ایران ترجمه – مرجع مقالات ترجمه شده دانشگاهی ایران

کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی

کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی

کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی – ایران ترجمه – Irantarjomeh

 

مقالات ترجمه شده آماده گروه فنی مهندسی – بین رشته ای
مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات رایگان

مطالعه ۲۰ الی ۱۰۰% رایگان مقالات ترجمه شده

۱- قابلیت مطالعه رایگان ۲۰ الی ۱۰۰ درصدی مقالات ۲- قابلیت سفارش فایل های این ترجمه با قیمتی مناسب مشتمل بر ۳ فایل: pdf انگیسی و فارسی مقاله همراه با msword فارسی -- تذکر: برای استفاده گسترده تر کاربران گرامی از مقالات آماده ترجمه شده، قیمت خرید این مقالات بسیار کمتر از قیمت سفارش ترجمه می باشد.  

چگونگی سفارش

الف – پرداخت وجه بحساب وب سایت ایران ترجمه (شماره حساب) ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.com شامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر -- مقالات آماده سفارش داده شده عرفا در زمان اندک یا حداکثر ظرف مدت چند ساعت به ایمیل شما ارسال خواهند شد. در صورت نیاز فوری از طریق اس ام اس اطلاع دهید.

قیمت

قیمت این مقاله: ۵۰۰۰ تومان (ایران ترجمه - irantarjomeh)

توضیح

بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.

مقالات ترجمه شده فنی مهندسی - بین رشته ای - ایران ترجمه - irantarjomeh
شماره      
۳۸
کد مقاله
TEC38
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی
نام انگلیسی
Utilization of an Artificial Intelligence approach for Assessment of Job satisfaction
تعداد صفحه به فارسی
۲۰
تعداد صفحه به انگلیسی
۶
کلمات کلیدی به فارسی
هوش مصنوعی، رضایت شغلی، HSE ( سلامت، ایمنی و محیط زیست)، کارپژوهی (کارسنجی)
کلمات کلیدی به انگلیسی
Artificial Intelligence, Job Satisfaction, HSE
(Health, Safety and Environment), Ergonomics
مرجع به فارسی
ژورنال بین المللی کاربرد تکنولوژی اطلاعات هوشمند
بخش مهندسی صنعتی و حوزه تحقیقات بهینه سازی مهندسی
دانشکده مهندسی دانشگاه تهران، ایران
مرجع به انگلیسی
International Journal of Intelligent Information Technology Application, Department of  Industrial Engineering and Department of Engineering Optimization Research, Faculty of Engineering, University of Tehran, Iran
سال
۲۰۰۹
کشور
ایران
 
کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی
ژورنال بین المللی کاربرد تکنولوژی اطلاعات هوشمند
بخش مهندسی صنعتی و حوزه تحقیقات بهینه سازی مهندسی
دانشکده مهندسی دانشگاه تهران، ایران
اداره مهندسی صنعتی و حوزه تحقیقات بهینه سازی مهندسی
دانشکده مهندسی دانشگاه تهران، ایران
اداره مهندسی صنعتی دانشگاه تفرش، ایران
۲۰۰۹
چکیده
محققان پیوسته به ارزیابی رضایت شغلی در بین مستخدمین علاقمند بوده اند. در جهت نیل به این هدف، توجه به سلامت، ایمنی و محیط (HSE) و سایر عوامل کار پژوهی (کارسنجی) از اهمیت بالایی برخوردار است. این تحقیق، الگوریتمی از هوش مصنوعی را برای سنجش و افزایش رضایت شغلی در بین مستخدمین با توجه به فاکتورهای HSE و کار پژوهی را ارائه می نماید که از این پس به آنها HSEE اطلاق میگردد. جهت انجام این تحقیق، پرسشنامه های استانداردی میان مستخدمین توزیع گردید. ما دارای ۴ گروه اصلی بعنوان ورودی بوده و رضایت شغلی بعنوان خروجی برای الگوریتم پیشنهادی بکار برده می شود. همچنین، این الگوریتم برای تشخیص رتبه بندی مستخدمین با توجه به رضایت شغلی آنها استفاده می شود. با این روش، مستخدمینیی که رضایت شغلی ناکافی دارند، شناسایی شده و  این مسئله به مدیران کمک می نماید که در مورد محل کار آنها، اقدامات اصلاحی بعمل آورند. این الگوریتم می تواند بطور موثر در سیستمهای پیچیده جهت افزایش رضایت شغلی مستخدمین بکار گرفته شود.

 

کلمات کلیدی: هوش مصنوعی، رضایت شغلی، HSE ( سلامت، ایمنی و محیط زیست)، کارپژوهی (کارسنجی)
۱- مقدمه
الف – HSEE (سلامت، ایمنی، محیط زیست و کار پژوهی)
HSE جهت تشخیص مخاطرات مرتبط با محیط زیست، سلامت و ایمنی و به حداقل رساندن این مخاطرات بین کارمندان، محیط زیست آنها و عموم مردم بکار برده می شود. اصول HSE به شناسایی بهترین شیوه ها و اجرای بهبود مستمر کمک می نمایند. علاوه بر این، افزایش رفتارهای سالم و کاهش رفتارهای مخاطره آمیز در بخشهای مختلف سیستم، یکی از اهداف HSE می باشد. در این رابطه، مدیران سعی بر این دارند که آموزشهای مرتبط با محیط زیست، سلامت و ایمنی را تأمین نموده و کلیه رویدادها را برای تشخیص علت ریشه ای آنها بررسی کرده و اقدامات اصلاحی موثری را  به اجرا در می آورند. آنها همچنین، با شناسایی و کاهش مخاطرات ناشی از تغییرات از جمله فرآیندهای تولید، محصولات و دستاورهای جدید تغییراتی را نیز بوجود می آورند. سنجش صحیح عملکرد محیط زیست، سلامت و ایمنی، نقش مهمی در تصمیم گیریهای مناسب دارد ([۱]).
HSE نقش ایجاد شرایط کاری مناسب و سالم را برعهده دارد، یعنی اقدامات مدیریتی موثر و بجا که رفاه کارکنان را تأمین نموده و تأثیرات معکوس و زیانهای ناشی از ناتندرستی را برای افراد و صنعت، به حداقل می رساند. این کار مستلزم آن است که بهترین روش مرتبط و متناسب با مخاطرات مورد نظر را جستجو نموده و آن را پذیرفته و بروز نماییم و همچمین دستورالعملهای خود را در فعالیتهای مربوطه رعایت نماییم. این امر سبب ایجاد محیطی می گردد که در آن مدیران و کارکنان به شکل همکاری با یکدیگر کار می کنند ([۱]).
کارپژوهی، علم طراحی شغل، تجهیزات و محل کار جهت هماهنگی با کارگر و ایجاد یک توازن بین مشخصه های کارگر و ملزومات کار می باشد. وجود طرح مناسبی از کارپژوهی، جهت جلوگیری از تکرار آسیبهای جدی که ممکن است با گذشت زمان افزایش یافته و مشکلات بلندمدت ایجاد نمایند، ضروری می‌باشد. این امر می تواند بهره وری کار را افزایش داده و ایمنی بیشتر ( جسمی و روحی ) و رضایت شغلی را در کارکنان ایجاد نمایـد. کارپژوهی که بعنوان عوامل انسانی نیز شناخته می شود، از قوانین علمی است که سعی در بهینه سازی تعاملات انسانی با محصولات، تجهیزات، محیط و سیستمها دارد. مدیران با بهره گیـری از دانش و تکنیک مرتبط با کارپژوهی، می توانند عمکرد سیستم را بهبود بخشیده و در عین حال از سلامت، ایمنی و رفاه افراد مورد نظر، حمایت نمایند ([۱]).
مطالعات متفاوتی، تأثیرات مثبت استفاده از کار پژوهی را بر محلهای کار مختلف نشان داده اند ([۱]، [۲]، [۳]، [۴]، [۵]، [۶]). کاربرد صنعتی آن نیز می تواند اطلاعات و دستورالعملهایی در ارتباط با مطالعات کارپژوهی را فراهم آورد ([۴]، [۷]، [۸]، [۹]، [۱۰]، [۱۱]، [۱۲]).
HSEE مستخدمین را تشویق می نماید که سبکی از زندگی ایمن و سالم را در پیش بگیرند. همچنین، امکانات خود در رابطه با سلامت و ایمنی همسایگان خویش را نیز توسعه داده و مدیریت نموده و با کمک این سیستم با مراجع ذیربط در آماده سازی طرحهای واکنش اضطراری همکاری مشارکت کنند. HSEE با بهینه سازی مستمر مصرف انرژی و کاهش ضایعات به بهره وری محیط زیست کمک می نماید، محصولاتی را طراحی و تولید می نماید که در کل چرخه حیات خویش، دارای حداقل تأثیرات معکوس بر روی محیط زیست باشند ([۱]، [۱۲]، [۱۴]، [۱۵]، [۱۶]).
این تحقیق، یک الگوریتم شبکه عصبی تطبیقی (ANN)، برای سنجش و بهینه سازی رضایت شغلی در بین مستخدمین (اپراتورها)، در رابطه با HSEE، در یک پالایشگاه گاز، را پیشنهاد می نماید.
شبکه های عصبی مصنوعی ( ANN ها )، فقط تکنیکهای ریاضی بوده و شیوه ای یکپارچه در هوش مصنوعی و محاسباتی محسوب می گردند. آنها عموماً جهت طراحی روابط و الگوهای پیچیده بکار می روند ([۱۷]). تشخیص الگو، داده کاوی، تعیین هویت، گفتار، پندار، طبقه بندی، پیش بینی و مدل سازی فرآیند از اصلی ترین کارهای ANN هستند. توانایی یادگیری، تعمیم دهی، پردازش موازی، بررسی اطلاعات صوتی، فقدان برد اطلاعات و خطا، از مشخصه های اصلی ANNها در حل مسائل پیچیده هستند ([۱۷]، [۱۸]، [۱۹]، [۲۰]، [۲۱]، [۲۲]، [۲۳]، [۲۴]، [۲۵]، [۲۶]، [۲۷]، [۲۸]، [۲۹]، [۳۰]، [۳۱]).
 ب – رضایت شغلی
این نکته غالبا اظهار می‌شود که هر اندازه که اشخاص در شغل خود شادتر باشند، رضایت شغلی آنها بیشتر خواهد بود. با این وجود، رضایت شغلی با انگیزه یکسان نبوده، بلکه بصورت آشکاری با آن مرتبط است. طراحی شغلی، در صدد افزایش عملکرد و رضایت شغلی است؛ روشهای آن شامل گردش شغلی، گسترش شغلی و غنی سازی شغلی می باشد. سایر موارد موثر بر رضایت در برگیرنده سبک مدیریت، فرهنگ مدیریت، مشارکت کارکنان و گروههای کاری مستقل است. رضایت شغلی، مفهومی قابل توجه است که بارها از سوی مدیران ارشد سازمانها اندازه گیری می‌گردد. معمولی ترین روش این سنجش، استفاده از مقیاس درجه بندی در جائی است که کارکنان واکنش خود را نسبت به شغل خویش نشان می دهند. پرسشها مربوط به میزان دستمزد، تعهدات کاری، تنوع کارها، فرصتهای ترقی، مبحث کار و همکاران می باشد. برخی پرسشگرها، پرسشهایی از نوع بله یا خیر می پرسند، در حالیکه برخی دیگر می خواهند که میزان رضایت در مقیاس ۱ تا ۵ اعلام گردد (در صورتیکه ۱ نشان دهنده عدم رضایت و ۵ نشانگر رضایت کامل می باشد).
رضایت شغلی بعنوان وضعیت مهیج خوشایندی تعریف گردیده که ناشی از ارزیابی شغل یک فرد؛ ([۳۲]) واکنشی موثر به شغل یک فرد؛ ([۳۳]) و تصوری از شغل وی می باشد ([۳۴]). ویس (۲۰۰۲) بر این عقیده است که رضایت شغلی، یک نوع نقطه نظر بوده ولی نشان می دهد که محققان باید آشکارا، اهداف ارزیابی شناختی را که بر احساسات، عقاید و رفتارها موثر هستند، تشخیص دهند ([۳۵]). این تعریف نشان می دهد که ما با در نظر  گرفتن احساس، نظریه و رفتارهای خویش، نقطه نظراتی در مورد شغل خویش داریم.
شیوه های متعددی برای ارزیابی رضایت شغلی وجود دارد. معمولی ترین آنها جهت جمع آوری اطلاعات در رابطه با رضایت شغلی شامل پرسشهای بله/خیر، صحیح/غلط، سیستم امتیاز بندی، لیست مرجع و پاسخهای انتخابی اجباری می باشد. این اطلاعات بطور نمونـه با استفـاده از یک سیستم مدیریت بازخورد سازمـانی (EFM) جمع آوری می گـردد.
ج – توجه به رضایت شغلی در رابطه با HSEE
هرچند که مطالعات بسیاری با درنظر گرفتن دانش مؤلفان و تحقیقات قبلی، به بررسی رضایت شغلی پرداخته اند، ولی فقدان تحقیق درمورد رضایت شغلی با توجه به HSE و عوامل کارپژوهی وجود دارد. این تحقیق، برای تعیین رضایت شغلی با توجه به فاکتورهای HSEE، الگوریتم موثری را ارائه می نمایـد.
جهت انجام این تحقیق، پرسشنامه هایی را میان ۴ گروه کارکنان با نوبت کاری های متفاوت در یک پالایشگاه گاز توزیع نمودیم که در آن انواع پرسشهایی در رابطه با HSE و کار پژوهی مطرح شده بود. از شبکه عصبی مصنوعی جهت پیش بینی راندمان این سیستم یکپارچه از طریق مقایسه خروجی های این شبکه با خروجی های واقعی استفاده نموده و این پارامترهای بازدهی را دسته بندی نمودیم.
بعبارت دیگر، ۴ گروه ورودی ( سلامت، ایمنی، محیط و کارپژوهی) و یک خروجی اصلی (رضایت شغلی ) را با استنتاج از پرسشنامه های خود، تعریف نمودیم. سپس، کارآیی مستخدمین در مبحث کاری خود را با استفاده از شبکه عصبی مصنوعی مورد تحلیل و بررسی قرار دادیم.
هدف اصلی این تحقیق، کمک به استفاده از شبکه های عصبی در سنجش بازده HSE و سیستم کارپژوهی با استفاده از ۷۰ مستخدم (اپراتور) در یک پالایشگاه گاز در ایران می باشد. بدین منظور، روش شبکه عصبی مصنوعی جهت تخمین عملکرد خروجی بکار برده شده و برای محاسبه نمره بازده، روشی مشابه با روش اقتصاد سنجی استفاده گردید.
این مقاله بشرح ذیل سازماندهی شده است. بخش ۲ مقدمه ای در مورد روش شبکه عصبی تطبیقی  را ارائه می نمایـد. بخش سوم، مختص شبکه های عصبی  مصنوعی  تطبیقی  در تجزیه و تحلیل بازده بوده و در این بخش الگوریتمی جهت ارزیابی کارآیی مستخدمین در رابطه با HSEE ارائه می‌گردد. تشریح عملی سنجش عملکرد مستخدمین در رابطه با رضایت شغلی در ایران در بخش ۴ ارائه می گردد. بخش ۵  نتایج این تحقیق را نشان می دهد.
۲- شبکه عصبی مصنوعی
شبکه های عصبی مصنوعی (ANN) بسادگی تنها جزء تکنیکهای ریاضی و تکنیکی جامع در هوش محاسبـاتی و مصنـوعی بشمار می‌آیند. این شبکه متشکل از یاخته های عصبی متصل بهم بوده و سعی در شبیه سازی رفتار شبکه های عصبی بیولوژیکی دارد. این شبکه ها عموماً در طراحی روابط و الگوهای پیچیده بکار برده می شوند ([۳۱]، [۳۶]).  الگوشناسی، داده کاوی، تعیین هویت، گفتار، پندار، طبقه بندی، پیش بینی و طراحی فرآیند از امور اصلی این شبکه ها هستند. توانایی یادگیری، عمومیت دهی، پردازش موازی و تحمل خطا، برخی از مشخصه های شبکه های عصبی مصنوعی در حل مسائل پیچیده می باشند. بررسی اطلاعات نویزدار و یا فقدان یا کمبود اطلاعات، از دیگر خصوصیات اصلی شبکه های عصبی هستند. این شبکه ها همچنین می توانند جهت مقابله با مشکلاتی که برای انسانها دشوار هستند، بکار برده شوند. تنها یک نوع شبکـه کـه ادراک چندلایه (MLP) نامیـده می شود، در اینجا مورد بحث قرار می گیـرد. اطلاعات بدون هیچ بازخوردی از MLP ، بصورت پیوسته بسوی خروجی پیش می رود. الگوریتم پس انتشاری خطا، یکی از پرکاربردترین قوانین در MLP بشمار می رود ([۳۷]).  
وربوس یادگیری پس انتشاری، که نوعی یادگیری کنترل شده است، را پیشنهاد نمود ([۳۸]). روملهارت و مک کللاند الگوریتم یادگیری مذکور را ابداع نمودند ([۳۹]). شبکه عصبی مصنوعی از مجموعه ای از اطلاعات استفاده می نماید که شامل ورودی – جفت های الگوی خروجی مطلوب می باشد. کار با شبکه عصبی مصنوعی در برگیرنده ۳ مرحله است: (۱) آموزش، (۲) آزمایش و (۳) بکارگیری یا یادآوری. در لایه آموزش، شبکه عصبی مصنوعی یاد می گیرد که الگوی حاضر را از مجموعه اطلاعات ورودی تمیز دهد. در لایه دوم، اجرای شبکه عصبی آموزش یافته، از طریق مشخص نمودن تفاضل بین خروجی های این شبکه و خروجی های واقعی، مورد محاسبه قرار می گیرد. پس از آموزش شبکه های عصبی مصنوعی محتمل، شبکه ای با حداقل خطا جهت بکارگیری در مطالعه موردی، انتخاب می گردد ([۲۷]، [۲۸]، [۲۹]، [۳۰]، [۳۱]، [۳۶]، [۳۷]).
۳- روش بررسی
جهت تخمین رضایت شغلی با توجه به HSEE، یک الگوریتم جامع شبکه عصبی مصنوعی بشرح ذیل ارائه میگردد:
۱- بیش از هر کار دیگری، باید متغیرهای ورودی و خروجی طرح را تعریف نمائیم.
۲- مجموعه اطلاعات S را گردآوری نمائیم. فرض کنید تعداد  nمستخدم باید مورد ارزیابی قرار بگیرند.
۳- S را به دو زیرمجموعه تقسیم نمائید: داده های آموزشی (S۱) و آزمایشی (S۲).
۴- از روش ANN جهت تخمین رابطه بین ورودی (ها) و خروجی (ها) استفاده کنید ([۴۰]).
۵- ساختار و پارامترهای آموزشی را تعیین نمائیـد.
۶- از داده های آموزشی (S۱) جهت آموزش نمونه اصلی استفاده نمائیـد.
۷- از داده های آزمایشی (S۲) جهت ارزیابی نمونه اصلی استفاده نمائیـد.
۸- این مراحل را تکرار و از ساختارها و پارامترهای آموزشی متفاوت، جهت دستیابی به بهترین ساختارهای شبکه، استفاده نمائیـد.
۹- بهترین ساختار شبکه (ANN*) را با توجه به خطای داده های آزمایشی (MAPE)، انتخاب نمائیـد.
۱۰- ANN را جهت SC به جریان انداخته و خروجی مدل ANN را محاسبه نمائید (PANN*(1)).
۱۱- امتیازات راندمان را با خروجی های واقعی (Preal(1)) و خروجی مدل ANN ، محاسبه نمائید (PANN*(1)).
۴- آزمایش – الگوریتم جامع ANN
الف- پالایشگاه گاز
پایشگاه گاز در استان جنوبی هرمزگان در کشور ایران واقع شده است. پرسشنامه ها در میان مستخدمین در ۴ نوبت کاری مختلف، توزیع گردید. از شبکه ANN جهت پیش بینی HSEE ناشی از بازخورد دریافتی از مستخدمین (پرسشنامه ها) استفاده کرده ایم. نتایج ANN  با استفاده از داده‌های حاصله از طریق میانگین قدر مطلق درصد خطا (MAPE) تایید شدند.
ب- جمع آوری و تجزیه و تحلیل داده ها
چهار مورد پرسشنامه شامل اطلاعات ارزشمند در رابطه با عوامل انسانی، ایمنی، محیط و سلامت تهیه و به مستخدمین داده شد. مستخدمین به آن پرسشنامه ها پاسخ داده و ما نیز به هریک از پاسخهای آنها، امتیاز ۰ و ۱ دادیم. برای انجام این مطالعه، نیاز داریم ورودی ها و خروجی های مرتبط با سیستم را تعریف نماییم. پس از مرتب نمودن داده های جمع آوری شده از پرسشنامه ها، شاخص های داده های ورودی را به ۴ گروه سلامت، ایمنی، محیط و کارپژوهی تقسیم نموده و رضایت شغلی را بعنوان شاخص داده های خروجی، تعریف نمودیم.
 ج- به جریان انداختن الگوریتم پیشنهادی
مرحله اول: همانطور که قبلاً نشان داده شد، اولین گام، تعیین متغیرهای ورودی و خروجی نمونه اصلی می باشد. ۴ مقوله اصلی (سلامت، ایمنی، محیط، کارپژوهی) را بعنوان متغیرهای ورودی انتخاب کرده و پرسشهایی را که مرتبط با آن مقوله ها بودند، مورد تجزیه و تحلیل قرار می دهیم. سپس، جهت هر مقوله، نمره میانگین را بعنوان نمره نهایی که باید در ANN پیشنهادی استفاده گردد، بکار می بریم. بعلاوه، یک سؤال اصلی را در میان پرسشنامه های خود بعنوان داده های خروجی، یعنی رضایت شغلی، انتخاب کرده ایم. پرسش خروجی به این صورت بیان می شود: “آیا از شغل خود راضی هستید؟”. پاسخ انتخابی، بله، خیر یا نمی دانم خواهد بود.
مرحله دوم: برای تقویت الگوریتم جامع ANN ،۱۵۰ ردیف داده از میان ۷۰ مستخدم و ۸۰ گروه ترکیبی از مستخدمین جمع آوری می‌گردد.
مرحله سوم: S۱ ، ۱۳۵ ردیف داده برای آموزش و S۲ ، ۱۵ ردیف داده جهت آزمایش است.
مراحل پنجم، ششم، هفتم و هشتم: بمنظور یافتن بهترین ANN (شبکه عصبی مصنوعی) جهت این تحقیق، ۲۵ نمونه ANN مجزا با هدف دستیابی به نمونه ای مناسب برای خروجی، یعنی رضایت شغلی، تحت آزمایش قرار می گیرند. بعبارت دیگر، بهترین نمونه ANN را برای خروجی یافته ایم. حداکثر تعداد نورونها در اولین لایه پنهانی، تا ۱۰۰ مشخص می‌گردد. هر نمونه، برای ۱۰۰ بار کنترل شده تا خطا یا پارازیت احتمالی مشخص شود. ساختـار نمونـه های ANN-MLP و مقادیر MAPE آنها در جدول شمـاره ۱ نشان داده شده است. ظاهراً نمونـه ANN-MLP شماره ۱۷ جهت رضایت شغلی، دارای پایینترین MAPE و در نتیجه بعنوان نمونه ارجح یا مطلوب، انتخاب می‌گردد. شکل ۱ تخمین خطای نسبی را برای ۲۵ نمونه ANN-MLP نشان داده و بهترین نمونه را نیز مشخص می نمایـد.
مرحله نهم و دهم: بنابراین، ANN-MLP ردیف هفدهم، برای تخمین ارزشیابی عملکرد HSEE در مقابل رضایت شغلی، انتخاب می گردد. جهت تعیین یک خروجی ANN برای هر مستخدم، نمونه ارجح خود را برای کل مستخدمین، امتحان کردیم. توجه داشته باشید که مدل پیشنهادی  ما، نوع بخصوصی از نمونه ای است که تنها در یک دوره زمانی بکار می رود. شکل ۲، فاصله میان نتایج ANN ارجح و داده های اصلی را برای هریک از خروجی ها نشان می دهد. این شکل،  اثبات می‌کند که نمونه ارجح نسبتاً به داده های واقعی نزدیکتر می باشد.
مرحله یازدهم: نتایج این مرحله در جدول شماره ۲ نشان داده شده است. این جدول، بوسیله الگوریتم پیشنهادی، تخمینی از نمره های بازده را برای کلیه مستخدمین نشان می دهد. درضمن، کلیه مستخدمین را بر اساس نمره های بازده آنها، گروه بندی نموده ایم.
۵- نتیجه گیری
سلامت، ایمنی و محیط (HSE) جزء مفاهیم مهم در صنایع امروزی به شمار می‌آیند، چنانکه دانشمندان و محققان همواره سعی بر این داشته اند که ارتباط میان انسان و فضای پیرامونی را بهبود بخشند. بر این مبنا، الگوریتم بسیار متغیر و منحصربفرد شبکه عصبی مصنوعی (ANN) جهت اندازه گیری و رده بندی HSE و بازده کارپژوهی مستخدمین پیشنهاد گردید که دلیل آن نیز عدم خطی بودن شبکه های عصبی همراه با توابع تقریبی کلی و اجزای آن می‌باشد که خود سبب می‌شود تا آنها از انعطاف پذیری کاملا بالایی برخوردار باشند. الگوریتم پیشنهادی از ۱۱ مرحله مجزا تشکیل شده است. جهت نمایش قابلیت کاربرد و اولویتهای آن، چنین سیستمی برای گروهی از مستخدمین در یک پالایشگاه گاز بکار برده شد. هدف اصلی این تحقیق، ارزیابی رضایت شغلی با توجه به عوامل سلامت، ایمنی و محیط زیست (HSE) با روش شبکه عصبی مصنوعی (ANN) می باشد. جهت پیش بینی کارایی HSE و کاربرد سیستم کارپژوهی در خصوص مستخدمین و همچنین رده بندی کارایی آنها، پس از مقایسه آن با داده های واقعی ناشی از عملکرد سیستم، از ANN استفاده شد. برای هر مستخدم، نمره ای بین ۰ تا ۱ مشخص گردید که نشان دهنده عملکرد سیستم HSEE در زمینه رضایت شغلی مستخدمین می باشد.
بنابر این، با تعیین شیفت هایی که دارای مستخدمین بیشتری بوده و در عین حال نمره کمتری دارند و همچنین یافتن نکات ضعف هر شیفت، ما اقدامات خود جهت تصحیح این شیفت ها را آغاز نموده تا آنکه کارایی بالاتری حاصل گردد.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
تماس با ما

اکنون آفلاین هستیم، اما امکان ارسال ایمیل وجود دارد.

به سیستم پشتیبانی سایت ایران ترجمه خوش آمدید.