نوع مقاله : مقالات

نویسندگان

1 دانشگاه تربیت مدرس

2 تربیت مدرس

3 امیرکبیر

چکیده

الگوهای مختلف ارزیابی عملکرد فرآیند، در سازمان‌ها به‌فراخور نیازهای سازمانی و محیطی ارائه و بکار گرفته شده‌اند. امروزه با توجه به پیچیدگی‌های محیطی و فضای شدید رقابتی، نیاز به طراحی الگو‌ی ارزیابی عملکرد فرآیند با ویژگی‌های جدید و مبتنی بر فناوری‌های هوشمند به‌منظور پاسخگویی به نیازهای سازمانی احساس می‌گردد. در این پژوهش، بر اساس مرور ادبیات صورت پذیرفته و با بهره‌گیری از نظرات خبرگان صنعت و دانشگاه، طراحی الگوی ارزیابی عملکرد فرآیندهای سازمانی عامل محور ارائه‌شده است. الگوی طرح شده در این تحقیق شامل سه لایه بوده، که لایه مرکزی دربرگیرنده پنج گام چرخه دیمایک (معرفی، اندازه‌گیری، تحلیل، بهبود، کنترل) و لایه دوم دربرگیرنده عامل‌ها و لایه آخر شامل پایگاه‌های اطلاعاتی مرتبط می‌باشد. در الگوی معرفی‌شده از عامل‌های مختلفی همانند گزارشگر، هشداردهنده، مشاهده‌گر، نمایشگر، پردازشگر، توصیه‌گر برای تسهیل ارتباطات و افزایش قابلیت یادگیری و هوشمندی در الگو استفاده‌شده است. الگوی ارائه شده در این پژوهش بر اساس روش آر‌یو‌پی و زبان الگوسازی یو‌ام‌ال طراحی شده است. در انتهای پژوهش، الگوی ارائه شده، که بر اساس ورودی‌ها و روش‌های علمی و با اخذ نظر خبرگان طراحی شده، با بهره‌گیری از روش دلفی و با حضور خبرگان در دو پنل و طی سه مرحله ارزیابی و با طیف لیکرت و امتیاز میانه 7 صحه‌گذاری نهایی شده است.

کلیدواژه‌ها

Akbarpour, S. M., & Soroor, J. (2007). An intelligent agent-based architecture for strategic information system applications, Knowledge-Based Systems, 20(8), 726–735.
APQC. (2014). Process Classification Framework, Version, 6.1.1
Atkinson, M., & Maxwell. V. (2007). Driving performance in a multi-agency partnership using outcome measures: a case study, Measuring Business Excellence, 11(2), 12-22.
Azar, A., & Amirkhani, T. (2013). Performance Based Budgeting: Theory and Implemention Model, IMPS-press,Tehran. (in Persian)
Azar, A., & Khadivar, A. (2013). Performance Based Budgeting: Paradigm of Modeling, Islamic Parliament Research Center-press,Tehran. (in Persian)
Bititci, U. S., & Turner, T. (2000). Dynamics of performance measurement systems, International Journal of Operations & Production Management, 20(6), 692-704.
Blasini, J., & Leist, S. (2013). Success factors in process performance management, Business Process Management Journal, 19(3), 477-495.
Bourne, M.; Franco, M., & Wilkes, J. (2003). Corporate performance management. Measuring Business Excellence, 7(3), 15–21.
Chaib-diaa, M. (2006). Multiagent Based Supply Chain Management, Springer International Publishing.
Chamoni, P.; Gluchowski, P.; Dinter, B., & Bucher, T. (2006). “Business performance management”, Analytische Informations System, Springer, 23-50.
Cocca, P., & Alberti, M. (2010). “A framework to assess performance measurement systems in SMEs”, International Journal of Productivity and Performance Management, 59 (2), 186-200.
Edrogan, A., & Canatan, H. (2015). Literature search consisting of the areas of six sigma usage, social and behavioral science, 195 (3), 697-704.
Franco-Santos, M.; Lucianetti, L., & Bourne, M. (2012. “Contemporary performance measurement systems: a review of their consequences and a framework for research”, Management Accounting Research, 23(2), 79-119.
George, A. (2011). Intelligent agent based architecture for patient monitoring in bio sensor networks. In V. V. Das & N. Thankachan (Eds.). Communications in computer and information science, 250, 180–186.
Jevgeni, S.; Eduard, S., & Roman, Z. (2015). Framework for contionous improvement of production process and product throughput, Procedia Engineering, 100, 511-519.
Karadgi, S. (2014). A Reference Architecture for Real-Time Performance Measurement,Springer International Publishing Switzerland.
Kohlbacher, M., & Gruenwald, S. (2011). Process 45.orientation: conceptualization and measurement, Performance measurement system design, 36, International Journal of Operations and Production Management, 25 (2), 267-283.
Krause, O. (2005). Performance Management–Eine Stakeholder-Nutzen-orientierte und Gescha ftsprozess-basierte Methode, Technische Universitat Berlin
Kueng, P.; Meier, A., & Wettstein, T. (2001). Performance 50.measurement systems must be engineered, Communications of the Association for Information Systems, 7(3), 1-27.
Kwangyeol, R.; Youngjun, S., & Mooyoung, J. (2003). Modeling and specifications of dynamic agents in fractal manufacturing systems, Computers in Industry 52(2), 161–182.
London, M., & Beatty, R. W. (2006). 360-degree feedback as competitive advantage. Human Resource Management, 32(2–3), 353–372.
Lönnqvist, A. (2004). Measurement of Intangible Success Factors: Case Studies on the Design, Implementation and Use of Measures, Tampere University of Technology, Publication 475, Tampere.
Marques, G.; Gourc, D., & Lauras, M. (2010). Multi-criteria performance analysis for decision making in project management, International Journal of Project Management 29, 1057–1069.
Marx, F.; Wortmann, F. & Mayer, J.H. (2012), A maturity model for management control systems, Business & Information Systems Engineering, 4(4), 193-207.
Merrill, W.; Vijayan, S., & Sainsbury, R. (2012). The role of intelligent agents and data mining in electronic partnership management, Expert Systems with Applications, 39(18), 13277–13288.
Milanović, G. L. (2011). Understanding Process Performance Measurement Systems, Business System Research, 2(2), 1-56.
Moradi, M.; Aghaie, A., & Hoseini, M. (2013). Implementation of intelligent multi-agent system in decision-making with knowledge management approach, Journal of Information Management, 5(4), 219-244. (in Persian)
Moshabaki, A.; Hasani, M., & Bidgoli, D. (2014). Mining association rules base of identified of relationship between of challenge factors in knowledge management, Journal of Improve of Management, 8(3), 33-44. (in Persian)
O’Donnell, O., & Duffy, A. H. B. (2002). Modeling design development performance, International Journal of Operation & Production Management, 22(11), 1198-1221.
Porter, M. E. (1985). Competitive Advantage, New York, the Free Press.
Robson, I. (2004). From process measurement to performance improvement, Business Process Management Journal, 10(5), 510-521.
Rouhani, S.; Ghazanfari, M., & Jafari, M. (2012). Evaluation model of business intelligence for enterprise systems using fuzzy TOPSIS, Expert Systems with Applications, 39, 3764–3771.
Russell, S., & Norving, P. (2003). Artificial Intelligence- A modern approach, Englewod cliffs, prentice-Hall.
Sharabi, J. (2011). Data Mining, Tehran, Amir Kabir University Press. (in Persian)
Sharp, A., & McDermott, P. (2009). Workflow Modeling Tools for Process Improvement and Applications Development, 2nd Edition, ARTECH HOUSE, INC.
Shen, W.; Tan, W., & Zhao, J. (2007). A methodology for Dynamic Enterprise ProcessPerformance Evaluation. Computers in Industry, 58(5), 474-485.
Sidrova, A., & Isik, O. (2010). Business process research: A cross disciplinary review, Business Process Management Journal, 16(4), 566-597.
Sinclair, D., & Zairi, M. (1995). Effective process management through performance Measurement, Business Process Re-engineering & Management Journal, 1(1), 75-88.
Starbuck, W. H. (2013). James Gardner March: Founder of organization theory, decision theorist, and advocate of sensible foolishness. European Management Journal, 31, 88– 92.
Tuomela, T. S. (2000). Customer Focus and Strategic Control. Aconstructive Case Study of Developing a Strategic Performance Measurement System at FinABB, FINLAND, Publications of the TurkuSchool of Economics and Business Administration.
Won C, D.; Lee, Y. H.; Hwa, A. S., & Min, K. H. (2012). A framework for measuring the performance of service supply chain management, Computers & Industrial Engineering, 62(3), 801–818.
Yaghobi, N. M.; Shukuhy, J.; Raiisi, H., & Sayydi, F. (2016). Influences of ladership styles on organizational performance with mediating role of organizational learning and innovation, Transformation Management Journal, 2(14). 32-56. (in Persian)
CAPTCHA Image