بازاریابی

Ma

25.00

9

فناوری و اطلاعات

IT

17.39

10

فنی و مهندسی

ET

15.00

11

کنترل کیفیت

QA

11.54

12

مالی

MF

8.33

13

همانطور که از جدول فوق مشخص است، بخش‌های تولید، بازرگانی و پشتیبانی و برنامه‌ریزی و انبار که بیشترین تعامل را با زنجیره تامین دارند، دارای رتبه بحرانی بالاتری نسبت به بقیه گروه‌های مطالعاتی هستند. این نتایج بر اساس شواهد موجود و مصاحبه‌های دوره اول بدور از انتظار نیست. شکل ‏4‑5 درصد فراوانی عارضه‌های موجود در این سه بخش را جهت مقایسه بهتر نشان می‌دهد.
شکل ‏4‑5: درصد فراوانی انواع عارضه های استخراج شده در سه واحد بحرانی شرکت
همانطور که از شکل فوق مشخص است، حدود نیمی از عارضه‌های موجود در بخش تولید که دارای اولویت بالاتری نسبت به بقیه گروه‌ها است، عارضه‌های سطح 2 یعنی عارضه‌های تا حدی مهم را تشکیل می‌دهد. مدیریت و بخش تولید به راحتی می‌تواند با تدوین استراتژی‌ها و دستور العمل‌هایی این عارضه‌ها را از زنجیره تامین شرکت حذف کند.
شکل ‏4‑6 نمودار پارتو مربوط به تعداد کل عارضه‌های شناسایی شده برای هر بخش را نشان می‌دهد. با توجه به این نمودار می‌توان نتیجه گرفت که بیشترین تاثیر منفی بر عملکرد زنجیره تامین از سطوح تصمیم‌گیری بالای سازمان در این حوزه یعنی، مدیریت ارشد، برنامه‌ریزی و انبار، بازرگانی و پشتیبانی و تولید حاصل می‌شود. البته این نتایج وابسته به تعداد نیازمندی های تخصیص داده شده به هر واحد می باشد. بنابراین با تدوین استراتژی‌های بلند مدت در این بخش‌ها می‌توان درصد زیادی از عارضه‌های استخراج شده را از بین برد و یا تاثیر آنها را کاهش داد.

شکل ‏4‑6: نمودار پارتو مربوط به تعداد کل عارضه های شناسایی شده برای گروه های مورد مطالعه
همچنین در یک نوع دسته بندی، کل عارضه های شناسایی شده در دو گروه عارضه های داخلی و عارضه های خارجی تقسیم بندی شدند که عارضه های داخلی مربوط به فرآیندهای درون سازمان و عارضه های خارجی مواردی که دامنه کار مربوط به خارج از سازمان و یا عامل به وجود آورنده آن افراد و سازمان های خارج از سازمان می باشد. پس از انجام محاسبات این نوع تقسیم بندی نتیجه در شکل نمایش داده شده است.

متن کاوی عارضه‌ها

با توجه به نوع و فرمت عارضه‌های استخراجی که به صورت داده‌های متنی می‌باشند، جهت تجزیه و تحلیل بهتر آنها و بهره‌گیری از اطلاعات نهفته در متن، می‌توان از روش متن کاوی استفاده نمود. متن کاوی که به تحلیل هوشمندی متن، داده کاوی متنی یا کشف دانش در متن نیز مشهود است، عموما به فرایند استخراج دانش و اطلاعات مورد علاقه و مهم از مجموعه متنی غیرساختاریافته اشاره کرد. به عبارت دیگر، متن کاوی کشف اطلاعات جدید و از پیش ناشناخته به وسیله تجزیه و تحلیل خودکار اطلاعات از منابع متنی نوشته شده می‌باشد. این رویکرد برای اولین بار توسط فلدمن و داگان^[86] در سال 1995 مطرح شد.
یکی از اهداف مفید متن کاوی، کشف توزیعات و فراوانی داده‌های نهفته و مورد علاقه در داده‌های حجمی از متن‌ها و جملات می‌باشد. با بهره گرفتن از این فن می‌توان بدون اتکا بر هیچ دانش و تجربه‌ای، فراوانی کلمات کلیدی موجود در متن را شناسایی نمود (پونس پوراتا^[87] و همکاران، 2007) و بر اساس آن ریشه و مفهوم جملات را شناسایی کرد. بنابراین با بهره گرفتن از این رویکرد، ابتدا کلمات کلیدی هر متن را استخراج کرده و با محاسبه تعداد فراوانی آنها، می‌توان علل ریشه‌ای عارضه‌های شناسایی شده را پیدا نمود.
لیدی^[88] برای فرایند متن کاوی بر روی اطلاعات، سه مرحله به شرح زیر را معرفی نمود:

• آماده سازی متن: در این مرحله منابعی که قرار است متن کاوی روی آنها صورت گیرد، انتخاب می‌شوند و پردازش مقدماتی متن از قبیل شناسایی جملات و پاراگراف‌ها بر روی آنها انجام می‌شود.

• پردازش متن: این مرحله به منظور استخراج کلمات کلیدی و مشهود موجود در متن صورت می‌گیرد؛ که به دو روش مبتنی بر سند و مبتنی بر مفهوم انجام می‌شود.

• تحلیل متن: در این مرحله بروندادها و خروجی‌ها مورد ارزیابی قرار می‌گیرند تا مشخص شود که آیا کشف دانش صورت پذیرفته است یا خیر.

این سه مرحله باید به روشی اندیشمندانه صورت پذیرد، به طوری که به اهداف متن کاوی، محدودیت داده‌ها و نقاط قوت و ضعف آنها توجه شود. با توجه به متن عارضه‌ها که به صورت جملات کوتاه ارائه شده است و تعداد محدود آنها، می‌توان ادعا نمود که گام اول متن کاوی (آماده سازی متن) انجام شده است. بنابراین باید به دنبال پردازش متن با استخراج کلمات کلیدی بود. در این پژوهش جهت انجام این کار بدلیل خلاصه نویسی عارضه‌های استخراج شده، از رویکرد مبتنی بر مفهوم استفاده شده است. به عبارتی متن هر عارضه بهبود داده شده و مفاهیم و معانی موجود در آنها و نیز ارتباط میان آنها استخراج شده است. جدول ‏4‑7 دو نمونه از عارضه‌های استخراج شده به همراه کلمات کلیدی آنها را نشان می‌دهد. این کلمات بر اساس مفهوم شناسایی شده از متن عارضه‌ها استخراج شده است.
جدول ‏4‑7: دو نمونه متن کاوی مبتنی بر مفهوم برای عارضه های استخراج شده