بکارگیری شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی Falcon برای طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور

نوع مقاله: فناوری اطلاعات( مدیریت دانش -سیستم اطلاعاتی -برون سپاری)

نویسندگان

1 دانشجوی دکتری، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی تهران - واحد شمال، تهران، ایران

2 دانشیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی تهران - واحد مرکز، تهران، ایران

3 استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی تهران،واحد علوم وتحقیقات، تهران، ایران

4 استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی تهران، واحد شمال، تهران، ایران

چکیده

مهمترین هدف پژوهش حاضر، ارائه مدل کسب‌وکار مبتنی بر اینترنت اشیاء بر اساس بکارگیری شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی Falcon در مؤسسه ملی توسعه تحقیقات علوم پزشکی ایران (NIMAD)، است. در واقع مسائل این پژوهش را می‌توان خستگی تصمیم‌گیران و پزشکان در مؤسسه ملی توسعه تحقیقات علوم پزشکی ایران بر اثر ترکیب روش‌های مختلف طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور و نیز نیاز به استفاده از سیستم T-MEDICINE+IOT.F-ANFIS در افزایش اعتماد و اطمینان در تصمیم‌گیری، و همچنین مسئله نیاز به تخصص چندگانه از طریق به‌کاربردن همزمان دانش چند نفر خبره حوزه‌های مختلف برای حل مسئله طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور، بیان نمود. در پژوهش حاضر، به منظور طراحی سیستم هوشمند مبتنی بر شبکه‌های عصبی-فازی Falcon از محیط برنامه نویسی Matlab R2017b استفاده شد. در نهایت، با استفاده از خروجی‌های سیستم T-MEDICINE+IOT.F-ANFIS می‌توان وضعیت "طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور" را بر اساس متغیر‌هایی چون استفاده از اینترنت اشیاء در پزشکی ازراه دور؛ قابلیت مدیریت دستگاه‌ها و اشیاء؛ موقعیت شبکه‌های اینترنت اشیاء؛ امنیت اینترنت اشیاء؛ میزان آشنایی با تحلیل کاربردهای اینترنت اشیاء؛ مورد تحلیل قرار داد. در واقع، اختلاف نهایی بین تحلیل خروجی‌های سیستم T-MEDICINE+IOT.F-ANFIS و میانگین نظرات پزشکان از راه دور و متخصصان مدل کسب‌وکار مبتنی بر اینترنت اشیاء معنی‌دار نبوده و برابر با 065/0 است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Application of Falcon Artificial Neural Networks and Fuzzy Inference System (F-ANFIS) for Designing an Internet-of-Things Based Business Model in the Field of Telemedicine

نویسندگان [English]

  • Masoomeh Omidvar 1
  • MohammadAli Afshar Kazemi 2
  • Abbas Tolouei 3
  • Maryam Shoar 4
1 PhD student in Information Technology Management, Faculty of Management, Islamic Azad University of Tehran Shomal Branch, Tehran, Iran
2 Department of Information Technology Management, Faculty of Management, Islamic Azad University of Tehran Central Branch, Tehran, Iran
3 Professor, Department of Information Technology Management, Faculty of Management, Islamic Azad University, Science and Research Branch, Tehran, Iran
4 Assistant professor, ِDepartment of Information Technology Management, Islamic Azad University, Tehran Shomal Branch, Tehran, Iran
چکیده [English]

The main purpose of this study is to use Falcon's artificial neural networks and fuzzy inference system to designing an IOT-based business model in telemedicine at the National Institute of Medical Research Development of Iran. In fact, the research fatigue of NIMAD decision makers and physicians can be explained by the combining different ways of designing an IOT-based business model in telemedicine. In addition the need to use the T-MEDICINE+IOT.F-ANFIS system to increase confidence and reliability in Decision making, as well as the issue of the need for multiple expertise through the simultaneous using multi-disciplinary knowledge of different areas to solve the problem of internet of things-based business model. In this study, the Matlab R2017b programming environment was applied to design an Expert system based on Falcon neural networks. Finally, using the T-MEDICINE+IOT.F-ANFIS system outputs, the status of "IOT-based business model in telemedicine" can be analyzed based on variables such as following items: Using IOT in telemedicine; the ability to managing devices; The IOT networks position; IOT security; the degree of familiarity with the analyzing IOT applications. In fact, the final difference between the analyzing the outputs of the Expert system based on Falcon neuro-fuzzy system of this study, and the average views of Telemedicine physicians and IOT-based business model specialists, It is not significant and it equals to 0.065.

کلیدواژه‌ها [English]

  • Business Model
  • Telemedicine
  • Internet of Things
  • Falcon Neural-Fuzzy Inference System
  • National Institute of Medical Research Development

Antunes, M., Catarina S., & Joaquim B. (2016). A Telemedicine Application Using WebRTC. Procedia Computer Science, Conference on Health and Social Care, Information Systems and Technologies, October 5-7, 2016. Elsevier, 100, 414-420.

Chen Liang-Hsuan, Wen-Chang Ko, & Feng-Ting Yeh. (2016). Approach based on fuzzy goal programing and quality function deployment for new product planning. European Journal of Operational Research, In Press, Corrected Proof, Available online 20 October 2016.

Dar, K., Aherkordi, A., Baraki, H., Eliassen, F. & Geihs, K. (2015). A resource oriented integration architecture for the Internet of Things: A business process perspective. Pervasive and Mobile Computing, 20, 145-159.

Deng, Yong-Yuan, Chen, Chin-Ling, Tsaur, Woei-Jiunn, Tang, Yung-Wen, Chen, & Jung-Hsuan (2017). Lightweight distributed secure data management system for health internet of things. Journal of Network and Computer Applications, 89, 26-37.

Dijkman, R.M., Sprenkels, B., Peeters, T. & Janssen, A. (2015). Business models for the Internet of Things. International Journal of Information Management, 35(6), 672-678.

Divsalar, M., Safaei Qadikalaei A., & Medhoushi. M. (1396). Development of DANP decision-making method based on fuzzy sets. New research in decision making. 2(3), 123-145 [In Persian].

Domingo, M. C. (2012). An overview of the Internet of Things for people with disabilities. Journal of Network and Computer Applications, 35 (2), 584-596. https://doi.org/10.1016/j.jnca.2011.10.015

Elahi, Sh., Rashidi, M. & Sadeqi, M. (1394). The designing the fuzzy Expert system for the chief privacy manager in the field of government e-government and business transactions. Information Technology Management. 7(3), 511-530 [In Persian].

Gholam Nia, M., Zahedi E. & Abbaspoor S. (1396). Surveillance of Internet-based Physical Sensor Networks, First International Conference on Modern Technologies in Science, Amol, Amol University of Technology [In Persian].

Glova, Jozef, Tomáš Sabol, & Viliam Vajda (2014). Business Models for the Internet of Things Environment. Procedia Economics and Finance, 15 (2014) 1122-1129.

Gomes, Julius Francis (2015). Futures business models of an Internet of Things (IoT) enabled Healthcare sector. University of OULU. Master’s Thesis. Department of Management & International Business.

Laya, A., Markendahl, J. & Lundberg, S. (2018). Network-centric business models for health, social care and wellbeing solutions in the internet of things. Scandinavian Journal of Management, 34 (2), 103-116.

Lee, C.K.M., Chloe Tan Ying Ru, C.L. Yeung, K.L. & Choy, W.H. Ip. (2015). Analyze the healthcare service requirement using fuzzy QFD. Computers in Industry, 74 (2015) 1-15.

Lin, Chin-Teng & George Lee, C. S. (1996). Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Expert systems Hardcover –Publisher: Prentice Hall; Har/Dskt edition (May 1, 1996).

Liu, Cricket (2015). Securing networks in the Internet of Things era. Computer Fraud & Security, 4 (2015) 13-16.

Manteghi, M., & Sahebi Saeedi, F. (1392). Business Models, Basics, Evaluation, Innovation. Journal of Technology: 9 (35), 39-51. [In Persian].

Mishra, Rabi Narayan & Kanungo Barada Mohanty (2016). Real time implementation of an ANFIS-based induction motor drive via feedback linearization for performance enhancement. Engineering Science and Technology, an International Journal, In Press, Corrected Proof, Available online 28 September 2016.

Mobini, M., Khadivar, A. & Rouhani. S. (1396). Evaluation of Green IT Maturity using Fuzzy Inference System. Management Researches in Iran. Teacher Training University. 21 (4), 51-71 [In Persian].

Rong, Ke,  Hu, Guangyu, Lin, Yong,  Shi, Yongjiang & Guo, Liang. (2015). Understanding business ecosystem using a 6C framework in Internet-of-Things-based sectors. International Journal of Production Economics, Volume 159, January 2015, Pages 41-55

Sekolovska, Mirjana (2012). Internet Business Models for E-Insurance and Conditions in Republic of Macedonia. Procedia Social and Behavioral Sciences, 44(2012) 163-168.

Sudtasan, Tatcha & Hitoshi Mitomo (2018). The Internet of Things as an accelerator of advancement of broadband networks: A case of Thailand. Telecommunications Policy, 42(4), 293-303.

Taqizadeh, N., & Zolf Pourakarloo M. (1396). Iranian Healthcare Approach to the Internet of Things Technology, 4th International Conference on Knowledge Based Research in Computer Engineering and Information Technology, Tehran, University of Abrar [In Persian].

Whitmore A, Agarwal A, & Da Xu L. (2015). The Internet of Things: A survey of topics and trends. Information Systems Frontiers, 17(2), 27- 261.

Zheng, X., Chen, N., Chen, Z., Rong, C., Chen, G, & Guo, W. (2014). Mobile Cloud based Framework for Remote-Resident Multimedia Discovery and Access, Journal of Internet Technology, 15(6), 1043-1050.