وبلاگ

امروزه حوزه کاربرد فناوری اطلاعات تقریبا به تمامی جنبه­ های زندگی انسان سایه کشیده شده است. سازمان­های تجاری نیز از این قاعده مستثنی نبوده و خصوصا در دو سه دهه­ اخیر، سازمان­های مختلف از بزرگ و کوچک در جهت نیل به اهداف استراتژیک خود از فناوری اطلاعات بهره کافی برده­اند. سیر تکامل فناوری اطلاعات در سازمان­ها را تا به امروز می­توان به سه دوره تفکیک نمود: سیستم­ها پردازش اطلاعات (DP)، سیستم­های مدیریت اطلاعات (MS) و سیستم­های اطلاعاتی راهبردی (SIS) که دو مورد اول در حقیقت زیرمجموعه ­ای از مورد سوم می­باشند. سیستم­های اطلاعاتی راهبردی به آن دسته سیستم­هایی اطلاق می­ شود که بر کاربرد سیستم­های اطلاعاتی و فناوری اطلاعات در فرایند مدیریت راهبردی در سازمان­های تجاری متمرکزند. هدف این سیستم­ها کمک به سازمان­ها به منظور تحقق اهداف رقابتی یا سایر هدف­های راهبردی آن­ها و در کل ارتقا، پیشبرد و بهبود سازمان­ها می­باشد. بنابراین یک سیستم اطلاعاتی در صورتی استراتژیک خواهد بود که در راستای اهداف کلان و استراتژی­ های سازمان ایجاد شده باشد[56]. این استراتژی­ها سازمان سمت و سوی حرکت سازمان را (با توجه به چشم­انداز کلی آن) تعیین نموده و سازمان را در راستای حرکت از وضع موجود به وضع مطلوب یاری می کنند [1].

برای حرکت به سمت وضعیت موردنظر و حتی پیش از آن برای برنامه ­ریزی به­منظور شروع این حرکت، بیش از هر چیز ترسیم وضعیت موردانتظار ضروری به نظر می­رسد و برای ترسیم این وضعیت­، یکی از روش­های مرسوم، استفاده از طرح­ریزی سناریو محور[1] است، بدین معنا که با ترسیم برخی حالت­های محتمل برای آینده سازمان، ضمن چاره­جویی برای مواجهه با هر یک از آن حالات، برترین حالت را به عنوان وضعیت ایده­آل درنظر بگیریم. پژوهش­های بسیاری که در طی سالیان اخیر در این خصوص صورت پذیرفته، ثابت کرده است که می­توان آینده یک سازمان را با توجه به ساختار و نحوه عملکرد هر یک از اجزای آن شکل داد و در واقع به جای موضع واکنشی، از یک موضع سازنده برای مواجهه با چالش­های پیش روی سازمان در مسیر نیل به منظر برازنده بهره جست.

اما ترسیم یک منظر برازنده برای سازمان آنقدرها که شاید در نگاه اول به نظر برسد، ساده نیست. بلکه ترسیم آن نیازمند اجماع طیف وسیعی از دانش­ها از حوزه های گوناگون اعم از مدیریت استراتژیک، آینده­پژوهی، هدف­گذاری، سناریوسازی و غیره است که بایست به منظور طراحی یک آینده مطلوب برای سازمان به صورت همزمان و همروند مدنظر قرار گرفته و در انجام محاسبات و تجزیه تحلیل داده ­ها جهت تدوین استراتژی­ های و تعیین اهداف کلان سازمان به طور مناسب و متناسب با اهمیتشان منظور شوند. شاید انجام چنین محاسبات پیچیده و کلانی که در آن بایست به عوامل بسیار بسیار زیاد، متنوع، متغیر، نامتجانس و از دامنه ­های گوناگون توجه شود، در اکثر موارد و خصوصا در مورد سازمان­های بزرگ و دارای ساختار و ساز و کار پیچیده از حد توان ذهنی بشر خارج باشد، لذا در دهه ­های اخیر و با پیدایش و گسترش حوزه­ جدیدی در علوم کامپیوتر تحت عنوان هوش مصنوعی، ایده­ هایی در به­ کارگیری این شاخه از دانش در انجام محاسبات فوق الذکر مطرح شده و مورد بررسی قرار گرفته ­اند[55]و]59[.

سیستم­های چندعاملی[2] یکی از زیرمجموعه ­های این حوزه است که هدف اصلی آن حل مسائلی است که به دلایلی از قبیل پیچیدگی مسئله، یا در دسترس نبودن کامل محیط موردنظر، یا عدم قطعیت موجود در سیستم و یا دلایل دیگری از این قبیل، توسط یک عامل منفرد (دست کم به سادگی و در زمان قابل قبول) قابل حل نیستند. عامل­ها، به عنوان یکی از اجرای اصلی سیستم­های چندعاملی، موجودیت­هایی مستقل، خودمختار، هدفمند، با قابلیت­های معمولا قوی در برقراری ارتباط با سایر عامل­ها و نیز قابلیت تعامل اجتماعی می باشند که دارای یک واحد تصمیم­گیر مجزای داخلی هستند که آن عامل را در جهت رسیدن هر چه سریع­تر و بهتر به اهداف طراحی مدنظر طراح عامل یاری می­ کند. همچنین معمولا عامل­ها از سطحی از هوشمندی برخوردارند که گرچه در مورد هر عامل منفرد ممکن است قابل توجه نباشد، ولی در کل سیستم را به طرز محسوسی در تحقق هدف کلی آن یاری خواهد کرد. مجموع اهداف عامل­ها به گونه­ ایست که یک هدف کلی و نهایی را برای سیستم تأمین می­ کند و این اهداف خرد مسلما نبایست با هدف کلی سیستم متناقض باشند.

در این پژوهش قصد داریم به کمک عامل­های هوشمند، راهکاری به منظور ترسیم وضعیت موردانتظار سازمان توسط سیستم­های چندعاملی ارائه کنیم.

2-1- تعریف مسئله

از دهه­ 1980 در علم مدیریت، نگرش مبتنی بر ویژگی­های فردی و رفتاری رهبر، جای خود را به تعیین یک چشم­انداز جامع و دقیق از سوی رهبران رده بالای سازمان داد. این جایگزینی به خصوص برای سازمان­هایی که مکررا دستخوش تغییر هستند، بسیار حائز اهمیت بود. بنابراین چشم­انداز سازمان که تا آن زمان بیشتر جنبه­ تشریفاتی و شعارگونه داشت، به تدریج در علم رهبری[3] از اهمیت و جایگاه ویژه­ای برخوردار شد که می­توانست به عنوان ابزار تأثیرگذاری در دست رهبر سازمان مورد استفاده قرار گیرد. علاوه بر آن وجود یک چشم­انداز مشترک[4] در میان اعضای سازمان، می ­تواند به هماهنگی بهتر اعضا در راستای تحقق اهداف سازمان و ایجاد یک مزیت رقابتی در مقایسه با سازمان­های فاقد اینگونه چشم­اندازها، منجر شود. بسیاری از محققین در حوزه رهبری، داشتن چشم­انداز مناسب را برای رهبری اثربخش بسیار ضروری دانسته و آن را لازمه­ی پیاده­سازی استراتژی­ها در سازمان و از ابزار مدیریت استراتژیک می­دانند. چشم­انداز در حقیقت منظر برازنده­ی[5] سازمان را در یک افق معمولا درازمدت ترسیم می­ کند و سازمان را در گذر زمان به سوی این آینده پیش­رو رهنمون می­ شود. چشم­انداز خود می ­تواند دارای سطوح و مراحل متفاوتی باشد که هر مرحله بیانگر یک وضعیت ایده­آل برای سازمان در یک برهه زمانی مشخص است. اما چگونگی طراحی این وضعیت­ها نیازمند داشتن دانشی وسیع در حوزه هایی متفاوت و متنوع است که شاید از حیطه توانایی­های یک فرد یا حتی یک گروه از مدیران خارج باشد، لذا نیاز به ایجاد ابزار و راهکارهای منسجمی به منظور انجام این مهم در سازمان­ها امروزه و با توجه به حرکت سازمان­ها به سوی استفاده راهبردی از اطلاعات،­ بیش از هر زمان دیگری احساس میشود.

مفهوم سیستم­های چندعاملی که در یکی دو دهه­ گذشته به طرز چشم­گیری گسترش یافته و در شاخه­های مختلف علوم و فنون رسوخ کرده است، به عنوان ابزار مناسب و قدرتمندی در مدل­سازی سیستم­های اجتماعی به کار گرفته شده و کارایی خود را در شبیه­سازی این دسته از سیستم­ها به اثبات رسانیده است. بنابراین ما در این پایان نامه برآنیم تا به کمک سیستم­های چندعاملی و مفهوم عامل­های هوشمند، و از طریق وارد نمودن مفاهیمی همچون آینده پژوهی[6]، طرح­ریزی سناریو[7]، تنظیم هدف[8] و غیره، وضعیت موردانتظار سازمان را در یک سیستم اطلاعاتی استراتژیک به نحو بهینه و با درنظر گرفتن فاکتورها و متغیرهای مختلف درون و برون­سازمانی، طراحی و ارائه کنیم. نتایج این پژوهش می ­تواند به مدیران رده­بالای سازمان در تصمیم­ گیری­ های مهم و کلیدی و ترسیم استراتژی­ های موردنیاز کمک شایانی نماید.

اما برای شرح صورت مسئله ابتدا بایست به بررسی مختصر مدلی بپردازیم که توسط اکبرپور و همکاران ارائه شده]1[ و یک سیستم اطلاعاتی استراتژیک را به کمک مفاهیم مطروحه در سیستم­های چندعاملی و با بهره گرفتن از عامل­های هوشمند مدل نموده است (شکل ‏1‑1).

در این معماری، عناصر سیستم اطلاعاتی راهبردی سازمان در قالب عامل­هایی با ویژگی­های خاص خود، مدل شده ­اند (هر یک از باکس­های خاکستری رنگ نشانگر یک عامل هوشمند در این معماری می­باشد) و هر یک وظایف مشخص و متمایزی را برعهده دارند.

عامل شماره 1 با توجه به تحلیل نیازمندی­های ذینفعان سازمان، اهداف کلی را مشخص می­ کند. خروجی دریافتی از کاربران سیستم میتواند به عنوان پارامتر­های مؤثر در تعیین هدف صحیح برای کل سازمان مورد استفاده قرار گیرد.

عامل شماره 2 مسئول رصد کردن محیط سیستم است. از آنجایی که عوامل بسیاری ممکن است رویکرد، طرح­ها و استراتژی­ های سازمان را دستخوش تغییر نماید، این عامل وظیفه شناسایی، تحلیل، فرموله کردن و دسته­بندی مناسب این عوامل را (مثلا به صورت عوامل خارجی، صنعتی، عملکردی و …) بر عهده دارد. بدین ترتیب امکان رصد کردن هوشمندانه و به موقع فرصت­ها و تهدیدها برای سازمان فراهم خواهد شد. عامل شماره 3 وظیفه تحلیل­های درونی را بر عهده دارد و از طریق پردازش دانشی که از گذشته سازمان حاصل شده، همچنین بهره­ گیری از روش­های داده ­کاوی و نیز استفاده از دانش سایر عامل­ها، دید مناسبی از منابع سازمان به دست می­دهد. ورودی هر دو عامل فوق “رسالت و مسئولیت­های اجتماعی سازمان” می­باشد که قبلا در یک پروسه مدیریت سطح بالا که خارج از معماری سیستم قرار دارد، تعیین گردیده. این عامل­ها در حین فعالیت با یک واحد تصمیم­ساز در ارتباط مستقیم و مداومند تا نتایج و خروجی­های خود را امکان­سنجی کنند. همچنین عامل­های 2 و 3 با هم در ارتباط مستقیمند و خروجی آن­ها بلافاصله برای عامل 4 ارسال می­ شود که مسئول “تحلیل و انتخاب راهبردی” است و بدین منظور از تعامل با عامل­های تصمیم­ساز نیز بهره می­گیرد. عامل شماره 5 سه عمل مختلف انجام می­دهد: ساختاربندی مجدد، بازمهندسی و تمرکز دوباره بر سازمان. در واقع این عامل فعالیت موردنیاز را با توجه به اطلاعات دریافتی از مرحله قبل در مدل مدیریت استراتژیک تشخیص می­دهد. خروجی این عامل برای کاربران سیستم نیز ارسال می­ شود. نهایتا عامل 6 مسئول کنترل استراتژیک و بهبود مداوم استراتژی­هاست. این عامل که ورودی خود را از عامل 5 دریافت می­ کند، استراتژی­ هایی را که نیازمند اصلاح یا بهبود باشند، تعیین نموده و تغییرات لازم را در آن­ها پیشنهاد می­دهد. عامل 6 همچنین بازخورد خود را برای عامل­های 1، 2 و 3 ارسال می­ کند.

همانطور که پیشتر اشاره شد، عامل شماره 1 با توجه به تحلیل نیازمندی­های ذینفعان سازمان، اهداف کلی و نیز وضعیت موردانتظار را مشخص می­ کند. هدف ما در این پژوهش ارائه راهکاری به منظور طراحی یک وضعیت موردانتظار و برازنده برای سازمان با کمک عامل­های هوشمند می­باشد. وظیفه ­ای که در معماری فوق بر عهده عامل شماره 1 است]1[.

[1] – scenario planning

[2] – multi-agent systems

[3] – leadership

[4] – shared vision

[5] – fitness landscape

[6] – futures study

[7] – scenario planning

[8] – goal-setting

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

هر چند مدت زمان بسیاری از پیدایش ادبیات كودك و نوجوان نمی‌گذرد، اما در همین دوره­ محدود نیز نویسندگان با عزمی استوار تلاش كردند در انواع مختلف ادبی از جمله، داستان، شعر، نمایش‌نامه و …. رسالت خود را نسبت به این گروه به انجام رسانند.

عده‌ای از این نویسندگان بر آن بودند تا آثارشان علاوه ‌بر داشتن وجهه­ ‌ادبی و هنری، میراث گران‌بهای كهن را نیز به كودك انتقال دهد؛ گنجینه‌هایی كه در طول تاریخ، نسل به نسل منتقل گشته و به نوعی جزء مفاخر ملی و فرهنگی این سرزمین محسوب می‌شوند، اما به دلایل مختلف و از جمله سبك مصنوع و دشوار، كودكان و نوجوانان از آن بی‌بهره‌اند.

بازنویسی و ساده‌نویسی حلقه‌ی اتصال زنجیره‌ی ادب كهن با نسل امروزی و زمینه‌ساز انس و ارتباط كودك با شاهكارهای ادبی گذشته است.

مهدی آذریزدی از جمله پیشگامان نهضت بازنویسی برای كودكان است كه موفقیتش در این راه، او را الگوی سایر نویسندگان قرار می‌دهد

 تا هر یک به نوعی در این زمینه دست به هنرنمایی زنند. در سال‌های اخیر بسیاری از متون برجسته و اخلاقی كهن از جمله شاهنامه، مرزبان‌نامه، بوستان و گلستان سعدی و … به بركت بازنویسی در اختیار كودكان و نوجوانان قرار گرفته است.

«پیش از آن، كودكان باید شاهنامه، گلستان یا بوستان را همان‌گونه كه نوشته شده بود، می‌خواندند. هدف، تنها خواندن بود، نه فهمیدن. اما هنگامی كه به گنجایش شناختی كودك و نوجوان توجه شد، این پرسش برای دست‌اندركاران ادبیات كودكان پیش آمد كه آیا كودكان می‌توانند متن‌های دشوار ادبیات كهن را بفهمند؟ هدف این بود كه آنان با این آثار آشنایی یابند، نه این كه به اجبار و بدون منطق روشن آن­ها را بخوانند. این مرحله در فرایند شكل‌گیری بازنویسی برای كودكان از اهمیت بسیار برخوردار بود». (محمدی و قایینی، 1382: 6/455).

كلیله و دمنه نیز گنجینه‌ای است غنی و پربار كه علاوه بر مفاهیم اخلاقی و آموزنده، به دلیل تمثیلی بودن و بیان سرگذشت حیوانات كه مورد علاقه‌ی كودكان است، توجه‌ هر نویسنده‌ای را كه در حیطه‌ی ادبیات كودك فعالیت دارد، به خود جلب می‌كند.

این پژوهش به بررسی 50 بازنوشته­ی کلیله و دمنه از 10 نویسنده برگزیده پرداخته و شیوه‌های خلق و عناصر داستانی آن را نسبت به متن كهن بررسی كرده است.

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

1-1- بیان مسئله و ضرورت تحقیق

نیاز بشر به پردازش و ذخیره سازی اطلاعات در دهه های گذشته همواره رشد صعودی و شتابدار داشته است. به گونه ای که حرکت از سیستم های توزیع شده بر روی سوپرکامپیوترهای گران قیمت به شبکه های بسیار پر قدرت و ارزان در مدت نسبتا کوتاهی صورت گرفته است. همچنین نیاز به مدیریت اطلاعات، پردازش، گردش کار و دیگر ابزار مدیریتی همواره رشد فزاینده داشته است. به طبع این نیاز، ساختار سیستم های کامپیوتری در سطوح فنی و مدیریتی نیز رشد کرده و پیچیده تر شده است.

به منظور جوابگویی به این حجم فزاینده درخواست ها و نیاز بازار به منابع پردازش و ذخیره سازی اطلاعات و نیز به منظور ارائه سرویس های مورد نیاز با کیفیت مناسب و قابل رقابت، یکی از بهترین راه های پیشنهاد شده، متمرکز نمودن این منابع و مدیریت صحیح آنها است. به این منظور و برای به حداکثر رساندن کیفیت خدمات و حداقل نمودن هزینه ها یکی از رایج ترین راهکارهای موجود راه اندازی مراکز داده یا دیتا سنتر ها می باشد. در این طرح با آماده سازی زیر ساخت های فیزیکی، امنیتی، شبکه ای، سخت افزاری و نرم افزاری، مجموعه ای از سرورهای قدرتمند برای ارائه سرویس های مورد نیاز مشتریان در نظر گرفته می شود. این سرورها با خطوط بسیار پر سرعت بر حسب نیاز به اینترنت یا شبکه های سازمانی متصل می گردند و با نصب سیستم های عامل و نرم افزارها و سرویس های مورد نیاز به کاربران خدمات لازم را ارائه می نمایند. با وجود چنین مراکزی دیگر سازمان ها و مراکز تجاری، صنعتی، دانشگاهی و غیره نیازی به راه اندازی مراکز سرویس دهی محلی[1] و نیز متحمل شدن هزینه های نگهداری، به روز رسانی و استخدام متخصصین نخواهند داشت. در ادامه به بررسی اجمالی دیتا سنترها خواهیم پرداخت تا بتوانیم طرح پیشنهادی را تشریح نمائیم.

تعریف دیتا سنتر: مجموعه ای از سیستمهای پشتیبانی (از جمله زیر ساخت سخت افزاری passive، زیرساخت خنک کننده، زیر ساخت تامین انرژی، اطفاء حریق و غیره)، منابع پردازشی سخت افزاری شامل سرورها، تجهیزات زیرساخت شبکه، زیرساخت ذخیره سازی داده ها و زیرساخت نرم افزاری شامل ابزار یک پارچه سازی[2]، مجموعه ای از سیستم های عامل، مجموعه ای از نرم افزارهای کاربردی شامل سرویس ها، تعدادی پایگاه داده، مجموعه ای از ابزارهای امنیتی نرم افزاری و سخت افزاری و یک ساختار مدیریتی است. این سیستم به کمک خطوط پرسرعت به شبکه های خارجی (Intranet، Extranet یا اینترنت) متصل است ]1[.

با توجه به رشد نیازها و احتیاج کاربران به انعطاف پذیری و تحمل خطای بالا در این مراکز پردازشی، در سال های اخیر تکنولوژی مجازی سازی[3] به عنوان پاسخی به این نیازها و بهترین شیوه یکپارچه سازی ارائه شده و بسیار رشد کرده است. در حقیقت، این تکنولوژی به عنوان لایه مدیریت نرم افزاری و سیستم عاملی دیتا سنتر مورد استفاده قرار می گیرد. در ادامه به تشریح تکنولوژی مجازی سازی و نحوه استفاده از آن در این طرح خواهیم پرداخت.

تکنولوژی مجازی سازی یکی از جوانترین نظریه های مطرح شده در علم کامپیوتر می باشد که در ده سال اخیر توجه زیادی را به خود جلب نموده است. این تکنولوژی از این بابت بسیار جذاب است که انعطاف پذیری و امکانات خارق العاده ای را بر روی همان بستر سخت افزاری موجود ارائه می دهد و استفاده از آن هزینه بسیار ناچیزی برای سازمان دارد.

معماری مجازی سازی، همه منابع پردازشی از جمله سرورها، منابع ذخیره سازی[4] و شبکه را به یک ساختار مجازی نگاشت می دهد. این زیر ساخت با گردآوری همه منابع و نمایش مجموعه ای ساده شده و یکپارچه از آنها، مدیر را در درک بهتر ساختار فنی دیتا سنتر و مدیریت و تغییر آن یاری می رساند. به کمک این ساختار می توان منابع توزیع شده در یک دیتا سنتر را به صورت مجموعه ای یکپارچه از ابزار مدیریت نمود. همچنین می توان از دیتا سنتر برای مصارف گوناگونی استفاده کرد بدون اینکه نگران گوناگونی سخت افزارها و نحوه اتصال آن ها به سیستم باشیم؛ ]2[ و ]3[.

از این تکنولوژی برای طراحی زیر ساخت نرم افزاری دیتا سنتر استفاده خواهد شد. با این توضیح که به جای نصب یک سیستم عامل بر روی هر دستگاه سرور، از یک نرم افزار مجازی سازی به نام Hypervisor استفاده می شود. این نرم افزار شبه سیستم عامل به مدیر سیستم اجازه می دهد که به تعداد دلخواه کامپیوتر مجازی[5] بر روی سرور مذکور راه اندازی کرده و سیستم عامل و سرویس های دلخواه را بر روی آن نصب نماید (شکل 1.1).

با این ترکیب می توان امکانات بسیار زیادی از جمله قابلیت دسترسی دائمی به سرویس ها (HA)[1] و مقاوم سازی سرویس ها در مقابل خطا[2] که از ضروریات چنین دیتا سنتری می باشد را با کمترین هزینه میسر نمود. همچنین امکان انتقال این کامپیوترهای مجازی در حال کار از روی یک سرور به سرور دیگر را بدون تاخیر زمانی وجود دارد[3].

در دیتاسنتری با این ابعاد، اغلب سرویس های در حال کار بسیار حیاتی و حساس بوده و از کار افتادن آن ها هزینه های هنگفت و بعضا جبران ناپذیری برای سازمان مربوطه به دنبال خواهد داشت. به همین دلیل لازم است امکانات حرفه ای را در دیتا سنتر به منظور محافظت از سرویس ها پیاده سازی نمائیم تا در دسترس بودن و سلامت آنها را تضمین کند. شکل 1.2 شمایی کلی از یک دیتا سنتر را با بهره گرفتن از معماری یاد شده نشان می دهد.

با توجه به نیاز به این مراکز و پیچیدگی ذاتی آنها، ترسیم یک مدل فرمال از ماهیت یک دیتا سنتر، چه پیش از طراحی[1] و چه پس از آن[2]، می تواند در شناخت طرز کار و چگونگی فعالیت چنین مرکزی نقش به سزایی داشته باشد. از جمله این کاربردها می توان به تشخیص بن بست ها[3] و گلوگاه ها[4] قبل از طراحی و محک زدن[5] سیستم بعد از طراحی اشاره نمود. با در دست داشتن این مدل (تصویر فرمال) جریان کنترل در سیستم قابل رویت بوده و در نتیجه رفتار سیستم را می توان بررسی و پیش بینی نمود ]4[. البته باید

 توجه داشت که در سیستم های واقعی از جمله دیتا سنترها، به دست آوردن مدل جامع تقریبا غیر ممکن بوده و تنها می توان بخش هایی از سیستم را با نادیده گرفتن برخی از پارامترها مدل نمود. هرچقدر مدل به سیستم واقعی نزدیکتر باشد بررسی رفتار سیستم به کمک مدل حاصل دقیقتر و کاربردی تر خواهد بود. در بخش های بعدی با بررسی دقیقتر ماهیت مدل سازی فرمال، با انواع شیوه ها در این حوزه[6] بیشتر آشنا خواهیم شد.

به طور کلی متد های فرمال نوع خاصی از شیوه های بیان فرمال مسائل هستند که از آنها برای تشریح و تبیین[7] سیستم های کامپیوتری و همچنین اثبات رفتار آنها[8] در سطح سخت افزار و نرم افزار استفاده می شود. هدف از توضیح رفتار یک سیستم به کمک روش های فرمال، بررسی رفتار و خصوصیات سیستم از جمله میزان حد پذیری[9]، بازگشت پذیری[10] و نیز پارامترهای انتزاعی تر مانند میزان ثبات[11] و پایداری[12] می باشد ]5[.

بدیهی است انجام چنین کاری در مورد سیستم های واقعی با توجه به پارامترهای متعدد و ساختار پیچیده آنها بسیار وقت گیر و دشوار است و در بسیاری از مواقع فقط بخش هایی از سیستم را می توان در حد قابل قبولی تشریح و مدل نمود. به همین دلیل و نیز به دلیل هزینه بسیار گزاف این فرایند، استفاده از شیوه های فرمال برای توضیح رفتار سیستم فقط در مورد سیستم های بسیار حساس و گران قیمت صورت می گیرد.

در این تحقیق، از زبان شبکه های پتری که ابزاری گرافیکی برای تشریح رفتار سیستم ها می باشد بهره گرفته شده است. این زبان در واقع نوع خاصی از ماشین های متناهی (اتوماتا) می باشد که امکان ترسیم جریان کنترل در سیستم را به صورت ساختار گراف و تعریف مجموعه ها فراهم می کند.

1-2- دامنه تحقیق

در این تحقیق، به کمک زبان فرمال شبکه های پتری، مدل فرمالی از بخش های مختلف یک دیتا سنتر نمونه ارائه خواهد شد. به این منظور در ابتدا ساختار دیتا سنترهای نوین شرح داده شده و سپس یک مدل کلی و انتزاعی برای آن ارائه می گردد.

در مراحل بعد، هریک از بخش های دیتا سنتر نمونه در لایه های بعدی طراحی و مدل خواهد شد. این بخش ها عبارتند از: سرویس HA ، سرویس Fault Tolerance، سرویس VMotion ، ساختار ESX، معماری سیستم ذخیره سازی در ESX، معماری شبکه در ESX و معماری سوئیچ مجازی در ساختار شبکه.

در انتهای هر بخش، مدل های پتری طراحی شده به کمک ابزار و متد های فرمال بررسی و ارزیابی خواهند شد. بخشی از این متدها مرتبط با نوع و گروه بندی شبکه هایی است که مدل مذکور در آن جای می گیرد، و بخشی نیز وابسته به خواص عمومی گراف ها می باشد.

1-2- پیشینه تحقیق

با توجه به قابلیت بسیار زیاد شبکه های پتری در مدل سازی سیستم های موازی، همگام، توزیع شده، غیرتعینی، و آماری، می توان نمونه های بسیاری از توصیف های فرمال سیستم های واقعی را به کمک این ابزار ذکر کرد. از آن جمله می توان به موارد زیر اشاره کرد.

– طراحی مدل شبکه ترافیک شهری به کمک شبکه های پتری رنگی (سطح بالا) برای تخمین گلوگاه ها و نیز میزان کارامدی سیستم ترافیک ]6[.

– مدل سازی فرمال یک خط اولید به همراه پنج ربات برای تحلیل خصوصیات رفتاری خط تولید و میزان خوش رفتاری آن ]7[

– مدل سازی یک پردازنده مبتنی بر VLSI که در یک سوپر کامپیوتر به کار رفته است. این مدل سازی به کمک شبکه های پتری رنگی و در سطح رجیستر های این ریز تراشه انجام شده است.

در مرجع ]8[ می توانید لیست بلندی از سیستم های صنعتی مدل شده با شبکه های پتری را که به صورت پروژه های مجزا انجام شده مشاهده نمائید. با این حال در زمینه لایه نرم افزاری و مجازی سازی در دیتا سنترها و نیز بخش سیستم عاملی آن تا به حال مدل سازی جامعی به کمک شبکه های پتری انجام نشده است. هر چند تلاش هایی در زمینه مدل سازی زیر ساخت سخت افزاری دیتا سنتر و برای بهینه نمودن مصرف انرژی در آنها و طراحی دیتا سنترهای سبز (دوستدار محیط زیست) با شبکه های پتری انجام شده است.]9[

[1] Pre-analysis modeling

[2] Post-analysis modeling

[3] Deadlock

[4] Bottleneck

[5] Benchmarking

[6] Formal Modeling

[7] Specification

[8] Verification

[9] Boundedness

[10] Reversibility

[11] Robustness

[12] Stability

[1] High Availability

[2] Fault Tolerance

[3] VMotion

[1] Local Farm Servers

[2] Consolidation

[3] Virtualization technilogy

[4] Storage

[5] Virtual Machine

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

1-1- فناوری اطلاعات در بهداشت و درمان

در سال­های اخیر مراکز بهداشتی ودرمانی کشورمان به ویژه بیمارستانها درصدد مکانیزه کردن سیستم­های اطلاعاتی خود برآمده­اند. در ابتدا مقصود از چنین فعالیت­هایی کاهش هزینه­ های ناشی ازکاغذ بازی­ موجود در سیستم­های دستی و اداری بوده است، اما اکنون به مرحله ای رسیده­ایم که بهبود کیفیت ارائه خدمات درمانی اهمیتی روزافزون می­یابد و در این راستا بکار­گیری سیستم های اطلاعات بیمارستان­ها بسیار مرسوم شده است.

بکارگیری سیستم اطلاعات بیمارستان علاوه بر مزایای فراوان از جمله کاهش زمان پذیرش، زمان ترخیص، زمان اخذ جواب­ها، زمان مراجعه به اطلاعات قبلی پرونده، بالا بردن میزان دقت در درج اطلاعات و درخواست­ها كه در حالت دستی می تواند ناخوانا باشد، همچنین می تواند موجب تسریع ارتباطات بین بخشی و در نهایت بالابردن میزان رضایت بیمار، ارائه خدمات بهتر، دریافت آمار و گزارشات روزانه و زمانی گردد. در نهایت بکارگیری سیستم های اطلاعات بیمارستان، حجم زیادی از داده های مرتبط با درمان را در دسترس قرار می دهد [1]. با بهره گرفتن از تکنیک های داده کاوی می توان از داده ­های موجود در این سیستم­ها در جهت پشتیبانی از تصمیم و مدیریت و در نهایت پیشبرد اهداف اقتصادی و درمانی سود جست .[2] داده‌کاوی یکی از ده دانش در حال توسعه است و در سال‌های اخیر در دنیا گسترش فوق‌العاده سریعی داشته است. داده‌کاوی فرایند کشف الگوها و روابط موجود بین داده ها در پایگاه داده های بزرگ است که با برخورداری از دامنه وسیع زیر زمینه‌های تخصصی با توصیف، تشریح، پیش‌بینی و کنترل پدیده‌های گوناگون پیرامون، امروزه کاربرد بسیار وسیع در حوزه‌های مختلفی ازجمله پزشکی و تجارت دارد [3].

2-1- داروخانه های بیمارستانی

افزایش هزینه‌های بیمارستانی در سال‌های اخیر و نیز اجرای طرح خودگردانی و اداره‌ی بیمارستان‌ها به وسیله‌ی درآمد اختصاصی آنها، بیمارستان‌ها را با مشکلات مالی جدی رو به رو ساخته است. داروخانه یکی از بخش­های مهم و درآمدزا در بیمارستان ها می باشد که می توان با بهبود خرید دارو و افزایش بهره وری آن، بنحوی به وضعیت اقتصادی بیمارستان ها کمک کرد. این حقیقت که مصرف دارو بر اساس شیوع بیمارها در فصول مختلف تغییر می کند و نیز در نظر گرفتن این نکته که برخی داروها برای درمان یک بیماری مکمل یکدیگرند، از جمله فاکتورهایی هستند که باید در خرید دارو درنظر گرفته شوند [4]. به عبارتی با توجه به بیماری­های بسیار متنوع، و تجویز داروهای مختلف برای آنها، میتوان بر اساس سابقه مصرف دارو، نیاز های دارویی در آینده را پیش بینی کرد در نتیجه، در صورت بکارگیری تکنیک­های داده کاوی بر روی اطلاعات موجود در سیستم اطلاعات بیماستان می توان خرید دارو را بر اساس پیش بینی صورت گرفته توسط داده کاوی بهینه کرد.

لذا بر آن شدیم تا با انجام این مطالعه به پیش بینی مصرف دارو، با بهره گرفتن از تکنیکهای داده کاوی، در داروخانه یک بیمارستان بزرگ به منظور افزایش بهره وری مالی آن بپردازیم.

3-1- داده کاوی

1-3-1- داده کاوی چیست؟

داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود.[5] کشف دانش و داده کاوی امروزه یک حوزه جدید میان رشته ای و در حال رشد است که حوزه های مختلفی همچون پایگاه داده، آمار، یادگیری ماشین و سایر زمینه های مرتبط را با هم تلفیق کرده تا اطلاعات و دانش ارزشمند نهفته در حجم بزرگی از داده ها را استخراج نماید و استفاده از آن در دو دهه اخیر تقریبا در جهان در همه سازمانها که با حجم عظیمی از داده در پایگاه داده خود مواجه هستند، رواج یافته است [6]. شناسایی مشکالت کاوش و یا برآورد وابستگی­ها از داده ها یا کلاً کاوش داده های جدید تنها قسمتی ازشیوه ­های تجربی مورد استفاده دانشمندان، مهندسین و دیگر کسانی است که روش­های استانداردی را برای کسب نتایج داده ها به کار می برند. درتطبیق روش­های تجربی معمول با مسائل داده کاوی می­توان به مراحل بیان مسأله و فرموله کردن فرضیه، جمع آوری داده ­ها، پیش پردازش داده ­ها شامل آشکارسازی و حذف داده ­های غیر عادی و مقیاس بندی،رمزگذاری و انتخاب، برآورد و ارزیابی مدل و در نهایت تفسیر مدل ورسیدن به نتایج اشاره نمود [7].

2-3-1- تکنیک های مختلف داده کاوی

تكنیك­های مختلف داده كاوی را می­توان بر اساس نوع عملیاتی كه انجام می­ دهند به دو دسته « پیش بینی كننده » و « تشریح كننده » تقسیم كرد. تكنیك­های پیش بینی كننده با ساخت مدلی برای پایگاه داده، وظیفه پیش بینی موارد ناشناخته را بر عهده دارند. در حالی كه تكنیك­های تشریح كننده ، الگوهایی قابل فهم از داده ها را برای انسان كشف می كنند [8].در بین این الگوریتم­ها و مدل­ها، بهترین وجود ندارد و با توجه به داده ­ها و کارایی مورد نظر باید مدل انتخاب گردد.

1-2-3-1- انواع تکنیک داده کاوی

قواعد انجمنی [1]: قوانین انجمنی در دسته تکنیک های تشریح کننده قرار می گیرد و به پیدا كردن وابستگی­ها و همبستگی­های موجود در بین داده ها، یافتن الگوهایی كه غالبا در بین داده ­ها وجود دارند و همچنین پیدا كردن یک سری ساختار سببی در بین آیتم­ها و اشیای موجود در پایگاه داده ­های تعاملی و رابطه­ای اشاره كرد.

پیش بینی : دراین روش هدف، پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی. اینجا ﻣﻘـﺎﺩﻳﺮ ﻣﻤﻜـﻦ ﺑـﺮﺍﻱ ﻣﺘﻐﻴﺮﻫﺎﻱ ﻧﺎﻣﻌﻠﻮﻡ ﭘﻴﺶ ﺑﻴﻨﻲ ﻣﻲ ﺷﻮﻧﺪ. ﺩﺭ پیش­ بینی ﺍﺑﺘﺪﺍ ﺩﺍﺩﻩ ﻫﺎﻳﻲ ﻛﻪ ﺑﻪ ﻣﺘﻐﻴﺮ ﻧـﺎﻣﻌﻠﻮﻡ ﻣﺮﺑـﻮﻁ ﻫﺴﺘﻨﺪ ﺑﻮﺳﻴﻠﻪ ﻱ ﺑﺮﺧﻲ ﺗﺤﻠﻴﻞ ﻫﺎﻱ ﺁﻣﺎﺭﻱ ﭘﻴﺪﺍ ﻣﻲ ﺷﻮﻧﺪ. ﺳـﭙﺲ ﺍﺯ ﺑﺮﺧـﻲ ﺭﻭﺵ ﻫـﺎﻱ ﻫﻮﺷـﻤﻨﺪ ﻣﺎﻧﻨﺪ ﺷﺒﻜﻪ ﻫﺎﻱ ﻋﺼﺒﻲ ﻭ ﺍﻟﮕﻮﺭﻳﺘﻢ ﮊﻧﺘﻴﻚ ﺑﺮﺍﻱ ﺍﻧﺠﺎﻡ ﭘﻴش بینی ﺍﺳﺘﻔﺎﺩﻩ ﻣﻲ ﺷﻮﺩ.

رده بندی یا طبقه بندی[3] : فرایندی برای پیدا کردن مدلی است که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می باشد، استفاده نمود. در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش های مورد استفاده در پیش بینی و رده بندی عموما یکسان هستند. و در دسته تکنیک های پیش بینی کننده قرار می گیرند.

خوشه بندی[4] : گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.

در این پایان نامه جهت پیش بینی مصرف دارو از تکنیک های پیش بینی استفاده می شود و با بررسی الگوریتم­های مختلف این تکنیک تلاش می شود مدلی مناسب جهت پیش بینی مصرف دارو در داروخانه­های بیمارستان­های ایران معرفی گردد. همچنین از داده‌های واقعی بیمارستان پاستور شهر تاریخی بم که در پایگاه داده SQL SERVER سیستم اطلاعات بیمارستان با حجمی در حدود GB220 و در مدت 5 سال ذخیره شده ­اند جهت استفاده در مدل‌ها و تکینیک های داده‌کاوی استفاده خواهد شد.

1.Association

2.Prediction

3.Classification

Clustering 4.

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

بشر در دنیای امروزی به صورت روزمره در بازارهای گوناگون درگیر تصمیم گیری های بیشماری بوده و هر گونه پیشنهادی که امکان بهبود دقت و صحت تصمیم و یا کاهش زمان تصمیم گیری را برای او به ارمغان بیاورد برای وی جذاب و ارزشمند می باشد. یکی از بازارهایی که امروزه رو به رونق بوده و مزایای سیستمهای پشتیبان تصمیم گیری در آن بسیار مشهود می باشد بازارهای پولی و سرمایه شامل بازار بورس اوراق بهادار می باشد. فعالان این بازار به خرید و فروش سهام شرکتها در آن بازار پرداخته و از آن طریق با پذیرفتن ریسکِ آینده سهم برای خود سود و یا زیان به بار می آورند.

در این تحقیق سعی خواهد شد تا با به کارگرفتن تکنیکهای داده کاوی شناخته شده، در مسیر تحقیقات صورت گرفته پیشین، ترکیبی از الگوریتم شبکه عصبی مصنوعی با الگوریتمهای بهینه سازی تکاملی به منظور پیش بینی قیمت سهام شرکتها در بورس اوراق بهادار ارائه گردد. ترکیب الگوریتم شبکه عصبی مصنوعی با سه الگوریتم بهینه سازی تکاملی ژنتیک، رقابت استعماری و ازدحام ذرات روی حداقل پنج سهم مورد بررسی قرار خواهد گرفت و دقت پیش بینی هر یک محاسبه و ارائه خواهد گردید. خروجی این تحقیق، پیشنهاد بهترین الگوریتم ترکیبی از بین موارد ذکر شده برای پیش بینی قیمت سهام شرکتهای عضو بورس اوراق بهادار خواهد بود.

2-1- تعریف مسأله

در بازارهای پولی و سرمایه دو نوع تکنیک اساسی برای تحلیل و تصمیم به خرید و یا فروش سهام شرکتها وجود دارد: تکنیک تحلیل بنیادی[1]، تکنیک تحلیل تکنیکی[2]. در تحلیل بنیادی، از مولفه های اصلی عملکرد و توان شرکت در برابر فرصتها و تهدیدهای بازار و در سطح کلان کشور استفاده شده و در مورد خرید و یا فروش آن سهم تصمیم گیری می شود. در برابر در تحلیل تکنیکی، فرض بر آن است که اثر کلیه عوامل کلان و خرد اقتصادی و نیز توان و عملکرد شرکت در پیشینه تاریخی قیمت سهم وجود داشته و در نتیجه با تحلیل روند قیمت سهم، تصمیم به خرید و یا فروش سهم شرکتی گرفته می شود. پیش بینی و یا پیش گویی قیمت سهم شرکتها در بازارهای اوراق بهادار از مسائلی است که تحقیقات گوناگونی در کشورهای مختلف در مورد آن صورت گرفته است. این تحقیق در بازار بورس اوراق بهادار تهران و تحت رویکرد تکنیک تحلیل تکنیکی سعی خواهد نمود تا به حل مساله پیش بینی قیمت سهم شرکتها پرداخته و پاسخی به نیاز فعالان بورس اوراق بهادار در مورد حل مساله پیش بینی قیمت سهم ارائه نماید.

1-3 اهمیت مساله

اندازه بازار بورس اوراق بهادار تهران در حوزه معملات سهام بیش از 523’342 میلیارد تومان است[3]. اهمیت این اندازه بازار در مقایسه با بودجه ی حدود 000’800 میلیارد تومانی سال 1393 کشور بسیار مشهود می باشد. بازار بورس اوراق بهادار جزء پنج بازار اصلی سرمایه ای کشور است که کوچکترین نوسانات عملیاتی آن اثرات بسیاری در اقتصاد کشور خواهد گذاشت. در این بازار بیش از 450 شرکت سرمایه پذیر در قالب 35 صنعت به عرضه سهام پرداخته اند و معامله گران حقوقی و حقیقی بیشماری از محل تجارت سهام شرکتها در این بازار به مدیریت اقتصاد بنگاه ها و خانوار می پردازند. در شرایط ثبات اقتصادی کشورها، سود حاصل از فعالیت در بازار بورس از سود

 بهره بانکی قطعا بالاتر بوده و این جذابیت سبب می شود در شرایط ثبات و یا رشد اقتصادی کشور، جریان سرمایه از بسیاری از بازارها و همچنین جریان سرمایه های راکد و یا فعال در بازارهای سیاه به سمت بازار بورس اوراق بهادار باشد. در کنار نگاه اقتصادی به بازار بورس، از نگاه اجتماعی نیز حضور معامله گران در سنین جوانی و یا پایان میان سالی، یعنی دقیقا در سنینی که هیجان ریسک پذیری، انگیزه فعالیتهای پرچالش و توام با ریسک را به همراه دارد، در این بازار شایان توجه است. از این منظر انتظار آن خواهد بود که در صورت وجود موج اخبار رونق و بازدهی قابل قبول این بازار، نسبت عمده ای از جمعیت جویای کار در این بازار به صورت مستقل به اشتغال درآیند. با این توضیحات، می توان نتیجه گرفت حل مساله این تحقیق با ارائه مدلی بابت پیشگویی قابل اعتماد قیمت سهم شرکتها در بازار بورس دارای نه تنها اهمیت از منظر اقتصادی بلکه در زمره مسائل با اهمیت اجتماعی نیز قرار می گیرد.

1-4 هدف تحقیق

همانگونه که در بخشهای پیشین اشاره شد مساله مورد تحقیق، یشگویی قیمت سهام شرکتها در بازار بورس اوراق بهادار می باشد. تکنیکهای متعدد تحلیل داده ها سعی در ارائه مدلهایی در پاسخ به سئوال این تحقیق نموده اند. دانش نوین داده کاوی با ساختاردهی بسیاری از این تکنیکها، محققان را در پیشبرد بهبود کارایی و اثربخشی مدلها و راهکارها کمک شایانی نموده است. در این تحقیق با تحقیقات پیشین، به کارگیری مدل شبکه عصبی مصنوعی با آموزش به کمک الگوریتمهای تکاملی مد نظر قرار گرفته است.

هدف بنیادین این تحقیق شناسایی اثربخش ترین مدل پیشگویی قیمت سهام شرکتهای فعال در بازار بورس اوراق بهادار، ساخت یافته با شبکه عصبی مصنوعی آموزش داده شده با الگوریتم تکاملی می باشد. به منظور دستیابی به این هدف، اهداف خرد و یا نشانه ها[4] به شرح زیر مد نظر می باشد:

– شناسایی الگوریتمهای ترکیبی از شبکه عصبی مصنوعی با الگوریتمهای بهینه سازی بر اساس تحقیقات گذشته.

– دستیابی به اطلاعات معتبر و صحه گذاری شده قیمت روزانه سهام شرکتهای عضو در بورس اوراق بهادار.

– پیاده سازی الگوریتمها روی داده های سهم حداقل پنج شرکت عضو بورس اوراق بهادار.

– مقایسه دقت الگوریتم ها و پیشنهاد الگوریتم با بهترین دقت.

[1] Fundamental

[2] Technical

[3] سایت رسمی بورس اوراق بهادار   www.irbourse.com

[4] Targets

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است