ترتیبی اتخاذ نمایند [28].
2-9-3 پیش‌بینیپیش‌بینی همانند کلاس‌بندی است و انتظار می‌رود رکودهایی که کلاس‌بندی شده‌اند بر طبق بعضی از ویژگی‌های کلاس‌ها بتوانند پیش‌بینی‌های رفتارهای آینده به همراه تخمین ارزش‌های آینده باشند. در پیش‌بینی تنها راهی که مشخص می‌کند کلاس‌بندی ما صحیح بوده این است که منتظر بمانیم و ببینیم. داده‌های تاریخی برای ساخت مدلهای مفید هستند که رفتار مشاهدات جاری را توصیف نمایند و زمانی که مدل پیش‌بینی برای ورودی‌های جاری بکار برده می‌شود ،حاصلش این است که رفتارهای آینده را پیش‌بینی می‌نماید [28].
2-9-4 قواعد وابستگی یا گروه‌بندی پیوستگی‌هاقواعد انجمنی قابلیتی برای یافتن روابط ناشناخته موجود در اطلاعات است. این روابط مواردی از قبیل اینکه حضور مجموعه‌ای از مقولات اشاره به این دارند که مجموعه مقولات دیگری نیز احتمالاً وجود دارند را شامل می‌شود. این قواعد و وابستگی‌ها برای مشخص کردن چیزهایی است که باهم هستند .این وظیفه قلب تحلیل سبد بازار است و رویکردی ساده برای تولید قاعده دار داده می‌باشد[28].
2-9-5 خوشه‌بندیاین وظیفه برای بخش‌بندی جمعیت ناهمگن به زیرمجموعه‌های همگن یا همان خوشه‌ها می‌باشد. تفاوت عمده خوشه‌بندی با کلاس‌بندی در این است که بر اساس کلاس‌های از پیش تعریف‌شده عمل نمی‌نماید. در کلاس‌بندی هر رکورد به کلاس‌های از پیش تعریف‌شده‌ای که بر پایه توسعه مدل یادگیری می‌باشند، تخصیص داده می‌شود درحالی‌که در خوشه‌بندی کلاس‌های از پیش تعریف‌شده وجود ندارد و رکوردها بر پایه شباهت‌هایشان، گروه‌بندی می‌شوند [28].
2-9-6 نمایه‌سازی توصیفیبعضی اوقات هدف از داده کاوی ساده‌سازی توصیف و اینکه در پایگاه داده‌های پیچیده از چه طریقی می‌توان با شناخت افراد، میزان عرضه و تقاضای محصولات را افزایش داد. درخت تصمیم‌گیری ابزار قدرتمندی برای پروفایل نمودن مشتری می‌باشد [28].
2-10 معماری سیستم مبتنی بر داده کاویمعماری سیستم مبتنی بر داده کاوی از اجزای زیر تشکیل شده است :
پایگاه داده، انباره داده تحلیلی، سایر مخزن‌های اطلاعاتی که شامل یک یا مجموعه‌ای از پایگاه داده، انباره داده‌های تحلیلی، صفحات گسترده است و تکنیک های پالایش و تجمیع روی این داده‌ها انجام می‌گردد. سرویس‌دهنده پایگاه داده یا انبار داده تحلیلی که مسئول واکشی داده‌های مرتبط با درخواست‌های داده کاوی کاربران می‌باشد.
بانک دانش: دامنه دانشی است که به منظور راهنمای تحقیق و یا ارزیابی نتایج جالب‌توجه الگوها مورد استفاده قرار می‌گیرد.
موتور داده کاوی :از اجزای اصلی سیستم های داده کاوی است و مشتمل بر مجموعه‌ای از توابع برای وظایف داده کاوی می‌باشد .
الگوها: دانش به دست آمده در قالب الگوهایی ارائه و توسط توابعی صحت و دقت آن‌ها ارزیابی می‌شود .
واسط کاربر: به عنوان ارتباط‌دهنده‌ی میان کاربر و سیستم داده کاوی می‌باشد و ابزاری است برای بصری سازی الگوهای کاوشی در فرم های متفاوت [28].

شکل (2-1): معماری سیستم مبتنی بر داده کاوی [28].2-11 روش‌های داده کاوی
اهداف داده کاوی شامل پیش‌بینی و توصیف یا ترکیبی از آن‌هاست. هدف پیش‌بینی تمرکز بر روی دقت در توانایی پیش‌بینی بوده و توصیف بر درک فرآیند تولید داد ه ها تمرکز دارد. در پیش‌بینی تا زمانی که مدل قدرت پیش‌بینی دارد، کاربر توجهی به این ندارد که مدل انعکاس دهنده واقعیت است. به هر ترتیب، اهداف داده کاوی با استفاده از روش‌های داده کاوی، محقق می‌شوند. اصطلاح روش‌های داده کاوی در واقع بیانگر جمع کثیری از الگوریتم‌ها و فنون است که از علومی مانند آمار، یادگیری ماشین، پایگاه داده وتجسم سازی، استنتاج شده‌اند. روش‌های داده کاوی مشهوری که در این پژوهش معرفی خواهند شد شامل شبکه‌های عصبی، درختان تصمیم می‌باشد که در ادامه این روش ها را شرح می دهیم و همچنین دو روش ترکیبی جدید از روشهای گفته شده برای حل مسأله تشخیص کنتور خراب معرفی و بررسی خواهیم کرد.
2-12 درخت تصمیم‌گیریدرخت تصمیم‌گیری از نسل جدید تکنیک های داده کاوی بشمار می‌آید که در دو دهه اخیر توسعه زیادی یافته است. از این تکنیک هم می‌توان برای کشف و استخراج دانش از یک پایگاه داده و هم برای ایجاد مدل های پیش‌بینی استفاده نمود. درخت تصمیم‌گیری یکی از ابزارهای قوی و متداول برای دسته‌بندی و پیش‌بینی می‌باشد که قادر به تولید توصیفات قابل‌درک برای انسان، از روابط موجود در یک مجموعه داده‌ای است. ساختار تصمیم‌گیری می‌تواند به شکل تکنیک های ریاضی و محاسباتی که به توصیف، دسته‌بندی و عام سازی یک مجموعه از داده‌ها کمک می‌کنند نیز معرفی شوند.
درخت تصمیم، شیوه منحصر به فردی از ارائه یک سیستم است، که تصمیم‌گیری‌های آتی را تسهیل و سیستم را به نحو مناسبی تعریف می‌کند. با توجه به اینکه اکثر سیستم های مهندسی، اجرایی و محاسباتی را می‌توان در قالب یک سری داده (ویژگی یا ویژگی‌ها و خروجی منطبق با آن‌ها) تعریف کرد، می‌توان با استفاده از یک الگوریتم، (ایجاد درخت) ویژگی‌ها و خروجی‌ها را آنالیز کرد و سیستم را بر اساس این داده‌ها در قالب یک درخت تصمیم ارائه کرد [29]. درخت تصمیم‌گیری، ساختاری بازگشتی برای بیان یک فرآیند طبقه‌بندی متناوب می‌باشد که به وسیله مجموع‌های از صفات تشریح گردیده و یک وضعیت را به مجموع‌های گسسته از طبقات تخصیص می‌دهد [23].
هر برگ درخت تصمیم‌گیری، نماینده یک طبقه می‌باشد. درخت تصمیم روش کارآمد ویژه‌ای برای ایجاد دسته‌بندی کننده‌ها از داده‌ها است. مهم‌ترین خصوصیت درخت‌های تصمیم، قابلیت آن‌ها در شکستن فرآیند پیچیده تصمیم‌گیری به مجموع‌های از تصمیمات ساده‌تر است که به راحتی قابل تفسیر هستند [31،30].
نواحی تصمیم پیچیده سراسری (خصوصاً در فضاهایی با ابعاد زیاد) می‌توانند با اجتماع نواحی تصمیم محلی ساده‌تر در سطوح مختلف درخت تقریب زده شوند. برخلاف دسته‌بندی کننده‌های تک مرحله‌ای رایج که هر نمونه، روی تمام دسته‌ها امتحان می‌شود، در یک دسته‌بندی کننده درخت، یک نمونه روی زیرمجموعه‌های خاصی از دسته‌ها امتحان شده و محاسبات غیر لازم حذف می‌شوند. در دسته‌بندی کننده تک مرحله‌ای، فقط از زیر مجموعه‌های از صفات، برای روش بین دسته‌ها استفاده می‌شود که معمولاً با یک معیار بهینه سراسری انتخاب می‌شود. در دسته‌بندی کننده درخت، انعطاف‌پذیری انتخاب زیرمجموعه‌های مختلفی از صفات در گروه‌های داخلی مختلف درخت وجود دارد، به شکلی که زیرمجموعه انتخاب‌شده به شکل بهینه بین دسته‌های این گروه را تفکیک می‌کند. این انعطاف‌پذیری ممکن است بهبودی در کارایی را نسبت به دسته‌بندی کننده‌های تک مرحله‌ای ایجاد کند [31،23].
2-13 نقاط قوت درخت تصمیم‌گیریفهم مدل ایجادشده توسط درخت تصمیم‌گیری آسان می‌باشد. به عبارت دیگر با اینکه ممکن است الگوریتم‌هایی که درخت را ایجاد می‌کنند چندان ساده نباشد ولی فهم نتایج آن آسان می‌باشد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[33].
درخت تصمیم‌گیری این توانایی را دارد که پیش‌بینی‌های خود را در قالب یک سری قوانین ارائه دهد.
نیاز به محاسبات خیلی پیچیده‌ای برای دسته‌بندی داده‌ها ندارد.
برای انواع مختلف داده‌ها قابل‌استفاده می‌باشد.
درخت تصمیم‌گیری نشان می‌دهد کدام فیلد یا متغیرها تأثیرات مهمی در پیش‌بینی و دسته‌بندی دارند.
سادگی در تحلیل و قابلیت تحلیل ساختار در مواقع پیچیدهتر و در حضور داده‌های ناقص نیز وجود دارد.
در صورت نیاز می‌توان به سادگی با نتایج روش‌های دیگر ترکیب‌شده و مدل را گسترش داد.
این ساختار قادر به کار کردن با مقادیر غیر عددی بوده و تعامل بهتری با اطلاعاتی با ماهیت غیر عددی دارد.
2-14 معایب درختان تصمیم در مقابل این مزیت‌ها میتوان به معایبی از جمله عدم تطابق با ویژگی‌های پیوسته در این درخت نیز اشاره نمود، این ساختار تنها قادر به کار کردن با ویژگی‌های است که مقادیر گسسته (با تعداد محدود) را در بر بگیرند. برای غلبه بر این مشکل، روشهای بسیاری پیشنهادشده تا مقادیر پیوسته به تعدادی خوشه‌های کوچک‌تر تقسیم شوند و به جای استفاده از مقادیر پیوسته هر ویژگی، مشخصه خوشه‌ای که این مقدار را در بر می‌گیرد در تصمیم‌گیری ساختار درخت تصمیم مورد استفاده قرار گیرد. برای این کار میتوان از روشهای خوشه‌بندی و یادگیری بدون ناظر استفاده نمود. همان طور که در بخشهای بعدی توضیح داده خواهد شد، در این پژوهش برای حل چنین مشکل‌هایی از الگوریتم خوشه‌بندی K-means استفاده ‌شده که در بخش مربوطه توضیح داده خواهد شد.
از دیگر مشکلات درخت تصمیم، نحوه ساختن یک درخت بهینه با کمترین میزان خطا و تا حد ممکن ساده است. فرآیند ساخت درخت، یک فرآیند واحد نمیباشد. متأسفانه، مشکل پیدا کردن کوچک‌ترین درخت تصمیم از روی یک نمونه دادهای، مسئله NP-Complete است ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[34]. به همین دلیل، اکثراً روش‌هایی بر پایه روشهای ساخت درخت غیر عقبگرد و به صورت حریصانه عمل مینمایند.
از معایب دیگر آن می‌توان به موارد زیر اشاره کرد:
در مواردی که هدف از یادگیری، تخمین تابعی با مقادیر پیوسته است مناسب نیستند.
در موارد با تعداد دسته‌های زیاد و نمونه آموزشی کم، احتمال خطا بالاست.
تولید درخت تصمیم‌گیری، هزینه محاسباتی بالا دارد.
هرس کردن درخت هزینه بالایی دارد.
در مسائلی که دسته‌های ورودی با نواحی مکعبی به خوبی جدا نشوند و دسته‌ها همپوشانی داشته باشند، خوب عمل نمی‌کنند.
در صورت همپوشانی گره‌ها تعداد گره‌های پایانی زیاد می‌شود.
در صورتی که درخت بزرگ باشد امکان است خطاها از سطحی به سطحی دیگر جمع شوند (انباشته شدن خطای لایه‌ها بر روی یکدیگر) [35].
طراحی درخت تصمیم‌گیری بهینه، دشوار است. کارایی یک درخت دسته‌بندی کننده به چگونگی طراحی خوب آن بستگی دارد.
احتمال تولید روابط نادرست وجود دارد.
بازنمایی درخت تصمیم دشوار است.
وقتی تعداد دسته‌ها زیاد است، می‌تواند باعث شود که تعداد گره‌های پایانی بیشتر از تعداد دسته‌های واقعی بوده و بنابراین زمان جستجو و فضای حافظه را افزایش می‌دهد.
این الگوریتم به حافظه زیادی نیاز دارد [35].
2-15 آنتروپیدر نظریه اطلاعات آنتروپی میزان خلوص (بی‌نظمی یا عدم خالص بودن) مجموعه‌ای از مثال‌ها را مشخص می‌کند. اگر مجموعه S شامل مثال‌های مختلف با کلاس‌های مشخص 1و 2و .. وn باشد و pi نشان‌دهنده نسبت تعداد اعضای کلاس i به کل داده‌های موجود باشد، در این صورت داریم:
EntropyS= -1log⁡(n) i-1npilog⁡(pi) (1-2)
با توجه به تعریف آنتروپی هر چقدر که نسبت کلاس‌ها به کل نمونه‌های موجود به همدیگر نزدیک‌تر باشد، آنتروپی مقدار بیشتری به خود می‌گیرد و در واقع زمانی که همه کلاس‌ها دقیقاً به یک اندازه باشند، میزان آنتروپی به بیش‌ترین مقدار خود یعنی 1 خواهد رسید:
∀i: pi= 1n ⟹ EntropyS=1 (2-2)
و وقتی که همه نمونه‌ها متعلق به یکی از کلاس‌ها باشند و باقی کلاس‌ها هیچ عضوی نداشته باشند در این صورت میزان آنتروپی به کمترین مقدار خود، یعنی صفر خواهد رسید. شکل زیر نحوه تغییر میزان آنتروپی را برای مجموعه‌ای با دو کلاس نشان می‌دهد. در این شکل، میزان فراوانی کلاس اول با P1 (که در نتیجه مقدار فراوانی کلاس دیگر برابر خواهد بود با 1- P1 ) بر روی محور افقی نمایش داده‌شده و محور عمودی آنتروپی مجموعه S را بر اساس این پراکندگی نشان می‌دهد [36]:

شکل (2-2): تغییر میزان آنتروپی را برای مجموعه‌ای با دو کلاساز روی مفهوم آنتروپی می‌توان، مفهوم بهره اطلاعاتی مجموعه نمونه S برای ویژگی A را به صورت زیر تعریف نمود:
GainS,A= EntropyS- v∈Values(A)SvS EntropySv (3-2)
که Values(A) مجموعه تمام مقادیری است که ویژگی A به خود می‌گیرد و همچنین Sv نیز نشان‌دهنده زیرمجموعه‌ای از S است که در آن‌ها ویژگی A مقدار v را به خود گرفته است. در هر مرحله از شاخه زنی درخت تصمیم (انتخاب یک ویژگی برای رأس‌های میانی)، ویژگی انتخاب خواهد شد که بهره اطلاعاتی بیشتری داشته باشد و به عبارت دیگر با انتخاب این ویژگی، میزان آنتروپی نسبت به حالت قبل از شاخه زنی بیش‌ترین کاهش را داشته باشد. الگوریتم درخت تصمیم از گره ریشه شروع به شاخه زنی و تقسیم مجموعه نمونه‌ها به زیرمجموعه‌های کوچک‌تر کرده و سپس این کار را به صورت بازگشتی بر روی زیرمجموعه‌های به وجود آمده از این شاخه زنی نیز تکرار میکند و این کار را تا جای ممکن ادامه میدهد:
در گره n، که شامل مجموعه نمونه‌های S است، ویژگی A را طوری انتخاب کن که بیش‌ترین بهره اطلاعاتی را برای مجموعه S داشته باشد، در صورتی که شاخه زنی ممکن نباشد، الگوریتم تمام شده است [36].
2-16 هرس درخت تصمیم تولیدشدهبا توجه به اینکه درخت تصمیم تولیدشده در این مرحله تا جای ممکن گسترش داده‌شده، یعنی شاخه زنی در این درخت تا جایی ادامه یافته که هر کدام از برگهای درخت شامل نمونههای آموزشی با تنها یک کلاس باشند، برگهای موجود در این درخت به شدت به تک‌تک نمونه‌های استفاده‌شده وابسته بوده و به همین درخت تولیدشده دلیل نسبت به نویز دادههای آموزشی حساسیت زیادی دارد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[37].

bew147

1-5-1- قلمرو مکانی و زمانی تحقیق
این تحقیق در زمستان سال 1392 و در شرکت برق منطقه ای یزد صورت گرفته است. از آنجا که هدف تحقیق سنجش اثربخشی پروژه‌های تحقیقاتی است، پروژه‌های تحت بررسی، پروژه‌های انجام شده در واحد تحقیقات سازمان می‌باشد.
1-6- جامعه و نمونه ی آماری تحقیقدر این تحقیق جامعه ی آماری را پروژه‌های تحقیقاتی انجام شده در شرکت برق منطقه ای یزد تشکیل می‌دهند، که به انتخاب سرپرست واحد تحقیقات سازمان، نمونه ی تحقیق، 15 پروژه از پروژه‌های تحقیقاتی انجام شده در 1 سال اخیر می‌باشد.
1-7- روش انجام تحقیقروش تحقیق به کار برده شده در این تحقیق از لحاظ هدف کاربردی است زیرا هدف تحقیق شناسایی شاخص ها و بررسی هر یک از آنها برای سنجش اثربخشی پروژه‌ها می‌باشد. این تحقیق از حیث روش جمع آوری داده‌های مورد نیاز یا به عبارتی طرح تحقیق، جز تحقیقات توصیفی -پیمایشی است و به منظور کسب داده‌های مورد نیاز از روش میدانی استفاده شده است.
روش گردآوری اطلاعات بدین صورت خواهد بود که پس از بررسی ادبیات موضوع و دستیابی به اطلاعات به درک بهتر چارچوب ارزیابی و، به جمع‌آوری معیارها، جز معیارها و شاخص‌های مطرح در این زمینه پرداخته و سپس با برگزاری جلسات متعدد با خبرگان به موارد زیر دست خواهیم یافت:
مطالعه ادبیات تحقیق، شناسایی و تعیین معیارهای سنجش اثربخشی پروژه‌های تحقیقاتی
تعیین معیارهای موثر بر اثربخشی ( با استفاده از روش دلفی فازی)
وزن هریک از معیارها و شاخص‌ها (روش وزن دهی آنتروپی)
جمع اوری داده‌ها
تجزیه و تحلیل داده‌ها (با استفاده از تکنیک‌های تصمیم‌گیری چند معیاره
1-8- کلید واژه هاارزیابی، اثربخشی، پژوهش‌های کاربردی، تحقیق و توسعه، شرکت برق منطقه‌ایی یزد
1-9- ساختار کلی تحقیقمدل ارزیابی و سنجش طرح‌های پژوهش کاربردی در سه گام طراحی می‌شود. در نمودار زیر فرایند طراحی و اجرای مدل نشان داده شده است.
با توجه به عنوان پروژه تعریف واژه‌های کلیدی از جمله ارزیابی، اثربخشی و پژوهش ضروری است. نمودار زیر فرآیند طراحی و اجرای مدل ارزیابی و سنجش اثربخشی طرح‌های پژوهشی کاربردی را نشان می‌دهد.
این پایان‌نامه از پنج فصل تشکیل شده است. در فصل اول کلیات پژوهش شامل تعریف موضوع، سوالات پژوهشی، قلمرو تحقیق، روش تحقیق و واژه های به کار رفته در تحقیق بیان می‌شود. در فصل دوم به بررسی مفاهیم و پیشینه ی پژوهش پرداخته شده و در ادامه در فصل سوم روش تحقیق و رویکردهای مورد استفاده به منظور ارزیابی اثربخشی پروژه‌های تحقیقاتی به تفصیل مورد بررسی قرار می‌گیرد. در فصل چهارم به تجزیه و تحلیل داده‌ها و ارزیابی نتایج پرداخته می‌شود و در نهایت، فصل پنجم به بررسی نتایج تحقیق و پیشنهاداتی برای پژوهش‌های آتی اختصاص یافته است.
-155575220345گام اول: مطالعات اولیه
- بررسی ادبیات موضوع
- انجام مطالعات تطبیقی و بهینه‌کاوی
- مطالعه و بررسی مدل‌های ارزیابی اثربخشی پروژه‌ها با تمرکز بر طرح‌های پژوهشی
گام دوم: بررسی و تدوین شاخص ها
- تشکیل جلسات با مدیران و خبرگان
- بررسی و تدوین مولفه ها با روش دلفی فازی
گام سوم: آزمون مدل
- تدوین پرسشنامه های نهایی با توجه به پروژهای مورد ارزیابی
- جمع آوری داده ها
- تجزیه و تحلیل و نتیچه گیری
- ارائه مدل برای سنجش اثربخشی پروژه‌ها
00گام اول: مطالعات اولیه
- بررسی ادبیات موضوع
- انجام مطالعات تطبیقی و بهینه‌کاوی
- مطالعه و بررسی مدل‌های ارزیابی اثربخشی پروژه‌ها با تمرکز بر طرح‌های پژوهشی
گام دوم: بررسی و تدوین شاخص ها
- تشکیل جلسات با مدیران و خبرگان
- بررسی و تدوین مولفه ها با روش دلفی فازی
گام سوم: آزمون مدل
- تدوین پرسشنامه های نهایی با توجه به پروژهای مورد ارزیابی
- جمع آوری داده ها
- تجزیه و تحلیل و نتیچه گیری
- ارائه مدل برای سنجش اثربخشی پروژه‌ها

فصل دومادبیات پژوهش2-1- مقدمهامروزه رقابت در عرصه تولید و تجارت جهانی به واسطه کمرنگ شدن مرزهای اقتصادی ابعاد دیگری یافته و کوشش در جهت ارتقا و بهبود بهره‌وری و اثربخشی بر اساس عقلانیت اقتصادی، همواره می‌باید مورد تاکید و توجه قرار گیرد. در واقع میتوان گفت، بدون افزایش اثربخشی و بهره وری هیچ اقتصادی نمی‌تواند انتظار اعتلای سطح زندگی مردم خود را داشته باشد (امامی میبدی, 1379).
اندازه‌گیری اثربخشی به عنوان یکی از مهمترین روشهای ارزیابی عملکرد سازمان‌ها و شرکتها مطرح می‌باشد که نتایج حاصل از اندازهگیری اثربخشی و روشهایی همچون الگو برداری، سازمان‌ها را قادر میسازد تا ناراکاریی زیرواحدهای خود را برطرف نموده و عملکرد سازمان را بهبود بخشند (شاهرودی و شاکر محمودکیانی ،1390). در واقع ایجاد یک بخش ارزیابی عملکرد و طراحی سیستم کنترل به مدیریت و سازمان‌ها کمک میکند تا به طور موثر مدیریت کرده و عملکرد خود را در دستیابی به اهداف ارزیابی کنند ( چنا، هسیا، تزنگ، 2011).
نظر به اهمیت و نقش پژوهش در توسعه اقتصادی هر کشور، ارزیابی و سنجش اثربخشی طرح های پژوهشی و تعیین میزان موفقیت آنها در رسیدن به اهداف از پیش تعیین شده، ابزاری ارزشمند جهت توسعه و شکوفایی به شمار می آید که نتایج آن می تواند اطلاعات مناسبی را جهت بهبود عملکرد طرحها و واحدهای پژوهشی فراهم سازد (میرزایی, 1388).
مسئله ارزیابی پروژههای تحقیقاتی به یکی از پر چالشترین مسائل تصمیمگیری تبدیل شدهاست. پروژهها باید قابل ارزیابی و اولویتبندی بوده تا بتوان منابع را به نحو موثرتری به آنها تخصیص داد. تا کنون سیستمهای ارزایابی عملکرد متفاوتی توسعه داده شده است و مسئله قابل تامل این است که این سیستم از جامعیت لازم برخودار بوده و بتواند به گونهای موثر به به ارزیابی پروژهها بپردازد.
لذا با توجه به هدف این پژوهش و رویکرد پیشنهادی برای سنجش اثربخشی پروژههای تحقیقاتی، در این فصل به مرور تاریخچه و تعاریفی از ارزیابی عملکرد پروژه‌ها و اثربخشی و مدلهای مختلف مورد استفاده برای سنجش آن وتئوری فازی پرداخته میشود.2-2- تحقیق و توسعهبر طبق تعریف منووال در سازمان همکاری و توسعه اقتصادی در سال‌های 1994 و 2002، نوآوری علمی و تکنولوژیکی، تبدیل ایده به محصول جدید یا محصول بهبود یافته، صنعت یا فرآیند تجاری جدید یا بهبود یافته و یا شیوه جدیدی که بکار جامعه بیاید، می‌باشد و تحقیق و توسعه بر اساس گفته او در سازمان همکاری و توسعه اقتصادی در سال‌های 1994 و 2002 و همچنین مطالعات زمینه یابی نوآوری تکنولوژیک شرکت های اسپانیایی در سال 1999، به این صورت تعریف می شود: کارخلاقانه سیستماتیک برای افزایش ذخیره دانش، شامل دانش افراد، فرهنگ و جامعه و استفاده از این ذخیره دانش برای کاربرد در اختراعات جدید می‌باشد.
بر اساس تعریف فریمن ‹‹تحقیق و توسعه عبارت از کار خلاقی است که به طور منظم برای افزایش ذخیره علمی و دانش فنی و نیز استفاده از این دانش در اختراع و طرح کاربردهای جدید، انجام می شود.›› (علی احمدی، 1377)
بر طبق تعریف دین ولگدهار‹‹فرآیند تحقیق و توسعه عبارت از شناسایی نیاز یا استعداد، پیدایش اندیشه ها، آفرینش، طراحی، تولید و معرفی و انتشار یک محصول یا نظام تکنولوژیک تازه است.›› (علی احمدی، 1377)
همچنین نواز شریف تحقیق و توسعه را بزرگترین بزرگترین منبع نوآوری است و توانایی حرکت همگام با دیگران و پیش افتادن از آنها، چه در مورد کشورها و چه در مورد افراد، بستگی به مهارت‌های نوآوری ایشان دارد. (نواز شریف، 1983)
یونسکودر سال 1980 تحقیق و توسعه را چنین تعریف کرده است: ‹‹هرگونه فعالیت منسجم و خلاق در جهت افزایش سطح دانش و معرفت علمی اعم از دانش مربوط به انسان، فرهنگ، جامعه و استفاده از این دانش برای کاربردهای جدید.›› (علی احمدی، 1377)
بر اساس تعریف رایپوت‹‹ تحقیق و توسعه، کلیه فعالیت های توسعه ای دانش علمی را در بر می گیرد، چه هدف علمی خاصی در ذهن داشته باشد یا نداشته باشد. چه از نتایج تحقیقات نظری و کاربردی برای ارائه فرآورده ها و فرآیندهای جدید، استفاده بکند یا نکند.›› (علی احمدی، 1377)
‹‹ تحقیق و توسعه، اصطلاح عامی است که فعالیت های بسیار گسترده ای را از تکوین تکنولوژی جدید، ابداع، اختراع، بهبود کمی و کیفی محصولات و خدمات تا کاربردهای صنعتی، اقتصادی، اجتماعی آنها به منظور تأمین نیازهای روزافزون جوامع بشری را در بر می گیرد و دارای ابعاد بسیار وسیع انسانی، فنی، ابزاری (مادی)، اقتصادی، فرهنگی، سیاسی و ... می باشد. که هر یک به نوبه خود ابعاد دقیق تر و گسترده ای را در برگرفته و مستلزم آگاهی های اجتماعی، علمی، فنی، تحقیقی، برنامه ریزی دقیق و مدیریت کارآ برای حصول نتیجه مطلوب می باشد.›› (ساپ چوی، 1367)
در بعضی از متون نظیر فریمن در سال 1974، اصطلاح ‹‹تحقیق و توسعه تجربی ›› بجای ‹‹ تحقیق و توسعه›› به کار رفته تا واژه ‹‹ توسعه ›› که یکی از بخش های فعالیت تحقیق و توسعه است با همین واژه که در اقتصاد به کار می رود، تداخل معنی پیدا نکند. (علی احمدی، 1377)
تحقیق و توسعه یکی از فعالیت هایی است که در مراحل مختلف فرآیند نوآوری ممکن است درگیر آن شویم. تحقیق و توسعه فقط منبعی برای ایده‌های جدید نیست بلکه می‌تواند برای حل مسائل شناسایی شده هم بکار رود (والدراما و دیگران، 2008). به بیان دیگر فعالیت تحقیق و توسعه ، یک فرآیند سازمان یافته شامل ایجاد، تولید، انتشار و بکارگیری دانش می‌باشد (ونگ و هانگ، 2007؛ ونگ، 2007؛ لو و هانگ، 2010). از آنجا که سرمایه گذاری در تحقیق و توسعه یکی از مهمترین عناصر پیشرفت علمی و تکنولوژیکی است، هر کشوری که از منابعش به صورت ناکارا استفاده کند، جریمه اش پیشرفت کندتر می‌باشد. به گونه ای که سرمایه گذاری بیشتر در چنین شرایطی، کمک کمتری در ایجاد پیشرفت خواهد کرد (ونگ و هانگ، 2007؛ ونگ، 2007). در کمیسیون صنایع سال 1994، تحقیق و توسعه را یک منبع اصلی نوآوری و یک محرک مهم در رشد اقتصادی کشور دانسته اند (هیرونز و دیگران، 1998). در سال های اخیر در کشورهای زیادی، حجم وسیعی از منابع صرف فعالیت های تحقیق و توسعه شده است. برای مثال در سال 2003، هزینه ناخالص داخلی تحقیق و توسعه به تولید ناخالص داخلی در آمریکا، ژاپن و 25 کشور اروپایی به ترتیب 2.67%، 3.12% و 1.86% بوده است (ونگ، 2007).
سهم تحقیق و توسعه در ایجاد ارزش اقتصادی را می توان از ترکیب دو فاکتور 1- ارزش اقتصادی ایجاد شده توسط پروژه تحقیق و توسعه و 2- ارزش زیر ساخت های استراتژیک به معنی میزان ضمانت پروژه مورد نظر در آینده سنجید. نتایج ناملموس تحقیق و توسعه از جمله دانش، رقابت و مهارت سهم بسزایی در ایجاد رقابت پایدار در طولانی مدت بعهده دارند (ونگ و هانگ، 2007). فعالیت های تحقیق و توسعه علاوه بر فواید عینی، فواید غیر عینی مثل ایجاد ارتباطات غیر رسمی، عضویت در شبکه های بین المللی و مکانیزم انتقال دانش و مواردی از این قبیل ایجاد می کنند. بعضی از این فواید تا کنون بین ذی نفعان فعالیت های تحقیق و توسعه ناگفته مانده اند. این مزایای غیر عینی به انجمن های تحقیقی کمک می کند تا به شراکت های تحقیقی موفقیت آمیز جهت حل مسائل صنایع قدم گذارند. در سال 2004، گیلکینسون و بارت اظهار کردند که تحقیق و توسعه ممکن است مزایای عینی را به سرعت ایجاد نکند اما در دراز مدت منجر به ایجاد مزایای عینی و غیر عینی خواهد شد که از این طریق کسب و کار افراد و برنامه های آنها توسعه پیدا خواهد کرد (کولاتُنگا و دیگران، 2007). در سال های 1989 و 1990، کوئن و لوینتال به این نتیجه رسیدند که تحقیق و توسعه باعث افزایش ظرفیت جذب شرکت ها مثل توانایی شناسایی، جذب و استخراج اطلاعات جدید از محیط داخلی یا خارجی خواهد شد. این منجر به تقویت نیروی کاری و بهبود قابلیت های سازمان و همچنین افزایش بهره وری و کارایی و مزایای رقابتی در بازار می شود (کولاتُنگا و دیگران، 2007). دولت ها، سرمایه گذاران و محققان، به نقش برجسته تحقیق و توسعه علمی در راه رشد اقتصادی بسیار تأکید کرده اند و اغلب اقتصاددانان معتقدند که فعالیت های تحقیق و توسعه دولت ها منجر به رشد پایدار اقتصادی خواهد شد (ونگ، 2007؛ چیسا و ماسلا، 1996). گیلکینسون و بارت در سال 2004 به این نتیجه رسیدند که انتقال دانش سازمان‌ها را قادر می سازد که فرآیندها و استراتژی ها را تغییر دهند و در فرآیندهای موجود برای کاهش اتلافات، هزینه و زمان تجدید نظر کنند (کولاتُنگا و دیگران، 2007).
2-2-1- انواع تحقیقات لول و استل در سال 1988برای تحقیق و توسعه معمولاً سه نوع تحقیقات پایه ای، تحقیقات کاربردی و تحقیقات توسعه ای ذکر می کنند. و هر سه نوع تحقیق را اجزای فرآیند خلاقیت معرفی می نمایند. یونسکو در سال 1980، فعالیت های علمی و تکنولوژیک را به سه گروه تقسیم کرده است:
تحقیق و توسعه تجربی؛ خدمات علمی و تکنولوژیکی؛ آموزش علوم و تکنولوژی در سطح عالی (علی احمدی، 1377)
نواز شریف انواع فعالیت های تحقیق و توسعه را در چهار گروه 1- خدمات فنی، 2- پژوهش و توسعه کاربردی، 3- پژوهش و توسعه پایه و 4- خدمات عمومی (بررسی بازار و منابع، پردازش اطلاعات و ...) طبقه بندی می‌نماید.
تحقیق و توسعه را دانشمندان و مهندسان با دقت بیشتری به پنج حیطه طبقه بندی می کنند: 1- تحقیقات پایه محض، 2- تحقیقات پایه ای عینی (جهت دار)، 3- تحقیقات کاربردی، 4- تحقیقات توسعه ای و 5- خدمات.
مجموعه نوشته هایی که طبقه بندی ها و مراحل پژوهش و توسعه را ارائه داده اند، عمدتاً به مراجع یونسکو و سازمان همکاری و توسعه اقتصادی استناد کرده اند و می توان با صرفنظر از تشابه ها آنها را بدین گونه خلاصه کرد:
الف) طبقه بندی بر اساس مراحل کار پژوهش و توسعه ( طبقه بندی سازمان همکادی و توسعه اقتصادی):
تحقیقات پایه یا بنیادی 2- تحقیقات کاربردی 3- تحقیقات توسعه ای یا توسعه تجربی
ب) طبقه بندی بر اساس وظایف محوله به واحدهای تحقیقاتی (طبقه بندی یونسکو):
تحقیقات برای توسعه کلی معرفت درباره اوضاع و احوال اجتماعی
تحقیقات مربوط به اقتصاد، آموزش، تحقیق، تولید و توزیع
تحقیق در روش ها جهت شناخت و ارزشیابی روش های تحقیق تجربی
بررسی های مقایسه ای
فعالیت های مربوط به ایجاد، توسعه و اداره مراکز علمی
فعالیت در زمینه گردآوری، تجزیه و تحلیل داده ها
بررسی های لازم برای تهیه نقشه های جامع از خصوصیات طبیعی کشور
فعالیت های مربوط به انواع توصیه کنترل استاندارد
ج) طبقه بندی بر اساس تفکیک بودجه (طبقه بندی یونسکو):
1- تحقیقات در امور عمومی 2- تحقیقات در امور اجتماعی 3- تحقیقات در امور اقتصادی
د) طبقه بندی بر اساس رشته های علوم همچون پژوهش در فیزیک، پژوهش در زیست شناسی و ...
ه) طبقه بندی بر اساس عرصه های فعالیت مانند پژوهش و توسعه صنعتی، که خود شامل انواع دیگری از پژوهش همچون پژوهش در ساخت، پژوهش در فرآیند و پژوهش در محصول می گردد.
2-2-2- نتیجه حاصل از فعالیت های تحقیق و توسعهفعالیت های علمی و تحقیق و توسعه به مفهوم عام همیشه دو نوع محصول به همراه دارد یکی معلومات و دانش و دیگری تکنولوژی و فن.در لغت نامه ها علم به معنای ‹‹ کسب معلومات به صورتی سیستماتیک و تنظیم یافته›› تعریف می گردد. بعضی ها علم را به معنای ‹‹ایجاد خلاقیت››، برخی دیگر علم را ‹‹ یک نوع فعالیت فکری و اجتماعی›› و برخی دیگر علم را یک نوع ‹‹ تحول فرهنگی›› دانسته اند. اوایل قرن هیجدهم شروع ارتباط بین علم و تکنولوژی بود و از آن به بعد فعالیت های تحقیق و توسعه سرمنشأ رشد تکنولوژی گردید. (علی احمدی، 1377)
تکنولوژی عبارت است از دانش و مهارت های لازم برای تولید کالا و خدمات که حاصل قدرت فکری و شناخت انسان و ترکیب قوانین موجود در طبیعت می باشد. به بیان دیگر تکنولوژی عبارت است از ابزار، مکانیزم، دانش یا فرآیندی که برای تبدیل ورودی ها به خروجی ها به منظور ارتقای قابلیت های افراد، گروه های کاری و سازمان‌ها به کار می رود.
2-3- ارزیابی عملکرد
بهبود مستمر عملکرد سازمان‌ها، نیروی عظیم هم‌افزایی ایجاد می‌کند که این نیروها می‌تواند پشتیبان برنامه رشد و توسعه و ایجاد فرصت‌های تعالی سازمانی شود. ایجاد یک سازمان بهره ور و کارا بدون بررسی و کسب آگاهی از میزان پیشرفت، دستیابی به اهداف، شناسایی چالش‌های پیش روی سازمان، کسب بازخورد و اطلاع از میزان اجرای سیاست‌های تدوین شده و شناسایی مواردی که به بهبود جدی نیاز دارند، میسر نخواهد شد. لرد کلوین فیزیک‌دان انگلیسی در مورد ضرورت اندازه‌گیری می‌گوید: "هرگاه توانستیم آنچه درباره آن صحبت می‌کنیم اندازه گرفته و در قالب اعداد و ارقام بیان نماییم می‌توانیم ادعا کنیم درباره موضوع مورد بحث چیزهایی می‌دانیم، در غیر این صورت آگاهی و دانش ما ناقص بوده و هرگز به مرحله بلوغ نخواهد رسید" (نیون، 2008).
عملکرد بالا عملکرد هدفی است که سازمان‌ها دنبال میکنند. یک روش منطقی و علمی ارزیابی نه تنها به طور موثر می‌تواند عملکرد گذشته سازمان را ارزیابی کند، بلکه منجر به اتخاذ تصمیماتی به منظور بهبود و دستیابی به موقعیت مطلوب عملکرد در آینده نیز میشود (جین، جینگ‌فنگ و جینان، 2012).
به منظور درک صحیح هر پدیده لازم است آن پدیده تعریف شود تا برداشت و فهم مشترکی حاصل شود. موضوع ارزیابی عملکرد هم از این قاعده مستثنی نیست. در ادبیات و مبانی نظری تعاریف گوناگونی از اصطلاح ارزیابی عملکرد ارائه شده است.
اندازهگیری عملکرد، پیشرفت انجام یک برنامه را در مقایسه با اهداف از پیش تعیین شده، به صورت پیوسته و عملی نشان میدهد. شاخصهای عملکرد نیز نوع یا سطح فعالیتهای انجام شده در برنامه و محصولات یا نتایج حاصله از برنامه را نشان میدهد. این برنامه ممکن است شامل فعالیتها ، پروژهها، وظایف، ماموریتها و سیاستهایی که یک هدف مشخص با یک مجموعه اهداف را دارند، باشد. به عبارت دیگر اندازه‌گیری عملکرد به عنوان فرایند کمی کردن اثربخشی و اثر بخشی یک فعایت می‌باشد(نیئلی، جئورجی و پلتز، 2007).
ارزیابی عملکرد فرایندی است که امکان شناسایی مسائل سازمانی و انجام اقدامات مناسب را به سازمان‌ها میدهد (کیونگ، 2009). به عبارتی ارزیابی عملکرد بخش حیاتی در مدیریت فرایند محسوب میشود. این روش اطلاعات ضروری جهت تصمیمگیری را فراهم کرده و باعث کسب مزیت رقابتی برای انجام عملیات مستمر در سازمان میشود(هسیئه و لین، 2010).
ارزیابی عملکرد به عنوان یک موقعیت مهم در مدیریت شرکتهای مدرن به حساب میآید. این که چه روشی به منظور ارزیابی عملکرد شرکت مورد استفاده قرار گیرد، سوالی مهم در تئوری و عمل می‌باشد. ارزیابی عملکرد منجر به شناخت نقاظ قوت و ضعف و یاقتن موارد غیر منطقی و نامعقول میشود( ژنگ و تان، 2012). یک سیستم ارزیابی عملکرد موفق مجموعهای از معیارهای عملکرد است که اطلاعات مفیدی را فراهم کرده و به مدیران در زمینهی مدیریت، کنترل، برنامهریزی و انجام فعالیتهای شرکت یاری میرساند(استیون، اپلباوم و کییر، 2008).
ارزیابی عملکرد یک فرایند بازنگری نظاممند است که به سازمان‌ها در دستیابی به اهداف تعیین شده یاری میرساند ( ژنگ و تان، 2012). در واقع ارزیابی عملکرد باعث بهبود در سیاستهای پاسخگویی و یکپارچگی اهداف افراد و سازمان‌ها میشود( وو، لین و چانگ، 2011). ارزیابی عملکرد به عنوان شرح نظاممند از نقاط قوت و ضعف افراد یا گروهها تعربف میشود(رفیعی و عباس‌آبادی، 2012).
ارزیابی عملکرد به منظور تعیین اثربخشی و وبهرهوری روشهایی که به منظور دستیابی به اهداف به کار میرود، تعریف میشود. سیستم ارزیابی عملکرد نیز شاخصهایی هستند که اثربخشی و بهرهوری فعالیتها در یک شرکت را مورد بررسی قرار میدهند( کیزن، پک کانلی و کتل، 2012). تعاریف ذکر شده نشان میدهند که محققان بر اساس حوزهی مورد مطالعه خود تعاریف متفاوتی از ارزیابی عملکرد ارائه دادهاند.
2-4- ارزیابی عملکرد پروژه
از آنجا که سازمان‌ها در این عصر با کمبود منابع و امکانات مواجه می‌باشند، لذا بسیاری از اهداف مورد نظر خود را در قالب پروژهها و طرحهای پژوهشی به افراد یا سازمان‌های فعال در این زمینه واگذار مینمایند. در واقع بدون این پروژهها سازمان‌ها به محیطهایی ایستا و بدون ارتباط با محیط رقابتی بیرون خود تبدیل میشوند. ارزیابی عملکرد پروژههای تحقیقاتی امری دشوار و در عین حال مورد نیاز مدیران پروژهها، همچنین سازمان‌های ارئه دهنده پروژهها و طرحهای پژوهشی، جهت تصمیم گیری در مدیریت پروژه می‌باشد (سعیدی مهرآباد و احسانی, 1384).
سازمان بین المللی استاندارد سازی یک پروژه را به عنوان" یک فرایند واحد شامل مجموعهای از فعالیتهای هماهنگ و کنترل شده با تاریخ شروع و پایان، که برای رسیدن به هدفی مطابق با نیاز خاص انجام میشود" تعریف میکند( مارکیوس، جویورس و لاوراس، 2010).
مدیران پروژههای تحقیقاتی برای انجام بهتر پروژههای خود علاوره بر اطلاعات مدیریت پروژه، به اطلاعات عملکرد آنها در دورههای مشخص و وبه صورت پیوسته نیاز دارند. آنها با استفاده از این اطلاعات در صورت لزوم، تصمیمات لازم(تخصیص منابع بیشتر مانند پول، نیروی انسانی و دانش فنی پروژه) را درمورد ادامه روند اجرای پروژه اخذ مینمایند. در این راستا، آنها به یک سیستم مناسب برای ارزیابی عملکرد پروژههای خود نیاز دارند تا در دورههای مشخص، عملکرد آنها را بر اساس شاخصهای معین و روشهای درست، اندازهگیری شود. ارزیابی عملکرد پروژه می تواند مدیر پروژه را در دستیابی به اهداف پروژه و در نتیجه انجام موفق تر پروژه یاری دهد. این فرایند می تواند قبل از شروع پروژه باشد که در حقیقت امکان سنجی انجام پروژه چه از لحاظ بهینه اجرا شدن و چه عملی بودن آن است و نیز می تواند در حین اجرای پروژه باشد که این نحوه ارزیابی عملکرد پروژه به اتخاذ تصمیمات درست تر در ادامه پروژه کمک خواهد کرد و بسیار راهگشا می باشد. در نهایت ارزیابی عملکرد پروژه در انتهای کار و برای پروژه‌های خاتمه یافته نیز قابل انجام است و در صورت وجود اطلاعات و مستندات کافی و مورد نیاز بر ای ارزیابی منشا تاثیرات مثبت فراوانی خواهد بود از جمله (عباسی, 1384) :
سنجش میزان دستیابی به اهداف پیش بینی شده برای اجرای پروژه
مطالعه و بررسی موانع و محدودیت های عمومی و اختصاصی انجام پروژه
تنظیم ضوابط و نکات ضروری به منظور رفع موانع اجرایی پروژه
تصمیم گیری بهتر و مناسب تر در آینده از جهت رد یا پذیرش سرمایه گذاری برای انجام پروژه
تدوین رویه مناسب تعریف و اجرای پروژه‌ها در آینده
اصولا اندازهگیری عملکرد نقش مهمی را در حصول اطمینان از موفقیت پروژه، بازی میکند. بررسیهای انجام شده در شرکتهای متمرکز آمریکایی نشان میدهد موضوع اصلی که مدیران پروژهها با آن رو به رو هستند، اندازه‌گیری و بهبود اثربخشی پروژه می‌باشد(بورخارت، 2008).
سنجش میزان اثربخشی پروژههای انجام پذیرفته در سازمان‌ها، یکی از الزامات حیاتی جهت ارزیابی میزان کارآمدی و تاثیرگذاری آن پروژهها بر افراد، واحدها و خروجیهای فنی و عملیاتی سازمان می‌باشد. در نتیجه رشد و گسترش روزافزون اقدامات و پروژههای تحقیقاتی و عملیاتی در سازمان‌ها و همچنین راستای بهبود و ارتقای اثربخشی پروژهها، یکی از اقدامات حیاتی، سنجش و ارزیابی میزان اثربخشی می‌باشد که به طرق مختلفی قابل تحقق می‌باشد.
2-5- اثربخشیاثربخشی، مبحثی است که حدود پنجاه سال پیش، پیتر دراکر صاحب نظر بلند مرتبه مدیریت، آن را بطور علمی مطرح نموده و در دهه 1970 در مورد آن مطالعات گوناگونی آغاز شد که تا کنون ادامه دارد. بنا به عقیده دفت، اثربخشی سازمان عبارت است از درجه، یا میزانی که سازمان به هدف های مورد نظر نایل می‌شود.
استاندارد ایزو 9000 (2007) اثربخشی را اینگونه تعریف می‌کند: میزانی که فعالیت‌های برنامه‌ریزی شده تحقق یافته و نتایج برنامه ریزی شده بدست آمده است.
اثربخشی سازمانی یک مفهوم گسترده است و بطور ضمنی به دامنه متفاوتی از متغیرها در سطوح مختلف سازمانی اشاره دارد(زاموتو، 1984).
برای سنجش اثربخشی خدمات، می‌توان از شیوه‌های مختلفی استفاده کرد. در رویکرد سنجش سنتی اثربخشی سازمان، روش‌هایی همچون روش مبتنی بر هدف، روش مبتنی بر تامین منابع، روش مبتنی بر فرایند درونی مورد توجه بوده است. در روش مبتنی بر هدف به جنبه محصول یا تولید سازمان و اینکه آیا با توجه به سطح تولید مورد نظر، سازمان به هدفهای خود رسیده است یا خیر، می شد. در روش مبتنی بر تامین منابع، به نقطه آغاز فرایند تولید سازمان و اینکه آیا سازمان برای ارائه عملکرد بسیار خوب خود توانسته است منابع لازم را بصورتی موثر تامین نماید یا خیر، توجه می شد.
در روش مبتنی بر فرایند درونی، به فعالیت‌های درون سازمان توجه و با استفاده از شاخص‌های کارایی و سلامت درون سازمان، اثربخشی سازمان اندازه‌گیری می شد( دفت، 1377، ص 104-105). اما امروزه برای سنجش اثربخشی سازمان بصورت همزمان ، از چندین مقیاس با شاخص دیگر در قالب روش مبتنی بر نظر سنجی از گروه‌های ذی‌نفع استفاده می‌شود. از این روش ، تحت عنوان روش مبتنی بر شاخص‌های اساسی نیز یاد می‌شود (دفت، 1377، ص 114) بر این اساس می توان اثربخشی سازمان را از نظر گروه های ذی نفع (مدیران، کارکنان و استفاده کنندگان) که هریک در عملکرد سازمان نقش یا سهمی را بر عهده دارند، مورد ارزیابی قرار داد (دفت، 1377، ص 124). محاسبه اثربخشی سازمان از دیدگاه کسانی که در خارج از سازمان هستند مثل استفاده کنندگان، می‌تواند در ارزیابی عملکرد سازمان نقش اصلی ایفا کند. در عین حال، نظر سنجی از نظر کسانی که در داخل سازمان هستند، نظیر کارکنان و یا نظر سنجی از کسانی که مدیریت سازمان را بر عهده دارند، نظیز مدیران سازمان، در خصوص دستیابی سازمان به هدفها و ماموریت های خود نیز می‌تواند حایز اهمیت باشد. از این رو، در روش میتنی بر بر نظر سنجی گروه‌های ذی نفع، جلب نظرهای گروه‌های مختلف استفاده کنندگان، کارکنان و مدیران به عنوان شاخص عملکرد سازمان به شمار می آید و در آن نقشی که سازمان در جامعه بر عهده دارد توجه می‌شود (دفت،1377، ص124). این روش، بخصوص در سازمان‌های غیر انتفاعی که هدف خود را بر حسب تعیین نمی‌کنند، ولی هدف‌هایی دارند که به صورت ارائه خدمت به اعضا بیان می‌شود، بسیار به کار گرفته می‌شود( دفت،1377، ص84).
مزیت روش نظر سنجی از گروه‌های ذی نفع این است که در اجرای این روش، با دیدگاه بسیار وسیعتری به اثربخشی سازمان توجه می‌شود و عوامل درونی و بیرونی سازمان مورد ارزیابی قرار می گیرد. در این روش، همچنان استنباط جامعه از مسئولیت‌های اجتماعی سازمان ( یعنی چیزی که به صورت رسمی در روش‌های سنتی مورد توجه نبود) مورد ملاحظه قرار می گیرد. در اجرای روش مزبور، علاوه بر نظر سنجی از گروه های ذی نفع که معمولا بصورت کمی به دست می آید، به طور همزمان شاخص های متعدد دیگری همچون همسو بودن تولیدات و خدمات با ماموریت‌های سازمان که عمدتا با استفاده از مطالعات کیفی به دست می آید نیز مورد توجه قرار می گیرد بر این نکته تاکید می‌شود که هیچ شاخصی به تنهایی نمی‌تواند اثربخشی سازمان را تایید کند. ( دفت،1377، ص 115).
2-6- روشهای اندازه‌گیری 2-6-1- رویکرد دلفی فازیروش دلفی، در پی دستیابی به توافق عمومی در نظرات متخصصان است. هنگامی که برای موضوعات چند بعدی، چند هدفی و مسایل تصمیم گیری پیچیده بکار می رود، تکرار فراوان مراحل زمان گیر پرسش و پاسخ برای رسیدن به اجماع نسبی نظرات، مشکل بزرگی تلقی می‌شود. بطور کلی این روش دارای ضعف هایی مانند هزینه بالا، زمان زیاد برای جمع آوری داده می‌باشد( دیریو، بیلوت و یوشیدا، 2012).
روش دلفی فازی توسط ایشی کاوا و همکاران در سال 1993 ارائه شد. کاربرد این روش در تصمیم گیری و اجماع بر مسائلی که اهداف و پارامترها به صراحت مشخص نیستند، منجر به نتایج بسیار ارزنده ای میشود. ویژگی این روش، ارائه چارچوبی انعطاف پذیر است که بسیاری از موانع مربوط به عدم دقت و صراحت را تحت پوشش قرار میدهد. بسیاری از مشکلات در تصمیم گیریها مربوط به اطلاعات ناقص و نادقیق است. همچنین تصمیمهای اتخاذ شده خبرگان بر اساس صلاحیت فردی آنان بوده و به شدت ذهنی است. اغلب عدم قطعیت در نظرات خبرگان وجود دارد. از آنجا که عدم قطعیت حاکم بر این شرایط از نوع امکانی است و این نوع عدم قطعیت با مجموعه های فازی سازگاری دارد، بهتر است داده‌ها به جای اعداد قطعی با اعداد فازی نمایش داده شوند و از مجموعه های فازی برای تحلیل نظرات خبرگان استفاده گردد(هسیو، لی و کرنژ، 2010).
2-6-2- مجموعه فازیکلمات یا عباراتی هستند که دارای مرز صریح و روشن نمی‌باشند نظیر کلماتی چون خیلی خوب، نسبتأ، به ندرت و ... لذا برای مدل کردن آنها نیاز به متغیرهای زبانی است تا بتوان آن را به صورت اعداد ریاضی تبدیل کرد. بعد از آنکه راسل در سال 1900 عنوان کرد منطق کلاسیک ( منطقی که در آن متغیرها به صورت صفر و یک در نظر گرفته می‌شود) بنا به عادت وضع شده و در زندگی بشری قابل استفاده نیست و برای دنیای ایده آل مفید است، هایزنبرگ در سال 1920 اصل عدم قطعیتی را معرفی نمود که بیان می کند در همه علوم، حتی با اطلاعات کامل عدم قطعیت وجود دارد ونمی توان به صورت صد در صد درباره درستی یا نادرستی فرض ها اظهار نظر نمود. در مرحله بعد، لووکاسویچ در سال 1930 منطق چند ارزشی را به جهان معرفی نمود که در آن بازه 0 , 1 به چند عدد شکسته می‌شود(دانشگر، 1387). سرانجام در سال 1965، مجموعه فازی توسط زاده به عنوان الگویی برای صورت بندی مفاهیم نادقیق، معرفی شد (ایکسو و همکاران، 2011). وی معتقد بود که ما نیازمند نوع دیگری از ریاضیات هستیم تا بتوانیم ابهامات و عدم دقت رویدادها را مدلسازی نماییم. لذا نظریه مجموعه های فازی برای بیان عدم قطعیت در تعیین دقیق یا ذهنی اولویت ها، محدودیت ها و اهداف، بکار می رود. این عدم اطمینان و ابهامی که فازی بودن به آن اشاره دارد، به ابهامات مربوط به زبان بیانی و طرز تفکر بشر باز می گردد. مطابق با تعریف زاده، میزان عضویت هر عنصر در یک مجموعه فازی توسط یک عدد از بازه 0 , 1 مشخص می‌شود که این مقدار همزمان حاوی شواهد و دلایل مبنی بر عضویت و نیز عدم عضویت آن عنصر در مجموعه مورد نظر است.
2-6-2-1- مفاهیم مقدماتی از مجموعه های فازی
اگر مجموعه U را به صورت یک مجموعه مرجع داشته باشیم، پس از در نظر گرفتن میزان عضویت هر عضو به مجموعه U، مجموعه فازی A به صورت زیر تعریف می‌شود.
(رابطه 2-1 ) A→Aمجموعه مرجع: (رابطه 2-2 ) U=x1, x2, x3, x4, …,xnمیزان عضویت عنصر x در مجموعه A : (رابطه 2-3 ) μAx ∈ 0 , 1نحوه نمایش مجموعه فازی : A (رابطه 2-3) A=μAx1x1, μAx2x2, μAx3x3, …,μAxnxnنمایش دیگر از مجموعه فازی : A (رابطه 2-3)
A=x1,μAx1,x2,μAx2,…,xn,μAxnیک عدد در مجموعه های فازی بنا بر موقعیت قرار گیری درجه عضویت متفاوتی اخذ می کند. لذا اعداد فازی را به به اشکال مختلف، همانطور که در شکل های 2-1 و 2-2 نشان داده شده است به صورت های مثلثی و ذوزنقه ای در نظر می گیرند و با توجه به آن درجات مختلف عضویت را در موقعیت های متفاوت جایگیری عدد به صورت تابع عضویت نشان می دهند.
8089901906905شکل 2-1: نمایش اعداد فازی مثلثی
شکل 2-1: نمایش اعداد فازی مثلثی
95821524384000
اعداد فازی مثلثی به صورت سه پارامتر ) (a,b,c نشان داده می‌شود که دارای تابع عضویتی به صورت زیر است.
μAxi=x-ab-a a≤x≤bc-xc-b b≤x≤c0 otherwiseبه همین ترتیب اعداد فازی ذوزنقه ای با چهار پارامتر (a, b, c, d) تعریف می‌شود و به شکل زیر نمایش داده می‌شود

شکل 2-2: نمایش اعداد فازی ذوزنقه ای
μAxi=x-ab-a a≤x≤b1 b≤x≤c d-xd-c c≤x≤d0 otherwise
2-6-3- روش آنتروپی شانوندر اکثر مسائل تصمیم گیری چند معیاره و به خصوص مسائل تصمیم گیری چند شاخصه، داشتن و دانستن اوزان نسبی شاخص های موجود، گام موثری در فرآیند حل مسئله و مورد نیاز می‌باشد. از جمله روش های تعیین اوزان شاخص ها می توان به روش های زیر اشاره نمود:
استفاده از پاسخ خبرگان
روش لینمپ
روش کمترین مجذورات
تکنیک بردار ویژه
آنتروپی شانون و ...
در این پژوهش از روش آنتروپی شانون، به عنوان یکی از معروفترین روشهای محاسبه اوزان شاخص ها، استفاده شده است. آنتروپی، یک مفهوم بسیار با اهمیت در علوم اجتماعی، فیزیک و تئوری اطلاعات می‌باشد. وقتی که داده های یک ماتریس تصمیم گیری، به طور کامل مشخص شده باشد، می‌توان از روش آنتروپی، برای ارزیابی وزن ها استفاده کرد. ایده روش فوق، این است که هر چه پراکندگی در مقادیر یک شاخص، بیشتر باشد، آن شاخص نسبت به دیگر شاخص ها از اهمیت بیشتری برخوردار است(مومنی، 1385).
2-6-4- تصمیم گیری چندمعیارهتصمیم گیری" یکی از مهم ترین و اساسی ترین وظایف مدیریت است و تحقق اهداف سازمانی به کیفیت آن بستگی دارد. به طوری که از نگاه یکی از صاحبنظران حوزه تصمیم گیری هربرت سایمون، تصمیم گیری جوهر اصلی مدیریت است. فرآیند تصمیم گیری را می توان به صورت زیر نمایش داد.

شکل 2-3: فرآیند تصمیم‌گیری
یکی از تکنیک‌های تصمیم گیری با استفاده از داده‌های کمی تصمیم گیری چندمعیاره می‌باشد. مدیر با استفاده از تکنیک‌های تصمیم گیری چندمعیاره می‌تواند با در نظر گرفتن معیارهای متفاوت برای تصمیم گیری که گاها با یکدیگر در تعارض هستند، به طریقی عقلایی تصمیم سازی نماید.
تصمیم گیری چندمعیاره به دو دسته تصمیم گیری چندشاخصه و تصمیم گیری چند هدفه تقسیم می‌شود.
مدل ها و تکنیک‌های تصمیم گیری چند شاخصه به منظور انتخاب مناسب ترین گزینه از بین m گزینه موجود به کار می روند. در تصمیم گیری چندشاخصه معمولا داده‌های مربوط به گزینه ها از منظر شاخص های مختلف در یک ماتریس نمایش داده می‌شود.
مدل های تصمیم گیری چندشاخصه از نظر نوع شاخص های مورد نظر به مدل های جبرانی و غیرجبرانی تقسیم می شوند. در این تحقیق از مدل های جبرانی برای رتبه بندی پروژه‌ها استفاده شده است.
مدل های جبرانی
مدل هایی که از شاخص هایی تشکیل شده اند که با یکدیگر در تعامل اند، به این معنی که مقادیر نامطلوب یک شاخص می‌تواند توسط مقادیر مطلوب شاخص دیگر پوشانده شود. مدل های جبرانی که در این پروژه از آن‌ها مورد استفاده قرار گرفته است در زیرآورده شده است.
2-6-4-1- تاپسیس
این روش بر این مفهوم تکیه دارد که بهترین گزینه، گزینه ایست که نزدیکترین فاصله به گزینه ایده آل مثبت و بیشترین فاصله از ایده آل منفی را داشته باشد.
2-6-4-2- ویکور
در این روش به منظور رتبه بندی و یافتن بهترین گزینه از مفهوم بذپدترین گزینه استفاده می کند و میزان سازش میان فاصله گزینه ها نسبت به بهترین گزینه و به این علت جزء روش های برنامه ریزی سازشی طبقه بندی می‌شود. این روش در مقایسه با روش تاپسیس، در محاسبه فواصل گزینه ها میزان اهمیت فاصله مطلوب نسبت به بهترین حالت و بدترین حالت را در نظر می گیرد.
مدل های غیر جبرانی
در این مدل تعامل و مبادله میان شاخص ها مجاز نیست یعنی به طور مثال نقطه ضعف موجود در یک شاخص ها توسط مزیت موجود در یک شاخص دیگر جبران نمی‌شود. مطلوبیت این مدل ها زمانی روشن می‌شود که تحلیلگر با محدود بودن اطلاعات مواجه و یا دسترسی به تصمیم گیرندگان محدود باشد.
از جمله روش های غیر جبرانی می توان به روش تسلط، روش حذف، روش لکسیکوگراف، روش رضایت بخش شمول، روش رضایت بخش خاص، روش ماکسی-مین، روش مینی-مین، پرمیوشن و کوالی‌فلکس اشاره کرد.
2-7- پیشینه پژوهشمطالعات تجربی بسیار کمی وجود دارند که استفاده از شاخصهای ارزیابی عملکرد و اثربخشی پروژه و تکنیک‌های آن را در شرکتها، موسسات تولیدی و خدماتی نشان دهند.
جعفری به ارائه الگویی جهت اولویت بندی پروژههای پژوهشی با رویکرد کارت امتیازی متوازن و تئوری خاکستری پرداخت. در این پژوهش ابتدا مهمترین شاخصها با توجه به ویژگیهای عملکردی و با توجه به رویکرد کارت امتیازی متوازن استخراج شدند. و سپس وزن مناظر و شاخصها و تاثیرگذاری و تاثیرپذیری آنها در محیط خاکستری اندازهگیری شد (جعفری, 1390).


در سال 1389 به منظور ارزیابی عملکرد پروژه‌ها، روش‌ها و ابزارهای متنوعی توسط سازمان‌های پروژه محور و صاحب‌نظران دانش پروژه تعریف و ارائه شده است. پژوهش با عنوان کمی سازی عملکرد پروژه‌ها و ارزیابی آن به روش رادار توسط سلیم زاده در این راستا انجام گرفته است (سلیم زاده، 1389).
در سال 1389 بااوش و حکیمی در پروژه - ریسرچبه بررسی عوامل موثر به اثربخشی ارائه خدمات مجازی مدیریت شهری در ایجاد رضایتمندی شهروندان در مناطق 22 گانه شهرداری تهران پرداختند و نتایج حاصل از طرح‌ها و پروژه‌های مدیریت شهری را مورد ارزیابی قرار دادند و و به بررسی اثربخشی این طرح‌ها در رضایتمندی شهروندان پرداختند (بااوش و حکیمی، 1389). بزاز جزایری در سال 1381 به بررسی و ارزیابی اثربخشی دوره‌های آموزشی برگزار شده در شرکت ملی فولاد ایران پرداخته است در این پژوهش به بررسی و ارزیابی دوره های آموزشی در بین سال‌های 1375 تا 1380 درشرکت ملی فولاد پرداخته شده است و در پایان پیشنهاداتی برای افزایش اثربخشی دوره های آموزشی در این شرکت ارائه شده است (بزاز جزایری، 1381).
ذاکری و همکاران در پروژه - ریسرچ‌ایی به تدوین شاخص‌های سنجش عملکرد واحد های پژوهشی در شرکت پالایش گاز سرخون و قشم پرداختند، نتایج حاصل از این پژوهش در ششمین همایش مراکز تحقیق و توسعه صنایع و معادت در سال 1386 ارائه گردید (ذاکری و همکاران، 1386). میرزایی در سال 1388 پژوهشی با عنوان طراحی مدل ارزیابی و سنجش اثربخشی طرح های پژوهشی کاربردی در وزارت صنایع و معادن بر روی طرح های پژوهشی انجام شده، را مورد بررسی قرار داده است و به سنجش نتایج این طرح ها با اهداف از پیش تعیین شده پرداخته است (میرزایی،1388).
کائو و هافمن در پروژه - ریسرچای به ارائه رویکردی برای توسعه یک سیستم ارزیابی عملکرد پروژه پرداختند. در این پژوهش از یک رویکرد دو مرحلهای برای طراحی یک سیستم ارزیابی عملکرد استفاده شد. در گام اول از رویکردی با عنوان (FM&T) برای تعیین معیارهای عملکرد پروژهها استفاده شد و در مرحله دوم مدل تحلیل پوششی دادهها برای ارزیابی کارایی با استفاده از معیارهای تعیین شده به کار گرفته شد(کائو و هافمن، 2011).
در پروژه - ریسرچای با عنوان" تاثیر خیرخطی بر عملکرد پروژههای "تحقیق و توسعه" علاوه بر تعیین روابط بین عملکرد پروژهها و عوامل تعیین کننده موثر بر آنها با شبکه عصبی مصنوعی، به بررسی تاثیر سه عامل کیفیت محیط پروژه، مهارت مدیر پروژه و اثربخشی تیم پروژه بر عملکرد پروژه نیز پرداخته شد(چن، چانگ و چانگ، 2012).
پریتو و زفیو در سال 2007 کارایی تکنیکی بالقوه را با مقایسه تکنولوژی‌های متناسب با اقتصادهای مختلف ارزیابی نمودند (پریتو و زفیو، 2007).در سال 2008 یو و لین پروژه - ریسرچایی با عنوان کارایی و اثربخشی عملکرد راه آهن با استفاده از مدل تحلیل پوشش داده‌های شبکه ایی چند فعالیته ارائه نمودند (یو لین، 2008). پروژه - ریسرچ"تجزیه کارایی در تحلیل پوشش داده‌های شبکه ایی: یک مدل واقعی"توسط کائو در سال 2009 ارائه گردید. در این پروژه - ریسرچهر سیستمی سری شامل ساختار موازی است. بدین ترتیب بر اساس ساختار‌های سری و موازی کارایی سیستم تولید به کارایی‌های مراحل سری و ناکارایی‌های هر مرحله این سری، به مجموعه ناکارایی‌های فرآیند‌های جزء که به صورت موازی به همدیگر متصل شده‌اند، تقسیم می‌شود (کائو، 2009).
ویتنر و همکاران در پروژه - ریسرچ‌ایی به بررسی امکان استفاده ار زویکرد تحلیل پوششی داده‌ها برای ارزیابی عملکرد پروژه‌ها در یک محیط چند پروژه ایی پرداخته‌اند که هر پروژه معمولا رویکردی غیر تکراری دارد (ویتنر و همکاران،2004).
درانگلن وهمکارانش در پروژه - ریسرچای، عملکرد پروژههای تحقیقاتی را از جنبههای کیفیت، نوآوری، زمان و هزینه، در نظر گرفتند. همچنین روشهای چک لیست، مدل مقیاس بندی و مدل نمره دهی را برای ارزیابی عملکرد پروژه ذکر کردند(درونگلن و همکاران، 2000). پوه و همکارانش در پروژه - ریسرچخود روشهای ارزیابی پروژه تحقیق و توسعه را به دو دسته اصلی روشهای رتبه بندی و وزندهی و روش سوددهی، تقسیم میکنند (پوه و همکاران، 2001). سایواتانو پیلای و همکارانش نیز در پروژه - ریسرچای، یک مدل برای اندازه‌گیری عملکرد پروژههای تحقیق و توسعه، در یک محیط چند پروژهای و مهندسی همزمان، ارائه نمودند. آنها سه مرحله انتخاب، اجرا و پیادهسازی را برای دوره عمر یک پروژه در نظر گرفتند، سپس یک شاخص عملکرد یکپارچه را پیشنهاد دادند که عملکرد یک پروژه تحقیق وتوسعه را به وسیله یکپارچه کردن فاکتورهای کلیدی موثر در هر مرحله از عمر پروژه اندازهگیری میکند(سایواتانو پیلای و همکارانش، 2002).
کلمانز در پروژه - ریسرچای با عنوان" موفقیت پروژه و ارزیابی عملکرد" روش (WBS)را به کار گرفت. با استفاده از این روش موفقیت و عملکرد یک پروژه می‌تواند ارزیابی شود. WBS تفکیک پروژه یا کار به بخشهای کوچکتر است. بنابراین یک پروژه می‌تواند به سلسله مراتبی از بخشهای، وظایف (سطح1)، وظایف فرعی (سطح2) و بستههای کاری (سطح 3) و غیره تقسیم بندی شود. در این مدل فاکتورهای موثر در موفقیت یک پروژه برنامه، رضایت مشتری، ابزارها و فنون، کیفیت، تیم پروژه، بودجه و امنیت و سلامت محیط پروژه در نظر گرفته شده است(کلمانز، 2004).
سعیدی مهرآباد و احسانی در پژوهشی با عنوان" طراحی یک مدل ارزیابی عملکرد برای پروژههای تحقیقاتی براساس مثلث پروژه" شاخصهای موثر در سنجش اثربخشی پروژهها و یا به عبارتی مثلث پروژه در پروژه - ریسرچخود را انحراف زمان، هزینه و کیفیت معرفی کردند، سپس تابعی برای محاسبه عملکرد یک پروژه تعیین شد که این سه شاخص را با استفاده از منطق تابع زیان درجه دو در مهندسی کیفیت، یکپارچه میکند (سعیدی مهرآباد و احسانی, 1384).
عبدالرشیدی و همکاران در پژوهشی با عنوان "ارزیابی عملکرد پروژه‌ با استفاده ار تکنیک‌های تصمیم گیری چند شاخصه به ارزیابی عملکرد پروژه با استفاده از تکنیکهای تصمیمگیری چند شاخصه، در گروه صنعتی "ندا" پرداخت. با توجه به ماهیت این تحقیق، مدل سرآمدی پروژه به عنوان مبنایی جهت تعیین معیارهای موثر بر عملکرد پروژه‌ها، انتخاب شد. به کمک این مدل، 9 معیار اصلی جهت ارزیابی عملکرد پروژهها مدنظر قرار گرفت. پس از تعیین درجه اهمیت یا وزن هر یک از شاخصهای فرعی، پروژههای مورد بررسی نسبت به این شاخصها مورد ار زیابی قرار گرفته و اولویت بندی شدند. جهت انجام عملیات ارزیابی و اولویتبندی روشهای تاپسیس، تحلیل رابطه خاکستری و مجموع ساده وزین که از جمله تکنیکهای تصمیمگیری چند شاخصه می باشند، مورد استفاده قرار گرفتند و در پایان نیز نتایج حاصل شده مورد بررسی و تجزیه و تحلیل قرار گرفتند (عبدالرشیدی, 1385).

–88

درک سهولت استفاده: این متغیر معرف میزانی از باور افراد است که مطابق آن استفاده از یک نظام خاص برحسب تلاش جسمی یا ذهنی و نیز یادگیری را مستلزم تلاش زیادی نمی دانند. نظام هایی که یادگیری و استفاده از آن ها دشوارتر است، احتمال کمتری دارد که به طور گسترده ای استفاده شوند (Stamoulis et al.., 2002, P: 2458).
سودمندی ادراک شده: این متغیر معرف میزان باور افراد است که استفاده از این فن آوری جدید عملکرد آن ها را افزایش دهد (Doll et al..,1998,P: 845).
شرایط تسهیلی: محیط های بیرونی کمک کننده به کاربران برای غلبه بر موانع و دشواری های استفاده از یک فن آوری اطلاعاتی (Gu et al.., 2009, P: 11609).
نیات رفتاری: نیات رفتاری عبارت است از ادراک مشتریان نسبت به عملکرد خدمت دهندگان از لحاظ خدمت رسانی و اینکه آیا مشتریان حاضر به خرید بیشتر از یک سازمان خاص هستند و یا اینکه خرید خود را کاهش خواهند داد (Anderson and Mittal, 2000, p:521).
قصد خرید: زمانی که مصرف کننده به علت وجود بعضی خصوصیات در یک محصول آن را بر کالاهای موجود ترجیح داده و در سبد کالاهای انتخابی خود قرار می دهد و آنرا برای خرید انتخاب می کند (کاتلر و آرمسترانگ، 1388، ص 214).

1-8-2) تعریف عملیاتی
تبلیغات موبایلی: سنجش این متغیر از طریق میانگین نمرات کسب شده از پاسخ به سوالات پرسشنامه تبلیغات بازرگانی صورت می گیرد که در غالب سوالات 14 تا 18 می باشد.
درک سهولت استفاده: سنجش این متغیر از طریق میانگین نمرات کسب شده از پاسخ به سوالات پرسشنامه درک سهولت استفاده صورت می گیرد که در غالب سوالات 19 تا 21 می باشد.
سودمندی ادراک شده: سنجش این متغیر از طریق میانگین نمرات کسب شده از پاسخ به سوالات پرسشنامه سودمندی ادراک شده صورت می گیرد که در غالب سوالات 22 تا 25 می باشد.
شرایط تسهیلی: سنجش این متغیر از طریق میانگین نمرات کسب شده از پاسخ به سوالات پرسشنامه شرایط تسهیلی صورت می گیرد که در غالب سوالات 26 تا 30 می باشد.
نیات رفتاری: سنجش این متغیر از طریق میانگین نمرات کسب شده از پاسخ به سوالات پرسشنامه نیات رفتاری صورت می گیرد که در غالب سوالات 9 تا 13 می باشد.
قصد خرید: سنجش این متغیر از طریق میانگین نمرات کسب شده از پاسخ به سوالات پرسشنامه قصد خرید مشتری صورت می گیرد که در غالب سوالات 1 تا 8 می باشد.
1-9) قلمرو موضوعی، زمانی و مکانی تحقیق
گستره این تحقیق در سه قلمرو موضوعی ، زمانی و مکانی قرار می گیرد که عبارتند از:
قلمرو موضوعی – قلمرو موضوعی این تحقیق رفتار سازمانی و مدیریت بازرگانی می باشد که در زمینه آن به بررسی سازه هایی چون، تبلیغات موبایلی، نیات رفتاری و قصد خرید مشتریان پرداخته می شود.
قلمرو زمانی – مطالعه در مورد تحقیق و جمع آوری داده ها و اطلاعات تحقیق در سال 93 -1392 صورت گرفته است .
قلمرو مکانی – قلمرومکانی این تحقیق مشتریان فروشگاه های پوشاک مردانه رشت می باشد.

فصل دوم
مبانی نظری تحقیق

بخش اول: رفتار مصرف کننده
2-1-1) مقدمه
افزایش شرایط رقابتی سبب احساس نیاز روزافزون شرکت ها و سازمان ها به مشتریان و مصرف کنندگان شده است. ایشان متوجه شدند که امروزه، تمرکز بر نیازهای مصرف کنندگان و شناسایی رفتار آنها از مفروضات اساسی شرکت ها می باشد. به این ترتیب مطالعه و کشف نیازهای مصرف کنندگان و تجزیه و تحلیل فرآیند رفتار مصرف کننده و اولویت بندی عوامل تاثیرگذار بر این فرآیند از عمده وظایف مدیران شرکت های بازرگانی و تولیدی است که در نتیجه ی آت، سلیقه ی بازار هدف که از لحاظ پارامترهای سن، درآمد، ذایقه، سطح تحصیلات و غیره با یکدیگر متفاوتند، شناسایی شده و کالا و خدمات متناسب با آن به بازار عرضه می گردد (لشکری و نخجیری؛ 1388؛ ص 14).
در واقع، بررسی رفتار مصرف کنندگان و اینکه اصولا افراد چگونه و چرا خرید می کنند از سالیان متمادی موضوع مطالعات و تحقیقات دانشمندان است. (جزیی و همکاران؛ 1389؛ 10). محققان رفتار مصرف کننده را فعالیت هایی می دانند که در آنها افراد درگیر استفاده واقعی یا بالقوه از محصولات مختلف بازار که شامل کالاها، خدمات، ایده ها و محیط فروشگاه ها می شود، هستند (فیروزیان و همکاران؛ 1388؛ ص 128).
به عبارتی دیگر، توسعه مطالعات رفتار مصرف کننده نتیجه چرخش فلسفه بازاریابی از گرایش تولید و محصول به گرایش فروش و سپس گرایش بازاریابی می باشد. اهمیت شناخت مصرف کننده در تعاریف بازاریابی بعنوان « فعالیتی انسانی که جهت برآورده کردن نیازها و خواسته ها از طریق فرایند مبادله ، هدایت می شود» نهفته است. دانش کلی رفتار مصرف کننده دارای یک ارزش مشخصی نیز بوده و می تواند با اطلاع رسانی صریح به افراد در مورد روش هایی که آنها و دیگران فعالیت های مصرف انجام می دهند کمک کند تا مصرف کننده گان بهتری باشند بعلاوه ، می تواند با ارائه اطلاعات در مورد استراتژی های استفاده شده شرکتها جهت بازاریابی محصولاتشان، به مصرف کنندگان در فرایند خرید نیز کمک کند (صمدی ، 1386،ص8). به منظور بررسی هر چه دقیقتر رفتار مصرف کنندگان، یکی از موضوعاتی که می بایست مورد مطالعه و بررسی قرار گیرد، عوامل تأثیرگذار بر این رفتارها م یباشد. رفتار مصرف کنندگان به طور کلی م یتواند از عوامل متعددی متأثر گردد (فیروزیان و همکاران؛ 1388؛ ص 126).
2-1-2) تعریف رفتار مصرف کننده
هاوکینز (1992)، مصرف کننده را به عنوان یک واحد تصمیم گیری در نظر می گیرد که به جمع آوری اطلاعات و پردازش آگاهانه یا ناآگاهانه در موقعیت موجود پرداخته و برای دستیابی به رضایت و بهبود سبک زندگی فعالیت می نماید (صمدی ، 1386،ص8). با وجود این که رفتار مصرف کننده در مقایسه با سایر رشته های دانشگاهی حوزه جوانی است و انتشار اولین کتاب در این زمینه به سال 1968 برمی گردد، به نظر می رسد که این موضوع از پیشتر مورد توجه بوده است چرا که به دنبال انقلاب صنعتی و پیشرفت های تکنولوژیک، از مد تها قبل تغییرات عمده ای در زمینه رفتار مصر فکننده و سیستم بازاریابی بوجود آمده بود. رشد و توسعه بازار انبوه، رشد تحقیق مصرف کننده در طول دهه 1950 را به دنبال داشت. اقتصاددانان که در مورد چگونگی اثرات عوامل اقتصادی بر الگوی مصرف کنندگان تحقیق می کردند در دهه 1950 به محققان بازاریابی پیوستند. در دهه 1960، پیشرفت های زیادی در روش های تجزیه و تحلیل به عمل آمد و رویکردهای کمی تحقیقات نیز در بازاریابی و تبلیغات رواج یافت. در اواخر دهه 1960، بسیاری از محققان بازاریابی به این نتیجه رسیدند که آنها بایستی بر رفتار مصرف کننده به عنوان موضوعی مناسب برای تحقیق تمرکز نمایند. در طول دهه 1970، آنها با محققانی از حوز ه های اقتصاد، روانشناسی، جامعه شناسی، انسان شناسی و غیره شروع به همکاری کردند. در اواسط دهه 1970، حوزه رفتار مصر فکننده جای خود را در زمینه های تحقیقاتی و مطالعاتی باز کرد و در حال حاضر نیز این حوزه مطالعاتی و تحقیقاتی به انداز های فراگیر شده است که بازاریابان به طور مستمر و با هدف کمک به اتخاذ هر چه مناسب تر تصمیمات بازاریابی اقدام به انجام تحقیقات مختلف در زمینه رفتار مصر فکنندگان می نمایند (فیروزیان و همکاران؛ 1388؛ 128)
رفتار مصرف کننده رشته ی نوپایی است و موون آن را اینگونه تعریف می نماید:
رفتار مصرف کننده، مطالعه ی واحدهای خرید و فرآیندهای مبادله مشمول در خرید، مصرف و دور انداختن کالاها، خدمات و ایده ها است. رفتار مصرف کننده موضوعی بحث انگیز و چالشی بوده و دربرگیرنده ی افراد و آنچه که خرید می کنند، چرا و چگونه خرید آنها، بازاریابی و آمیخته با آن و بازار می باشد. رفتار مصرف کننده پدیده ی ظریفی است زیرا رفتارافراد همواره واضح و آشکار نیست و لذا عملکرد آنها به عنوان مصرف کنندگان، بسیاری اوقات قابل پیش بینی نیست (نعلچی کاشی و همکاران؛ 1391؛ 50).
در بسیاری از موارد، درک رفتار مصرف کننده، امری مشکل است براساس نظریه مزلو، انسان یک حیوان خواهنده است که به ندرت به حالت ارضای کامل می رسد، مگر برای مدتی کوتاه و به محض اینکه در او تمایل و خواسته ای ارضاء می شود، تمایل دیگری روی می نماید و به همین ترتیب این ویژگی انسان است که در تمام زندگی، همواره خواهان چیزی است. رفتار مصرف کننده، فرآیندی است که در راستای رسیدن به هدف خاصی برانگیخته می شود که دربرگیرنده ی فعالیت های زیاد و نقش های مختلفی می باشد. رفتار خریداران از ارزش ها و عقاید ایشان، از نگرش و طرز فکر آنها نسبت به جهان و مکان خود در این جهان، از تصویری که از خود دارند و انتظاری که از سایرین درباره ی این ذهنیت دارند، از منطقی بودن و قضاوت درست و از بوالهوسی و انگیزش ناگهانی سرچشمه می گیرد (کاتلر؛ 1387؛ ص 1).
2-1-2-1) عوامل موثر در رفتار مصرف کننده
رفتار مصرف کننده به وسیله عوامل درونی و بیرونی مختلفی تحت تأثیر قرار می گیرد.
تأثیری به لحاظ اینکه اهمیت زیادی در درک رفتار و مصرف کننده دارد، شایان توجه زیادی است . اساساً این مفهوم منعکس کننده واقعیت است که رفتار مصرف کننده ماهیتاً انطباقی است ، بدین معنی که مصرف کنندگان خود را با موقعیت های پیرامون خود منطبق می کنند. تأثیر پذیری یک رخداد طبیعی در دنیای مصرف کنندگان بوده و لزوماً خوب یا بد نمی باشد. بیشتر افراد توافق دارند که برخی شکل های تأثیر از قبیل اجبار یا کنترل شدن بد هستند . با این وجود برخی از تأثیرات از قبیل یادگیری در مورد محصولات و خدمات ، قیمت ها، شنیدن توصیه های ارزشمند در مورد خرید و غیره سودمند هستند . عمده عوامل درونی مؤثر در رفتار عبارتند از: ادراک، یادگیری ، انگیزش ، شخصیت ، نگرش و سبک زندگی . از عوامل بیرونی نیز می توان فرهنگ و ارزش ها ، طبقه اجتماعی، گروه های مرجع ، رهبران ایده ها و خانوار را نام برد (صمدی ، 1386 ، ص 117 ).
در برخی از پژوهش ها عوامل موثر بر رفتار مصرف کننده را به شرح زیر برشمرده اند:
عوامل دموگرافی (مشخصات مصرف کننده): جنسیت، شغل و سطح تحصیلات
عوامل اجتماعی: فرهنگ، خرده فرهنگ، گروه مرجع و خانواده


عوامل روانشناسی: یادگیری، تئوری محرک و پاسخ، تئوری شناخت و ادراک
عوامل اقتصادی: درآمد، اعتبار و دارایی (لشکری و نخچیان؛ 1388؛ 15)
2-1-2-2) قوانین طلایی در رفتار مصرف کننده
قانون اول: سود حاصل از حفظ مشتری دائم، بیشتر از سود حاصل از جذب یک مصرف کننده ی جدید است. یک سازمان موفق، سازمانی نیست که تنها به دنبال جذب مشتریان جدید باشد، بلکه حفظ مشتریان سابق و وفاداری آنها نقش موثرتری در بهره وری خواهد داشت، زیرا تنها 10 درصد از رشد سالیانه، ناشی از جذب مشتریان جدید است.
قانون دوم: نارضایتی مصرف کنندگان از نارضایتی دوستان نیز مهم تر است. از این قانون می توان دو معنای جداگانه برداشت نمود: نخست آنکه ما تنها زمانی می توانیم مشتری خود را حفظ نماییم که رضایت کامل او را جلب کنیم و دوم آنکه همیشه مشتری را دوست خود بدانیم و همانقدر که جلب رضایت دوستان برایمان ارزشمند است باید به همان اندازه بلکه بیشتر به جلب رضایت مشتری توجه نشان دهیم.
قانون سوم: اگر برای بهبود بخشیدن به وضعیت موجود خود به سرعت اقدام نکنید، به طور قطع مشتری های خود را برای همیشه از دست خواهید داد. بسیاری از سازمان ها پس از مدتی، اهمیت ارتباط گیری با مشتری را فراموش می کنند. در واقع، می توان گفت ایشان مسئولیت و وظیفه ی خود را در قبال شرایط ایجاد شده و بهبود آن فراموش می کنند به همین دلیل، مشتریان خود را به سرعت از دست می دهند. ارتباط مداوم با مشتری، امکان ماندگاری شرایط فروش را فراهم می کند.
قانون چهارم:همیشه حق با مشتری نیست. نحوه ی بیان تفاوت میان دیدگاه های سازمان و مشتری دارای اهمیت بسیاری است و نحوه ی بیان آن با توجه به تقسیم بندی مشتریان صورت می گیرد.
مشتریان درونی که رضایت خود را در درون سازمان و از طریق ارتباط با سازمان و اعضای آن کسب می کنند. این افراد را باید دوستان سازمان دانست و مشکلات مربوط به خدمات مورد درخواستشان را به صورت مستقیم به آنها یادآوری نمود.
مشتریان خارجی که تنها در جستجوی کالایی مفید با قیمتی مناسب هستند و هرگز به ارتباط با سازمان نمی اندیشند به همین دلیل، تذکر در مورد اشتباهاتشان باید به صورت غیر مستقیم و دوجانبه صورت گیرد.
قانون پنجم: به اظهار نظر مشتریان خود گوش دهید تا بفهمید که چه می خواهند. موفقیت های سازمان به نحوه ی ارتباط آن با مشتریان وابسته است. اگر ارتباط با مشتری از طریق وسایل ارتباطی و کانال های متعدد صورت گیرد، فهم بیشتری از نیازها، علایق و مقاومت های مشتری امکان پذیر است.
قانون ششم: به شکایات مشتریان خود خوشامد بگویید. برای اینکه مشتریان بتوانند شکایات خود را ابراز کنند باید به سه نکته توجه داشت:
ایجاد فضایی امن برای شکایت
ایجاد این باور که نظرات و شکایات مشتریان برای سازمان ارزشمند است.
ایجاد این باور که سازمان برای رفع معایب و رسیدگی به شکایات مشتریان تلاش می کند.
قانون هفتم: هرگز فراموش نکنید این مشتری است که انتخاب می کند. براساس مطالعه ی رفتار مصرف کننده می توان گفت که آنها بر مبنای عوامل زیر به انتخاب کالاها و خدمات می پردازند: توجه، علاقه، خواست، آرزو و عمل. مصرف کننده برای انتخاب یک کالای خاص باید نسبت به آن شناخت پیدا کند و از طریق تبلیغات یا به صورت شفاهی توجه ی او جلب شود. از این طریق علاقه ای برای استفاده از آن کالا به وجود می آید. با علاقه مند شدن او برای به دست آوردن آن تلاش می کند و همزمان سعی دارد تا اطلاعات بیشتری به دست آورد. ارائه ی اطلاعات مورد نیاز مصرف کننده آرزوی داشتن کالای مورد نیاز را در وی ایجاد می کند و پس از آن فرد برای به دست آوردن آن کالا اقدام می کند.
قانون هشتم: اگر از مشتریان خود مراقبت نکنید، کس دیگری این کار را خواهد کرد. زمانی که سازمانی در زمینه ی ارائه کالا و خدمات به اوج می رسد، روند مشابهی در سازمان های دیگر شروع شده و به اوج می رسد. به همین دلیل باید به آرامی روند دیگری در ارائه خدمات شکل گیرد زیرا دیگر سازمان ها در ارائه ی خدمات خود پیش بینی های بیشتری کرده که ممکن است سازمان قبلی را پشت سر بگذارند. بنابراین، توجه به موقعیت های مختلف که ممکن است باعث شکست سازمان شود، بسیار حایز اهمیت است (لشکری و نخچیان؛ 1388؛ 16).
2-1-3) انواع تصمیم گیری های مصرف کننده
تصمیم گیری عادی: در این نوع تصمیم گیری، فرد مساله را تشخیص می دهد و سپس جستجوی درونی در حافظه ی بلندمدت وی برای یافتن راه حلی مناسب آغاز می شود و سپس خرید انجام می گیرد و انتخاب اینگونه کالاها با حداقل تلاش و بدون آگاهی از ویژگی های محصول و به طور معمول خودکار صورت می گیرد. خرید براساس عادت و تکرار رفتار خرید و همچنین مصرف کننده حداقل انرژی را صرف تصمیم گیری خرید برای اینگونه کالاها کنند.
تصمیم گیری محدود: در برگیرنده ی جستجوی درونی و محدود بیرونی اطلاعات، بررسی تعداد معدودی از گزینه ها، تصمیم گیری ساده برای خرید یک نام تجاری بر مبنای ویژگی های اندک و در نهایت ارزیابی پس از خرید به شکل بسیار ابتدایی و سطحی است. تصمیم گیری محدود حد فاصل تصمیم گیری عادی و پیچیده است و از نظر درگیری ذهنی شبیه تصمیم گیری عادی است.
تصمیم گیری پیچیده: شامل یک فرآیند گسترده جستجوی اطلاعات درونی و بیرونی است که به تبع آن ارزیابی پیچیده ای از گزینه های چندگانه انجام می شود و در نهایت پس از خرید یک ارزیابی اصلی و دقیق شکل می گیرد و تصمیم هاى گرفته شده همواره با مقدار زیادی خطر همراه است. مصرف کننده سعی می کند در حد امکان اطلاعات موجود را، شامل آن چه در حافظه خود دارد (جستجوی داخلی) و همچنین منابع خارجی (جستجوی خارجی) جمع آوری کند (Watson et al.., 2002, p: 395).
2-1-3-1) فرآیند تصمیم گیری مصرف کننده
در ارتباط با تشریح رفتار مصرف کنندگان مدل ها وتئوری های مختلفی بیان شده است که هریک از زاویه ای خاص رفتار مصرف کنندگان را مورد بررسی قرار م یدهد. در این میان مدل های تصمیم گیری خرید به علت فراهم آوردن چارچوبی مشخص و تعریف شده از مراحل و فرایندهای رفتار مصر فکننده، به درک و استنباط دقیق تر از روابط موجود میان متغیرهای رفتار مصر فکننده کمک می نمایند (Vignali et al.., 2001, p:461). مراحلی را که خریدار جهت تصمیم گیری برای انتخاب محصولات و خدمات طی می نماید، فرایند تصمیم گیری خرید می نامند. بر این اساس، در ورای هر عمل خرید یک فرایند مهم تصمیم گیری نهفته است که می بایست مورد بررسی قرار گیرد. مدل های تصمیم گیری خرید، نشیر: مدل نیکوزیا (1966)، مدل هووارد شث (1964)، مدل انگل-کولات-بلک ول (1978) و مدل ویلکی (1994)، ازجمله مهم ترین مدلهای تصمیم گیری خرید می باشند (Watson et al.., 2002, p:395).
از میان مدل های مطرح شده، مدل ویلکی (1994)، فرآیند رفتار مصرف کننده را به عنوان یک فرآیند سه مرحله ای که در هر یک از مراحل مصرف کننده فعالیت های خاصی را انجام می دهد، در نظر می گیرد. این مدل برمبنای مفاهیم مرتبط با فرایند تصمیم گیری خرید شکل گرفته است. به اعتقاد ویلکی، مطالعه تصمیم گیری مصر فکننده شامل تجزیه و تحلیل چگونگی انتخاب افراد از میان یک یا دو یا چند گزینه خرید و فرایندهایی که قبل و یا پس از خرید رخ می دهند، می باشد (فیروزیان و همکاران؛ 1388؛ 130).
فرآیندهای تصمیم گیری آتی
مصرف و ارزیابی محصول
تصمیم گیری خرید
جمع آوری اطلاعاتو ارزیابی گزینه ها
تشخیص مساله
فعایتهای پیش از خرید
فعالیت های در حین خرید
فعالیت های پس از خرید

نمودار2-1) مراحل رفتار مصرف کننده (فیروزیان و همکاران؛ 1388)
فعالیت های پیش از خرید در مراحل ابتدایی فرایند تصمیم گیری خرید و هنگامی که فرد در وهله نخست برای انجام خرید برانگیخته شد ه باشد، رخ می دهند. این فعالیت ها از اهمیت بالایی هم برای مصر ف کنندگان و هم برای بازاریابان برخوردار می باشد، چرا که بر اساس نتایج آنها مشخص می گردد مصرف کنندگان چه محصولاتی را در چه زمان و مکانی خریداری خواهند نمود. در یک نقطه از فرایند، مصرف کننده م یبایست جستجو و ارزیابی اطلاعات را متوقف کرده یک گزینه خرید را انتخاب کند. گزینه خرید برای مصر فکننده دربرگیرنده خود کالا، بست هبندی، فروشگاه و شیوه خرید است. در این حالت مشتری با توجه به ویژگی های محصول و سایر عوامل به مصالحه قانع کننده روی می آورد. زمانی که خریدار، نام تجاری و فروشگاه مورد نظر خود را انتخاب کرد باید فرایند مبادله را به پایان برساند. این مرحله همان مرحله خرید م یباشد. در محیط های سنتی فروشگا هها، این مرحله بدون درنگ و تأخیر انجام می شود . البته استثنائاتی هم وجود دارد. فعالیت های پس از خرید معطوف به اتفاقاتی می گردد که، پس از اینکه عمل خرید صورت گرفت به وقوع می پیوندند چرا که فرایند تصمیم گیری با انجام دادن خرید پایان نمی یابد بلکه مصرف کننده تصمیم را ارزیابی کرده و از آن برای تصمیم گیری های آتی استفاده می نماید. نتیجه تمامی این فرایندها به مرحله نهایی یعنی مرحله رضایت ختم می شود که وفاداری و پایبندی مصرف کننده و تمایل وی به خرید مجدد را بوجود می آورد و یا اینکه موجب می شود مصرف کننده نام های تجاری مختلفی را به طور متناوب انتخاب کند یا آن رده محصول را به طور غیرمستمر مورد استفاده قرار دهد (Szymanski and Hen--, 2001, p:17).
در واقع، زمانی که کالایی خریداری می شود، مصرف کننده به طور معمول از فرآیند تصمیم گیری پنج مرحله ای ذیل پیروی می کند. این پنج مرحله نشان دهنده ی یک فرآیند عمومی هستند که مصرف کننده از شناسایی یک محصول یا خدمت مورد نیاز تا ارزیابی آن و خرید می گذراند.
تشخیص مساله: تشخیص مساله تفاوت میان حالت مطلوب و حالت مطلوب و حالت موجود که برای تحریک، تقویت و فعال سازی فرآیند تصمیم گیری کافی است. حالت موجود، شیوه ی ادراک فرد از احساسات و موقعیت فعلی اوست. حالت مطلوب شیوه ای است که فرد تمایل دارد آن طور احساس کند یا حالت فعلی او آنطور باشد.
جستجوی اطلاعات: پس از شناخت مساله، مصرف کننده در جستجوی اطلاعات بر می آید. برای کسب اطلاعات مصرف کننده ممکن است به کاوش درونی یا کاوش بیرونی دست بزند. کاوش درونی زمانی است که مصرف کننده برای خرید به تجربه های پیشین خود مراجعه می کند و کاوش بیرونی زمانی است که مصرف کننده از اطلاعات دیگران برای خرید استفاده می کند.
ارزیابی گزینه ها: مصرف کننده انتخاب های گوناگونی را بر اساس خصیه های متفاوت رتبه بندی کرده و مقایسه می کند، روش های متفاوتی برای محدود کردن تعداد گزینه ها وجود دارد که عبارتست از:
انتخاب بر اساس یک ویژگی خاص محصول و کنارگذاشتن سایر محصولات که چنین ویژگی را ندارند.
استفاده از روش برش که برای ویژگی های محصول یک حداقل یا حداکثر تعیین می شود و سپس محصول هایی که در این محدوده قرار ندارند، کنار گذاشته می شوند.
ویژگی های محصول را براساس میزان اهمیت آنها مرتب کرده و سپس براساس مهمترین ویژگی ها به ارزیابی شیوه ی عملکرد محصولات بپردازیم.
تصمیم به خرید: در این مرحله مصرف کننده تصمیم خرید خود را می گیرد. این تصمیمات گاهی بسیار آنی است و مرحله ی ارزیابی گزینه ها را مستقیم دنبال نمی کند. در این مرحله یکی از نکات اساسی قدرت و مهارت مدیریت در گفتگو و خرید و فروش است. متقاعد ساختن مشتریان در این مرحله اهمیت زیادی دارد. تا زمانی که عمل خرید صورت می گیرد، دو عامل عمده وجود دارد که ممکن است بر تصمیم فرد تاثیر بگذارد که عبارتند از: عقیده و نظر دیگران مانند دوستان و آشنایان و عوامل پیش بینی نشده ی دیگر.
رفتار پس از خرید: مرحله ی نهایی در فرآیند خرید مصرف کننده، رفتار پس از خرید است. در این زمان مصرف کننده خرید را ارزیابی می کند. این ارزیابی در واقع، مقایسه ی میان آن چیری است که مصرف کننده انتظار آن را دارد و آن چیزی که واقعا دریافت کرده است. اگر کالا یا خدمات، انتظارات مصرف کننده را برآورده سازد، وی از خرید راضی می شود، اما اگر این انتظارات را برآورده نکند، وی از خرید خود ناراضی خواهد شد. هنگامی که خرید یک کالا درگیری ذهنی بالایی را طلب می کند یا در نظر مردم بسیار مهم است و یا کالای خریداری شده، قیمت بسیار بالایی دارد، مصرف کنندگان در اکثر موارد، پس از خرید دچار شک و تردید می شوند. این شک و تردید، «ناهماهنگی شناختی پس از خرید» نامیده می شود (لشکری و نجچیان؛ 1388؛ 16).
رفتار پس از خرید
تصمیم خرید
ارزیابی اطلاعات
کسب اطلاعات
شناخت نیاز

شکل2-1) فرآیند تصمیم گیری مصرف کننده (لشکری و نجچیان؛ 1388)
2-1-3-2) تصمیم گیری درباره ی خرید
در مرحله ی ارزیابی گزینه های مختلف، مصرف کننده مارک های مختلف را درجه بندی می کند و قصد خرید در او ایجاد می شود. بطور کلی تصمیم مشتری برای خرید بر اساس استوار است که باید بهترین مارک خریداری شود ولی عملاً بین قصد و تصمیم دو عامل دیگر قرار می گیرد که در شکل نشان داده شده است.
ارزیابی گزینه های مختلف
قصد خرید
عوامل پیش بینی نشده
عقاید دیگران
تصمیم خرید

شکل 2-2) عوامل تأثیر گذار بین قصد و تصمیم خرید مصرف کننده (کاتلر و آرمسترانگ، 1991)
اولین عامل عقیده دیگران است، میزان تأثیر دیگران بر انتخاب خریدار بستگی دارد به شدت نظر دیگران نسبت به تصمیم خرید و انگیزه خریدار در پیروی از نظرات دیگران. هرچقدر این نظر سخت تر و جدی تر و صاحب این نظر به خریدار نزدیک تر باشد، تأثیر و نفوذ این نظر هم بیشتر می شود. قصد خرید تحت عوامل پیش بینی نشده موقعیتی نیز قرار می گیرد . قصد خرید بر اساس عوامل نظیر درآمد مورد انتظار خانواده، قیمت مورد انتظار و فواید مورد انتظار از کالا و شکل می گیرد. عوامل غیر قابل پیش بینی موقعیتی ممکن است درست زمانی که مصرف کننده می خواهد وارد عمل شود قصد او را تغییر دهند. با این وصف، رجحان ها و حتی قصد خرید، واقعی نمی انجامد. این عوامل شاید باعث هدایت رفتار خرید شوند ولی ممکن است نتیجه ای به دنبال نداشته باشند. تصمیم یک مصرف کننده برای خرید یا به تعویق انداختن و اجتناب از آن شدیداً تحت تأثیر مخاطره ذهنی قرار می گیرد. بسیاری از خریدها مستلزم قبول میزانی مخاطره است، مصرف کنندگان نیز از پیامد خرید بی خبرند و همین امر باعث ایجاد نگرانی در مصرف کننده می شود. میزان مخاطره ی ذهنی، بسته به مبلغ اختصاص یافته به خرید، عدم قطعیت خرید و میزان اعتماد به نفس مصرف کننده تغییر می کند. یک مصرف کننده برای کاهش میزان مخاطره ممکن است از تصمیم درباره خرید اجتناب کند، اطلاعات بیشتری جمع آوری نماید، درصدد خرید کالای با مارک ملی برآید یا کالاهایی را بخرد که دارای تضمینات کافی باشند. یک بازاریاب باید نخست دقیقاً عوامل تحریک کننده ای را بشناسد که باعث می شوند مصرف کنندگان احساس مخاطره کنند. سپس با ارائه اطلاعات و حمایت های لازم بگونه ای عمل کند که حتی المقدور مخاطره ی ذهنی مصرف کننده تقلیل یابد. (کاتلر و آرمسترانگ، 1388، ص 214).
2-1-3-3) چهار عنصر تصمیم گیری خرید مصرف کننده
مشتریان به هنگام خرید چهار مساله را مورد توجه قرار می دهد و چهار تصمیم متفاوت را می گیرند:
آیا باید هم اکنون به خرید کالایی مبادرت کند؟ افراد به طور معمول چیزهایی را می خرند که می خواهند در اختیار داشته باشند و با توجه به منابع محدود و فرصت های بیشمار تا هنگامی که نیاز مبرم نداشته باشند، خرید نمی کنند.
چه چیزی را باید خریداری کنیم؟ هنگامی که خریدار به این نتیجه می رسد که اقدام برای خرید در اولویت قرار دارد، این مساله برایش پیش می آید که چه مسیری را باید بگذراند.
آیا منابع و امکانات لازم را برای خرید در اختیار داریم؟ خریدار برای آنکه بتواند به خرید چیزی مبادرت کند، باید پول لازم را در اختیار داشته باشد.
از چه کسی باید خرید کنیم؟ هنگام خرید کالا و هنگامی که بودجه و امکانات لازم را در اختیار دارد، باید بداند از چه فروشنده ای کالای مورد نیاز خود را خریداری کند که به موقع آن را تحویل دهد (لشکری و نخچیان؛ 1388؛ 17).
2-1-3-4) عوامل مؤثر بر تصمیم خرید مصرف کننده
دنیای ما دنیای گسترده از کالاهاست اما یک بازار گذار مشکلی متفاوت از مصرف کننده نسبت به این کالاها دارد در بازار مسلماً باید فرایند تصمیم گیری مصرف کننده برای خرید و انتخاب محصول مورد توجه قرار گیرد تا بتواند استراتژی های صحیح بازاریابی را برای شرکت و یا محصول خود اتخاذ کند. از مهمترین عوامل که بر تصمیم خرید و مصرف کننده مؤثر است، می توان به عوامل فرهنگی اشاره کرد. فرهنگ اصلی ترین دلیل تمایل رفتار و نهایتاً تمایز افراد است. بازارگذار باید به الگوهای رفتاری، فرهنگی، اجتماعی مشتریان و مصرف کنندگان به بازارهای مورد نظرش آشنا باشد و بتواند محصولاتی مناسب و مطلوب و منطبق با فرهنگ مصرف کننده فراهم آورد. طبقه اجتماعی نیز از عوامل مؤثر بر تصمیم خرید محسوب می شود. زمان ، مکان و شیوه خرید طبقه با طبقه دیگر متفاوت است. نکته جالب توجه این است که در همه جوامع معمولاً تصمیم خرید افراد تحت تأثیر دیدگاه ها و نظرات گروههای دیگر قرار می گیرد . هنرمندان، ورزشکاران ، حتی چهره های شاخص سیاسی و علمی می توانند بر تصمیم خرید افراد مؤثر باشند. خانواده و حتی کسانی که به نحوی در یک جا با هم زندگی می کنند مثل چند دانشجو بر رفتار خرید یکدیگر تأثیر می گذارند. توجه به نقش زن یا شوهر یا بچّه در انتخاب محصولات مؤثر است تحقیقات نشان می دهد که به طور سنتی نقش زن در انتخاب غذا و لباس بیش تر بوده ولی با افزایش زنان شاغل تمایل شوهران به خرید خانواده بیشتر شده است. اندازه خانواده نیز در تصمیم خرید مؤثر است . سن و شغل افراد و نیز در الگوی مصرف آنها تأثیر می گذارد . عوامل روان شناختی نیز بر تصمیم خرید افراد تأثیر زیادی دارند، به عنوان مثال شخصیت افراد در تصمیم خرید آنها تأثیر می گذارد، اعتماد به نفس، اقتدار، آرامش جزء ویژگیهای شخصیتی هستند که شیوه خرید افراد را متفاوت می کنند . خود پنداری افراد بر خریدشان تأثیر می گذارد حتی افراد مارک هایی را ترجیح می دهند که با خود پنداری آنها سازگار باشد و در نهایت کلام به عنوان عامل مؤثر بر تصمیم خرید برداشت می شود که ناشی از ذهنیت و شخصیت و برداشت مصرف کننده است در واقع برداشت فرایندی است که شخص اطلاعات را از محیط می گیرد، تفسیر، می کند و بر مبنای آن برای خرید تصمیم می گیرد ( نجف پور، 1386،ص2).
2-1-3-5) خانواده و نقش آن در فرآیند تصمیم گیری خرید
خانواده یک سازمان خرید کننده کامل و پیچیده ای است که نیازهای دو نسل یا بیشتر را در بر می گیرد. رفتار خرید، بوسیله ماهیت خانواده به شدت تأثیر می پذیرد و مسئولیت های آن ممکن است تقاضا برای دامنه معکوسی از کالاها و خدمات را ایجاد کند . شناخت عامل خانواده در تصمیم گیری خرید به دلایل زیر حایز اهمیت است .
بسیاری از تقسیمات خرید در خانواده انجام می گیرد.
رفتار مصرف در واحد خانواده آغاز می شود ، کودکان الگوی رفتار بازار را از والدین خود می آموزند.
نقش های خانواده و ترجیحات کالاهایی که کودکان مشاهده می کنند مدل هایی هستند که این کودکان در بنا نهادن خانواده خود از آنها استفاده کرده، آنها را تغییر یا رد می کنند.
تصمیمات خرید خانواده ترکیبی از تعاملات خانواده و تصمیم گیری فردی است.
خانواده به عنوان تفسیرگر نیروهای اجتماعی و فرهنگی برای افراد عمل می کند (صمدی، 1386، ص89).
2-1-4) تمایل مصرف کنندگان به خرید
تمایل مصرف کننده وقتی به انگیزه تبدیل می شود که به طرف شیء محرک هدایت شود، که مورد مصرف کنندگان انتخاب کالا است. واکنش مصرف کنندگان به خرید کالاها به اوضاع و احوال محیط آنها بستگی دارد، شرایط و اوضاع و احوال از محرک های کوچکی تشکیل می شوند که زمان، مکان و نحوه واکنش مصرف کننده را تعیین می کنند. تماشای کالا از ویترین فروشگاه، قیمت فروش کالا با تخفیف مخصوص و تشویق همراهان، همه و همه شرایط و اوضاع و احوالی را به وجود می آورند، که پاسخ مصرف کننده را با انگیزه ناگهانی خرید کالا تحت تأثیر قرار می دهند. اگر تمایل مصرف کننده از شدت و قوت کافی برخوردار باشد و کالای ارضا کننده ای نیز در دسترس باشد، این احتمال وجود دارد که مصرف کننده این کالا را بخرد. با این وصف، رجحان ها و گرایشات، همیشه به انتخاب و خرید واقعی نمی انجامند. این عوامل شاید باعث هدایت رفتار خرید شوند، ولی ممکن است نتیجه ای به دنبال نداشته باشد. بازاریاب در پی آن است که بتواند با ارتباط دادن کالا با تمایلات نسبتاً قوی و به کمک اوضاع و احوال محیط و ایجاد عامل تقویت مثبت در محیط، برای آن کالا تقاضا به وجود آورند. یک شرکت جدید نیز با توسل به همان امیالی که رقبا از آن استفاده می کنند و ایجاد اوضاع و احوال مناسب می تواند وارد یک بازار شود و هم چنین می تواند مارک کالای خود را متناسب با امیالی کاملاً متفاوت طراحی کند و با ایجاد اوضاع و احوالی پر جاذبه، امکان تغییر جهت مشتریان را فراهم کند. تحقیقات در زمینه انگیزش، علی رغم این که ممکن است نتایج غیر عادی به دنبال داشته باشد، هنوز ابزار بس مفید به منظور بررسی عمیق تر رفتار مصرف کنندگان مورد استفاده قرار می گیرد (کاتلر و آرمسترانگ ، 1388 ، ص198).
ارزش عاطفی عامل مهم و تأثیر گذار در تمایل خرید محصولات می باشد . محققان موضوع را کشف کرده اند که حالت های شناختی رفتار خرید تأثیر گذار هستند . این نوع شناخت در ارتباط با درک اساسی این مورد می باشند که مشتریان عقلایی و عاطفی هستند . این درک به مدل تأثیر – شناختی خریدار از روی تمایل گسترش پیدا می کند که در آن پاسخ شناختی ( کیفیت مشخص ) و پاسخ مؤثر ( دوست داشتن ) بر تمایل آنها برای خرید تأثیر گذار می باشد. هر فردی ممکن است تمایل داشته باشد خود را متفاوت از دیگران ببیند طبق نظریه فرامکین افراد خاص نیاز به هویت مجزا یا نیاز منحصر به فرد بودن دارد این مصرف کنندگان این نیاز را بوسیله دارا بودن و نشان دادن محصولات مصرفی اصلی، عالی و منحصر به فرد نشان می دهند و تصویر فردی و اجتماعی خود را تقویت می کنند. نسل های جوان تمایل زیادی به منحصر به فرد بودن و نشان دادن خود از طریق محصولاتی مثل لباس و لوازم دیگر دارند.کمیابی محصول در یک منطقه باعث افزایش تمایل و علاقه برای خرید کالای مربوطه در مقابل کالاهای موجود منطقه ای می گردد.(Kumar et al., , P:).
ارزش های عاطفی و احساسی که مشتریان از روی تفریح و تجربیات لذت بخش بدست می آورند در تمایل به خرید محصولات مرثر هستند. سوئینی و سوتار ارزش های عاطفی را به عنوان فایده بر گرفته از احساسات یا حالت تأثیر گذار تعریف کرده اند که نسل های محصولات را بوجود می آورد. در واقع، می توان گفت که تمایلات نقشی واسطه و میانجی گر مبتنی بر ساختار رفتارهای قبلی است لذا تمایلات یک پیش بینی معنی دار و قابل ملاحظه برای وقوع رفتار هستند (Helene De cannier and De pelsmaker, , P:).
تمایل عبارت است از یک محرک قوی داخلی که اقدامی را طلب می کند. یک محرک (یا انگیزش) عبارت از نیازی است که برای هدایت شخص در امر تأمین رضایت او از شدت کافی برخوردار باشد. نیاز می تواند از محرک های داخلی (گرسنگی، تشنگی وغیره) و خارجی (آگهی تلویزیونی، تبلیغات و غیره) سرچشمه بگیرد و زمانی شدت و قوت می گیرد که به یک تمایل تبدیل شود. شخص بر اساس تجربیات گذشته نحوه برخورد با این تمایل را آموخته است و بنابراین مستقیماً به سمت چیزی هدایت می شود که او را ارضا می کند (Sweenu and Soutar, , P:).
یک شخص در آنِ واحد نیازهای متفاوتی دارد. بعضی از نیازها بیولوژیک اند و از احساس گرسنگی، تشنگی و ناراحتی ناشی می شوند. بعضی از نیازها روانی اند، و از نیاز به شناخته شدن، احترام یا احساس تعلق ناشی می شوند. اکثر این نیازها در یک زمان معین برای تحریک فرد به انجام یک عمل خاص فاقد شدت کافی اند. یک نیاز زمانی به محرک تبدیل می شود که از شدت کافی برخوردار باشد. و نیز میل عبارت است از یک محرک قوی داخلی که اقدامی را طلب می کند. میل وقتی به انگیزه تبدیل می شود که به طرف یک شیء محرک هدایت شود. شرایط و اوضاع و احوال از محرک های کوچکی تشکیل می شود، که زمان، مکان و نحوه واکنش شخص را تعیین می کنند. اهمیت علمی نظریه یادگیری برای بازاریابان از آن جهت است که آنان می توانند با ارتباط دادن کالا یا خدمت با تمایلات نسبتاً قوی و به کمک اوضاع و احوال محیط و ایجاد عامل تقویت مثبت در محیط برای آن کالا تقاضا بوجود آورند (کاتلر و آرمسترانگ، 1388، ص 193 ).
2-1-4-1) عوامل مؤثر بر تمایل به خرید
مشتریان تمایل به خرید کالاهایی دارند که برند آن دارای ویژگی خوب، کیفیت و عملکرد منفعت آمیزی داشته باشد. احساس کیفیت مطلوب در محصولات مشتریان را تشویق می کند که با یک احساس هیجانی به طرف آن کالا متمایل شوند. در حالت تساوی دو محصول رقیب به طرف آن محصول تمایل دارند که احساس کیفیت سطح بالاتری از آن دارند (Yoo et al.., , P: ) و از طرفی کیفیت درک شده زمانی به تمایل خرید منتهی می شود که در مشتریان و مصرف کننده باعث ایجاد هیجان و احساس بالاتری گردد. ( Batra, , P: ). آگاهی داشتن از برندهای محصولات ، بویژه وقتی که آن مارک کیفیت و ارزش هیجانی برای مشتریان به همراه داشته باشد بر تمایل خرید مصرف کنندگان منتهی می شود حتی در تحقیقات بعمل آمده در مورد استفاده دانشجویان مکزیکی از لباسهای با مارک آمریکایی U.S.A مشخص شد با وجود اینکه کیفیت درک شده در محصول مزبور اگرچه دانشجویان را متقاعد نمی کرد، اما این برند غربی به دلیل احساس هیجانی و منحصر به فرد بودن که برایشان به ارمغان می آورد، نسبت به خرید آن برند تمایل داشتند(Young Lee et al., , P: ).
کیفیت مشخص شده و ارزش هیجانی بر تمایل به خرید مشتری تأثیر می گذارند. هدف از خرید مربوط به تمایل مصرف کننده به خرید به صورت روتین از آینده بوده و بر محصولات دیگر نیز تأثیر گذار است مصرف کنندگان ممکن است محصولی را خریداری کنند وقتی که محصولاتی با کیفیت درست و خصوصیت مناسب ارایه گردد. کیفیت بالا منجر به تفاوت قایل شدن بین محصولات و حق تقدم در تعدادی از محصولات از میان محصولات رقابتی شود که این رابطه بین کیفیت و تمایل خرید بایست مورد توجه قرار گیرد (Kumar et al.., , P: ). افرادی که به خرید در بازارهای با تأئید کننده های کالای عرضه شده برای فروش سرگرم هستند زمانیکه تحت تأثیر تأئید کننده های محصولات قرار می گیرند بیشتر متمایل شده اند بالاخص این امر وقتی بیشتر مؤثر بوده که مشتریان مجال و فرصت عمل متقابل و بازتاب حاصل از مصرف کالای مزبور با تأئید کننده های فروش مربوطه را بدست آورده اند . افرادی که سطح تحصیلات کمتری دارند، بیشتر تحت نفوذ تأئید کننده ها قرار گرفته و احتمال خرید کالا توسط آنان بیشتر است، زیرا افرادی که تحصیلات دانشگاهی یا تحصیلات مطلوب دارند، با تجزیه و تحلیل کردن و فرصت چاره اندیشی و کشف کردن اطلاعات از چندین منبع که برای خرید کالای خود در نظر می گیرند احتمال کمتری برای خرید یک محصول بر اساس منابع و اطلاعات دریافتی از خود نشان می دهند( Danesh vary and Keith schwer ,, P: ).
تخفیفات قیمتی در محصولات گاهی وقتی که مشتریان در حداقل نیاز خرید خودشان در یک محصول با آن مواجه می شوند، موجب کاهش اختیار در خرید، انعطاف در تصمیم گیری دلخواه و افزایش تمایل در خرید آن محصول حتی گاهاً در مقیاس بیشتر از حد معمول و نیاز را در بر می گیرد. لذا تخفیفات قیمتی به عنوان ابزار ارتقایی ، نگرش های مشتریان را به طرف تمایل به خرید محصولات مزبور متقاعد می کند و این انتقال نگرش از مجموعه ای محصولات به یک مجموعه متمرکز شده که تحت نفوذ تخفیفات قیمتی قرار گرفته اند، دلالت بر این دارد که مشتریان نسبت به قیمت حساس هستند و بازاریان باید با فروش های ارتقایی و بکارگیری ابزارهای فروش با قیمتهای متقاعد کننده برای مشتریان وارد عمل شوند (Tang, ,P: ).

بخش دوم: نیات رفتاری
2-2-1) تعریف نیات رفتاری
لاتز در سال 1381 بیان داشت که باورها بر شکل گیری نگرش ها تاثیر گذار هستند که این نگرش ها خود باعث پدید آمدن نیات رفتاری و در نتیجه افعال رفتاری می گردند. از دیدگاه رفتار مصرف کننده، نیات رفتاری نمایانگر تمایل مشتری برای انجام یک رفتار خاص مثل خرید یک محصول می باشد (Carter Larry Lee, 2009, p:218).
نیات رفتاری عبارت است از ادراک مشتریان نسبت به عملکرد خدمت دهندگان از لحاظ خدمت رسانی و اینکه آیا مشتریان حاضر به خرید بیشتر از یک سازمان خاص هستند و یا اینکه خرید خود را کاهش خواهند داد. نیات رفتاری یا نیات در رفتار، نتیجه ی فرآیند رضایت مشتریان است. نیات رفتاری را می توان به دو دسته تقسیم نمود: رفتارهای اقتصادی و رفتارهای اجتماعی (Anderson and Mittal, 2000, p:521).
آن دسته از رفتار مشتریان که بر عوامل مالی شرکت اثرگذار است، از قبیل تکرار خرید، جزء نیات رفتار اقتصادی محسوب می شود. آن دسته از رفتار مشتریان که بر رفتار مشتریان فعلی شرکت اثرگذار است، از قبیل شکایات، نیات رفتاری اجتماعی نامیده می شود. از آنجا که نیات رفتاری، پیش بینی کننده ی رفتار واقعی است، اندازه گیری نیات رفتاری برای محققان بازار دارای اهمیت فراوانی می باشد (صمدی و همکاران، 1388، ص 156).
2-2-2) عوامل روانی و فردی مرتبط با نیات رفتاری مصرف کنندگان
روانشناسی به بازاریابان کمک می کند تا چرایی و چگونگی رفتار مصرف کننده را درک کنند. انگیزه، ادراک، یادگیری، شخصیت و تلقی، موضوعات مهمی برای تفسیر فرایند خرید و هدایت تلاش های بازاریابی به شمار می آیند.

انگیزه:
انگیزه نیروی زاینده ای است که باعث رفتاری می شود تا نیازی ارضا گردد. از آنجا که نیازهای مصرف کننده کانون موضوعات بازاریابی است، بازاریابان می کوشند تا این نیازها را تحریک کنند. نیازهای بشر نامحدود است. روانشناسان نیازهای انسان را دارای سلسله مراتبی می دانند که در شکل زیر آمده است، تا زمانی که نیازهای مرتبه پایین تر برآورده نشود، فرد در صدد ارضای نیازهای مرتبه بالاتر بر نمی آید.

نیازهای خودیابی (خود شکوفایی)
نیازهای تشخّصی (موقعیت اجتماعی،
شهرت، حیثیت و احترام)
نیازهای اجتماعی

–90

1-شناسایی سبک تصمیم گیری مدیران بانک های تجاری
2-شناسایی رویکرد مالی بانک های تجاری
3-سنجش رابطه بین سبک تصمیم گیری مدیران با تجزیه و تحلیل رویکرد مالی بانک های تجاری استان گیلان
4-ارائه راهکارهایی در جهت بهبود تصمیم گیری مدیران بانک ها
چارچوب نظری تحقیق:
چارچوب نظری یک الگوی مفهومی است مبنی بر روابط تئوریک میان شماری از عوامل که در مورد مساله تحقیق با اهمیت تشخیص داده شده‌اند(سکاران، 1385).
در این تحقیق سبک تصمیم گیری مدیران به عنوان متغیر مستقل بیان گردیده است و رویکرد مالی به عنوان متغیر وابسته بیان گردیده است .
منظور از رویکرد به عنوان یک متغیر وابسته، رویکرد مالی بانک است که با شاخصهای ساختار سرمایه، سودآوری ورشد سنجیده می شود هرکدام از این شاخصها دارای زیر شاخه می باشند.که در ذیل آورده شده است:
ساختار سرمایه( نسبت مالکیت، نسبت بدهی، هزینه پرسنلی به درآمد کل)
سودآوری(هزینه عملیاتی به درآمد کل، نسبت مالکیت، هزینه پرسنلی به درآمد کل، دارایی ثابت به دارایی کل)
رشد(هزینه پرسنلی به درآمد کل، دارایی ثابت به دارایی کل، نسبت مالکیت(وزارت امور و اقتصاد و دارایی،1389)
در پژوهش حاضر، برای بدست آوردن ارقام رویکرد مالی بانک ها جهت انجام تحقیق، از آمار و صورت های مالی گزارش شده که توسط وزارت امور اقتصادی ودارایی درسال 1390 و با استفاده از بررسی صورت های مالی حسابرسی شده توسط سازمان حسابرسی استفاده شده است.
بانک ملی ایران در سال 1390 در بخشهای ساختارسرمایه و سودآوری،کارا و در بخش رشد ناکارا بوده است.
بانک ملت در سال 1390 در بخشهای ساختار سرمایه و سودآوری، ناکارا ودر بخش رشد کارا بوده است.
بانک صادرات ایران در سال 1390در بخشهای ساختار سرمایه و رشد، ناکارا ودربخش سودآوری کارا بوده است.
بانک سپه در سال 1390در بخشهای ساختار سرمایه و رشد، ناکارا و در بخش سودآوری کارا بوده است.
بانک تجارت در سال 1390در بخشهای ساختار سرمایه و رشد، ناکارا و در بخش سودآوری کارا بوده است.
بانک رفاه در سال 1390 در بخشهای ساختار سرمایه و سودآوری،ناکارا و در بخش رشد کارا بوده است.
سبک تصمیم گیری عقلایی
با توجه به دلایل و مستندات ارائه شده مدل مفهومی تحقیق بشرح ذیل پیش نهاد شده است.
سبک تصمیم گیری شهودی

سبک تصمیم گیری وابسته

رویکرد مالی
سبک تصمیم گیری

سبک تصمیم گیری اجتنابی

سبک تصمیم گیری فی البداهه

فرضیات تحقیق:
بین سبک تصمیم گیری مدیران وتجزیه و تحلیل رویکرد مالی بانکهای تجاری رابطه معناداری وجود دارد.
سایر فرضیه ها:
1)بین سبک تصمیم گیری عقلایی مدیران با رویکرد مالی رابطه معناداری وجود دارد.
2) بین سبک تصمیم گیری شهودی مدیران با رویکرد مالی رابطه معناداری وجود دارد.
3) بین سبک تصمیم گیری وابسته مدیران با رویکرد مالی رابطه معناداری وجود دارد.
۴) بین سبک تصمیم گیری اجتنابی مدیران با رویکرد مالی رابطه معناداری وجود دارد.
5) بین سبک تصمیم گیری فوری مدیران با رویکرد مالی رابطه معناداری وجود دارد.
تعریف نظری و عملیاتی متغیرهای تحقیق:
تعریف نظری به تعریف یک واژه توسط واژه‌های دیگر اشاره دارد.به عبارت دیگر در اینگونه تعریف از واژه‌های انتزاعی و ملاک های فرضی استفاده می‌شود.تعریف نظری به شناسایی ماهیت یک پدیده کمک کرده و نقش مهمی را در فرآیند تدوین فرضیات ایفا می‌کند(سرمد و همکاران، 1383).
تصمیم: تصمیمات انتخاب هایی هستند که از بین دو یا چند گزینه اتخاذمی شوند و در واکنش متقابل به یک مشکل گرفته می شوند(ویلهلم استینبرگ،2003)
در مدیریت معاصر تصمیم گیری به عنوان فرآیند حل یک مسأله تعریف شده است و اغلب به تصمیم گیری حل مسأله نیز گفته می شود. در تصمیم گیری عقلایی مدیر گرچه از دانش کافی برخوردار بوده و اطلاعات مورد نیاز را تا حد ممکن در اختیار داشته باشد، نهایتاً به خاطر کمبود اطلاعات از آینده در یک شرایط نامعلوم و بلاتکلیف قرار می گیرد وبرای دستیابی به نتایج مورد نظر تا حدودی به شانس و احتمال متوسل می شود.در نتیجه همواره با نوعی تردید ودودلی رو به رو بوده چه بسا ضعف حاصل از شک و تردید و عدم اطمینان او موجب سستی و عدم قاطعیت درتصمیم گیری و انحراف از مسیر صحیح ومناسب گردد(مجله اقتصاد ومدیریت شماره 24 و 25 ).
1- تصمیم گیری عقلایی : دیدگاه های منطقی وساختار مند به تصمیم گیری
2 - تصمیم گیری شهودی : تکیه بر ظن، احساس وادراک درتصمیم گیری ها
3- تصمیم گیری وابسته : تکیه بر راهنمایی وپشتیبانی دیگران در تصمیم گیری ها
4- تصمیم گیری اجتنابی : به تعویق انداختن یا اجتناب از تصمیم گیری
5- تصمیم گیری فوری: تمایل بر تصمیم گیری ناگهانی وبدون تفکر قبلی ( اسپایسر وسادلر اسمیت، ٢٠05)
رویکرد مالی:
منظور از رویکرد به عنوان یک متغیر وابسته، رویکرد مالی بانک است که با شاخصهای ساختار سرمایه ، سودآوری ورشد سنجیده می شود.هرکدام از این شاخصهادارای زیر شاخه می باشند.( وزارت امور اقتصادی و دارایی، 1389)
مهمترین شاخصهای مالی که در اکثر بررسی های مالی در تمام دنیا از بانکها صورت می گیرد و توسط بانک توسعه بین المللی و موسسات رتبه بندی معتبر مورد استفاده قرارگرفته است، به شرح زیر می باشد:
ساختار سرمایه :
ساختار سرمایه از جمله موضوعاتی است که در عرصه بانکداری دارای اهمیت فراوانی است.مرتبط بودن ساختار سرمایه بانک ها با ریسک اعتباری و هزینه سرمایه باعث ایجاد تمایلات متضاد در بانک برای کاهش نسبت سرمایه برای رسیدن به سود بیش تر و یا افزایش سرمایه برای مقابله با خطر شده است.از همین رو و برای اطمینان از سلامت نظام پولی و مالی داخلی و بین المللی یک سری مقررات توسط نهادهای مسئول داخلی و بین المللی در این زمینه وضع و به مورد اجرا گذاشته شده است و سرمایه بانک تکیه گاهی است که به بانک اجازه می دهد علیرغم وجود مشکلات داخلی یا معضلات اقتصادی، توانایی بازپرداخت بدهی راداشته باشد وبه عملیات خود ادامه دهد (وزارت امور و اقتصاد ودارایی،1389).
سودآوری:
درآمد و سودآوری زیاد برای یک بانک، نشانگر توانایی آن درحمایت از عملیات حال وآینده می باشد.به طور مشخصتر درآمد وسودآوری، تعیین کننده ظرفیت جذب سرمایه به وسیله ساختن زیر بنای مناسب سرمایگذاری برای توسعه و پرداخت سود کافی به سهامداران می باشد.(وزارت امور و اقتصاد ودارایی،1389)
رشد:
این شاخص نشان دهنده رشد رویکرد بانک در مولفه های مختلفی نظیر رشد سپرده ها، رشد تسهیلات اعطایی ،رشد درآمد و... می باشد.( وزارت امور و اقتصاد ودارایی،1389)
تعریف عملیاتی:
تعریف عملیاتی، تعریفی است که بر ویژگی های قابل مشاهده استوار است. این نوع تعریف فعالیت های محقق را در اندازه‌گیری یا دست کاری یک متغیر مشخص می‌سازد. به عبارت دیگر تعریف عملیاتی راهنمای محقق است در آن چه که باید انجام گیرد و شیوه انجام آن (سرمد و همکاران، 1383).
برای بدست آوردن ارقام مورد نیاز سبک تصمیم گیری مدیران، از پرسشنامه اسکات و بروس(1995)استفاده شده است. با استفاده از پرسشنامه 25 سوالی با طیف پنج گزینه ای لیکرت اندازه‌گیری شده است. در این پرسشنامه سوال‌های 3-7-11-13-25 برای سنجش سبک عقلایی، سوال های 1-4-12-16-17 برای سنجش سبک شهودی، سوال های 2-5-10-18-22 برای سنجش سبک وابسته، سوال های 6-14-19-21-23 برای سنجش سبک اجتنابی، سوال های 8-9-15-20-24 برای سنجش سبک فوری تدوین شده است. برای سنجش از مقیاس فاصله ای استفاده شده است.
در پژوهش حاضر، برای بدست آوردن ارقام رویکرد مالی بانک ها جهت انجام تحقیق، از آمار و صورت های مالی گزارش شده که توسط وزارت امور اقتصادی ودارایی درسال 1390 و با استفاده از بررسی صورت های مالی حسابرسی شده توسط سازمان حسابرسی استفاده شده است
قلمرو موضوعی :
حوزه نگرشی این تحقیق، سبکهای تصمیم گیری است.بنابراین در حوزه مباحث مدیریت رفتارسازمانی طبقه بندی می شود.همچنین رویکرد مالی در حوزه مباحث مدیریت مالی طبقه بندی می شود.
دوره زمانی :
دوره زمانی این تحقیق، از آبان1391 تا تیر ماه 1392 بوده است.
دوره مکانی:
این تحقیق از نظر قلمرو مکانی شامل بانکهای تجاری استان گیلان می باشد.منظور شش بانک از بانکهای هستند که هدف اولیه تاسیس وفعالیت آن ها انجام امور تجاری می باشد.این بانکها عبارتند از ملی، ملت، تجارت، صادرات ایران، رفاه وسپه
فصل دوم
ادبیات تحقیق
بخش اول: سبک تصمیم گیری
مقدمه :
از آنجا که نیروی انسانی محور کلیه فعالیت های اقتصادی و سیاسی و...است. لذا سرمایه گذاری در این منبع و مدیریت صحیح آن، یکی از اهداف مهم توسعه همه جانبه محسوب می گردد. به طوری که کشورهای پیشرفته نیز ابتدا در تربیت نیروی فنی و تخصصی خود پیشقدم بوده و سپس به توسعه اقتصادی صنعتی نایل شده اند، بر این اساس امروزه میزان اطلاعات علمی و مهارت های فنی منابع انسانی خود به عنوان یکی از معیارهای توسعه یافتگی هر کشور به حساب می آید(عربی نژاد، 1375).
برای اجرای موفق هر فعالیت علاوه بر منابع مالی و وسایل و ابزار کار نیروی انسانی کارآمد نقش اساسی را ایفا می کند(رابرت اونز، 1987).
در جامعه کنونی هیچ انسانی وجود ندارد که در طول حیات خود صدها بار با سازمان ارتباط نداشته باشد. رویکرد سازمان ها وابسته به مدیریت آن هاست. مدیران ناگزیرند برای دستیابی به اهداف سازمان اصول و مفاهیم علمی را به کار بسته و با منطقی صحیح در کاربرد آن ها دقت کافی به عمل آورند به همین دلیل مدیران باید همیشه آنچه را به صرف و صلاح سازمان است انجام داده و از بروز تمایلات شخصی خود که با موازین اصول مدیریت مغایرت داشته باشد دوری گزینند(پرهیزگار، 1373).
همواره در پس هر رویکردی، تصمیم یا تصمیماتی وجود داردکه نوع رویکرد را مستقیماً تحت تاثیر قرار می دهد. شناخت سبکها وفرآیند تصمیم گیری در راستای بهبود تصمیماتی که توسط مدیران اتخاذ می شود، می تواند منجر به بهبود رویکرد بانکها شود، از آنجاکه در اغلب سازمان ها و حتی در بانک ها از توانایی های کارکنان استفاده بهینه نمی‌شود و مدیران قادر به بکارگیری ظرفیت های بالقوه آنان نیستند، آنها با در نظرگرفتن این رویکردها میتوانند تصمیم درستی بگیرند(گرجی، 1389).
در این فصل از پژوهش، با توجه به موضوع تحقیق که((بررسی رابطه بین سبک تصمیم گیری مدیران وتجزیه وتحلیل رویکرد مالی بانکهای تجاری ))است، در این بخش به بررسی سیر تحول، مدل و تئوری، آثار و تبعات و بستر وپیشینه تحقیق اختصاص داده شده است.
مطابق نظر رابینز(1998) تصمیمات، انتخاب هایی هستند که از بین دو یا چند گزینه اتخاذمی شوند و در واکنش متقابل به یک مشکل گرفته می شوند(استینبرگ، ٢٠٠٣).
تصمیمات برای اداره کردن، یک نقش محوری دارند( آدایر، 1985) .
تصمیم گیری عقلایی : دیدگاه های منطقی وساختار مند به تصمیم گیری
تصمیم گیری شهودی : تکیه بر ظن، احساس وادراک درتصمیم گیری ها
تصمیم گیری وابسته : تکیه بر راهنمایی وپشتیبانی دیگران در تصمیم گیری ها
تصمیم گیری اجتنابی : به تعویق انداختن یا اجتناب از تصمیم گیری
تصمیم گیری فوری: تمایل بر تصمیم گیری ناگهانی وبدون تفکر قبلی ( اسپایسر وسادلراسمیت، ٢٠٠۵)
در هر موقعیت مدیریتی، یک تصمیم یا مجموعه ای از تصمیمات باید برای اجرا در اولویت باشند.نتیجه نیز بر حسب موفقیت یا شکست، بستگی به خود تصمیم واثربخشی اجرای آن دارد (ویلهلم استینبرگ، ٢٠٠٣)
تصمیم گیری موثر، یکی از مهارت های مهم شغلی وزندگی به شمار می رود. همان گونه که(اسکات وبروس، ١٩٩۵) ذکر کردند، در مقایسه با توجهی که به شغل و شرایط تصمیم شده است، توجه کمی به خصوصیات تصمیم گیرندگانی که نتایج تصمیمات را تحت تاثیر قرارمی دهند، شده است. اما اخیرًا محققان بر خصوصیات تصمیم گیرندگان تمرکز کرده اند(رابرت لو، 2000).
علاقه مدیران به تصمیم گیری وحل مشکلات، سابقه تاریخی دارد .دلیل چنین علاقه ای نیز روشن است. تصمیم گیری یک فعالیت بنیادی است که رویکرد را تحت تاثیر قرار می دهد.کیفیت تصمیمات مدیران، یک عامل بزرگ در تعیین رویکرد است که بوسیله توجهی که به تصمیمات خاص شده، بدست آمده است. به نظر می رسد که سبک تصمیم گیری بر رویکرد تاثیرگذار است( فردریک راس وهمکاران، ١٩٩۶).
کیفیت تصمیم گیری در سازمان ها، بستگی به انتخاب اهداف مناسب و تعیین ابزار رسیدن به آن ها را دارد. مدیران با ترکیب بهینه فاکتورهای رفتاری وساختاری، می توانند احتمال اتخاذ تصمیمات با کیفیت را افزایش دهند.کیفیت تصمیمات، نه تنها احتمال اخذ تصمیمات خوب را افزایش می دهد، بلکه نقطه آغازی است برای اتخاذ تصمیمات موثراست( ویلهلم استینبرگ، ٢٠٠٣).
پژوهشهای قبلی برروی این موضوع استوار بود که افراد برای انتخاب بهینه، تئوری های اصلی را دنبال می کنند در حالی که تحقیقات نوین، بیشتر بر روی این موضوع توجه دارندکه چگونه مشکل تصمیم و شرایط تصمیم گیری، فرایند تصمیم را تحت تاثیر قرار می دهد(پیتر تونهلم، ٢٠٠۴).
تصمیم گیری با اطلاعات وکنترل در ارتباط است. بسیاری از فرهنگهای سازمانی، تلاش می کنند تا تمرکز کنترل را با مدیریت حفظ کنند و بنابراین با دادن دستورها وساختارها، تقویت رامحدود می کنند تا بلکه تصمیمات موثر را دربین کارمندان تسهیل کنند(درویش یوسف، 1998).
با بررسی های صورت گرفته توسط محقق بر روی منابع و مآخذ تحقیق که بیشترآن ها در خارج ازکشور انجام شده اند، طبقه بندی های مختلفی در مورد سبکهای تصمیم گیری وجود داردکه شاید بتوان گفت روح و اساس همه آن ها مشابه است. قبل از بیان این طبقه بندی ها، سبک تصمیم گیری تعریف می شود.
سبک تصمیم گیری:
تعریف:
سبک تصمیم گیری به عنوان یکسری عادات یادگرفته شده درتصمیم گیری و اسلوب خصوصیتی افراد در دریافت و پاسخ به وظایف تصمیم گیری تعریف شده است( هارن ١٩٧٩، دریور ١٩٧٩).
سبک تصمیم گیری اشخاص، رویکرد سرشتی و عادتی (ولو اینکه آموختنی باشد) است که انتخاب را تحت تاثیر قرار می دهد وسپس بر اساس آن انتخاب، عمل می شود(پاتریک کونور و بوریس بکر،003 ٢).
افراد در شیوه تصمیم گیریشان ثبات دارند.آن ها یک سبک تصمیم گیری اصلی دارند هرچند که ممکن است منحصرًا از آن استفاده نکنند(دریور وهمکاران، ١٩٩٠).
عوامل موثر بر سبک تصمیم گیری:
بر پایه تحقیقاتی که توسط محققان متعدد در فرهنگها وسازمان های مختلف و درکشورهای گوناگون صورت گرفته است عوامل موثر بر سبکهای تصمیم گیری شناخته شده است که در زیر به آن ها اشاره می شود .
نتایج یکی از این تحقیقات توسط یوسف درویش درسال ١٩٩٨ نشان داد که فرهنگ سازمانی، سطح تکنولوژی مورد استفاده،آموزش وسطح مدیریتی، از پیشبینی کننده های سبک تصمیم گیری است.به ویژه فرهنگ سازمانی که به نظر می رسدتاثیر زیادی برسبک تصمیم گیری افراد می گذارد .
یافته های تحقیقی در کویت نشان داد که مدیرانی که سبک تصمیم مشاوره ای ومشارکتی دارند ورویکرد قوی تری دارند( علی وهمکاران، ١٩٩٧).
هافستد (1980) و طیب(1980) معتقدند که پیش زمینه فرهنگی برروی سبک تصمیم گیری تاثیرگذار است.
انواع سبک تصمیم گیری:
-انواع سبک تصمیم گیری از دیدگاه کارل جونگ:
کارل جونگ( ١٩٢٣) از ۴ سبک تصمیم گیری نام برده است.این چهار سبک در قالب دورویکرد بیان شده اند : رویکرد درون گرایی و رویکرد برون گرایی
1)سبک احساسی
آگاهی های مستقیمی که ازطریق حواس پنجگانه از اشیاء ، افراد، اتفاقات یا ایده ها حاصل می شود .
2) سبک ادراکی
آگاهی هایی که وقتی منابع به صورت صریح وروشن تعریف نشده اند، از طریق ضمیر ناخودآگاه دریافت می شود
٣) سبک تفکری
فرایند منطقی قضاوت و جستجو برای ایجاد روابط درست در نتیجه گیری
4) سبک عاطفی
فرایند ارزیابی موضوع براساس ارزشها وترجیحات(کوان، ١٩٩١)
-انواع سبک تصمیم گیری از دیدگاه رو:
رو (1981) در پرسشنامه سبک تصمیم گیری خود ( DSI ) سبکها رابه ۴ گونه تقسیم کرده است که عبارتند از : دستور ی، تحلیلی، مفهومی ورفتاری .
همچنین سطوح سبک تصمیم گیری را به ۴ سطح خیلی غالب ، غالب، پشتیبان و کمترین تقسیم کرده است.
انواع سبک تصمیم گیری از دیدگاه دریور و همکاران:
(دریور و همکاران ١٩٩0)سبک های تصمیم گیری رابه چهار سبک که بستگی به ترکیب منحصربه فرد استفاده از اطلاعات وتمرکز برراه حل دارد، تقسیم کردند .
استفاده از اطلاعات اشاره به تمایل شخصی به جستجو، هم با مقدار کم اطلاعات(راضی کننده ها) وهم با مقدار زیاد اطلاعات (حداکثر کننده ها ) قبل از تصمیم گیری دارد .
از طرف دیگر تمرکز بر راه حل، اشاره به رجحان شخص هم به یک راه حل برای یک مشکل(تک تمرکزی )و هم قبول روشهای چندگانه(چند تمرکزی)دارد .
سبک پنجم(سیستماتیک)نیز به وسیله(تاتو، ابرلین، کوترابا، برادبری، ٢٠٠٣ )پیشنهاد شده که معرف تصمیم گیرندگانی است که تلاش میکنند دیگر سبکهارامخصوصاً ترکیبی وسلسله مراتبی دریک مجموعه خیلی پیچیده بعنوان فرایند تصمیم منظم و اسلوب دار ترکیب کنند. این مجموعه نسبتاً پیچیده می توانددر قالب دو بخش طبقه بندی شود.
1)انحصاری:تصمیم گیران، تعداد محدودی از منابع و راه حل های ممکن را مورد توجه قرار می دهند .این بخش شامل سبکهای قاطع، انعطاف پذیر و سلسله مراتبی است.
2)جامع:تصمیم گیران تلاش می کنند تا ازتعداد زیادی منابع و راه حل های ممکن برای حل مشکل بهره جویند.این بخش شامل سبکهای ترکیبی و سیستماتیک است(تاتوم و همکاران ٢٠٠٣)
انواع سبک تصمیم گیری از دیدگاه کرینر:
کرینر تصمیمات را از لحاظ سطح ابتکاری بودن به سه نوع معمول، اصلاحی و نوآورانه و به لحاظ برد زمانی و تاثیرگذاری( سطح مدیریتی درگیر )به سه نوع روزانه، تاکتیکی و راهبردی تقسیم بندی میکند(مدیریت و توسعه ،1390).
انواع سبک تصمیم گیری از دیدگاه اسنهارد:
اسنهاردبیان داشت که تفاوت های سبکهای تصمیم گیری مربوط به نسبت اطلاعات مورد استفاده و جایگزین ها و ترکیب داده های چندگانه است . یکی از خصوصیات جالب تئوری اسنهارد تصوریست که مخالف تئوری تصمیم سنتی است.وقتی تصمیم گیرندگان از اطلاعات زیادی استفاده می کنند، به انتخابهای زیادی توجه می کنند وتلاش می کنند تا داده هارا ترکیب کنند وسرعت تصمیم لزوماً کم نیست. وقتی شخصی دریک حوزه آگاهی و دانش دارد، حتی وقتی منابع ورودی چندگانه مورد توجه قرار می گیرد، می تواند تصمیمات سریعی اتخاذ کند (تاتوم و همکاران ، ٢٠٠٣).
انواع سبک تصمیم گیری از دیدگاه محمد باقریان و همکاران:
محمد باقریان و همکاران ( ١٣٨٠ ) سبکهای تصمیم گیری را به ده سبک تقسیم میکنند :
١) عقلایی :
در این سبک فرد با در اختیار داشتن تمامی اطلاعات لازم و تجزیه و تحلیل تمامی گزینه ها وپی آمدهای هر یک، یک راه راکه بهترین است برمی گزیندکه دارای هشت مرحله است و به دو بخش شناسایی مسئله و حل آن تقسیم میشود .
٢) عقلایی محدود :
عقلانیت انسان محدود است واین محدودیت ناشی از ذهن آدمی است که نمی تواندتمامی راه حل های ممکن برای حل یک مسئله را بشناسد و مطلوبیت و عواقب ناشی از انتخاب هر یک از راه حل ها را به طور کامل و به درستی پیشبینی کند.بنابراین نمی توان تصمیمی گرفت که در هر زمان و مکان بهترین تصمیم به شمار بیاید .
٣) علمی تصمیم گیری :
این سبک شبیه روش عقلایی است که در آن از آمار و ریاضی و شبیه سازی و کامپیوتر استفاده می کنند و در جایی کاربرد دارد که مسائل قابل تجزیه و تحلیل بوده و متغیرها را نیز بتوان مورد شناسایی قرار داد.
4) کارنگی :
سبک کارنگی به وسیله ریچارد سیرت، جیمز مارچ و هربرت سایمون ارائه شد.آنان نشان دادندکه در تصمیماتی که در سازمان گرفته می شوندتعدادزیادی مدیر دخالت دارند وتصمیم نهایی مبتنی بر نوعی ائتلاف است که بین مدیران به وجود می آید.این ائتلاف عبارت است از همکاری تعدادی از مدیران که درباره هدفهای سازمان و اولویتها توافق نظر دارندکه این توافق نظر شرط کیفیت آن تصمیم به شمار نمی آید .
5)تصمیم گیری مرحله ای :
تصمیمات مهمی که در سازمات های بزرگ گرفته می شود به صورت یک سلسله تصمیمات کوچک بوده و در مجموع به صورت یک تصمیم عمده درمی آیند که شامل سه مرحله شناسایی ، ارائه راه حل و انتخاب می باشد
۶) ادغام فرآیند مرحله ای و کارنگی :
هنگامی که دو بخش فرایند تصمیم گیری یعنی شناسایی مسئله و حل مسئله بصورت همزمان بسیار نامطمئن باشد، الگوی کارنگی در مرحله شناسایی مسئله و الگوی مرحله ای در بخش حل مسئله چاره ساز خواهند بود و حالتی ترکیبی ایجاد می کنند .
٧)مدل سطل زباله :
ویژگی این سبک این است که فرآیند تصمیم گیری به عنوان یک سلسله مراحل پیاپی نیست که با مسئله یا مشکلی شروع شود و با یک راه حل به پایان برسد. در واقع ممکن است فرآیند شناسایی مسئله و ارائه راه حل هیچ رابطه ای با هم نداشته باشند .(سلمانی،1384) از این سبک به نام "کشکول" نام برده است و بیان می کندکه این سبک، بیشتر
در سازمان هایی مورد استفاده قرار می گیرد که برای تحقق اهداف اختلاف نظر وجود دارد، رابطه علت و معلولی به دلیل فقدان شناخت بین مشکلات و راه حل برقرار نمی شود، سازمان به مشکلات به دلیل ناتوانی در حل آن ها خو گرفته است و آمار جابجایی و ترک سازمان بالاست.
٨)تصمیم گیری اقتضایی :
مبتنی بر این اصل است که کاربرد هر تصمیم یا روشی به وضعیت محیط یا شرایطی بستگی داردکه سازمان در آن واقع شده است . دو ویژگی سازمانی که در تعیین روش تصمیم گیری نقش مهمی ایفا می کنند عبارتند از : توافق نظر در مورد هدف و دانش فنی در مورد شیوه های تامین آن هدفها
٩) تصمیم گیری در بحران :
در اینجا ماهیت مسئله و شرایط محیطی محورکانونی تحولات است وکیفیت تصمیم گیری تابع سه عامل قرار گرفته است : کیفیت اطلاعاتی که وارد فرآیند تصمیم گیری می شود، بیان صحیح و روشن هدف و قوه درک وتوان ذهنی و شعور تصمیم گیرنده .
١٠)تصمیم گیری در نظریه آشوب :
در این نظریه به وضعیتی آشوبی یا بی نظم گفته می شود که به علت عدم وجود قوانین مشخص، امر پیشبینی میسر نیست و یکی از مفروضات این نظریه این است که بین پدیده ها رابطه خطی وجود ندارد.بنابراین نمی توان روند گذشته را به حال و آینده تسری داد .
انواع سبک تصمیم گیری از دیدگاه دفت:
(ریچارد ال دفت، ١٩٩٨ ) از پنج سبک تصمیم گیری به شرح زیر نام می برد:
الف- سبک قاطعیت:
در این سبک، فرد به اطلاعات محدود ومشخص اکتفا می کند ودر پی راه حل منحصر به فردبر می آید .
ب- سبک انعطاف پذیر :
در این سبک، به اطلاعات محدود ومشخصی اکتفا ولی راه حل های متعددی ارائه می شود .دراین سبک سرعت بسیار زیاد است وکانون توجه پیوسته تغییر می کند .
ج –سبک مبتنی بر سلسله مراتب اختیارات :
در این سبک، بیشترین اطلاعات جمع آوری وراه حل های زیادی ارائه می شود.در اجرای این سبک کنترل شدیدی اعمال می گردد وسعی می شود برای رسیدن به بهترین راه حل ازاطلاعاتی استفاده شود که از نظر کیفیت غنی باشد.
د- سبک یکپارچه :
دراین سبک اطلاعات زیادی جمع آوری می شود ولی بااستفاده از آن ها، راه حل های متعددی ارائه می گردد. هدف از این سبک حداکثررسانیدن سود وتاکیدآن برنوآوری وخلاقیت می باشد .
-انواع سبک تصمیم گیری از دیدگاه رابینز:
بر اساس تحقیقات رابینز( ٢٠٠۵ )در مورد سبکهای تصمیم، چهار دیدگاه فردی متفاوت در تصمیم گیری نشان داده شده است. چارچوب اصلی مدل بر این شناخت استوار است که افراد در دو بعد متفاوتند .
*بعد اول شیوه تفکر= بعضی از افراد منطقی و عقلایی هستند.آن ها اطلاعات را به صورت به هم پیوسته وجزء به جزءپردازش می کنند. در مقابل، بعضی از افراد احساسی و خلاق هستند.آن ها موضوعات را به عنوان یک کل درک می کنند.
بعد دوم درجه تحمل ابهام افراد=بعضی افراد نیاز بالایی به اطلاعات ساختاری دارند درشیوه هایی که ابهام را حداقل می کند. در حالی که دیگران می توانند حجم زیادی از مطالب را در زمان مشابه پردازش کنند. وقتی این دو بعد بر روی نمودار می آید چهار سبک تصمیم گیری را شکل می دهد که عبارتنداز: دستوری ، تحلیلی، مفهومی، رفتاری
مفهومی تحلیلی
رفتاری
دستوری
شهودی شیوه تفکر عقلای
افراد، سبک دستوری را هنگامی به کار می برندکه درجه تحمل ابهام پایین داشته باشند. آن ها کارآمدومنطقی هستند اما کارایی آن ها نتیجه را به تصمیماتی که باحداقل اطلاعات و باجایگزین های کم در دسترس مربوط می کند در نوع دستوری تصمیماتی سریع اتخاذمی شود.سبک تحلیلی نسبت به سبک دستوری از درجه ابهام بیشتری بر خوردار است.مدیران تحلیلی به بهترین وجه اختصاصی شده اند بعنوان تصمیم گیران بادقت، با توانایی سازگاری و روبرو شدن با شرایط ناخواسته و جدید افرادباسبک مفهومی تمایل به استفاده از داده ها از منابع چندگانه و توجه به جایگزین های زیاددارند تمرکز دارند.تمرکز آن ها بر بلند مدت است و دریافتن راه حل های خلاقانه در مشکلات بسیار خوب عمل می کنند. طبقه آخر یعنی سبک رفتاری مختص تصمیم گیرانی است که توجه زیادی به افراد در سازمان و توسعه آن ها دارند.آن ها دقت میکنند تا با زیردستانشان خوب باشند و آمادگی پذیرش پیشنهادات از جانب دیگران را دارند.آن ها بر کوتاه مدت تمرکزدارند و از داده هادر تصمیم گیری استفاده می کنند.این نوع از مدیران سعی میکنند از تعارض دوری کنند و به دنبال مورد قبول قرارگرفتن هستند.اگر چه این چهار طبقه محدود هستند ولی بیشتر مدیران ویژگی هایی دارند که دارای بیش از یک سبک هستند. بعضی از مدیران، بیشتر به طورمختصر بر سبک غالبشان تکیه می کنند. بنابر این بیشتر مدیران انعطافپذیر می توانند بر حسب شرایط تغییر یابند.هوش مساوی و دسترسی مشابه به اطلاعات می توانند دیدگاههای متفاوتی از تصمیمات و انتخاب های نهایی داشته باشند و مفید باشد.این امر همچنین می تواند به مادر فهم اینکه چگونه افراد با فرهنگهای متفاوت ممکن است دارای یک مشکل تصمیم باشند، کمک کند.
تحقیق دیگری که بر پایه تحقیق رابینز توسط رو و بولگاریدز (1992)انجام شده، مدل تکمیلی سبک تصمیم را ارائه داد که به طور خلاصه در جدول نمایش داده شده است:
تمایل به موفقیت
چشم انداز وسیع داشتن
خلاق بودن
مبتکر ایده های بشردوستانه-هنرمندانه
آینده نگر
لذت از حل مساله
خواستار بهترین جواب
خواستار کنترل
استفاده نسبتًا زیاد از داده ها
لذت از تنوع
نوآور بودن
استفاده از تجزیه وتحلیل های با دقت
حمایت گرا بودن
عقیده گرا بودن
تجربه گرا بودن
ارتباطات آسان
استفاده از داده های محدود نتیجه گرا بودن
تهاجمی بودن
سرعت عمل
استفاده از قوانین
استفاده از شهود
شفاهی بودن
نیاز به ساختار
اجتماعی/افراد ارزشگرا بودن تکنیکی/شغل
مدل تکمیلی سبک تصمیم گیری( رو و بولگاریدز،1992)
بررسی های صورت گرفته بر روی تحقیقاتی که اکثر قریب به اتفاق آن ها در خارج از کشور انجام گرفته، نشان می دهد که محققان برای شناسایی سبک تصمیم گیری افراد بیشتر از2مدل استفاده کرده اند.یکی مدلی که توسط رو ( ١٩٨١ ) بیان شده ودیگری سبک اسکات وبروس(1995) همان گونه که اسکات وبروس نیزذکرکرده اند، بیشتر تحقیقات صورت گرفته درگذشته، به نیازهای وظیفه تصمیم گیری ونیز شرایط محیط پرداخته اند واز توجه به تفاوت های افراد در رفتار تصمیم گیری غافل مانده اند .در صورتی که امروزه تصمیم گیری به عنوان یکی از رفتارهای ویژه وخاص وجوهره مدیریت به شمار می رود وطبیعی است که باید بیش از پیش تفاوت های افراد در رفتار تصمیم گیری مدنظر قرار گیرد .به بیان دیگر، با توجه به رفتاری که هر فرد در زمان مواجه شدن با شرایط تصمیم گیری ازخود نشان می دهد، می توان سبک تصمیم گیری وی را تشخیص داد .البته دراینجا ذکردو نکته بسیار حائز اهمیت است.افراد غالباًیک نوع سبک تصمیم گیری منحصر بفرد دارند لیکن این امر در تمامی موارد عمومیت ندارد.دوم اینکه علاوه بررفتارهای فردی که در نوع سبک تصمیم گیری، تاثیر بسزایی دارد، به طور کلی شرایط موجود در زمان ومکان تصمیم گیری نیز بر نوع سبک اثر گذار است.از طرفی با توجه به نگاه جدید دانشمندان علم مدیریت به تاثیر احساس وادراک در نحوه رفتارافراد ودر طرف مقابل نگاه اقتصادی به انسان درخصوص عقلایی بودن تمامی رفتارها، بررسی تاثیر هرکدام از این رفتارها بر ابعاد گوناگون عملکرد و متغیر های شغلی دارای اهمیت است.
با توجه به دلایل و مستندات ارائه شده مدل تحقیق بشرح ذیل پیشنهاد شده است.
سبک تصمیم گیری عقلایی
سبک تصمیم گیری وابسته

رویکرد مالی
سبک تصمیم گیری
سبک تصمیم گیری شهودی

سبک تصمیم گیری اجتنابی

سبک تصمیم گیری فی البداهه

توسعه و بسط مدل :
اسکات و بروس(1995)باتکیه برکاردریور ( ١٩٧٩)بیان کردندکه سبکهای تصمیم گیری یادگرفتنی هستند و الگوی پاسخ به صورت عادت است که توسط یک شخص وقتی با شرایط تصمیم روبرو می شود، بروز می کند.آن ها کمی به نیازهای وظیفه تصمیم گیری و محیط توجه کردندوبیشتر به تفاوتهای افراد در رفتارتصمیم گیری پرداختند .
اسکات وبروس با بررسی سبکهای تصمیم گیری که قبلاً توسط دیگر دانشمندان پیشنهادشده بود، چهار مدل مقایسه ای برای سبکهای تصمیم گیری در نظر گرفته و تجزیه وتحلیل کردند. مدل اول، دو سبک تصمیم گیری را نشان می داد.1-سبک عقلایی‐ وابسته 2-سبک شهودی‐ فوری ‐ اجتنابی.یعنی در این مدل، عقلایی و وابسته به عنوان یک سبک و شهودی، فوری و اجتنابی به عنوان یک سبک در نظر گرفته شدند.
مدل دوم ،شامل سه سبک تصمیم گیری بود.1-سبک تصمیم گیری عقلایی2-سبک تصمیم گیری شهودی‐ فوری ‐ اجتنابی و 3-سبک تصمیم گیری وابسته .به عبارت دیگر، آن ها در این مدل نسبت به مدل اول، وابسته را به عنوان یک سبک جدا از عقلایی در نظر گرفتند.
مدل سوم سه سبک تصمیم گیری را نشان می داد.1-سبک عقلایی2- سبک شهودی‐ فوری-سبک وابسته 3-سبک اجتنابی. یعنی در این مدل نسبت به مدل قبلی، اجتنابی به عنوان یک سبک تصمیم گیری در نظر گرفته شد.
مدل چهارم شامل پنج سبک تصمیم گیری بود.در این مدل نسبت به مدل قبلی، شهودی و فوری به عنوان سبکهای جداگانه مورد تجزیه و تحلیل قرار گرفتند که در نهایت با انجام آزمون های گوناگون، سازگاری داخلی، اعتبار و ساختار عاملی بالایی برای این مدل به دست آمد و این مدل به عنوان مدل برتر نسبت به بقیه مدل ها، در نظر گرفته شد.
سبکهای تصمیم گیری اسکات و بروس
1-عقلایی :دیدگاه های ساختار یافته و منطقی به تصمیم گیری
2-شهودی: تکیه بر ظن ، احساس و ادراک
3-وابسته: تکیه بر راهنمایی و پشتیبانی دیگران
4-اجتنابی:به تعویق انداختن یا اجتناب از تصمیم گیری
5-فوری: تمایل به تصمیم گیری ناگهانی و بدون فکر قبلی
در سبک عقلایی که یک سبک کنکاشی، تحلیلی و منطقی است، تصمیم گیران تاثیرات بلندمدت تصمیماتشان را ارزیابی می کنند و یک جهت گیری وظیفه ای مبتنی بر واقعیت قوی درتصمیم گیریهایشان دارند.به نظر می رسد این سبک مرتبط با تمایل به وارد کردن ساختار وکنترل درونی باشد. ممکن است هردو عمل ساختار دادن وکنترل درونی، منجربه رویکرد بالاشود .
تصمیماتی که بوسیله افراد با سبک شهودی اتخاذ می شود، دارای جهت گیری احساسی ومبتنی بر تمایل درونی به سوق دادن اطلاعات به سمت ظن وگمان است. تصمیمات شهودی، نسبتاً سریع و با اطلاعات محدود اتخاذ می شوند و اغلب اگر ظن و احساس اشتباه باشند، تغییرمی کنند .
تصمیم گیران شهودی احتمالاً خیلی درمعرض اشتباهات وتناقض هستندکه ممکن است مدیران رابه سمت عدم اطمینان و بی اعتمادی از جانب زیردستان و مافوقان بکشاند.پس به نظر می رسد این سبک منجر به رویکرد پایین شود.
سبک وابسته تصمیم گیری دارای خصوصیاتی نظیر استفاده از نظر، عقیده و پشتیبانی دیگران درتصمیم گیری است. افراد با سبک وابسته شدید، در تصمیماتشان نسبت به دیگران احساس مسوولیت می کنند.اگر این رفتار بعنوان یک مشارکت در نظر گرفته شود، ممکن است عکس العمل های مناسبی در مافوق ها و زیردستان ایجاد کند.در عوض اگر این رفتار به شکل تکیه بر دیگران در نظر گرفته شود، ممکن است یک واکنش منفی ایجاد کند .
از ویژگی های سبک اجتنابی، تاخیر و عدم پذیرش است برخلاف قطعیت اجتناب ازتصمیم گیری ممکن است بوسیله بعضی ازافراد برای کاهش نگرانی و اضطراب مرتبط باتصمیم گیری استفاده شود. مدیرانی که با به تعویق انداختن تصمیم گیریها موافقند، به نظرمی رسد مایلند گله و شکایت خودرا از ما فوق ها وزیردستان خود نشان دهند.از خصوصیات سبک فوری وجود احساس قوی ازآگاهی وحضورذهن و علاقه به تصمیم گیری با حداکثر سرعت ممکن است.تصمیم گیران فوری بیان کرده اندکه آن ها تصمیمات را به اقتضای وقت می گیرند، بدون اندکی تامل. این تصمیم گیران ممکن است بعنوان یک فرد قاطع (بدون فکر قبلی ) نگریسته شوند.بنابراین مشخص نیست که آیا این امرموجب ارزیابی رویکرد بالا می شود یا پایین (راش، مکنیلی و کوپر، ١٩٩۶).
با توجه به مطالب یادشده، پژوهشگر معتقد است که تصمیم گیری عقلایی، به تصمیمات باکیفیت بالا منجر می شودکه خود می تواند موجب افزایش رویکردمالی شود.همچنین تصمیمات اجتنابی وفوری نیز به تصمیمات با کیفیت پایین می انجامد.فرض بر این است که سبک تصمیم گیری وابسته به عنوان تصمیم گیری مشارکتی لحاظ شده وتاثیرآن مثبت باشدوتصمیم گیری شهودی منجر به رویکرد پایین گردد.
بخش دوم:
بانک سازمانی است که جای اندوختن پول و سرمایه‌ی مردم است.بانک‌ها با پول اندخته شده، به داد و ستد می‌پردازند و طرح‌های اقتصادی بزرگ را پیش می‌برند. بخشی از سود به دست آمده از این کارها به سپرده‌گذاران پرداخت می‌شود.بانک‌ها به سپرده‌گذاران وام نیز می‌دهندوسپرده‌گذاران باداشتن سندهای شناخته‌شده‌ای مانند چک می‌توانندبدون جابه‌جایی پول به دادوستد بپردازند. پیشینه‌ی‌ بانکداری دست‌کم به 2 هزار سال پیش از میلاد باز می‌گردد و ایرانیان در این کار پیشتاز بوده‌اند(کاظم بجنوردی،1381).
اوج بانک‌داری ایرانی را باید در دوران ساسانیان جست. در این دوره نیز سکه‌های طلا و نقره در همه جا به فراوانی در دادوستدها به کار می‌رفت. اما در آن دوره به جای جابه‌جای پول، از برات نیز بهره می‌گرفتند. برات سندی نوشتاری و شناخته شده بود که کار چک را انجام می‌داد. برات را از سده‌های پیشین می‌شناختند، اما به کارگیری گسترده‌ی آن به دوران ساسانی بازمی‌گردد(کاظم بجنوردی،1381)
پیشنهاد بنیان‌گذاری بانک در ایران را نخستین‌بار ژان ساوالان (Savalan .J) فرانسوی در سال 1864 میلادی، هنگامی که میرزا محمودخان ناصرالملک برای بستن قرارداد بنیان‌گذاری راه‌آهن در لندن بود، به او داد. پس از آن، بنگاه فرانسوی ارلانگه (Erlangeh) در سال 1886 کوشید امتیاز برپایی بانک در ایران را به دست آورد که به نتیجه نرسید. در همین زمان، روشنفکران و سرمایه‌داران ایرانی نیز کوشیدند نیاز کشور به داشتن بانک را برای دولت‌مردان قاجار روشن کنند. برای مثال، میرزا ملکم‌خان ناظم‌الدوله کتابی پیرامون نیاز کشور به بانک نوشت و محمد حسین امین‌الضرب، از بازرگانان و صرافان سرشناس، در نامه‌ای به ناصرالدین شاه نیاز کشور را به بانک به او گوشزد کرد. چند نفر از بازرگانان و سرشناسان ایرانی مقیم عثمانی(ترکیه) نیز برای بنیان‌گذاری بانک در ایران کوشش کردند. آنان می‌خواستند با همکاری سرمایه‌گذاران فرانسوی و بانک عثمانی، بانکی به نام بانک ایران و افغانستان، برپا کنند. اما چون سرمایه‌گذاران فرانسوی به سودآوری آن بانک اطمینان نداشتند، همکاری نکردند و چنین بانکی بازگشایی نشد(مصطفی داماد،1381).
بانک شرق جدید، نخستین بانک نوین در سال 1267 خورشیدی/1888 میلادی با نام بانک شرق جدید(New Oriental Banking) در تهران بازگشایی شد و درشهرهای مشهد، اصفهان، رشت، شیراز، بوشهر و تبریز نیز شعبه داشت. آن بانک یک بنیاد انگلیسی بود که در دیگر کشورهای آسیایی نیز شعبه داشت و توانست در زمان اندکی نرخ بهره را به 12 درصد کاهش دهد. آن بانک برای سپرده‌ها‌ی جاری 5/2 درصد، برای سپرده‌های شش‌ماهه، 4 درصد و برای سپرده‌های یک‌ساله، 6 درصد بهره می‌پرداخت. شعبه‌ی بانک تهران حواله‌های 5 قرانی صادر می‌کرد که چون حواله به بانک می‌رسید، وجه آن را به صورت سکه‌ی نقره می‌پرداختند. این بانک در برابر وامی که پرداخت می‌کرد، 12 درصد بهره می‌گرفت که برای شاه ایران حدود 6 تا 8 درصد بود.
بنابراین دست یابی به معیارهای یک نظام بانکی قوی وکارآمدکه به افشاء اطلاعات مربوط به فعالیتها و موقعیت مالی سیستم بانکی اقدام نماید، ضروری است.تجزیه و تحلیل رویکرد بانکها نه تنها از دید اقتصادی، بلکه از نظر جلب اعتماد عمومی نیز بسیار مهم تلقی می شود و باعث بهبود کیفیت مدیریت بانک نیز می شود.ضمن این که علاوه بر سایر شرایطی که بررویکردیک سازمان تاثیرگذار است، توجه به کیفیت زندگی کاری یعنی مجموعه ای از شرایط واقعی کار در یک سازمان که شامل میزان حقوق و مزایا، امکانات رفاهی، بهداشتی، ایمنی، مشارکت در تصمیم گیری، مردم سالاری، سرپرستی، تنوع و چرخش کاری و غنی بودن مشاغل و ...می شود، ازمهمترین الزاماتی است که باید مورد نظر مدیران قرار گیرد(سلمانی، ١٣٨۴).
1-ارزیابی سیاستها و تصمیمات اتخاذ شده از طرف مدیران بانکها
2-رتبه بندی بانکها نسبت به یکدیگر با توجه به کارایی آنها
3-معیاری برای سنجش رویکرد مدیریت بانک
4-وسیله ای، جهت تعیین نقاط ضعف و قوت بانک( علیرضایی، ١٣٨٢)
قبل از ورود به مدل مورد استفاده برای ارزیابی رویکرد مالی بانکها در این تحقیق، چند شاخص ارزیابی که در تحقیقات محققان دیگر مورد استفاده قرار گرفته است،بیان می شود.
ونکاترامان رویکرد مالی را شامل رشد و سودآوری دانسته است(جف و همکاران، ٢٠٠6).
در این تحقیق، از معیار های ارزیابی رویکردبانکهاکه توسط وزارت اموراقتصادی ودارایی در سال ١٣90 انجام شده است، استفاده می شود که شامل موارد زیر است:
رویکردمالی :
مهمترین شاخصهای مالی که دراکثر بررسی های مالی درتمام دنیا از بانکها صورت می گیردوتوسط بانک توسعه بین المللی و موسسات رتبه بندی معتبر مورد استفاده قرارگرفته است، به شرح زیر می باشد:
الف-ساختارسرمایه :
ساختارسرمایه ازجمله موضوعاتی است که درعرصه بانکداری دارای اهمیت فراوانی است.مرتبط بودن ساختار سرمایه بانک ها باریسک اعتباری وهزینه سرمایه باعث ایجادتمایلات متضاددر بانک برای کاهش نسبت سرمایه برای رسیدن به سود بیش تر و یا افزایش سرمایه برای مقابله با خطر شده است. از همین رو و برای اطمینان ازسلامت نظام پولی ومالی داخلی و بین المللی یک سری مقررات توسط نهادهای مسئول داخلی و بین المللی در این زمینه وضع و به مورد اجراگذاشته شده است وسرمایه بانک تکیه گاهی است که به بانک اجازه می دهد علیرغم وجود مشکلات داخلی یا معضلات اقتصادی، توانایی بازپرداخت بدهی را داشته باشدوبه عملیات خودادامه دهد.(وزارت امورواقتصادودارایی،1390)
ب-سودآوری:
درآمدوسودآوری زیادبرای یک بانک، نشانگرتوانایی آن درحمایت از عملیات حال وآینده می باشد.به طور مشخصتردرآمد وسودآوری، تعیین کننده ظرفیت جذب سرمایه به وسیله ساختن زیربنای مناسب سرمایه گذاری برای توسعه وپرداخت سود کافی به سهامداران می باشد(وزارت امورواقتصادودارایی،1390).
ج-رشد:
این شاخص نشان دهنده رشد رویکردبانک درمولفه های مختلفی نظیررشدسپرده ها، رشد تسهیلات اعطایی، رشد درآمد و... می باشد(وزارت امورواقتصادودارایی،1390).
‐ رضایت دولت(سهامداران):
اگر چه در بنگاه های اقتصادی، سهامداران نیز همواره خواهان حداکثرنمودن بازده سرمایه گذاری خود هستند ولی دربانک های دولتی، این موضوع کمی فرق می کند.در این بانکها، در کنار انتظارکارایی و سوددهی از طرف دولت به عنوان صاحب سهم، ارائه خدمات اجتماعی و در بیشتر اوقات، حمایتی نیز مد نظر است.
‐ رضایت مشتری:
از دیدگاه بازاریابی، بانکها ارائه دهنده خدماتی هستند که منعکس کننده تعهد بانک نسبت به درک نیازهای مشتری وارائه محصولات وخدماتی باکیفیت بالا است.بدون شک دردنیای رقابتی امروز، واحداقتصادی موفق خواهدبودکه بادرک نیازهای مشتری، نوآوری وارائه خدمات متنوع، بتواند مشتریان بیشتری را به سوی خود جلب نماید.لازم به یادآوری است که در این پژوهش، تنها به رویکرد مالی به عنوان یکی از شاخصهای ارزیابی رویکرد بانکها پرداخته می شود.
به طور خلاصه می توان الگوی ارزیابی رویکردبانکها را مطابق شکل طراحی کرد:
خدمات
رویکرد مالی
ساختار سرمایه ،سود آوری،رشد
رضایت دولت
رضایت مشتری
بهره وری

الگوی ارزیابی رویکرد بانکها(وزارت امور اقتصادی و دارایی ،1390)
مدیران بانک در یک بازار رقابتی بامجموعه ای ازعوامل جبران کننده مواجه می شوندکه تصمیمات آن ها می تواند تاثیر قابل ملاحظه ای روی ویژگی و رویکرد بانک داشته باشد.جهت رقابت در اقتصاد مبتنی بر بازار و حفظ کیفیت خدمات در بلندمدت، یک بانک بایدارائه دهنده خدمات باهزینه پائین بوده و قادر باشدبه حدکافی درتعدادکارکنان وماشین آلات و تجهیزات سرمای گذاری کند، و مساله مستلزم این است که سهم معینی ازدرآمدبرای حمایت از خدمات صرف شود.
نقش اصلی بانک، دریافت وجوه، اساسًا از طریق سپرده وسهام، وسرمایه گذاری آن ها دردارایی های بابهره وری بالا است که منجربه درآمد حاصل ازما به التفاوت نرخ سود میگردد.
علاوه براین بانک ها، بر اساس دریافت دستمزد، خدمات مالی ارائه می دهندکه منجربه درآمد کارمزدی می گردد.
ارزیابی رویکرد مالی :
سازمان های مختلف به منظور رسیدن به هدفشان مشغول تدوین اهدافی می شوند که در صورت انجام صحیح و بهینه وظایف خود می توانند سازمان را موفق کنند. در همین راستا نیاز به یک نظام ارزشیابی رویکرد برای تعیین دستیابی چگونگی رسیدن به اهداف محسوس است، تا به وسیله آن بتوان رویکرد هر یک از قسمت های مختلف را با اهداف از پیش تعیین شده سنجید و در جهت رفع موانع و نقاط ضعف و تقویت عوامل قوت برآمد. مفید ترین اطلاعات برای بررسی، مقایسه رویکرد بانک با بانکهای مشابه در بازار و مقایسه روند ارقام خود بانک می باشد، بهترین راه برای انجام مقایسه رویکرد، تبدیل ارقام به نسبت هایی است که مقایسه مستقیم بین، موسسات مشابه دربازار را امکان پذیر می سازد.
گاهی نیز نسبت ها را باگذشته همان واحد با مؤسسات مشابه و یا با استاندارد های مطلوب مقایسه میکنند.بنابراین در بررسی مالی، می توان وضعیت بانکها را از سه بعد ساختار سرمایه، سود آوری ورشد ارزیابی نمود. البته همانند شکل زیر ، نقدینگی همواره متن سه بعد مورد بررسی می باشد.
رشد
سود سرمایه
شاخصهای ارزیابی رویکرد مالی(وزارت امور اقتصادی و دارایی،1390 )
از سال ١٩٧۵ فارل توانست با تعریف چند ورودی و یک خروجی برای هر واحد تابعی را تحت عنوان تابع تولید روی داده های پوشش دهد و به کمک این تابع کارایی نسبی تمام واحدها را محاسبه نماید.
در سال ١٩٧٨ کوپر وهمکارانش باتوسعه کارفارل به حالت چند ورودی و چند خروجی توانستند تکنیک جدیدی را پایه ریزی نمایند که بتواند با چندین عامل ورودی و خروجی، معیاری برای رویکرد به دست آورند. این تکنیک تحلیل پوششی داده ها(DEA) نام گرفت این روش بر پایه برنامه ریزی ریاضی برای محاسبه رویکرد مجموعهای از واحدهای تصمیم گیرنده بوجود( DMU)آمد و در عمرکوتاه خود ، بیشتر سازمان ها از جمله بانکها، بیمه ها، کارخانه ها، مراکز آموزشی،بیمارستان ها، اتوبان ها و ٠٠٠ برای ارزیابی رویکرد خود از این تکنیک استفاده می نمایند. رویکرد یک مجموعه هم می تواند مطلق اندازه گیری شود هم نسبی، رویکرد مطلق هر واحد حاصل مقایسه آن با استانداردهای بین المللی است و رویکرد نسبی حاصل مقایسه واحدها با هم و بااستانداردی است که از وضعیت فعلی از این جامعه به دست آمده است. رویکرد مطلق به دلایل زیرمعمولاً مد نظر قرار نمی گیرد.
١: استانداردهای بین المللی یا موجود نیستند و یا استانداردها را نمی توان در این جامعه بکار برد.
2:فاصله زیاد واحدهای تحت بررسی با استانداردهای بین المللی باعث ناامیدی و یأس در بین مدیران می گردد. بزرگترین مزیت آن در تعیین فاصله واحدهای تحت بررسی با واقعیت های جهانی است که مکان واقعی سیستم و رویکرد حقیقی آن را نشان می دهد.


برای محاسبه کارایی نسبی به کمک تکنیک تحلیل پوششی داده ها باید توجه داشت که مجموعه انتخاب شده از واحدهای تصمیم گیرنده باید متجانس باشند یعنی همگی دارای شاخصهای هم جنس برای ارزیابی باشند.بدین دلیل کارایی بانکهای تجاری و تخصصی به صورت مجزا محاسبه می گردد.
تحلیل پوششی داده ها، واحدهای تحت بررسی را به دو گروه "واحدهای کارا" و "غیرکارا" تقسیم می کند.واحدهای کارا واحدهایی هستند که امتیاز کارایی آن ها برابر با "یک" است(مهرگان، 1383).
ارزیابی رویکرد مالی در تحقیق:
در پژوهش حاضر، برای بدست آوردن ارقام رویکرد مالی بانک ها جهت انجام تحقیق، از آمار و صورت های مالی گزارش شده که توسط وزارت امور اقتصادی ودارایی درسال 1390 و با استفاده از بررسی صورت های مالی حسابرسی شده توسط سازمان حسابرسی در سال 1390 استفاده شده است.
شاخصهای ساختار سرمایه
در ساختار سرمایه از نسبتهایی استفاده می شود که هر گاه عملیات واحد زیان به بارمی آورد، نشان می دهد که تا چه اندازه طلبکاران و وام دهندگان در آن واحد به مطالبات خود می رسند. سرمایه بانک تکیه گاهی است که به بانک اجازه می دهد،با وجود مشکلات داخلی یا معضلات اقتصادی، توانایی باز پرداخت بدهی را داشته باشد و به عملیات خود ادامه دهد.
نسبتهایی که می توان ساختار سرمایه را ارزیابی نمود، عبارتند از:
حقوق صاحبان سهام
= نسبت مالکیت
کل دارایی ها
دارایی های درآمد زا

کل دارایی ها -کیفیت دارایی