به‎كارگيري سيستم چندعامله هوشمند در تصميم گيري با رويكرد مديريت دانش

Applying Multi-Agent Intelligent System to Decision Making with Knowledge Management Approach

امروزه تصميم گيران در سازمان نياز به بررسي دايم تغييرات در محيط و سازمان دارند و در صورت لزوم تغييرات لازم را ايجاد مي كنند. به‎همين دليل آگاهي از سازمان و محيط در امر تصميم گيري، حياتي است. مديريت دانش يك عامل اصلي براي مزيت رقابتي سازمان ها شمرده مي شود و سازمان ها سرمايه گذاري هاي كلاني در ايجاد پايگاه هاي دانش متمركز در جهت بهبود فرايند كسب وكار، ارتقاي توزيع دانش و نگهداري تجربه‎ها، حتي بعد از ترك كارمندان از سازمان انجام مي دهند. همچنين سازمان ها در تلاش براي يافتن ابزارهايي براي انجام فرايند مديريت دانش با سرعت و دقت بالا هستند. يكي از ابزارهايي كه در اين زمينه موثر و كارا بودن خود را اثبات كرده است، عامل هاي هوشمند است. در اين پژوهش، هدف ارايه يك زيرساخت از مديريت دانش با به‎كارگيري عامل هاي هوشمند است؛ به‎گونه اي كه همه جوانب مديريت دانش را در نظر بگيرد و موجب تسهيل در تصميم‎گيري هاي سازمان شود. شبيه سازي سيستم پيشنهادي در يك كارخانه توليد خودرو، بيانگر كارايي و موثر بودن آن در پشتيباني و بهبود تصميم گيري است.

Todays, decision makers in the organization need to constantly monitor changes in the environment and organization and make necessary changes. Therefore knowledge about the environment and organization is necessary in decision making. Knowledge management is a key factor for competitive business environment and organizations are investing heavily in creating centralized knowledge repositories to improve business processes, promoting knowledge sharing and retaining expertise even after employees have left the organization. Corporations also tend to look for systems to assist them in knowledge management with high speed and accuracy. One of the tools in this area has proven to be effective and efficient, is intelligent agent. The study aims to provide an infrastructure for knowledge management using intelligent agents in such that takes into consideration all aspects of knowledge management and also to overcome the challenges and weaknesses of other studies. Simulation of the proposed system in a car factory indicates that it is efficient and effective in supporting and improving decision making.