در مجموعه حاضر سعی بر آن است تا با معرفی شراکت‌های استراتژیک به عنوان یکی از اصــلی‌ترین منابع انتقال دانش از محیط خارج از سازمان، تأثیر این‌گونه روابط را بر نوآوری در اجرای پروژه‌های صنعت نفت و گاز مورد بررسی قرارداده و تأثیر این نوآوری را بر بهبود عملکرد پروژه‌ها ارزیابی نماییم.
بیان مسئله
این پژوهش به دنبال پاسخ این پرسش است که چگونه دانش کسب‌شده از طریق روابط بین سازمانی به نوآوری و بهبود عملکرد پروژه‌های انجام‌شده در سازمان منجر می‌شود.
اهمیت این موضوع در این است که اولاً در دهه گذشته از همکاری‌های بین سازمانی همچون شراکت‌های راهبردی^[۱] به عنوان یکی از ابزارهای مهم انتقال دانش بین سازمان‌ها یاد شده است (کامینسکی و همکاران^[۲]، ۲۰۰۸) ، مشارکت‌ها، شکاف بین منابع موجود شرکت و الزامات مورد نیاز آینده را پر می‌کنند به علاوه دسترسی سازمان‌ها به منابع بیرونی و ترویج یادگیری در سطح سازمان، ضمن ایجاد هم افزایی، توانایی سازمان‌ها را در غلبه بر فشارهای محیطی افزایش می‌دهد. تجربه موفقت آمیز شرکت‌های ژاپنی نظیر تویوتا در برقراری روابط با رقبا و تبادل دانش با آن‌ها نشان داد روابط تعاملی با رقبا می‌تواند به موفقیت و کسب سهم بازار بیشتر منجر گردد.
ثانیاً طی سالیان اخیر نوآوری به عنوان یکی از مزیت‌های رقابتی در سازمان معرفی‌شده است (مقدمی، ۱۳۸۶؛ امانی و همکاران، ۱۳۸۶؛ آندر و کاپور^[۳]،۲۰۱۰). نوآوری بنا بر تعریف لافورت^[۴] (۲۰۰۸ ) ارائه محصولات و خدمات جدید و یا به‌کارگیری فرایندها و استراتژی های نوین و خلاقانه و یا به خدمت گرفتن تکنولوژی های تازه است. در میان عوامل اثرگذار بر نوآوری، اخیراً به اهمیت دانش و مسائل مربوط به یادگیری تاکید بیشتری شده است (صنوبر و همکاران،۱۳۹۰؛ چوی و دیگران^[۵]، ۲۰۰۸) . به خصوص اینکه منابع خارج سازمان به عنوان اصلی‌ترین منابع کسب دانش معرفی‌شده‌اند (بیرلی و همکاران^[۶]، ۲۰۰۹؛ آمارا و همکاران^[۷]، ۲۰۰۸)؛ تا جائیکه توانایی سازمان در شناسایی اطلاعات جدید از طریق روابط خارجی و استفاده از آن در مقاصد تجاری که به آن ظرفیت جذب^[۸] گفته می‌شود به طور مثبتی موثر بر نوآوری است (لین و لاپتکین^[۹] ، ۱۹۹۸؛ کوهن و لوینتال^[۱۰] ،۱۹۹۰) .
به علاوه در این پژوهش تأثیر شیوه انتقال دانش بر نوآوری در روابط بین سازمانی مورد مطالعه قرار خواهد گرفت نوناکا^[۱۱] (۱۹۹۴) دانش را به دو گونه ۱- ضمنی^[۱۲] و ۲- صریح^[۱۳] طبقه‌بندی می‌کند. پرسشی که در این پژوهش محقق به دنبال پاسخ به آن است این است که آیا شیوه انتقال دانش در سازمان اعم از آشکار یا ضمنی بر نوآوری در اجرای پروژه اثرگذار است (داوسون^[۱۴] ،۲۰۰۰)؟
در این پژوهش جهت آزمودن فرضیات مدل از پروژه‌های انجام‌شده در صنایع نفت و گاز ایران استفاده خواهد شد. علت انتخاب این صنعت نیاز روزافزون به نوآوری و مدیریت آن در صنعت مذکور است که مدیران پروژه‌ها را بیش از گذشته بااهمیت این موضوع آشنا ساخته است (زارعی و نسیمی،۱۳۸۹)؛ وابستگی اقتصاد جهانی به تحولات این صنعت و اثرات ناشی از افت تولید و افزایش رو به گسترش تقاضا برای این ماده ارزشمند، همگی مبین ضرورت نوآوری در صنعت نفت است. به علاوه عدم دسترسی شرکت‌های بین‌المللی به ذخایر عمده نفتی از یک طرف و نیازهای تکنولوژیک و دانش فنی مورد نیاز تولیدکنندگان نفت خام، حجم گسترده قراردادها و پیمان‌های استراتژیک را در صنعت مورد مطالعه باعث شده است (نسیمی،۱۳۸۵).

ضرورت و اهمیت تحقیق
با وجود اینکه بررسی اجمالی تحقیقات انجام‌شده در حوزه دانش و روابط استراتژیک حاکی از افزایش قابل‌ملاحظه حجم تحقیقات در دهه اخیر است، کماکان مواردی وجود دارد که به شفاف‌سازی بیشتر نیازمند است. نخست آنکه غالب پژوهش‌های انجام‌شده در حوزه شراکت‌های راهبردی تنها به دست آوردهای حاصله از آن یا به ویژگی‌های مورد نیاز جهت شکل‌گیری این‌گونه روابط بسنده نموده‌اند (برای مثال برگرس و همکاران^[۱۵]،۱۹۹۳ و هاگدم و چاکنارد^[۱۶]،۱۹۹۴) و نگاه تکاملی نسبت به پدیده شراکت‌های راهبردی امری است که کمتر مورد بررسی واقع گردیده است (رینگ و دان^[۱۷]،۱۹۹۴) .
ثانیاً در پژوهش‌های تجربی صورت گرفته در حوزه دانش و یادگیری، محققان بیشتر بر انتقال دانش متمرکزشده‌اند و کمتر به شناسایی گونه‌های دانش در روابط بین سازمانی پرداخته شده است.
در پایان‌نامه حاضر، جهت پر کردن خلأ موجود سه دسته دانش حاصل از برقراری روابط بین سازمانی شناسایی و مورد بررسی قرار خواهد گرفت که عبارت‌اند از) اسپلاردو همکاران^[۱۸]،۲۰۱۱) :
یادگیری نحوه مدیریت شراکت‌های راهبردی
یادگیری نحوه همکاری باهم پیمانان استراتژیک
دانش کسب‌شده از هم پیمانان استراتژیک در زمینه‌هایی همچون بازاریابی، محصولات و …
هم چنین اگرچه در طی سالیان اخیر به اهمیت دانش در کسب مزیت رقابتی از طریق نوآوری و بهبود عملکرد سازمان تاکید فراوان شده است (دایر و سینگ^[۱۹]، ۱۹۹۸) لکن نیاز به شواهد تجربی بیشتر در این زمینه وجود دارد (یه آ^[۲۰]،۲۰۰۹).
همچنین، تحقیقات در مورد تأثیر نوآوری بر عملکرد اگر چه رشد قابل‌ملاحظه‌ای را نشان می‌دهد، اما متأسفانه علیرغم اهمیت نوآوری در حوزه نفت و گاز، این صنعت کمتر مورد توجه محققین قرار داشته است. به علاوه تعداد محدودی از مطالعات موجود به طور مستقیم تأثیر نوآوری را بر عملکرد پروژه‌های سازمان مورد بررسی قرار داده‌اند که پژوهش حاضر از این طریق سعی در بسط و گسترش ادبیات این موضوع را دارد.
اهداف تحقیق
هدف این پژوهش بررسی این است که چگونه یادگیری از طریق مشارکت‌های راهبردی در کنار دانش کسب‌شده از هم پیمانان استراتژیک در سازمان‌های پروژه محور، به نوآوری و بهبود عملکرد پروژه‌های این سازمان‌ها منجر خواهد شد.
سوالات تحقیق
تحقیق حاضر در صدد پاسخ به پرسش‌های زیر است:

• • آیا یادگیری از طریق شراکت‌های راهبردی از سوی مجریان پروژه در سازمان‌های پروژه محور، به کسب دانش منجر خواهد شد؟

• • آیا دانش کسب‌شده از طریق روابط بین سازمانی در سازمان‌های پروژه محور، به نوآوری در اجرای پروژه‌ها منجر خواهد شد؟

• • آیا نوآوری در اجرای پروژه‌ها به بهبود عملکرد پروژه منجر خواهد شد؟

• • آیا شیوه انتقال دانش به درون سازمان، بر نوآوری در اجرای پروژه اثرگذار است؟

فرضیات تحقیق
فرضیه۱) در یک سازمان پروژه محور، یادگیری نحوه مدیریت شراکت‌های راهبردی از سوی مجریان پروژه اثر مثبتی بر:
کسب دانش از هم پیمانان استراتژیک دارد.
یادگیری نحوه همکاری باهم پیمانان استراتژیک دارد.
فرضیه۲) در یک سازمان پروژه محور، یادگیری نحوه همکاری باهم پیمانان استراتژیک اثر مثبتی بر کسب دانش از آنان دارد
فرضیه۳) نوآوری در انجام پروژه‌ها به طور مثبتی متأثر از:
کسب دانش از هم پیمانان استراتژیک است.
یادگیری نحوه همکاری باهم پیمانان استراتژیک است.
فرضیه۴) نوآوری در اجرای پروژه، منجر به بهبود عملکرد پروژه خواهد شد
فرضیه۵) انتقال دانش به شکل صریح در مقایسه با شکل ضمنی آن، تأثیر مثبت بیشتری بر نوآوری در اجرای پروژه‌ها دارد
جدول ۱-۱ ارتباط میان سوالات و فرضیات تحقیق را نمایش می‌دهد:
رابطه سوالات و فرضیات تحقیق

• به عبارت دیگر مشتریان چگونه سازمان را ارزیابی میکنند؟(لطفیانی،۱۳۸۵).

معمولاً هدف کلی سازمانها در وجه مشتری، ارائه محصول مناسب با قیمت مناسب به مشتری میباشد که خود میتواند شامل یک سری اهداف جزئی تر باشد(Faweett, Cooper,1998).
مقصود از این و جه برگزیدن بخشهایی از بازار مشتریان برای رقابت توسط واحدهای تجاری است. مدیران باید اصلی ترین معیارها را برای دستیابی موفقیت آمیز به این بخش تعیین کنند. این معیارهای اصلی میتواند در قالب یک زنجیره روابط علّی به صورت (شکل۲-۳) قرار گیرند.

 شکل(۲-۳): وجه مشتری- روابط علّی معیارهای اصلی(بختیاری،۱۳۸۸)
ج) وجه فرایندهای داخلی

• سازمان در چه زمینههایی قابلیت اساسی دارد؟

• برای کسب ارزش افزوده و رضایت مشتریان، پس از انالیز روندهای جاری، کدام شغل و فرایند کاری را باید بهبود و اولویت دهیم؟(مستبصری،۱۳۸۷).

• ما باید در چه چیزی مهارت کسب کنیم؟(لطفیانی،۱۳۸۵).

• در وجه فرایندهای داخلی سعس بر آن است تا فرایندهای مهم داخلی، که باید سازمان در آنها بهترین باشد، شناسایی شوند. در این وجه معیارها باید بر فرایندهایی متمرکز شوند که بیشترین تاثیر را بر رضایت مشتری و دستیابی به اهداف مالی سازمان دارند(Lipe, Salterio,2002).

در این وجه باید فرایندهای داخلی را که برای سازمان بسیار حیاتی است تعیین کنند. این فرایندها آنهایی هستند که باید به تحویل ارزشهای عالی به مشتری و دستیابی به اهداف عالی یاری رسانند.BSC از مرحله ارزیابی صرف فرایندهای موجود عبور میکند و برای رسیدن به موفقیت، فرآیندهای جدیدی را تعریف میکند که باید در سازمان پیاده سازی شوند. بر طبق نظر کاپلان نورتون BSC نه تنها فرایندهای عملیاتی بلکه فرایندهای نوآورانه را نیز در نظر میگیرد.
د) وجه یادگیری و رشد

• آیا میتوانیم به بهبود ایجاد ارزش ادامه دهیم؟(لطفیانی،۱۳۸۵).

• برای دستیابی به اهداف، چگونه سازمان را آموزش و بهبود دهیم؟

• اگر بخواهیم به اهداف مشتری و فرایند مالی دست یابیم آرمانها و زیر ساختهای سازمانی نیازمندیم؟

• آیا فرهنگ و فضای سازمانه و اطلاعات و مهارتهای کارکنان جهت دستسابی به اهداف سازمان کافی است؟(مستبصری،۱۳۸۷).

هدف فراهم آوردن مهارتهای جدید به کارکنان به نحوی که ذهنیات و توانایی خلاق آنها جهت نیل به اهداف سازمانی بسیج گردد، ضروری میباشد. جهت سنجش عملکرد سازمان در ارتباط با این عامل میتواند از نسبت تعداد نیروی کار واجد قابلیت لازم به تعداد نیروهای مورد لوزوم در هر یک از گروهای شغلی مهم واحدهای کلیدی سازمان استفاده نمود. جهت سنجش عملکرد سازمان در خصوص بهبود مهارت کارکنان میتوان از شاخصهزینهای نسبت هزینه های آموزش به تعداد نیروی انسانی( هزینه سرانه آموزش) استفاده نمود(Michel Hoc,2000).
در تاثیر وجه کارکنان در عملکرد سازمان(شکل۲-۴) زمینه های سرمایه گذاری غیر سنتی را میتوان در سه گروه زیر دسته بندی کرد:

• قابلیت‌های نیروی انسانی

• سیستمها

• ایجاد انگیزش، قدرت دادن به کارکنان و هم جهتی نیروها.

که در آن اکثر معیارهای سنجش وضعیت کارکنان یک سازمان در رابطه با معیارهایی برای سنجش سه نتیجه زیر تدوین میشوند:

• رضایت کارکنان

• نگهداری کارکنان

• بهره وری کارکنان.

همچنین علاوه بر معیارهای سنجش سه نتیجه مزبور معیارهایی برای عوامل ایجاد کننده نتایج فوق در نظر گرفته میشود که میتوان آنها را نیز در سه گروه زیر دسته بندی کرد:

• بهبود مهارت کارکنان.

• زیر ساختها و سیستمهای اطلاعاتی.

• انگیزش، اختیارات و هم جهتی.

شکل(۲-۴): چارچوب سنجش رشد و یادگیری کارکنان(بختیاری،۱۳۸۸)
۲-۱۲) مزایای ارزیابی عملکرد سازمان

• موجب تشخیص نارسائیها موجد در سازمن میگردد.

• زمینه بهبود و اصلاح اختیارات زیان آور سازمانی را فراهم میسازد.

• موجب شناسایی فعالیتهای کارآ و اثر بخش میشود که با تکید بر آنها، زمینه رشد و ارتقای کیفی امور میتواند فراهم شود.

• میتوان محیطی سالم را برای پرورش و بروز استعدادهای خلاق کارکنان فراهم آورده و موجب تقویت انگیزش آنان شد.

• زمینه تشویق، دلگرمی مدیران کارآمد، متکبر، خلاق را فراهم ساخته و سرانجام منجر به بهره وری بیشتر آنها میگردد.

• موجب مقایسه عملکردها شده و فرصت رقابت سالم را برای سازمانها فراهم میسازد.

• از دیدگاه توسعه و بهبود مدیریت، تهیه و تنظیم برنامههای میان مدت و بلند مدت از اهمیت خاصی برخوردار میباشد.

همان طور که در فصل قبل دیدیم، روش های تخمین کانال مبتنی بر معیار بیز نظیر الگوریتم MMSE عملکرد بهتری نسبت به روش های تخمین کانال مبتنی بر آمار کلاسیک نظیر الگوریتم LS ارائه می دهند، اما با دو مشکل عمده روبه رو هستند: یکی وابستگی به اطلاعات آماری کانال نظیر ماتریس خودهمبستگی کانال و دیگری پیچیدگی محاسباتی است که این روش ها در عمل دارند. از این رو استخراج روش هایی که ضمن ارتقای عملکرد الگوریتم های تخمین کانال مبتنی بر معیار LS، از پیچیدگی محاسباتی کمتری نسبت به الگوریتم تخمین کانال مبتنی بر معیار MMSE برخوردار باشند از اهمیت بالایی برخوردار است. به طور شهودی می توان گفت که بهره برداری از اطلاعات پیشین در مورد سیگنال مطلوب مانند اطلاعات آماری و یا مدل و ساختار سیگنال می تواند به بهبود کیفیت تخمین آن سیگنال کمک کند. از آن جا که کانال فیزیکی تاثیر گسترده و بسیار چشمگیر در سیگنال دریافتی در گیرنده دارد، مطالعه و مدل کردن کانال فیزیکی در محیط های گوناگون انتشاری در طراحی سیستم های مخابراتی، یکی از مهم ترین موضوعات مراکز تحقیقاتی و دانشگاهی در چند دهه ی گذشته بوده است. مطالعات تئوریک، عملی و آزمایشگاهی در مورد کانال مخابراتی منجر به ارائه ی مدل هایی برای توصیف مشخصات کانال بر اساس نحوه ی انتشار در محیط شده است. در [۱۲]، [۱۵]، [۱۶]، [۳۴]، [۳۵]، [۴۱]، و [۴۲] تعدادی از منابع علمی که به بررسی کانال از دیدگاه تئوری و یا از دیدگاه عملی و آزمایشگاهی پرداخته اند آمده است. دسته بندی پاسخ ضربه کانال بر اساس پروفایل تاخیر توان، از شناخته شده ترین و پر کاربرد ترین مدل های کانال در نظر گرفته شده در شبکه های سلولی نظیر مدلCOST 207 می باشد [۱۲]. در این بین سه مدل two-ray، TU^[164]، و HT^[165] از رایج ترین مدل هایی هستند که دارای کاربرد عملی گسترده ای می باشند [۲۵].

در این فصل الگوریتمی را پیشنهاد می دهیم که با بهره بردن از مدل کانال محوشدگی two-ray بدون نیاز به اطلاعات آماری، عملکرد تخمینگر LS کانال را به طور قابل ملاحظه ای ارتقا می دهد. با توجه یه اینکه نویز نقش کلیدی در NMSE تخمین کانال بازی می کند، اتخاذ روش هایی به منظور کاهش اثر نویز در تخمینگر از اهمیت بالایی برخوردار است. در این روش با بهره گرفتن از آزمون فرضی ^[۱۶۶]GLR و حذف بخشی از نویز از تخمینگر LS، عملکرد آن بهبود می یابد. علاوه بر این الگوریتم پیشنهادی از پیچیدگی محاسباتی کمتری نسبت به آنچه که در بخش (۷-۲) آمد برخوردار است. در ادامه به معرفی مدل کانال محوشدگی two-ray پرداخته و سپس به تشریح الگوریتم تخمین کانال پیشنهادی می پردازیم.
مدل کانال two-ray
پاسخ ضربه ی کانال محوشدگی two-ray متغیر با زمان در باند پایه، متناسب با آنتن فرستنده ی ام و آنتن گیرنده ی ام به صورت زیر بیان می شود [۳۸]:

که در آن و بهره ی کانال و فرایند های گوسی مختلط غیر همبسته با میانگین صفر هستند و تاخیر متناسب با مسیر دوم کانال

و در نهایت نسبت بین جدایی خوشه ها و فشردگی خوشه ها بعنوان تابع ارزیابی تعریف میشود:
انتخاب تعداد خوشه های مناسب با ماکزیمم کردن تابع فوق بدست می آید.
2-9-6 تابع M.Ramze Rezaee
آقای Ramze Rezaee و همکارانش تابع دیگری را برای ارزیابی الگوریتم خوشه بندی c میانگین ارائه داده اند. روش آنها نیز مبتنی بر معیارهای جدایی و فشردگی خوشه ها می باشد که در ادامه روش مورد نظر آورده شده است.

فرض کنید که داده های ورودی p بعدی باشند و می خواهیم آنها را به c خوشه گروه بندی کنیم:
مراکز خوشه ها با v_i مشخص می شوند و میزان تعلق نمونه ها با خوشه ها نیز با ماتریس U نشان داده می شود.
اگر واریانس نمونه های X را  درنظر بگیریم برای p امین مولفه واریانس خواهیم داشت:
که در فرمول فوق  ، p امین مولفه متوسط نمونه ها می باشد. متوسط نمونه ها نیز با فرمول زیر محاسبه می شود:
اگر تغییرات خوشه i ام را  در نظر بگیریم برای p امین مولفه تغییرات خواهیم داشت:
با بهره گرفتن از معادلات تعریف شده متوسط پراکندگی تمامی خوشه ها بصورت زیر تعریف شده است:
همچنین یک تابع فاصله نیز بصورت زیر تعریف شده است:
که برای D_max و D_min داریم:
فرمول فوق ماکزیمم (می نیمم) فاصله بین مراکز خوشه ها را محاسبه می کند. از روی فرمول های فاصله و پراکندگی آقای Ramze Rezaee و همکارانش تابع ارزیابی را بصورت زیر تعریف کرده اند:
جمله اول فرمول فوق متوسط پراکندگی خوشه ها را نشان می دهد که هر چه این مقدار کوچک باشد نشان دهنده این است که خوشه ها فشرده تر هستند. اما همانطور که قبلا گفته شد این جمله بتنهایی نمی تواند معیار خوبی برای خوشه بندی باشد و باید جدایی خوشه ها نیز در نظر گرفته شود که این معیار توسط جمله دوم فرمول فوق محقق می شود. ضریب α نیز که برابر است با D(c_max) برای متعادل کردن دو جمله بکار گرفته شده است. الگوریتم پیدا کردن تعداد خوشه های بهینه بدین صورت است که  تعداد خوشه های بهینه بین c_min و c_max  در نظر گرفته می شود و سپس تابع ارزیابی فوق را برای تمامی مقادیر بین c_min و c_max محاسبه و ذخیره کرده و در نهایت مقدار c متناظر می نیمم مقادیر ذخیره شده، تعداد خوشه های بهینه خوشه بندی می باشد.
2-10 خوشه‌بندي ترکيبي
روش های خوشه­بندی ترکیبی شامل دو مرحله می باشد : تولید افراز های اولیه و تابع ترکیب کننده می باشد تولید اولین گام در روش های خوشبندی ترکیبی می باشد در این مرحله ، مجموعه ای از افراز ها برای ترکیب ، تولید می شوند چرا که نتایج نهائی به نتایج اولیه بستگی دارد[28]. روش های مختلفی برای تولید نتایج اولیه وجود دارد که می توان این روش ها را به دو دسته تقسیم نمود 1. استفاده تنها از یک الگوریتم 2. استفاده از الگوریتم های مختلف ، روش اول با بهره گرفتن از یکی از الگوریتم های خوشبندی پایه و راهکار های مختلف که در ادامه بیان شده است افراز های متفاوتی را تولید می کند برای مثال در الگوریتم k-means استفاده از مقداردهی اولیه مختلف می تواند منجر به تولید افرازهای گوناگون شود علاوه براین ، روش های دیگری برای ایجاد افرازهای پایه وجود دارد از قبیل به کاربردن یک الگوریتم خووشه بندی با پارامترهای مختلف یا حتی به کاربردن تصویر داده ها به فضای ویژگیهای جدید، زیرمجموعه های مختلف از داده ها و زیرمجموعه های مختلف از ویژگی ها می باشد .
روش دوم یعنی استفاده از الگوریتم های مختلف شامل چهار روش عمده می باشد 1. روش سلسله مراتبی 2. روش افرازبندی 3. روش های مبتنی بر چگالی 4. روش های مبتنی بر مشبک کردن فضا ، از الگوریتم های مربوط به روش های افرازبندی می توان به k-means و k-medoids اشاره نمود.الگوریتم های همچون AGNES و DIANA نیز از روش های سلسله مراتبی محسوب می شوند. DBSCAN و DENCLUE از متداولترین روش های مبتنی بر چگالی می باشند.ابتدایی ترین و ساده ترین روش در الگوریتم های مبتنی بر مشبک کردن فضا می توان به STING اشاره نمود. [2]
حال اینکه چه الگوریتمی برای یک مسئله خاص مناسب می باشد. اغلب کار دشواری می باشد.تجربه کارشناس دامنه ی مسئله در این موارد می تواند خیلی مفید فایده باشد.ولی اگر اطلاعاتی در مورد مسئله وجود نداشته باشد ، تولید افراز های پراکنده برای خوشبندی ترکیبی توصیه می شود. چرا که هر چه میزان پراکندگی در مجموعه ی افراز ها بیشتر باشد ، اطلاعات بیشتری برای تابع ترکیبی در دسترس خواهد بود. این پراکندگی نیز بوسیله ی استفاده از مکانیزم های مختلف تولید افرازهای پایه حاصل می شود. [28]
گام اصلی در هر الگوریتم خوشبندی ترکیبی تابع توافقی یا همان تابع ترکیب کننده می باشد که صراحتاً می تان گفت یکی از بزرگترین چالشها پیش روی خوشبندی ترکیبی تعریف یک تابع ترکیب کننده مناسب می باشد.
دو رویکرد کلی برای توابع ترکیب کننده وجود دارد : 1. بر پایه Objects Co-Ocurrence 2. بر پایه Median Partition در رویکرد اول ایده اصلی ، تعیین اینکه کدام برچسب متعلق به یک نمونه خاص در افزار ترکیب شده می باشد. برای انجام این کار تعداد دفعاتی که یک نمونه در یک خوشه قرار دارد یا دفعاتی که دو نمونه در یک خوشه مشابه قرار دارند محاسبه می شود ، به عبارتی تابع ترکیب کننده از فرایند رای گیری میان نمونه ها استفاده می کند برای مثال می توان به روش های برچسب گذاری-رای گیری ،ماتریس همبستگی و متدهای فازی اشاره نمود . متدهای فازی به منظور ترکیب افرازهای حاصل از الگوریتم های مختلف فازی[29] مورداستفاده قرار می گیرد[30]. در رویکرد دوم تابع ترکیب کننده ، افراز ترکیبی بوسیله ی راه حل مسئله ی بهینه سازی حاصل می شود. روش هایی همچونMethods Kernel و Mirkin Distance این نوع از توابع ترکیب کننده می باشند.
اما پاسخ به بعضي سوالات در اين زمينه همچنان با ابهامات زيادي روبروست. اين که در حضور يک مجموعه از نتايج خوشبندي هاي اوليه، آيا استفاده از زيرمجموعهاي از نتايج مي تواند بهتر از استفاده از کل نتايج باشد يا نه؟ کدام زيرمجموعه از نتايج اوليه ميتواند منجر به بهبود عملکرد خوشبندي ترکيبي شود؟ نتايج اوليه با چه معياري نسبت به هم ارزيابي شوند؟ انتخاب زيرمجموعهاي از نتايج اوليه براي استفاده در ترکيب نهايي، مسئلهاي است که اخيرا مطرح شده و با وجود ابهامات فراوان در جوانب اين مسئله، امروزه به صورت جدي دنبال ميشود.[31] ايده هاي اوليه با ارايه يک معيار ارزيابي براي کيفيت خوشه آغاز شد. تعدادي از مطالعات انجام شده سعي در انتخاب زيرمجموعه مناسبي از افرازهاي اوليه دارند (فرن و لين، ۲۰۰۸ ) و تعدادي نيز زيرمجموعه اي از خوشه هاي اوليه را مورد آزمايش قرار داده اند (فرد و جين، ۲۰۰۶). پاسخ به اين سوال که انتخاب چه زيرمجموعهاي از نتايج اوليه موجب بهترين کارايي خوشبندي ترکيبي مي شود هنوز نياز به انجام تحقيقات گسترده تري دارد. در چند سال اخير، پايداري خوشه به عنوان يک معيار ارزيابي خوشه مورد توجه زيادي قرار گرفته است(فرد و جين، ۲۰۰۶) کامپلو نیز روشي براي تعيين تعداد خوشه ها ارايه کرده است که با تغییر در روش جین و همکاران و با بهره گرفتن از معیار سازگاری برای اعتبار سنجی افرازهای فازی استفاده نموده است[32,33].(فرن و لين ۲۰۰۸ ) روشي براي خوشبندي ترکيبي پيشنهاد کرده اند که از زيرمجموعه ی موثرتري از افرازهاي اوليه در ترکيب نهايي استفاده ميکند. در اين روش اگر چه تعداد اعضاي شرکت کننده در ترکيب نهايي کمتر از يک خوشبندي ترکيبي کامل است، به دليل انتخاب افرازهاي با کارايي بالاتر، نتايج نهايي بهبود ميابند. پارامترهايي که در اين روش مورد توجه قرار گرفته اند، عبارتند از: کيفيت و پراکندگي (فرن و لين ۲۰۰۸ ) نشان داده اند که بهينه سازي همزمان دو عامل، پراکندگي و کيفيت در نتايج اوليه خوشبندي ترکيبي مي تواند کارايي خوشبندي ترکيبي را به طور چشمگيري بهبود بخشد[34].
روشهاي خوشه‌بندي ترکيبي سعي ميکنند تا با ترکيب افرازهاي مختلف توليد شده از روشهاي خوشه‌بندي پايه، يک افراز مستحکم از داده‌ها را توليد کنند .[14,25] در اکثر مطالعات اخير، همه افرازها با وزن برابر در ترکيب نهايي حاضر مي‌شوند و همه خوشه‌هاي موجود در همه افرازها نيز با وزن برابر در ترکيب نهايي شرکت مي‌کنند[26]. استرل و گاش [14]يک معيار براي انتخاب از ميان ترکيبات ممکن ارايه کرده‌اند که مبتني بر کيفيت کلي يک خوشه‌بندي است. براي اين کار، آنها ميزان ثبات بين افراز ترکيبي و افرازهاي پايه را در نظر گرفته‌اند و با بهره گرفتن از يک قاعده ترکيبي ثابت، يک معيار شباهت دو به دو را روي فضاي ويژگي‌هاي d-‌‌‌‌‌بعدي به کار برده‌اند.
عظيمي[2] از مفهوم پراکندگي براي هوشمند نمودن خوشه‌بندي ترکيبي استفاده کرده است. دراين روش که به صورت پويا اقدام به انتخاب زيرمجموعه بهينه‌اي از نتايج اوليه در ترکيب نهايي مي‌کند، ابتدا يک خوشه‌بندي ترکيبي ساده انجام ميشود. سپس اين روش ميزان شباهت تمام نتايج خوشه‌بندي‌هاي اوليه را نسبت به جواب به دست آمده ارزيابي مي‌کند و سعي در طبقه‌بندي مجموعه داده‌ها به سه مجموعه داده راحت ، معمولي و سخت مي‌کند. در اين طبقه‌بندي، مجموعه داده راحت به مجموعه داده‌اي اطلاق مي‌شود که خوشه‌بندي‌هاي اوليه تفاوت چنداني با خوشه‌بندي ترکيبي به دست آمده نداشته باشند. به اين معني که هر خوشه‌بندي ساده بتواند تقريبا مانند خوشه‌بندي ترکيبي نتايج مشابه‌اي ارايه کند. مجموعه داده معمولي به مجموعه داده اي اطلاق مي‌شود که خوشه‌بندي‌هاي اوليه نه تفاوت چنداني و نه تشابه چنداني با نتايج خوشه‌بندي ترکيبي به دست آمده دارند. مجموعه داده سخت به مجموعه داده‌اي اطلاق ميشود که خوشه‌بندي‌هاي اوليه تشابه چنداني با خوشه‌بندي ترکيبي به دست آمده نداشته باشند. اين رويداد نشان مي‌دهد که داده‌هاي مجموعه موردنظر کاملا داراي مرزهاي مشترک هستند و روشهاي ساده و معمولي خوشه‌بندي همانند روشهاي پيچيده و قدرتمند خوشه‌بندي ترکيبي قادر به جداسازي نمونه‌ها نمي‌باشند. سپس کل نتايج خوشه‌بندي‌هاي اوليه به چهار زيرمجموعه متفاوت بر اساس ميزان تطبيق دقتشان با نتايج خوشه‌بندي ترکيبي ساده تقسيم مي‌شوند و بر اساس رده هر مجموعه داده (راحت، معمولي و سخت) اقدام به انتخاب يکي از اين زيرمجموعه ها براي ترکيب و به دست آوردن نتيجه نهايي مي‌کنيم. نتايج تجربي صورت گرفته در [2] نيز نشان داده‌اند که ترکيب خوشه‌بندي‌هاي اوليه با بيشترين کمترين و ميزان متوسطي از تطبيق با خوشه‌بندي ترکيبي اوليه، نتيجه بهتري را به ترتيب، در مجموعه داده‌هاي راحت، سخت و متوسط مي‌دهد. روش فوق در هر مجموعه داده سعي ميکند تا نتايج خوشه‌بندي اوليه‌اي که موجب منحرف شدن نتايج نهايي ميشود را از ترکيب نهايي خارج کند و به اين ترتيب خوشه‌بندي‌هاي ترکيبي اوليه‌اي را که داراي دقت نسبتا مناسبي هستند، وارد ترکيب نهايي کند.
در اکثر الگوريتم هاي پايه براي خوشهبندي ترکيبي از نمونه‌برداري داده‌ها استفاده مي‌شود. مسئله اصلي در اين روشها چگونگي ارزيابي خوشه و خوشه‌بندي (افراز) است[3] . بامگارتنر و همکاران [35] يک روش مبتني بر بازنمونه‌برداري را براي بررسي اعتبارسنجي نتايج خوشه‌بندي فازي ارايه کرده‌اند. در چند سال اخير، پايداري خوشه به عنوان يک معيار ارزيابي خوشه مورد توجه زيادي قرار گرفته است [26] ايده‌هاي اوليه براي اعتبارسنجي خوشه با بهره گرفتن از بازنمونه‌برداري در [36] ارايه شده است .راس و همکاران[37] نيز يک روش مبتني بر بازنمونه‌برداري براي اعتبارسنجي خوشه ارايه کرده‌اند. عنصر اصلي در اين روش، که در واقع کامل شده‌ی روش‌هاي پيشين مي‌باشد، پايداري خوشه است. معيار پايداري، ميزان همبستگي افرازهاي به دست آمده از دو نمونه‌برداري مستقل از مجموعه داده را اندازه‌گيري مي‌کند. هر چه ميزان پايداري براي يک خوشه‌بندي بيشتر باشد، به اين معني است که اگر الگوريتم خوشه‌بندي چندين مرتبه ديگر روي آن نمونه‌ها به کار رود، نتايج مشابهي حاصل ميشود [38] .چندين روش اعتبارسنجي خوشه مبتني بر ايده استفاده از پايداري پيشنهاد شده است [39] بن هور و همکاران [40] نيز روشي براي محاسبه پايداري ارايه کرده‌اند که بر مبناي شباهت بين نمونه‌ها درخوشه‌بندي‌هاي مختلف عمل مي‌کند. در اين روش، ابتدا ماتريس همبستگي با بهره گرفتن از روش بازنمونه‌برداري به دست مي‌آيد. سپس ضريب جاکارد به عنوان معيار پايداري بر اساس اين ماتريس محاسبه مي‌شود.داس و سيل روشي براي تعيين تعداد خوشه‌ها ارايه کرده‌اند که از اعتبارسنجي خوشه‌ها براي تقسيم و ادغام آنها بهره مي‌برد. فرن و لين روشي براي خوشه‌بندي ترکيبي پيشنهاد کرده‌اند که اززيرمجموعه‌ی موثرتري از افرازهاي اوليه در ترکيب نهايي استفاده ميکند. در اين روش اگر چه تعداد اعضاي شرکت کننده در ترکيب نهايي کمتر از يک خوشه‌بندي ترکيبي کامل است، به دليل انتخاب افرازهاي با کارايي بالاتر، نتايج نهايي بهبود مي‌يابند. پارامترهايي که در اين روش مورد توجه قرار گرفته‌اند، عبارتند از: کيفيت و پراکندگي. اين روش سعي مي‌کند تا زيرمجموعه‌اي از افرازهايي از نتايج اوليه را وارد ترکيب نهايي کند که از بالاترين ميزان کيفيت برخوردار بوده و در عين حال نسبت به هم بيشترين پراکندگي را دارا باشند. در اين روش از معيار مجموع اطلاعات متقابل نرمال شده(SNMI ) (براي يک افراز در مقايسه با افرازهاي ديگر ترکيب) براي اندازه‌گيري کيفيت يک افراز استفاده شده است. همچنين، معيار اطلاعات متقابل نرمال‌شده(NMI) (بين تمام افرازهاي موجود درترکيب) براي اندازه‌گيري پراکندگي لازم براي ترکيب به کار رفته است. فرن و لين نشان مي‌دهند که روش آنها نسبت به خوشه‌بندي ترکيبي کامل و يا روش انتخاب تصادفي از کارايي بهتري برخوردار است.
علیزاده و همکاران نیز از زیر مجموعه ای از نتایج اولیه به جای کل خوشه های یک افراز در خوشه بندی ترکیبی استفاده نموده است.این گونه که پس تولید افرازهای اولیه ، با بهره گرفتن از یک معیار ارزیابی جدید توسعه یافته توسط علیزاده و همکاران به نام AMM که معیاری مبتنی بر NMI می باشد ، میزان پایداری هر یک از خوشه های یک افراز را اندازه گیری و توسط چند سازگار پیشنهادی با کیفیت ترین آنها را انتخاب نموده و با تغییر و بروز رسانی روش انباشت مدارک توسعه یافته (EAC) به منظور ایجاد ماتریس همبستگی برای خوشه های حاصل از افراز های گوناگون به استخراج خوشه هاي نهايي از اين ماتريس پرداخته است.[31]
فصل سوم
روش تحقيق
3-1 مقدمه
­داده ­کاوی در کاربرد هایی نظیر کشف دانش از داده ­ها مورد استفاده قرار می­گیرد خصوصا ً زمانی که با حجم عظیمی از داده ­ها مواجه هستیم . روش­ها وتکنیک های بسیاری در داده کاوی موجود است که در امر کاوش داده ها تسهیل نموده اند و روز به روز در حال گسترش می باشند از آن جمله قوانین انجمنی ، رده­بندی و خوشه بندی مهمترین آنها می باشند ،زمانی که انسان دو شیءمتفاوت( همانند میوه) را تشخیص می دهد و آنها را از یکدیگر متمایز می سازد نوعی رده بندی صورت گرفته است، از این رو تکنیک رده­بندی رویکردی با ناظر است در­حالیکه خوشه بندی با وجود شباهت بسیار با رده بندی ،تفاوت اندکی در رویکرد آنها را از یکدیگر متمایز ساخته است .خوشه بندی رویکردی بدون ناظر است
در سالهای اخیر مباحث ترکیبی بسیار مورد توجه واقع شده اند به طوریکه محققان موفق به ترکیب شماری از نتایج گروه بندی شدند که منجر به نتایج نهایی با کیفیت تری نسبت به نتایج حاصل از تنها یک روش گروه بندی می شود و در نهایت همین امر موجب شده است که ترکیب خوشه ها به موضوعی داغ در داده کاوی تبدیل شود.
خوشه بندی ترکیبی سعی می نماید تا افراز های گوناگون با تنوع بسیار را از روش های خوشه بندی مختلف ترکیب نماید.بدین ترتیب ضعف موجود در هر روش خوشه بندی پوشش داده می شود و کیفیت بالاتری با حداقل فاصله از برچسب صحیح تولید می شود.
از سوی دیگر دسته اي از الگوريتم هاي خوشه بندي بر اساس تئوري مجموعه هاي فازي پيشنهاد شده اند که به آنها الگوريتم هاي خوشه بندي فازي مي گويند و به سرعت در حال گسترش می باشند . در خوشه بندی کلاسیک بدلیل آنکه هر نمونه باید به یک و فقط یک خوشه تعلق داشته باشد ، باید تصمیم گرفت که این نمونه متعلق به کدام خوشه است. تفاوت اصلی خوشه بندی کلاسیک و خوشه بندی فازی در همین جاست که در خوشه بندی فازی یک نمونه می تواند متعلق به بیش از یک خوشه باشد. خوشبندی فازی ، نقاط داده ای را بر اساس میزان درجه عضویت شان گروه بندی می کند از این رو از دقت بیشتری نسبت به خوشبندی غیر فازی برخوردار می باشد.
تاکنون الگوریتم های بسیاری در خوشه بندی فازی ارائه شده است که همه ی آنها سعی در کسب نتایج بهتر به همراه دقت بیشتر دارند.
در مورد خوشه بندی فازی ترکیبی روش های کمتری ارائه شده است و اکثر آنها بوسیله تغییر در الگوریتم های ترکیبی اصلی ارائه شده اند. در این فصل قصد داریم رویکردی ارائه دهیم که افراز های فازی را که دارای کمترین میزان خطا در برچسب گذاری واقعی می باشند و قابل رقابت با سایر روش های خوشه بندی ترکیبی هستند ترکیب نماییم. نمایی کلی از این رویکرد در شکل 3-1 آورده شده است .
شکل 3-1 فرایند کلی خوشه بندی ترکیبی فازی
3-2 فرضیات روش پیشنهادی
روش پیشنهادی ، رویکردی بدون ناظر می باشد و قصد دارد مجموعه ای از داده ها را گرفته و بدون اینکه هیچ گروه و یا کلاس های از پیش تعیین شده ای وجود داشته باشد آنها را خوشه بندی نماید . همانطور که پیش تر ذکر شد روش های خوشه بندی پایه بسیاری موجود است که هر یک ضعف ها و قوت هایی دارد ، به همین جهت خوشه بندی ترکیبی شکل گرفت تا بر پایه قوت های هر یک از روش ها بهترین خوشه بندی را انجام دهد .با ظهور روش های فازی نیز توانستیم به دقت بیشتری دست یابیم و ممکن است نمونه ها یی داشته باشیم که متعلق به چند خوشه بوده و نسبت عضویت هر نمونه در هر خوشه را با درجه عضویت تعیین می کنیم.
در روش پیشنهادی قصد داریم تا نتیجه ی چندین روش خوشه بندی فازی را ترکیب نموده و به نتیجه ی نهایی قابل اطمینان و معتبرتری دست یابیم .
این روش از 4 مرحله تشکیل شده است که کلیات آن در این بخش آورده شده است :
مرحله 1 : تولید افراز های فازی اولیه بر روی مجموعه داده x با بهره گرفتن از روش ها و الگوریتم های گوناگون فازی و تشکیل ماتریس های عضویت هر الگوریتم .
مرحله 2 : تولید ماتریس های همبستگی فازی از روی ماتریس های عضویتی که در مرحله قبل ایجاد شدند . بدین ترتیب برای هر الگوریتم فازی و ماتریس عضویت آن یک ماتریس همبستگی فازی خواهیم داشت . این ماتریس بیانگر میزان شباهت دو نمونه از لحاظ توانایی هم خوشه بودن می باشد .
مرحله 3 :جمع ماتریس های همبستگی فازی ایجاد شده در مرحله دوم و تشکیل یک ماتریس به نام ماتریس استحکام (S) که بیانگر میزان استحکام و پایداری اتصالات میان نمونه ها می باشد . در این مرحله در واقع نتایج افرازبندی های گوناگون با یکدیگر ترکیب می شوند .
مرحله 4 : تولید افراز بندی بهینه توسط فرایند تکراری مبتنی بر گراف که بر ماتریس استحکام اعمال می شود و در هر تکرار عناصر ماتریس را به مقدار x کاهش می دهد تا بدین طریق اتصالات سست شکسته شده و اتصالات پایدار و قوی تر باقی بمانند .
تعریف 1 : ماتریس همبستگی فازی(FC) :
ماتریسی n*n می باشد که بوسیله ی ماتریس های عضویت حاصل از اجرای الگوریتم های مختلف فازی بر روی مجموعه داده با c خوشه ایجاد می شود . هر درایه ماتریس همبستگی فازی fc_ij نشان دهنده آن است که نقاط داده ای متناظر با آن با چه درجه ای با یکدیگر هم خوشه می باشند و یا به عبارتی رفتار آنها در قبال خوشه های مختلف چقدر با هم شباهت دارد .
تعریف 2 : ماتریس استحکام (S) :
این ماتریس مجموع همه ی ماتریس های همبستگی فازی حاصل از اجرای الگوریتم ها و متد های مختلف فازی می باشد و هرچه درجه ی هر یک از درایه های آن بیشتر باشد نقاط داده ای متناظر با آن از پایداری و استحکام بیشتری برخوردار می باشد و برعکس هرچه درجه ی یک درایه کمتر باشد اتصال بین نقاط داده ای متناظر با آن ضعیف تر خواهد بود .

۵- دوام: میزان استفاده از یک محصول تا وقتی که کیفیت خود را کاملاً از دست داده به نحوی که دیگر قابل استفاده نباشد و اجبارا باید تعویض شود .
۶- قابلیت تعمیرشدن: عبارتست از سرعت، دقت، سهولت و قابلیت تعمیرپذیری .
۷- زیبایی: عبارتست از اینکه یک محصول چطور به نظر می­رسد، احساس می­ شود و بیان می­ شود .
۸- کیفیت درک شده: عبارتست از برداشت مشتری از کیفیت محصول جدای از آن چه واقعاً هست(سیدی و دیگران،۱۳۸۸).
حساسیت به نام­تجاری­کالا: گرایش مصرف ­کننده به خرید نام­های شناخته­تر و گران‌تر (مخلیص،۲۰۰۹،حاجی­کریمی و شهابی،۱۳۹۰).

۲-۲-۴-۲ نگرشهای­کیفیت:

۱- نگرش مشتری محور: نخستین نگرش به کیفیت، قابلیت پاسخگویی به خواسته مشتری تعریف می‌شود. این تعریف ابتدا در سال ۱۹۶۸ توسط ادواردز^[۵۵]و در سال ۱۹۸۸ توسط جوران^[۵۶] بیان شده است. در این نگرش خواسته مشتری و پاسخگویی به آن، محور جهت گیری سازمان قرار دارد و از این رو به آن کیفیت مشتری­محورگفته­می­ شود.
۲- نگرش تولید محور: در این نگرش کیفیت با میزان تطابق محصول با یک طرح یا مشخصه محک می‌خورد.­ تعریف­گیلمور ­از کیفیت ­­بیانگر این ­نگرش­ است.
۳- نگرش محصول­محور: در این نگرش کیفیت عبارت است از میزان ویژگی‌های ارزشمند در یک محصول. لیفلر^[۵۷] این تعبیر را در سال ۱۹۸۲ ارائه کرد ودرآن مشخصه‌ های محصول را محور کیفیت قرار داد.
۴- نگرش تعالی­محور: این نگرش یک مفهوم انتزاعی از ادراک کیفیت را بیان می‌دارد. پیرسیگ^[۵۸] کیفیت را مستقل از ویژگیهای محصول و یا برداشت ذهنی خاص می‌داند ولی بر این باور است که مردم کیفیت را هر کجا ­که ببینند به راحتی تشخیص می­ دهند.
۵- نگرش ارزش محور: پنجمین نگرشی که برای کیفیت توسط بروه در سال ۱۹۸۲ ارائه شده است، کیفیت را میزان مطلوبیتهای یک محصول با یک قیمت مناسب (برای مشتری) و هزینه قابل پذیرش (برای تولیدکننده) تعریف می‌کند(غفاریان و جهانگیری،۱۳۸۷).

۲-۲-۴-۳ کیفیت و ارزش ادراک شده فرآیندهای ارائه خدمات
بانک­ها برای ارائه خدمات به مشتریان و کسب سود شکل گرفته اند. پس مهمترین اصل و پایه بانک، مشتری است ، بانک بدون مشتری معنی ندارد. بنابراین ارائه خدمات سریع و به دور از بوروکراسی برای قانون، وظیفه هر بانکدار است . از سوی دیگر کیفیت نیز یکی از مهمترین مفاهیمی است که در حوزه های مدیریت مورد توجه مدیران و محققان قرار داشته است. تا کنون تعاریف و تعابیر متعددی از کیفیت در مطالعات پیشین استفاده شده است که می توان به برخی از آنها مانند کمال، ارزش و تطابق با ویژگیهای از پیش تعریف شده اشاره نمود. اما به نظر می رسد تعاریف امروزی از کیفیت بیشتر به در نظر گرفتن ارزیابی مشتری از مطلوبیت کالا یا خدمت تاکید دارند. کیفیت و ارزش ادراک شده ، دریافت مصرف کنندگان از کیفیت کلی یا فوق العادگی محصول یا خدمت است . کیفیت ادراک شده ارزیابی جامعی از ادراک مصرف کننده نسبت به کیفیت محصول است همزمان با بهبود مستمر محصولات ، انتظارات مصرف کننده از کیفیت محصولات هم افزایش یافته و از این رو نایل شدن به سطحی مطلوب از کیفیت ادراک شده مشکل تر گردیده است . از این رو بسیاری از تحقیقات به این مسئله علاقه مند شده اند که بدانند نگرش مصرف کنندگان درباره کیفیت محصولات چگونه شکل می گیرد. (کشوری و دیگران ،۱۳۹۱)
کیفیت شامل دو بعد است : بعد تکنیکی و بعد عملکردی . کیفیت تکنیکی به جنبه های محسوس خدمات و به طور کلی اینکه چه چیزی به مشتری تحویل داده می شود اشاره دارد. کیفیت عملکردی به جنبه های غیر محسوس خدمات اشاره دارد و اینکه چگونه خدمات عرضه می گردد . به طور خاص، کیفیت عملکردی به رفتار کارکنان ارائه کننده آن خدمت و چگونگی تعامل میان کارکنان و مشتریان در طول فرایند ارائه خدمات اشاره دارد. فعالیت های کارکنان در سازمان با مشتریان سازمان در ارتباط است . این فعالیت ها عملی حیاتی در توسعه روابط موثر با مشتری می باشند. بنابراین مهارتها، نگرشها و رفتارکارکنان رد این زمینه حائز اهمیت است چرا که نهایتا افراد برای ارائه خدمات با کیفیتی که مورد انتظار مشتری باشد، مسئولیت دارند. از مهمترین عواملی که می تواند رفتارها، نگرشها و تعاملات کارکنان را در جهت ارائه هر چه بهتر کیفیت خدمات به کار گیرد(طباطبایی،۱۳۸۹)
کیفیت ادراک شده، ادراک مصرف کننده از کیفیت کلی و یا برتری کالا یا خدمتی در مقایسه با سایر گزینه های موجود در بازار است. از این رو، نتایج برخی تحقیقات نشان می دهد که برای خلق و مدیریت برند قدرتمند، باید کیفیت ادراک شده برند را مصرف کنندگان بررسی کنند. بدین منظور، گروهی از محققین در تحقیقات خود به این نتیجه رسیده اند که کیفیت ادراک شده از برند، یکی از عوامل موفقیت تعمیم برند است؛ زیرا مصرف کنندگان، تعمی مهایی را که از برندهای با کیفیت بیشتر نشئت گرفته، بسیار مطلو بتر از تعمی مهایی که از برندهای با کیفیت متوسط نشئت گرفته است ارزیابی می کنند(بورمن و دیگران، ۲۰۰۹).
با اینکه ویژگی ها یا مزایای خاصی که با ارزیابی و ادراکات مطلوب درباره کیفیت محصول همراه است از یک طبقه به طبقه دیگر متفاوت است با این وجود د رتحقیقات گذشته ابعاد عمومی کیفیت ادراک شده محصول به صورت زیر مشخص گردیده است :
۱-عملکرد به ویژگی های اصلی محصول مربوط است .

2. 2. خصوصیات ، عوامل ثانویه محصول که مکمل ویژگی های اصلی است .

2. 2. کیفیت تطبیق ، درجه برآورده بودن مشخصات محصول و معیوب نبودن آنها

۴٫اعتبار ، ثبات عملکرد در طول زمان و از یک خرید به خرید دیگر
۵٫دوام ، عمر اقتصادی مورد انتظار محصول
۶٫سرویس دهی ، در د سترس بودن خدمات محصول
۷٫سبک یا طرح ، ظاهر یا احساس کیفیت .
کیفیت ادراک شده محصول نه فقط به عملکردکارکردی آن ، بلکه به عوامل دیگری چون سرعت، دقت و اطمینان در ارسال ونصب محصول و سرعت و مفید بودن خدمات مشتری، آموزش و کیفیت خدمات تعمیر و نگهداری و ….بستگی دارد.
بنابراین معمولا کیفیت را براساس تطابق پذیری محصول با ویژگیهای مدنظر مشتری و یا میزانی که محصول می تواند انتظارات قبلی مشتری را برآورده سازد، تعریف می کنند جامعه کیفیت آمریکا کیفیت را به عنوان ” ویژگیهایی از محصول که توان برآورده سازی نیازهای صریح یا ضمنی مشتری را دارند” تعریف می کند. با دقت به این تعریف می توان دید که کیفیت به عنوان مفهومی ذهنی که توسط مشتری ادراک شده و حول برآورده سازی نیازهای وی شکل می گیرد تعریف شده است. تاکنون تلاش های متعددی برای توسعه مدلهای اندازه گیری کیفیت در حوزه خدمات صورت گرفته است. استفاده از این مدل ها در اندازه گیری ادراک مشتریان از کیفیت خدمات به مدیران این امکان را می دهد که مسایل و مشکلات موجود در کیفیت خدمات را شناسایی کرده و برای حل آن چاره اندیشی کنند و بتوانند برند سازمان را توسعه دهند. به گفته گرونروس^[۵۹](۱۹۸۴) ” هنگامی که ارائه کننده خدمات می داند که مشتریان چگونه خدمات را ارزیابی می کنند، قادر خواهند بود که این ادراک ها را در جهت مطلوب سوق دهد.” پژوهشهای محققین در سال های ۱۹۸۵ و ۱۹۸۸ نهایتا منجر به ارائه مدلی شد که در آن کیفیت خدمات از دیدگاه مشتریان برا ساس پنج سازه زیر بنایی و اساسی مورد سنجش قرار می گرفت. این سازه ها عبارت از وضعیت ظاهری و امکانات قابلیت اتکا، پاسخگویی ، تضمین و همدلی می باشد. ابعاد کیفیت در مدل سروکوال و تعدریف مرتبط به آنها در جدول ذیل ارائه شده است .