به‌كارگيري روش شبكه‌هاي عصبي مصنوعي خودسامانده اصلاح‌شده در تعيين سطح سرآمدي شركت‌هاي پتروشيمي كشور

Presenting a Hybrid ANN-MADM Method to Define Excellence Level of Iranian Petrochemical Companies

تعيين سطح تعالي (بلوغ) سازماني، ازجمله مسايل مهم مدل‌هاي تعالي سازماني است. تعيين سطح بلوغ شركت‌ها به آنها در شناخت جايگاه رقابتي كمك كرده و قابليت الگوبرداري را فراهم مي‌كند. يكي از مشخصه‌هاي بارز مدل‌هاي سرآمدي، تعيين بلوغ با رويكرد سليقه‌اي و قراردادي در اين مدل‌ها است. پژوهش حاضر، پيمايشي تك‎مقطعي در ميان شركت‌هاي پتروشيمي كشور ‌است كه از ابزار رويكردي ابتكاري شبكه‌هاي عصبي خودسامانده اصلاح‌شده، براي تعيين سطح سرآمدي مدل تعالي H3SE در صنايع پتروشيمي بهره‌گيري شده ‌است. امتياز رويكرد حاضر در قياس با رويكرد سنتي، استفاده از شاخص‌هاي فشردگي و فاصله ميان خوشه‌ها در طبقه‌بندي گزينه‌ها و همچنين لحاظ تاثير اوزان شاخص‌هاي مختلف در ارزيابي و طبقه‌بندي شركت‌ها است. بنابراين با استفاده از روش تركيبي، ابتدا شاخص‌ها در سناريو‌هاي مختلف خوشه‌بندي شدند. سپس تعداد بهينه خوشه‌ها با استفاده از شاخص‌هاي ميانگين مربعات خطا‌ها و ضريب تعيين، محاسبه شد. نتايج گوياي آنست كه با توجه به داده‌هاي فعلي، طبقه‎بندي گزينه‌هاي بررسي‎شده به دو خوشه، از اعتبار رياضي بالاتري برخوردار است. بنابراين روش حاضر با رويكردي رقابتي به ارزيابي و خوشه‌بندي شركت‌هاي مشاركت‎كننده در جوايز كيفيت مي‌پردازد.

Defining maturity level is one of the important elements of the excellence models. This approach helps companies to assess competitive positions and help them to benchmark from best practices. One of the significant features of excellence models is defining maturity level using subjective and conventional approach. Present research is a Cross-sectional Study among Iranian petrochemical companies. In this research a heuristic approach based on revised self-organized neural network was developed to define excellence level of H3SC Model in petrochemical industries. Applying compactness and distance among clusters in categorization, beside the impact of criteriaʹs weighting are some benefits of the proposed method compared to traditional methods. In this hybrid approach, criteria were clustered in different scenarios. Then optimum number of clusters was assessed using mean square error (MSE) and R2 criteria. The results indicate that given the current data, categorizing the studied options into two clusters is of higher mathematical validity. So the proposed method categorizes and evaluates companies participated in quality awards based on the competitive approach.