X
تبلیغات
رایتل
پنج‌شنبه 22 اسفند‌ماه سال 1387

ارزیابی چابکی سازمان با استفاده از منطق فازی

دکتر علی ملا حسینی
a_mollahoseini@yahoo.com
شهرزاد مصطفوی
Shahrzad.mostafavi@gmail.com

چکیده

تغییر، یکی از بزرگترین خصوصیات سازمانها و موسسات در حوزه رقابتی امروز است .چابکی توانایی سازمان برای تغییر است تا فرصتهایی را که براساس این تغییر ایجاد می‌شود مورد بهره برداری قرار دهد. سازمان چابک سازمانی است که می تواند تغییر کند و خود را با تغییرات محیطی همچون یک استراتژی پیروز مندانه وفق دهد؛ در حالی که تحقیقات زیادی در مورد اینکه چابکی چیست و چگونه سازمانها می توانند چابک باشند، انجام نشده است. ولی همیشه پاسخ به چنین سئوالاتی برای متخصصان و برای تئوری پردازان چابکی سازمانی بسیار حیاتی است .با این وجود متاسفانه کارهای کمی در مورد اندازه گیری چابکی سازمان انجام شده است‌. اندازه گیری شاخص برای برنامه ریزی استراتژیک و تعیین میزان چابکی کنونی سازمان و تعیین نیاز سازمان به چابکی و شناسایی این شکاف و ایجاد فرمولی برای پرکردن این ضعف ضروری است.محاسبه شاخص چابکی همان گونه که تعریف شده، بسیار مشکل است، زیرا باید در بطن تغییر این اندازه گیری انجام شود . بیشتر شاخصهای چابکی رویکردی گذشته‌گرا دارند‌. یک روش متفاوت برای اندازه گیری چابکی استفاده از پیچیدگی به عنوان یک شاخص جایگزین برای اندازه‌گیری چابکی است. بنابراین چون چابکی یک تغییر غیر قابل پیش‌بینی است این رویکرد دیگر مناسب نخواهد بود‌‌.اگر چه روش‌های دیگر اندازه گیری چابکی نیز این ضعف را دارند‌. در صورتی این مشکل حل می شود که اطلاعات کافی تجربی برای نشان دادن اینکه پیچیدگی با چابکی مشابه است در دسترس باشد و این محدودیت این روش است. اما منطق فازی روشی دیگر است که ابزار بسیار مناسبی برای تصمیم گیری در اختیار قرار می دهد . بنابراین مشروح این مقاله شاخص مناسبی برای اندازه گیری چابکی با روش منطق فازی که روش مطمئن تری است را بیان می‌دارد .

پنج‌شنبه 22 اسفند‌ماه سال 1387

منطق فازی

منطق فازی
ترجمه : نجمه مرشدلو
منطق فازی از تئوری مجموعه اعداد فازی(منطق بی نهایت مقداره-مترجم)مشتق میشود که نسبت به منطق کلاسیک(بولی یا 0و1- مترجم)به اندازه های تقریبی استدلال میکند(مثلا نه دقیقاً درست و نه دقیقاً غلط,نه کاملاً درست و نه کاملاً غلط,نه فقط 0 یا نه فقط 1).این تئوری به آن بعد منطق بی نهایت مقداره می اندیشد که به ارزیابی های خبره دنیای واقعی ,بسیار دقیق و برنامه ریزی شده,برای حل یک مشکل پیچیده دلالت میکند(یعنی برای حل یک مشکل پیچیده از استدلالهای تقریبی دنیای واقعی و استدلالهای تقریبی بشری _اما با تقریبهای بسیار دقیق و تعریف شده_الگو برداری میکند-مترجم).
درجات درستی اغلب با احتمالات اشتباه گرفته میشوند(به این معنا که میزان درستی که ما از یک چیز میپذیریم {مثلاً میگویند علی خوب است و شما نسبت به مفهومی که از خوب بودن برای خود تعریف کرده اید میگویید 0.8 خوب است و دوست شما معتقد است که او 0.3 خوب است!}با احتمال درست بودن چیزی{مثل زمانی که بگویند علی خوب است و چون شما شناخت دقیقی از وی ندارید میگویید احتمالا 0.8 خوب است}متفاوت است.اما مفهوم آن اشتباه شده است در حالت اول با اطمینان میگوییم که علی 0.8 خوب است و دوست شما 0.3 را قبول دارد

پنج‌شنبه 22 اسفند‌ماه سال 1387

تئوری منطق فازی

 ارایه کننده: محمد علیزاده  

بر خلاف آموزش سنتی در ریاضی، او منطق انسانی و زبان طبیعت را وارد ریاضی کرد. شاید بتوان با دو رنگ سیاه و سفید مثال بهتری ارائه داد. اگر در ریاضی، دو رنگ سیاه و سفید را صفر و یک تصور کنیم، منطق ریاضی، طیفی به جز این دو رنگ سفید و سیاه نمی بیند و نمی شناسد. 

ولی در مجموعه های نامعین منطق فازی، بین سیاه و سفید مجموعه ای از طیف های خاکستری هم لحاظ می شود و به این طریق فصل مشترک ساده ای بین انسان و کامپیوتر بوجود می آید

سه‌شنبه 20 اسفند‌ماه سال 1387

سیستمهای خبره در کتابخانه و محیط اطلاعاتی

نویسنده (گان) : ملیحه بیگی  

چکیده :

این مقاله به بررسی اجمالی سیستمهای خبره در کتابخانه و محیط اطلاع رسانی می پردازد. در ابتدا ماهیت سیستمهای خبره را بررسی کرده و سپس ضمن بحث در مورد کاربردهای سیستمهای خبره در کتابخانه سیر تاریخی آن را نیز بیان می کند.

سه‌شنبه 20 اسفند‌ماه سال 1387

Expert System in Real World Applications

Introduction

An expert system is a computer application that solves complicated problems that would otherwise require extensive human expertise. To do so, it simulates the human reasoning process by applying specific knowledge and interfaces. Expert systems also use human knowledge to solve problems that normally would require human intelligence. These expert systems represent the expertise knowledge as data or rules within the computer. These rules and data can be called upon when needed to solve problems. Books and manual guides have a tremendous amount of knowledge but a human has to read and interpret the knowledge for it to be used.

A system that uses human knowledge captured in a computer to solve problems that ordinarily require human expertise (Turban & Aronson, 2001).

A computer program designed to model the problem solving ability of a human expert (Durkin, 1994).

An intelligent computer program that uses knowledge and inference procedures to solve problems that was difficult enough to acquire significant human expertise for their solutions (Feigenbaum).

Expert systems typically have a number of several components. The knowledge base is the component that contains the knowledge obtained from the domain expert. Normally the way of representing knowledge is using rules. The inference engine is the component that manipulates the knowledge found in the knowledge base as needed to arrive at a result or solution. The user interface is the component that allows the user to query the system and receive the results of those queries. Many ES's also have an explanation facility which explains why a question was asked or how a result or solution was obtained.

There are several major application areas of expert system such as agriculture, education, environment, law manufacturing, medicine power systems etc. In this article we will review about agriculture, education, environment and medicine expert system.  These four applications widely use among the practitioners due to the maturity of the field by revealing the acceptance of the technology by the commercial sectors. 

سه‌شنبه 20 اسفند‌ماه سال 1387

سیستم های خبره(متخصص)

هوش مصنوعی:

هوش مصنوعی روشی است در جهت هوشمند کردن کامپیوتر تا قادر باشد در هر لحظه تصمیم گیری کرده و اقدام به بررسی یک مسئله نماید. هوش مصنوعی، کامپیوتر را قادر به تفکر می کند و روش آموختن انسان را تقلید می نماید. بنابراین اقدام به جذب اطلاعات جدید جهت بکارگیری مراحل بعدی می پردازد.

مغز انسان به بخش هایی تقسیم شده است که هر بخش وظیفه خاص خود را جدا از بقیه انجام می دهد. اختلال در کار یک بخش تاثیری در دیگر قسمت های مغز نخواهد گذاشت. در برنامه های هوش مصنوعی نیز این مسئله رعایت      می شود درحالی که در برنامه های غیر هوش مصنوعی مثل C یا Pascal تغییر در برنامه روی سایر قسمت های برنامه و اطلاعات تاثیر دارد.

مباحث کاربردی و مهم در تحقق یک سیستم هوش مصنوعی :

1-     سیستم های خبره(Expert Systems)

2-     شبکه های عصبی(Neural Network)

3-     الگوریتم های ژنتیک(Genetic Algorithms)

4-     سیستم های منطق فازی(Fuzzy Logic Systems)