文献

J-GLOBAL ID：201702286178911955   整理番号：17A1876276

ロバストな分散型組織ネットワーク構造設計のモデリングとシミュレーション解析【JST・京大機械翻訳】

Modeling and simulation on robust communication network structure of distributed organizations

著者 (2件)： Liu Haibin (華中科技大学管理学院,湖北武漢,430074) ,  Hu Bin (華中科技大学管理学院,湖北武漢,430074)
資料名： Guanli Gongcheng Xuebao  (Guanli Gongcheng Xuebao)
巻： 31  号： 3  ページ： 155-161  発行年： 2017年 
JST資料番号： C3763A  ISSN： 1004-6062  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： Wattsのカフマンネットワーク構造モデルを用いて、分散型組織の人間の相互作用ネットワーク構造モデルを構築し、そしてNKモデルと組織学習理論に基づいて学習性能の演算を提供した。異なるネットワーク構造における学習性能を一連のシミュレーション実験により調べた。半分離ネットワーク構造は最適なモデルであり、組織に高い学習性能をもたらすことが分かり、同時に、ネットワーク構造が組織規模、学習速度、動的環境とメンバー関係の変化状況下で強いロバスト性を持つことを検証した。我々は次のことを発見した。(1)動的環境において、ある程度の離職は組織の学習に有益であり、安定したメンバー関係より高い業績をもたらし、しかも半隔離のネットワーク構造は他の構造より弱いメンバーの離職によるマイナス作用が強い。(2)個体の学習速度が区間[0.5,0.7]の場合,学習性能が最も高く,0.7以下の場合には,半ブロックの構造が最適であるが,0.7以上では,組織の学習性能はコミュニケーション構造に独立している.(3)動的変化環境において,半分割の組織構造は,高い長期学習利益を維持することができた。(4)分散型組織の学習性能は規模の増加につれて小さくなり、いずれの規模でも、半隔離のネットワーク構造の性能が最も高い。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデル ,  *シミュレーション ,  コミュニケーション ,  組織構造 ,  相互作用 ,  *構造設計 ,  *ロバスト性 ,  *ネットワーク構造 ,  *ネットワーク ,  学習 ,  *モデリング
準シソーラス用語： 動的環境 ,  学習速度 ,  組織学習 ,  構造モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： Distributed organizaitons ,  Caveman model ,  NK model ,  Orgnaizational learning ,  Communication

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (6件)： ロバスト ,  組織 ,  ネットワーク構造 ,  設計 ,  モデリング ,  シミュレーション解析