2024/12/30 by Fatime Mehregan, Mehregan, Fatime
Business, Management and Accounting · Computer Science · Decision Sciences · #Analytic Hierarchy Process (AHP) #Artificial Neural Networks #Assessment #Data Envelopment Analysis (DEA) #Efficiency Analysis Using DEA #Financial Distress and Bankruptcy Prediction #Machine Learning #Technology #Technology and Data Analysis
paper · doi:10.82385/jacms.2025.1195004
openalex publication_date 2024/12/30 · openalex created_date 2025/12/24 · openalex updated_date 2026/07/07
در این مقاله، به ارزیابی کارایی و بهرهوری ده صنعت پیشرفته با فناوری بالا استفاده از روشهای تحلیل پوششی دادهها، تحلیل سلسلهمراتبی و یادگیری ماشین پرداخته شده است. همچنین معیارهای ورودی شامل سرمایهگذاری تحقیقاتی، نیروی انسانی متخصص و هزینههای عملیاتی و معیارهای خروجی شامل میزان درامد سالانه وپتنتها تعیین شدند. از تحلیل سلسلهمراتبی برای محاسبه وزنهای نسبی معیارها استفاده و سپس مدلهای CCR وBCC برای ارزیابی کارایی نسبی واحدها بهکار گرفته شدند. برای افزایش دقت پیشبینی، الگوریتمهای یادگیری ماشین نظیر شبکههای عصبی مصنوعی و درخت تصمیم بهکار رفتند. نتایج نشان داد که در مدل CCR شش واحد و در مدل BCC هشت واحد بهعنوان واحدهای کارا شناسایی شدند. مدل شبکههای عصبی مصنوعی با دقت ۹۵٪ کارایی واحدها را پیشبینی کرد. تحلیلها نشان داد که سرمایهگذاری تحقیقاتی و تعداد مقالات علمی بیشترین تأثیر را بر کارایی دارند. این پژوهش رویکردی ترکیبی برای ارزیابی و بهبود عملکرد در صنایع پیشرفته ارایه میدهد و میتواند به مدیران و سیاستگذاران در تخصیص بهینه منابع و اتخاذ تصمیمات استراتژیک کمک کند.