دانلود ترجمه مقاله مدل MCDM یکپارچه برای بهبود عملکرد عملیاتی و مالی شرکت – الزویر ۲۰۱۷

دانلود ترجمه مقاله مدل MCDM یکپارچه برای بهبود عملکرد عملیاتی و مالی شرکت – الزویر ۲۰۱۷:در این مطالعه، ما یک مدل محاسباتی نرم یکپارچه برای حل مسئله عملکرد عملیاتی و مالی شرکت هواپیمایی اراده کردیم. مدل ترکیبی ما به همراه روش‌های DRSA، DEMATEL، DANP و VIKORبرای رتبه بندی و تعیین عوامل عملیاتی و مالی مهم مورد استفاده قرار گرفت. این مدل رابطه و تأثیر بین عوامل بحرانی، وزت‌های اولویت بین آنها که بهترین شرکت هواپیمایی بود و نرخ شکاف برای عملکرد هواپیمایی کشف شد تا نقاط قوت و ضعف و جهت‌ها برای پیشرفت مشخص گردد. روش DRSA برای استخراج یازده معیار اساسی از پایگاه داده اصلی با ۲۲ معیار مورد استفاده قرار گرفت. آنالیز DEMATEL انجام گرفت تا نشان دهد که عوامل مالی به طور مستقیم تحت تأثیر عوامل خارجی مالی و عملیاتی داخلی و خارجی است. به بیان دیگر، عوامل قابل کنترل دالی مالی و عملیاتی داخلی، نقطه شروع برای پیشرفت را دربرمی‌گیرد.

مقاله انگلیسی+ترجمه فارسی

فهرست مقالات

چکیده

۱- مقدمه

۲- مرور آثار و منابع مرتبط

۲-۱ DEA و مدل‌های برنامه نویسی ریاضیاتی

۲٫۲ رویکردهای MCDM

۳- مدل پیشنهادی MCDM ترکیبی

۳-۱ روش DRSA

۳-۲ روش DEMATEL

۳-۳ فرآیند شبکه تحلیلی مبتنی بر DEMATEL

۳-۴ استفاده از روش اصلاح‌شده VIKOR برای پیدا کردن شکاف‌ تا سطح آسپیراسیون

۴- نمونه تجربی از یک مورد جهان واقعی عملکرد مالی و عملیاتی

۴-۱ سابقه و بیان مسئله

۴-۲ به دست آوردن متغیرهای اساسی تصمیم با استفاده از روش DRSA

۴-۳ استفاده از روش DEMATEL برای اندازه گیری روابط بین معیارها

۴-۴ استفاده از روش DANP برای به دست آوردن اوزان موثر معیارها

۴-۵ استفاده از روش VIKOR برای کشف شکاف‌ها تا سطوح آسپیراسیون

۵- نتایج و بحث

۶- نتیجه گیری

چکیده

توسعه روش‌های بهتر برای پیشرفت و بهبود عملکرد شرکت هواپیمایی، بسیار مهم است و حل این گونه مسائل، به خاطر وجود بسیاری از عوامل پیچیده که این مسئله را به یک موضوع تصمیم گیری چندمعیاره (MCDM) تبدیل می‌کند؛ دشوار است. در مطالعات پیش رو، عواملی که باید ارزیابی گردد، بر اساس مروری بر آثار مرتبط یا نظرات متخصصان امر، لحاظ گردیده است. این مطالعه، یک روش یکپارچه ارائه می‌دهد که داده کاوی و MCDM را برای استخراج عوامل اساسی برای بهبود عملکرد شرکت هواپیمایی ادغام می‌کند. ما از رویکرد مجموعه ناهموار مبتنی بر تسلط برای استخراج عوامل اساسی استفاده می‌کنیم.

سپس روش آزمایشگاه آزمون و ارزیابی تصمیم‌گیری با مفاهیم فرآیند شبکه تحلیلی (DANP) برای ساخت سیستم ارزیابی پیچیده مورد استفاده قرار می‌گیرد. در نهایت، روش VIKOR (بهینه سازی چندمعیاره و حل سازشی) برای انتخاب اهداف بهبود مناسب با وزن‌های مربوطه که توسط روش DANP ارائه می‌شود، مورد استفاده قرار می‌گیرد. نتایج نشان می‌دهد که مدل پیش رو، می‌تواند به عنوان پایه و اساس شاخص بهبود صنعت محک‌زنی شناخته شود که با اهداف برنامه‌ریزی معین برای ارزیابی هر شرکت هواپیمایی و به منظور رسیدن به کارایی مالی با بهبود کارایی عملیاتی مورد استفاده قرار می‌گیرد.

Abstract

The development of better methods for the improvement of airline performance is crucial, but this type of problem is difficult to solve because of the large number of complex factors involved making this inherently a multiple criteria decision making (MCDM) problem. In current studies, the factors to be evaluated are considered based upon a literature review or expert opinions. This study proposes an integrated model that combines data mining and MCDM to extract the critical factors for the improvement of airline performance. We apply the dominance-based rough set approach to extract the essential factors.

The decision-making trial and evaluation laboratory method with the concepts of the analytic network process (DANP) is then used to construct the complex evaluation system. Finally, the VIKOR (VlseKriterijumska Optimizacija I Kompromisno Resenje in Serbian, meaning multicriteria optimization and compromise solution) method is applied to select the suitable improvement alternative goals with the corresponding weights provided by the DANP method. The results show that the current model can be used as the basis for a benchmark industry improvement index which can be used to evaluate each airline individually with defined planning goals to achieve financial efficiency by improving operational efficiency.

نمونه ترجمه مقاله:دانلود ترجمه مقاله مدل MCDM یکپارچه 

1. مقدمه

ده سال گذشته شاهد نوسانات زیاد و تغییرات شدید در عملکرد مالی و عملیاتی شرکت‌های هواپیمایی بوده است که دلایل زیادی از جمله مسائل حاصل از مدیریت و قانون‌گذاران دولتی، ادغام شرکت، بازسازی و مداخلات مالی و تغییرات در بازار، داشته است.  برای مثال، تصمیمات نادرست مدیریت مالی و عملیاتی می‌تواند بر هزینه‌های داخلی تأثیر بگذارد و به موقعیت‌های با ریسک بالا ختم می‌شود و اگر به درستی با آن برخورد نشود می‌تواند به  اعلام ورشکستگی یا بستن شرکت هواپیمایی منتهی گردد. مدیران شرکت هواپیمایی باید از ابزار مفید برای شناسایی، تشخیص و ارزیابی عملکرد مالی و عملیاتی شرکت و رتبه بندی اهداف برای پیشرفت استفاده کنند. عملکرد کسب و کار شرکت هواپیمایی برای به حداکثر رساندن کارایی مالی، به خدمات مشتری و عملیات داخلی بستگی دارد. نحوه بهبود عملکرد عملیاتی و مالی و غلبه بر مشکلات، برای مدیران هواپیمایی یک چالش اساسی محسوب می‌شود. بهبود عملکرد عملیاتی و مالی یک شرکت هواپیمایی شامل یک فرآیند تصمیم‌گیری پیچیده است که نیاز به رویکردی ساختارمند دارد. اتخاذ چنین تصمیماتی مستلزم برخورد با تعداد زیادی معیار متناقض -که ممکن است به وضوح تعریف نشده باشد- در نظر گرفتن معیارهای مرتبط، ترکیب معیارهای کمی و کیفی با قضاوت‌های ذهنی است. تمام این عوامل، بهبود عملکرد شرکت هواپیمایی را به یک مسئله تصمیم‌گیری چندمعیاره (MCDM) تبدیل می‌کند. این ابعاد و معیارهای چندگانه، چندین محقق را برآن داشت تا به جستجو زمینه‌های دیگر برای یافتن روش‌های کمی پیشرفته بپردازند و رویکردهایی امکان‌پذیر را برای بهینه سازی عملکرد به کار ببندند. تصمیمات برای بهبود عملکرد مالی و عملیایی شرکت هواپیمایی، صرف نظر از اینکه این مسائل به واسطه عوامل داخلی (مانند درآمد خالص) یا خارجی (مانند هزینه و مصرف سوخت) ایجاد شده باشد، چالش‌های اساسی و غیرقابل اجتنابی هستند که باید برای باقی ماندن در صنعت حمل و نقل هوایی، توسط مدیریت حل و فصل شوند. هرگونه تغییر در معیارها برای کارایی عملیاتی می‌تواند به واکنش‌هایی ختم شود که به خاطر وجود ارتباط بین این معیارها، بر کارایی مالی تأثیر می‌گذارد.

فقط تعداد معدودی از مطالعات در این زمینه انجام شده است و به طور مستقیم یا غیر مستقیم به کارایی شرکت‌های هواپیمایی پرداخته است. برخی از آنها از روش‌های آماری استفاده کرده‌اند در حالی که مابقی برای برخورد با این مسئله، مدل‌های مبتنی بر تحلیل پوششی داده‌ها (DEA) را به کار بستند. برای مثال، Mallikarjun از DEA شبکه (NDEA)، Li و همکاران از DEA اندازه گیری مبتنی بر متغیرهای کمکی (SBM) استفاده کردند و  Tavassoli و همکاران روش SBM و NDEA را با هم ترکیب کردند. محدودیت اصلی مطالعات قبلی این بوده است که آنها  عمدتا بر داده‌های کمی گذشته تمرکز داشتند.