۲-۶-۴- عوامل خارجی
این جریان تحقیقاتی روی تاثیر عوامل اقتصادی کلان تری روی فعالیت های تجاری سازی دانشگاه ها تاکید می کند. سه عاملی که می توان درباره تاثیر آن ها روی فعالیت های زایشی بحث کرد، دسترسی به سرمایه مخاطره پذیر، الزامات قانونی اختراعات ( مثل قانون بای – دول در آمریکا) و زیرساختهای دانشی در منطقه اند(دایی و همکاران^[۱۲۸]،۲۰۰۴).
براساس طبقه بندی انجام شده از کار (اوشیا،۲۰۰۴) توسط(اومام و همکاران،۲۰۰۸)چارچوب مفهومی ارائه شده است که چهار عامل تاثیر گذار روی نرخ انجام فعالیت های انتقال فناوری و تجاری سازی بین صنعت و دانشگاه شامل ویژگی های فردی، عوامل سازمانی، عوامل نهادی و عوامل خارجی است و دو عامل عملکرد انتقال فناوری از دانشگاه به صنعت و تاثیر اقتصادی انتقال فناوری از دانشگاه به صنعت نیز به عنوان نتیجه انتقال فناوری وتجاری سازی در نظر گرفته می شود. بنابراین و براساس مطالب بررسی شده، مدل مفهومی مورد استفاده در این تحقیق در ادامه و به صورت زیر ارائه می شود:

( اینجا فقط تکه ای از متن پایان نامه 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. )

شکل(۲-۱). عوامل موثر بر تجاری سازی تحقیقات دانشگاهی
منبع: (Umam: et al.,2008)
فصل سوم
روش تحقیق
۳-۱ مقدمه
استفاده از روش­های علمی مناسب، برای دستیابی به نتایج درست و قابل اطمینان در پژوهش­ها، امری ضروری است. تحقیق حاضر از نظر هدف، از نوع تحقیقات کاربردی محسوب می شود. تحقیق کاربردی تحقیقی است که یافته های آن را می توان مورد استفاده ملی قرار داد. هدف تحقیقات کاربردی توسعه‎ی دانش کاربردی در یک زمینه ی خاص است. به عبارت دیگر تحقیقات کاربردی به سمت کاربرد عملی دانش هدایت می شود(سرمد، ۱۳۸۳). همچنین از نظر نحوه گردآوری داده ها(طرح تحقیق) تحقیق از نوع آمیختهء اکتشافی است زیرا پژوهشگر درصدد زمینه‎یابی دربارهء موقعیت نامعین می باشد. برای این منظور ابتدا به گردآوری داده های کیفی می پردازد. انجام این مرحله او را به توصیف جنبه های بیشماری از پدیده هدایت می‎کند با بهره گرفتن از این شناسایی اولیه، امکان صورت بندی فرضیه های درباره بروز پدیده مورد مطالعه فراهم می شود. پس از آن، در مرحله بعدی، پژوهشگر می تواند از طریق گردآوری داده های کمی، فرضیه ها را مورد آزمون قرار دهد (بازرگان هرندی، ۱۳۸۷). در مرحله گردآوری داده های کیفی از روش مطالعه موردی استفاده شده است که پژوهشگر باید به مشاهده تفصیلی ابعاد مورد تحت بررسی و تفسیر مشاهده ها از دیدگاه کل نگر بپردازد. زیرا جهت درک عمقی یک “مورد”، پژوهشگر ویژگی های “مورد”، شرایط محیطی آن، عوامل تاثیر گذار و بطور کلی هر جنبه ای که می تواند ” مورد” را آشکارتر کند مورد بررسی قرار دهد (بازرگان هرندی، ۱۳۸۷). علاوه برآن مطالعات موردی برای توصیف پیشامدهای نادر و نیز فراهم آوردن مفاهیمی که درمقیاس وسیع پذیرفته شده اند، بسیار مفید است(هومن، ۱۳۸۵). پس از جمع‎آوری داده های کیفی، به کمک روش های کمی به ارزیابی عوامل موثر بر تجاری سازی تحقیقات دانشگاهی در دانشکده های دانشگاه آزاد اسلامی واحد رشت خواهیم پرداخت.
در این فصل به تشریح روش انجام پژوهش، ابزارهای گردآوری و تحلیل اطلاعات وداده­ها، پرداخته شده است.
۳-۲ روش انجام پژوهش
۳-۲-۱ مرحله کیفی
در مرحله کیفی، از روش مطالعه موردی استفاده شده است، بدین صورت که پس از مطالعه پیشینه تحقیق عوامل موثر بر تجاری سازی تحقیقات دانشگاهی استخراج شد و این شاخص ها در ۴ دسته عوامل محیطی، ساختاری، نهادی و عوامل خارجی دسته بندی شدند. این شاخص ها در بخش (۴-۴) ارائه شدند و حین مصاحبه نیمه ساختار یافته با خبرگان تجاری سازی تحقیقات برای جمع آوری نظرات در مورد عوامل موثر بر تجاری سازی تحقیقات دانشگاهی در دانشکده های دانشگاه آزاد واحد رشت داده شد و ابعاد، مقوله های اصلی و فرعی مورد مطالعه و بررسی قرار گرفت و نهایی شد. سپس با بهره گرفتن از روش تحلیل سلسله مراتبی نظرات خبرگان برای تعریف وزن و اهمیت موثر بر تجاری سازی تحقیقات دانشگاهی در دانشکده‎های دانشگاه آزاد اسلامی واحد رشت تحلیل شده است.
۳-۲-۲ مرحله کمی
در مرحله کمی تحقیق، برای شناسایی موثر بر تجاری سازی تحقیقات دانشگاهی دانشکده های دانشگاه آزاد اسلامی واحد رشت، به کمک پرسشنامه ای که در مراحل قبل به تایید خبرگان تجاری سازی تحقیقات دانشگاه رسیده بود نظرسنجی از اعضای هیات علمی صورت گرفت. این پرسشنامه برای موثر بر تجاری سازی تحقیقات دانشگاهی برای برخی از اعضای هیات علمی به صورت الکترونیکی ارسال شد و نتایج حاصل از آن با روش های آمار توصیفی تحلیل شده است.
۳-۳ تعریف جامعه و نمونه آماری
۳-۳-۱ مرحله کیفی تحقیق
در بخش کیفی پژوهش جامعه آماری، اساتید و خبرگان تجاری سازی تحقیقات دانشگاهی می باشد. فهرست جامعه آماری با نظر استاد راهنما تهیه شد، که دارای ویژگی های مشترک زیر در این تحقیق می‎باشند:
با تجاری سازی تحقیقات دانشگاهی و فرآیندهای پتنت، مجوزدهی، شرکت های دانشگاهی آشنا باشد.
حداقل در یک مورد از خروجی های عملکرد تحقیقات دانشگاهی همکاری داشته باشد.
حداقل یک مورد از موارد مرتبط با تجاری سازی تحقیقات دانشگاهی را انجام داده باشد.
در مجموع با ۱۰ نفر از اساتید و خبرگان مصاحبه شد که به روش گلوله برفی انتخاب شده بودند.
۳-۳-۲ مرحله کمی تحقیق
در بخش کمی جامعه آماری کلیه اعضاء هیات علمی دانشکده های دانشگاه آزاد اسلامی واحد رشت درنظر گرفته شدند که آخرین آمار آن طبق گزارشات دانشگاه آزاد اسلامی ۲۱۹ نفر گزارش شده است.
۳-۴ روش نمونه گیری
۳-۴-۱ مرحله کیفی تحقیق
روش نمونه گیری مورد استفاده، در این تحقیق روش هدفمند بوده است. در این تحقیق نیز از بین اعضای هیات علمی که برخی مدیران دانشگاه نیز می باشند به تشخیص استاد راهنما و اسامی اعلام شده از طرف معاونت پژوهشی دانشگاه، فهرست افراد خبره در این بخش تهیه شده و با آنان مصاحبه به عمل آمد. داده‎های به دست آمده از خبرگان تحلیل شد و تا زمانی که مصاحبه ها به فلت اطلاعات رسید و داده جدیدی اضافه نمی شد، ادامه یافت. برای تعیین اندازه نمونه در روش کیفی نمونه گیری از جامعه محدود اتفاق افتاد و نمونه گیری تا مرحله اشباع صورت گرفت محتوای مصاحبه ها تحلیل شد و تا زمانی که اطلاعات جدید در مصاحبه ها دریافت می­شد، فرایند مصاحبه و تحلیل داده ها ادامه یافت. تعداد افراد مصاحبه شده در این تحقیق ۱۰ نفر می باشد.
۳-۴-۲ مرحله کمی تحقیق
در بخش کمی روش نمونه گیری تصادفی است. بدین ترتیب که با مراجعه به هر دانشکده اساتید علاقمند پرسشنامه را پر می نمودند، البته در برخی موارد نیز پرسشنامه ها به صورت الکترونیکی برای تمام اعضای هیات علمی دانشکده های دانشگاه آزاد اسلامی واحد رشت ارسال شد. در بخش کمی روش نمونه گیری از فرمول کوکران اتفاق می افتد.

در فرمول کوکرانn نشان دهنده حجم نمونهحجم جمعیت آماری (اعضای هیئت علمی دانشگاه) Nدر صد خطای معیار ضریب اطمینان قابل قبول t=1.96
P: برآورد نسبت صفت متغیر، (۵/۰ = P)
مقدار P برابر با ۵/۰ در نظر گرفته شده است. زیرا اگر ۵/۰ = P باشد، n حداکثر مقدار ممکن خود را پیدا ‌می‌کند. این امر سبب می‌شود که نمونه به حد کافی بزرگ باشد. (آذر، مومنی، ۱۳۸۰ ،ج۲: ۷۲)
درجه اطمینان یا دقت احتمالی مطلوب dطبق فرمول بالا اگر بخواهیم حجم نمونه را با شکاف جمعیتی ۵/۰p=0/5، ۱ – p = ۰/۵
و پذیرش خطای نمونه گیری
(d=0/09)

در نتیجه حجم نمونه در بخش کمی ۹۱ نفر از اعضای هیات علمی دانشکده های دانشگاه آزاد اسلامی واحد رشت بودند. برای انجام این تحقیق، ۱۰۰ پرسشنامه در میان ۱۰۰نفر از اعضای هیات علمی توزیع شد که تعداد پرسشنامه های برگشتی قابل بررسی ۹۳ پرسشنامه بود.
۳-۵ روش‌های گردآوری اطلاعات
۳-۵-۱ منابع داده ­ها
پژوهشگر از منابع مختلفی بـرای جمع آوری اطلاعات استفـاده می نماید. در ایـن تحقیق از منابع زیرجهت گردآوری اطلاعات استفاده شده است:
۳-۵-۱-۱ مرحله کیفی تحقیق
به منظور دستیابی به نشریات معتبر در زمینه تجاری سازی تحقیقات دانشگاهی از منابع موجود در سایت های معتبر استفاده می شود از جمله مجلات معتبر در این زمینه که بسیار مقالات سودمندی در آن ارائه می‎شود مجله Research Policy و مجله Tech Transfer بود. در بخش کیفی از طریق مصاحبه از خبرگان تجاری سازی که تعداد آن ها ۱۰ تن بود، درباره تحقیقات دانشگاهی در دانشگاه اطلاعات کیفی جمع آوری می شود. سوالات پرسیده شده از آن ها در رابطه با ۴ بعد استخراج شده از پیشینه تحقیق و زیر معیارهای هرکدام بود.
۳-۵-۱-۲ مرحله کمی تحقیق

کارگیری منابع سازمان، افزایش یافته و بهبود وفاداری مشتریان به سازمان باعث ماندگاری در تجارت می‌گردد.
بنابراین ارائه مدلی استاندارد و جامع و قابل تعمیم برای شناسایی مشتریان با ارزش منطبق با پارامتر های مورد نظر سازمان برای نیل به اهداف آن به عنوان یکی از نیازهای اساسی شرکت پخش و توزیع ارومیه مطرح گردیده است. در این فصل ابتدا به ارائه یک چارچوب استاندارد برای مدیریت رویگردانی مشتری پرداخته می‌شود و سپس با بهره گرفتن از داده‌های به دست آمده از قسمت پخش و توزیع ارومیه به مدل سازی و تحلیل نتایج پرداخته می‌شود.

(( 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. ))

۲٫۴ . مدل پیشنهادی برای پیش بینی رفتار رویگردانی مشتری
مدیریت مناسب مشتریان، مستلزم توانایی پیش بینی تصمیم مشتری برای تغییر تامین کننده، اندازه گیری سوددهی مشتری و پیش‌گیری‌های استراتژیک و تاکتیکی برای کاهش رویگردانی مشتری است. بررسی ادبیات رویگردانی نشان
می‌دهد که در این فرایند، همه مشتریان از ارزش نگهداری یکسان و لزوم برقراری ارتباط بلند مدت با آنها برخوردار نیستند و از طرفی از آنجایی که نگهداری مشتریان بسیار هزینه بر است و باعث صرف منابع بسیاری از سازمان می‌باشد، تمرکز به نگهداری مشتریانی که قصد رویگردانی ندارند به هدر رفتن این منابع می‌ انجامد. بنابراین تمرکز به روی تمامی داده‌های موجود در پایگاه داده لزومی ندارد. [۳۰] [۲۴]
استراتژی های گرفته شده در راستای نگهداری مشتریان باید با تکیه بر پتانسیل ارتباط مشتری اعمال شود. بر اساس تحقیقات انجام شده در گذشته ثابت شده است که بیشترین سود سازمان از تعداد کمی از مشتریانشان حاصل می‌شود. بنابراین با توجه به این که کل پایگاه داده مشتریان سود آور نیست، کاهش نرخ ترک مشتری و عدم تمایل آن به
تامین کننده دیگر لزوما باعث افزایش سوددهی سازمان نمی‌شود. زیرا این کاهش ممکن است مرتبط به مشتریانی باشد که سهم کمتری در سود آوری سازمان داشته اند. [۳]
با توجه به نکات ارائه شده در فصل دوم و بخش قبل در این مطالعه گروه هدف مشتریانی هستند که در سوددهی سازمان نقش بسزایی را ایفا می کنند و به اصطلاح به عنوان مشتریان با ارزش شناسایی می‌شوند. در ادامه با توجه به شاخص هایی که در تعیین ارزش مشتری موثر هستند گروه مشتریان با ارزش شناسایی شده و سپس به پیش بینی احتمال رویگردانی این مشتریان پرداخته خواهد شد.
همان گونه که اشاره شد در این مطالعه، تمامی پایگاه مشتریان سازمان مورد بررسی قرار نمی‌گیرد و پیش بینی احتمال رویگردانی برای مشتریانی انجام خواهد شد که ارزش کافی برای برقراری رابطه طولانی دارند. بر این اساس مدیریت رویگردانی در سه گام اصلی به صورت زیر انجام می‌شود:
مدل تعیین مشتریان با ارزش
مدل پیش بینی رویگردانی
مدل نگهداری مشتریان
در شکل شماره ۱٫۲٫۴ مدل های استاندارد نشان داده شده است.
شکل شماره ۱٫۲٫۴٫ چارچوب استاندارد برای پیش بینی رویگردانی مشتری^[۸۰]
مدل تعیین مشتریان با ارزش
در این بخش با بهره گرفتن از شاخص‌هایی برای تعیین ارزش مشتری، مشتریان با ارزش سازمان شناخته می‌شوند. این گروه از مشتریان گروه هدف برای پیش بینی احتمال رویگردانی را تشکیل می دهند.
مدل پیش بینی رویگردانی
در این بخش به شناسایی و بررسی متغیرهای پیش بینی پرداخته می‌شود. در نهایت با بهره گرفتن از این متغیرهای
پیش بینی و تکنیک دسته بندی مدلی برای پیش بینی رویگردانی مشتری توسعه داده می‌شود. پس از ساخت مدل، در مرحله ارزیابی به تحلیل نتایج به دست آمده از مدل پرداخته می شود. با بهره گرفتن از مدل به دست آمده، مشتریانی که در ریسک رویگردانی قرار دارند شناخته می شود تا در مراحل بعدی فعالیت های لازم برای نگهداری آنها صورت پذیرد. از آنجایی که مدل به دست آمده توسط داده‌های موجود در گذشته ایجاد شده است، به منظور بررسی تاثیر متغیرهای محیطی بر مدل ایجاد شده نیاز است تا مدل با بهره گرفتن از داده های زمانی متفاوت به صورت متناوب بازسازی شود. در چنین شرایطی با افزایش حجم تجمعی داده‌ها برای بازسازی مدل، سیستم خبره ایجاد شده از دقت و قابلیت اعتماد بالاتری برخوردار خواهد شد.
مدل نگهداری مشتریان
در این بخش می توان به منظور نگهداری مشتریان که در ریسک رویگردانی قرار دارند، استراتژی ها و تاکتیک هایی را در نظر گرفت. برای مثال می توان با بهره گرفتن از تکنیک های خوشه بندی به تعیین خوشه‌های رفتاری مشتریان پرداخت. این بخش از مدل نگهداری خارج از حوزه پروژه حاضر قرار دارد و می تواند به عنوان مطالعات آتی نیز در نظر گرفته شود.
همان گونه که اشاره شد در این مطالعه دو معیار ارزش مشتری و ریسک رویگردانی آن از سازمان به عنوان معیارهای اصلی برای دسته بندی مشتریان در نظر گرفته شده است.
بنابراین با توجه به این دو معیار می توان مشتریان را به صورت زیر دسته بندی نمود. در نمودار شماره ۲٫۲٫۴، دسته بندی مشتریان نشان داده شده است.
دسته شماره ۱: دسته مشتریان با ارزش بالا و ریسک رویگردانی پایین
دسته شماره۲: دسته مشتریان با ارزش بالا و ریسک رویگردانی بالا
دسته شماره ۳: دسته مشتریان با ارزش پایین و ریسک رویگردانی پایین
دسته شماره ۳: دسته مشتریان با ارزش پایین و ریسک رویگردانی بالا
نمودار شماره ۲٫۲٫۴٫ دسته بندی مشتریان بر اساس ارزش و ریسک رویگردانی
با توجه به مدل پیشنهادی برای دسته بندی مشتریان، در این مطالعه مشتریان به دو دسته ۱ و ۲ مطابق نمودار شماره ۲٫۲٫۴ دسته بندی می‌شوند. پس از آن مشتریانی که در دسته ۲ قرار می گیرند. وارد مدل نگهداری شده و
سیاست گذاری‌هایی برای نگهداری و ترغیب آنها به سازمان انجام می‌شود. در این راه می‌توان با بهره گرفتن از تکنیک خوشه بندی، با توجه به خوشه‌ای که مشتری در آن قرار دارد، اقدامات پیش‌گیرانه ای را در وفادار کردن مشتری انجام داده و مشتریان گروه ۲ را به سوی گروه ۱ سوق داد.
۳٫۴ . جمع‌ آوری داده ها
با توجه به تحولات سریع کنونی در دنیا، اداره امور شرکت‌های بزرگ به صورت هولدینگ و توسعه همکاری‌های برون سازمانی در این شرکت ها به سرعت در حال گسترش است.
گروه سولیکو نیز به عنوان یکی از هولدینگ‌های برتر کشور در طول سال‌های فعالیت خود بر مشتری مداری و اهمیت درک نیاز های مشتری به عنوان اصول بنیادی شرکت تاکید ویژه ای داشته است. علاوه بر این با توجه به ماهیت کالاهای ارائه شده توسط سازمان، پراکندگی زیاد بین زمان‌های خرید مشتریان و مشخص نبودن زمان بازگشت مشتری، لزوم شناسایی مشتریان رویگردان اهمیت ویژه ای دارد. شرکت پخش و توزیع ارومیه که یکی از شرکت های توزیع محصولات گروه سولیکو بین مشتریان و در ارتباط مستقیم با آنها می‌باشد به عنوان گروه هدف این مطالعه انتخاب شده است. در این بخش به بررسی تفضیلی داده های در دسترس برای این پروژه پرداخته می‌شود.
به طور کلی سازمان‌های تجاری از نظر توزیع جغرافیایی به سازمان‌های متمرکز و توزیع شده و از نظر نوع سازمان به سازمان های واحد یا منفرد و سازمان‌های چندگانه یا هولدینگ تقسیم بندی م‌ شوند. گروه صنایع غذایی سولیکو در زمره سازمان های چندگانه – هولدینگ – با توزیع جغرافیایی می باشد. در این سازمان که از مجموعه شرکت‌ها و سازمان‌های مختلف تشکیل شده است. هر سازمان به صورت جداگانه به عرضه محصول یا خدمات خود می‌پردازد. که به علت گستردگی و افزایش حجم خدمات و محصولات، هر کدام از این سازمان ها مطابق با استاندارد های یکسانی به جمع آوری داده های خام نمی‌پردازند و به طور کلی برای تجمیع داده ها در گروه چندین نرم افزار مختلف وجود دارد.
پایگاه داده تحلیلی بستر مناسبی فراهم می‌آورد که داده ها به منظور پاسخگویی به پرسش‌های تحلیلی به صورت بایگانی شده، سر جمع شده و سازمان یافته، ذخیره شوند .پایگاه داده تحلیلی در واقع مخزن داده جمع آوری شده از منابع اطلاعاتی مختلف، توزیع شده، احتمالا ناهمگون، تحت یک ساختار سه بعدی، به صورت یکپارچه و پاکسازی شده می‌باشد.
داده های موجود در انبار داده در گروه غذایی سولیکو از سیستم های عملیاتی متنوع، نظیر سیستم‌های پایگاه داد‌هها مربوط به ^[۸۱]Total Syatem، همکاران سیستم و هلو و منابع داده ای خارجی یکپارچه می‌شوند. پایگاه داده ها در انبار
داده‌ها به صورت چند بعدی طراحی می‌شود.
به عنوان مثال در طراحی اطلاعات نگهداری شده برای فروش، زمان فروش، ناحیه فروش، فروشنده، مشتریان و محصول به فروش رفته به عنوان ابعاد مختلف در نظر گرفته می‌شوند. با توجه به آنکه این بعدها به صورت سلسله مراتبی تعریف می شوند از مدل ستاره ای برای طراحی انبار داده استفاده شده است. نمایی از مدل توزیع داده در سازمان در شکل ۱٫۳٫۴ نشان داده شده است.
شکل شماره ۱٫۳٫۴٫ مدل توزیع داده در سازمان سولیکو^[۸۲]
به طور کلی داده های مشتری و فروش سازمان در قالب یک Start – Schema در انبار داده قرار گرفته است. که مدل آن در شکل ۲٫۳٫۴ نشان داده شده است.

شکل شماره ۲٫۳٫۴٫ مدل فیزیکی انبارداده در سازمان سولیکو^[۸۳]
در این Schema، داده های متعلق به هر مشتری در جدول SH_Customer قرار داده شده است که این اطلاعات شامل مشخصات فردی، آدرس، تلفن، نوع مشتری و …. می باشد. اطلاعات مربوط به فیلد های ضروری در جدول ۱٫۳٫۴ نشان داده شده است.
اطلاعات مربوط به کالا های مختلف و مورد عرضه به مشتریان نیز در جدول SH_Product قرار گرفته است که شامل اطلاعات در مورد مشخصات کالا، گروه بندی محصول، نوع برند و غیره می باشد. اطلاعات مربوط به فیلد های ضروری در جدول ۲٫۳٫۴ نشان داده شده است.
مهمترین و اصلی ترین منبع اطلاعاتی در این بخش، اطلاعات مربوط به فاکتور فروش می باشد که این اطلاعات در جدول SH_Sales قرار گرفته است و با بهره گرفتن از این جدول می توان مشخص کرد که یک مشتری در چه زمانی، چه کالایی را خریداری کرده است و اطلاعاتی چون حجم خرید ( مقدار فروش )، مبلغ خریداری شده توسط مشتری، وزن فروش، وزن واحد استاندارد، قیمت واحد ( قیمت کالا ) و … می باشد. اطلاعات مربوط به فیلد های ضروری در جدول ۳٫۳٫۴ نشان داده شده است.
در جدول SH_Sales_Office، اطلاعات مربوط به واحد های فروش وجود دارد که در این مطالعه اطلاعات مربوط به فروش شرکت پخش و توزیع ارومیه مدنظر است.
جدول شماره ۱٫۳٫۴٫ جدول اطلاعات مشتری

مدیریت منابع انسانی

توسعه تکنولوژی

مشتری/تامین کننده/رابطه با شرکا

انتخاب

دسترسی

توسعه

تجمیع

مسیریابی

کارشناسی

ارتباط بازار ارتباط محصول

عملکرد
ارزش افزوده
ارزش افزوده
ارزش افزوده
ارزش افزوده
ارزش افزوده
ارزش افزوده
زیر ساخت
ارتباط
ارتباطات تکنولوژیکی
ارتباط خرید
شکل ‏۲‑۸زنجیره ارزش منطبق با نیازهای نشر(تیان و همکاران،۲۰۰۹)
فعالیتهای پشتیبانی:
فعالیتهای پشتیبانی به فرایندهایی که به سازمان در رسیدن به مزیت رقابتی کمک می کند،یاری می رساند.روابط بین ناشرین کتاب و مشتریان آنها،تامین کنندگان و شرکا،جنبه هایی مانند محصولات،خدمات و وفاداری را پوشش می دهد.روابط بین ناشرین و تامین کنندگان آنها بسیار مهم بوده و می تواند به عنوان یک دارایی نامحسوس برای شرکت در نظر گرفته شود.درک خواسته های مشتریان به منظور تحویل به موقع و موثر محصولات و خدمات می تواند منجر به افزایش فروش شود.(تیان و همکاران،۲۰۰۹)

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

توسعه ی فناوری همچنین به ناشرین کمک می کند تا به مزیت رقابتی دست یابند.فناوری می تواند به منظور کاهش هزینه های تولید به کار گرفته شود،بنابراین منجر به ارزش افزوده شود و یا تحقیق و توسعه منتج به تولید محصولات جدید شود.از نظر پورتر فناوری می تواند در هر بخی از زنجیره ارزش دخیل باشد و در صورتی که شرکت بخواهد به مزیت رقابتی دست یابد با هر تغییری در فناوری باید به بازسازی زنجیره تامین بپردازد.
فعالیتهای پردازشی:
همانطور که در شکل ۷-۲ نشان داده شد ،فعالیتهای پردازشی در صنعت نشر انتخاب،دستیابی ،توسعه،تجمیع،جستجو و اختیار را ترکیب می کنند.
-انتخاب به دریافت محتواکه حاکی از فرایند دریافت نسخه خطی از نویسنده می باشد، اشاره دارد.
-دسترسی به توسعه ی متن و طراحی کتاب اشاره دارد.این فرایند شامل ویرایش و طراحی نسخه ی کتاب برای چاپ می باشد.
-توسعه به مدیریت چرخه تولید،پیش نمایش و پرینت اشاره دارد.فرایند سند های تحلیل هزینه را ایجاد کرده و چرخه تولید محصول نهاییرا تخمین زده و تولید می کند.
-تجمیع به بازاریابی و فروش اشاره دارد.بازاریابی به منظور حصول اطمینان از اینکه محصول گروه صحیحی از مشتریان را هدف گرفته انجام می شود.آمیخته بازاریابی به منظور به کارگیری یک استراتژی موثر به کار برده می شود.در واقع فروش ها اطمینان می بابند که کتاب از طریق کانالهای توزیع صحیحی به فروش رسیده است.
-جستجو به پوشش کامل سفارشات و خدمات مشتری اشاره می کند.این وظیفه شامل مدیریت انبارها،و کانالهای چندتایی توزیع کتاب می شود.سرپرستی همه ی بازگشتی های کتاب فرایند مهمی در نشر می باشد.(گریکو،۲۰۰۵)بعد از آن خدمات فروخته شده باید رضایت مشتری را بیشینه کند.
-اختیار به حقوق،حقوق خارجی و فعالیتهای صدور مجوز اشاره دارد.
هریک از فعالیتهای مذکور در زنجیره تامین می تواند ارزش خلق کند،و تمامی جریان ارزشی به نتیجه ی عملکرد مطلوب صنعت چاپ و نشر منتهی خواهد شد.
شبکه ارزش:
شبکه ارزش میان کاربرانی که یا مستقل هستند و یا می خواهند مستقل باشند پیوند برقرار می کند.در ابتدای امر شرکت به تنهایی شبکه نیست ،اما خدمات شبکه را پشتیبانی می کند.آفوا و توکی شبکه ارزش را به عنوان توسعه مستقیم مبادله فرض می کنند.خلق ارزش منطقی یکی از روش های برقراری ارتباط با مشتریان است.منطق اصلی رابطه تعاملی واسطه گری است.(آستروالدر،۲۰۰۴)علاوه بر این آستروالدر استدلال می کند که سه فعالیت اصلی در شبکه ی ارزش عبارتند از ارتقای شبکه و مدیریت قرارداد و مدیریت قرارداد،تامین خدمات و عملیات زیر ساخت شبکه .
-ارتقا شبکه و مدیریت قرارداد:فعالیتهای مرتبط با شناسایی مشتریان بالقوه شبکه،انتخاب مشتری و شروع،مدیریت،و فسخ قراردادهای مربوط به شارژ و ارائه خدمات.
– ارائه خدمات: فعالیت های مرتبط با استقرار، نگهداری، و خاتمه دادن به ارتباط بین مشتریان و شارژ برای ارزش دریافت شده.لینکها می تواند مانند تلفن به صورت همزمان و یا مانند خدمات پست الکترونیکی یا بانکی به صورت غیر همزمان،باشد. محاسبات حساب کاربر نیاز به اندازه گیری استفاده مشتریان از ظرفیت شبکه هم از نظر حجم و هم از نظر زمان دارد.

زمان (t)

مقطع (i)

۱
۲
T

۱=i

۱
۲
T

۲=i

۱
۲
T

n=i

جدول ۳-۶ نحوه وارد کردن اطلاعات در روش پانل حالت اول
۳-۵-۳- پانل دیتا^[۲۷۴]
در آمار و اقتصاد سنجی، مجموعه داده‌های پانلی شامل مشاهداتی برای چندین بخش(خانوار، بنگاه و…) می‌باشند که در طی زمان‌های مختلف جمع آوری شده‌اند. یعنی یک مدل داده‌های پانل حاوی اطلاعاتی در زمان و مکان است که شامل N مؤلفه در T دوره زمانی می‌باشد.

اگر تعداد مشاهدات زمانی برای تمام مؤلفه‌های موجود در پانل یکسان باشد، به آن پانل متوازن^[۲۷۵] گفته می‌شود. اما در صورتی که مشاهدات مفقوده‌ای برای تعدادی از مؤلفه‌ها وجود داشته باشد، پانل را نامتوازن می‌نامیم.
۳-۵-۳-۱- مزایای داده‌های پانل
طبق اصل جامعیت آماری ما باید از همه اطلاعات در دسترس برای انجام رگرسیون استفاده نمایید. استفاده از داده‌های پانل باعث می‌شود حجم نمونه بسیار بیشتر شود. این داده‌ها مخصوصاً در کشورهای در حال توسعه که روش جمع‌ آوری داده‌های آن‌ها منظم نیست کاربرد بیشتری دارد. استفاده از داده‌های پانل مزایای دارد که چند مورد آن به شرح زیر است :
کاهش هم خطی موجود بین متغیرها: زیرا یکی از روش‌های کاهش هم خطی افزایش حجم نمونه است که با توجه به این‌که در داده‌های پانل حجم نمونه زیاد می‌شود ممکن است هم خطی کاهش یابد.
افزایش واریانس متغیرها که منجر به کاهش واریانس پارامترهای برآوردی می‌شود.
خلاصی از بسیاری از متغیرهای غیرقابل مشاهده بدون اینکه مشکل زیادی به وجود آید. این ویژگی یکی از ویژگی‌های جالب مدل‌های پانل دیتا است. با وجود مزایای زیادی که داده‌های پانل دارد اگر فردی که تجربه و آشنایی کافی با پانل دیتا ندارد به استفاده از این داده ها همت گمارد احتمالاً نتایج غلط و عجیبی خواهد گرفت. غالباً بسیاری از دانشجویان و اساتیدی که از داده‌های پانل استفاده می‌کنند و از ادبیات داده‌های پانل اطلاع ندارند بسیار سطحی به برآورد مدل می‌پردازند .
مخصوصاً عدم لحاظ تمام ناهمگنی‌ها باعث برآوردهای تورش دار و ناسازگار خواهد شد. در بسیاری از تحقیقات داخلی که از داده‌های پانل استفاده نموده‌اند تنها به آزمون چاو^[۲۷۶] و آزمون هاسمن بسنده نموده‌اند که این آزمون‌ها قطعاً جهت دستیابی به نتایج صحیح کافی نیست . محققی که از داده‌های پانل استفاده می کند ابتدا باید با توجه نوع پانل (میکرو یا ماکرو) مسائلی که در هرکدام ممکن است اتفاق افتد را مورد بررسی قرار دهد. مسائل عمده‌ای که در داده‌های ماکرو پانل اتفاق می‌افتد عبارت‌اند از: غیر ایستایی، هم جمعی، شکست ساختاری و همبستگی بین مقاطع در میکرو پانل معمولاً خطای اندازه‌گیری ،اثر ثابت و اثر تصادفی مطرح می‌شود. در میکرو پانل اگر یک قسمت خاص را مورد توجه قرار دهیم مدل اثر ثابت مناسب‌تر خواهد بود . اما اگر در موقعی که تعداد مقاطع زیاد و تعداد سال‌ها کم باشد از مدل اثر ثابت استفاده نماییم درجه آزادی زیادی از دست می‌رود. آزمون چاو که به وسیله بسیاری از محققان استفاده می‌شود وجود اثر ثابت را در مقابل پولینگ تست می کند. حال سؤال این است که اگر اثر تصادفی در متغیرهای وجود داشته باشد آیا آزمون چاو معتبر است. به آسانی می‌توان اثبات نمود که در این حالت آزمون چاو اعتبار لازم را نخواهد داشت، هم‌چنین در خصوص وجود مشکل ناهمسانی واریانس و خودهمبستگی در داده‌های پانل باید گفت چنانچه تعداد سال‌ها بیشتر از مقاطع باشد مشکل خودهمبستگی و چنانچه تعداد مقاطع بیشتر از سال‌ها باشد مسئله ناهمسانی مورد انتظار است.
۳-۵-۳-۲- مدل اثرات ثابت
در این مدل هر یک از مولفه‌ها یک مقدار ثابت مخصوص به خود دارد و به دلیل آنکه برای کار کردن با هر یک از این مقادیر ثابت، یک متغیر مجازی در نظر گرفته می شود، تخمین زن اثرات ثابت، تخمین زن متغیرهای مجازی حداقل مربعات(LSDV) نیز نامیده می شود. این مدل را می توان به شکل زیر نوشت:
(۳-۳۶)
که در آن D ماتریس متغیرهای مجازی با ابعاد NT*N و X ماتریس متغیرهای توضیحی با ابعاد NT*k و β نیز ماتریس ضرایب با ابعاد k*1 می باشند.
مدل اخیر یک مدل رگرسیونی کلاسیک بوده و هیچ شرط جدیدی برای تجزیه و تحلیل آن لازم نیست و می توان مدل را با بهره گرفتن از OLS برآورد کرد.
مزیت مدل با اثرات ثابت این است که می تواند اثراتی را که در هر یک از مؤلفه‌ها متفاوت است ولی در طول زمان تغییر نمی‌کند، نشان دهد. البته پس از تشکیل مدل دیگر نمی توان به آن متغیری افزود که در طول زمان تغییر نکند، چرا که با اثرات ثابت موجود همخطی کامل پیدا خواهد کرد. از سوی دیگر عیب چنین مدلی این است که در آن باید برای هریک از متغیرهای مجازی یک ضریب و در مجموع N ضریب تخمین زد. این امر هنگامی که تعداد مؤلفه‌ها یعنی N خیلی زیاد باشد، که معمولاً نیز چنین است، مسئله ساز خواهد شد.
برای برطرف کردن این مشکل یک راه آن است که میانگین زمانی هر یک از متغیرها را از مقدار اصلی آنها کم کنیم. با این کار به مدلی می رسیم که فاقد عرض از مبدأ خواهد بود و می توانیم روش حداقل مربعات معمولی رابرای آن اجرا کنیم. روش دیگر آن است که تفاضل مرتبه اول متغیرها را به جای آنها در مدل به کار ببریم. در این صورت نیز عرض از مبدأ از مدل حذف می‌شود و مشکل تعداد زیاد پارامترها برای تخمین نیز برطرف می گردد.

۳-۵-۳-۳- روش پانل پویای گشتاورهای تعمیم یافته

۲-۲-۱-۳- شناسایی به روش BJ
در شناسایی به روش BJ که یکی از روش‌های شناسایی خطی سیستم‌های دینامیکی می‌باشد، ساختاری که برای سیستم در نظر گرفته می‌شود به صورت زیر است:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

در این صورت معادله تابع، که به صورت بسط چند جمله‌ای ها برای سیستم به دست می‌آید برابر با معادله ۲.۱۰ می‌باشد:
(۲.۱۰
با ضرب چند جمله ای مخرج در دو طرف تساوی، رابطه ۲.۱۱ به صورت زیر بیان می‌گردد:
(۲.۱۱
با بهره گرفتن از معادله ۲.۱۱ و استخراج رگرسورهای سیستم و تخمین ضرایب چند جمله ای، سیستم شناسایی می‌گردد. در این روش نیز برای استخراج ماتریس ضرایب، می‌توان از روش حداقل مربعات خطا همانند دو روش بحث شده قبلی استفاده نمود]۲۴،۲۵،۳۰[.
۲-۲-۲- شناسایی خطی به روش مبتنی بر تحلیل زیر فضا
روش تحلیل زیر فضا N4SID¹ به عنوان جایگزینی برای روش های قدیمی شناسایی سیستم چند‌متغیره پیشنهاد شده‌اند. جذابیت روش زیر‌فضا در این است که تحقق فضای حالت سیستم را از روی داده های ورودی و خروجی تخمین می‌زنند]۲[.
تمام روش های N4SID مستقیما بیان فضای حالت سیستم را بدون استفاده از بیان پارامترهای خاص کانونیک سیستم مورد استفاده قرار می‌دهند]۲[.
در این روش نیاز به انتخاب یک پنجره از اطلاعات(M) داریم. اگر کل اطلاعات اندازه گیری شده سیستم N باشد، عموما بعد پنچره را به شکلی انتخاب می‌کنند که باشد]۳۵-۳۱[.
پس از انتخاب M، ماتریس های هنکل^۲ به شکل زیر تشکیل می‌گردند:
——————————————————————–۱- Numerical methods for subspace system identification2-Henkel Matrix
(۲.۱۲
می‌توان نشان داد که با تعریف ماتریس های فوق و با بهره گرفتن از معادلات حالت سیستم خواهیم داشت:
(۲.۱۳
که در آن:

قدم بعدی از روش مبتنی بر زیر فضا، تخمین زیرفضای سیگنال یا به عبارتی فضای برد ماتریس رؤیت پذیری می‌باشد. روش‌های متعددی برای حل این مسئله بیان شده که ما به بررسی یکی از این روش ها می‌پردازیم]۲،۳۵[.
دراین روش ماتریس نگاشت عمود را در درون فضای پوچی ایجاد می‌کنیم. اگر دارای رتبه کامل بود ماتریس نگاشت به صورت زیر تعریف می‌گردد:
(۲.۱۴
به دلیل اینکه اگر ماتریس را از طرف راست بر روی معادله ۲.۱۳ اثر دهیم در این صورت داریم:
(۲.۱۵
در مرحله بعد با بهره گرفتن از تجزیه مقادیر منفرد ماتریس به صورت زیر تجزیه می‌شود:
(۲.۱۶
که در آن S ماتریس مقادیر منفرد می‌باشد. تعداد عناصر غیر صفر مقادیر منفرد در واقع همان درجه واقعی سیستم است.
در مرحله بعد با بهره گرفتن از ماتریس به صورتی که در زیر ارائه می‌گردد ماتریس ضرایب AوC تخمین زده می‌شوند:
به تعداد n ستون از ماتریس را انتخاب و آن را می‌نامیم. اولین m (تعداد خروجی) ردیف از ماتریس همان C می‌باشد. ماتریس A از رابطه زیر به دست می‌آید:
(۲.۱۷
که در آن همان است وقتی اولین m ردیف آن برداشته شده باشد و همان است وقتی آخرین m ردیف آن برداشته شده باشد.
در گام بعدی ضرایب B و D به ترتیب زیر تخمین زده می‌شوند:
ماتریس با حذف n ستون اول ماتریس به دست می‌آید:
(۲.۱۸
ماتریس H طوری محاسبه می‌شود که:
(۲.۱۹
از روی ماتریس H و مقایسه آن با رابطه زیر، ماتریس های B و D تخمین زده می‌شوند.

بدین ترتیب سیستم به روش مبتنی بر زیر فضا شناسایی می‌گردد.
۲-۳- شناسایی به روش های غیر خطی
در بخش ۲-۲ به بررسی روش‌های شناسایی‌خطی برای شناسایی سیستم های دینامیکی پرداختیم. در این بخش به بررسی تعدادی از روش‌های غیر خطی برای سیستم های دینامیکی خواهیم پرداخت.
۲-۳-۱-شناسایی به روش ARX غیر خطی(NLARX )
در فصل دو اشاره گردید که مدل ARX به صورت رابطه زیر می‌باشد:
(۲.۲۰
که در این رابطه y(k) به صورت زیر به دست می آید:
(۲.۲۱
اشاره گردید که در روش خطی، خروجی تخمین زده شده، جمع وزنی از مقادیر گذشته خروجی و ورودی ها که بردار رگرسور نامیده می‌شوند، می‌باشد. حال در روش غیر خطی تعریف متفاوتی برای خروجی تخمین زده شده ارائه می‌گردد، در این روش y(k) تخمین زده شده از رابطه۲.۲۲ به دست می‌آید]۲۴،۲۵[.
(۲.۲۲
ساختار روش شناسایی ARX غیر خطی در شکل (۲-۲)نشان داده شده است. در این روش رگرسورها و ماتریس ضرایب به‌صورت رابطه ۲.۲۳ در نظر گرفته می‌شود.
(۲.۲۳
(۲.۲۴
شکل(۲-۲):ساختار شناسایی به روش NLARX [36]
با توجه به شکل (۲-۲) و رابطه ۲.۲۴ در می‌یابیم که قسمت تخمین‌گر غیر خطی در این روش می‌تواند از بخش خطی و غیر خطی تشکیل یابد. در رابطه ۲.۲۴، L قسمت خطی و تابع g قسمت تخمین‌گر غیر‌خطی می باشد، تابع g که قسمت اصلی تخمین‌گر غیر خطی را تشکیل می‌دهد، می‌تواند هر یک از ساختار های غیرخطی ویولت، سیگموید‌نت، شبکه های عصبی و سایر شبکه های غیر خطی را به خود اختصاص دهد. ما در این رساله برای تخمین‌گر از شبکه سیگموید‌‌نت استفاده نموده ایم. g برای شبکه سیگموید‌نت در رابطه ۲.۲۵ نشان داده شده است.
(۲.۲۵
با توجه به آن‌چه بیان شد با بهره گرفتن از ماتریس رگرسورهای متشکل ازورودی ها و خروجی های گذشته و انتخاب مناسب تخمین‌گر غیر خطی پارامترهای سیستم را تخمین زده و سیستم را شناسایی می‌نماییم]۳۶،۳۹[.
۲-۳-۲-شناسایی به روش همرشتاین- وینر (NLHW¹ )