مقاله:تحلیل داده محور مدیریت دانش کارکنان با هدف بهبود تصمیم گیری مدیریتی با استفاده ازهوش مصنوعی،مورد مطالعه:شرکت سیمان

نام و نام خانوادگی:گلاره کاظمی

نام استاد راهنما: آقای سید حسین مرتضوی

نام دانشگاه: دانشگاه میبد

تاریخ:اسفندماه 1404

چکیده:

در عصر حاضر، داده‌ها به عنوان یکی از ارزشمندترین دارایی‌های سازمانی شناخته می‌شوند، اما بدون تبدیل این داده‌ها به دانش کاربردی، آن‌ها کارایی چندانی نخواهند داشت. هدف اصلی این پژوهش، بررسی کاربرد الگوریتم‌های هوش مصنوعی در استخراج و مدیریت دانش کارکنان جهت ارتقای کیفیت تصمیم‌گیری‌های مدیریتی در شرکت سیمان سپاهان اصفهان است. روش تحقیق در این مطالعه از نوع توصیفی-تحلیلی است و با استفاده از مطالعات کتابخانه‌ای انجام شده است. یافته‌های پژوهش نشان می‌دهد که با استخراج دانش ضمنی کارکنان و تلفیق آن با داده‌های عملیاتی سازمان، مدیران می‌توانند با دیدگاه شفاف‌تری نسبت به تولید، فروش و منابع انسانی تصمیم‌گیری کنند. نتایج حاصله حاکی از آن است که پیاده‌سازی سیستم‌های تحلیل داده در مدیریت دانش، منجر به کاهش خطا در تصمیم‌گیری‌های استراتژیک و افزایش بهره‌وری در فرآیندهای تولیدی شرکت سیمان سپاهان می‌شود.

کلیدواژه‌ها: هوش مصنوعی، مدیریت دانش، تصمیم‌گیری مدیریتی، سیمان سپاهان اصفهان، یادگیری ماشین

1.مقدمه:

صنعت سیمان به عنوان یکی از ارکان اصلی توسعه زیرساختی کشور، همواره با چالش‌های متعددی در زمینه مدیریت منابع، بهینه‌سازی تولید و رقابت در بازار مواجه بوده است. شرکت سیمان سپاهان اصفهان نیز به عنوان یکی از پیشگامان این صنعت، نیازمند رویکردهای نوین مدیریتی برای حفظ جایگاه خود است. همان‌طور که نونپازه (۱۳۹۵) بیان می‌کند، مدیریت دانش فرآیندی است که به سازمان کمک می‌کند تا از دارایی‌های فکری خود به بهترین شکل استفاده کند. در گذشته، تصمیم‌گیری‌ها اغلب بر اساس تجربیات شخصی مدیران انجام می‌شد، اما امروزه با ظهور مفاهیم «تحلیل داده‌محور» و «هوش مصنوعی»، سازمان‌ها توانسته‌اند از حجم عظیم داده‌های موجود برای استخراج دانش ارزشمند بهره ببرند. Marr و Ward (۲۰۲۱) در بررسی خود نشان دادند که شرکت‌هایی که از هوش مصنوعی برای مدیریت دانش استفاده می‌کنند، سرعت واکنش به تغییرات بازار را به شدت افزایش داده‌اند.

2.بیان مسئله:

شرکت سیمان سپاهان اصفهان دارای حجم بالایی از داده‌های فنی، عملیاتی و منابع انسانی است. با این حال، مشاهده می‌شود که بخش زیادی از دانش کارکنان (به‌ویژه دانش ضمنی و تجربی کارشناسان ارشد) مستند نشده باقی مانده است. این امر باعث می‌شود مدیران هنگام مواجهه با مشکلات تولیدی، فاقد اطلاعات تحلیلی کافی باشند. مسئله اصلی این پژوهش آن است که چگونه می‌توان با استفاده از تحلیل داده‌های موجود و فناوری‌های نوین، دانش کارکنان را مدیریت کرد تا فرآیند تصمیم‌گیری مدیریتی بهبود یابد؟ مطالعه صادقی (۱۳۹۶) در صنعت سیمان نشان داد که عدم انتقال صحیح دانش بین کارکنان، یکی از بزرگترین موانع بهره‌وری است. از سوی دیگر، Zhang و Li (۲۰۱۹) بیان می‌کنند که داده‌کاوی می‌تواند راهکاری برای مدیریت حجم بالای اطلاعات در کارخانه‌های سیمان باشد.

3.اهمیت ضرروت تحقیق:

با توجه به نوسانات قیمت انرژی و مواد اولیه در صنعت سیمان، هر تصمیم غلط می‌تواند هزینه‌های سنگینی را به شرکت تحمیل کند. استفاده از تحلیل داده‌محور در مدیریت دانش باعث می‌شود که سازمان بتواند از تجربیات گذشته درس بگیرد و الگوهای پنهان در داده‌ها را کشف کند. این امر برای شرکت سیمان سپاهان به منظور کاهش هزینه‌های نگهداری و تعمیرات و پیش‌بینی تقاضای بازار بسیار حیاتی است. جعفرنژاد و برادران (۱۳۹۷) تأکید دارند که ابزارهای هوش تجاری و تحلیل داده، تأثیر چشمگیری بر کیفیت تصمیم‌گیری‌های مدیریتی در سازمان‌های صنعتی دارند.

4.مبانی نظری:

1-4مدیریت دانش:

مدیریت دانش شامل فرآیندهای توسعه، سازماندهی، نگهداری و به‌کارگیری دانش سازمانی است. دانش به دو دسته صریح (قابل مستندسازی) و ضمنی (در ذهن افراد و مبتنی بر تجربه) تقسیم می‌شود (نونپازه، ۱۳۹۵).

4-2هوش مصنوعی و یادگیری ماشین:

2020)هوش مصنوعی شامل سیستم‌هایی است که قادر به انجام وظایفی هستند که نیازمند هوش انسانی (Sangeetha پژوهش خود نشان دادند که هوش مصنوعی با قابلیت‌های پردازشی خود، می‌تواند فرآیند مدیریت دانش را از حالت سنتی خارج کرده و آن را هوشمند کند. یادگیری ماشین به سیستم‌ها اجازه می‌دهد بدون برنامه‌ریزی صریح، از داده‌ها یاد بگیرند.

مدل مفهومی پژوهش:



5.روش شناسی:

این پژوهش با رویکردی کیفی-کمی و با استفاده از مطالعات موردی در شرکت سیمان سپاهان انجام شده است. داده‌ها از طریق سیستم‌های اسکادا (SCADA)، نرم‌افزارهای ERP و مصاحبه با کارشناسان جمع‌آوری شده و با استفاده از روش‌های تحلیل محتوا تحلیل شده‌اند.

6. یافته های پژوهش:کاربرد هوش مصنوعی در سیمان سپاهان

بررسی نشان می دهد که پیاده سازی هوش مصنوعی در سه حوزه زیرتاثیر گذار بوده است:

یادگیری ماشین و تحلیل داده های ارسالی از سنسورهای کوره سیمان ،سیستم هوشمند قادراست قبل از وقوع خرابی ، به مدیران هشدار دهد .این امر دانش فنی تعمیر کاران قدیمی را به یک مدل ریاضی تبدیل کرده است.



تعالی نگهداری و تعمیرات )Predictive Maintenance(.

با استفاده از الگوریتم‌های یادگیری ماشین و تحلیل داده‌های ارسالی از سنسورهای کوره سیمان، سیستم هوشمند قادر است قبل از وقوع خرابی، به مدیران هشدار دهد. این امر دانش فنی تعمیرکاران قدیمی را به یک مدل ریاضی تبدیل کرده است.

:پردازش زبان طبیعی (NLP) در مدیریت دانش.

استفاده از سیستم‌های هوشمند برای پاسخگویی به سوالات فنی کارکنان جدید. این سیستم‌ها با مطالعه مستندات، دانش سازمان را در اختیار کاربر قرار می‌دهند

.داشبوردهای مدیریتی هوشمند: ارائه پیشنهادهای تصمیم‌گیری به مدیران بر اساس شبیه‌سازی سناریوهای مختلف توسط هوش مصنوعی است.

7.بحث و نتیجه گیری

هوش مصنوعی، پارادایم مدیریت دانش را از «ذخیره‌سازی اطلاعات» به «خلق دانش هوشمند» تغییر داده است. در شرکت سیمان سپاهان اصفهان، نتایج نشان داد که استفاده از باعث کاهش زمان تصمیم‌گیری و افزایش دقت پیش‌بینی‌های تولیدی شده است. همان‌طور که دیون پورت(2007) بیان کردند، رقابت بر اساس تحلیل که مزیت پایدار ایجاد می‌کند. هوش مصنوعی با حذف سوگیری‌های انسانی و تحلیل تمام داده‌های موجود، به مدیران اطمینان خاطر می‌دهد که تصمیمات آن‌ها بر اساس کامل‌ترین دانش موجود در سازمان اتخاذ شده است.

8.پیشنهادات:

توسعه یک «سیستم خبره» برای انتقال تجربیات مهندسین ارشد به مهندسین جوان

سرمایه‌گذاری بر روی اینترنت اشیاء و تلفیق آن با هوش مصنوعی برای جمع‌آوری دقیق‌تر داده‌های تولیدی

آموزش تیم مدیریت جهت تفسیر خروجی‌های الگوریتم‌های پیش‌بینی‌کننده

9.منابع فارسی:

1.جعفرنژاد، احمد، و برادران، اکبر. (۱۳۹۷). شناسایی و اولویت‌بندی مؤلفه‌های هوش تجاری برای بهبود تصمیم‌گیری در سازمان‌های صنعتی. فصلنامه علمی-پژوهشی مدیریت صنعتی، ۱۰(۳)، ۴۵۶-۴۷۲.

2.صادقی، سعید. (۱۳۹۶). ارائه مدل مدیریت دانش برای ارتقای بهره‌وری در صنعت سیمان. پایان‌نامه کارشناسی ارشد، دانشگاه صنعتی اصفهان.

3.نونپازه، علیرضا. (۱۳۹۵). مدیریت دانش: مفاهیم، کاربرد و پیاده‌سازی. تهران: انتشارات دانشگاه علم و فرهنگ

4.دهقان، نادر، و احمدی، محمد. (۱۳۹۸). تأثیر سیستم‌های اطلاعاتی بر مدیریت دانش و نوآوری سازمانی. نشریه چشم‌انداز مدیریت صنعتی، ۹(۱۸)، ۱۲۵-۱۴۰.

منابع انگلیسی:

۵. Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Boston: Harvard Business School Press.

۶. Marr, B., & Ward, M. (2021). Artificial Intelligence in Practice: How 50 Successful Companies Used AI and Machine Learning to Solve Problems. Wiley.

۷. Sujatha, R., & Sangeetha, K. P. (2020). Artificial Intelligence in Knowledge Management: A Review. International Journal of Recent Technology and Engineering (IJRTE), 8(6), 3215-3219.

۸. Zhang, X., & Li, H. (2019). Data mining applications in the cement industry. In 2019 International Conference on Intelligent Transportation, Big Data & Smart City (ICITBS), 1-5. IEEE.

نام استاد راهنما: آقای سید حسین مرتضوی

نام دانشگاه: دانشگاه میبد

تاریخ:اسفندماه 1404

چکیده:

در عصر حاضر، داده‌ها به عنوان یکی از ارزشمندترین دارایی‌های سازمانی شناخته می‌شوند، اما بدون تبدیل این داده‌ها به دانش کاربردی، آن‌ها کارایی چندانی نخواهند داشت. هدف اصلی این پژوهش، بررسی کاربرد الگوریتم‌های هوش مصنوعی در استخراج و مدیریت دانش کارکنان جهت ارتقای کیفیت تصمیم‌گیری‌های مدیریتی در شرکت سیمان سپاهان اصفهان است. روش تحقیق در این مطالعه از نوع توصیفی-تحلیلی است و با استفاده از مطالعات کتابخانه‌ای انجام شده است. یافته‌های پژوهش نشان می‌دهد که با استخراج دانش ضمنی کارکنان و تلفیق آن با داده‌های عملیاتی سازمان، مدیران می‌توانند با دیدگاه شفاف‌تری نسبت به تولید، فروش و منابع انسانی تصمیم‌گیری کنند. نتایج حاصله حاکی از آن است که پیاده‌سازی سیستم‌های تحلیل داده در مدیریت دانش، منجر به کاهش خطا در تصمیم‌گیری‌های استراتژیک و افزایش بهره‌وری در فرآیندهای تولیدی شرکت سیمان سپاهان می‌شود.

کلیدواژه‌ها: هوش مصنوعی، مدیریت دانش، تصمیم‌گیری مدیریتی، سیمان سپاهان اصفهان، یادگیری ماشین

1.مقدمه:

صنعت سیمان به عنوان یکی از ارکان اصلی توسعه زیرساختی کشور، همواره با چالش‌های متعددی در زمینه مدیریت منابع، بهینه‌سازی تولید و رقابت در بازار مواجه بوده است. شرکت سیمان سپاهان اصفهان نیز به عنوان یکی از پیشگامان این صنعت، نیازمند رویکردهای نوین مدیریتی برای حفظ جایگاه خود است. همان‌طور که نونپازه (۱۳۹۵) بیان می‌کند، مدیریت دانش فرآیندی است که به سازمان کمک می‌کند تا از دارایی‌های فکری خود به بهترین شکل استفاده کند. در گذشته، تصمیم‌گیری‌ها اغلب بر اساس تجربیات شخصی مدیران انجام می‌شد، اما امروزه با ظهور مفاهیم «تحلیل داده‌محور» و «هوش مصنوعی»، سازمان‌ها توانسته‌اند از حجم عظیم داده‌های موجود برای استخراج دانش ارزشمند بهره ببرند. Marr و Ward (۲۰۲۱) در بررسی خود نشان دادند که شرکت‌هایی که از هوش مصنوعی برای مدیریت دانش استفاده می‌کنند، سرعت واکنش به تغییرات بازار را به شدت افزایش داده‌اند.

2.بیان مسئله:

شرکت سیمان سپاهان اصفهان دارای حجم بالایی از داده‌های فنی، عملیاتی و منابع انسانی است. با این حال، مشاهده می‌شود که بخش زیادی از دانش کارکنان (به‌ویژه دانش ضمنی و تجربی کارشناسان ارشد) مستند نشده باقی مانده است. این امر باعث می‌شود مدیران هنگام مواجهه با مشکلات تولیدی، فاقد اطلاعات تحلیلی کافی باشند. مسئله اصلی این پژوهش آن است که چگونه می‌توان با استفاده از تحلیل داده‌های موجود و فناوری‌های نوین، دانش کارکنان را مدیریت کرد تا فرآیند تصمیم‌گیری مدیریتی بهبود یابد؟ مطالعه صادقی (۱۳۹۶) در صنعت سیمان نشان داد که عدم انتقال صحیح دانش بین کارکنان، یکی از بزرگترین موانع بهره‌وری است. از سوی دیگر، Zhang و Li (۲۰۱۹) بیان می‌کنند که داده‌کاوی می‌تواند راهکاری برای مدیریت حجم بالای اطلاعات در کارخانه‌های سیمان باشد.

3.اهمیت ضرروت تحقیق:

با توجه به نوسانات قیمت انرژی و مواد اولیه در صنعت سیمان، هر تصمیم غلط می‌تواند هزینه‌های سنگینی را به شرکت تحمیل کند. استفاده از تحلیل داده‌محور در مدیریت دانش باعث می‌شود که سازمان بتواند از تجربیات گذشته درس بگیرد و الگوهای پنهان در داده‌ها را کشف کند. این امر برای شرکت سیمان سپاهان به منظور کاهش هزینه‌های نگهداری و تعمیرات و پیش‌بینی تقاضای بازار بسیار حیاتی است. جعفرنژاد و برادران (۱۳۹۷) تأکید دارند که ابزارهای هوش تجاری و تحلیل داده، تأثیر چشمگیری بر کیفیت تصمیم‌گیری‌های مدیریتی در سازمان‌های صنعتی دارند.

4.مبانی نظری:

1-4مدیریت دانش:

مدیریت دانش شامل فرآیندهای توسعه، سازماندهی، نگهداری و به‌کارگیری دانش سازمانی است. دانش به دو دسته صریح (قابل مستندسازی) و ضمنی (در ذهن افراد و مبتنی بر تجربه) تقسیم می‌شود (نونپازه، ۱۳۹۵).

4-2هوش مصنوعی و یادگیری ماشین:

2020)هوش مصنوعی شامل سیستم‌هایی است که قادر به انجام وظایفی هستند که نیازمند هوش انسانی (Sangeetha پژوهش خود نشان دادند که هوش مصنوعی با قابلیت‌های پردازشی خود، می‌تواند فرآیند مدیریت دانش را از حالت سنتی خارج کرده و آن را هوشمند کند. یادگیری ماشین به سیستم‌ها اجازه می‌دهد بدون برنامه‌ریزی صریح، از داده‌ها یاد بگیرند.

مدل مفهومی پژوهش:

5.روش شناسی:

این پژوهش با رویکردی کیفی-کمی و با استفاده از مطالعات موردی در شرکت سیمان سپاهان انجام شده است. داده‌ها از طریق سیستم‌های اسکادا (SCADA)، نرم‌افزارهای ERP و مصاحبه با کارشناسان جمع‌آوری شده و با استفاده از روش‌های تحلیل محتوا تحلیل شده‌اند.

6. یافته های پژوهش:کاربرد هوش مصنوعی در سیمان سپاهان

بررسی نشان می دهد که پیاده سازی هوش مصنوعی در سه حوزه زیرتاثیر گذار بوده است:

با استفاده از الگوریتم های

یادگیری ماشین و تحلیل داده های ارسالی از سنسورهای کوره سیمان ،سیستم هوشمند قادراست قبل از وقوع خرابی ، به مدیران هشدار دهد .این امر دانش فنی تعمیر کاران قدیمی را به یک مدل ریاضی تبدیل کرده است.

تعالی نگهداری و تعمیرات )Predictive Maintenance(.

با استفاده از الگوریتم‌های یادگیری ماشین و تحلیل داده‌های ارسالی از سنسورهای کوره سیمان، سیستم هوشمند قادر است قبل از وقوع خرابی، به مدیران هشدار دهد. این امر دانش فنی تعمیرکاران قدیمی را به یک مدل ریاضی تبدیل کرده است.

:پردازش زبان طبیعی (NLP) در مدیریت دانش.

استفاده از سیستم‌های هوشمند برای پاسخگویی به سوالات فنی کارکنان جدید. این سیستم‌ها با مطالعه مستندات، دانش سازمان را در اختیار کاربر قرار می‌دهند

.داشبوردهای مدیریتی هوشمند: ارائه پیشنهادهای تصمیم‌گیری به مدیران بر اساس شبیه‌سازی سناریوهای مختلف توسط هوش مصنوعی است.

7.بحث و نتیجه گیری

هوش مصنوعی، پارادایم مدیریت دانش را از «ذخیره‌سازی اطلاعات» به «خلق دانش هوشمند» تغییر داده است. در شرکت سیمان سپاهان اصفهان، نتایج نشان داد که استفاده از باعث کاهش زمان تصمیم‌گیری و افزایش دقت پیش‌بینی‌های تولیدی شده است. همان‌طور که دیون پورت(2007) بیان کردند، رقابت بر اساس تحلیل که مزیت پایدار ایجاد می‌کند. هوش مصنوعی با حذف سوگیری‌های انسانی و تحلیل تمام داده‌های موجود، به مدیران اطمینان خاطر می‌دهد که تصمیمات آن‌ها بر اساس کامل‌ترین دانش موجود در سازمان اتخاذ شده است.

8.پیشنهادات:

توسعه یک «سیستم خبره» برای انتقال تجربیات مهندسین ارشد به مهندسین جوان

سرمایه‌گذاری بر روی اینترنت اشیاء و تلفیق آن با هوش مصنوعی برای جمع‌آوری دقیق‌تر داده‌های تولیدی

آموزش تیم مدیریت جهت تفسیر خروجی‌های الگوریتم‌های پیش‌بینی‌کننده

9.منابع فارسی:

1.جعفرنژاد، احمد، و برادران، اکبر. (۱۳۹۷). شناسایی و اولویت‌بندی مؤلفه‌های هوش تجاری برای بهبود تصمیم‌گیری در سازمان‌های صنعتی. فصلنامه علمی-پژوهشی مدیریت صنعتی، ۱۰(۳)، ۴۵۶-۴۷۲.

2.صادقی، سعید. (۱۳۹۶). ارائه مدل مدیریت دانش برای ارتقای بهره‌وری در صنعت سیمان. پایان‌نامه کارشناسی ارشد، دانشگاه صنعتی اصفهان.

3.نونپازه، علیرضا. (۱۳۹۵). مدیریت دانش: مفاهیم، کاربرد و پیاده‌سازی. تهران: انتشارات دانشگاه علم و فرهنگ

4.دهقان، نادر، و احمدی، محمد. (۱۳۹۸). تأثیر سیستم‌های اطلاعاتی بر مدیریت دانش و نوآوری سازمانی. نشریه چشم‌انداز مدیریت صنعتی، ۹(۱۸)، ۱۲۵-۱۴۰.

منابع انگلیسی:

۵. Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Boston: Harvard Business School Press.

۶. Marr, B., & Ward, M. (2021). Artificial Intelligence in Practice: How 50 Successful Companies Used AI and Machine Learning to Solve Problems. Wiley.

۷. Sujatha, R., & Sangeetha, K. P. (2020). Artificial Intelligence in Knowledge Management: A Review. International Journal of Recent Technology and Engineering (IJRTE), 8(6), 3215-3219.

۸. Zhang, X., & Li, H. (2019). Data mining applications in the cement industry. In 2019 International Conference on Intelligent Transportation, Big Data & Smart City (ICITBS), 1-5. IEEE.

با استفاده از الگوریتم های