✳️ تخصص های شغلی در حوزه یادگیری ماشین و هوش مصنوعی

دنیا همگام‌ با پیشرفت فناوری‌های یادگیری ماشین (ML) و هوش مصنوعی (AI)، در حال تغییر و تحول است و به همین دلیل نیاز به مهندس یادگیری ماشین و هوش مصنوعی محسوس‌تر شده است. با افزایش کاربرد ML و AI، مشاغل موجود در این حوزه‌ها دقیق‌تر و تخصصی‌تر می‌شوند که در اینجا چند مورد از این تخصص ها را معرفی میکنیم:

◾️مهندس هوش مصنوعی: مهندسان هوش مصنوعی موظف به حل مسئله، ساخت مدل‌های هوش مصنوعی و آزمایش و پیاده‌سازی آن‌ها هستند. علاوه بر این، باید قادر به مدیریت زیرساخت‌های هوش مصنوعی نیز باشند. مهندسان AI به کمک الگوریتم‌های یادگیری ماشینی و شناختی که از شبکه های عصبی دارند، مدل‌های هوش مصنوعی بهتری می‌سازند.

◾️ مهندس یادگیری ماشین: این متخصصان مسئول ساخت و نگهداری نرم‌افزارهای خودرانی هستند که به کاربردهای یادگیری ماشینی کمک می‌کنند. از آن‌جایی که مهندس یادگیری ماشین با حجم زیادی داده سر و کار دارند، باید تسلط کافی بر مباحث مدیریت داده ها داشته باشند.

◾️ توسعه‌دهنده هوش تجاری (BI): توسعه‌دهنده‌های BI باید داده‌هایی پیچیده را طراحی، مدلسازی، تحلیل و نگهداری کنند. این افراد با ترکیب هوش تجاری و هوش مصنوعی، به رشد درآمد شرکت‌ها کمک می‌کنند.

◾️متخصص رباتیک: وظیفه‌ی این متخصصان، ارتقای کارآمد مسائلی است که توسط ربات‌ها انجام می‌شود. صنایع عمده تمایل دارند دستگاه‌های خود را برنامه‌نویسی کرده یا دستگاه‌های مکانیکی/ ربات‌هایی بسازند که دستورات مختلف انسان‌ها را اجرا می‌کنند؛ این صنایع، فرصت‌های شغلی فراوانی برای این دسته از متخصصان فراهم می‌آورند.


@industrial_m

✳️نگهداری پیشگیرانه و نگهداری پیش بینانه چیست؟

درحالی‌که در بسیاری از برنامه‌های نگهداری و تعمیرات از هر دو عنوان استفاده می‌شود، نگهداری و تعمیرات پیش بینانه و پیشگیرانه تفاوت‌های زیادی باهم دارند.

نگهداری و تعمیرات پیشگیرانه شامل بازرسی و انجام خدمات و تعمیرات اصلاحی ماشین‌آلات و تجهیزات است، صرف‌نظر از اینکه تجهیزات نیاز به خدمات و تعمیرات داشته باشند یا نیاز نداشته باشند. این برنامه نگهداری و تعمیرات بر اساس یک ماژول مبتنی بر زمان و یا مبتنی بر ضریب استفاده است. در واقع این تاکتیک بر اساس محاسبه یک پارامتر اندازه‌گیری است که در فواصل پیش تعیین‌شده برای کاهش خطر شکست و یا کاهش عملکرد دارایی‌ها انجام می‌شود به‌عنوان‌مثال، یک واحد گرمایشی هرسال قبل از زمستان سرویس و تعمیر می‌شود، یا واحد هواساز یک کمپرسور هر بیست هزار ساعت سرویس و یا تعمیر می‌شود.

برای داشتن یک برنامه نگهداری و تعمیرات پیشگیرانه نیازی به سرمایه‌گذاری زیاد نیست و همچنین به  آموزش تخصصی نیاز ندارد. درنهایت اینکه، بسیاری از برنامه‌های نگهداری و تعمیرات پیشگیرانه نیاز به جمع‌آوری داده‌های دستی و تجزیه‌وتحلیل دارند.

درحالی‌که نگهداری و تعمیرات پیشگیرانه با استفاده از چرخه عمر یک دارایی تعیین می‌شود، نگهداری و تعمیرات پیش بینانه بر اساس شرایط پیش‌فرض و از پیش تعیین‌شده ، با استفاده از فن‌آوری‌های یا تکنولوژی‌های مختلف عیوب و مشکلات تجهیزات را تشخیص می‌دهد.

نگهداری و تعمیرات پیش بینانه نیاز به سرمایه‌گذاری بیشتر در افراد، آموزش و تجهیزات نسبت به نگهداری و تعمیرات پیشگیرانه دارد، اما صرفه‌جویی در زمان و هزینه‌ها را در بلندمدت شامل می‌شود.

برخلاف نت پیشگیرانه که بر اساس یک برنامه زمانی ثابت به نگهداری و تعمیرات دارایی‌ها می‌پردازد، نگهداری و تعمیرات پیش بینانه، وضعیت دارایی‌ها و اجزا را برای تعیین اینکه آیا آن‌ها نیاز به خدمات یا تعمیرات اصلاحی دارند، ارزیابی می‌کند و در صورت نیاز، هشدارها و نتایج را با توجه به تحلیل داده‌ها اعلام می‌کند. همچنین در نگهداری و تعمیرات پیش بینانه داده‌ها می‌توانند توسط تجهیز پایش وضعیت و یا نرم‌افزار مربوطه جمع‌آوری شوند و تحلیل آن‌ها نیز، تحت برنامه توسط افراد آموزش‌دیده انجام شود.


@industrial_m

✳️مدیریت پروژه سازمانی یا EPM



✅مدیریت پروژه سازمانی یا EPM مخفف عبارت Enterprise Project Management است و راهکاری به منظور ارتباط بهتر در حین پروژه برای اعضا و مخصوصاً مدیر پروژه است.  همانطور که می دانیم همه پروژه ها شامل اطلاعات پراکنده ای از قبیل نقشه ها، الگوها، ایمیل ها، زمان بندی ها، صورت وضعیت ها، قراردادها، پیشنهادات، فرم ها، گزارش های وضعیت و سایر اسناد خاص هر پروژه است. همواره مدیریت موثر این اطلاعات از دغدغه های اصلی ذینفعان هر پروژه ای است.


✅سیستم مدیریت پروژه جامع EPM ، یک ابزار کارا برای داشتن یک سیستم اطلاعات مدیریت پروژه است. با وجود قابلیتهای بهبود یافته در معماری Project Server ، این امکان را به مدیران پروژه و اعضای تیم می دهد که بتوانند ، تمام کارها را در سراسر چرخه حیات پروژه به طور کارآمد و از طریق یک راهبرد یکپارچه و تحت وب مدیریت کنند و همسویی با استراتژیهای کسب و کار سازمان را بررسی نمایند.

برخی از مزايای این راهکار عبارتند از:

🔸ایجاد شفافیت سازمانی در کلیه پروژه ها و فعالیت ها
🔸کنترل بهتر کارها
🔸بهبود فرآیندهای تصمیم گیری
🔸بهبود میزان همسویی فعالیتهای درون سازمانی و پروژه ها با استراتژی های سازمانی
🔸بهینه نمودن به کارگیری از منابع
🔸اندازه گیری و کمک به افزایش کارآیی عملیاتی سازمان



مزایای پیاده سازی EPM :
🔸مديريت و کنترل کليه کارها
🔸چارچوب نظارتی استاندارد و هماهنگ در سرتاسر سازمان
🔸یکپارچه نمودن کلیه اطلاعات پروژه سازمان
🔸مدیریت موثر پروژه ها و برنامه ها و افزایش نرخ بازگشت سرمایه
🔸شفاف سازی اطلاعات در سازمان و کنترل همه جانبه بر روی کارها
🔸مدیریت کارها از یک پروپوزال ساده تا یک برنامه پیچیده که می تواند شامل چندین پروژه باشد
🔸بهبود تصميم گيريهای سازمانی
🔸اولویت بندی، بهینه سازی و انتخاب سبد های پروژه در راستای اهداف سازمانی
🔸پیش بینی دقیق هزینه، منابع و زمانبندی پروژه
🔸ایجاد محیط های نمایشی سفارشی سازی شده از قبیل داشبوردها، گزارشها
🔸تحلیل اطلاعات با استفاده از گزارشهای از پیش تعریف شده یا گزارشهای سفارشی ایجاد شده
🔸همکاری و هماهنگی موثر با کليه ذینفعان
🔸کنترل تیم های کاری و منابع بر اساس کارهای تخصیص داده شده و Time Sheet ها
🔸برنامه ریزی و کنترل پروژه و پیگیری داخل و یا خارج از سازمان
🔸قابلیت یکپارچه شدن با سایر سرویس های مایکروسافت
🔸استفاده از سرویس جریان کار (WorkFlow) جهت استاندارد و رویه مند نمودن فرآیندها


✅در حال حاضر دو شرکت مایکروسافت ( تولید کننده  نرم افزار Microsoft Project) و اوراکل (تولید کننده نرم افزار Primavera) دو محصول مرتبط با عنوان های تجاری زیر را ارائه می کنند که معتبرترین محصولات موجود در بازار می باشند 👇

➡️ Microsoft Office Enterprise Project Management
➡️ Oracle Enterprise Performance Management System




@industrial_m

✳️مهارت های کلیدی یک مدیر پروژه حرفه‌ای:


🏅مهارت رهبری
یک مدیر پروژه موفق باید الهام‌بخش تیمش باشد و بتواند به آن‌ها انگیزه لازم برای رسیدن به هدف‌های از پیش تعیین‌شده را بدهد.

🏅مهارت حل مسئله
وقتی کار به مشکل می‌خورد یا مانعی بر سر راه پیشرفت قرار می‌گیرد، مدیر پروژه‌ است که باید دنبال راه‌حل‌های عملی برای عبور از بحران بگردد و برای این کار به مهارت حل مسئله نیاز دارد.

🏅 مهارت برقراری ارتباط موثر
90 درصد از زمان یک مدیر پروژه صرف ارتباط با اعضای تیم و افراد ذی‌نفع و سرمایه‌گذاران و... می‌شود. بنابراین اگر نتواند به شیوه موثری با دیگران ارتباط قرار کند، نمی‌تواند پروژه را هم جمع‌وجور کنند.

🏅 آگاهی از مسائل فرهنگی
چرا یک مدیر پروژه باید نسبت به مسائل فرهنگی آگاه و هوشیار باشد؟ چون لازم است جلوی سوءتفاهم‌ها و اختلاف نظرها را میان اعضای تیم بگیرد.

🏅خوش‌بین بودن
خوش‌بین بودن یکی از توانایی‌های اصلی است که هر مدیر پروژه‌ای به آن نیاز دارد تا بتواند از پیشنهادهای جدید و نوآوری‌های اعضای تیم در حین اجرای کار استقبال کند و اگر لازم بود، برنامه‌ها را تغییر دهد.

🏅اعتبار داشتن
تجربیاتی که یک مدیر پروژه در گذشته به دست آورده و دانش عمیقی که نسبت به حوزه کاری‌اش پیدا کرده، اعتبار او محسوب می‌شود که می‌تواند به کمک آن احترام و اعتماد دیگران را جلب کند و مورد حمایت قرار گیرد.

🏅آشنایی با تکنولوژی‌های روز دنیا
مدیر پروژه موفق کسی است که همیشه خودش را با تکنولوژی‌های روز دنیا در حوزه کاری مرتبطش به‌روز نگه دارد و با تکنیک‌ها و ابزارهای جدید مدیریت پروژه آشنایی کامل داشته باشد.

🏅 داشتن دانش نسبی نسبت به سایر چارچوب‌های کاری
یک مدیر پروژه موفق قرار نیست فقط اطلاعاتی در مورد حوزه کاری خودش داشته باشد، بلکه موفقیت سراغ مدیرانی می‌آید که از حیطه‌های دیگر کاری از جمله شیوه برنامه‌ریزی و مدیریت برنامه و... نیز مطلع باشند.


@industrial_m

🌱 موسسه آموزش عالی آزاد بهار
⭐️اولین مرکز تخصصی MBA و DBA در ایران
✅ برگزار می کند :

📣 شروع دوره برندینگ تخصصی در موسسه بهار
📣دوره های MBA و DBA برند
📅 شروع دوره از پنجشنبه، ۳۰ فروردین، ساعت ۱۳:۳۰

.
📝 برای کسب اطلاعات بیشتر و ثبت نام در دوره، فرم زیر را تکمیل کنید.
https://tonl.ir/te10
.

✳️داده های عظیم یا BIG DATA

داده های بزرگ به مجموعه ی دادههایی اطلاق میشود که مدیریت، کنترل و پردازش آنها فراتر از توانایی ابزارهای نرم افزاری در یک زمان پذیرفتنی و مورد انتظار است. چالش های اصلی در رابطه با داده های بزرگ، شامل استخراج، ذخیره سازی، جستجو، بازیابی، اشتراک، انتقال و آنالیز می شود. Big data اصطلاحی است که دسترسی به داده های بزرگ اعم از داده های همگون و ناهمگون در حال رشد با ضریب فزاینده را توصیف می نماید. داده های بزرگ می تواند به اندازه اینترنت، برای کسب وکار – و جامعه – مهم باشد. چراکه داده های بیشتر به تحلیل های دقیق تر می انجامد؛ تحلیل های دقیق تر نیز منجر به تصمیم گیریهای مطمئن تر شده و در پایان تصمیمات بهتر، می تواند به معنای کارایی بیشتر عملیات و کاهش هزینه ها و ریسک ها باشد. داده‌های عظیم میتوانند  بر اساس مشخصات زیر تعریف شوند:

🔴حجم : مقدار داده‌های تولید شده در این زمینه بسیار مهم است. اندازه داده‌ها ، ارزش و پتانسیل داده‌های مورد توجه به آن را تعیین می‌کند تا جایی که میتوان تصمیم گرفت که داده عظیم محسوب میشود یا خیر. نام 'داده‌های عظیم' به خودی خود شامل موضوعی است که نشان دهنده رابطه با اندازه زیاد داده می باشد.

🔵تنوع : جنبه بعدی در داده‌های عظیم تنوع آن است. این بدان معنی است که دسته بندی داده‌های عظیم به ضرورت نیاز شناسایی شده توسط تحلیلگران داده دارد. این به افراد کمک می‌کند تا داده‌های و ارتباطتشان را دقیق تر تحلیل کنند تا از مزایا و رعایت اهمیت داده‌های عظیم به طور موثر استفاده کنند.

🔴 نرخ تولید : اصطلاح 'نرخ تولید' در این موضوع به سرعت تولید داده اشاره دارد و یا چگونگی سرعت تولید و پردازش داده‌ها برای پاسخگویی به خواسته‌ و چالش‌های پیش رو در مسیر رشد و توسعه است.


@industrial_m

🔹 یک چالش بزرگ در سازمانها به ویژه سازمانهای ایرانی، ایجاد و گسترش تعارض در سطوح مختلف سازمانی است که می تواند منجر به کاهش حس تعلق و دلبستگی کارکنان، افزایش افسردگی سازمانی، کاهش بهره وری و در مواردی حتی ترک سازمان توسط کارکنان گردد که قطعا صدمات عمیقی برای سازمان به همراه خواهند داشت. راهکار های معمول برای مدیریت این تعارضات همانند برگزاری دوره های آموزشی مدیریت تعارض سازمانی  چندان جوابگو نیستند و دل نگرانی مدیران ارشد و مدیران منابع انسانی در خصوص روند رو به رشد تعارضات کماکان برقرار است.

 🔹 این وبینار به بررسی دلایل اهمیت موضوع و نیاز به راهکارهای جایگزین برای مدیریت تعارضات پرداخته می شود و ضمن تشریح دلایل شکست احتمالی برنامه های معمول، کوچینگ سازمانی را به عنوان یک راهکار جایگزین معرفی می کند. با توجه به دستاورد های حاصله از اجرای کوچینگ سازمانی در سازمانهای پیشرو داخل و خارج از ایران، هر روزه سازمانهای بیشتری برای استفاده از خدمات کوچینگ سازمانی اشتیاق خود را نشان میدهند که این موضوع باعث گردیده علاقه مندان زیادی به آموزش کوچینگ و ایفای نقش کوچ در سازمانها روی آورند.

🔹 در این راستا آکادمی کوچینگ کارو برگزار می‌کند:
وبینار:
«مدیریت تعارض سازمانی »
زمان:
دوشنبه 1403/02/03
ساعت 20
ارائه دهنده:
علیرضا نعیمی
▪️لیدرشیپ کوچ سازمانی دارای تاییدیه سطح PCC از فدراسیون جهانی کوچینگ
▪️هم بنیانگذار کارو کوچینگ

🔹 لینک ثبت نام رایگان: (ظرفیت محدود)
https://eseminar.tv/wb137250

 🔹 جهت کسب اطلاعات بیشتر در خصوص دوره تربیت کوچ حرفه ای و خدمات کوچینگ سازمانی کارو، از طریق راه های زیر با ما در ارتباط باشید:
تلگرام:
@karocoaches_support
واتساپ و تماس:
09937767568
وب سایت:
www.karocoaches.com

✳️ روش AHP

روش فرایند تحلیل سلسله مراتبی یا روش AHP یکی از روش­های تصمیم ­گیری چند شاخصه است که هدف آن تعیین وزن معیارها یا زیرمعیارها و رتبه­ بندی گزینه ­ها است. این روش توسط توماس ساعتی ارائه شد که هدف آن محاسبه وزن معیارها، زیرمعیارها و گزین های پژوهش در مدل های تصمیم گیری است. از طرفی روش چون عموماً در یک مساله تصمیم­ گیری نظرات جمعی دخالت دارد لذا تکنیک AHP گروهی (Group AHP) معرفی می­ شود. در این پژوهش به معرفی این تکنیک پرداخته می ­شود وگام ­های آن بیان می­شود اولین و مهمترین گام این روش این است که بعد از اخذ نظرات پاسخ دهندگان، نرخ ناسازگاری هر ماتریس محاسبه شود و در انتها اگر همگی سازگار بودند با هم ادغام شوند.

✅ تصمیم گیری گروهی با AHP
به منظور تصمیم ­گیری گروهی با روش AHP، در ابتدا باید گروه تصمیم ­گیری را انتخاب کرد. پس از انتخاب این گروه باید بر اساس بحث اعضای گروه، نمودار سلسله مراتبی مساله را ایجاد کرد. مهم­ترین گام در این فرایند، تعیین معیارهایی است که بر اساس آن­ها گزینه­ های رقیب با همدیگر مقایسه می­ شوند. تعیین این معیارها در تصمیم­ گیری انفرادی چندان مشکل نیست چرا که خود تصمیم­ گیرنده این معیارها را مشخص می­کند. در حالی که در تصمیم­ گیری گروهی به دلیل اختلاف علائق و تخصص افراد ممکن است متعدد باشد برخی از شرکت کنندگان ممکن است از قبل تصمیم خودشان را در مورد سلسله مراتبی گرفته باشند و از طرف دیگر برخی از شرکت کنندگان مایل نباشند که عامل مورد نظر آن­ها در سطح پایین سلسله مراتبی قرار گیرد. تجربه نشان داده است که جلسه­ های اول گروه تصمیم ساز که در مورد ساختار سلسله مراتبی بحث می­ کنند، سمت و سوی مشخص ندارد. در مراحل بعدی که فرایند قضاوت شروع می ­شود، جلسله ­ها دارای جهت مشخص می­ شوند.

پس از توافق گروه با ساختار سلسله مراتبی، باید ماتریس ­های مقایسه زوجی در هر سطح ایجاد شوند. برای تلفیق نظرات تصمیم ­گیرندگان در تصمیم ­گیری گروهی می توان به یکی از روش­های زیر اقدام کرد:

✅ قضاوت با اتفاق آراء
ساده ­ترین راه برای تصمیم ­گیری گروهی، برگزاری جلسه مشترک به منظور همگرایی رساندن نظرها در ارائه یک ماتریس مقایسه زوجی می­ باشد. به عبارت دیگر، در این حالت گروه باید در مورد هر عضو ماتریس به اتفاق آراء برسند. برای تکمیل هر ماتریس مقایسه زوجی n بعدی n*n-1/2 مقایسه زوجی لازم خواهد بود. بدیهی هست که توافق بین شرکت کنندگان مشکل است و از طرف دیگر چنانچه سلسله مراتبی بزرگ باشد، عملیات بسیار خسته کننده و وقت گیر خواهد بود. این روش عملاً به بی خاصیت شدن مقایسه ­های انجام شده و یا تحت تاثیر قرار گرفتن نظر افراد نسبت به نظر یک فرد پر نفوذ می ­انجامد.

✅ تلفیق نظرات فردی
در این روش هر یک از افراد تصمیم­ گیرنده مقدار دلخواه خود را برای هر عضو ماتریس اعلام و سپس با استفاده از ماتریس ­های منفرد، ماتریس تصمیم­­ گیری گروهی تشکیل می ­شود. درایه ­های این ماتریس، با استفاده از میانگین هندسی وزن دار درایه­های ماتریس­های منفرد به دست می­ آیند. اکزل و ساعتی (1983) نشان دادند که میانگین هندسی بهترین روش برای تلفیق قضاوت­ها در روش تحلیل سلسله مراتبی گروهی است.

✅ مراحل روش AHP گروهی (Group AHP)
گام اول: تشکیل مدل سلسله مراتبی
در گام اول مدل سلسله مراتبی را تشکیل می­دهیم. در این گام باید معیارها، زیرمعیارها و گزینه­ها مشخص شوند. سپس سطوح آنها را توسط مدل AHPرسم می­کنیم.

گام دوم: تشکیل جداول مقایسات زوجی و محاسبه نرخ ناسازگاری
در این گام جداول مقایسه زوجی را تشکیل داده و در اختیار خبرگان قرار می­دهیم. سپس نرخ ناسازگاری ماتریس­های تکمیل شده را بدست می­آوریم اگر کوچکتر از 0.1 بود ماتریس مورد قبول می­باشد و اگر بزرگتر از 0.1 بود نسبت به اصلاح آن اقدام می کنیم.

گام سوم: تشکیل ماتریس تصمیم ادغام شده
در این گام با استفاده از روش میانگین هندسی  نسبت به ادغام ماتریس ­های مقایسات زوجی اقدام می­ کنیم.

گام چهارم: محاسبه وزن نسبی معیارها و گزینه­ ها
در این گام وزن جداول مقایسات زوجی ادغام شده را از روش­ هایی همچون روش ­های زیر می­ توان محاسبه نمود:

- روش حداقل مربعات
- روش حداقل مربعات لگاریتمی
-  روش بردار ویژه
- روش­های تقریبی (مجموع سطری، مجموع ستونی، میانگین حسابی، میانگین هندسی)


گام پنجم: محاسبه وزن نهایی گزینه­ ها و رتبه­ بندی گزینه­ ها
وزن نهایی هر گزینه در یک فرایند سلسله مراتبی، از مجموع حاصلضرب وزن هر معیار در امتیاز گزینه مورد نظر به دست می ­آید.


@industrial_m

🔹 توسعه فردی یکی از اهداف پر ارزش در زندگی انسان مدرن می باشد. اصطلاح "توسعه فردی" همچون یک چتر است که حوزه های مختلفی از علوم انسانی را در بر می گیرد. پس دادن یک معنا به آن کار دشواری است. زیرا توسعه ی فردی، فرآیندی است کاملا درونی و البته منحصر به فرد. اما میتوان آن را در غالب تعابیری بیان نمود. بر فرض مثال توسعه ی فردی،  میتواند  به معنای آگاهی یافتن از توانایی ها یا نقاط قابل بهبود فردی و حرفه ای باشد و یا میتواند شناخت و آگاه شدن از ادراک و باورهای فرد باشد و یا کشف رویکردی نو در مواجه با تعارض در ارتباطات فردی باشد. برای برآورده کردن این تمایل روش های مختلفی وجود دارد که میتوان کوچینگ را به عنوان یکی از خوش نام ترین روشها نام برد. اما چرا کوچینگ؟

🔹 در این راستا آکادمی کوچینگ کارو برگزار می‌کند:
وبینار: "چگونه توسعه فردی به کسب و کارم کمک کرد؟"

زمان: چهارشنبه 1403/02/06 - ساعت 20

ارائه دهنده:
پریسا پوران
▪️منتور و مدرس مهارت‌های کوچینگ
▪️روانشناس، نویسنده، کوچ دارای تاییدیه صلاحیت سطح MCC
▪️هم بنیانگذار کارو کوچینگ

🔹 لینک ثبت نام رایگان: (ظرفیت محدود)
https://eseminar.tv/wb137369

🌐 karocoaches.com

☑️ مدیرعاملی تنها یک جایگاه نیست، بلکه یک تخصص حرفه‌ای است

✅ دوره «مدیرعامل حرفه‌ای» ماهان

📕 دوره مدیرعامل حرفه‌ای ماهان، به‌عنوان اولین دوره شخصی‌سازی‌شده برای مدیران عامل در ایران، تمامی نیازهای مدیران سازمان‌های امروزی را به‌صورت تخصصی مدنظر قرار داده است.

شما با شرکت در این دوره از خدمات ذیل بهره‌مند خواهید شد:

🔻۹۰ ساعت آموزش کاربردی توسط اساتید تراز اول
🔻برگزاری جلسات منتورینگ گروهی با مدیران عامل الهام‌بخش
🔻فرصت شبکه‌سازی حرفه‌ای با مدیران عامل
🔻امکان حضور در رویدادهای هفتگی کافه‌نتورک (باشگاه کسب‌وکار ماهان)


☎️ جهت دریافت مشاوره تخصصی و ثبت نام، عدد 12 را به شماره 02188401313 بفرستید.

✳️ سیستم خبره یا Expert System


بیشتر دستاوردهای هوش مصنوعی در زمینه تصمیم‌گیری و حل مسئله بوده است كه اصلی‌ترین موضوع سیستم‌های خبره را شامل می‌شوند. به آن نوع از برنامه‌های هوش مصنوعی كه به سطحی از خبرگی می‌رسند كه می‌توانند به جای یك متخصص در یك زمینه خاص تصمیم‌گیری كنند، expert systems یا سیستم‌های خبره گفته می‌شود. این سیستم‌ها برنامه‌هایی هستند كه پایگاه دانش آن‌ها انباشته از اطلاعاتی است كه انسان‌ها هنگام تصمیم‌گیری درباره یك موضوع خاص، براساس آن‌ها تصمیم می‌گیرند. روی این موضوع باید تأكید كرد كه هیچ‌یك از سیستم‌های خبره‌ای كه تا‌كنون طراحی و برنامه‌نویسی شده‌اند، همه‌منظوره نبوده‌اند و تنها در یك زمینه محدود قادر به شبیه‌سازی فرآیند تصمیم‌گیری انسان هستند.


به محدوده اطلاعاتی از الگوهای خبرگی انسان كه به یك سیستم خبره منتقل می‌شود، task domain گفته می‌شود. این محدوده، سطح خبرگی یك  سیستم خبره را مشخص می‌كند و نشان می‌دهد ‌كه آن سیستم خبره برای چه كارهایی طراحی شده است. سیستم خبره با این task ها یا وظایف می‌تواند كارهایی چون برنامه‌ریزی، زمانبندی، و طراحی را در یك حیطه تعریف شده انجام دهد.


به روند ساخت یك سیستم خبره، knowledge engineering یا مهندسی دانش گفته می‌شود. یك مهندس دانش باید اطمینان حاصل كند كه سیستم خبره طراحی شده، تمام دانش مورد نیاز برای حل یك مسئله را دارد. طبیعتاً در غیراین‌صورت، تصمیم‌های سیستم خبره قابل اطمینان نخواهند بود.


ساختار یك سیستم خبره‌
هر سیستم خبره از دو بخش مجزا ساخته شده است: پایگاه دانش و موتور تصمیم‌گیری.
پایگاه دانش یك سیستم خبره از هر دو نوع دانش مبتنی بر حقایق ‌(factual) و نیز دانش غیرقطعی (heuristic)  استفاده می‌كند. Factual knowledge، دانش حقیقی یا قطعی نوعی از دانش است كه می‌توان آن را در حیطه‌های مختلف به اشتراك گذاشت و تعمیم داد؛ چراكه درستی آن قطعی است.

در سوی دیگر، Heuristic knowledge قرار دارد كه غیرقطعی‌تر و بیشتر مبتنی بر برداشت‌های شخصی است. هرچه حدس‌ها یا دانش هیورستیك یك سیستم خبره بهتر باشد، سطح خبرگی آن بیشتر خواهد بود و در شرایط ویژه، تصمیمات بهتری اتخاذ خواهد كرد.

دانش مبتنی بر ساختار Heuristic در سیستم‌های خبره اهمیت زیادی دارد این نوع دانش می‌تواند به تسریع فرآیند حل یك مسئله كمك كند. البته یك مشكل عمده در ارتباط با به كارگیری دانشHeuristic آن است كه نمی‌توان در حل همه مسائل از این نوع دانش استفاده كرد. به عنوان نمونه جلوگیری از حمل سموم خطرناك از طریق خطوط هوایی با استفاده از روش Heuristic امكانپذیر نیست.

اطلاعات این بخش از سیستم خبره از طریق مصاحبه با افراد متخصص در این زمینه تامین می‌شود. مهندس دانش یا مصاحبه‌كننده، پس از سازمان‌دهی اطلاعات جمع‌آوری‌شده از متخصصان یا مصاحبه شوندگان، آ‌ن‌ها را به قوانین قابل فهم برای كامپیوتر به صورت (if-then) موسوم به قوانین ساخت (production rules) تبدیل می‌كند.


@industrial_m

✅ثبت نام شروع شد ✅

📢وبینار آشنایی با مدیریت بهبود محصول APQP در تضمین کیفیت


🔰مخاطبین :
✔️کارشناسان تضمین کیفیت
✔️مدیران تضمین کیفیت
✔️مدیران کیفیت
✔️مدیران و سرپرستان تولید
✔️ کارشناسان و مدیران R&D


🔻    ۳ ساعت اموزش کاربردی ⏱️


❌این دوره بصورت رایگان می باشد و فقط ۹۹ هزار تومان بابت فضای آموزشی و پشتیبانی دریافت می شود❌

📍 مدرس  :خانم مهندس مرضیه حسینی با بیش از ۱۵سال سابقه مشاوره و تدریس در حوزه سیستم های مدیریتی و منابع انسانی

🔻تاریخ : ۱۶ اردیبهشت ماه
⏱️ساعت : ۱۷ الی ۲۰

همین الان بک دقیقه وقت بذار و ثبت نام کن تا ظرفیت تکمیل نشده 😊

📌 لینک ثبت نام 👇🏻
https://evnd.co/IcuYG

اطلاع رسانی و آموزش در کانال ما👇
https://hottg.com/kiq_management

✳️ داده کاوی (Data Mining)

🔹داده کاوی (Data Mining) مجموعه‌ای از ابزارهای مهم و کاربردی است، که قطعاً در هر رشته و حوزه کاری، که داده و اطلاعات وجود دارد، می‌تواند کاربرد داشته باشد. اصولاً در داده کاوی، سعی می‌شود انبوه داده‌ها و اطلاعات در دسترس، به طریقی به نوعی از دانش تبدیل شود، که بیانی بسیار خلاصه و مفید از پدیده‌ها را ارائه می‌نماید.

🔹مثال‌های کاربرد داده کاوی در مهندسی صنایع
به عنوان مثال، در زمینه مدیریت زنجیره تأمین (Supply Chain Management) یا SCM، روش‌های مختلف طبقه بندی (نظارت شده) و خوشه بندی (غیر نظارت شده) برای گروه بندی مشتریان، خدمات دهندگان و کالاها (یا خدمات) مورد استفاده واقع شده‌اند و هدف اصلی آن‌ها، ایجاد یک تصویر بیان خلاصه‌تر از زنجیره تأمین بوده است.

🔹در زمینه مسائل زمان بندی، به ویژه در مواردی که ماشین‌ها با قابلیت‌های مختلف و وظایف با نیازمندی‌های متفاوت وجود دارند (مثلاً مانند مسأله زمان بندی منعطف یا Flexible Jobshop Scheduling Problem) یا FJSP، امکان ایجاد راه حل اولیه مناسب و حتی شبه بهینه (sub-optimal) با استفاده از رویکردهای داده کاوی وجود خواهد داشت. این موضوع نیز، می‌تواند با استفاده از رویکردهای طبقه بندی یا خوشه بندی انجام شود.

🔹موضوع طراحی مهندسی (Engineering Design)، شامل مجموعه وسیعی از مسائل بهینه سازی و مهندسی است، که بنا بر شرایط محیط صنعتی و بازار هدف، غالباً به صورت یک مسئله با دینامیک بالا و اغلب به صورت توأم با عدم قطعیت طرح می‌شود. داشتن یک سری قواعد سر انگشتی برای تصمیم گیری سریع، با استفاده از روش‌های داده کاوی (به ویژه روش‌های رگرسیون) قابل انجام خواهد بود.

🔹استفاده از روش‌های داده کاوی برای تحلیل نتایج به دست آمده از سیستم‌های تولیدی (Manufacturing Systems)، به منظور بهینه سازی روند تولید و یا اشکال زدایی از آن، یکی دیگر از مهم‌ترین زمینه‌های کاربردی داده کاوی در این حوزه محسوب می‌شود. برای موضوع تشخیص و طبقه بندی خطا در سیستم‌های تولید، و ایجاد هشدارهای مهم برای ناظران، روش‌های طبقه بندی می‌توانند کاربرد داشته باشند. در خصوص بهینه سازی روند تولید و اتوماسیون خطوط تولید، استفاده از روش‌های مبتنی بر قواعد (Rule-based Systems) مرسوم‌تر و کارآمدتر است. موضوع مدیریت و کنترل کیفیت نیز، یکی دیگر از زمینه‌های بسیار مهم و کاربردی داده کاوی در زمینه سیستم‌های تولید است.

🔹موضوع سیستم‌های تصمیم یار یا پشتیبان تصمیم (Decision Support Systems) نیز، به عنوان یک موضوع بسیار کلی‌تر، که تقریباً در همه زمینه‌های تخصصی و فنی کاربرد دارد، می‌تواند در حوزه مهندسی صنایع و زمینه‌های مرتبط کاربرد داشته باشد. یکی از رویکردهای طراحی چنین سیستم‌هایی، که به مدیران و مهندسین ناظر بر فرایندها امکان تصمیم گیری سریع، اصولی و درست را می‌دهد، استفاده از رویکردهای مبتنی بر کشف دانش (Knowledge Discovery) و داده کاوی است.


🔹موضوع تعمیرات و نگهداری، و همین طور موضوع قابلیت اطمینان در سیستم‌ها، مجموعه‌ای از مسائل هستند که می‌توان از روش‌های داده کاوی برای حل آن‌ها استفاده نمود. فرمول‌هایی که برای تخمین قابلیت اطمینان در سیستم‌ها استفاده می‌شوند، بعضاً دارای هزینه محاسباتی بالایی هستند. بعضاً نیز، قابلیت اطمینان یک سیستم، چندان فرمول پذیر و محاسبه پذیر نیست. با استفاده از رویکردهای رگرسیون و مدل سازی، می‌توان مدلی سریع و محاسباتی برای تخمین مقدار قابلیت اطمینان، احتمال خرابی، پیش بینی زمان خرابی آتی، پیش بینی نرخ و میزان خرابی و مواردی از این قبیل استفاده نمود.

🔹موضوع مدیریت ارتباط با مشتریان (Customer Relationship Management) یا CRM و موارد نظیر آن نیز، از جمله مواردی هستند که به دفعات از روش‌های داده کاوی برای حل مسائل مربوط به این حوزه‌ها، استفاده شده‌اند. البته این موارد و کاربردهای مشابه آن، در زیر مجموعه هوش تجاری (Business Intelligence) یا BI نیز مورد مطالعه قرار می‌گیرند، که زمینه بسیار مهمی در کاربردهای داده کاوی است.



@industrial_m

✳️ مدیریت زنجیره تامین

مجموعه ای از روشهای مورد استفاده برای یکپارچگی موثر و کارای تامین کنندگان، تولید کنندگان، انبارها  و فروشندگان به گونه ای که بمنظور حداقل کردن هزینه های سیستم و تحقق نیاز های خدمات، کالاها به تعداد صحیح در مکان مناسب و در زمان مناسب تولید و توزیع گردند.

مدیریت زنجیره تامین هماهنگی در تولید، موجودی، مکان یابی و حمل و نقل بین شرکت کنندگان در یک زنجیره تامین است برای دستیابی به بهترین ترکیب پاسخ گویی و کارایی برای موفقیت در بازار.

اهداف مدیریت زنجیره تامین
کاهش هزینه یا کاهش موجودی ها، افزایش مسئولیت پذیری در برابر مشتریان، بهبود ارتباط زنجیره تامین، کاهش زمان چرخه تولید و بهبود هماهنگی.


✅ سه عامل اصلی که باعث شدند تا مدیران موضوع مدیریت زنجیره تامین را بصورت جدی دنبال کنندعبارتند از:

- انقلاب اطلاعات
- تقاضای مشتریان در جهت خرید محصولات وخدمات با کیفیت با هزینه کمتر تحویل مناسب تر تکنولوژی مدرن تر وطول عمر بیشتر که در نهایت به افزایش رقابت دربین تولید کنندگان وسازندگان منجر شد
- ضرورت ایجاد ساختاری جدید در روابط بین سازمانی


فرایند های اصلی زنجیره تامین
مدیریت زنجیره تامین دارای سه فرایند اصلی است که عبارتند از:

1- مدیریت اطلاعات: مروزه نقش و جایگاه اطلاعات برای همگان بدیهی است. گردش مناسب و انتقال صحیح اطلاعات باعث می شود تا فرایندها موثرتر و کاراتر گشته و مدیریت آن آسان تر گردد. در زنجیره تامین موضوع هماهنگی در فعالیتها بسیار اهمیت دارد. مدیریت اطلاعات هماهنگ و مناسب میان شرکاء باعث خواهد شد تا تاثیرات فزاینده ای در تصمیم گیری ها و سرعت، دقت، کیفیت و جنبه های دیگر وجود داشته باشد.

2- مدیریت لجستیک: این بخش کلیه فعالیتهای فیزیکی از مرحله تهیه مواد خام تا محصول نهایی شامل فعالیتهای حمل ونقل، انبارداری، زمانبندی تولید و ... را شامل می شود.

3- مدیریت روابط: این بخش از مهمترین مباحث زنجیره تامین است و تاثیر شگرفی بر همه زمینه ها در زنجیره تامین و سطح عملکرد آن دارد. بسیاری از شکست های آغازین در زنجیره تامین معلول انتقال ضعیف انتظارات و توقعات و نتیجه رفتارهایی است که بین طرفهای درگیر در زنجیره بوقوع می پیوندد. در توسعه هر زنجیره تامین یکپارچه، توسعه اطمینان و اعتماد در میان شرکاء و طرح قابلیت اطمینان برای آنها از عناصر بحرانی و مهم برای کسب موفقیت است.


پنج سطح عملکرد مدیریت زنجیره تامین

- ترکیب شرکای زنجیره تامین: زنجیره تامین بر اساس کارایی عوامل راهبردی و با توجه به نیازمندیهای مشتری زنجیره تامین برنامه ریزی شده است بطوری که محدوده محصولات موجود، خدمات محصولات جدید یا بخش مشتریان را پوشش دهد بر پایه آگاهی از محصولات نهایی در زنجیره تامین پایه ریزی می شود.
- استقرار ارتباط های مشارکتی: این قسمت به انواع مشارکت ها و تعاملات ضروری شرکت اشاره دارد. این عملکرد ارتباطهای زنجیره تامین را به مشارکت با عوامل خارج از شرکت گسترش می دهد. هر تغییری در زنجیره تامین باید به اطلاع شرکا برسد تا در تمام زنجیره پیاده شود.
- طراحی زنجیره تامین برمبنای سود دهی: مدیریت زنجیره تامین مشارکت موثر عوامل خارج از شرکت را ایجاب می کند اما ارتباط هر شرکت با شرکتهای خارج از آن بسیار مشکل زا است. در مورد شرکا دقت به مواردی همانند مرکز رقابت، انگیزه شرکا و ترکیب آنها ضروری است.
- اطلاعات مدیریت زنجیره تامین: نقش سیستم های اطلاعاتی در اصطلاح زنجیره تامین اهمیت خاصی دارد. این بخش نقش فناوری را در اصطلاح زنجیره تامین نشان می دهد.
- کاهش هزینه زنجیره تامین: اصلی ترین هدف استقرار زنجیره تامین کاهش هزینه است. این تلاشها برای راهبرد ها و سیاست های افزایش کارایی انجام می شود. دلایل اصلی هزینه زایی عبارتند از عدم وضوح فرایند زنجیره تامین، تغییرات رویه های داخلی و خارجی شرکت، ضعف موجود در طراحی تولید، وجود اطلاعات ناقص برای تصمیم گیری، ضعف حلقه های زنجیره در ارتباط بین شرکا زنجیره تامین.


@industrial_m