پژوهش های صورت گرفته نشان می دهد که مناطق با تراکم بالاتر نیاز به پشتیبانی از امکاناتی بیشتر و طیف وسیعتری از خدمات نسبت به مناطق با تراکم پایین (حومه شهرها) دارند.
محوطه های مسکونی شامل فضای بازی است که تنها محلی برای تفریح و سرگرمی غیر مستقیم را ارائه می دهد.

عدالت اجتماعی

پایداری اجتماعی

مجموعه ای با طراحی خوب و فضاهای باز با معنی که دارای خدمات اجتماعی در یک فاصله ساده پیاده روی باشد.
استقرار ساختارهای اجتماعی – فیزیکی مرتبط با سلسله مراتب دسترسی.
طراحی کالبدی در راستای منحصر به فرد بودن کالبد، واضح بودن، تضاد با محیط پیرامون، مقیاس، دیده شدن از دور دست و تنوع در منظر شهری می باشد.
یانگ سه عامل ضروری برای احساس تعلق به جامعه را عنوان می کنند که عبارتند از: طول مدت اقامت؛ مکانی با شخصیت و ویژگی خاص؛ ارائه حمایت.

احساس تعلق به محیط های مسکونی در دو زمینه هویت اجتماع محلی (مسایل اجتماعی مناطق مسکونی) و هویت مکان (ویژگی های کالبدی محیط) پرداخته می شود. تصویر ذهنی مطلوب داشتن از محیط به انسان احساس امنیت و آرامش می دهد که با تاثیر گذاری محیط کالبدی بر انسان حاصل می شود.

غرور و احساس تعلق به مکان

گره ها یا نقاط جمع کننده باعث می شود تا برخوردهای زیادی در آن صورت بگیرد.
نقاط مکث و نشستن در مرکزیت های کارکردی و ورودی ها.
فضاهای مشترک در حوزه نیمه خصوصی محیط مسکونی.
بهره گیری از فرم u شکل برای افزایش تعاملات
شدت تعامل به میزان ارتباط بین عناصر طراحی و الگوهای طرح بستگی دارد.

انسان از روزی که پا به عرصه هستی نهاد تمایل به زندگی اجتماعی و با هم زیستن را با خود به همراه داشت. بنابراین برای رسیدن به سطحی از کیفیت در زندگی، نیاز به برقراری تعامل در سطح جامعه است.

تعاملات اجتماعی

فضاهای عمومی و تعاملات اجتماعی:
فضاهای باز عمومی دارای بهترین خصوصیت برای ایجاد تعاملات اجتماعی گروه های اجتماعی و نیز کنترل محیطی است.
شرایط راحت و مناسب فضای خارجی توسط سازگاری با اقلیم.
مکانی مشخص، خوانا و به لحاظ کارکردی در دسترس عابرین
ایجاد فضای مکث و مکانی برای نشستن با تنوع و کیفیت بالای تاثیرات بافت، رنگ توده ها و طرح کاشت و گیاه کاری.

تعاملات اجتماعی

مجاورت کارکردی و تعاملات اجتماعی:
رابطه اجتماعی در فضا و زمان اتفاق می افتد. مجاورت می تواند علت شروع رابطه اجتماعی باشد، اما شرط کافی نیست.
قرارگیری والدین در کنار زمین بازی کودکان
مجاورت مکانی عاملی مهم در شکل گیری الگوهای تعامل افراد مسن است.

اتصال پرایمر ها

۶۰

۴۵ ثانیه

۳۵

گسترش

۷۲

۴۵ ثانیه

گسترش نهایی

۷۲

۱۰ دقیقه

۱

۳-۱۴- آنالیز آماری
برای مشخص کردن ارتباط ژنوتیپ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ SNP ناحیه پروموتری با خطر ابتلا به سرطان معده از نرم افزار آمارSPSS 22 آنالیز آماری ^۲χ و رگرسیون لجستیک استفاده شد.

فصل چهارم
نتایج
۴-۱- مشخصات جمعیت مورد مطالعه
مشخصات افراد مورد مطالعه، بر اساس پرسشنامه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ و پرونده پزشکی بیماران در جدول ۴-۱ مشاهده می‌شود. با توجه به اینکه گروه شاهد و بیمار از لحاظ جنس و سن (در محدوده ۵ سال) همسان سازی شده اند، اختلاف آماری معنی داری بین سن افراد سالم و بیمار در جمعیت A (102 =df ,575/0 =P , 563/0 =²χ) و B (102 =df , 923/0 =P ,736/0 =χ^۲) مشاهده نمی‌‌‌‌‌‌‌‌شود. در این مطالعه مقایسه گروه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ سنی ۵۰-۴۰ سال، ۷۰-۵۰ سال و ۹۰- ۷۰سال در گروه بیمار نشان می‌‌‌‌‌‌‌‌دهد که بیشترین میزان ابتلا به سرطان معده در گروه سنی ۷۰-۵۰ سال می‌‌‌‌‌‌‌‌باشد.
جدول۴-۱: مشخصات نمونه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های جمعیت A

مشخصات

گروه شاهد

گروه بیمار

تعداد

۵۲

۵۲

مرد

درصد وزنی

نوع محصول

Mn

Mn

۱۵/۶۵

۱۲/۲۳

۵۴

کنسانتره مغناطیسی

۸۵/۳۴

۵۲/۱۴

۴۶

باطله

۱۰۰

۱۶/۱۹

۱۰۰

متوسط (خوراک)

مطابق جدول۴-۹، عیار منگنز در کنسانتره، به ۱۲/۲۳ درصد رسیده، اما در این آزمایش هم­چنان مقدار قابل توجهی از منگنز به بخش باطله منتقل شده است به طوری که بازیابی وزنی منگنز در بخش باطله حدود ۳۵ درصد است.
این نتایج حاکی از آن است که جدایش مطلوبی بین کانی­های باارزش و گانگ نمونه رخ نداده است، می ­تواند به این دلیل باشد که حساسیت مغناطیسی کانی­های منگنزدار(منگانیت) و آهن­دار(هماتیت) به هم نزدیک است و تفاوت چندانی ندارند که توسط جداکننده­ی مغناطیسی شدت بالا از هم جدا شوند. از طرف دیگر به دلیل خردایش زیاد و رسیدن به درجه آزادی مناسب، نزدیک به ۳۰ درصد ذرات به زیر ۳۸میکرون می­رسند که این سبب می­ شود بخش زیادی از کانی­های منگنزدار به عنوان نرمه در باطله قرار بگیرند و از این رو کارایی جداکننده مغناطیسی کاهش یابد.
با مقایسه­ نتایج آزمایش­های پرعیارسازی به روش مغناطیسی، مشاهده می شود که نتایج آزمایش جداکننده­ی مغناطیسی به روش خشک مناسب­تر است. اما با توجه به این که محصولات به دست آمده از آزمایش میزلرزان، با آب همراه هستند بنابراین برای استفاده از جداکننده­ی مغناطیسی خشک به عنوان مرحله­ پرعیارسازی بعد از میزلرزان مستلزم به دستگاه خشک کن دوار است. که این امر موجب افزایش هزینه­ها و افزایش انرژی مصرفی خواهد شد.

۴-۵ نتایج آزمایش­های پرعیارسازی به روش فلوتاسیون
بخشی از نمونه معدن که حدود ۱۸ درصد وزنی آن است دارای ابعاد ریزتر از ۱۰۰ میکرون است. این محدوده ابعادی ۲۰ درصد کل منگنز نمونه را شامل می­ شود. شرایط آزمایش­ها با توجه به مطالعات گذشته و پس از انجام تعدادی آزمایش مقدماتی درنظر گرفته شده است.
۴-۵-۱ آزمایش اول
شناورسازی سیلیس(فلوتاسیون به روش معکوس)
محدوده­ ابعاد ذرات ۱۰۰- میکرون
شرایط آزمایش
کلکتور : آرماک تی(آمین) ۲۰۰گرم بر تن
بازداشت کننده آهن و منگنز: دکسترین زرد ۵۰۰ گرم بر تن
کف ساز: روغن کاج ۳قطره
زمان آماده سازی: ۵ دقیقه
زمان فلوتاسیون:۱۰ دقیقه
pH: 3/9
دور همزن ۱۵۰۰ دور بر دقیقه
مطابق این شرایط نتایج مطلوبی از شناورسازی سیلیس به دست نیامد.
۴-۵-۲ آزمایش دوم
شناور سازی مستقیم منگنز
محدوده­ ابعاد ذرات ۱۰۰- میکرون
شرایط آزمایش
کلکتور: اسید اولئیک ۳۲۰۰ گرم بر تن
کمک کلکتور: نفت ۱۰۰۰۰گرم بر تن
متفرق کننده و بازداشت کننده سیلیس: سیلیکات سدیم ۱۱۰۰۰ گرم بر تن
کف ساز: روغن کاج ۴ قطره
زمان آماده سازی: ۳ دقیقه
زمان فلوتاسیون: ۱۰ دقیقه
pH : 5/8
در این آزمایش، مقدار قابل ملاحظه ای از منگنز شناور نشد و نتیجه مطلوبی به همراه نداشت. به دلیل ساختار کانی منگانیت و قابلیت پایین شناور شدن، انتظار شناورسازی کانی­های منگنزدار به راحتی وجود ندارد. به دلیل حصول اطمینان از این مسئله ، بار دیگر آزمایش فلوتاسیون انجام شد، با این تفاوت که مقدار کلکتور افزایش یافته و در سه مرحله اضافه شد.
۴-۵-۳ آزمایش سوم

۵-۳-۱٫ مقایسه مدل سؤال اول و سؤال دوم ۱۰۲
۵-۳-۲٫ مقایسه مدل سؤال سوم و سؤال چهارم ۱۰۴
۵-۴٫ پیشنهادهای تحقیق ۱۰۵
۵-۴-۱٫ پیشنهادات کاربردی ۱۰۶
۵-۴-۲٫ پیشنهادات تحقیقات آتی ۱۰۶
۵-۵٫ محدودیتهای پژوهش ۱۰۶
منابع فارسی ۱۰۷
منابع انگلیسی ۱۱۰
فهرست نمودارها
عنوان صفحه
نمودار ۳-۱٫ مدل شبکه پرسپترون چند لایه ۷۷
نمودار ۳-۲٫ گام به گام مراحل انجام تحقیق ۸۳
نمودار ۴-۱٫ پیش بینی قیمت واقعی و پیش بینی شده ۹۷
نمودار ۴-۲٫ ضریب همبستگی شبکه عصبی ۹۸
فهرست جداول
عنوان صفحه
جدول ۲-۱ خلاصه نتیجه تحقیقات خارجی گذشته ۶۷
جدول ۲-۲ خلاصه نتاج تحقیقات گذشته خارجی ۷۱
جدول ۳-۱ الگوریتم مدل شبکه عصبی پیش‌خور ۷۷
جدول ۳-۲ معیارهای پیش بینی ۷۹
جدول ۳-۳ شبه کد کلونی زنبور عسل ۸۰
جدول ۴-۱ نام شرکتهای نمونه(یافته­های محقق) ۸۶
جدول ۴-۲ محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای داده‌های ترکیبی(یافته­های محقق) ۸۷

جدول ۴-۳ شبکه عصبی مدل اول آزمایشی با متغیرهای ترکیبی(یافته­های محقق) ۸۸
جدول ۴-۴ شبکه عصبی مدل اول کل داده‌ها با متغیرهای ترکیبی(یافته­های محقق) ۸۹
جدول ۴-۵ محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای داده‌های فنی (یافته­های محقق) ۹۰
جدول ۴-۶ شبکه عصبی مدل دوم داده‌های آزمایشی با متغیرهای فنی (یافته­های محقق) ۹۱
جدول ۴-۷ شبکه عصبی مدل دوم کل داده‌ها با متغیرهای فنی (یافته­های محقق) ۹۲
جدول ۴-۸ شبکه عصبی مدل سوم داده‌های آزمایشی با متغیرهای ترکیبی و اقتصادی (یافته­های محقق)
جدول ۴-۹ شبکه عصبی مدل سوم کل داده‌ها با متغیرهای ترکیبی و اقتصادی (یافته­های محقق) ۹۵
جدول ۴-۱۱ سطوح تنظیم پارامتر (یافته­های محقق) ۹۵
جدول ۴-۱۲ سناریو آزمایشی عاملی کامل (یافته­های محقق) ۹۶
جدول ۴-۱۳ شبکه عصبی کلونی زنبورعسل کل داده‌ها با متغیرهای ترکیبی (یافته­های محقق) ۹۷
جدول ۵-۱ مقایسه نتایج سؤال اول و دوم ۱۰۳
جدول ۵-۲ مقایسه مدل سوم و چهارم ۱۰۴
چکیده­
با توجه به تأثیر بازار بورس در تأمین مالی و توسعه کشور، یافتن روشی مناسب برای پیش‌بینی بازار سهام اهمیت بسیار دارد. در بورس اوراق بهادار حساسیت‌های زیادی نسبت به روند قیمت وجود دارد، این باعث شده تا تحولات مربوط به چنین پدیده‌ی مورد تحلیل منظم قرار گیرد. در سال‌های اخیر مدل‌های متفاوتی شبکه عصبی جهت پیش‌بینی قیمت سهام صورت گرفته است. برای آزمون سؤال‌های تحقیق از داده ­های مربوط به ۱۰ شرکت شیمیایی پذیرفته‌شده در بورس اوراق بهادار تهران به‌عنوان نمونه­ آماری و برای دوره­ زمانی ۱۳۹۳-۱۳۸۷ به روش شبکه عصبی با داده ­های ترکیبی شاخص بازار و مدل شبکه عصبی مبتنی بر کلونی زنبورعسل مورد تجزیه‌وتحلیل و مقایسه قرارگرفته است.
هدف این تحقیق که از بعد هدف از نوع کاربردی و از بعد روش توصیفی ست، پیش‌بینی قیمت سهام و ارائه یک مدل پویا و با خطای کمتر است، با متغیرهای ترکیبی تجزیه‌وتحلیل فنی و بنیادی و اقتصادی از شاخص بازار به روش شبکه عصبی در شرکت­های شیمیایی پذیرفته‌شده در بورس اوراق بهادار تهران است. نتایج این پژوهش نشان داده است، با داده ترکیبی متغیرهای تجزیه‌وتحلیل بنیادی بیشتر، ما آموزش بهتری را خواهیم داشت و نتایج بهتری را به دست می‌آوریم و خطای پیش‌بینی مینیمم می‌شود. همچنین استفاده از کلونی زنبورعسل به‌عنوان یک روش انتخاب ویژگی پوشش‌دهنده نقش مهمی در افزایش دقت و سرعت در اجرای تکنیک پیش‌بینی، حذف داده‌های غیر مرتبط و افزایش قابلیت فهم‌پذیری ایفا نمود و همچنین در مقایسه با شبکه عصبی با دادهای ترکیبی، کلونی زنبورعسل به‌عنوان یک روش پوشش‌دهنده در ترکیب با شبکه عصبی دقت پیش‌بینی بالاتری از خود نشان داد.
واژگان کلیدی: پیش‌بینی قیمت سهام، شبکه عصبی، دادهای ترکیبی، کلونی زنبورعسل
فصل اول:
کلیات تحقیق
مقدمه
رشد بورس اوراق بهادار تهران در سالهای­اخیر منجر به انجام تحقیقات تجربی مفیدی در رشته‌ مالی و حسابداری شده است. در این تحقیق، نیز برای کمک به پیشبرد ادبیات رشته حسابداری به بررسی عوامل تأثیرگذار ناشناخته ‌بر تغییرات قیمت سهام که همواره دلیلی برای روی آوردن به پیش‌بینی قیمت سهام شرکت‌هاست پرداخته می‌شود. امروزه مدیران مالی ترجیح می‌دهند مکانیزمی در اختیار داشته باشند که بتواند آن‌ها را در امور تصمیم‌گیری‌شان یاری نماید به همین دلیل توجه به روش‌های پیش‌بینی بسیار موردتوجه قرارگرفته است.
ازاین‌رو متخصصان بازار سرمایه، سالیان متمادی به مطالعه بازار و شناسایی الگوهای مختلف برای پیش‌بینی پرداخته‌اند که برای این امر ترکیبی از تشخیص الگو و تجربه‌ی مبتنی بر مشاهده روابط علّت و معلول را بکار بسته‌اند. همچنین برنامه‌های نرم‌افزاری بسیاری نیز وجود دارند که به این تصمیم‌گیری کمک می‌کند به‌عنوان موتور پیش‌بینی مورداستفاده قرار می‌گیرند. بااین‌وجود در روندهای مالی، اغلب شرایطی به وجود می‌آید که قوانین را به هم می‌ریزد پیش‌بینی را توسط روش‌های مذکور دشوار می‌سازد (آذر، افسر، ۱۳۸۵).
به این منظور پیش‌بینی قیمت سهام^[۱] را می‌توان مهم‌ترین مسئله دانست که سرمایه‌گذاران با آن مواجه هستند به‌طورکلی پیش‌بینی قیمت سهام با توجه به زمان محل و حجم سرمایه‌گذاری و عوامل و سایر متغیرهای مؤثر انجام می‌پذیرد در این راستا ابزار مختلفی ازجمله: روش‌های بنیادین، روش‌های تکنیکال، سری زمانی اریما^[۲] به کار گرفته‌شده‌اند؛ اما امروزه شبکه‌های عصبی‌های عصبی^[۳] و فازی توانسته‌اند از پیچیدگی‌های سری زمانی قیمت سهام را تجزیه‌وتحلیل نموده و طبق تحقیقات انجام‌شده برتری مدل‌های شبکه عصبی بر دیگر مدل‌ها اثبات‌شده است برخی تحقیقات به نتیجه مشترک رسیده‌اند که شبکه عصبی برای پیش‌بینی قیمت سهام دارای عملکرد بهتری نسبت به مدل‌های سنتی است (گالدون^[۴]، ۲۰۰۸) عده‌ای از محققان نیز بر این عقیده هستند که شبکه عصبی نتایج بهتری را نسبت به روش‌های اداری مانند رگرسیون و آنالیز ممیزی در پیش‌بینی قیمت سهام نشان می‌دهند (فن می لیو^[۵]، ۲۰۰۹).
نتایج تحقیق می‌تواند برای گروه‌های مختلف ازجمله مدیران و سهامداران مفید واقع شود. این پایان‌نامه به‌طورکلی از پنج فصل تشکیل‌شده است. در این فصل که کلیات تحقیق نام دارد به بیان مسئله‌ی تحقیق و ضرورت انجام آن می‌پردازد. سپس، مطالبی در خصوص اهداف، سؤالات و قلمرو تحقیق ارائه می‌شود. در پایان نیز، روش انجام تحقیق و تعریف واژه‌های اصلی تحقیق ارائه‌شده است.

۲-۲-۳-۲ انتخاب نهایی تامین کنندگان
این مرحله در کانون توجه نویسندگان و پژوهشگران در امر ارزیابی و انتخاب تامین کنندگان هست.
دی بوئر مدل‌های این بخش را از سه طریق دسته‌بندی کرده است[۱۰]:
۱)مدل‌های تک عاملی یا بسته‌ای در مقابل مدل‌های چندعاملی
۲)مدل‌های شامل موجودی مواد خریداری‌شده و مدل‌های آن
۳)تکنیک‌های بکار گرفته‌شده در مدل‌ها
مدل‌های تک عاملی مدل‌هایی هستند که برای هر محصول یا ماده اولیه یک مدل انتخاب ارائه می‌دهند و وابستگی اثرات متقابل میان مدیریت خرید محصولات گوناگون را نادیده می‌گیرند اما مدل‌های چندعاملی روابط و اثرات متقابل میان محصولات (یا بسته محصولات) را در نظر می‌گیرند.

به‌طوری‌که یک تامین کننده ممکن است تخفیف‌های زیادی را برای حجم بالای خرید محصولات بدون توجه به ترکیب آن‌ها ارائه دهد. یا هزینه سفارش از طریق ادغام سفارش‌های خرید می‌تواند کاهش یابد.
بیشتر مدل‌های ارائه‌شده در بحث انتخاب تامین کنندگان مدیریت موجودی مواد خریداری‌شده را موردتوجه قرار نداده‌اند . اما به‌سادگی نمی‌توان از اثرات متقابل سیاست‌های خرید و مدیریت موجودی چشم‌پوشی کرد.
به‌طور مثال اگر برای یک محصول نیاز به سفارش‌های خرید متفاوت باشد یک تامین کننده باقیمت پایه بالا ولی هزینه سفارش پایین مناسب‌تر از یک تامین کننده باقیمت پایه پایین و هزینه سفارش بالا هست
۲-۲-۳-۲ تکنیک‌های انتخاب نهایی تامین کنندگان
۲-۲-۳-۲-۱ مدل‌های وزن دهی خطی
در مدل‌های وزن دهی خطی، به هر یک از معیارها یک وزن داده می‌شود که وزن هر معیار نشان‌دهنده اهمیت آن معیار هست . در مرحله بعد هر یک از تامین کنندگان نسبت به هر یک از معیارها وزن می‌گیرند. سپس وزن معیارها در وزن ضرب شده و بعد این وزن‌ها ترکیب می‌روند و وزن نهایی تامین کنندگان به دست می‌آیند.گراندو^[۱۵] و سیانی^[۱۶] یک مدل غیر جبرانی وزن دهی ارائه دادند. مدل آن‌ها وزن محلی تامین کنندگان را در غالب یک وزن نهایی ترکیب می‌کرد.اما مدل مزبور برای اجرا در موارد واقعی با اشکال همراه بود . لذا گریگوری^[۱۷] برای رفع اشکال فوق پیشنهاد داد که سفارش‌های خرید را باید بین دو تامین کننده‌ای که دارای بیشترین وزن باشد تقسیم کرد.
بسیاری از مقالات به بحث در مورد عدم اطمینان درزمینه وزن دهی پرداخته‌اند سوکوپ^[۱۸] یک مدل مبتنی بر شبیه‌سازی برای در نظر گرفتن عدم اطمینان درزمینه وزن دهی ارائه کرده است.برخی دیگر از مقالات نیز به‌طور اختصاصی به بحث درباره عدم دقت و درستی مکانیزم های وزن دهی پرداخته‌اند.
باربارا^[۱۹] در سال ۱۹۹۷و ناریشمان^[۲۰] ۱۹۸۳،[۱۴] ماسل^[۲۱] ۲۰۰۰، با به‌کارگیری مدل تحلیل سلسله مراتبی به وزن دهی تامین کنندگان پرداخته‌اند.
همچنین سارکیس^[۲۲] در سال ۲۰۰۰، مدل تحلیل شبکه‌ای را درزمینه وزن دهی تامین کنندگان بکار گرفته است.
۲-۲-۳-۲-۲ مدل‌های مبتنی بر هزینه کل مالکیت:
این مدل‌ها درصدد شناسایی کلی هزینه‌های کمی مربوط به انتخاب تامین کنندگان در چرخه حیات مواد خریداری‌شده می‌باشند .الرام^[۲۳] هزینه‌ها را در قالب سه دسته زیر طبقه‌بندی کرد:
۱)قبل از قرارداد خرید
۲)حین قرارداد خرید
۳)بعد از قرارداد خرید
از مدل‌های این دسته می‌توان به مدل اسمیلک^[۲۴] اشاره کرد.اسمیلک.با ترکیب هزینه کل و یک سیستم رتبه‌بندی برای معیارهایی همچون هزینه تحویل و کیفیت یک مدل برای رتبه‌بندی و انتخاب تامین کنندگان ارائه داد.
۲-۲-۳-۲-۳ مدل برنامه‌ریزی ریاضی
مدل‌های برنامه‌ریزی ریاضی با فرموله کردن شرایط تصمیم در قالب یک تابع هدف که باید اکسترمم گردد به همراه قیود مساله، مدل‌های عینی‌تری نسبت به روش‌های وزن دهی خطی می‌باشند.مدل‌های برنامه‌ریزی ریاضی، بیشتر عوامل و فاکتورهای کمی را در نظر می‌گیرند. نکته اساسی در مدل‌های ارائه‌شده در این زمینه، این است که در تمامی این مدل‌ها شرایط از قبل تعیین‌شده‌ای برای فاکتورهایی همچون قیمت و سطوح کیفیت، خدمات و … تعیین می‌شود.به‌طور مثال در کارهای سادریان^[۲۵] ۱۹۹۴،و قدسی پور ۱۹۹۸[۱۵] سطح مطلوب برای کیفیت و تقاضا تعیین‌شده است.
کارنت^[۲۶] با به‌کارگیری برنامه‌ریزی چندهدفه یک مدل تصمیم‌یار درزمینه تصمیمات مربوط به خرید ارائه داد و همچنین وبر نیز با ارائه یک مدل تحلیل پوششی داده‌ها به ارزیابی و انتخاب تامین کنندگان پرداخته است.
وبر در سال ۲۰۰۰وکارپاک^[۲۷] در سال ۹۹ نیز با ارائه یک مدل برنامه‌ریزی آرمانی هزینه‌های انتخاب تامین کنندگان را مینیمم و کیفیت خدمات و محصول را در انتخاب محصول بیشینه کردند دگراو^[۲۸] نیز مدیریت موجودی کالا و تصمیمات مربوط به خرید و اثرات متقابل آن‌ها را در قالب یک مدل برنامه‌ریزی ریاضی در نظر گرفت.
۲-۲-۳-۲-۴ مدل‌های آماری:
مدل‌های آماری برای پرداختن به تصادفی بودن و عدم اطمینان مربوط به متغییرهای تصمیم در فرایند انتخاب تامین کنندگان به وجود آمده‌اند،بسیاری از موارد در انتخاب تامین کنندگان نظیر تقاضای محصول متغیرهای تصادفی هستند و مقدار دقیق آن‌ها مشخص نیست[۱۰].
۲-۳- کاربرد منطق فازی در ارزیابی و انتخاب تامین کنندگان:
پیشینه تحقیق درزمینه به‌کارگیری منطق فازی در ارزیابی و انتخاب تامین کنندگان غنی هست و عمده پژوهش‌های انجام‌گرفته درزمینه به‌کارگیری تکنیک‌های تصمیم‌گیری چند معیاره و تصمیم‌گیری چندهدفه در بستر فازی می‌باشند، که مهم‌ترین این تکنیک‌ها می‌توان به مواردی همچون تحلیل سلسله مراتبی فازی، تکنیک تاپسیس فازی و تکنیک برنامه‌ریزی فازی آرمانی اشاره کرد.
از عمده‌ترین این پژوهش­ها که در این تحقیق مورداستفاده قرار گرفته‌اند می‌توان موارد زیر را ذکر کرد.
۲-۳-۱ قدسی­پور و ابراین با طراحی یک مدل برنامه‌ریزی چندهدفه خطی فازی به ارزیابی و انتخاب تامین کنندگان پرداخته‌اند.آن‌ها با در نظر گرفتن اهدافی همچون کمینه کردن قیمت.،زمان تاخیر، و بیشینه‌سازی کیفیت و خدمات پس از تحویل و در نظر گرفتن محدودیت‌هایی همچون مقدار تقاضا و ظرفیت هر تامین کننده، مقدار خرید از هر تامین کننده را به دست آورده‌اند.[۱۶]
۲-۳-۲ فلیکس^[۲۹] و کومار^[۳۰] با طراحی یک ساختار سلسله مراتبی فازی، به ارزیابی و انتخاب تامین کنندگان در محیط بین‌المللی پرداختند. آن‌ها با افزودن عواملی همچون ریسک ارز، ریسک سیاسی، تعرفه‌های گمرکی و … به همراه فاکتورهایی همچون قیمت، کیفیت، خدمات و روابط، به ارزیابی تامین کنندگان خارجی سازمان پرداخته‌اند. روش فازی مورداستفاده در این تحقیق، روش تحلیل توسعه‌ای چانگ هست[۱۷].
۲-۳-۳- وی جون^[۳۱] و زیمینگ^[۳۲] نیز با طراحی یک مدل دومرحله‌ای، به ارزیابی و انتخاب تامین کنندگان با در نظر گرفتن نرخ تخفیف پرداخته‌اند. در این روش ابتدا با بهره گرفتن از روش تحلیل سلسله مراتبی، مطلوبیت نهایی هر تامین کننده به دست می‌آید. سپس در مرحله بعد، با بهره گرفتن از یک مدل برنامه‌ریزی خطی فازی، سبد خرید بهینه شرکت به دست می‌آید. چن و دیگران نیز با طراحی یک مدل تصمیم‌گیری چند معیاره فازی و با بهره گرفتن از روش تاپسیس فازی، به ارزیابی و رتبه‌بندی تامین کنندگان پرداخته‌اند. عمید و دیگران با بهره گرفتن از روش برنامه‌ریزی خطی چندهدفه، یک مدل فازی برای انتخاب تامین کنندگان ارائه دادند.[۱۸]
۲-۳-۴-چن^[۳۳] و چینگ^[۳۴] در سال ۲۰۰۶ نیز با طراحی یک مدل تصمیم‌گیری چند معیاره فازی با بهره گرفتن از تکنیک تاپسیس فازی به ارزیابی و رتبه‌بندی تامین کنندگان پرداخته‌اند[۱۹].
۲-۳-۱- منطق فازی^[۳۵]:
پیچیدگی تحلیل رفتارهای اجتماعی، طبیعی و انسانی همواره ریشه در طبیعت ناسازگار مفاهیمی چون ذهنی و عینی، دقت و عدم دقت، سادگی و پیچیدگی، اطمینان و عدم اطمینان دارد. تلاش برای تحلیل پیچیدگی، عدم اطمینان، عدم دقت و ذهنی بودن سیستم‌های اجتماعی همواره منجر به راه‌ حل ‌های رضایت‌بخش شده است.اگرچه در شرایط عدم اطمینان و تصادفی بودن، مدل‌های ریاضی و تصادفی با موقعیت در شبیه‌سازی رفتارهای انسانی و اجتماعی به کار گرفته می‌روند، اما این مدل‌ها قادر به تشریح واقعیت به‌طور کامل نیستند.
در مواجهه با ناهنجاری‌ها و پیچیدگی سیستم‌های انسانی و اجتماعی،سیستم‌های جاری بسیار غیر منعطف و ساده رفتار می‌کنند دانش ریاضیات معمولی قادر به تشریح رفتار انسانی نمی‌باشد.به‌عبارت‌دیگر یک مدل مناسب اجرایی مبتنی بر دانش ریاضیات جاری برای تشریح تبدیل و کنترل سیستم‌های انسانی و اجتماعی وجود ندارد.
در حقیقت مواجهه با سیستم‌های انسانی، مدل‌های ریاضی با شرایطی روبرو می‌روند که دقیق نمی‌باشند. به‌عبارت‌دیگر، این موقعیت‌ها فازی می‌باشند. بسیاری از واژه‌ها نظیر توسعه، مطلوبیت، بهینه‌سازی و امثال آن‌ها ماهیت فازی دارند. این مفاهیم که معمول نادقیق و غیرقطعی می‌باشند، نقش مهمی در رفتارهای انسانی دارا می‌باشند.
در حال حاضر دانشمندان علوم طبیعی و اجتماعی بر این باورند که سیستم‌های اجتماعی می‌توانند به‌وسیله ریاضیات جدیدی به‌طور موثر تشریح شوند.
به‌عبارت‌دیگر، یک دانش ریاضیات جدید می‌تواند عدم دقت و ابهام را با یک روش منطقی موردتوجه قرار دهد. به همین خاطر دانش ریاضیات جدید، یعنی ریاضیات فازی به‌طور فزاینده ای موردتوجه قرارگرفته است. ]۲۰[
منطق فازی عبارت است از استدلال با مجموعه‌های فازی، مجموعه‌ای فازی توسط ماکس بلک و لطفی زاده ارائه گردید.ابتدا در سال ۱۹۳۷ ماکس بلک مقاله‌ای راجع به آنالیز منطق به نام ابهام را در مجله علم منتشر کرد. سپس در سال ۱۹۶۵ لطفی زاده مقاله‌ای تحت عنوان مجموعه‌های فازی منتشر ساخت در این مقاله او از منطق چند مقداری لولایه ویچ برای مجموعه‌ها استفاده کرد.
او نام فازی را برای این مجموعه در نظر گرفت، منطق فازی را از منطق دودویی دور سازد. او لغت فازی را انتخاب کرد تا همچون خاری در چشم علم مدرن فرورود. منطق فازی یک منطق چند ارزشی است. در این منطق به‌جای درست یا نادرست، سیاه یا سفید،صفر یا یک، سایه‌های نامحدودی از خاکستری بین سیاه‌وسفید وجود دارد.تمایز عمده منطق فازی با منطق چند ارزشی آن است که در منطق فازی حقیقت و یا حتی ذات مطالب هم می‌تواند نادقیق باشد.در منطق فازی مجاز به بیان جملاتی از قبیل “کاملا درست است” یا هستیم و حتی می‌توان از احتمال نادقیق مثل “تقریبا غیرممکن"، “به میزان"، “به‌ندرت” نیز استفاده کرد.بدین ترتیب منطق فازی نظام کاملا منعطفی را در اختیار زبان طبیعی قرار می‌دهد.
منطق فازی نظریه گسترده‌ای است که نظریه مجموعه‌های فازی، منطق فازی و غیره را در برمی‌گیرد.نظریه مجموعه‌های فازی توسط نظریه مجموعه‌های معمولی است.
منطق فازی نیز توسعه منطق دودویی است فازی بودن همان‌طور که در منطق فازی به کار می‌رود به انواع مختلف ابهام و عدم اطمینان بخصوص به ابهامات مربوط به زبان بیانی و طرز تفکر بشر اشاره دارد و با عدم اطمینان که توسط نظریه احتمال بیان می‌شود متفاوت است.
از سوی دیگر معیار سنجش کلماتی همچون زیبا یا جوان به دیدگاه شخصی فردی بستگی دارد که آن‌ها را داوری می‌کند و لذا ما نمی‌توانیم با انجام آزمون‌های بی‌پایان یک قاعده اکید برای قضاوت آن‌ها وضع کنیم. منطق فازی می‌تواند ریاضی‌وار با این ابهامات برخورد کند[۲۱].
۲-۳-۲- مقدمه‌ای بر فرایند تحلیل سلسله مراتبی فازی
فرایند تحلیل سلسله مراتبی، یکی از معروف­ترین فنون تصمیم‌گیری چند شاخصه است که توسط ساعتی معرفی‌شده است. این روش هنگامی‌که عمل تصمیم‌گیری با چند گزینه و شاخص تصمیم‌گیری روبرو است، می‌تواند مفید باشد. اگرچه افراد خبره از شایستگی‌ها و توانایی‌های ذهنی خود برای انجام مقایسات استفاده می‌نمایند، اما باید به این نکته توجه داشت که فرایند تحلیل سلسله مراتبی سنتی، امکان انعکاس سبک تفکر انسانی را به‌طور کامل ندارد. به عبارت بهتر، استفاده از مجموعه‌های فازی، سازگاری بیشتری با توضیحات زبانی و بعضاً مبهم انسانی دارد و بنابراین بهتر است که با بهره گرفتن از مجموعه‌های فازی (به‌کارگیری اعداد فازی) به‌پیش بینی بلندمدت و تصمیم‌گیری در دنیای واقعی پرداخت. در سال ۱۹۸۳ دو محقق هلندی به نام‌های لار هورن و پدریک روشی را برای فرایند تحلیل سلسله مراتبی فازی پیشنهاد نمودند که بر اساس روش حداقل مجذورات لگاریتمی بنانهاده شده بود. پیچیدگی مراحل این روش باعث شده این روش چندان مورداستفاده قرار نگیرد. در سال ۱۹۹۶ روش دیگری تحت عنوان روش تحلیل توسعه‌ای توسط چانگ ارائه گردید. اعداد مورداستفاده در این روش، اعداد مثلثی فازی هستند. مقیاس‌های فازی مورداستفاده درروش فرایند تحلیل سلسله مراتبی فازی در جدول (۳-۱) نشان داده‌شده‌اند.
یکی دیگر از روش‌های مشهور که به‌طور گسترده‌ای برای حل مسائل تصمیم‌گیری چند معیاره استفاده می‌شود، تاپسیس فازی است که برای اولین بار توسط چن و هونگ در سال ۱۹۹۲ ابداع شد[۲۲]. در این مدل وزن‌ها و ماتریس تصمیم‌گیری به‌صورت اعداد فازی تعریف می‌روند و همانند تاپسیس کلاسیک بر اساس فاصله از ایده آل مثبت و منفی رتبه‌بندی می‌کند. در تحقیقات بسیاری چون کاراکا^[۳۶] و ارتو^[۳۷] در سال ۲۰۰۷ و آسکونیس^[۳۸] و کلمنسیس^[۳۹] در سال ۲۰۱۰ از این روش بهره گرفته‌شده است.
در تحقیقات مختلف، روش ادغامی AHP و TOPSIS به این صورت است که ابتدا وزن معیارها و زیر معیارها به کمک روش AHP محاسبه می‌شود و از این وزن‌ها درروش تاپسیس به‌منظور رتبه‌بندی گزینه‌ها بهره‌گیری می‌شود در تحقیقاتی چون از این روش استفاده نموده‌اند[۲۳-۲۷]. اکثر مدل‌های تاپسیس فازی، ساختار سلسله مراتبی موجود در مسائل چند معیاره (مزیت اصلی AHP) را در نظر نمی‌گیرند.
پس از جمع‌ آوری معیارهای اصلی و فرعی و تشکیل ساختار سلسله مراتبی از معیارها، از روش تاپسیس توسعه‌یافته شده که در کتاب کهرمان [۲۸] ومقاله ونگ [۲۹]، تاپسیس سلسله مراتبی در محیط فازی نامیده شده‌اند، برای رتبه‌بندی گزینه‌ها استفاده می‌شود.
فصل سوم:روش پژوهش