پایان نامه سپردههای جاری بانک سامان استفاده از روش آریما و شبکه عصبی پروسپترون

                قلمرو زمانی و مکانی پژوهش

قلمرو زمانی پژوهش

این پژوهش براساس اطلاعات مالی سال­های ۹۰-۸۰ بانک سامان انجام خواهد گرفت.

 

قلمرو مکانی پژوهش

قلمرو مکانی این پژوهش بانک سامان است.

۱٫۲                جامعه آماری

جامعه آماری این پژوهش کلیه شعب بانک سامان است.

۱٫۳                روش­های گردآوری اطلاعات

این پژوهش به لحاظ روش گردآوری داده­ها از نوع میدانی است.

در گردآوری اطلاعات و داده­ها از ابزار زیر استفاده شده است:

اطلاعات مربوط به پیشینه پژوهش و چارچوب نظری از طریق مطالعات کتابخانه­ای و ترجمه متون خارجی و اینترنت به دست می­آید.

اطلاعات مربوط به میزان سپرده­های بانک از مراجعه به سوابق مالی سالهای گذشته و مصاحبه با کارشناسان در مدیریت امور فن­آوری اطلاعات بانک سامان به دست می­آید.

۱٫۴                تعریف واژه ­ها و اصطلاحات تخصصی پژوهش

تعریف سپرده 

به وجوهی اعم از پول ملی (ریال) و یا پول کشورهای خارجی (ارز) که اشخاص حقیقی یا حقوقی تحت شرایطی که قانون تعیین نموده به بانکها و موسسات اعتباری تودیع و نزد آنها نگهداری می­نمایند، سپرده اطلاق می­شود. سپرده­ها در نظام بانکی با توجه به ماهیت و شرایط آن به دو گروه تقسیم می­شوند:

الف) سپرده قرض­الحسنه                     ب) سپرده سرمایه­گذاری مدت­دار

 

 

الف) سپرده قرض­الحسنه

 به سپرده­هایی اطلاق می­شود که به آنها سودی تعلق نگرفته و سپرده­گذار به منظور برخورداری از اجر معنوی قرض­الحسنه و استفاده از خدمات بانکی اقدام به افتتاح آن می­نماید. سپرده­های قرض­الحسنه در نظام بانکی بدون ربا به دو نوع تقسیم می­گردد:

الف-۱) سپرده قرض­الحسنه جاری                  الف-۲) سپرده قرض­الحسنه پس­انداز

الف-۱) سپرده قرض­الحسنه جاری

به سپرده­های قرض­الحسنه­ای اطلاق می­شود که نقل و انتقال وجه آن از طریق چک صورت گرفته و بانک متعهد است بمحض رویت چک صادره توسط صاحب سپرده، وجه آن را از محل سپرده وی پرداخت نماید.

الف-۲) سپرده قرض­الحسنه پس­انداز

به سپرده­های قرض­الحسنه­ای اطلاق می­شود که به قصد برخورداری از اجر معنوی، توسط سپرده­گذار افتتاح می­شوند. بانک­ها می­توانند به منظور جذب و تجهیز این گونه سپرده­ها، جوایز و امتیازاتی به سپرده­گذاران اعطا نمایند.

ب) سپرده­های سرمایه­گذاری مدت­دار

سپرده سرمایه­گذاری مدت­دار به آن دسته از سپرده­ها اطلاق می­شود که بقصد انتفاع (سود) به بانک سپرده و بانک با قبول وکالت از طرف صاحبان سپرده سرمایه­گذاری پس از تودیع سپرده­های قانونی نزد بانک مرکزی بقیه وجوه مربوطه را در عملیات مجاز بانکی بکار می­گیرد و منافع حاصل از این عملیات بین سپرده گذار و بانک تقسیم می­شود. ضمنا بانک استرداد اصل سپرده سرمایه­گذاری را طبق قرارداد منعقده تعهد و یا به هزینه خود بیمه می­نماید.

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه سپردههای کوتاه مدت بانک سامان استفاده از روش آریما و شبکه عصبی پروسپترون

 سپرده سرمایه­گذاری کوتاه­مدت

به آن­دسته از سپرده­های سرمایه­گذاری اطلاق می­شود که برای مدت حداقل یک ماه افتتاح شده و قابل تمدید برای دوره­های یک ماهه بعد نیز خواهند بود. تمدید مدت مطابق شرایط قرارداد می­تواند بطور خودکار و نامحدود انجام گیرد. ضمناً وجه این نوع از سپرده سرمایه­گذاری در هر زمان توسط صاحب حساب قابل برداشت خواهد بود.

ب-۲) سپرده سرمایه­گذاری بلندمدت

به سپرده­های سرمایه­گذاری اطلاق می­شود که سپرده­گذار مبلغی معین را برای مدت معین مطابق قرارداد منعقده نزد بانک تودیع و نگهداری می­نماید. سپرده سرمایه­گذاری مدت­دار با توجه به مدت می­تواند هر یک از انواع زیر را شامل شود:

1. سپرده سرمایه­گذاری یک ساله        ۴٫ سپرده سرمایه­گذاری چهار ساله
2. سپرده سرمایه­گذاری دو ساله      ۵٫ سپرده سرمایه­گذاری پنچ ساله
3. سپرده سرمایه­گذاری سه ساله

۱        ادبیات پژوهش

۱٫۱                مقدمه

یکی از موقعیت­های تصمیم، نیازسنجی یا پیش­بینی تقاضا است که پیش­بینی، فرآیند برآورد موقعیت­های ناشناخته است (آرمسترانگ، ۲۰۰۱). برای موفقیت در دنیای متغیر امروز، تصمیم­های سازمان­های فعال در کسب و کار متکی به پیش­بینی­های انجام شده با حداقل خطا است که در گرو داشتن یک سیستم پیش­بینی مناسب است (آبراهام ولدالتر،۱۹۸۳).

انتخاب یک روش پیش­بینی از بین چند روش، یک مرحله مهم است که با توجه به روش­های مناسب و اندازه­گیری خطاهای پیش­بینی و مقایسه آنها با همدیگر می­توان به یک روش مناسب و مطلوب دست یافت.

در این بخش در ابتدا توضیحاتی در رابطه با تعاریف کلی و روش­های پیش­بینی بیان می­شود. در ادامه با توجه به موضوع پژوهش که مقایسه دو مدل شبکه عصبی مصنوعی و مدل باکس­ـ جنکینز است توضیحاتی درباره سری­های زمانی، مدل باکس ـ جنکینز و شبکه­های عصبی مصنوعی ارایه می­شود و در انتهای بخش اول از فصل دوم شاخص­های خطا، به عنوان ابزاری برای مقایسه­ی مدل­ها معرفی می­شوند.

۱٫۲                پیش ­بینی و مدل­های پیش ­بینی

۱٫۲٫۱    تعریف پیش ­بینی

در یک تعریف کلی، فرایند پیشگویی شرایط و حوادث آینده را پیش­بینی نامیده و چکونگی انجام این عمل را پیش­بینی کردن نامیده می­شود (بوکوتا، ۲۰۰۲).

هر سازمانی جهت تصمیم­گیری آگاهانه باید قادر به پیش­بینی کردن باشد. از آنجایی که پیش­بینی وقایع آینده در فرآیند تصمیم­گیری در سازمان نقش عمده ای را ایفا می کند، پیش­بینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوه­ای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیش­بینی آینده بستگی دارد.

در مدیریت استراتژیک، پیش­بینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینه­ی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلند­مدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیش­بینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیش­بینی استفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود (ریفنس، ۱۹۹۷).

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه سپردههای بلندمدت بانک سامان استفاده از روش آریما و شبکه عصبی پروسپترون

    مدل ­های پیش ­بینی

ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل داده­ها مورد استفاده قرار می­گیرند مدل­های پیش­بینی نامیده می­شوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان می­د­هد، مدل خوانده می­شود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیش­بینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیش­بینی شکل می­گیرد.

۱٫۱٫۲    سری ­های زمانی[۱]

به روند مقادیر یک متغیر در طول زمان که به صورت دوره­های زمانی با فواصل معین و یکسان تنظیم شده­اند سری زمانی گفته می­شود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده می­شود. به طور کلی مدل­هایی که در تحلیل سری­های زمانی مورد استفاده قرار می­گیرند به دو دسته مدل­های خطی و غیر­خطی تقسیم می­شوند.

مدل­های خطی مانند مدل­های باکس ـ جنکینز[۲] و یکنواخت سازی نمایی برای سری­های زمانی خطی مناسب هستند، ولی در مدل­سازی سری­های زمانی مالی و غیر­خطی با مشکل مواجه می­شوند.

مدل­های غیر­خطی از قبیل مدل­های غیر­کاهنده آستانه­ای، یک تابع غیر­خطی خاص و از پیش تعیین شده را پیش­بینی می­کنند. به عبارتی تابع خطی مورد استفاده در این روش­ها مشخص است. نوع دیگر مدل­های غیر خطی شبکه­های عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.

سری­های زمانی بدنبال مقادیر یک صفت متغیر در طول زمان هستند. مشاهدات عموما باید در تاریخ­های معین یعنی در فواصل زمانی تقریبا ثابت به عمل آیند. مقادیر یک صفت متغیر ممکن است مربوط به یک لحظه زمانی و یا مربوط به یک فاصله یا دوره زمانی باشد. که در حالت اول سری زمانی را لحظه­ای و در حالت دوم سری زمانی را دوره­ای و یا فاصله­ای می­نامند. قیمت سهام شرکت­ها در آخرین روز ماه و ماه­های متوالی و همچنین تعداد بهره برداری­های کشاورزی در سال­های متوالی از نوع سری­های زمانی لحظه­ای است و حجم بازرگانی خارجی در سال­های متوالی و تعداد نامه­های پست شده در ماه­های متوالی و یا سال­های متوالی از نوع سری­های زمانی دوره­ای یا فاصله­ای می باشند.

مطالعه سری­های زمانی در اکثر رشته­ها مانند جامعه شناسی، بازرگانی، زیست­شناسی، زمین­شناسی و به خصوص زمینه مسائل اقتصادی پیشرفت فراوان داشته و از نظر آمارشناسان اقتصادی نه تنها تشریح وضع فعلی درباره مسائل اقتصادی، ضروری است، بلکه پیش­بینی وضع برای آینده نزدیک و دور نیز ضروری است. بدیهی است هیچ پیش­بینی بدون اطلاع از گذشته  نمی­تواند به عمل آید و تهیه سری­های زمانی به منظور تامین اطلاع و آشنایی نسبت به گذشته است.

[۱] -Time series

[۲] -Box-Jenkins

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه مجموع سپردههای بانک سامان استفاده از روش آریما و شبکه عصبی پروسپترون

    مدل باکس ـ جنکینز[۱]

مدل باکس ـ جنکینز یا آریما[۲] عبارتست از برازاندن یک الگوی میانگین متحرک[۳] تلفیق شده با خود­رگرسیو[۴] به مجموعه داده­ها و بدست آوردن الگوی ریاضی شرطی در یک سری زمانی است. یک مدل آریما سه جزء دارد (خالوزاده، ۱۹۹۹).

• خود رگرسیو
• میانگین یکپارچه[۵]
• میانگین متحرک

بحث­­های کلی مدل

انواع مدل­های باکس ـ جنکینز به صورت زیر بیان می شوند:

الف- مدل اتورگرسیوAR(p)

این روش مشاهدات  را به صورت تابعی از مشاهدات قبلی بیان می­کند. در این مدل

 (۲-۱)

ها مستقلند و در آن  پارامترهایی هستند که بستگی  به هر یک از p مقدار قبل در سری را معلوم می­کنند.

ب) مدل میانگین متحرکMA(Q)

این روش مشاهدات  را به صورت تابعی از اختلالات تصادفی در دوره­ی فعلی t و در دوره­های قبلی بیان می­کند. در این مدل

 (۲-۲)

                        (۲-۳)                      

ها مستقل هستند و  اختلالات تصادفی را در دوره­های (t, t-1,…., t-q) بیان می­کند و  میانگین متحرک اختلال جاری  و اختلال­های قبلی است که اختلال­های قبلی دارای     وزن­های  هستند. عدد q را مرتبه­ی مدل میانگین متحرک می­گویند و جمع وزن های  لزوماً برابر ۱ نیست.

ج) مدل ARMA(p,q)

رابطه کلی با توجه به موارد بحث شده به صورت زیر است که برای سری­های ایستا به کار می­رود.

 

د) مدل آریما(p,d,q)

این مدل مدل عمومی باکس ـ جنکینز است و تمام گروه­­های ذکر شده را در بر می­گیرد. در این مدل p مرتبه اتوگرسیو مدل و q مرتبه میانگین متحرک مدل و d مرتبه تفاضلی مدل (جهت ایستا کردن مدل) است. یعنی آن چه که این مدل را کامل­تر از مدل قبل می­نماید تبدیل مناسب جهت پایا بودن مدل است.

 

 

 

که در آن ، ، ، p, ، q، d، ،  به ترتیب مقادیر آنی متغیر، نویز سفید در زمان t، چند جمله­ای اتورگرسیو، مرتبه میانگین متحرک، درجه تفاضل­گیری و پارامتر­های مدل اتورگرسیو و میانگین متحرک می­باشند.

ه) شرایط پایاپذیری[۶] سری­های زمانی پیش­بینی از طریق مدل باکس ـ جنکینز

باید دقت کنیم که مدل زمانی در توصف پیش­بینی سری زمانی به کار می­رود که پایا باشد. منظور از سری زمانی پایا (ایستا) این است که مشخصه­های آماری آن (مثل میانگین و واریانس) در طی زمان ثابت باشند. اگر مقادیر  یک سری زمانی با اختلاف ثابتی حول میانگین نوسان داشته باشد در این صورت سری زمانی مورد نظر ایستا است که با مشاهده نمودار داده­ها می­توان نتیجه گرفت که ایا سری مورد نظر ایستا است یا خیر. اگر نمودار داده­های  بیانگر پایا نبودن مقادیر باشد، در این صورت می­توان با گرفتن تفاضلات اولیه، مقادیر را به یک سری زمانی پایا تبدیل کنیم.

تفاضلات اولیه مقادیر  عبارتند از

(۲-۸)

با توجه به اینکهt=2,…..nباشد.

اگر تفاضلات اولیه خود نیز پایا نباشند در این صورت از روش­های دیگر مثل گرفتن تفاضلات ثانویه استفاده می­شود.

(۲-۹)

[۱] – Box & Jenkins

[۲] – Autoregressive- IntegratedMoving Average

[۳] – Moving Average

[۴] – Autoregressive

[۵] -Integrated Average

[۶] -Stationary

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه میزان انواع سپرده¬های بانک سامان بر اساس شاخص های خطای و ضریب تعیین

    شبکه ­های عصبی مصنوعی

شبکه­های عصبی مصنوعی پدیده­ای جدید هستند که در بسیاری از علوم و مهندسی استفاده می­شود. ساختار این شبکه­ها به صورتی است که از عملکرد سیستم اعصاب انسان تقلید می­کند و مشابه نرون­های عصبی انسان، داده­ها را دریافت، پردازش و منتقل می­کند. روش­های یادگیری و آموزشی که برای شبکه­های عصبی مصنوعی بکار می­رود بر اساس سیستم یادگیری و اعصاب انسان است و در واقع کاملترین الگو برای ابداع روش­های یادگیری انسان است. شبکه­های عصبی مصنوعی برای اولین بار در سال ۱۹۶۵ میلادی توسط محققین علوم طبیعی معرفی گردید. در مدل بیولوژیکی که توسط آنها ارایه شد در هر نرون محاسبات ریاضی انجام می­شود و در حین آموزش شبکه، مقادیر وزن­های ارتباطی یا پارامترهای محاسباتی تغییر می­کنند بصورتی که نهایتا شبکه عصبی بتواند عمل مورد نظر را بطور صحیح انجام دهد.

در ادامه ابتدا شبکه عصبی و به طور خاص شبکه عصبی پروسپترون چند لایه و کاربردهای آن و همچنین چگونگی آموزش آن تشریح می­شود.

۱٫۱٫۲    ساختار کلی شبکه­ های عصبی

در حالت کلی یک شبکه­عصبی ساختاری مشابه با شکل ۲-۳ دارد. در این شکل هر گره نماینده یک سلول عصبی مصنوعی است. اطلاعات از طریق گره­های لایه ورودی به شبکه وارد می­شود. این ورودی­ها از طریق رابط­ها به گره­های لایه­های پنهان منتقل شده و بعد از پردازش از طریق لایه­های مختلف از گره­های لایه خروجی خارج می­شوند. یک شبکه عصبی مصنوعی، مجموعه­ای از نرون­های[۱] به هم متصل در لایه­های مختلف است که اطلاعاتی را برای یکدیگر ارسال می­کنند. اولین لایه در سمت چپ در شکل لایه ورودی است و لایه آخر نیز لایه خروجی نامیده می­شود. داده­ها در لایه ورودی وارد می­شود.

تمام لایه­های شبکه عصبی به جزء لایه ورودی کار پردازش را انجام داده و در نهایت خروجی بدست می­آید.

شکل ۲-۳٫ ساختار شبکه های عصبی مصنوعی

لایه­های بین لایه ورودی و لایه خروجی را لایه­های میانی یا لایه­های پنهان می­نامند. ساده­ترین شکل شبکه فقط دو لایه دارد. لایه ورودی و لایه خروجی شبکه، شبیه یک سیستم ورودی خروجی عمل می­کنند و ارزش نرون­های ورودی را برای محاسبه ارزش نرون خروجی مورد استفاده قرار می­دهد. به طور کلی نقش نرون­ها در شبکه­های عصبی، پردازش اطلاعات است و این امر در شبکه­های عصبی مصنوعی به وسیله یک پردازشگر ریاضی که همان تابع فعال­سازی است انجام می­شود. تابع فعال­سازی می­تواند خطی یا غیر­خطی باشد. یک تابع فعال­سازی بر اساس نیاز خاص مسئله­ای که قرار است به وسیله شبکه عصبی حل شود، از سوی طراح انتخاب می­شود. برای مثال، زمانی که ارزش­های خروجی مسئله تنها صفر و یک است، دیگر استفاده از یک تابع فعال سازی خطی مناسب نیست و باید از توابع دیگری که بر اساس مقادی ورودی مختلف تنها مقادیر صفر و یک را نتیجه می­دهد مثل تابع آستانه­ای استفاده کرد.

نمونه­ای که در بالا به آن اشاره شد برای نرون یا نرون­های خروجی یک تابع فعال­سازی خطی را می­پذیرد. برای بهره­برداری واقعی از توانایی شبکه­های عصبی، باید از توابع فعال­سازی غیر­خطی استفاده کرد. تقریبا تمام شبکه­های عصبی در بخش­هایی از شبکه از توابع فعال­سازی غیر­خطی استفاده می­کنند (منهاج، ۲۰۰۸).

این مسئله اجازه می­دهد که شبکه الگوهای غیر­خطی مناسبی از مجموعه داده های پیچیده تولید کند. به صورت ایده­آل تابع فعال­سازی باید پیوسته مشتق پذیر و یکنواخت باشد زیرا این مسئله عمل پیدا کردن ضرایب مقتضی الگوریتم بهینه­یابی را تسهیل می­کند (منهاج، ۱۳۸۷).

[۱] -Neuron

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه مقایسه دو روش پیش بینی کمی رگرسیونی و غیر رگرسیونی معیار های مختلف

فرضیه­های پژوهش

۱) روش رگرسیونی پیش بینی واردات در مقایسه با روش غیر رگرسیونی از دقت بیشتری برخوردارند.

۲)  با توجه به روند روبه رشد تقاضا، میزان واردات برنج در آینده افزایش می یابد.

۳- با توجه به حداقل  خطای پیش بینی  روشهای سری زمانی تک متغیره ARMA و ARIMA برای پیش بینی مقادیر آینده محصول مورد مطالعه مناسبتر است.

 

۱-۷ کاربردهای متصور از تحقیق

از آنجا که پیشگویی وقایع آینده در فرایند تصمیم گیری نقش عمده ای ایفا می کند، لذا  پیش بینی برای بسیاری از سازمان­ها و نهادها حائز اهمیت است. به علاوه پیش بینی متغیرها ی اقتصادی نقش موثری در سیاست­های دولت دارد، چرا که دولت سیاست­های خود را نه فقط بر اساس وضع موجود، بلکه بر مبنای پیش بینی کوتاه و بلند مدت از متغیر های کلیدی اقتصادی تدوین می کند و به مورد اجرا می­گذارد. لذا دقت پیش بینی  این متغیرها، صرفنظر از  درستی و تناسب سیاست­ها با وضع موجود، از جمله رموز موفقیت این سیاست­ها به شمار می آیند (طرازکار ,۱۳۸۴: ۹۸ (.

پیش­بینی میزان واردات برنج نیز می­تواند در سیاست­گذاری و برنامه ریزی ارز تخصیصی برای واردات این منبع غذایی برای سال­های آینده مورد استفاده ارگان­های مختلف مانند گمرک، وزارت بازرگانی و … قرار گیرد.  همچنین بهره­وران کاربردی  نتایج پیش بینی واردات  در مطالعه حاضر در برنامه ریزی و تعمیم سازی می تواند مورد استفاده گمرک ایران، وزارت بازرگانی و وزارت صنایع و معادن جمهوری اسلامی ایران قرار گیرد.

۱-۸  قلمرو مکانی پژوهش

قلمرو مکانی پژوهش حاضر میزان واردات برنج از گمرک­های ایران بر اساس [۱]Fob طی سال­های ۱۳۶۰ تا ۱۳۹۱ است.

 

۱-۹ قلمرو زمانی پژوهش

  قلمرو زمانی شامل داده­های میزان واردات برنج از گمرک ایران بر اساس Fob از سال ۱۳۶۰ تا سال ۱۳۹۱ است.

 

۱-۱۰ قلمرو موضوعی پژوهش

   در پژوهش حاضر ارزش واردات برنج به­صورت FOB به صد­هزار­ریال در قیمت پایه سال ۱۳۸۴ از سالنامه­های آمار بازرگانی خارجی  ایران گرد­آوری شده است. و با روش­های رگرسیونی و غیر رگرسیونی پیش­بینی می­کند.

 

۱-۱۱ شرح واژه­ها و اصطلاحات به­کار رفته در پژوهش

    پیش­بینی[۲]: پیش­گویی شرایط و حوادث آینده پیش­بینی نامیده می­شود و چگونگی انجام این عمل پیش­بینی کردن نامیده می­شود.

آریما (ARIMA[3]): الگوی خود رگرسیون میانگین متحرک  که یکی از روش­های پیش بینی کمی رگرسیونی است.

  هالت وینترز غیر فصلی: یکی از روش­های پیش بینی کمی غیر رگرسیونی که برای پیش­بینی بوسلیه سری زمانی بکار می­رود و در آن تغییرات فصلی جهت پیش­بینی خنثی می­شود.

   برنج: برنج گیاهی است یکساله است و در مناطق گرم و مرطوب و پرآب می‌روید. ساقه آن راست  و برگهای آن بزرگ و نوک تیز است. هر سنبلک برنج دارای دنباله کوتاه و یک گل  دارد. میوه آن به شکل خوشه‌ای متشکل از سنبلکها در انتهای ساقه قرار دارد و یک دانه  برنج در آن است شلتوک می‌نامند.

[۱] . Free On Board

[۲] . Forecast

[۳] . Autoregressive Integrated Moving Average

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه پیش بینی میزان افزایش یا کاهش واردات محصول مورد مطالعه

مقدمه

مدل[۱]، یک قالب و چارچوب کلی و ساده شده برای بیان مطالب و مسایل معین و عمل بر روی آن‌ها است. به­عبارت دیگر مدل، نمایش ساده شده یک وضع و امکانات تحول آن و روابط اختیار شده برای این توصیف است. مدل، کاربردهای مختلفی در علوم در راستای سیستماتیک کردن بررسی‌ها دارد و از آن جمله در علم اقتصاد نیز الگوهای اقتصادی، بهترین ابزار برای تحلیل و پیش‌بینی تحولات اقتصادی و تأثیرگذاری بر روی آن‌ها از طریق به­کارگیری سیاست‌های اقتصادی به­شمار می‌روند. بر این اساس، یک مدل اقتصادی، قالب و چارچوبی است برای تحلیل بنیان‌ها و توجیه پدیده‌های اقتصادی جاری و نیز برای عمل بر روی آن‌ها در زمان آینده و به­صورت سیاست‌های اقتصادی و برنامه‌ریزی به­کار می‌آید.

دراین فصل ابتدا واردات برنج در سال­های گذشته مورد بررسی قرار می گیرد و مدل­های پیش بینی تعریف می­شود، سپس سری­های زمانی تعریف و انواع داده­ها درسری زمانی توضیح داده می­شود. پس از آن کاربرد روش­شناسی وسری­های زمانی بیان می­شود، در آخر انواع آزمون­ها برای بررسی ایستایی و انواع روش­های پیش­بینی عنوان می­شود. و در پایان پژوهش­های انجام شده در زمینه پیش­بینی­های اقتصادی بررسی شده است.

 

۲-۲ پیش بینی واردات برنج

در میان محصولات وارداتی کشور ما برنج از جایگاه خاصی برخوردار است . برنج تنها غله ای است که فقط برای مصرف انسان کاشته می شود و بعد از گندم مهم ترین محصو ل از خانواده غلات است . برنج به عنوان یک ماده غذایی بسیار ارزشمند نقش حساسی را در جهان کنونی  ایفا می کند.

به گزارش روابط‌عمومی گمرک جمهوری اسلامی ایران در سال ۱۳۹۱ بالغ بر یک میلیون و ۲۸۹ هزار تن برنج به ارزش تقریبی یک میلیارد و ۳۰۹ میلیون دلار وارد کشور شد که به همراه کنجاله و سایر آخال‌های جامد آن، دانه ذرت دامی، دانه گندم سخت، شمش از آهن و فولاد غیرممزوج بیشترین واردات را به خود اختصاص داده­اند. در همین حال وال استریت ژورنال به نقل از فعالان تجاری اعلام کرد که تقاضای بالای ایران باعث افزایش شدید قیمت برنج باسماتی شده است.

بر اساس آمار سازمان خواروبار جهانی سطح زیر کشت برنج جهان ۱۴۷۱۴۴ هزار هکتار و میزان تولید شتوک ۵۷۶ میلیون تن است. در ایران سطح زیر کشت برنج ۶۱۱ هزارهکتار و میزان تولید شتوک ۲۸۸۷ هزارتن و متوسط عملکرد در هکتار ۴۷۲۴ کیلو گرم در هکتار است. ۹۰ درصد برنج تولیدی دنیا در قاره آسیا که محل زندگی ۶۰ درصد جمعیت جهان است تولید و به مصرف ۸/۲ میلیارد نفر در آسیا می­رسد.

نقش تجارت جهانی برنج از دهه ۱۹۹۰ به شدت افزایش یافته است . به همین سبب کشورهای مهم تولیدکننده برنج جهان در صدد هستند تا از این ماده غذایی به عنوان اهرم فشار در معادلات سیاسی جهان بهره گیرند . در سال ۱۹۹۳ پس از مطرح شدن موافقت نامه گات و آزادی صدور برنج آمریکایی به کشورهای آسیای جنوب شرقی، مسائل و مشکلات بسیاری در این کشورها پدید آمد، نظیر اعتراض بیش از ۲۰ هزار کشاورز کره جنوبی در اواخر سال ۱۹۹۳ به آزادی واردات برنج آمریکایی به کشورشان که نشان از اهمیت این کالای تقریباً استراتژیک در آسیای شرقی دارد.

مصرف برنج در کنار سایر انواع غلات مانند ذرت، ارزن و گندم به عنوان مکمل مطرح می شود. در کشورهایی که مصرف سرانه برنج آنان بسیار زیاد است مصرف گندم آنان اندک است، به طوری که در میانمار که بیشترین میزان مصرف سرانه برنج را دارد مصرف سرانه گندم فقط ۹/۴ کیلوگرم در سال است  در مقابل در کشورهایی که مصرف سرانه برنج حدود اندک است، مواد مصرفی در گروه غلات از سایر انواع غلات تأمین می شود. به طور مثال در کشورهای اروپایی، مصرف سرانه برنج بسیار اندک و در اغلب آنها از ۱۰ کیلوگرم هم کمتر است. در این کشورها برنج در کنار موادی دیگر مانند سبزیها، گوشت و شیر استفاده می شود، موادی که نسل پیش از آن محروم بود . تقریباً ۹۰ درصد تولید و مصرف برنج در آسیا انجام می شود و ۹۶ درصد مصرف آن در کشورهای در حال توسعه است . رشد مصرف برنج به دلیل شهر نشینی، افزایش درآمد سرانه، تغییر الگوی تغذیه و کاهش رشد جمعیت شروع به کاهش کرده است. رشد عرضه برنج نیز روندی نزولی به خود گرفته است.

برنج محصولی اساسی در کشور ما به شمار می رود زیرا این محصول در سبد کالایی خانوار و الگوی تغذیه ای نقش مهمی دارد (بر اساس شاخص قیمت خرده فروشی، ضریب اهمیت انواع برنج ۳۲/۳ است) در حال حاضر ایران یکی از مهم ترین وارد کنندگان این محصول است.

پیش­بینی یکی از مهمترین اهداف ساخت مدل های اقتصادی است که برخلاف بسیاری از بازارهای مهم، بازار محصولات کشاورزی از عرصه تحقیقات نوین پیش بینی به دور مانده، به گونه­ای که مطالعات انجام شده نیز غالباً بر پایه رو ش­های اقتصادسنجی استوار است. همچنین، پیش بینی صحیح واردات بازار محصولات کشاورزی و به­خصوص برنج، آثار مهمی در سیاستگذاری و برنامه ریزی های اقتصادی این بخش دارد که این مهم با به کارگیری روش­های مختلف، می تواند علاوه بر ایجاد زمینه توسعه روش­های نوین پیش بینی، سیاستگذاران این بخش را در تصمیم گیری­های آتی، یاری رساند. علاوه بر این، متأسفانه قیمت برنج که جزومهمترین کالاهای سبد مصرفی خانوارها هستند، نوسان های فراوانی دارد. این نوسان ها به معنای فقدان پیش بینی مناسب از واردات آتی بازار است که موجب شده دولت نتواند برای کنترل این نوسان ها سیاست منسجمی اتخاذ کند. بر این اساس، پیش بینی قیمت کالاها در تنظیم بازار، اهمیت ویژه ای دارد(نوفرستی، ۱۳۸۶: ۱۸۲).

از سوی دیگر، در بخش تولید محصولات کشاورزی نیز به دلیل ریسک­های فراوان، نوسان های بالایی در درآمد کشاورزان مشاهده می­شود. بر این اساس، پیش بینی دقیق قیمت از طریق کاهش نوسان­های قیمتی، می تواند موجب انتخاب نوع محصول و سطح زیرکشت مناسب آن، تخصیص بهینه منابع، افزایش کارایی، افزایش مطلوبیت کشاورزان و در نهایت افزایش درآمد آنها شود. اهمیت پیش بینی قیمت محصولات کشاورزی علاوه بر کمک به کشاورزان و دولت، کمک فراوانی به عوامل بازاریابی می کند. (همان منبع: ۶۲)

امروزه دخالت دولت­ها در بخش کشاورزی و بخش­های دیگر اقتصادی از ویژگی­های اساسی اقتصادهای مختلط است. این دخالت در کشورهای توسعه­یافته به حداقل ممکن رسیده است، ولی در کشورهای درحال توسعه به دلیل ضرورت برنامه ریزی برای توسعه اقتصادی و نیز ضعف هایی که در نظام اقتصادی و بازار این کشورها وجود دارد، بیشتر به چشم می­خورد.

دولت از راههای مختلف و به­طور مستقیم و غیرمستقیم در امور مختلف اقتصادی و بازارها دخالت می­کند تا کمبودهای نظام اقتصادی مبتنی بر بازار را تا حدودی برطرف سازد.   بخش کشاورزی از جمله بخش­هایی است که شاهد بیشترین دخالت ها بوده است. (پریزن و اسماعیلی، ۱۳۸۷: ۱۱)

با توجه به نقشی که کشاورزی در انتقال نیروی کار، تأمین مواد غذایی، ایجاد اشتغال، تأمین مواد اولیه و تأمین رفاه مصر ف کنندگان تمام اقشار جامعه دارد، نیازمند توجه و برنامه­ریزی دقیق از سوی سیاستگذاران است. بنابراین به منظور برنامه­ریزیهای مناسب کوتاه و بلند­مدت در زمینه واردات، اطلاع دقیق از آینده لازم و ضروری به نظر می رسد زیر ا اتخاذ سیاستهای مناسب در زمینه کاهش واردات، برای شکل گیری بخش کشاورزی به عنوان یک بخش تجاری و مؤثر در توسعه اقتصادی لازم است. بر این اساس در مطالعه حاضر میزان واردات این محصول مهم وارداتی که نقش مهمی در ترازتجاری کشور دارد پیش­بینی شده است. (همان منبع: ۱۱)

[۱] . Model

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه پیش بینی با دقت قابل قبول برای پیش بینی کوتاه مدت میزان واردات محصول مورد مطالعه

مدل‌سازی اقتصادسنجی

اقتصاد­سنجی[۱] یکی از شاخه‌های نوین و مهم علم اقتصاد است که آشنایی و استفاده از آن می­تواند کمک شایانی برای شناخت هر چه بهتر روابط بین پدیده‌های اقتصادی و اجتماعی باشد. مدل­های اقتصادسنجی یک نظام اقتصادی را به کمک مجموعه‌ای از معادلات هم­زمان که بیان‌کننده‌ی روابط متقابل بین متغیرهای قابل اندازه‌گیری است، توصیف می‌کنند. معادله‌ها مبتنی بر نظریه یا مشاهدات تجربی رفتار و یا روابط فنی میان متغیرها است و چنانچه مدل مورد تحلیل دربرگیرنده‌ی یک یا چند عنصر با وقفه از متغیر وابسته به­عنوان متغیر توضیحی باشد، در آن صورت آن مدل را پویا یا دینامیک می‌نامند. (گجراتی، ۱۳۸۸: ۵۶)

 ۲-۴ خصوصیات یک مدل خوب

سی. هاروی (A.C. Harvey) ملاک‌های زیر را برای قضاوت راجع به کیفیت یک مدل ارائه می‌دهد (گجراتی و دامودار، ۱۳۸۶: ۶۰)

• قلت منطقی متغیرهای توضیحی[۲]

یک مدل هیچگاه قادر به توصیف دقیق واقعیت آن­طور که هست نیست، یعنی برای توصیف دقیق واقعیت مجبور خواهیم بود چنان مدل پیچیده‌ای را ارائه کنیم که فاقد کوچکترین ارزش علمی است. ساده‌سازی و تجرید در هر برنامه مدل‌سازی اجتناب‌ناپذیر است. در این رابطه اصل قلت منطقی متغیرهای توضیحی حکم می‌کند که یک مدل، تا آن­جا که ممکن است ساده در نظر گرفته شود به­طوری­که تنها متغیرهای کلیدی را باید در تحلیل وارد نمود و بدین وسیله تمام اثرات تصادفی و جزئی را به جزء اخلال یا خطا[۳] محو کرد. ( همان منبع: ۶۱)

 

 

• قابلیت تشخیص[۴]

    این اصل حکم می‌کند که برای مجموعه داده‌های معین، پارامترهای تخمین‌زده شده بایستی مقادیر منحصر به فردی را به دست دهند. به­عبارت دیگر تنها یک تخمین برای هر پارامتر مشخص به دست آید. ( همان منبع: ۶۱)

• خوبی بر ارزش[۵]

نظر به این­که هدف اساسی تحلیل رگرسیون، توضیح‌دهندگی تغییرات در متغیر وابسته به­وسیله‌ی متغیرهای توضیحی ملحوظ در مدل است، بنابراین یک مدل زمانی به­عنوان یک مدل خوب مد نظر قرار می‌گیرد که این توضیح که به­وسیله   اندازه‌گیری می‌شود، حتی‌الامکان بالا باشد. البته ملاک  را به­تنهایی نبایستی مورد توجه قرار­داد، بلکه این ملاک را به موازات سایر معیارها می‌توان به کار برد.

   سازگاری با تئوری: ممکن است یک مدل علی‌رغم داشتن  بالا، به علت اشتباه بودن علائم یک یا چند ضریب آن، مدل خوبی نباشد. آنگاه بایستی نتایج را با تردید تعبیر کرد.

 

• قدرت تعمیم‌دهی و پیش­گیری

به نقل از فریدمن، ((… تنها آزمون مناسب برای اعتبار یک فرضیه (مدل) مقایسه پیش‌بینی آن با تجارب است)).  بالا دلالت بر قدرت تعمیم‌دهی مدل دارد و باید گفت که این قدرت بیان شده توسط ، فقط در رابطه با یک نمونه و برای آن نمونه معین است و آن­چه که در این­جا مدنظر است قدرت پیش‌بینی و تعمیم‌دهی برای دوره‌ای خارج از دوره‌ی نمونه است.

۲-۵ اشکال تبعی مدل‌های رگرسیونی

این اشکال شامل مدل­های باکشش ثابت (لگاریتم دو­سویه) و مدل­های نیمه لگاریتمی است. حال به توضیح هرکدام از این مدل­ها می­پردازیم. (نوفرستی، ۱۳۷۶: ۱۲۸)

• مدل‌های با کشش ثابت (لگاریتم – خطی[۶]) یا لگاریتم – لگاریتمی[۷] (لگاریتم از دو سو[۸])

این مدل­ها مکرراً در مطالعات مربوط به تقاضا جهت تخمین کشش‌های قیمتی و درآمدی تقاضا استفاده می­شود. این دسته از مدل‌ها هم از نظر لگاریتم متغیرها (X،Y) و هم از نظر  پارامترها (β , α) خطی هستند بنابراین می‌توان به­وسیله روش OLS آن را تخمین زد. به خاطر این خطی بودن است که این چنین مدل‌هایی، مدل‌های لگاریتم – خطی، لگاریتم از دو سو یا لگاریتم – لگاریتمی نام گرفته‌اند.

از مهم­ترین ویژگی این دسته از مدل‌ها آن است که در ضرایب زاویه و کشش یکی هستند، به­طوری­که ضرایب هر یک از متغیرهای توضیحی در مدل، کشش Y را نسبت به X یا درصد تغییر در Y را به ازای یک درصد تغییر در X اندازه می‌گیرد.

شکل کلی مدل به­صورت رابطه (۲-۱)  است.

(۲-۱)                                                                     LnY_i = α + β_۲Ln X_i + U_i

 

که  Ln مبین لگاریتم طبیعی است و _۱α = Ln β است.

• مدل‌های نیمه لگاریتمی[۹] (Log-Lin و Lin-Log)

در این دسته از مدل‌ها تنها یکی از از دو متغیر Y و X در شکل لگاریتمی است که شامل دو مدل است.

اگر متغیر وابسته (Y) لگاریتمی باشد به آن Log-Lin گویند که در این دسته از مدل‌ها، ضریب زاویه _۲α، تغییر نسبی یا متناسب ثابت در Y را به ازاء تغییر شکل مطلق در X اندازه می‌گیرد.

(۲-۲)                                                                        LnY_i = α_۱ + β_۲ X_i + U_i

اگر توضیحی (X) لگاریتمی باشد به آن Lin-Log گویند که در این دسته از مدل‌ها، ضریب زاویه _۲β، تغییر مطلق در Y را به ازاء یک تغییر نسبی در X اندازه می‌گیرد.

(۲-۳)                                                                       Y_i = β_۱ + β_۲ Ln X_i + U_i

• مدل‌های معکوس

این دسته از مدل‌ها از نظر متغیر X غیرخطی است چون به­صورت معکوس در مدل وارد شده است ولی از نظر پارامترهای _۱β و _۲β خطی است و بنابراین یک مدل رگرسیون خطی است. مدل معکوس به­صورت رابطه (۲-۴) نشان داده می­شود.

(۲-۴)                                                                        Y_i = β_۱ + β_۲ (۱/X_i) + U_i

این مدل ویژگی‌های زیر را دارا هستند: هم­چنان­که X به­طور نامحدود افزایش می‌یابد جزء (X_i/1) ₂β به­طرف صفر میل می‌کند به­طوری­که ۲β ثابت است و Y به طور مجانبی یا حدی به مقدار ۱β گرایش می‌یابد.

 

۲-۶  ماهیت تحلیل رگرسیونی

رگرسیون ابزار اصلی اقتصادسنجی است. به­طور کلی می‌توان گفت، تحلیل‌های رگرسیون به مطالعه‌ی وابستگی یک متغیر (متغیر وابسته[۱۰]) به یک یا چند متغیر دیگر (متغیر توضیحی[۱۱]) می‌پردازد که با تخمین یا پیش‌بینی مقدار متوسط یا میانگین مقادیر متغیر نوع اول در حالتی که مقادیر متغیر نوع دوم معلوم یا معین شده باشند (در نمونه‌گیری تکراری) صورت می‌پذیرد به عنوان مثال یک کارشناس اقتصادی امور کشاورزی در مطالعه‌ی وابستگی بازده یک محصول مثلاً گندم به دما، بارندگی، میزان نور و حاصل­خیزی از تحلیل رگرسیونی استفاده می‌کند. بنابراین، یک تحلیل وابستگی می‌تواند پیش­گویی یا پیش‌بینی متوسط بازده محصول را با توجه به اطلاعات مفروض در مورد متغیرهای توضیحی، میسر سازد. (نیرومند و دیگران، ۱۳۸۹: ۴۸)

[۱] . Econometrics

[۲] . Parsimony

[۳] . Disturbance or error term

[۴] . Identifiability

[۵] . Goodness of fit

[۶] . log-Linear

[۷] . Log-Log

[۸] . Double-Log

[۹] . Semi-Log models

[۱۰] . Dependent – Variables

[۱۱] . Explanatory – Variables

برای دانلود متن کامل اینجا کلیک کنید

پایان نامه اقدام‏ به خودکشی و نقش ویژگی‏های شخصیتی سرشت‏ و ‏منش

• تعریف مفهومی متغیرها

۱-۶-۱-  سرشت ‏و‏منش

شخصیت از اجزای سرشتی و منشی تشکیل شده است. سامانه‏های سرشتی در مغز دارای سازمان یافتگی کارکردی، متشکل از سامانه‏های متفاوت و مستقل از ی کدیگر برای فعال‏سازی، تداوم و بازداری رفتار در پاسخگویی به گروه‏های معینی از محرک‏ها است. منش شامل دریافت‏های منطقی درباره خود، دیگران و دنیا است و بیشتر ویژگی‏هایی را شامل می‏شود که تحت تاثیر عوامل محیطی در ساختار شخصیتی فرد پدید آمده است (کلونینجر، ۱۹۸۷).

 

۱-۶-۲-  نوجویی:

نوجویی که تنوع طلبی یا محرک خواهی هم نامیده می‏شود، نمایانگر پاسخ به چیزهای تازه و نو (جدید)  است. این خصوصیت باعث جستجوی مشتاقانه برای محرک‏های تازه و ناآشنا شده، بالقوه باعث خلاقیت و کشفیات می‏شود. این ویژگی، مواردی مانند‏ تکانشگری، برون‏ریزی خشم، بی‏ثباتی در روابط و خودمحوری را به دنبال دارد. نوجویی شامل چهار صفت است که عبارتند از تحریک‏پذیری کنجکاوانه در مقابل انعطاف‏ناپذیری، اسراف‏کاری در مقابل صرفه‏جویی، تکانشگری در مقابل تامل و بی‏‏نظمی‏ در مقابل انضباط خشک. افرادی که نوجویی بالا دارند بسیار سریع هیجان‏زده می‏شوند، کنجکاو، مشتاق، پرشور، تکانشی و نامرتب هستند و خیلی زود کسل می‏شوند (کاپلان وسادوک، ۲۰۰۳).

متن کامل پایان نامه

پایان نامه کارشناسی ارشد:عوامل بهبود شاخص رضایت مشتری

بازرسی[۱]

فعالیتی است مانند اندازه گیری،بررسی،آزمایش یا آزمون با شاخص (شابلون گیری) در مورد یک یا چندویژگی یک مقوله و مقایسه نتایج با نیازمندی های مشخص شده به منظور تعیین اینکه برای هر

ویژگی،انطباق حاصل شده است یا خیر.به تعبیری می توان بازرسی را فعالیتی دانست که حاصل آن تعیین وضعیت محصول از نظر قابل قبول بودن یا غیر قابل قبول بودن می باشد اما کنترل کیفیت فعالیتی است که اطلاعاتی مقایسه ای برای بازخورد فرآیند پدید می آورد تا آن را تنظیم کند.با این تعریف قلمرو کنترل کیفیت و بازرسی را می توان تنها در فرآیندهای ساخت محصول دانست.

در حالیکه هدف در تضمین کیفیت پیشگیری از وقوع حوادثی است که کیفیت محصول را تحت تاثیر منفی قرارمی دهند. (بخشی،۱۳۸۶)

۲-۲-۹- سیستم کیفیت[۲]

عبارتست از ساختار سازمانی،روش های اجرایی،فرآیندها و منابع مورد نیاز برای به اجرا در آوردن

مدیریت کیفیت.سیستم کیفیت یک سازمان اساساً به منظور برآورده کردن نیازهای مدیریتی درون

سازمان طراحی می شود و دامنه آن وسیع تر از نیازهای یک مشتری خاص است که تنها قسمت

مربوط به خود را از سیستم کیفیت ارزیابی می کند.سیستم کیفیت بایستی فقط تا آن حد گسترده و

مشروح باشد که برای برآورده کردن اهداف کیفیت لازم است.در مواردی که ارزیابی کیفیت مبتنی بر

قرارداد است و یا انجام آن اجباری است ممکن است اثبات به اجرا در آمدن اجزاء تعیین شده ای از

سیستم کیفیت الزامی باشد.همانطوری که در تعریف تضمین کیفیت ذکر شده برای تضمین کیفیت

نیازمند فعالیت های طرح ریزی شده و نظام گرا هستیم.از آنجا که بنا به ماهیت این فعالیت ها و تاثیر

متقابل آن ها بر یکدیگر در واحدهای مختلف نیاز به چارچوبی است که این تعامل را با نظمی منطقی

در جهت اهداف مدیریت کیفیت در آورد، وجود سیستمی با هدف تامین این اهداف ضروری         می باشد.به قولی می توان سیستم کیفیت را به منزله ماشین و مدیریت کیفیت را راننده آن ،که وظیفه

هدایت تا مقصد را دارد فرض کرد. (بخشی،۱۳۸۶)

۲-۲-۱۰- مفاهیم حاصل از کیفیت

۲-۲-۱۰-۱- قابلیت اطمینان[۳]، قابلیت تعمیر پذیری[۴]

ارتباط و وابستگی رفاه انسانی به تولیدات و خدمات صنعتی به طور قابل توجهی استفاده از برخی

مفاهیم قدیمی را افزایش داده است.این افزایش به حدی است که لغات جدیدی جهت نشان دادن

تغییرات مفاهیم ابداع شده اند. یک مثال از چنین تغییراتی در استفاده از مفاهیم « قابلیت اطمینان»

می باشد که چنین تعریف می گردد: احتمال انجام بدون وقفه و شکست کاری مشخص، تحت شرایط مشخص و معلوم، در دوره زمانی مشخص.با اینکه کاربرد مفهوم قابلیت اطمینان در دستگاه -های پیشرفته می تواند واقعاً پیچیده باشد، در عین حال یک مفهوم قدیمی است.به عنوان مثال می- توان جمله زیر را که در روی یک تابلوی گلی نوشته شده و مربوط به ۴۲۹ سال قبل از میلاد می- باشد، شاهد آورد. (بخشی،۱۳۸۶)

«در مورد حلقه طلائی که زمردی بر روی آن نصب شده است، ضمانت می کنیم که برای ۲۰ سال آینده زمرد از روی حلقه طلائی نمی افتد .اگر چنانچه قبل از پایان ۲۰ سال زمرد از روی حلقه بیفتد ما بابت آن به میزان …نقره به آقای … غرامت خواهیم پرداخت».

هنوز تعداد اینگونه مفاهیم به موازات پیشرفت صنعت در حال افزایش است.به طورمثال امروزه  دستگاه های الکترونیکی و مکانیکی به تعداد زیادی در اختیار افراد عامی یا بی تخصص گذاشته می- شود.نگهداری این دستگاه ها در وضیعت کار و سرویس دهی، مسئله تازه و مهمی

[۱] Inspection

[۲] Quality System

[۳] Reliability

[۴] Maintainbility

 متن فوق بخش هایی از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد می توانید به لینک زیر مراجعه نمایید:

 

لینک متن کامل پایان نامه فوق با فرمت ورد