مرکز منطقه ای اطلاع رسانی علوم و فناوری راهبرد توسعه 1735-2460 21 83 2025 12 9 Application of machine learning to predict complex nested solutions in hierarchical programming کاربرد یادگیری ماشینی برای پیش بینی راه حل های پیچیده تو در تو در برنامه ریزی سلسله مراتبی 148 164 fa مهدی بهرامی دانشگاه آزاد اسلامی واحد تبریز یعقوب علوی متین دانشگاه آزاد اسلامی، تبریز، ایران سلیمان ایرانزاده دانشگاه آزاد اسلامی واحد تبریز 2024 9 30 <p>Nowadays, due to the need to reduce costs and increase productivity, we are always witnessing the emergence of new methods in the field of production and operation management, hierarchical production planning is also considered as one of these methods, which has been the subject of considerable research in the past few decades. has been done., therefore, the present research is looking for the application of machine learning to predict complex nested solutions in hierarchical planning. Data collection, this research is descriptive-analytical and library studies were used to collect information. Descriptive researches are used to investigate the existing conditions in order to know more in order to help the decision-making process. The statistical population of the current research is the Mobarake Steel Company of Isfahan. Considering that the research data is few. Data extraction is done from existing documents. As a result, the studied sample is data related to production, cost and financial performance in the years 2015-2019. Sampling in this research is purposeful. Library and field methods were used to collect information in this research. Library studies were used as a foundation to formulate the theoretical framework of the research, and the field method was also used to obtain information about Mobarake Steel Company.</p> <p>امروزه با توجه&zwnj; به&zwnj; لزوم کاهش&zwnj; هزینه&zwnj;ها و افزایش&zwnj; بهره وری&zwnj; همواره شاهد ظهور روشهای&zwnj; جدیدی&zwnj; در زمینه&zwnj; مدیریت&zwnj; تولید و عملیات هستیم&zwnj;، برنامه&zwnj;ریزی&zwnj; تولید سلسله&zwnj; مراتبی&zwnj; نیز به&zwnj; عنوان یکی&zwnj; از این&zwnj; روشها مطرح است&zwnj; که&zwnj; در طی&zwnj; چند دهه&zwnj; گذشته&zwnj; تحقیقات قابل&zwnj; توجهی&zwnj; در رابطه&zwnj; با آن صورت گرفته&zwnj; است&zwnj;.، بنابرین تحقیق حاضر به دنبال کاربرد یادگیری ماشینی برای پیش بینی راه حل های پیچیده تو در تو در برنامه ریزی سلسله مراتبی می باشد، این پژوهش از لحاظ هدف، پژوهشی کاربردی است و از نظر روش، از نوع همبستگی و نحوه¬ی گردآوری داده¬ها، این پژوهش توصیفی– تحلیلی است و از مطالعات کتابخانه ای جهت جمع آوری اطلاعات استفاده شده است. پژوهش¬های توصیفی به بررسی شرایط موجود جهت شناخت بیشتر به منظور کمک به فرآیند تصمیم¬گیری مورد استفاده قرار می¬گیرند. جامعه آماری تحقیق حاضر شرکت فولاد مبارکه اصفهان می باشد. با توجه به اینکه داده های تحقیق کمی است. استخراج داده ها از اسناد و مدارک موجود صورت می گرید. در نتیجه نمونه مورد مطالعه داده های مربوط به عملکرد تولید، هزینه و مالی در سال های 1395-1399 می باشد. نمونه گیری در این پژوهش هدفمند می باشد. جهت جمع آوری اطلاعات در این تحقیق از روش های کتابخانه ای و میدانی استفاده گردید. از مطالعات کتابخانه ای به عنوان شالوده ای جهت تدوین چارچوب نظری تحقیق استفاده شد و از روش میدانی نیز جهت دریافت اطلاعات شرکت فولاد مبارکه بهره گرفته شد.</p>

http://rahbord-mag.ir/fa/Article/Download/52416