S_2-f

 

 

 

۳.۴۴

 

۴۸۷.۰۸

 

۵۰-۷۵

 

S_2-fs

 

 

 

۳.۴۴

 

۴۸۶.۸۳

 

۵۰-۷۵

 

S_2-nf

 

 

 

۲.۶۰

 

۳۶۸.۱۷

 

۲۵-۵۰

 

S_3-sf

 

 

 

۱۰۰

 

۱۴۱۷۲

 

 

 

 

 

 

 

۴-۲-۴-۳ مقایسه روش های استوری، ریشه دوم و کالوگیرو در تعیین تناسب اراضی برای کشت پنبه در دشت ایذه

اراضی مورد مطالعه از نظر درجه تناسب کیفی اراضی به روش استوری، برای کشت پنبه در زیر کلاس های S_3-f، S_3-s، N_1-f، N_1-n و N_2-sf قرار دارند. در زیر کلاس S_3-f مهم ترین عامل محدود کننده درصد آهک می باشد. در زیر کلاس S_3-s مهم ترین عامل محدود کننده عمق خاک می باشد. در زیر کلاس N_1-f مهم ترین عامل محدود کننده درصد آهک می باشد. در زیر کلاس N_1-n مهم ترین عامل محدود کننده ESP می باشد. در زیر کلاس N_2-sf مهم ترین عوامل محدود کننده به ترتیب عمق خاک، درصد آهک می باشد.
اراضی مورد مطالعه از نظر درجه تناسب کیفی اراضی به روش ریشه دوم، برای پنبه در زیر کلاس های S_2-f، S_3-f، S_3-s، N_1-f، N_1-n و N_2-sf قرار دارند. در زیر کلاس S_2-f و S_3-f، مهم ترین عامل محدود کننده درصد آهک می باشد. در زیر کلاس S_3-s مهم ترین عامل محدود کننده عمق خاک می باشد. در زیر کلاس N_1-f مهم ترین عامل محدود کننده درصد آهک می باشد. در زیر کلاس N_1-n مهم ترین عامل محدود کننده ESP می باشد. در زیر کلاس N_2-sf مهم ترین عوامل محدود کننده به ترتیب عمق خاک، درصد آهک می باشد.
اراضی مورد مطالعه از نظر درجه تناسب کیفی اراضی به روش کالوگیرو، برای کشت پنبه در زیر کلاس های S_1-f، S_2-f، S_2-n، S_2-s و S_2-sf قرار دارند. در زیر کلاس S_1-f مهم ترین عامل محدود کننده درصد آهک می باشد. در زیر کلاس S_2-f مهم ترین عامل محدود کننده درصد آهک می باشد. در زیر کلاس S_2-n مهم ترین عامل محدود کننده ESP می باشد. در زیر کلاس S_2-s مهم ترین عامل محدود کننده عمق خاک می باشد. در زیر کلاس S_2-sf مهم ترین عوامل محدود کننده به ترتیب عمق خاک، درصد آهک می باشد.
نتایج بدست آمده شاخص سرزمین به تفکیک سری های خاک در منطقه مورد مطالعه نشان داد که دامنه تغییرات درجه تناسب سرزمین برای محصول پنبه آبی در دشت ایذه به روش استوری از ۱ تا ۳۰ معادل با کلاس نامناسب همیشگی (N₂) تا تناسب کم(S₃) می باشد (شکل۴-۱۱). دامنه تغییرات مزبور در روش ریشه دوم از ۳ تا ۳۹ به عبارتی از کلاس نامناسب همیشگی(N₂) تا تناسب کم(S₃) می باشد(شکل۴-۱۲). در روش کالوگیرو دامنه تغییرات شاخص سرزمین از ۴۹ تا ۸۱ یعنی از کلاس تناسب کم (S₃) تا کلاس مناسب (S₁) گزارش می شود(شکل۴-۱۳).
نتایج درجه تناسب سرزمین در هر سه روش استوری ، ریشه دوم و کالوگیرو در جداول شماره ۴-۱۵، ۴-۱۶، ۴-۱۷ و ۴-۱۸ ارائه شده است. بر این اساس در روش استوری ۵۲/۳۷ درصد و در روش ریشه دوم ۵۲/۱۱ درصد برای کشت پنبه آبی در دشت ایذه دارای تناسب N₂ است. کلاس تناسب S₁ فقط در روش کالوگیرو طبقه بندی شده و ۹۹/۳۵ درصد از اراضی دشت مذکور در این کلاس قرار گرفته اند. در روش های استوری و ریشه دوم به ترتیب ۰۳/۳۵ و ۲۵/۳۰ اراضی در کلاس نامناسب کنونی قرار گرفته است. ۴۵/۲۷ و ۴۲/۵۸ و ۶/۲ درصد سهم کلاس S₃ در روش های استوری، ریشه دوم و کالوگیرو می باشد. روش کالوگیرو ۴۱/۶۱ درصد از اراضی دشت ایذه را در کلاس نسبتا مناسب قرار می دهد.
در ارزیابی پارامتریک دشت ایذه برای کشت پنبه محدودیت عمده ناشی از فاکتورهای درصد آهک، Ph و CEC بوده است (ملکیان و جعفرزاده ۱۳۸۸، سرمدیان و همکاران ۱۳۸۲، محنت کش ۱۳۷۸، دادگر و همکاران ۱۳۸۸). دشت ایذه از لحاظ کشت پنبه مساعد است ولی به دلیل اینکه این گیاه یک گیاه تابستانه می باشد و سیکل رشد آن با تاریخ کاشت گیاه پاییزه گندم تلاقی دارد امکان دارد مردم از کشت و کار آن مبادرت ورزند. این تحقیق نشان داد سری خاک پرچستان و خنگ اژدر که در شمال دشت ایذه و در دامنه کوه قرار دارند به دلیل محدودیت عمق خاک سطح کلاس تناسب اراضی پایینی در هر سه روش خود گرفنه اند (محنت کش ۱۳۷۸، حاتمی و همکاران۱۳۸۷، شاکری و همکاران ۱۳۸۶). پروفیل شماره ۱۲ در شمال غربی دشت ایذه در اثر محدودیت درصد سدیم تبادلی PSE در تمامی سه روش پارامتریک کلاس تناسب اراضی پایینی به واحد مربوطه اختصاص داده اند و آن واحد اراضی را در تحت کلاس n جای داده اند (کمالی ۱۳۸۲). پارامتر اقلیمی محاسبه شده در هر سه روش استوری ، ریشه دوم و کالوگیرو در کلاس تناسب S₁ برای دشت ایذه طبقه بندی شده است. فاکتور pH در پروفیل های ۱۷،۱۶،۱۵ محدودیت ایجاد کرده و سبب شده است تا این اراضی شاخص سرزمین پایینی داشته باشند. CEC یکی دیگر از پارامترهای خاک می باشد که سبب محدودیت و قرار گرفتن اراضی منطقه در تحت کلاس f شده است محدودیت این پارامتر در پروفیل های ۳ و ۱۴ بیشتر از بقیه بوده است.
۴-۲-۵ سورگوم
۴-۲-۵-۱ تعیین و محاسبه شاخص و درجه اقلیمی سورگوم

 

 

• میانگین دما در چرخه رشد: ℃۲۶.۶۴

 

 

شاخص محاسبه شده میانگین دما در چرخه رشد ۹۴

 

 

• میانگین ماگزیمم دما در چرخه رشد: ℃۳۵.۱۳

 

 

شاخص محاسبه شده ماگزیمم دما در چرخه رشد ۸۳

 

 

• میانگین مینیمم دما در چرخه رشد: ℃۱۸.۱۲

 

 

شاخص محاسبه شده مینیمم دما در چرخه رشد ۱۰۰

 

 

• رطوبت نسبی در چرخه رشد: ۲۹.۴%

 

 

• Bottcher, J., Drexl, A., Kolisch, R., Salewski, F. (1996). “Project Scheduling Under Partially Renewable Resource Constraints”. Technicl report 398 Manuscipte aus den Instituten fur Betriebswritschaftslehre der Universitat Kiel.

 

• Talbot, F.B (1982). “Resource-Constrined Project Scheduling with Time-Resource Tradeoffs: The Nonpreemptive Case”. Management Science, 38: pp. 1498-1509.

 

• Pritsker, A. B., Watters, L. J. and Wolfe, P. M., Multiproject scheduling with limited resources: A zero-one programming approach. Management Science, 1969, 16, 93-108.

 

• Patterson, J. H. and Roth, G., Scheduling a project under multiple resource constraints: A zero-oneprogramming approach. AIIE Transactions, 1976, 8, 449-456.

 

• Carruthers, J. A. and Battersby, A., Advances in critical path methods. Opertional Research Quarterly, 1966, 17, 359-380.

 

• Petrovic, R., Optimisation of resource allocation in project planning. Operations Research, 1986, 16, 559-586.

 

• Demeulemeester, E. and Herroelen, W., New benchmark results for the resource-constrained project scheduling problem. Management Science, 1997, 43, 1485-1492.

 

• Brucker, P., Schoo, A. nd Thiele, O., A branch-and-bound algorithm for the resource-constrained project scheduling problem. European Journal of Operational Research, 1998, to appear.

 

• Dorndorf, U., Pesch, E., Phan-Huy, T. A branch-and-bound algorithm for the resource-constrained project scheduling problem, Mathematical Methods of Operations Research 52(2000) 413-439.

 

• Sprecher, A. , Drexl, A. (1995). Semi-Active, Active and non-delay Schedules for the Resource Constrained Project Scheduling Poblem, European Journal of Operational Research 80, 94-102.

 

• Kolisch, R. (1996). Series and Parallel Resource Constrained Project Scheduling Method Revisited: Theory and Computation, European Jounal Of Operational Research 90,320-333.

 

• Lee, J.K. and Y.D. Kim (1996), Search Heuristics for Resource Constrained Project Scheduling, Jounal of the Operational Research Society, 47, 678-689.

 

• Kohlmorgen, U., H. Schmeck and K. Haase (1999), Experiences with Fine-Gained Parallel Genetic Algorithms, Annals of Opertions Reseach, 90, 203-219.

 

• S. Hartmann, A competitive genetic algorithm for resource-constrained poject scheduling, Naval Research Logistics 49 (2002) 433-448.

 

• J. Alcaraz, C. Maroto, A robust genetic algorithm for resource allocation in poject scheduling, Annals of Operations Research 102 (2001) 83-109.

 

• S. Hartmann, A self-adapting genetic algorithm for project scheduling under resource constraints, Naval Research Logistics 49 (2002) 433-448.

 

• Y.C. Toklu, Appliction of genetic algorithm to construction scheduling with o without resouce constraints, Candian Journal of Civil Engineeing 29 (2002) 421-429.

 

• K.S. Hindi, H. Yang, K. Fleszar, An evolutionary algorithm for resource-constrained project scheduling, IEEE Transaction on Evolutionary Computation 6 (2002) 512-518.

 

• J. Coelho, L. Tavares, Comparative analysis of metaheuicstics for the resource constrained project scheduling problem, Technical, report, Depertmant of Civil Engineering, Instituto Superior Tecnico, Portugal.

 

• J. Gonclves, J. Mendes, A random key based genetic algorithm for the resource-constained poject scheduling problem. Technical report, Depatamento de Engenharia Universidade do Porto, 2003.

 

• Goncalves JF, Beirao NC. Um algoritmo genetic baseado em chaves aleatorias para sequenciamento de operacoes. Revista Associacao Portuguesa Investigacao Opeacional 1999;19:123-37 (in Portuguese).

 

• Mendes. J.J.M, Goncalves. J.F, Resende. M.G.C. A random key based genetic algorithm for the resource constrained project scheduling problem. Computers and Operations Research 36 (2009) 92-109.

 

• P.R. Thomas, S. Salhi, A tabu search approach for the resource constrained project scheduling problem, Journal of Heuristics 4 (1998) 123-139.

 

• T. Baar, P. Brucker, S. Knust, Tabu-search algorithm and lower bounds for the resource-constrained project scheduling problem, in: S. Voss, S. Martello, I. Osman, C. Roucairolb (Eds), Meta-heuristics: Advances and Trends in Local Search Paradigms for optimization, Kluwer Academic Publishers, Dordrecht, 1998, pp. 1-8.

 

• R. Klein, Project scheduling with time-varying resource-constraints, International Journal of Production Research 38(16) (2000) 3937-3952.

 

• K. Nonobe, T. Ibaraki, Formulation and tabu search algorithm for the resource constrained project scheduling problem, in: C.C. Ribeiro, P. Hansen (Eds.), Essays and Surveys in Metaheuristics, Kluwer Academic Publishers, 2002, pp. 557-588.

 

• N. Pan, P. Wen Hsaio, K. Chen, A study of project scheduling optimization using Tabu Search algorithm, Engineering Applications of Artificial Intelligence 21 (2008) 1101-1112.

 

• P. Tormos, A. Lova, A competitive heuristics solution technique for resource-constrained project scheduling, Annals of Operations Research 102 (2001) 65-81.

 

• V. Valls, M.S. Quintailla, F. Ballestin, Resource-constrained project scheduling: A critical reordering heuristic, European Journal of Operational Research 149 (2003) 282-301.

 

• V. Valls, F. Ballestin, M.S. Quintanilla, Justification and RCPSP: A technique that pays, European Journal of Operational Research 165 (2005) 375-386.

 

• H. Zhang, X. Li, H. Li, F. Huang,”Particle swarm optimization-based schemes for resource-constrained project scheduling “, Automation in construction 14 (2005) 393-404.

 

• R.M. Chen, C,L, Wu, C.M. Wang, Sh.T. Lo, “Using novel particle swarn optimization scheme to solve resource-constrained scheduling problem in PSPLIB “, Expert Systems with Applications, Volume 37. Issue 3, 15 March, 2010, pp. 1899-1910.

 

• A. Ahmadi-Javid, P. Hooshangi-Tabrizi, An Anarchic Society Optimization Algorithm for a Flow-Shop Scheduling Problem with Multiple Transporters between Successive Machines, Proceedings of the 2012 International Conference Industrial Engineering and Operations Management Istanbul, Turkey, July 3-6, 2012.

 

• Pritsker A. A.B., Watters, L. J., Wolfe, P. M., (1969). Multi project Scheduling with Limited Resources: A Zero-one Programming Approach, Management Science, 16, 93-108

 

• Alvarez-Valdez, R. , Tamarit, J. M. , (1993). The Project Scheduling Polyhedron: Dimensions, Facts and Lifting Theorems European Jornal of Operational Research 67, 204-220

 

• Mingozzi A. , Maniezzo, V. , Ricciardelli, S., and Bianco, L. (1998), An Exact Algorithm for Resource Constrained Project Scheduling Problem based on a new mathematical Formulation, Management Science, 44, 715-729.

 

• J.Kennedy and R. Eberhart, “Particle swarn optimization”, Proceedings of the IEEE International Conference on Neural Networks (Perth, Australia) 1942-1948, 1995.

 

• Kolisch, R. and A. Sprecher (1996), PSPLIB - A project scheduling library, European Journal of Operational Research,Vol. 96, pp. 205–216.

 

• kolisch,R.,Sprecher,A.,Drexl,A,Charactrization and generation of a general class of resource-constrained project scheduling problems.Management science 41,pp.1693-1703.1995

 

[۴۳] Taguchi, G., 1986. Introduction to quality engineering. White Plains: Asian Productivity Organization/UNIPUB.
[۴۴] R. Kolisch und S. Hartmann (2006): Experimental Investigation of Heuristics for
Resource-Constrained Project Scheduling: An Update, European Journal of
Operational Research 174, 23-37, 2006.
پیوست ها

نتایج آزمایش الگوریتم ASO برای سری ۳۰ فعالیت

 

نام فایل

در بررسی مقالاتی که ما انجام دادیم، مطالعه ای از نمای SMV در تشخیص اجسام خارجی ناحیه فک و صورت و سر استفاده نکرده بود، تا بتوان نتایج آن را با مطالعه حاضر مقایسه نمود.
به علاوه، مطالعات کافی برای مقایسه نتایج حاصل از مطالعه ما در شناسایی اجسام خارجی توسط CBCT (به ویژه درون حفره هوادار) وجود ندارد، ولی در مطالعه Aras و همکاران (۶)، از CT در شناسایی اجسام خارجی با شرایطی مشابه مطالعه ما استفاده شده است که در بخش ‏۴-۱-۱ به آن پرداخته ایم.

در روش های تصویربرداری که می توانند بازسازی حجمی از تصویر ارائه دهند و یا به صورت برشی تصویربرداری می کنند (مانند CT، CBCT و MRI)، محل قرارگیری جسم خارجی نقش کمتری در میزان شناسایی آن دارد. با توجه به اینکه CT و CBCT، دو روش تصویربرداری بر پایه اشعه x هستند، نتایج حاصل از این دو در مطالعات مختلف را می توان مورد مقایسه قرار داد. یکی از این مطالعات، مطالعه Venter و همکاران (۷۷) است، که به مقایسه حساسیت تشخیصی رادیوگرافی معمولی، CT، MRI و اولتراسوند در شناسایی اجسام خارجی چوبی پرداخته است. جسم خارجی در مطالعه مذکور در محل ران مرغ قرار گرفته بود، ولی حساسیت تشخیصی CT در این مطالعه برابر ۲/۷۲ درصد بود. این در حالی است که حساسیت تشخیصی CBCT در شناسایی اجسام خارجی چوبی در ناحیه لب (بافت نرم) در مطالعه ما ۸/۱۸ درصد است. این تفاوت در حساسیت تشخیصی یا ناشی از خطای مشاهده در یکی از دو مطالعه است و یا معنادار بوده و مقایسه این دو روش تصویربرداری در شرایطی یکسان را می طلبد. در بخش ‏۴-۱-۳ جنبه های دیگر این مطالعه مورد بررسی و مقایسه با مطالعه حاضر قرار گرفته است.
جنس جسم خارجی
جسم خارجی غیر رادیواپاک در تصویربرداری بر پایه اشعه x سیگنالی ایجاد نمی‌کند. بنابراین، جنس جسم خارجی تعیین می‌کند که آیا در یک روش تصویربرداری قابل‌مشاهده خواهد بود و آیا اندازه آن می‌تواند در شدت و ابعاد تصاویر حاصل تأثیر بگذارد یا نه. جسم خارجی زمانی قابل‌مشاهده می‌گردد که میزان سیاه و سفیدی جسم در محل با پیرامونش متفاوت باشد (۶). گرچه، ممکن است با کوچک تر شدن اندازه جسم، دیگر قابل‌مشاهده نباشد (۷). در مطالعه ما، اجسام خارجی با ۴ جنس مختلف و در دو اندازه بزرگ و کوچک مورد استفاده قرار گرفت. جدول ۴-۱ دانسیته اجسام به‌کاررفته در مطالعه و ساختمآن‌های پیرامون آن را برحسب واحد هانسفیلد^[۱۸] نشان می‌دهد.

 

جدول ۴-۱٫ دانسیته اجسام خارجی به‌کاررفته و ساختمان‌های مجاور آن (۶, ۷۹)
	واحد هانسفیلد (HU)
شیشه	۱۸۰۰ – ۵۰۰
چوب	۱۳۰ – ۶۰۰-
سنگریزه	۲۹۰۰ – ۲۲۰۰
استخوان	۳۰۰۰ – ۷۰۰
عضله	۴۰ – ۱۰
هوا	۱۰۰۰-

شناسایی اجسام خارجی رادیواپاک توسط تصویربرداری برپایه اشعه x راحت تر از اجسام غیر اپاک است (۲). در مطالعه کنونی، هر سه جنس شیشه معمولی، شیشه باریوم دار و سنگریزه در تصویربرداری های رادیوگرافی با نمای لترال سفالومتریک و SMV، با حساسیت تشخیصی مناسبی شناسایی شدند. البته حساسیت تشخیصی سنگریزه (لترال سفالومتری ۱۰۰% و SMV 9/47%) بیشتر از شیشه باریوم دار (لترال سفالومتری ۷/۹۱% و SMV 8/43%) و شیشه باریوم دار بیشتر از شیشه معمولی (لترال سفالومتری ۱/۷۷% و SMV 5/37%) بود، که این نشان از تأثیر دانسیته بر حساسیت تشخیصی دارد. همانطور که گفته شد حساسیت تشخیصی CBCT در شناسایی اجسام خارجی از جنس شیشه معمولی، شیشه باریوم دار و سنگریزه ۱۰۰ درصد بود. این یافته توانایی بالای CBCT در شناسایی اجسام خارجی با دانسیته قابل قبول را نشان می دهد.
شناسایی اجسام خارجی غیر اپاک می‌تواند مشکل ساز باشد. در برخی از مطالعات، CT و اولتراسونوگرافی ما را برای به تصویر کشیدن اجسام خارجی غیر اپاک امیدوار کرده اند (۲). یافته های حاصل از مطالعه ما نشان داد که سه روش تصویربرداری مورد مطالعه، کمترین حساسیت را برای تشخیص جسم خارجی چوبی دارند. به گونه‌ای که حساسیت تشخیصی لترال سفالومتری و SMV برابر صفر بوده و حتی CBCT هم نمی‌تواند به خوبی جسم خارجی چوبی را شناسایی کند (حساسیت تشخیصی ۳/۶ درصد).
در مطالعه Aras و همکاران (۶) کیفیت تصویر جسم خارجی چوبی در نمای لترال سفالومتریک همانند مطالعه ما برابر صفر بود. کیفیت تصویر اجسام خارجی از جنس شیشه در مطالعه مذکور در هر سه ناحیه (۲+) بود، در حالیکه در مطالعه ما در ناحیه سینوس، لب و زاویه مندیبل به ترتیب ۳+، ۱+ و ۲+ است. در این مطالعه کیفیت تصویر سنگریزه در زاویه مندیبل شبیه به مطالعه ما (۳+) و در دو ناحیه دیگر یک درجه کمتر بود. این نتایج با وجود اختلافات جزئی موجود، نتایج ما را تأیید می کنند، و اختلافات اندک را می توان به خطای احتمالی مشاهده گران یا دید متفاوت آن ها از مقیاس مورد استفاده برای کیفیت تصویر ارتباط داد.
این مطالعه همچنین به بررسی کارایی CT در شناسایی اجسام خارجی پرداخته است. در این مطالعه کیفیت تصاویر حاصله از اجسام خارجی از جنس شیشه و سنگریزه مشابه با کیفیت بدست آمده از CBCT در مطالعه ما بود. با این وجود، در مورد اجسام خارجی چوبی واقع در ناحیه زاویه مندیبل، درون زبان و درون سینوس ماگزیلا، کیفیت تصویر حاصله به ترتیب ۰، ۱+ و ۲+ بود. این در حالی است که در مطالعه کنونی، کیفیت تصویر اجسام خارجی چوبی در هر سه ناحیه برابر صفر است. با توجه به شباهت های این دو روش تصویربرداری (CT و CBCT) می توانیم به مقایسه نتایج با مطالعه ما بپردازیم. علت احتمالی این تفاوت در کیفیت تصویر اجسام چوبی می تواند به تفاوت دانسیته چوبی مرتبط باشد که در این دو مطالعه مورد استفاده قرار گرفته است. مطالعات نشان داده است که تراکم چوب محدوده گسترده ای از -۶۰۰ HU تا +۱۳۰ HU را شامل می‌گردد، که به سختی و میزان رطوبتش بستگی دارد (۷۹). علت محتمل دیگر می تواند متفاوت بودن تکنیک تصویربرداری می باشد. به این دلیل که CT می تواند soft tissue window ارائه دهد ولی در تکنیک تصویربرداری CBCT این امکان وجود ندارد، در نتیجه اختلاف دانسیته جسم خارجی با محیط پیرامون کمتر شده و شناسایی آن را مشکل تر سازد. از سوی دیگر، این تفاوت در یافته ها می تواند پیشنهاد دهنده انجام مطالعه ای مجزا برای مقایسه CT و CBCT در شناسایی اجسام خارجی با دانسیته پایین باشد.
مطالعات دیگری در رابطه با شناسایی اجسام خارجی رادیولوسنت توسط روش های تصویربرداری انجام شده است. نتایج حاصل از مطالعه Ober و همکاران (۷۶) در شناسایی اجسام خارجی چوبی در ناحیه دست سگ، نشان می دهد که در این ناحیه CT دقت تشخیصی بیشتری نسبت به اولتراسوند و MRI دارد. این در حالی است که در مطالعه Turkcuer و همکاران (۱۷)، اولتراسوند توانست بهتر از رادیوگرافی های معمولی اجسام خارجی رادیولوسنت را در ناحیه ران مرغ شناسایی کند (حساسیت تشخیصی ۹۰ درصد در مقابل ۵ درصد). با توجه به تأثیر محل جایگذاری جسم خارجی چوبی در میزان شناسایی آن توسط روش های تصویربرداری مختلف، در بخش ‏۴-۱-۳ به بررسی و مقایسه این دو مطالعه پرداخته ایم.
در مطالعه ای که Lue و همکاران (۷۸) در سال ۲۰۰۰ انجام داده اند، از استخوان ماهی های مختلف که دارای رادیواپاسیته های متفاوت بودند، استفاده شد و توسط رادیوگرافی معمولی و CT تصویربرداری به عمل آمد. آنان به این نتیجه رسیدند که رادیوگرافی های معمولی در به نمایش در آوردن استخوان ماهی در بافت نرم ضعیف عمل می کنند و میزان رویت این اجسام خارجی به گونه ماهی (میزان رادیواپاسیته)، محل و راستای جایگذاری بستگی دارد. نتایجی که مطالعه ما نیز آن ها را تأیید می کند و بر تأثیر جنس و محل جایگذاری در شناسایی اجسام خارجی صحه می گذارد. Lue و همکاران، همچنین اشاره کردند که CT، مدالیته انتخابی برای تشخیص استخوان ماهی است. در مطالعه حاضر هم CBCT با دقت بیشتری نسبت به رادیوگرافی توانست اجسام خارجی با رادیواپاسیته های گوناگون را بشناسد.
محل جایگذاری جسم خارجی
یافته های حاصل از مطالعه ما نشان می دهد که حساسیت تشخیصی روش های تصویربرداری مورد استفاده در شناسایی اجسام خارجی واقع در ناحیه لب (۸/۶۹%) بیشتر از زوایه مندیبل (۶۳%)، و زاویه مندیبل بیشتر از سینوس ماگزیلا (۲/۴۳%) است. حساسیت تشخیصی CBCT در هر سه ناحیه بیشتر از رادیوگرافی دیجیتال در نمای لترال سفالومتریک بوده و آن هم بیشتر از نمای SMV بود.
ناکارآمدی نمای SMV در شناسایی اجسام واقع در سینوس ماگزیلا (حساسیت ۰ درصدی) سبب افت شدید حساسیت تشخیصی مجموع روش های تصویربرداری در این ناحیه شده است. برای تأیید این گفته نتایج حاصل از این نمای رادیوگرافی را حذف کرده و حساسیت تشخیصی را مجدداً محاسبه کردیم. پس از این اقدام، حساسیت تشخیصی دو روش تصویربرداری دیگر در ناحیه لب، زاویه مندیبل و سینوس ماگزیلا به ترتیب برابر است با ۳/۷۷%، ۴/۷۳% و ۸/۶۴%. همانطور که مشهود است، با حذف SMV تفاوت در حساسیت تشخیص اجسام کمتر می گردد.

۳) جامعه پذیری: یک سازمان از طریق مسیر خدمتی افراد در سازمان ، دست به جامعه پذیری خواهد زد . کارکنان جدید نوعاً یک دوره توجیهی می گذرانند تا بدانند چه چیزهایی یا چه کارهایی باید در سازمان انجام شود.
فرهنگ از راه اجتماعی کردن اعضای جدید که به گروه راه می یابند ،خود را دوام می بخشد و از نو می سازد . فراگرد اجتماعی کردن به راحتی از جستجودر پی یافتن عضو و گزینش وی آغاز می شود، بدین معنی که سازمان احتمال دارد به یافتن اعضای تازه ای بپردازد که از مجموعه مفروضات ، باورها و ارزشهای درست برخوردار باشند.
اگر سازمان بتواند چنان اعضایی را پیش از پیوستن به سازمان بیابد ،آنگاه نیاز کمتری به اجتماعی کردن رسمی آنان دارد (طوسی، ۱۳۷۲) . هدف از اجتماعی کردن پایدار کردن فرهنگ سازمان است.
همچنین می توان از شاخص های ارزیابی عملکرد ، شیوه های تخصیص پاداش، اجرای برنامه های آموزشی و سیاست ارتقای کارکنان جهت بقا و تقویت و گسترش فرهنگ سازمانی استفاده نمود(ترابی کیا، ۱۳۷۷)
۲-۱۰ اجزاء فرهنگ سازمانی
گری و اتاک (۱۹۸۸) هفت جزء را برای فرهنگ سازمانی بر شمرده اند:

۱) آیین نامه ها و رسوم: مجموعه اتفاقات خاص فرهنگی که معانی ویژه ای را برای سازمان در بردارد.
۲) هنجارها: رونمای یک فرهنگ، هنجارهای رفتاری ویژه ای است که توسط آن، فرهنگ رسمیت یافته و تقویت می گردد. این هنجارها توسط خرده فرهنگ مدیریت ، ایجاد و از طریق سیستم های پاداش رسمی و غیر رسمی توسعه می یابد.
۳) نمادها: نمادها راه های ارتباطی سریع و هوشمندانه ای هستند که از طریق اشتراک مفاهیم در میان کارکنان ، پیام ها را منتقل می کنند و هنجارها را تقویت می نمایند.
۴) اسطوره ها: نمونه ای ازتاریخ گذشته سازمان هستند . داستانهایی در مورد اتفاقات ویژه و یا شخصیتهای کلیدی که همچون ضرب المثل ها، الگوهای مطلوب سازمان را یادآور می شوند.
۵) فرایند جامعه پذیری: فرایندی که طی آن یک عنصر تازه وارد، هنجارهای فرهنگی سازمان را می آموزد و به آن فرهنگ معرفی می گردد .
۶) زبان : زبان ، یک عامل تمایز عمومی میان فرهنگ هاست و مجموعه ای از اصطلاحات و عبارات خاص و ادبیات گفتاری و نوشتاری حاکم بر سازمان است که پابه پای الگوهای رفتاری ، گسترش و توسعه می یابد.
۷) تابوها: نگرشها، برداشتها و رفتارهایی هستند که سازمان به شدت آنها را نفی کرده و از آنها دوری می جوید.
تریس و بیر (۱۹۸۴) چهارده ویژگی را برای فرهنگ سازمانی قابل تصور می دانند:
جدول۲-۳: ویژگی های فرهنگ سازمانی به عقیده تریس و بیر

 

ویژگیهای فرهنگی
مراسم	مجموعه فعالیتهای برنامه ریزی شده ، نمایشنامه ای و کارهایی که به صورت نسبتاً آگاهانه یا مدبرانه تنظیم شده و موجب تقویت شکل های مختلفی از نمودهای فرهنگی است که در قالب یک رویداد ابزار می گردد.
جشنها	آمیزه ای از چندین مراسم که با یک رویداد به هم مرتبط می شوند.
تشریفات مذهبی	مجموعه ای از روشها و رفتارهایی که به صورت استاندارد و مفصل به اجراء در می آید، به وسیله شور و علاقه و نگرانی ها ابراز می گردد، ولی به ندرت به نتایجی می انجامد که از نظر علمی دارای اهمیت و مورد هدف می باشد.
اساطیر	یک رویداد خیالی یا مورد تصور که در قالب نمایشنامه بیان گردد، معمولاً برای توضیح منشاء یا تحول چیزی مورد استفاده قرار می گیرد . همچنین باوری قطعی درباره مزایای علمی از روشها و رفتارهای خاصی است که واقعیت آن ها را تأیید نمی کند.
حماسه	یک داستان تاریخی که کارهای منحصر به فرد یک گروه و رهبران آن را حکایت می کند، معمولاً در قالب اصطلاحات حماسی بیان می گردد.
افسانه	رویداد شگفت انگیز که از گذشتگان است ، نسل به نسل منتقل شده مبنای تاریخی دارد ولی به زیور افسانه مزین شده است .
داستان	حکایت رویدادهای حقیقی ، گاهی ترکیبی از حقیقت و افسانه
داستان عامیانه	یک حکایت کاملاً افسانه ای

 

مدیریت فناوری اطلاعات
پست سازمانی

۱۲۵

۹۳۵/۰*

عدم ارتباط

 

جانشین پروری
پست سازمانی

۱۲۵

۰۲۱/۰*

ارتباط

 

 

برای سنجش رابطه­ بین متغیرهای تحقیق و پست سازمانی، از آزمون t استفاده شده است، آزمون t مستقل در مواردی به­کار می­رود، که پژوهشگر با دو گروه مستقل سرو کار دارد. کاربرد اصلی این آزمون زمانی است، که باید اختلاف دیدگاه پاسخ ­دهندگان براساس یک متغیر اسمی دو ارزشی، مانند متغیر پست سازمانی در تحقیق حاضر که شامل دو گروه کارمندو رئیس است، بررسی شود. با توجه به جدول (۲۰-۴) مشاهده می­ شود، بین مدیریت استعداد و پست سازمانی )۰۰۹/۰(sig= است، بنابراین رابطه معنی­دار وجود دارد، بین مدیریت فناوری اطلاعات و پست سازمانی ) ۹۳۵/۰(sig= است، بنابراین رابطه معنی­دار وجود ندارد، ولی بین جانشین­پروری و پست سازمانی )۰۲۱/۰(sig= است، بنابراین رابطه معنی­دار وجود دارد.

۴٫۴٫ تحلیل عاملی
اعتبار عاملی صورتی از اعتبار سازه است که از طریق تحلیل عاملی به دست می ­آید. به منظور پی­بردن به متغیرهای زیربنایی یک پدیده یا تلخیص مجموعه داده ­ها، از روش تحلیل عاملی استفاده می­ شود. تحلیل عاملی می ­تواند به صورت تاییدی یا اکتشافی باشد. در تحلیل­های عاملی تاییدی، هدف پژوهشگر تعیین ساختار عاملی ویژه­ای می­باشد. در واقع در تحلیل عاملی اکتشافی به دنبال پیدا کردن ابعاد و عوامل یک حوزه ناشناخته می­باشیم ولی در تحلیل عاملی تاییدی به دنبال تایید این حوزه ها با عوامل مربوط به آن­ها هستیم.
۴٫۵٫ مدل معادلات ساختاری
فرآیندهای تجزیه و تحلیل ساختارهای کوواریانس شامل یک سری گام­هایی است که به تحقق توصیه می­ شود که حتما به صورت متوالی این گام­ها را انجام دهد
این گام عبارتند از:
بیان مدل
تخمین مدل
اصلاح مدل
آزمون فرضیه
تفسیر مدل
ابلاغ یا نوشتن گزارش تحقیقاتی.
در ذیل هر یک از مراحل به طور خلاصه تشریح می­گردد.
۴٫۵٫۱٫ مرحله بیان مدل
مدل معادلات ساختاری با بیان مدلی که قرار است تخمین زده شود، شروع می­ شود. در ساده­ترین سطح، مدل یک عبارت آماری درباره روابط میان متغیرها است. این مدل­ها در زمینه رویکردهای مختلف تحلیلی، اشکال مختلفی به خود می­گیرند. برای مثال، یک مدل در زمینه همبستگی عموما روابط غیر جهت­دار(دو طرفه) بین دو متغیر را بیان می­ کند. در حالی که رگرسیون چندگانه و تحلیل واریانس مدل­هایی را با روابط جهت­دار بین متغیرها نشان می­دهد. این مرحله یکی از مهم­ترین مراحل موجود در مدل معادلات ساختاری است. زیرا هیچ گونه تحلیلی صورت نمی­گیرد. مگر این که محقق ابتدا مدل خود را بیان کند.
۴٫۵٫۲٫ مرحله تخمین مدل
هنگامی که یک مدل بیان شد و حالت تعیین آن مورد ارزیابی قرار گرفت، باید پارامترهای آزاد از روی مجموعه ­ای از داده ­های مشاهده شده تخمین زده شود. این مرحله شامل یک سری فرآیندهای تکراری است که در هر تکرار یک ماتریس کوواریانس ضمنی ^[۱۶۲]ساخته می­ شود و با ماتریس کوواریانس داده ­های مشاهده شده مقایسه می­گردد. مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده می­ شود و این تکرارها تا جایی ادامه می­یابد که این ماتریس باقیمانده به حداقل ممکن برسد.
نمودار۷-۴: مدل تحقیق در حالت تخمین ضرایب استاندارد
نمودار(۷-۴) مدل تحقیق را در حالت تخمین ضرایب استاندارد نشان می­دهد کلیه متغیرهای این مدل به دو دسته­ی پنهان و آشکار تبدیل می­شوند. متغیرهای آشکار(مستطیل) یا مشاهده شده به گونه ­ای مستقیم به وسیله پژوهشگر اندازه ­گیری می­ شود، در حالی که متغیرهای مکنون(بیضی) یا مشاهده نشده به گونه ­ای مستقیم اندازه ­گیری نمی­ شود، بلکه براساس روابط یا همبستگی­های بین متغیرهای اندازه ­گیری شده استنباط می­شوند. متغیرهای مکنون بیانگر یکسری سازه­های تئوریکی هستند مانند مفاهیم انتزاعی که مستقیما قابل مشاهده نیستند و از طریق سایر متغیرهای مشاهده شده ساخته و مشاهده می­شوند. متغیر های مکنون به نوبه خود به دو نوع متغیر درون­زا یا جریان­گیرنده و متغیر برون­زا یا جریان­دهنده تقسیم می­شوند. هر متغیر در سیستم مدل معادلات ساختاری می ­تواند هم به عنوان یک متغیر درون­زا و هم یک متغیر برون­زا در نظر گرفته شود. متغیر درون­زا متغیری است که از جانب سایر متغیرهای موجود در مدل تاثیر می­پذیرد. در مقابل متغیر برونزا متغیری است که هیچ گونه تاثیری از سایر متغیرهای موجود در مدل دریافت نمی­کند بلکه خود تاثیر می­ گذارد. در این تحقیق متغیرهای مدیریت استعداد و جانشین­پروری درون­زا و متغیر مدیریت فناوری اطلاعات برون­زا است. در این نمودار اعداد یا ضرایب به دو دسته تقسیم می­شوند. دسته اول تحت عنوان معادلات اندازه ­گیری هستند که روابط بین متغیرهای چنهان(بیضی) و متغیر آشکار(مستطیل) می­باشند. این معادلات را اصطلاحا بار عاملی گویند. دسته دوم معادلات ساختاری هستند که روابط بین متغیر پنهان و پنهان می­باشند و برای آزمون فرضیات استفاده می­شوند. به این ضرایب اصطلاحا ضرایب مسیر گفته می­ شود. با توجه به مدل در حالت تخمین ضرایب می­توان بارهای عاملی و ضرایب مسیر را برآورد کرد. براساس بارهای عاملی، شاخصی که بیشترین بارعاملی را داشته باشد ، در اندازه ­گیری متغیر مربوطه سهم بیشتری دارد و شاخصی که ضرایب کوچکتری داشته باشند، سهم کمتری را در اندازه ­گیری سازه مربوطه ایفا می­ کند.
۴٫۵٫۳٫ آزمون مدل
نمودار۸-۴: نمودار مدل کلی تحقیق در حالت معناداری ضرایب(T-Value)
نمودار( ۸-۴) مدل تحقیق را در حالت قدر مطلق معناداری ضرایب (T-Value)نشان می­دهد. این مدل در واقع تمامی معادلات اندازه ­گیری (بارهای عاملی) و معادلات ساختاری(ضرایب مسیر) را با بهره گرفتن از آماره t ، آزمون می­ کند.
۴٫۵٫۴٫ تفسیر مدل
اگر آزمون­ها نشان دهند که مدل به طور کافی متناسب با داده ­ها می­باشد در این مرحله باید بر روی عوامل مشخص شده (پارامترهای مدل)مدل متناسب شده تمرکز گردد.
در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می­گیرند. آزمون­ها و مقایسه تخمین پارامترها و همچنین
نمایش آن­ها مستلزم تخمین­های استاندارد شده­ای است. به همین دلیل در این مرحله تخمین­های غیر استاندارد را که
عموما به مقیاس خود وابسته هستند را به تخمین­های استاندارد شده­ای که وابسته به مقیاس خود نیستند، تبدیل می­کنیم و این کار تا حدودی برازش و پارامترهای مدل را تحت تاثیر قرار می­دهد.
این مرحله از مدل معادلات ساختاری دقیقا شبیه استاندارد کردن ضرایب رگرسیون (βاستاندارد) در آمار می­باشد.