هوش تجاری چرا؟ چگونه؟

1. هوش تجاری چرا؟ چگونه؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

2. فهرست • لزوم هوش تجاری • کاربردها، ابزارها و تکنیک های پیاده سازی هوش تجاری • تعريف هوش تجاری (BI) • مقایسه تطبیقی جند تعاريف هوش تجاری • BI در عمل • اهداف BI • معماری و اجزاء BI Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

3. فهرست • موضوعات مطرح در BI • On-Line Analytical Processing • On-Line Transaction Processing • Data Mining • Data Warehousing • Intelligent Decision Support System • Intelligent Agent • Supply Chain Management • Enterprise Resource Planning Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

4. فهرست • نقشة راه سيستم های هوش تجاری • ملاحظات نقشه راه سيستم های هوش تجاری • فروشندگان محصولات هوش تجاري • موقعيت فروشندگان BI در بازار • علل شکست برخی از سیستم های هوش تجاری • مراجع Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

5. هوش تجاری - چرا؟ برای تولید یک محصول و یا سرویس جدید در یک شرکت و یا موسسه چه مراحلی باید طی شود؟ آنالیز رقبا ارائه نظرات و پیشنهادهای مختلف ... بررسی استراتژیها، میزان فروش، امور مالی، توسعه و تحقیق، تولید، خرید، بازاریابی و ... در مورد رقبا راه حل شنیدن نظر و تقاضای مشتری و افراد ذی نفع چیست؟ از طرف افراد درون یک ارگان معمولاً با توجه به تولید کنونی و دیدی که از شرکت خود دارند بررسی پبشنهادات از لحاظ عملی بودن توسط بخش تحقیق و توسعه ارگانها جمع آوری این اطلاعات از کجا؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

6. هوش تجاری - چرا؟ (ادامه) این اطلاعات اغلب در روزنامه ها، مطالب منتشر شده توسط یک شرکت، گزارش سالیانه، مطالب و یافته های علمی، دستاوردهای جدید در تکنولوژی و غیره پیدا میشوند. اطلاعات کیفی: آندسته از اطلاعاتی هستند که براساس آنالیزها و یا اظهار نظرات دیگران استوار است. اطلاعات حقیقی: آمار و ارقامی است که در منابع اطلاعاتی و بصورت موثق وجود دارند. با مشکل حجم زیاد اطلاعات چه کنیم؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

7. هوش تجاری-چرا؟ (ادامه) • دلاِيل اقتصادی. • دنبال نمودن اهداف کاراِيی سِيستم کاربردی. • افزاِيش رقابت ها. • تجارت الکترونِيکی. • حماِيت از تصمِيم گِيری های سِيستم کاربردی. • کثرت مشترِيان. • نِياز به آنالِيز عملِيّات سِيستم. • صحّت و دقّت اطّلاعات حاصل از سِيستم. • دسترسی به داده های بهنگام شده. • کاهش هزِينه. • رضاِيت کاربران نهاِيی در مقاِيسه با کالاهای مشابه. • ... Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

8. هوش تجاری - چرا؟ (ادامه) در هر دقیقه 2000 صفحه مطلب علمی به حجم اطلاعات افزوده میشود هر روز بیش از 300 میلیون صفحه در اینترنت فرستاده میشود و حدودا 5 سال طول میکشد که مقالات و مطالب به روز شده در 24 ساعت را به تمامی خواند.تمام داده ها و اطلاعات نیز از این نرخ رشد برخوردارند. در بخشهای توسعه و تحقیق اغلب یک گروه چند نفری شروع به جمع آوری اطلاعات مورد نیاز میکنند و شاید اطلاعاتی مشابه اما با نامهای مختلف را بایگانی کنند و معمولا چندین و چند با ر در این گروه ها دوباره و چند باره کاری اتفاق میافتد راه حل: در عصری که زمان کلید اصلی در تجارت است، شرکتها به استفاده از ابزارهای اطلاعاتی روی آورده اند که بتواند اطلاعات مورد نظر را به سرعت و دقت از منابع استخراج کند. علاوه بر این مزیت، این سیستمها هزینه کمی دارند Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

9. هوش تجاری - چرا؟ (ادامه) نياز به پاسخگويي سريع به پرسشهاي تحليلي كاربران نياز به اطلاعات بروز، جاري و با جزئيات نياز به تعيين الگوهاي خريد مشتريان، تجزيه و تحليل سبد خريد بازار، پيش گويي ميزان خريد الكترونيكي مشتريان از طريق و ... راه حل Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

10. هوش تجاری - چگونه؟ OLTP OLAP Intelligent Agent IDSS DW ERP Data Mining SCM Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

11. OLTP OLAP Intelligent Agent IDSS DW ERP تعريف ما از هوش تجاري Data Mining SCM … BI Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

12. هوش تجاری - چگونه؟ (ادامه) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

13. Enterprise لِيست اموال فروش امورمالِي EIM CRM توزِيع DM ERP DB DW پشتِيبانِي مشترِي IDSS KMS بازار OLTP OLAP IA SCM قِيمت گذارِي محصول هوش تجاری - چگونه؟ (ادامه) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

14. سايرتعاريف از هوش تجاری (1) • عبارتست از بُعد وسِيعی از کاربردها و تکنولوژی برای جمع آوری داده و دانش جهت تولِيد پرس و جو در راستای آنالِيز Enterprise برای اتخاذ تصمِيات تجاری دقِيق و هوشمند.[Paul Balacky & Richard Fayers, 2003] Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

15. سايرتعاريف از هوش تجاری (2) • ِيک هوش تجاری براساس ِيک معماری Enterprise تشکِيل شده و در قالب OLAP (پردازش تحلِيلی برخط)، به تحلِيل داده های تجاری و اتخاذ تصمِيمات دقِيق و هوشمند می پردازد. [Loshin David, 2003] Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

16. سايرتعاريف از هوش تجاری (3) • هوش تجاری، نه بعنوان ِيک محصول و نه بعنوان ِيک سِيستم، بلکه بعنوان ِيک معماری موردنظر است که شامل مجموعه ای از برنامه های کاربردی و تحلِيلی است که به استناد پاِيگاه های داده عملِياتی و تحلِيلی به اخذ و کمک به اخذ تصمِيم برای فعالِيت های هوشمند تجاری می پردازند. 2005],[Larissa T. Moss, Shaku Atre Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

17. مقايسه تطبيقي تعاريف هوش تجاري Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

18. BI در عمل Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

19. تعداد چوب کبرِيت ها چقدر است؟

20. حالا تعداد چوب کبرِيت ها چقدر است؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

21. BIاهداف • انتظار دارِيم که ِيک سِيستم BI، آنالِيز داده را به کمک آنالِيز آماری و بر مبنای ِيک پاِيگاه داده تحلِيلی مِيسّر سازد آنالِيز داده آنالِيز آماری پاِيگاه داده تحلِيلی

22. معماري و اجزاي هوش تجاري Data Warehouse Business Analytics BPM User Interface [Adopted from Gartner’s researches] Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

23. هوش تجاری - چگونه؟ (ادامه) OLTP OLAP Intelligent Agent IDSS Data Mining ERP BI DW SCM Next Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

24. OLAP (On-Line Analytical Processing) Enterprise امور اداری مدِيرِيت Data Marts امورمالی پاِيگاه داده تحلِيلی ِيکپارچه امورفروش تحلِيلگر اموراموال امورترابری Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

25. OLAP (On-Line Analytical Processing) • پردازش تحليلی برخط (OLAP) • سرويس هايی که از پايگاه داده تحليلی به منظور پاسخگويی سريع به پرسش های تحليلی کاربران استفاده می کنند، • عبارت است از مجموعه ای از نرم افزارها برای • اکتشاف و تحليل سريع داده های مبتنی بر يک شيوة چند بُعدی با چندين سطح از مجموع سازی (Aggregation) جهت • تسريع و آسان سازی تصميم گيری • آسان شدن تصميم گيری به دليل • قابليت هدايت تحليل ها بدون نياز به يک زبان پرس و جوی اصلی يا فهم ساختار زيرين بانک اطلاعاتی حاصل می شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

26. OLAP (ادامه) • سريع ترشدن تصميم گيری نيز از اين جهت است که مجموع داده ها برای درخواست های متداول از پيش محاسبه شده است و به اصطلاح داده ها، Pre-Aggregate شده اند، • بنابراين زمان محاسبه کاهش يافته و پاسخگويی به پرس وجوهای پيچيدة تحليلی به سرعت امکانپذير خواهد بود. • پايگاه داده تحليلی (DW) و پردازش تحليلی بر خط (OLAP) از جمله عناصر ضروری در سيستم های تصميم يار به شمار می آيند. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

27. OLTP (On-Line Transaction Processing) Transaction User User Interface Application Database Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

28. OLTP (On-Line Transaction Processing) • داده‌هاي مورد استفاده در اين تراكنش‌ها داده‌هاي به‌روز، جاري و با جزئيات است : پردازش تراكنش‌ها، مشتمل بر انجام عمليات روزانه مانند خريد و فروش و عمليات بانكي و مانند آن. • پايگاه های داده عملياتی (DB)، منبع داده ای سيستم های OLTP هستند. • پايگاه های دادة عملياتی رايج شامل داده های بروز و جاری، جهت انجام عمليات روزانة ثبت، حذف، بروزرسانی و مشاهده داده ها هستند. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

29. کاربردها Monitor & Integrator داده‌جانبي سايرمنابع تحليل داده‌كاوي پرس‌وجو و گزارش‌گيري استخراج تغييرشكل بارگذاري نوسازي سرويس پايگاه داده تحليلي پايگاه‌هاي داده Data Marts منابع داده پايگاه داده تحليلی OLAP ابزارهاي سطح بالا داده کاوی (Data Mining) -معماري چند لايه

30. ( Data Mining ) داده کاوی • عبارت داده کاوی به فرآيند تحليل نيمه خودکار پايگاه داده های بزرگ، به منظور يافتن الگوهای مناسب اطلاق می گردد. • همانند کشف دانش در هوش مصنوعی (که آنرا يادگيری ماشين هم می نامند )، يا تحليل آماری، داده کاوی هم سعی در يافتن قوانين والگوها از داده ها دارد. • داده کاوی از اين جهت که با حجم عظيم اطلاعاتی، که اغلب روی ديسک ذخيره شده است روبروست، با يادگيری ماشين و آمار متفاوت است. • داده کاو ی با کشف دانش در پايگاه های داده سر و کار دارد. مستندPDF توضيحات تکميلی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

31. پايگاه داده تحليلی DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT Application Databases ______________________________________________________ Reports Packaged application/ERP Data DATA MARTS INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ ___ ___ ____ _____ ___ __ ___ ___ ____ _____ ___ __ EXTRACTION TRANSFORMING CLEANING AGGREGATION DATA WAREHOUSE EIS Desktop Data OLAP OR External Data Statistical & Financial Analysis Web-based Data [Adapted from SunExpert Magazine, October 1998] Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

32. پايگاه داده تحليلی (ادامه) DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT Application Databases ______________________________________________________ Reports Packaged application/ERP Data DATA MARTS INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ ___ ___ ____ _____ ___ __ ___ ___ ____ _____ ___ __ EXTRACTION TRANSFORMING CLEANING AGGREGATION EIS DATA WAREHOUSE Desktop Data OLAP OR External Data Statistical & Financial Analysis Web-based Data Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

33. پايگاه دادة تحليلی (Data Warehouse) • Data Warehouse (پايگاه داده تحليلی)، مخزن داده ای متمرکز، جمع آوری شده از منابع اطلاعاتی مختلف و ناهمگن در يک محدوده وسيع زمانی است و برای پشتيبانی از سيستم های تصميم يار(DSS) استفاده می شود. • DW از پايگاه های داده عملياتی و يا ساير منابع داده ای توزيع شدة سازمان ها و ارگان های متفاوت تهيه می شود. • پايگاه دادة تحليلی بستر مناسبی فراهم می آورد که داده ها به منظور پاسخگويی به پرسش های تحليلی به صورت بايگانی شده، سر جمع شده و سازمان يافته، ذخيره شوند. • پايگاه داده تحليلی شامل داده هايی است که برای انجام تصميم گيری ها و تحليل ها مناسب است. مستندPDF توضيحات تکميلی2 توضيحات تکميلی1

34. پايگاه دادة تحليلی(ادامه) • پايگاه داده تحليلی عبارت است از مخزن دادة جمع آوری شده ای از منابع اطلاعاتی: • مختلف، • توزيع شده، • احتمالاً ناهمگون، • تحت يک ساختار چند بُعدی، • بصورت يکپارچه، • پاکسازی شده، • موضوع گرا، • سرجمع شده، • غير قابل تغيير • و در محدودة زمانی مشخص طولانی دردسترس بوده.

35. پايگاه دادة تحليلی(ادامه) • داده های موجود در پايگاه دادة تحليلی، غير قابل تغيير، يعنی فقط خواندنی هستند و توسط کاربران قابل تغيير نيستند. • وظيفة اصلی و مهمترين کاربرد پايگاه های دادة تحليلی انجام پردازش های تحليلی برخط (OLAP) می باشد. • متناظر اين عمل در پايگاه های دادة عملياتی، انجام و پاسخگويی به تراکنش های کاربران است که پردازش های تراکنشی برخط ((OLTP ناميده می شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

36. پايگاه دادة تحليلی(ادامه) • قبل از پايگاه داده تحليلی، Repository داريم که جزئی ازBI است. • اولين وظيفة DW در معماری BI عبارتست از سازماندهی Repository دانش و Repository داده که از منابع مختلف بدست می آيد. • به اين معنی که ذخيره سازی، اعتبارسنجی، تأييد و امکان دسترسی آسان به آن را فراهم می سازد. برای اين کار توصيه می شود، ابتدا به ساخت Data Mart اقدام گردد. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

37. خصوصيات پايگاه داده تحليلي • خصوصيات پايگاه داده تحليلی عبارت است از : • يکپارچه: پالايش، سازگار نمودن، همسان سازي و يكپارچه نمودن داده‌هاي استخراج شده از منابع داده‌اي مختلف و احتمالا ناهمگون (مثلا سازگاري قوانين نامگذاري) • موضوع گرا: سازمان يافته پيرامون موضوعی خاص، مانند محصول، مشتري و يا كالا • سرجمع شده: داده های آن تحليلي بوده و برای تصميم گيريها ناسب می باشند. • غير قابل تغيير:عدم وجود عمليات به روزرساني (تراكنشي) و به كارگيري نوسازي براي به هنگام سازي (عدم نياز به پردازش تراكنش‌ها، مكانيزم‌هاي ترميم، و كنترل همزماني ) • در محدودة زمانی مشخص طولانی: محدوده زماني به مراتب طولاني‌ترنسبت به سيستم‌هاي عملياتي و وجود صريح يا ضمني عنصر زمان در هر ساختار كليدي • بسيار حجيم: با توجه به اينکه محدوده زمانی وسيعی را پوشش می دهند، بسيار حجيم می باشند. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

38. بازخورد ورودي سازماندهي پارامترهاي مسأله پايگاه داده داده‌هاي تصميم گزارشات وضعيت پيش بيني پارامترها و نتايج ساختار دهي مسأله تصميم پايگاه مدل مدل تصميم روش حل شبيه سازي خط مشي‌ها و رويدادها اعمال پيشنهادي تعيين بهترين راه حل مسأله تكنولوژي كامپيوتر بازخورد خروجي تصميم گير ورودي پردازش خروجي سيستم تصميم‌يار هوشمند (IDSS) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

39. ساير سيستم‌هاي مبتني بر كامپيوتر اينترنت شبكه‌هاي داخلي شبكه‌هاي خارجي داده‌هاي داخلي و خارجي مديريت داده‌ مديريت مدل مدل‌هاي خارجي زير سيستم‌هاي مبتني بر دانش رابط كاربر پايگاه دانش سازماني مدير (كاربر) سيستم تصميم‌يار هوشمند (IDSS) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

40. Intelligent Decision Support System • سيستم های تصميم يار، سيستم هاييِ هستند که به مديران درامر تصميم گير ی کمک می کنند. • برای اين منظور از تکنيک هايي مانند داده کاوی و سرويس هايی مانند OLAP کمک می گيرند. • پايگاه داده تحليلی (DW) و پردازش تحليلی بر خط (OLAP) از جمله عناصر ضروری در سيستم های تصميم يار به شمار می آيند. • سيستم های تصميم يار هوشمند، سيستم های تصميم ياری هستند که مبتنی بر تکنيک های هوشمند اند. توضيحات تکميلی

41. منابع داخلي داده‌ منابع خارجي داده مالي فروش توليد پرسنل ساير موارد داده‌هاي شخصي پنهان پايگاه دانش سازماني استخراج پايگاه داده تحليلي يكپارچه ابزار پرس و جو پايگاه داده تصميم‌يار سيستم مديريت پايگاه داده • بازيابي • بررسي • به روز رساني • توليد گزارشات • حذف مديريت رابط كاربر مديريت مدل فهرست داده‌ها زير سيستم مبتني بر دانش اجزاي سيستم تصميم يار هوشمند -زير سيستم مديريت داده Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

42. فهرست مدل مدل ها (پايگاه مدل) • استراتژيک, فني, عملياتي • آماري, مالي, بازاريابي، مديريتي, حسابداري, مهندسي و … • بلوکهاي ساختاري مدل مديريت پايگاه مدل اجرا، يکپارچه سازي و پردازشگر فرمان مدل • دستورات مدل سازي: ايجاد • نگهداري: به روز رساني • رابط پايگاه داده • زبان مدل سازي مديريت داده‌ زير سيستم مبتني بر دانش مديريت رابط کاربر اجزاي سيستم تصميم يار هوشمند -زير سيستم مديريت مدل Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

43. خروجي ورودي زبان‌هاي نمايش زبانهاي عملياتي مديريت داده‌ها و ‌DBMS زير سيستم مبتني بر دانش مديريت مدل و MBMS سيستم مديريت رابط كاربري (UIMS) پردازشگر زبان طبيعي چاپگرها و رسام‌ها كاربران اجزاي سيستم تصميم يار هوشمند -زير سيستم رابط کاربر Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

44. تشخيص مساله اجرا تعريف مسأله انتخاب ايجاد گزينه‌ها تحليل گزينه‌ها توسعه مدل چگونگي بکارگيري سيستم تصميم‌يار در تصميم‌گيري Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

45. سيستم SENSO R EFFECTOR ورودي خروجي محيط Intelligent Agent نمايشی از عامل Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

46. Intelligent Agent (ادامه) • عامل (Agent) نرم افزاری است كه عمل مي كند و قادر به تأثير گذاري بر محيط است به طوري كه منجر به فعاليت و يا تغييرحالت مي شود. همانند يك فعاليت شيميايي، فيزيكي و يا بيولوژيكي . • عامل ابزاري هوشمند براي رسيدن به هدف است . • عامل خودمختار است و به تنهايي قادر به تصميم گيري است. • عامل عبارت است از موجوديتي كه واكنش دارد و به طور خودمختار كنش انجام مي دهد. • عاملهاي هوشمند بايستي قادر به انجام كارها در دنياي واقعي باشند به طوري كه اعمال هدفداري را انجام دهند و نيز بايستي قادر به زندگي و عمل در دنياي واقعي باشند مستندPDF Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

47. ويژگی های عامل ها Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

48. ويژگی های عامل ها (ادامه) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

49. ويژگی های عامل ها (ادامه)

50. Supply Chain • Supply Chain: حرکت منابع تجاری (مواد و اطلاعات و سرويسها ) از مواد خام واز طريق کارخانجات و انبارها تا مشتريان نهايی. • همچنین شامل سازمانها وفرآيندهايی است که اين محصولات، اطلاعت و سرويسها را توليد و تحويل مشتريان نهايی می دهند. • Supply Chain شامل فعاليتهای متعددی ازجمله خريد و فروش و تدارکات و حمل و نقل و اداره و کنترل مواد خام و برنامه ريزی و کنترل توليد و انبار و کنترل ليست اموال و توزيع و تحويل و... Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh