بررسی اثرات اتلاف در تولید ناب با استفاده از تکنیک تحلیل مسیر (مطالعه موردی: اداره کل بنادر دریانوردی استان مازندران- نوشهر)

نویسندگان

  • سید اسماعیل نجفی * گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. https://orcid.org/0000-0003-0519-1523

https://doi.org/10.22105/msda.v2i2.109

چکیده

هدف: این پژوهش با هدف توسعه یک مدل مالی سازمانی مبتنی بر یادگیری ماشین برای ادغام مسئولیت اجتماعی شرکت با عملکرد مالی و بررسی تاثیر این هم‌افزایی بر پیش‌بینی جریان نقدی و نیازهای سرمایه‌ای انجام شده است. اهمیت این موضوع در کمک به تصمیم‌گیری‌های استراتژیک و بهبود هم‌زمان عملکرد مالی و اجتماعی شرکت‌ها است.

روش‌شناسی پژوهش :مدل پیشنهادی با استفاده از الگوریتم‌های یادگیری ماشین، داده‌های مربوط به CSR و شاخص‌های مالی شرکت‌ها را تحلیل می‌کند. داده‌ها از ده شرکت مختلف جمع‌آوری شد و عملکرد مدل از طریق مقایسه با روش‌های دیگر مانند DEA،  ANN-FPGAو EWS-CES مورد ارزیابی قرار گرفت.

یافته‌ها :نتایج نشان داد مدل ML-FEM دقت بالایی در پیش‌بینی جریان نقدی (%93.2) و مدیریت ریسک اعتباری دارد. همچنین این مدل نسبت به سایر روش‌ها توانایی بهتری در شناسایی الگوهای پنهان داده‌ها و بهینه‌سازی فرآیندهای مالی دارد و باعث افزایش کنترل شرکت‌ها تا %88.7 شده است.

اصالت/ارزش افزوده علمی: این پژوهش برای نخستین‌بار مدلی ارایه می‌دهد که به‌طور هم‌زمان CSR و عملکرد مالی را یکپارچه می‌کند. استفاده از این مدل می‌تواند به جذب سرمایه‌گذاران خارجی، پیش‌بینی دقیق‌تر نیازهای مالی و ارتقای شفافیت در گزارش‌دهی مالی کمک کند.

کلمات کلیدی:

مسئولیت اجتماعی شرکت، یادگیری ماشین، مدل مالی سازمانی، عملکرد مالی، پیش‌بینی جریان نقدی، مدیریت ریسک

مراجع

  1. [1] Ghanbarzadeh Lak, M., Jahangirzadeh Soureh, H., Ebrahimi Sarindizaj, E., & Ghaffariraad, M. (2024). Optimizing municipal solid waste management in industrial ports: A case study of source separation implementation. Journal of the air & waste management association, 74(12), 932–949. https://doi.org/10.1080/10962247.2024.2412706
  2. [2] Alamtabriz, A., & Mohammad Rahimi, A. (2009). Approaches to Advanced production and operations management: With a value creation approach: Supply chain management, lean manufacturing, and customer relationship management. Commercial printing and publishing company. (In Persian). https://B2n.ir/nr1338
  3. [3] Khodumi, M. R., Saif, M., & Sahibi, H. (2021). Identification and determination of cross-production factors influencing the chain of DEMATEL services using the DEMATEL and ISM methods. Research in production and operations management, 12(3), 65–91. (In Persian). https://doi.org/10.22108/jpom.2022.127907.1355
  4. [4] Seyyed Hosseini, S. M., & Bayat Turk, A. (2005). Lean production factors in non-continuous (Custom) manufacturing organizations (Case study: Sadid industrial group). (In Persian). https://www.sid.ir/paper/6778/fa
  5. [5] Wright, S. (1934). The method of path coefficients. Annals of mathematical statistics, 5(3), 161–215. https://doi.org/10.1214/aoms/1177732676
  6. [6] Kalantari, K. (2006). Data processing and analysis in socio-economic research. (In Persian). https://www.sid.ir/paper/459932/fa
  7. [7] Soleimani, A. (2006). Study of effective factors in fertility using path analysis method in Mazandaran province. Journal of Ilam university of medical sciences, 13(4). (In Persian). https://sjimu.medilam.ac.ir/article-1-355-fa.html
  8. [8] Kalai, A., & Rostami, A. (2001). From functional analysis to investigate the economic use of nitrogen and phosphorus in wheat. (In Persian). https://www.sid.ir/paper/16020/fa
  9. [9] Esmaili, A. (1387). Investigating the effectiveness of the management information system in the field of human resources at alfa company. The fourth human resources development conference. Tehran, Iran, Civilica. (In Persian). https://civilica.com/doc/48506
  10. [10] Shannon. (1948). A Mathematical Theory of Communication. Bell system technical journal, 27(3), 379–423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
  11. [11] Ajalli, M., Ekhtiyari, N. S., & Zandi, P. (2025). A combined of path analysis-MCDM approaches to evaluation of leagile suppliers. International journal of industrial engineering, 36(2), 116–129. Tehran, Iran. Civilica. (In Persian). https://doi.org/10.22068/ijiepr.36.2.2153
  12. [12] Sedighpour, A., Zandieh, M., Alem Tabriz, A., & Dori, B. (2018). Resilient supply chain model in Iran pharmaceutical industries. Industrial management studies, 16(51), 55-106. (In Persian). https://doi.org/10.22054/JIMS.2018.28335.1960
  13. [13] Marlow, P. B., & Casaca, A. C. P. (2003). Measuring lean ports performance. International journal of transport management, 1(4), 189–202. https://doi.org/10.1016/j.ijtm.2003.12.002
  14. [14] Tabatabaei, N., & Mohammadi, A. (2013). Development of EPQ model using preventive maintenance, defective product, inspection and work-in-process inventory. Research in production and operations management, 4(1), 69–84. https://jpom.ui.ac.ir/article_19793.html
  15. [15] Biazzo, S., Panizzolo, R., Gore, A., & others. (2017). Lean product development implementation approach: Empirical evidence from Indian lean manufacturers. International journal of industrial engineering and management, 8(3), 189–201. https://www.research.unipd.it/bitstream/11577/3256206/2/10_IJIEM_2017_Biazzo.pdf
  16. [16] Safar, F., & Maryam, S. (2013). Evaluation of lean manufacturing factors in ATO industries, (Case study: Rose fireplace industry). Research journal of recent sciences, 2277, 2502. https://www.isca.me/rjrs/archive/v4/i3/19.ISCA-RJRS-2013-816.pdf
  17. [17] Feld, W. M. (2000). Lean manufacturing: Tools, techniques, and how to use them. CRC Press. https://B2n.ir/xj4851
  18. [18] Islam, M. N., & Sultana, M. (2011). Starting the lean journey with value stream mapping in the garments industry of bangladesh. In Proceedings of the international conference on mechanical (pp. 18-20). https://me.buet.ac.bd/public/old/icme/icme2011/Proceedings/PDF/ICME 11-RT-005.pdf
  19. [19] Rahman, S., Laosirihongthong, T., & Sohal, A. S. (2010). Impact of lean strategy on operational performance: A study of Thai manufacturing companies. Journal of manufacturing technology management, 21(7), 839–852. https://doi.org/10.1108/17410381011077946
  20. [20] Behrouzi, F., Wong, K. Y., & Kuah, C. T. (2010). A fuzzy-based model to measure supplier performance with lean attributes. In 2010 fourth Asia international conference on mathematical/analytical modelling and computer simulation (pp. 372-377). IEEE. https://doi.org/10.1109/AMS.2010.81
  21. [21] Moreira, F., Alves, A. C., & Sousa, R. M. (2010, July). Towards eco-efficient lean production systems. In International conference on information technology for balanced automation systems (pp. 100-108). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-14341-0_12
  22. [22] Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis. Cengage learning. https://books.google.com/books/about/Multivariate_Data_Analysis.html?id=0R9ZswEACAAJ&utm_source=

دانلود

چاپ شده

2024-08-05

شماره

دوره 2 شماره 2 (1403): علوم مدیریت و تحلیل تصمیم

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

نجفی س. ا. (2024). بررسی اثرات اتلاف در تولید ناب با استفاده از تکنیک تحلیل مسیر (مطالعه موردی: اداره کل بنادر دریانوردی استان مازندران- نوشهر). علوم مدیریت و تحلیل تصمیم , 2(2), 132-143. https://doi.org/10.22105/msda.v2i2.109
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.