حمیدرضا مهری - دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع و سیستم ها، گروه مدیریت سیستم و بهره وری، دانشگاه تربیت مدرس، تهران، ایران

موضوع ارزیابی عملکرد یکی از مهم ترین و کلیدی ترین مباحث در مدیریت سازمان هاست و مدیران برای اجرای آن تاکید ویژه ای دارند. اما ارزیابی عملکرد معمولا نگاه گذشته نگر دارد بدین معنی که پس از گذشت یک بازه زمانی مشخص، واحدهای مختلف بر اساس متغیرهایی مورد ارزیابی قرار می گیرند در صورتی که پیش بینی عملکرد می تواند برای برنامه ریزی و تصمیم گیری مدیران مفیدتر باشد. هم چنین، پیش بینی در فضای عدم قطعیت در حوزه ارزیابی عملکرد می تواند باعث شود که برنامه های در نظر گرفته شده برای عملکرد واحدها در سطوح بالاتر جامع تر باشد و با احتمال بیشتری منجر به نتایج دقیق تری شود. بنابراین، هدف این پژوهش ارائه مدل های یادگیری ماشین احتمالی جهت پیش بینی عملکرد واحدهای سازمانی مطابق با ویژگی های هر واحد است. این مطالعه با استفاده از داده های تاریخی یک شرکت در طول ۵ سال گذشته، اقدام به ساخت مدل های جنگل تصادفی و شبکه عصبی به صورت احتمالی کرده است. داده ها شامل تعدادی از ویژگی های هر واحد و نهایتا ستونی که تعیین کننده سطح عملکرد آن هاست، می باشد. نتایج نشان داد که مدل شبکه عصبی در همه شاخص های مدل های طبقه بندی شامل Accuracy، Precision، Recall و F۱-score از مدل جنگل تصادفی پیش بینی بهتری را انجام می دهد و می تواند توسط مدیران و تصمیم گیرندگان ارشد سازمانی مورد استفاده قرار گیرد.

ارزیابی عملکرد، پیش بینی، یادگیری ماشین، شبکه عصبی، جنگل تصادفی