عنوان پایان‌نامه

طراجی وپیاده سازی......



    دانشجو در تاریخ ۳۰ شهریور ۱۳۸۷ ، به راهنمایی ، پایان نامه با عنوان "طراجی وپیاده سازی......" را دفاع نموده است.


    رشته تحصیلی
    MBA
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 39178;کتابخانه پردیس 2 فنی شماره ثبت: 1429
    تاریخ دفاع
    ۳۰ شهریور ۱۳۸۷
    دانشجو
    نوید مجیر
    استاد راهنما
    عباس کرامتی

    چکیده در این پایان¬نامه رتبه¬بندی جنبه¬های مختلف استفاده از فناوری اطلاعات و مکمل¬های آن با استفاده از دو روش مختلف انجام شده است. روش اول استفاده از مدل آماری و روش دوم توسعه و پیاده¬سازی یک سیستم هوشمند پشتیبانی تصمیم برای انجام رتبه¬بندی است. با شروع استفاده از فناوری اطلاعات در سازمان¬ها تحقیقات زیادی در زمینه تاثیر استفاده از این فناوری بر عملکرد سازمان¬ها انجام شد. در بسیاری از این تحقیقات رابطه معنادار و مثبتی میان استفاده از فناوری اطلاعات و عملکرد سازمانی یافت نشد. این پدیده در ادبیات موضوع به متناقض¬نمای فناوری اطلاعات موسوم است. بررسی¬های کامل¬تر نشان داد سرمایه¬گذاری روی فناوری اطلاعات می¬تواند به بهبود عملکرد منجر شود، اگر سرمایه¬گذاری¬های مناسبی روی دارایی¬های مکمل فناوری اطلاعات انجام شده باشد. این دارایی¬های مکمل مواردی مانند مهندسی مجدد فرآیندها و برخی زیرساخت¬های سازمانی را شامل می¬شوند. از آنجاییکه با توجه به محدودیت منابع سازمان¬ها امکان سرمایه¬گذاری روی همه این دارایی¬های مکمل وجود ندارد، سوال این است که سرمایه¬گذاری روی کدامیک از این دارایی-ها تاثیر بیشتری در بهبود عملکرد سازمان دارد و باید در اولویت قرار گیرد؟ در این پایان¬نامه تلاش شده است تا با استفاده از دو رویکرد مختلف و با در نظر گرفتن داده¬های مربوط به صنعت قطعه سازی به این سوال پاسخ مناسب داده شود. در رویکرد اول با استفاده از یک مدل معادلات ساختاری به طریق آماری، رتبه¬بندی در سطح جامعه آماری انجام شده است. رویکرد دوم که در واقع تمرکز عمده این پایان¬نامه بر آن واقع شده است، طراحی و پیاده¬سازی یک نرم¬افزار هوشمند پشتیبان تصمیم است که با استفاده از آن رتبه¬بندی عوامل برای هر شرکت، با توجه به شرایط خاصِ آن انجام شود. این نرم¬افزار پشتیبان تصمیم با استفاده از یک شبکه عصبی توسعه داده شده و در نهایت نتایج آن مورد بررسی و اعتبارسنجی قرار گرفته است. واژگان کلیدی: متناقض¬نمای فناوری اطلاعات، سیستم پشتیبان تصمیم، روش معادلات ساختاری، مدل LMS، شبکه عصبی
    Abstract
    Abstract In this thesis, ranking of different aspects of information technology (IT) and its complementary assets, using two different approaches is presented. The first approach is using a statistical method and the second approach is to design and implement an intelligent system that can rank different aspects of IT and its complementary assets based on the individual characteristics of the firm. There are many researches that tried to assess the relationship between IT usage and its effect on firm performance. Many of these researches couldn’t find a positive significant relation between IT and firm performance. This phenomenon is named “IT productivity paradox”. More investigations showed that investments on IT can improve firm performance if and only if suitable investments have been made on IT complementary assets. These complementary assets include business process reengineering and organizational infrastructures. As we have scarce resources in our firms to invest on IT complementary assets, a very important point is the degree of importance of each of complementary assets based on their effects on firm performance. This thesis tries to rank different IT aspects and complementary assets based on their effects on firm performance using two different approaches in the car part manufacturers industry. The first approach uses a structural equation model (SEM) to present such a ranking in the level of population. The second approach includes the design and implementation of a decision support system in the form of computer software. The software can rank different IT aspects and its complementary assets based on the unique characteristics of each firm. This software is developed based on an artificial neural network and finally its validity is tested. Key words: IT productivity paradox, Decision support systems, Structural equation modeling, Latent moderated structural equation models, Artificial neural networks