استاندارد سازی
ارزیابی عملکرد
تکنولوژی
بُعد نوآوری و یادگیری
توانمندسازی کارکنان
اساتید
وضعیتIT
وضعیت برنامه ریزی استراتژیک
نوآوری
۲-۴-۲- شاخص عملکرد مدیریت دانش:
در این شاخص با اندازه گیری اثر بخشی چرخه دانش، این شاخص اندازه گیری می شود. چرخه دانش از جمع جبری اثر بخشی فرایندهای تشکیل دهندۀ سیستم مدیریت دانش تشکیل شده است. از آن جایی که فرایندهای تشکیلدهندۀ سیستم مدیریت دانش در صنایع و سازمانهای مختلف، متفاوت است لذا اجزای تشکیلدهنده این شاخص می تواند متغیر باشد. منظور از چرخه دانش شامل فرایندهایی است که به کار گرفته می شود تا دانش ایجاد، منتقل و به کار گرفته شود و خود منتج به دانش جدید شود. در واقع در چرخه دانش، داده به اطلاعات تبدیل می شود، اطلاعات دستچین و تقویت شده و تبدیل به دانش می شود. این دانش سپس به کار گرفته می شود و نتایج آن مستند میگردد و داده، اطلاعات و دانش جدیدی را ایجاد مینماید. در فرایند درونیسازی چرخه دانش، حافظه سازمانی کاربرد دارد که منظور از آن توانایی سازمان برای حفظ و نگهداری دانش است )رادینگ،۱۳۸۳؛به نقل از لطیفی و موسوی،۱۳۸۷).
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
-عنصر اول در فرآیندهای چرخه دانش خلق دانش است. این فرایند با تنوعی از دانش ضمنی و صریح سر و کار دارد و از طریق تشویق روابط متقابل همافزایانه (سینرژیک) افراد با پیش زمینه های متفاوت، تسریع پیدا می کند.
-ذخیره دانش دومین عنصر است که همه افراد در شرکت باید به پایگاه برای بدست آوردن دانش مربوط و مناسب دسترسی داشته باشند تا در کار و تصمیم گیری به آنها کمک کند. دانش ذخیره شده در شرکت می تواند نقش مهمی در حذف موانع و ناکارآمدی ایفا کند و همزمان باعث بهبود عملکرد مدیریت گردد. به هر حال اگر دانش خلق شده از طریق مدیریت طی سالها به صورت سیستماتیک انباشته نگردد، نمیتواند برای نیازهای تصمیم گیری آینده مفید واقع شود.
– عنصر سوم تسهیم دانش است، که انتشار دانش را ارتقا میدهد و همچنین در ایجاد فرآیندهای کاری دقیق و دانش محور؛ که کارکنان خودشان را به عنوان کارکنان دانشی بدانند، مشارکت دارد. اگر آنها بتوانند دانش را از منابع دانش مدیریت شده به وسیله سازمان پیدا کنند، میتوانند آن را بکار گیرند و کارشان را با موفقیت انجام داده و کامل نمایند. این امر برای دستیابی به بهبود عملکرد، به ادغام دانش از منابع متعدد نیاز دارد .
-به کارگیری دانش، چهارمین عنصر فرایند چرخه دانش میباشد.این فرایند می تواند در همه سطوح مدیریت در شرکت رخ دهد: یکی از اشکال رایج در به کارگیری دانش اتخاذ بهترین تجربه از سازمانهای پیشرو، کشف دانش مربوط و به کارگیری آن است.
-پنجمین عنصر فرآیندهای چرخه دانش، درونیسازی دانش میباشد ممکن است زمانی صورت گیرد که کارکنان دانشی، دانش مربوط و مناسب را کشف کرده، بدست آورند سپس آنرا بکار گیرند. بنابراین درونیسازی ممکن است باعث ایجاد دانش جدید شود و همچنین اساسی برای خلق دانش فراهم می آورد.
بنابراین فرایند چرخه دانش همیشه در شرکت اجرا میگردد و دانش سازمانی را به عنوان پشتیبانی فعالیتهای مدیریت از فرایند چرخه دانش ، افزایش میدهد. اگر کارایی فرایند چرخه دانش افزایش یابد، شاخص عملکرد مدیریت دانش بهبود خواهد یافت و شرکتها به شرکتهای دانش محور تبدیل میشوند. (لی و همکاران،۲۰۰۵)
۲-۴-۳- فرایند تحلیل شبکه :
یکی از تکنیکهای اولیه در تکنیکهای تصمیم گیری چند معیاره AHP میباشد که برای حل اکثر مسائل پیچیده مناسب است. فرایند تحلیل سلسله مراتبی توسط ساعتی در سال ۱۹۸۰ و به عنوان روشی برای حل مسائل تصمیم گیری اقتصادی اجتماعی مطرح گردید و پس از آن برای حل طیف گستردهای از مسائل تصمیم گیری به کار گرفته شد. AHP یک مسأله تصمیم گیری را در سلسله مراتب مختلف شامل هدف، معیارها، زیر معیارها و گزینه های تصمیم ساختاردهی نموده و بستر گستردهای را فراهم می آورد تا از این طریق بتوان تمام مسائل با خواص حسی بودن[۱۰۳]، عقلانی بودن[۱۰۴] و غیر عقلانی بودن[۱۰۵] با وجود چند هدفه بودن و چند معیاره بودن و چند تصمیمگیرنده بودن را در شرایط قطعی یا نامطمئن و در حضور گزینه های مختلف را حل نمود. در AHP فرض اساسی این است که مسألهی تصمیمگیری را میتوان به شکل خطی از بالا به پایین همانند یک سلسله مراتب، تجزیه و تحلیل کرد. در این حالت، سطوح بالاتر به طور کارکردی مستقل از همه سطوح پایینتر خود میباشند و همچنین، عناصر واقع در هر سطح نیز مستقل از هم در نظر گرفته میشوند (سیپاهی و تایمر[۱۰۶]،۲۰۱۰؛ وو و همکاران، ۲۰۰۸؛ چونگ و همکاران[۱۰۷]، ۲۰۰۵). اما بسیاری از مسائل تصمیمگیری را نمیتوان در قالب یک مدل سلسله مراتبی توصیف کرد و این به دلیل تعاملات بین فاکتورهای مختلف است، که بعضاً فاکتورهای سطح بالا وابستگی خاصی به فاکتورهای سطح پایین یا فاکتورهای همسطح خود دارند. به منظور غلبه بر این محدودیت، ساعتی در سال ۱۹۹۶ یک رویکرد سوپرماتریسی را که ANP نامیده میشود، مطرح نمود که، به عنوان تعمیمی از AHP است. در واقع، ساعتی روش AHP را برای حل مسائلی در حالت استقلال بین معیارها، و روش ANP را برای حل مسائلی با وجود وابستگیها و بازخوردهای میان معیارها پیشنهاد کرده است (وو و همکاران، ۲۰۰۸؛ لی و کیم[۱۰۸]، ۲۰۰۰). در صورت وجود وابستگی بین معیارهای یک سطح یا بین معیارهای سطوح مختلف مسأله از حالت سلسله مراتبی خارج شده و تشکیل یک شبکه یا سیستم غیر خطی یا سیستم توأم با باز خور را میدهد، که در این صورت برای محاسبه وزن عناصر نمی توان از قوانین و فرمولهای سلسله مراتبی استفاده کرد. در این حالت برای محاسبه وزن عناصر باید از تئوری شبکه ها استفاده کرد. شکل (۲-۵) تفاوت سلسله مراتب و شبکه را نشان میدهد.
شکل(۲-۵) تفاوت ساختار سلسله مراتب (الف) و شبکه (ب) (رزمی و رفیعی، ۲۰۱۰)
سادهترین شبکه، از تعدادی خوشه به همراه عناصر درون آنها ساخته می شود. در مواردی که عناصر یک خوشه روی همه یا برخی عناصر خوشه دیگر اثر بگذارند (یا از آنها اثر بپذیرند)، ارتباطی بین دو خوشه ایجاد می شود که آن را ارتباط بیرونی[۱۰۹] مینامیم؛ اگر عناصر یک خوشه روی برخی یا همه عناصر خوشه خودشان اثر گذار باشند، این ارتباط را ارتباط درونی[۱۱۰] مینامیم (رزمی و رفیعی، ۲۰۱۰). خوشهها معرف سطوح تصمیم گیری اند و خطوط مستقیم یا کمانها تعاملات میان سطوح تصمیم گیری را نشان می دهند. جهت کمانها وابستگی را مشخص می کند و لوپها نیز وابستگی درونی عناصر هر خوشه را نشان میدهد (ساعتی،۲۰۰۴). نمودار (۲-۱) ارتباط درونی و بیرونی میان عناصر را نشان میدهد:
نمودار(۲-۱) ارتباط درونی و بیرونی میان عناصر (دری و حمزهای ، ۱۳۸۹)
ANPاز ترکیب چهار گام اصلی زیر به وجود می آید:
گام اول: پایهریزی مدل و ساخت شبکه
مسأله باید به شکل روشن بیان شده و مانند یک شبکه به یک سیستم عقلایی مجزا شوند. این ساختار شبکه ای می تواند توسط تصمیمگیرندهها در جلسات طوفان مغزی یا به دیگر روشها تعیین شود.
گام دوم. تشکیل ماتریس مقایسات زوجی و محاسبه بردارهای الویت
در ANP نیز همانند روش AHP، اهمیت نسبی زوجهای عناصر تصمیم گیری در هر خوشه، به طور مستقیم از طریق انجام قضاوتهایی با بهره گرفتن از مقایسات زوجی و تحت کنترل معیارهای مربوطه به دست می آید. بردار الویت خوشه ها نیز از طریق انجام مقایسات زوجی محاسبه می شود. از تصمیمگیرندگان در مورد یک سری از مقایسات زوجی از دو عنصر یا دو خوشه بر حسب درجه اهمیتشان در معیارهای سطح بالایی مختص آنها پاسخ دریافت می شود. بعلاوه، ارتباطات داخلی بین عناصر یک خوشه نیز باید به طور جفتی مورد آزمون قرار گیرد و تأثیر هر عنصر بر روی عنصر دیگر توسط یک بردار ویژه نمایش داده شود. بدین ترتیب که، با تشکیل ماتریسهای مقایسه زوجی به ازای هر عنصر و سپس محاسبه بردار ویژه متناظر با آن، میزان تأثیر عناصر دیگر بر عنصر مورد نظر را محاسبه میکنیم. اهمیت نسبی عناصر و خوشه ها بر اساس معیار ۱-۹ ساعتی تعیین می شود؛ به طوری که عدد ۱ مشخص کننده اهمیت مساوی بین دو عنصر و عدد ۹ مشخص کننده اهمیت فوقالعاده بیشتر یک عنصر (خوشه سطری ماتریس) در برابر عنصر دیگر (خوشه ستونی ماتریس) است. مقادیر متقابل نیز در مقایسات معکوس در نظر گرفته میشوند. همانند روشAHP مقایسات زوجی در ANP نیز در چهارچوب یک ماتریس انجام می شود (یاکسل و دگدوایرن، ۲۰۰۷؛ وو و همکاران، ۲۰۰۸). ساعتی برای محاسبه اوزان (Wi)، از تجزیه ماتریس مربع و عکس پذیر A به بردار ویژه به ازای عنصر ماکزیمم ویژه آن استفاده می کند. یعنی
رابطه(۲-۳)
که A ماتریس مقایسات زوجی میباشد وW بردار ویژه، بزگترین مقدار ویژه ماتریس A میباشد. ساعتی چندین الگوریتم برای تخمین W پیشنهاد نموده است. یکی از این روشها روش سه مرحله ای زیر می باشد،که برای ترکیب ارجحیتها کاربرد دارد:
-مقادیر هر ستون ماتریس مقایسات زوجی را با هم جمع کنید.
-هر عنصر ستون را بر مجموع ستون مربوطه تقسیم نمایید. ماتریس بدست آمده، به عنوان ماتریس مقایسات زوجی نرمال شده منسوب میشود.
-عناصر هر سطح ماتریس مقایسات نرمال شده را با هم جمع بزنید و مجموع بدست آمده را بر تعداد عناصر هر سطر تقسیم کنید. اعداد نهایی تخمینی از ارجحیتهای نسبی برای عناصر مقایسه شده با توجه به معیار سطح بالای آن فراهم می آورد. که مطابق با رابطه (۲-۳) میباشد:
رابطه (۲-۴)
=Wi وزن ارجحیت برای عنصر iام
=I تعداد سطرها
=J تعداد ستونها
بردارهای ارجحیت باید برای تمام ماتریسهای مقایسه بدست آید. سپس مقدار ویژه مربوطه محاسبه، وزن اهمیت هر یک از عناصر موجود در ماتریس مربوطه بدست آورده میشود. (ساعتی،۲۰۰۱، به نقل از ربیعی و شاهنده،۱۳۹۰).
گام سوم. تشکیل سوپرماتریس
در تکنیک ANP برای نشان دادن تعاملات و وابستگیهای میان سطوح تصمیم گیری، تعیین اهمیت نسبی معیارها و اولویت بندی آلترناتیوهای مسئله تصمیم گیری از سوپر ماتریس استفاده می شود. یک سوپر ماتریس در حقیقت یک ماتریس جزء بندی شده است که در آن هر بخش از ماتریس، رابطه میان ۲گره (سطح تصمیم گیری) را در کل مسئله تصمیم گیری نشان میدهد. فرم استاندارد یک سوپر ماتریس که توسط آقای ساعتی در سال ۱۹۹۶ معرفی شده است، در زیر قابل مشاهده است (شکل۲-۶) که C بیانگر گرهها وe بیانگر عناصر درون گرهها است. بردارهایW درون ماتریس نیز بردارهای وزنی حاصله از مقایسات زوجی عناصر گرهها با یکدیگر است.
شکل(۲-۶)-فرم استاندارد سوپر ماتریس (دری و حمزهای،۱۳۸۹)
تمامی روابط و تعاملات میان عناصر سطوح تصمیم گیری به وسیله مقایسات زوجی در روش سوپر ماتریس ارزشیابی میشوند (دری و حمزهای،۱۳۸۹). در سوپرماتریس اولیه ممکن است بعضی از ستونها به صورت ستونهای احتمالی نبوده یا به عبارت سادهتر حاصل جمع عناصر ستونها برابر یک نباشد. در این حالت نمی توان گفت که تأثیر نهایی ملاک کنترلی مورد نظر بر تمامی عناصر به درستی نشان داده شده اند، برای جلوگیری از این حالت، سوپر ماتریس اولیه را در ماتریس اوزان خوشهها نظیر به نظیر ضرب شده و ماتریس حاصله را سوپرماتریس موزون یا تصادفی مینامیم که در واقع از نرمال سازی سوپرماتریس اولیه به دست می آید. با بهره گرفتن از سوپرماتریس تصادفی به دست آمده، میتوان سوپرماتریس نهایی[۱۱۱] را محاسبه کرد و اولویتهای نهایی هر گزینه را به دست آورد. برای محاسبه سوپرماتریس نهایی، کافی است سوپر ماتریس تصادفی را به توان بی نهایت (یا عدد خیلی بزرگی) رساند. به این علت که، هنگام رسم شبکه ای از عناصر و دستهها بعضی از تأثیرات به صورت مستقیم و آشکارا بوده ولی بسیاری از تأثیرات پنهان در شبکه ای از وابستگیها وجود دارد که به خاطر عدم وجود ارتباط مستقیم رسم نمیگردند از قابلیت های بسیار مهم یک روش تحلیل شبکه ای این است که از این تأثیرات شبکه ای چشم پوشی نمینماید. لذا بایستی بر روی سوپرماتریس موزون تغییراتی داد تا بتوان همه این تأثیرات را آشکار ساخت و به عبارت دیگر تعدیل نمود. مثلاً، در حالتی که معیار a مستقیماً b را تحت تأثیر قرار میدهد و b نیز معیار c را تحت تأثیر قرار میدهد؛ تأثیر a بر c در سوپرماتریس موزون موجود نیست. برای به دست آوردن یک چنین تأثیر غیرمستقیمی با واسطهگری یک معیار کافی است سوپرماتریس موزون را به توان دوم برسانیم.
در حالتی که دو معیار به واسطه دو معیار دیگر به یک دیگر متصل شده باشند برای به دست آوردن این تأثیر سه مرتبهای کافی است سوپرماتریس موزون را به توان سه برسانیم و به همین ترتیب برای مراتب بالاتر ارتباطات غیرمستقیم، توانهای بالاتری از سوپرماتریس موزون لازم میباشد. لذا در این حالت دنبالهای از توانهای سوپرماتریس موزون را خواهیم داشت که هر یک مبین اوزان درجهای از ارتباطات بین ملاکها خواهند بود. مسلم است که هر چه سوپرماتریس موزون را به توان بزرگتری برسانیم اختلاف بین عناصر ستونها کمتر می شود. در این قسمت تصمیمگیرنده است که تعیین می کند چه توانی کفایت می کند. از آن جا که در نهایت برای تصمیمگیرنده وزنهای متعلق به گزینه ها لازم است پس مرتبهای از توان که در آن عناصر تمامی ستونهای سوپر ماتریس با هم برابر شوند کفایت خواهد کرد (یاکسل و دگدوایرن، ۲۰۰۷؛ وو و همکاران، ۲۰۰۸). ساعتی با بهره گرفتن از ماتریسهای احتمالی و زنجیره مارکف اثبات می کند که وزن نهایی عناصر، از رابطه زیر بدست می آید (دری و حمزه ای،۱۳۸۹).
(۲-۵)