طراحي سيستم استنتاج فازي ـ عصبي انطباقي براي ارزيابي استقرار سيستم هوشمندي كسب‎وكار در صنعت توليد نرم‌افزار

Designing an Adaptive Nuero-Fuzzy Inference System for Evaluating the Business Intelligence System Implementation in Software Industry

هدف اصلی پژوهش حاضر، طراحی سیستم استنتاج فازی ـ عصبی انطباقی برای ارزیابی استقرار سیستم هوشمندی كسب‎وكار است. این سیستم برای استفاده در سازمان‌های تولیدكنندۀ نرم‎افزار به‎منظور ارزیابی استقرار سیستم هوشمندی كسب‎وكار طراحی شده است. در ایران سازمان‌ها با مشكلات بسیاری در زمینۀ استقرار سیستم هوشمندی كسب‎وكار مواجه‎اند، این سیستم كمك خواهد كرد سازمان‎ها وضعیت موفق یا ناموفق‎ خود را با وارد كردن ورودی‌ها بسنجند و با تغییر ورودی‌ها، بار دیگر به محاسبۀ خروجی بپردازند و تحلیل كنند كدام ورودی در سازمان آنها بیشترین تأثیر را بر خروجی دارد و پس از برطرف‎كردن مشكلات در زمینۀ آن ورودی، به نتایج موفقیت‎آمیز دست یابند. این سیستم به‎كمك بخشی از داده‌ها، آموزش می‎بیند و پس از اعتبارسنجی، با خطای كمینۀ 08/0 طراحی شده است. پیشنهادهای پژوهش نشان می‎دهد چه حوزه‌هایی در شاخص‌های ارزیابی استقرار سیستم از اهمیت بیشتری در سازمان‌ها برخوردار است و به تمركز بیشتری بر فعالیت‌های بهبوددهنده نیاز دارد.

The main goal of research is designing an adaptive nuero-fuzzy inference system for evaluating the implementation of business intelligence systems in software industry. Iranian software development organizations have been facing a lot of problems in case of implementing business intelligence systems. This system would be helpful in recognizing the conditions and prerequisites of success or failure. Organizations can recalculate the neuro-fuzzy system outputs with some considerations on various inputs to figure out which inputs have the most effect on the implementation outputs. By resolving the problems on inputs, organizations can achieve a better level of implementation success. The designed system has been trained by a data set and afterwards, it has been evaluated. The trained system has reached the error value of 0.08. Eventually, some recommendations have been provided for software development firms on the areas that might need more considerations and improvements.