ترجمه مقاله یک روش MCDM فازی تصادفی یکپارچه برای ارزیابی سرویس مبتنی بر کارت امتیازی متوازن

قیمت خرید این محصول
۱۶۸,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
یک روش MCDM فازی تصادفی یکپارچه برای ارزیابی سرویس مبتنی بر کارت امتیازی متوازن
عنوان انگلیسی
An integrated stochastic fuzzy MCDM approach to the balanced scorecard-based service evaluation
صفحات مقاله فارسی
29
صفحات مقاله انگلیسی
20
سال انتشار
2019
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
سایز ترجمه مقاله
14
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت مقاله انگلیسی
PDF
فونت ترجمه مقاله
بی نازنین
نشریه
الزویر - Elsevier
نوع ارائه مقاله
ژورنال
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
ایمپکت فاکتور(IF) مجله
5.944 در سال 2024
پایگاه
اسکوپوس
شاخص H_index مجله
96 در سال 2025
شاخص Q یا Quartile (چارک)
Q1 در سال 2024
شاخص SJR مجله
1.040 در سال 2024
شناسه ISSN مجله
0378-4754
کد محصول
12757
بیس
است ✓
پرسشنامه
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
ضمیمه
دارد اما ترجمه نشده است ☓
فرضیه
ندارد ☓
متغیر
ندارد ☓
مدل مفهومی
دارد ✓
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.matcom.2019.04.008
رشته و گرایش های مرتبط با این مقاله
مدیریت - مهندسی صنایع - مدیریت پروژه - مدیریت کسب و کار - برنامه ریزی و تحلیل سیستم ها
کلمات کلیدی
کارت امتیاز متوازن - توسعه سرویس جدید - ترکیه - بانکداری - شبیه سازی مونت کارلو - مجموعه های فازی
کلمات کلیدی انگلیسی
Balanced scorecard - New service development - Turkey - Banking - Monte Carlo simulation - Fuzzy sets
مجله
Mathematics and Computers in Simulation
۰.۰ (هنوز امتیازی ثبت نشده است)
فهرست مطالب

چکیده
1- مقدمه
2- پیشینه پژوهش
3- روش
4- تحلیل
5- بحث و نتیجه گیری
منابع

نمونه چکیده ترجمه متن فارسی

چکیده

     هدف این مطالعه تحلیل ارزیابی مبتنی بر کارت امتیاز متوازن (BSC) توسعه سرویس جدید (NSD) در بخش بانکداری ترکیه می باشد. مدل پیشنهادی به ترتیب شامل ANP فازی (FANP)، شبیه سازی مونت کارلو، TOPSIS فازی (FTOPSIS) و VIKOR فازی (FVIKOR) می باشد. FANP برای وزن دهی معیارها و شبیه-سازی مونت کارلو برای فراهم کردن مقادیر تصادفی ابعاد مبتنی بر BSCNSD در بخش بانکداری استفاده شده است. FTOPSIS و FVIKOR برای رتبه بندی بانک ها توسط عملکردهای ابعادی آن ها درنظر گرفته شده اند. تازگی این مطالعه فراهم کردن یک مدل به ترتیب شامل FANP، FTOPSIS، FVIKOR و شبیه سازی مونت کارلو می باشد. اضافتا، تحلیل مبتنی بر BSCNSD برای ارزیابی بخش بانکداری ترکیه استفاده شده است. نتایج نشان می دهند که تحلیل مقایسه ای برای رتبه بندی گزینه ها و مقادیر تصادفی برای تسهیل به دست آوردن ارزیابی های کارشناسانه بسیار خوب تحت محیط فازی مناسب است. فهمیده می شود که عملکرد بانک های خارجی پایین تر از بانک های خصوصی و دولتی می باشد. ازاین رو، می توان گفت که به ویژه بانک های خارجی باید سرویس های جدیدی را برای جذب توجه مشتریان خودشان فراهم کنند. در این چارچوب، انتظارات مشتری باید توسط انجام یک تحلیل دقیق مشخص شود. در نتیجه، افزایش مزیت تفضیلی در مقایسه با بانک-های دیگر می تواند امکان پذیر باشد.

پیشینه پژوهش

    بحث محدودی در بهبود سرویس بخش بانکداری در مقالات وجود دارد. درو [25] بر موانع موجود برای نوآوری سریع و عوامل افزایش توسعه محصول جدید در بخش مالی تاکید می کند. یانیکاوا و همکاران [95] نقش توسعه کانال جایگزین و محصول جدید برای سودآوری بانک های اسلامی را توسط مقایسه با سیستم بانکداری سنتی بحث می کنند. گارون و کولومبو [30] نیازها برای پیش بردن توسعه سرویس های نوآورانه در بانکداری خانگی چندرسانه ای را با در نظر گرفتن تفاوت ها در شرایط اجتماعی اقتصادی مشتریان مشخص می کنند.

روش

     هدف این مطالعه ارزیابی ظرفیت NSD بانک های سپرده گذاری ترکیه می باشد. برای این منظور، معیارها توسط روش FANPوزن دهی می شوند. از سمت دیگر، روش شبیه سازی مونت کارلو برای فراهم کردن مقادیر تصادفی این ابعاد استفاده می شود. اضافتا، روش های FTOPSIS و FVIKOR برای رتبه بندی بانک های مختلف بر اساس عملکرد آن ها در نظر گرفته می شوند. این موضوعات اطلاعاتی را می دهد که یک روش تصادفی برای MCDM فازی به منظور دستیابی به این هدف استفاده می شود. به کمک روش شبیه سازی، این فرصتی را برای افزایش تعداد DM بطور تصادفی ارائه می کند. درغیراینصورت، کار کردن با تعداد بالای DM مشکل است. بنابراین، می توان گفت که نتایج سازگارتری می توانند در تصمیم گیری تحت عدم قطعیت به دست آیند. در این چارچوب، در این بخش، درابتدا اطلاعات لازم در رابطه روش تصادفی برای MCDM ارائه می شود. بعد از آن، روش های FANP، FVIKOR و FTOPSIS توضیح داده می شوند.

 


بدون دیدگاه

دسته‌بندی