18566

۱۸۵۶۶

پيش بيني طول عمر بعد از بازنشستگي كاركنان با استفاده از شبكه عصبي مصنوعي (مطالعه موردي شركت فولاد خوزستان)

كارشناسي ارشد

مديريت اجرايي

ارديبهشت ماه ۱۳۹۵

دكتر علي بنيادي نائيني

دكتر غضنفري

مهندسي پيشرفت

دوره ي بازنشستگي هميشه به عنوان دوره اي با اهميت و داراي جنبه هاي مختلف فردي و اجتماعي افراد مورد توجه بوده است . تغييرات شرايط زندگي افراد بازنشسته نسبت به دوره اشتغال آنها ، جنبه هاي جديدي را به زندگي آنها وارد مي كند . موسسات و افراد مختلف نگاههاي متفاوتي به اين مقوله دارند ، چرا كه مي تواند منشاء اثرات متفاوتي براي آنان باشد. يكي از جنبه هاي مورد توجه در اين زمينه طول عمر بعد از بازنشستگي و عوامل موثر بر آن بوده است . در اين تحقيق ، با استفاده از نرم افزار MATLAB يك مدل شبكه عصبي مصنوعي براي پيش بيني طول عمر افراد بازنشسته بر اساس عوامل شغلي ، سلامت ، و فردي مربوط به ۳۵۱ نفر بازنشسته شركت فولاد خوزستان كه بين سالهاي ۱۳۷۱ تا ۱۳۹۲ بازنشسته شده اند طراحي گرديد. به منظور سنجش عملكرد مدل ، نتايج آن با نتايج مدل رگرسيون چندمتغيره تهيه شده در نرم افزار SPSS مقايسه گرديد. اين مقايسه بر اساس ميزان خطاي هر مدل بر حسب شاخص ميانگين مربعات خطا انجام گرفت و مشخص شد كه خطاي مدل شبكه عصبي معادل 8/4٪ خطاي مدل دوم است. در قسمت دوم تحقيق ، با استفاده از تجزيه و تحليل رگرسيون چند متغيره همزمان، ميزان اهميت عوامل موثر بر طول عمر شناسايي مورد بررسي قرار گرفت و مشخص شد دو عامل سن بازنشستگي و درآمد قبل از بازنشستگي پيش بيني كننده هايي قوي ،‌ و سه عامل ابتلا به ديابت ، مصرف سيگار ، و سابقه جراحي در اندامهاي حياتي پيش بيني كننده هايي ضعيف از متغير طول عمر محسوب مي گردند . در حالت عدم حضور متغير سن بازنشستگي نيز چهار متغير تعداد فرزندان ، سختي شرايط كار ، درآمد پيش از بازنشستگي ، و مصرف سيگار به عنوان متغيرهاي داراي تاثير شدت متوسط بر طول عمر شناخته شدند.

1396/12/02

2/21/2018 12:00:00 AM

Retirement season always is considered a momentous period of people’s life that has various individual and social aspects. Changes in the living conditions of retired people in comparison to their employment age, bring in new issues to their lives. Different organizations and individuals have different views on this issue, because it could have different effects to them. After retirement longevity and factors that could likely affect it are two remarkable aspects in this context. In this study, an artificial neural network (ANN) model is developed to predict the longevity of retirees, based on their occupational, health, and personal factors. The model was based on data from 351 retirees of an Iranian steel firm who retired between 1371 and 1392 (Iraninan calendar). In order to ensure the accuracy and performance of the model, its forecasting result is compared to a multiple regression model (MR) in terms of their forecasting accuracy by using a relative mesure known as mean square error (MSE).The forecasting error of ANN model is found to be 4.8 % of that derived from MR model. In the second part of the study, the importance of factors affecting longevity were identified using simultaneous regression.Retirment age and pre-retirement income are found to be strong predictors , whereas being smoker, being diabetic , and having previous surgery on vital organs are considered as weak predictors of longevity. By eliminating the age of retirement from the study, number of children, level of job hardness, pre-retirement income, and being smoker had moderate impacts on retirees’ longevity.