تعیین ضخامت سنگفرش 50 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 70

برای تعیین ضخامت مؤثر سنگفرش پیاده روی موجود بر حسب ضخامت HMA، یک یا چند ضریب تبدیل باید یافت شود. اگر پیاده روی موجود عمق کامل باشد، روش 1، بر اساس شاخص سرویس دهی موجود (PSI) روی موجود، می تواند برای تعیین ضریب تبدیل بکار برود در غیر اینصورت، روش 2 بر اساس شرایط فردی هر لایه، باید بکار برود تا ضریب تبدیل هر لایه مشخص گردد.

روش1: شکل 13.2 ضرایب تبدیل C را برای پیاده روهای آسفالت با عمق کامل بر اساس پیاده رویی موجود در زمان over lay را می دهد، دو منحنی در شکل، تفاوت در عملکرد را پس از قرار دادن over lay را نشان می دهد. منحنی بالایی، خط A، پیاده روها را با یک میزان کاهش یافته تغییر در PSI در مقایسه با میزان تغییر آنها قبل از over lay را نشان می دهد. منحنی پایینی، خط B، یک میزان تغییر در PSI حدود همان مقدار قبل از over lay را نشان می دهد و بنابراین تا حدی محافظه کارانه است. انتخاب بین دو منحنی موضوع قضاوت و تجربه است. ضرایب تبدیل نشان داده شده در شکل 13.2 فقط برای HMA بکار می رود. اگر مخلوط های آسفالت امولسینهای شده استفاده شوند، ضرایب اکی والان نشان داده شده در جدول 13.2 باید استفاده گردد. ضخامت مؤثر هر لایه موجود با ضرب کردن ضخامت واقعی هر لایه در ضریب تبدیل و ضریب اکی والانسی مناسب بدست می آید. کل ضخامت مؤثر توسط

جمع کردن ضخامت مؤثر مجزایی تمام لایه های سنگفرش بدست می آید:

(13.5)

h و c وE ضخامت، ضریب تبدیل و ضریب اکی والانسی لایه i وn تعداد کل لایه ها است.

مثال13.2:

عمق سنگفرش آسفالت(عمق کامل) شامل یک HMA 2 اینچ و یک بستر base آسفالت امولسیفای نوع II اینچی6 قرار است روکش over lay شود.

جواب:

از شکل 13.2، بر اساس خطA و 0.6 بر اساس خط B است.از جدول 13.2، ، از معادله 13.5، . بر اساس خط A و . بر اساس خط B است. اگر c متوسط بکار رود .

روش2 : در این روش شرایط هر لایه مجزا ارزیابی می شود و ضریب تبدیل

مناسب c از جدول 13.3 بدست می آید. شبیه به معادله 13.5 ضخامت مؤثر چنین بدست می آید:

(13.5)

روش 2 می تواند برای سنگفرش های عمق کامل استفاده شود. اگر PSI معلوم باشد. هر دو روش 1 و2 استفاده و مقایسه شود. اگر چه تغییرات در مقادیر نشان داده شده در جدول 13.3 بر اساس تحلیل شهودی است، ولی تجربه نشان داده است که آنها برای طراحی over lay مفید می باشند.

مثال 13.3

ضخامت مؤثر یک سنگفرش شامل یک سطح 4 in HMA ای، یک بستر 6 in ای(152mm) و یک زیر بستر sub base قلوه سنگ شکسته crushed gravel را تعیین نمایید.

مقاله درباره پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 30

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

Johannes Schemmel1, Karlheinz Meier1, and Felix Sch¨urmann1

Universit¨at Heidelberg, Kirchho_ Institut f¨ur Physik, Schr¨oderstr. 90, 69120

Heidelberg, Germany,

[e-mail],

WWW home page: http://www.kip.uni-heidelberg.de/vision.html

خلاصه

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .

این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .

اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .

از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .

این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .

یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .

یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .

دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .

ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .

برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .

در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .

شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .

مسئله اصلی که هنوز باید حل شود آموزش است .

حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .

در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .

آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .

دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .

اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .

بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .

اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .

برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .

این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .

مقاله درمورد پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 30

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

Johannes Schemmel1, Karlheinz Meier1, and Felix Sch¨urmann1

Universit¨at Heidelberg, Kirchho_ Institut f¨ur Physik, Schr¨oderstr. 90, 69120

Heidelberg, Germany,

[e-mail],

WWW home page: http://www.kip.uni-heidelberg.de/vision.html

خلاصه

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .

این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .

اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .

از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .

این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .

یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .

یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .

دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .

ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .

برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .

در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .

شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .

مسئله اصلی که هنوز باید حل شود آموزش است .

حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .

در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .

آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .

دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .

اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .

بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .

اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .

برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .

این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .

تحقیق درمورد پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 30

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

خلاصه

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .

این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .

اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .

از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .

این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .

یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .

یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .

دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .

ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .

برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .

در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .

شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .

مسئله اصلی که هنوز باید حل شود آموزش است .

حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .

در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .

آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .

دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .

اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .

بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .

اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .

برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .

این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .

با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .

همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .

تحقیق در مورد ERPو اثرات پیاده سازی آن در حوزه حسابداری 21 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 21

چکیده مطلب :

ERP یک بسته نرم افزاری تجاری است که هدف آن یکپارچگی اطلاعات و جریان اطلاعات بین تمامی بخشهای سازمان از جمله مالی، حسابداری، منابع انسانی، زنجیره عرضه و مدیریت مشتریان می باشد . این سیستم بوسیله بهبود کیفیت اطلاعات در سطح کل سازمان ، بستر مناسب تری برای تصمیم گیری مدیریت فراهم می کند . لیکن پیاده سازی ERP ، نیازمند سرمایه گذاری کلانی می باشد و بازدهی آن نیز مستلزم گذشت زمانی بین یک تا سه سال است. در چند ساله اخیر ، با مشخص شدن آثار عملی بکارگیری این سیستم در شرکتها ، تحقیقات متعددی در مورد بررسی آثار ERP ، در حوزه های مختلف حسابداری صورت گرفته است . طبق نتایج برخی از این تحقیقات ، پیاده سازیERP ، موجب افزایش مربوط بودن اطلاعات حسابداری و تا حدودی کاهش قابلیت اتکای آنها می شود . از طرفی این سیستم ها ، کیفیت بودجه بندی سرمایه ای و بودجه جامع شرکت ها را نیز بهبود می بخشند. استقرارERP ، بر اظهار نظر تحلیل گران مالی نیز اثر مثبت دارد . ( هر چند که آنها این اظهار نظر خود را از بابت ابعاد تجاری سازمان تعدیل می کنند . )ERP همچنین ، مسئولیت پاسخگویی کارکنان در سازمان را به سطحی بالاتر ارتقاء می دهد و ابزار مناسبی جهت پاسخ خواهی از مدیریت ارشد شرکت فراهم می آورد .

واژه های کلیدی :

ERP ، سیستم مدیریت منابع بنگاه ، پیاده سازی ERP ، اثر ERPبر حسابداری

مقدمه

"واحد بازرگانی و فروش با ما هماهنگ نیست!! واحد تولید اطلاعات خود را به موقع در اختیار ما قرار نمی دهد و به همین علت سیستم بهای تمام شده ما هیچ گاه به روز نیست. چرا ما در هر لحظه از زمان نمی دانیم چه مقدار موجودی کالای آماده برای فروش داریم؟ و یا وضعیت تسهیلات دریافتی شرکت و سود تضمین شده آنها در حال حاضر چگونه است؟ و ... "

اینها شاید تنها قسمتی از اعتراضات به حق حسابداران حرفه ای در دنیا تجارت امروز باشد که بایستی به آن مسائل و مشکلات سایر واحدهای شرکت و در رأس آن مدیریت ارشد سازمان را نیز افزود.تمامی این سئوال ها و احساس نیازهای جدید، با گسترش بیشتر حوزه های تجارت و فشردگی رقابت در بازارهای جهانی، ابعاد مهمتری به خود گرفته و عرصه را بر شرکت های بزرگ تنگ تر کرده است. تمامی این مسائل و مشکلات، ضرورت پیاده سازی سیستمی را مطرح می سازد که امکان مدیریت صحیح و یکپارچه بر کل منابع سازمان را فراهم کند.

یکی از آخرین فن آوری های اطلاعات در زمینه تحول جریان اطلاعات سازمانی،که با اعمال IT در تمام مراحل فعالیتهای یک بنگاه اقتصادی و برقراری تبادلات منطقی بین منابع مختلف سازمان، توانسته است پاسخی مناسب به ضرورت فوق الذکر بدهد ، (ERP) است. ERP مفهومی فراتر از معنای لغوی واژگان تشکیل دهنده آن دارد. « البته شکی نیست که همه چیز در حوزه سازمان یعنی کلمه Enterprise ختم می شود، لیکن دو کلمه Resource و Planning در تفسیر و استنباط ERP نقش مهمی ندارند. ERP تمام بخشها و وظایف آنها در سرتاسر شرکت را در یک سیستم رایانه ای ، یکپارچه می کند . به نحویکه نیازهای خاص تمام بخشهای سازمانی در این سیستم پشتیبانی می شوند.» ( زرگر ،1382، 249)

نگارندگان این مقاله سعی دارند در ابتدا با تشریح ابعاد مختلف ERP ، به یک مفهوم دقیق و عمیق در این رابطه دست یابند و سپس با تشریح پیاده سازی این سیستم، اثرات آن را در حوزه حسابداری بررسی کنند . لیکن از آنجایی که وسعت بحث بسیار گسترده می باشد ، بررسی های صورت گرفته در این مقاله معطوف به حوزه های خاصی از حسابداری می باشد که عبارتند از : قابلیت اتکا و مربوط بودن اطلاعات حسابداری ، مسئولیت پاسخگویی ، حسابداری مدیریت ( بحث بودجه بندی سرمایه ای ) و واکنش تحلیل گران مالی و حسابداری به پیاده سازی ERP

بخش اول : تشریح ابعاد مختلف ERP

1- ERP چیست؟

« ERPیک فکر، فن آوری و سیستم برای مدیریت با کارآیی بالا روی منابع مختلف در کل یک سازمان است. این نوع مدیریت از طریق یکپارچه کردن فعالیتها، در جهت بالا بردن کارآیی و بهره وری سازمان و افزایش رضایت و ارزش مشتری انجام می گیرد. ERP تمام مراحل عملیاتی یک فرآیند را در سازمان نمایش می دهد . یک سفارش پس از دریافت به بخش طراحی و سپس تولید هدایت می گردد. پس از آن به بخش انبار و نهایتاً به ارسال کالا منجر می شود. این مراحل تا صدور صورتحساب و محاسبات درآمد در ارتباط با آن سفارش در سیستم ERP ثبت و در اختیار تمام بخشهای مربوطه در شرکت قرار می گیرد. به همین دلیل ERP را یک نرم افزار Back – Office می نامند. چرا که تنها با ارتباطات و واحدهای داخلی سازمان کار دارد و به ارتباطات بیرونی سازمان (معروف بهFront – Office) کاری ندارد. وظایف اخیر امروزه به عهده سیستمهای CRM است . البته برخی شرکتهای تولید کننده نرم افزارهای ERP اخیراً محصول خود را همراه با خدمات CRM ارائه می کنند.» ( زرگر ،1382، 248)

ERPبا ایجاد بسته اطلاعاتی مناسب و تغییر نگرش و فرهنگ سازمانی به همراه بهینه سازی روندها و چالاکی حاصل از بستر فراهم شده ، امکان برنامه ریزی طبق شرایط سازمان را فراهم می سازد. به این ترتیب سازمان خواهد توانست به طور یکپارچه در راستای ایجاد مزایای رقابتی، افزایش درآمد و تحقق اهداف سازمانی گام بردارد . «سیستم برنامه ریزی منابع بنگاه، سیستمهای کامپیوتری قدیمی و مستقل واحدهای امور مالی، منابع انسانی، تولید و انبار را حذف می کند و به جای آنها تنها یک برنامه نرم افزاری یکنواخت شده قرار می دهد که از چند زیرمجموعه نرم افزاری که تقریباً شبیه سیستمهای قدیمی است تشکیل شده است. دوایر مالی، تولید و انبار همچنان صاحب سیستمهای خود هستند با این تفاوت که همه آنها در نرم افزار جدید به هم متصلند و در نتیجه کسی که در دایره مالی کار می کند می تواند نرم افزار انبار را ببیند و وضعیت حمل سفارش را بررسی کند .»(حسابرس ، 1383)

شاید کلاسیک ترین مثال عملی ضرورت بکارگیری ERP، مسئله دریافت سفارش جدیدی برای ساخت و تحویل یک محصول باشد. فرض کنید که شما به عنوان صاحب یک واحد تولیدی با چنین رویدادی روبرو شده اید. در صورتیکه این کالا در انبار موجود نباشد، باید نوع و تعداد قطعات و یا مواد اولیه مورد نیاز را مشخص کرده و برای خرید به واحد تدارکات بدهید. به طور موازی باید برنامه تولید را برای واحد تولید مشخص کنید. اگر تجهیزات شما در حال سرویس و یا تعمیر باشد، مشکل جدیدی پیش خواهد آمد. همین طور اگر پرسنل متخصص نداشته باشید. اسناد مالی برای تخمین قیمت تمام شده باید به واحد مالی یا حسابداری صعتی ارائه شوند. امور مربوط به ورود و خروج کالا در انبار نیز موضوع جداگانه ای است . ایجاد هماهنگی بین همه این کارها، علاوه بر هزینه و زمان، توان فکری زیادی را مصرف می کند که تنها از عهده یک سیستم ERP بر می آید.

2- سابقه تاریخی ERP

«مفهوم ERP برای اولین بار در دهه 1960 به وجود آمد. تا سال 1972، ERP مفهومی بدون نام بود که در هیچ طبقه بندی خاصی قرار نمی گرفت . در سال 1972، پنج تن از مدیران IBM از سمت خود استعفا داده و جهت تحقق مفهوم ERP، شرکت (SAP) را تأسیس کردند و امروزه یکی از پیشگامان جهانی نرم افزارهای ERP به شمار می روند . » (روش ، 1383)

ERP در واقع نسل جدیدی از سیستمهای اطلاعاتی است که (MIS) نسل قدیمی تر آن به حساب می آید. برای درک بهتر این موضوع، بی فایده نیست که نگاهی به تاریخچه سیستمهای اطلاعاتی بیندازیم.

« به طور کلی روند رشد وتغییر سیستم های کامپیوتری را می توان به سه نسل تقسیم کرد :

نسل اول : سیستم های جزیره ای

از دهه 60 میلادی به بعد ، با ارزان تر شدن کامپیوترها و تجهیزات آن (در آن زمان هنوز کامپیوترهای Mainframe یکه تاز دنیای کامپیوتر بودند) و همچنین با توجه به قدرتی که این سیستم ها در پردازش اطلاعات از خود نشان می دادند. شرکت های بزرگ مایل به استفاده از این سیستم ها شدند. در مرحله اول این سیستم ها بیشتر در مکان هایی که پردازش اطلاعات مهم بود، مورد استفاده قرار می گرفتند. امور مالی، محاسبه حقوق و دستمزد و انبارداری از این نوع سیستم ها می باشند، روند رو به گسترش استفاده از کامپیوترها بخصوص در دهه 70 میلادی با پا به عرصه گذاشتن کامپیوترهای شخصی وارد دوره جدیدی شد. در این دوره علاوه بر قدرت محاسباتی کامپیوترها، ظرفیت نگهداری اطلاعات آنها و سرعت دسترسی به این گونه اطلاعات نیز مورد توجه قرار گرفت. در دهه 80 میلادی با فراگیر شدن کامپیوترهای شخصی حتی مؤسسات کوچک نیز قادر به اتوماسیون سیستم های خود بودند. هر چند راه اندازی چنین سیستم هایی نیاز به پرداخت هزینه های آن داشت ولی خیلی زود باعث کاهش شدید هزینه های بخشی که از این سیستم ها استفاده می کردند، می شد. در این دوره هر بخش سازمان دارای سیستم های کامپیوتری بود و این سیستم ها مستقل از یکدیگر به کار خود مشغول بودند، به همین دلیل این سیستم ها را سیستم های جزیره ای می خوانند. با توضیحاتی که داده شد این سیستمها دارای خصوصیات زیر هستند :

1- ارتباط قوی اطلاعاتی بین آنها نیست ، وجود طراحیهای مستقل و نامرتبط باعث شده که گردش اطلاعات در هر سیستم محصور به خودش باشد و فقط در بعضی حالات یک ارتباط ضعیف و پر دردسر به صورت «ارسال رکورد» بین آنها وجود داشته باشد.

2- چاق و تنبل هستند، به مرور زمان مشخصات آنها تغییر کرده و طیف وسیعی از نیازهای کاربران سیستم را می پوشانند و در عین حال تغییرات در آنها به سختی انجام می شود. همین طور بخشی از وظایف و اهداف سیستمهای دیگر را به صورت ناقص پوشش می دهند. به عنوان نمونه در یک سیستم فروش بعضی از فعالیتهای مالی از قبیل رسیدگی به حسابهای دریافت و پرداخت خریداران انجام می گردد که طبعاً جزو وظایف سیستم حسابداری است.

3- نسبت به اهداف و فعالیتهای تجاری شرکت واگرا هستند به عبارت دیگر هر کدام هدف خاصی را دنبال می کنند و برآیند آنها بااهداف کلی شرکت تجاری منطبق نیست. هر کدام از سیستمها داده های مربوط به خود را پردازش می کنند و این داده به دلیل عدم ارتباط فیزیکی و منطقی با یکدیگر متناقض هستند و بنابراین امکان استنتاج اطلاعات جدید به صورت ترکیبی از اطلاعات دو یا چند سیستم میسر نمی باشد. (در بحث هدایت و رهبری یک سازمان به سمت یک هدف استراتژیک، همواره ترکیبی از اطلاعات هر یک از سیستمها نیاز است)

4- هزینه نگهداری و پشتیبانی آنها زیاد است، به دلیل استفاده از تکنولوژی قدیمی و پیچیده تر شدن نیازهای کاربران ، همواره پیاده سازی بعضی نیازها یا مشکلات تکنولوژیکی و طراحی مستلزم صرف وقت و هزینه زیادی است . بعضی نیازهای جدید منجر به تغییر در طراحی کلان سیستم و یا دارای اثر جانبی روی سایر بخشهای سیستم است.

5- وجود افزونگی و کارهای تکراری در فعالیت سیستمها . همانگونه که اشاره شد به مرور زمان در هر یک از سیستمهای جزیره ای تغییراتی اعمال می گردد که به دلیل استقلال طراحی هر کدام و عدم ارتباط فیزیکی با یکدیگر به صورت تکراری و موازی در خواهند آمد.