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 (W_i)­، 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)
=W_i 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)