5.3. Infrastructure Layer Infrastru

5.3. Infrastructure Layer
Infrastructure Layer provides a uniﬁed access interface to achieve transparent access to the resources in Physical Layer. Infrastructure Layer contains resources that have been abstracted/ encapsulated (usually by virtualization) so that they can be exposed to upper layer and end users as integrated resources, for instance, virtual computers/clusters, LAN/WAN, logical ﬁle systems, database systems, etc ( Foster et al., 2008 ). This layer manages virtualized resources to direct manipulation of resources and optimal scheduling via Management component. Management
N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74
component does a variety of managing duties such as resource def
inition, integration, virtualization, publishing and monitoring. The component of this layer is shown in Fig. 13 .
5.4. Resource Layer
Resource Layer contains the raw distributed resources such as network resources, hardware resources and software resources based on World Wide Web and computer networking. Network resources include a variety of network resources such as communi-

cation port, switches, routers, and hubs. Hardware resources include a variety of computing resources and memory resources. Software resources include a variety of software resources such as data resources, software resources, and knowledge resources. This layer employs network protocols to transfer the information and data. Fig. 14 illustrates this layer and its components.

6. Implementation
By means of system analysis in Section 4 and the proposed architecture in previous section, in this section the implementation of the Expert Cloud is presented. We used PHP and MySQL to implement the proposed architecture. This is a web-based application which is now ready to use at www.ExpertCloud.ir . Home page of web-based application of the Expert Cloud is shown in Fig. 15 .
HR after registration can access the Expert Cloud using assigned usernames and passwords via the web site. Fig. 16 shows the login page of the Expert Cloud which is accessible on www.ExpertCloud. ir . Upon logging into the Expert Cloud, HR can access their accounts through a common interface, discover other HR, and send their task to appropriate HR without knowing their location.
Moreover, manager can login the Expert Cloud with predeﬁned username and password (see Fig. 17 ). In this page manager can conﬁrm or deny the membership requisition; generate reports such as number of HR with speciﬁc skills, expertise and trust value, and number of idle and busy HR; recognize misbehaved HR; perform quality related actions, and reward or penalize the HR based on their performance.
In the next section experimental results are provided to demonstrate the effectiveness of the proposed scheme.
7. Results
In this section two sets of tests have been employed in order to study and evaluate the practicality of the Expert Cloud. First set is designed to evaluate statistical information about the Expert Cloud from May 12 to Apr 14 including: number of registered members who are categorized based on their expertise and skills, number of assigned and completed tasks, and customer’s satisfaction. Second sets are designed to assess the superiority of the Expert Cloud over traditional methods in managing and employing HR which used to be done locally. As it was mentioned in previous section, PHP has been used to implement the Expert Cloud, and also it used to perform the aforementioned tests.
7.1. Statistical information
The Expert Cloud project was ﬁrst introduced in mid-2011 and after a series of tests it has been used with its functionality since the end of that year. In this section some statistical information from Jan 12 to Apr 14 has been provided to show the effectiveness and acceptance of the Expert Cloud.
7.1.1. Number of registered HR
In this subsection we consider the number of registered HR in the Expert Cloud which is a good sign of its popularity, inﬂuence and acceptance. The number of HR in the Expert Cloud are increasing since it was ﬁrst started its life cycle, and by the end of Apr 14 it was counted more than 8000 registered users. Fig. 18 depicts this increasing ﬂow from May 12 to Apr 14.
As illustrated in Fig. 18 , the Expert Cloud is very acceptable and popular especially among computer and electrical engineers. Six high majorities of the members of HR are: computer engineers; electronic engineers; mathematicians; doctors; industrial engineers and accountants respectively.
7.1.2. Completion of the assigned tasks
The most important role of the Expert Cloud is to facilitate the fulﬁllment of the tasks by assigned HRs who are virtually searchable and are in interaction with each other. In a given time, 1034 tasks were assigned to HR among which 928 were successfully completed within the accorded deadline. Fig. 19 depicts the number of task in a given time period and those which were fulﬁlled successfully within their deadline.
7.1.3. Customer satisfaction
Over the past two decades, organizations and societies of all types have increasingly recognized and acknowledged the importance of customer satisfaction ( Bayraktar, Tatoglu, Turkyilmaz, Delen, & Zaim, 2012 ). In the Expert Cloud, customer satisfaction is a measure of how the provided services by HR meet the customer expectation. Here, the basic idea is to let customer express her/his satisfaction about the quality of provided services by an
Data Assurance and Security
HR upon the completion of a task. Therefore, customer can rank
Application
Infrastructure
HR by choosing one of these scores: very satisﬁed (1), satisﬁed (0.8), neutral (0.5), unsatisﬁed (0.2), very unsatisﬁed (0). Fig. 20 illustrates the average of customer satisfaction values for all HR

in seven groups over the deﬁned time (May 2012 – Apr 2014).
7.2. Practical Scenario

Others
The following practical scenario is provided to help evaluate the
Resource
efﬁciency of the Expert Cloud. In this scenario the following
Fig. 13. Layered architecture of the Expert Cloud—Infrastructure Layer. assumptions are considered.
N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74

N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74
Number of Tasks Number of HR
10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0

Time
120
100
80
60
40
20
0

Time
Others Accountant Industrial Engineer Doctor Mathema cian Electrical Engineer Computer Engineer
Assigned Tasks
Fulﬁlled Tasks in their Deadline
• 20 people (customers) need a website designer to create a personal website for them (number of tasks are 20).
• These people (tasks) are distributed in different cities (see Table 1 ); C1 (T1 ...T4), C2 (T5 ...T7), C3 (T8 ...T14), C4 (T15 ...T18)and C5(T19, T20).
• There are 15 website designers (HR) who can perform the customers’ requests.
• These HR are distributed in different cities as follow (see Table 1 ): C1 (HR1), C2 (HR2,HR3), C3 (HR4 ...HR8), C4 (HR9, HR10) and C5 (HR11 ...HR15).
• Each HR needs about one week to design a website.
With the use of the Expert Cloud each customer can contact any designer in any cities whereas without the Expert Cloud in place apart from the excessive costs and waste of time to search and sign a contract with designers, in best case, customers will face two shortcomings: ﬁrst, they can only use those designers in their own cities and second, they might not ﬁnd some of the designers or might sign contract with those with less experience or lower degree of trust. In this section we consider three factors (HR utilization rate, customer response time and task completion time) to evaluate the performance of the Expert Cloud in comparison of face-to-face ( Lewis & George, 2008 ) and local service delivery methods ( Bovaird & Lofﬂer, 2002; Howell-Moroney, 2008; Layug, 2009; Osiche, 2008 ).
7.2.1. Human resources utilization rate
The ﬁrst parameter to be studied in this section is HR utilization rate. HR utilization rate is deﬁned as the percentage of time an HR is busy. The HRi utilization rate (HRUi) can be obtained by Eq. (7) .
Pn
j¼1Dtj XkjiHRUi ¼ð7Þ
T
where
N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74

May-12Jun-12Jul-12Aug-12Sep-12Oct-12Nov-12Dec-12Jan-13Feb-13Mar-13Apr-13May-13Jun-13Jul-13Aug-13Sep-13Oct-13Nov-13Dec-13Jan-14Feb-14Mar-14Apr-14
Time
Table 1
Number of customer and HR in each city to perform practical scenario.
City C1 C2 C3 C4 C5
Customer # 4 3 7 4 2
HR # 1 2 5 2 5
{
1; if Task j allocated to HRi
kji ¼
0; otherwise
Dtj ¼ tfj -tsj;
and n is the number of tasks, T is the total experiment time, tfj is the ﬁnishing time of Tj and tsj is the starting time of Tj (Dtj is the total execution time of Tj). The results showed that average of HR utilization rate in the Expert Cloud was 58.5% and in traditional face-to-face method was 33% in this scenario. It is evidential that the Expert Cloud can signiﬁcantly improve HR utilization rate.
7.2.2. Customer response time
Customer response time is deﬁned as the time from when a customer assigns her task to the time the HR fulﬁll his task. The results showed that average of customer response time in the Expert Cloud was 1.05 days and traditional face-to-face method was
3.85 days in this scenario. It is evidential that the Expert Cloud can signiﬁcantly decrease customer response time.
7.2.3. Task completion time
Task completion time is determined by the completion time of all the customer tasks. It is another factor to increase the customer satisfaction. The results showed that task completion time with use of the Expert Cloud was 2 weeks and in traditional face-to-face method was 4 weeks in this scenario. It shows that the Expert Cloud can improve task completion time about 100%.
The results of this case study showed that the use of the Expert Cloud not only increases

6. Implementation 
By means of system analysis in Section 4 and the proposed architecture in previous section, in this section the implementation of the Expert Cloud is presented. We used PHP and MySQL to implement the proposed architecture. This is a web-based application which is now ready to use at www.ExpertCloud.ir . Home page of web-based application of the Expert Cloud is shown in Fig. 15 . 
HR after registration can access the Expert Cloud using assigned usernames and passwords via the web site. Fig. 16 shows the login page of the Expert Cloud which is accessible on www.ExpertCloud. ir . Upon logging into the Expert Cloud, HR can access their accounts through a common interface, discover other HR, and send their task to appropriate HR without knowing their location. 
Moreover, manager can login the Expert Cloud with predeﬁned username and password (see Fig. 17 ). In this page manager can conﬁrm or deny the membership requisition; generate reports such as number of HR with speciﬁc skills, expertise and trust value, and number of idle and busy HR; recognize misbehaved HR; perform quality related actions, and reward or penalize the HR based on their performance. 
In the next section experimental results are provided to demonstrate the effectiveness of the proposed scheme. 
7. Results 
In this section two sets of tests have been employed in order to study and evaluate the practicality of the Expert Cloud. First set is designed to evaluate statistical information about the Expert Cloud from May 12 to Apr 14 including: number of registered members who are categorized based on their expertise and skills, number of assigned and completed tasks, and customer’s satisfaction. Second sets are designed to assess the superiority of the Expert Cloud over traditional methods in managing and employing HR which used to be done locally. As it was mentioned in previous section, PHP has been used to implement the Expert Cloud, and also it used to perform the aforementioned tests. 
7.1. Statistical information 
The Expert Cloud project was ﬁrst introduced in mid-2011 and after a series of tests it has been used with its functionality since the end of that year. In this section some statistical information from Jan 12 to Apr 14 has been provided to show the effectiveness and acceptance of the Expert Cloud. 
7.1.1. Number of registered HR 
In this subsection we consider the number of registered HR in the Expert Cloud which is a good sign of its popularity, inﬂuence and acceptance. The number of HR in the Expert Cloud are increasing since it was ﬁrst started its life cycle, and by the end of Apr 14 it was counted more than 8000 registered users. Fig. 18 depicts this increasing ﬂow from May 12 to Apr 14. 
As illustrated in Fig. 18 , the Expert Cloud is very acceptable and popular especially among computer and electrical engineers. Six high majorities of the members of HR are: computer engineers; electronic engineers; mathematicians; doctors; industrial engineers and accountants respectively. 
7.1.2. Completion of the assigned tasks 
The most important role of the Expert Cloud is to facilitate the fulﬁllment of the tasks by assigned HRs who are virtually searchable and are in interaction with each other. In a given time, 1034 tasks were assigned to HR among which 928 were successfully completed within the accorded deadline. Fig. 19 depicts the number of task in a given time period and those which were fulﬁlled successfully within their deadline. 
7.1.3. Customer satisfaction 
Over the past two decades, organizations and societies of all types have increasingly recognized and acknowledged the importance of customer satisfaction ( Bayraktar, Tatoglu, Turkyilmaz, Delen, & Zaim, 2012 ). In the Expert Cloud, customer satisfaction is a measure of how the provided services by HR meet the customer expectation. Here, the basic idea is to let customer express her/his satisfaction about the quality of provided services by an 
Data Assurance and Security
 HR upon the completion of a task. Therefore, customer can rank 
Application 
Infrastructure 
HR by choosing one of these scores: very satisﬁed (1), satisﬁed (0.8), neutral (0.5), unsatisﬁed (0.2), very unsatisﬁed (0). Fig. 20 illustrates the average of customer satisfaction values for all HR 
 
in seven groups over the deﬁned time (May 2012 – Apr 2014). 
7.2. Practical Scenario 
 
Others 
The following practical scenario is provided to help evaluate the 
Resource 
efﬁciency of the Expert Cloud. In this scenario the following 
Fig. 13. Layered architecture of the Expert Cloud—Infrastructure Layer. assumptions are considered. 
N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74 
 
N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74 
Number of Tasks Number of HR 
10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 
 
Time 
120 
100 
80 
60 
40 
20 
0 
 
Time 
Others Accountant Industrial Engineer Doctor Mathema cian Electrical Engineer Computer Engineer 
Assigned Tasks 
Fulﬁlled Tasks in their Deadline 
• 20 people (customers) need a website designer to create a personal website for them (number of tasks are 20). 
• These people (tasks) are distributed in different cities (see Table 1 ); C1 (T1 ...T4), C2 (T5 ...T7), C3 (T8 ...T14), C4 (T15 ...T18)and C5(T19, T20). 
• There are 15 website designers (HR) who can perform the customers’ requests. 
• These HR are distributed in different cities as follow (see Table 1 ): C1 (HR1), C2 (HR2,HR3), C3 (HR4 ...HR8), C4 (HR9, HR10) and C5 (HR11 ...HR15). 
• Each HR needs about one week to design a website. 
With the use of the Expert Cloud each customer can contact any designer in any cities whereas without the Expert Cloud in place apart from the excessive costs and waste of time to search and sign a contract with designers, in best case, customers will face two shortcomings: ﬁrst, they can only use those designers in their own cities and second, they might not ﬁnd some of the designers or might sign contract with those with less experience or lower degree of trust. In this section we consider three factors (HR utilization rate, customer response time and task completion time) to evaluate the performance of the Expert Cloud in comparison of face-to-face ( Lewis & George, 2008 ) and local service delivery methods ( Bovaird & Lofﬂer, 2002; Howell-Moroney, 2008; Layug, 2009; Osiche, 2008 ). 
7.2.1. Human resources utilization rate 
The ﬁrst parameter to be studied in this section is HR utilization rate. HR utilization rate is deﬁned as the percentage of time an HR is busy. The HRi utilization rate (HRUi) can be obtained by Eq. (7) . 
Pn 
j¼1Dtj XkjiHRUi ¼ð7Þ
T 
where 
N. Jafari Navimipour et al. / Computers in Human Behavior 46 (2015) 57–74 
 
May-12Jun-12Jul-12Aug-12Sep-12Oct-12Nov-12Dec-12Jan-13Feb-13Mar-13Apr-13May-13Jun-13Jul-13Aug-13Sep-13Oct-13Nov-13Dec-13Jan-14Feb-14Mar-14Apr-14 
Time 
Table 1 
Number of customer and HR in each city to perform practical scenario. 
City  C1  C2  C3  C4  C5 
Customer #  4  3  7  4  2 
HR #  1  2  5  2  5 
{
1; if Task j allocated to HRi
kji ¼ 
0; otherwise 
Dtj ¼ tfj -tsj; 
and n is the number of tasks, T is the total experiment time, tfj is the ﬁnishing time of Tj and tsj is the starting time of Tj (Dtj is the total execution time of Tj). The results showed that average of HR utilization rate in the Expert Cloud was 58.5% and in traditional face-to-face method was 33% in this scenario. It is evidential that the Expert Cloud can signiﬁcantly improve HR utilization rate. 
7.2.2. Customer response time 
Customer response time is deﬁned as the time from when a customer assigns her task to the time the HR fulﬁll his task. The results showed that average of customer response time in the Expert Cloud was 1.05 days and traditional face-to-face method was 
3.85 days in this scenario. It is evidential that the Expert Cloud can signiﬁcantly decrease customer response time. 
7.2.3. Task completion time 
Task completion time is determined by the completion time of all the customer tasks. It is another factor to increase the customer satisfaction. The results showed that task completion time with use of the Expert Cloud was 2 weeks and in traditional face-to-face method was 4 weeks in this scenario. It shows that the Expert Cloud can improve task completion time about 100%. 
The results of this case study showed that the use of the Expert Cloud not only increases

0/5000

จาก: -

เป็น: -

ผลลัพธ์ (ไทย) 1: [สำเนา]

คัดลอก!

5.3 โครงสร้างชั้น ชั้นโครงสร้างพื้นฐานทางอินเทอร์เฟซการเข้าถึง uniﬁed เพื่อให้โปร่งใสเข้าถึงทรัพยากรในชั้นกายภาพ ชั้นโครงสร้างพื้นฐานประกอบด้วยทรัพยากรที่ออก / นึ้ (ตามปกติแล้ว โดยการจำลองเสมือน) เพื่อให้พวกเขาสามารถถูกชั้นบนและผู้เป็นทรัพยากรรวม เช่น เสมือนคอมพิวเตอร์/คลัสเตอร์ LAN/WAN ระบบ ﬁle ตรรกศาสตร์ ระบบฐานข้อมูล ฯลฯ (ฟอสเตอร์ et al., 2008) ชั้นนี้จัดการทรัพยากรแบบเสมือนจริงเพื่อการจัดการทรัพยากรและการจัดกำหนดการสูงสุดผ่านคอมโพเนนต์จัดการโดยตรง จัดการ N. พล.ต. Navimipour et al. / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57 – 74 คอมโพเนนต์ไม่หลากหลายการจัดการหน้าที่เช่นทรัพยากร definition รวม จำลองเสมือน ประกาศ และตรวจสอบ ส่วนประกอบของชั้นนี้จะแสดงใน Fig. 13 5.4 การทรัพยากรชั้น ชั้นทรัพยากรประกอบด้วยทรัพยากรวัตถุดิบเช่นทรัพยากรของเครือข่าย ฮาร์ดแวร์ทรัพยากร และทรัพยากรซอฟต์แวร์ที่อยู่บนเวิลด์ไวด์เว็บและระบบเครือข่ายคอมพิวเตอร์ ทรัพยากรของเครือข่ายรวมถึงความหลากหลายของทรัพยากรเครือข่ายเช่นฮาวายชุดสื่อสาร- cation พอร์ต สวิตช์ เราเตอร์ และฮับ ทรัพยากรฮาร์ดแวร์รวมถึงความหลากหลายของทรัพยากรและทรัพยากรหน่วยความจำในการใช้งาน ทรัพยากรซอฟต์แวร์รวมถึงความหลากหลายของทรัพยากรซอฟต์แวร์เช่นข้อมูลทรัพยากร ทรัพยากรซอฟต์แวร์ และทรัพยากรความรู้ ชั้นนี้มีโปรโตคอลเครือข่ายการถ่ายโอนข้อมูลและข้อมูล Fig. 14 แสดงชั้นนี้และส่วนประกอบ 6. นำไปใช้ โดยใช้ระบบวิเคราะห์ใน 4 ส่วนและสถาปัตยกรรมที่นำเสนอในส่วนก่อนหน้านี้ ในส่วนนี้ ใช้ของเมฆผู้เชี่ยวชาญการนำเสนอ เราใช้ PHP และ MySQL ในการนำเสนอสถาปัตยกรรม นี้เป็นโปรแกรมประยุกต์ที่ใช้เว็บที่พร้อมที่จะใช้ใน www.ExpertCloud.ir แสดงหน้าของแอพลิเคชันเว็บของเมฆผู้เชี่ยวชาญใน Fig. 15 ชั่วโมงหลังจากที่ลงทะเบียนสามารถเข้าถึงผู้เชี่ยวชาญเมฆใช้กำหนดชื่อผู้ใช้และรหัสผ่านผ่านทางเว็บไซต์ Fig. 16 แสดงหน้าล็อกอินของเมฆผู้เชี่ยวชาญที่จะสามารถเข้าใช้งาน www.ExpertCloud ir เมื่อเข้าสู่ระบบคลาวด์ผู้เชี่ยวชาญ HR สามารถเข้าถึงบัญชีของพวกเขาผ่านอินเทอร์เฟซแบบทั่วไป ค้นพบ HR อื่น ๆ และส่งงานของพวกเขาไปชมที่เหมาะสมโดยไม่ทราบตำแหน่งที่ตั้ง นอกจากนี้ ผู้จัดการสามารถเข้าเมฆผู้เชี่ยวชาญ predeﬁned ชื่อผู้ใช้และรหัสผ่าน (ดู Fig. 17) ในโปรแกรมจัดการหน้านี้สามารถ conﬁrm หรือปฏิเสธใบสมาชิก รายงานจำนวนชั่วโมง speciﬁc ทักษะ ความเชี่ยวชาญ และค่าความเชื่อมั่น และจำนวนชั่วโมงการใช้งาน และว่าง รู้จัก misbehaved ชั่วโมง ดำเนินการตรวจสอบคุณภาพที่เกี่ยวข้องกับการดำเนินการ และรางวัล หรือลงโทษ HR ตามประสิทธิภาพการทำงานของพวกเขา ใน ส่วนผลการทดลองให้บริการแสดงให้เห็นถึงประสิทธิภาพของโครงร่างเสนอ 7. ผลลัพธ์ ในส่วนนี้ สองชุดของการทดสอบมีการทำงานเพื่อศึกษา และประเมินการปฏิบัติจริงของเมฆผู้เชี่ยวชาญ ชุดแรกถูกออกแบบมาเพื่อประเมินข้อมูลทางสถิติเกี่ยวกับเมฆผู้เชี่ยวชาญจากวันที่ 12 พฤษภาคมถึง 14 เม.ย.รวม: จำนวนสมาชิกที่ลงทะเบียนซึ่งจะแบ่งตามความเชี่ยวชาญ และทักษะ จำนวนที่กำหนด และดำเนินงาน และความพึงพอใจของลูกค้า ชุดที่สองถูกออกแบบมาเพื่อประเมิน superiority ของเมฆผู้เชี่ยวชาญมากกว่าวิธีการดั้งเดิมในการจัดการ และการใช้ชั่วโมงที่ใช้ในการทำเครื่อง ขณะนั้นได้กล่าวถึงในส่วนก่อนหน้านี้ ใช้ PHP จะใช้เมฆผู้เชี่ยวชาญ และยัง ใช้ทำการทดสอบดังกล่าว 7.1. สถิติข้อมูล โครงการผู้เชี่ยวชาญเมฆถูก ﬁrst ที่นำมาใช้ในกลางปี 2554 และหลังจากชุดทดสอบ มีการใช้กับงานตั้งแต่สิ้นปีที่ ในส่วนนี้ บางสถิติข้อมูลจาก 12 jan 14 เมษายนมีการให้แสดงประสิทธิภาพและการยอมรับของผู้เชี่ยวชาญเมฆ 7.1.1. จำนวนชั่วโมงที่ลงทะเบียน ใน subsection นี้ เราพิจารณาจำนวนชั่วโมงที่ลงทะเบียนในเมฆผู้เชี่ยวชาญซึ่งเป็นเครื่องหมายที่ดีของความนิยม inﬂuence และยอมรับ มีการเพิ่มจำนวนชั่วโมงในเมฆผู้เชี่ยวชาญตั้งแต่ ﬁrst เริ่มต้นวงจรชีวิต และ โดยวันที่ 14 เมษายน จะถูกนับมากกว่า 8000 ผู้ Fig. 18 มีภาพ ﬂow นี้เพิ่มขึ้นจากวันที่ 12 พฤษภาคมถึง 14 เม.ย. ดังที่แสดงใน Fig. 18 เมฆผู้เชี่ยวชาญอยู่มากยอมรับ และเป็นที่นิยมโดยเฉพาะในหมู่วิศวกรไฟฟ้าและคอมพิวเตอร์ Majorities หกสูงของ HR เป็น: วิศวกรคอมพิวเตอร์ วิศวกรอิเล็กทรอนิกส์ mathematicians แพทย์ วิศวกรอุตสาหกรรมและผู้จัดทำบัญชีตามลำดับ 7.1.2 การเสร็จสมบูรณ์ของงานที่กำหนด บทบาทสำคัญของเมฆผู้เชี่ยวชาญเพื่อ อำนวยความสะดวก fulﬁllment งานโดยกำหนดชั่วโมงที่ยากจริง และมีปฏิสัมพันธ์กับผู้อื่น ได้ ในเวลาที่กำหนด 1034 งานถูกกำหนดให้กับ HR ระหว่าง 928 ได้เสร็จภายในกำหนดเวลา accorded Fig. 19 มีภาพของงานในช่วงเวลาที่กำหนดและผู้ที่เรียบร้อยแล้ว fulﬁlled ภายในกำหนดเวลาของพวกเขา 7.1.3 การลูกค้าพึงพอใจ กว่าสองทศวรรษ องค์กรและสังคมทุกชนิดมีมากขึ้นรู้จัก และยอมรับความสำคัญของความพึงพอใจลูกค้า (Bayraktar, Tatoglu, Turkyilmaz, Delen, & Zaim, 2012) ในเมฆผู้เชี่ยวชาญ ความพึงพอใจของลูกค้าคือ การวัดวิธีบริการให้ โดย HR ตามความคาดหวังของลูกค้า นี่ แนวคิดพื้นฐานคือให้ลูกค้าด่วน her/his ความพึงพอใจเกี่ยวกับคุณภาพของบริการที่ให้โดยการ มั่นใจในข้อมูลและความปลอดภัย ชั่วโมงเมื่อเสร็จสมบูรณ์ของงาน ดังนั้น ลูกค้าสามารถจัดลำดับ แอพลิเคชัน โครงสร้างพื้นฐาน ชั่วโมง โดยเลือกคะแนนเหล่านี้อย่างใดอย่างหนึ่ง: มาก satisﬁed (1), satisﬁed (0.8), กลาง (0.5), unsatisﬁed (0.2) unsatisﬁed มาก (0) Fig. 20 แสดงค่าเฉลี่ยของค่าความพึงพอใจของลูกค้าทั้งหมดชั่วโมง ในกลุ่มเจ็ดช่วงเวลา deﬁned (2012 พฤษภาคม – 2014 apr) 7.2 การปฏิบัติสถานการณ์จำลอง ผู้อื่น สถานการณ์จริงต่อไปนี้ให้ไว้เพื่อช่วยประเมินการ ทรัพยากร efﬁciency ของเมฆผู้เชี่ยวชาญ ในสถานการณ์สมมตินี้ต่อไปนี้ Fig. 13 สถาปัตยกรรมคลาวด์ผู้เชี่ยวชาญชั้น – ชั้นโครงสร้างพื้นฐาน สมมติฐานจะถือว่า N. พล.ต. Navimipour et al. / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57 – 74 N. พล.ต. Navimipour et al. / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57 – 74 หมายเลขของงาน HR 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 เวลา 120 100 80 60 40 20 0 เวลา อื่น ๆ ของนักบัญชีอุตสาหกรรมวิศวกรแพทย์ Mathema cian วิศวกรคอมพิวเตอร์วิศวกรไฟฟ้า ภารกิจที่กำหนด Fulﬁlled งานในกำหนดเวลาของพวกเขา • 20 คน (ลูกค้า) ต้องออกแบบเว็บไซต์สร้างเว็บไซต์ส่วนบุคคลสำหรับพวกเขา (งานเป็น 20) •กระจายในเมืองต่าง ๆ (ดูตารางที่ 1); คนเหล่านี้ (งาน) C1 (T1... T4), C2 (T5... T7), C3 (T8... T14), C4 (T15... T18) และ C5 (T19, T20) • 15 เว็บไซต์นักออกแบบ (ชั่วโมง) ที่สามารถดำเนินการคำขอของลูกค้าได้ • HR เหล่านี้กระจายในเมืองต่าง ๆ ต่อไปนี้ (ดูตารางที่ 1): C1 (HR1), C2 (HR2, HR3), C3 (HR4... HR8), C4 (HR9, HR10) และ C5 (HR11... HR15) •แต่ละชั่วโมงต้องถึงหนึ่งสัปดาห์ในการออกแบบเว็บไซต์ มีการใช้คลาวด์ผู้เชี่ยวชาญ ลูกค้าแต่ละรายสามารถติดต่อผู้ออกแบบใด ๆ ในเมืองใด ๆ ในขณะที่ไม่ มีเมฆผู้เชี่ยวชาญที่แตกต่างจากต้นทุนที่มากเกินไปและเสียเวลาในการค้นหาและลงนามสัญญากับนักออกแบบ ในกรณีที่ดีที่สุด ลูกค้าจะเผชิญแสดงสอง: ﬁrst พวกเขาสามารถใช้ได้เฉพาะที่ออกแบบในเมืองของตนเองและสอง พวกเขาอาจไม่ ﬁnd ของนักออกแบบ หรืออาจลงนามในสัญญากับผู้ที่มีประสบการณ์น้อยหรือต่ำกว่าระดับของความน่าเชื่อถือได้ ในส่วนนี้ เราพิจารณาปัจจัย 3 ประการ (HR อัตรา เวลาตอบรับของลูกค้าและเวลาเสร็จงาน) เพื่อประเมินประสิทธิภาพของเมฆผู้เชี่ยวชาญในการเปรียบเทียบแบบพบปะ (Lewis และจอร์จ 2008) และวิธีการจัดส่งบริการท้องถิ่น (Bovaird & Lofﬂer, 2002 Howell Moroney, 2008 Layug, 2009 Osiche, 2008) 7.2.1 การทรัพยากรบุคคลอัตรา พารามิเตอร์ ﬁrst เพื่อจะศึกษาในส่วนนี้มีอัตราการใช้ประโยชน์ชั่วโมง อัตราการใช้ประโยชน์ชั่วโมงเป็น deﬁned เป็นเปอร์เซ็นต์ของเวลาการประชุมไม่ว่าง อัตราการใช้ประโยชน์ HRi (HRUi) ได้ โดย Eq. (7) พีเอ็น j¼1Dtj XkjiHRUi ¼ð7ÞT ซึ่ง N. พล.ต. Navimipour et al. / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57 – 74 May-12Jun-12Jul-12Aug-12Sep-12Oct-12Nov-12Dec-12Jan-13Feb-13Mar-13Apr-13May-13Jun-13Jul-13Aug-13Sep-13Oct-13Nov-13Dec-13Jan-14Feb-14Mar-14Apr-14 เวลา ตารางที่ 1 หมายเลขลูกค้าและ HR ในแต่ละการปฏิบัติสถานการณ์จำลอง ห้อง C1 C2 C3 C4 C5 ลูกค้า#4 3 7 4 2 ชั่วโมง 1 2 5 2 5 {1 ถ้างานเจปันส่วน HRikji ¼ 0 เป็นอย่างอื่น Tfj Dtj ¼ - tsj และ n คือ จำนวนของงาน T คือ เวลาทดลองรวม tfj เวลา ﬁnishing ของ Tj และ tsj เป็นเวลาเริ่มต้นของ Tj (Dtj มีเวลาดำเนินการทั้งหมดของ Tj) ผลพบว่า ค่าเฉลี่ยของอัตราการใช้ประโยชน์ชั่วโมงในเมฆเชี่ยวชาญ 58.5% และในวิธีดั้งเดิมแบบพบปะเป็น 33% ในสถานการณ์นี้ มันเป็น evidential ว่า signiﬁcantly สามารถเมฆผู้เชี่ยวชาญการปรับปรุงอัตราการใช้ประโยชน์ชั่วโมง 7.2.2 เวลาตอบสนองลูกค้า เวลาตอบสนองลูกค้าเป็น deﬁned เวลาจากเมื่อลูกค้ากำหนดงานของเธอให้เวลา fulﬁll ชั่วโมงงานของเขา ผลพบว่า ค่าเฉลี่ยของเวลาตอบสนองลูกค้าในเมฆผู้เชี่ยวชาญวันที่ 1.05 และถูกวิธีดั้งเดิมแบบพบปะ ในสถานการณ์สมมตินี้วัน 3.85 Evidential ว่า signiﬁcantly สามารถเชี่ยวชาญเมฆลดเวลาตอบสนองลูกค้าได้ 7.2.3 เวลาเสร็จงาน เวลาเสร็จงานจะถูกกำหนด โดยเวลาเสร็จสมบูรณ์ของงานลูกค้าทั้งหมด เป็นอีกหนึ่งปัจจัยในการเพิ่มความพึงพอใจของลูกค้า ผลลัพธ์แสดงให้เห็นว่า เวลาเสร็จงาน มีการใช้คลาวด์ผู้เชี่ยวชาญ 2 สัปดาห์ และในวิธีดั้งเดิมแบบพบปะได้ 4 สัปดาห์ในสถานการณ์นี้ ก็แสดงว่า เมฆผู้เชี่ยวชาญสามารถปรับปรุงเวลาเสร็จงานประมาณ 100% ผลของกรณีศึกษานี้แสดงให้เห็นว่า การใช้ Cloud ผู้เชี่ยวชาญไม่เพียงแต่เพิ่ม

การแปล กรุณารอสักครู่..

ผลลัพธ์ (ไทย) 2:[สำเนา]

คัดลอก!

5.3
โครงสร้างพื้นฐานชั้นเลเยอร์โครงสร้างพื้นฐานให้อินเตอร์เฟซการเข้าถึงเอ็ดสายเดียวที่จะบรรลุความโปร่งใสในการเข้าถึงทรัพยากรในชั้นกายภาพ ชั้นโครงสร้างพื้นฐานที่มีทรัพยากรที่ได้รับการใจลอย / ห่อหุ้ม (โดยปกติ virtualization) เพื่อให้พวกเขาสามารถสัมผัสกับชั้นบนและผู้ใช้ทรัพยากรแบบบูรณาการเช่นคอมพิวเตอร์เสมือน / กลุ่มระบบ LAN / WAN ตรรกะระบบไฟ le, ระบบฐานข้อมูล ฯลฯ (ฟอสเตอร์ et al., 2008) ชั้นนี้จัดการทรัพยากรเสมือนจริงเพื่อการจัดการโดยตรงของทรัพยากรและการกำหนดเวลาที่ดีที่สุดผ่านองค์ประกอบการบริหารจัดการ
การบริหารจัดการเอ็น Jafari Navimipour et al, / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57-74
องค์ประกอบที่ไม่หลากหลายของหน้าที่การจัดการเช่น def ทรัพยากร
Inition บูรณาการการทำงานแบบเสมือนการเผยแพร่และการตรวจสอบ ส่วนประกอบของชั้นนี้จะปรากฏในรูป 13.
5.4
ทรัพยากรชั้นทรัพยากรชั้นที่มีการกระจายทรัพยากรดิบเช่นทรัพยากรเครือข่ายทรัพยากรฮาร์ดแวร์ซอฟแวร์และทรัพยากรที่อยู่บนพื้นฐานของเวิลด์ไวด์เว็บและระบบเครือข่ายคอมพิวเตอร์ ทรัพยากรของเครือข่ายรวมถึงความหลากหลายของทรัพยากรเครือข่ายเช่นสื่อสารพอร์ตไอออนบวกสวิตช์เราเตอร์และฮับ ทรัพยากรฮาร์ดแวร์รวมถึงความหลากหลายของทรัพยากรคอมพิวเตอร์และทรัพยากรหน่วยความจำ ทรัพยากรซอฟต์แวร์รวมความหลากหลายของทรัพยากรซอฟต์แวร์เช่นทรัพยากรข้อมูลทรัพยากรซอฟต์แวร์และทรัพยากรความรู้ ชั้นนี้มีพนักงานโปรโตคอลเครือข่ายในการถ่ายโอนข้อมูลและข้อมูลที่ มะเดื่อ. 14 แสดงให้เห็นถึงชั้นนี้และส่วนประกอบ. 6 การดำเนินการโดยวิธีการของการวิเคราะห์ระบบในมาตรา 4 และสถาปัตยกรรมที่นำเสนอในส่วนก่อนหน้านี้ในส่วนนี้การดำเนินงานของเมฆผู้เชี่ยวชาญจะนำเสนอ เราใช้ PHP และ MySQL จะใช้สถาปัตยกรรมที่นำเสนอ นี้เป็นโปรแกรม Web-based ซึ่งขณะนี้พร้อมที่จะใช้ใน www.ExpertCloud.ir หน้าแรกของโปรแกรมประยุกต์บนเว็บของเมฆผู้เชี่ยวชาญแสดงในรูป 15. HR หลังจากการลงทะเบียนสามารถเข้าถึงระบบคลาวด์โดยใช้ชื่อผู้ใช้ผู้เชี่ยวชาญที่ได้รับมอบหมายและรหัสผ่านผ่านทางเว็บไซต์ มะเดื่อ. 16 แสดงให้เห็นหน้าเข้าสู่ระบบคลาวด์ของผู้เชี่ยวชาญซึ่งสามารถเข้าถึงได้ใน www.ExpertCloud ir เมื่อเข้าสู่ระบบคลาวด์ผู้เชี่ยวชาญด้านทรัพยากรบุคคลสามารถเข้าถึงบัญชีของพวกเขาผ่านทางอินเตอร์เฟซที่ร่วมกันค้นพบทรัพยากรบุคคลอื่น ๆ และส่งงานของพวกเขาในการบริหารทรัพยากรบุคคลที่เหมาะสมโดยไม่ทราบว่าตำแหน่งของพวกเขา. นอกจากนี้ผู้จัดการสามารถเข้าสู่ระบบคลาวด์ผู้เชี่ยวชาญด้วยชื่อผู้ใช้ prede นิยามและรหัสผ่าน (ดูรูป 17) ในการจัดการหน้านี้สามารถ con ไฟ RM หรือปฏิเสธการเรียกร้องสมาชิก; สร้างรายงานเช่นจำนวนทรัพยากรบุคคลที่มีทักษะคระบุไว้เชี่ยวชาญและความคุ้มค่าความไว้วางใจและจำนวนทรัพยากรบุคคลไม่ได้ใช้งานและไม่ว่าง; รับรู้ทรัพยากรบุคคลเรียบร้อย; การดำเนินการที่เกี่ยวข้องกับคุณภาพและการให้รางวัลหรือลงโทษทรัพยากรบุคคลขึ้นอยู่กับประสิทธิภาพของพวกเขา. ในส่วนถัดไปผลการทดลองที่มีไว้เพื่อแสดงให้เห็นถึงประสิทธิภาพของโครงการที่นำเสนอ. 7 ผลในส่วนนี้สองชุดของการทดสอบได้รับการว่าจ้างเพื่อการศึกษาและประเมินผลการปฏิบัติจริงของเมฆผู้เชี่ยวชาญ ชุดแรกถูกออกแบบมาเพื่อประเมินข้อมูลทางสถิติเกี่ยวกับเมฆผู้เชี่ยวชาญจาก 12 พฤษภาคม - 14 เมษายนรวมถึงจำนวนสมาชิกที่ลงทะเบียนที่มีการแบ่งประเภทขึ้นอยู่กับความเชี่ยวชาญและทักษะของพวกเขาจำนวนของงานที่ได้รับมอบหมายและเสร็จสมบูรณ์และความพึงพอใจของลูกค้า ชุดที่สองได้รับการออกแบบเพื่อประเมินความเหนือกว่าของเมฆผู้เชี่ยวชาญมากกว่าวิธีการแบบดั้งเดิมในการจัดการและการใช้ทรัพยากรบุคคลที่ใช้ในการกระทำในประเทศ ตามที่ได้กล่าวถึงในส่วนก่อนหน้านี้, PHP ได้รับการใช้ในการดำเนินเมฆผู้เชี่ยวชาญและยังจะใช้ในการดำเนินการทดสอบดังกล่าว. 7.1 ข้อมูลทางสถิติโครงการเมฆผู้เชี่ยวชาญได้รับสายแรกนำมาใช้ในช่วงกลางปี 2011 และหลังจากที่ชุดของการทดสอบจะได้ถูกนำมาใช้กับการทำงานนับตั้งแต่สิ้นปีว่า ในส่วนนี้บางข้อมูลสถิติจาก 12 มกราคม - 14 เมษายนได้รับการให้เพื่อแสดงให้เห็นถึงประสิทธิภาพและการยอมรับของเมฆผู้เชี่ยวชาญ. 7.1.1 จำนวนทรัพยากรบุคคลที่จดทะเบียนในหมวดนี้เราพิจารณาจำนวนของทรัพยากรบุคคลที่ลงทะเบียนในเมฆผู้เชี่ยวชาญซึ่งเป็นสัญญาณที่ดีของความนิยมใน uence ชั้นและการยอมรับ จำนวนทรัพยากรบุคคลในเมฆผู้เชี่ยวชาญจะเพิ่มขึ้นเพราะมันเป็นสายแรกเริ่มวงจรชีวิตของมันและในตอนท้ายของ 14 เมษายนมันก็นับกว่า 8000 ผู้ใช้งานที่ลงทะเบียน มะเดื่อ. 18 แสดงให้เห็นถึงการเพิ่มขึ้นนี้ชั้นโอ๊ยตั้งแต่เดือนพฤษภาคม 12 เมษายน 14 ที่แสดงในรูป 18 เมฆผู้เชี่ยวชาญเป็นที่ยอมรับและเป็นที่นิยมมากโดยเฉพาะในกลุ่มคอมพิวเตอร์และวิศวกรไฟฟ้า หกสูงส่วนใหญ่ของสมาชิกของทรัพยากรบุคคลที่มี: วิศวกรคอมพิวเตอร์ วิศวกรอิเล็กทรอนิกส์ นักคณิตศาสตร์; แพทย์; วิศวกรอุตสาหกรรมและบัญชีตามลำดับ. 7.1.2 ความสำเร็จของงานที่มอบหมายบทบาทที่สำคัญที่สุดของเมฆผู้เชี่ยวชาญคือการอำนวยความสะดวกใน llment สาย ful ของงานที่ได้รับมอบหมายโดย HRs ที่เป็นจริงค้นหาและอยู่ในการมีปฏิสัมพันธ์กับคนอื่น ๆ ในเวลาที่กำหนด, 1034 งานที่ได้รับมอบหมายให้ฝ่ายทรัพยากรบุคคล 928 หมู่ที่นั้นเสร็จสมบูรณ์ภายในกำหนดเส้นตายสอดคล้อง มะเดื่อ. 19 แสดงให้เห็นจำนวนของงานในช่วงเวลาที่กำหนดและผู้ที่มีสายครบ lled ประสบความสำเร็จภายในกำหนดเส้นตายของพวกเขา. 7.1.3 พึงพอใจของลูกค้าที่ผ่านมาสองทศวรรษที่ผ่านมาองค์กรและสังคมทุกประเภทได้รับการยอมรับมากขึ้นและได้รับการยอมรับถึงความสำคัญของความพึงพอใจของลูกค้า (Bayraktar, Tatoglu, Turkyilmaz, delen และ Zaim 2012) ในเมฆผู้เชี่ยวชาญพึงพอใจของลูกค้าเป็นตัวชี้วัดของวิธีการให้บริการโดยทรัพยากรบุคคลตอบสนองความคาดหวังของลูกค้า นี่คือความคิดพื้นฐานคือการให้ลูกค้าแสดงของเธอ / เขาเกี่ยวกับความพึงพอใจในคุณภาพของการให้บริการโดยการประกันการรักษาความปลอดภัยข้อมูลและทรัพยากรบุคคลเมื่อเสร็จสิ้นของงาน ดังนั้นลูกค้าสามารถจัดอันดับการประยุกต์ใช้โครงสร้างพื้นฐานทรัพยากรบุคคลโดยการเลือกหนึ่งของคะแนนเหล่านี้: ไฟพึงพอใจมากเอ็ด (1), สาย satis เอ็ด (0.8) กลาง (0.5) unsatis เอ็ดไฟ (0.2) เอ็ดสาย unsatis มาก (0) มะเดื่อ. 20 แสดงให้เห็นถึงค่าเฉลี่ยของความพึงพอใจของลูกค้าสำหรับการบริหารทรัพยากรบุคคลทั้งหมดในกลุ่มเจ็ดกว่านิยามเวลา(พฤษภาคม 2012 - เมษายน 2014). 7.2 สถานการณ์การปฏิบัติอื่น ๆ สถานการณ์ในทางปฏิบัติต่อไปนี้มีไว้เพื่อช่วยประเมินทรัพยากรciency ไฟ EF ของเมฆผู้เชี่ยวชาญ ในสถานการณ์ดังต่อไปนี้รูป 13. สถาปัตยกรรมชั้นของผู้เชี่ยวชาญด้านโครงสร้างพื้นฐานเมฆชั้น สมมติฐานที่ได้รับการพิจารณา. เอ็น Jafari Navimipour et al, / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57-74 เอ็น Jafari Navimipour et al, / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 57-74 จำนวนงานทรัพยากรบุคคลจำนวน10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 เวลา120 100 80 60 40 20 0 เวลาอื่น ๆ บัญชีหมอวิศวกรอุตสาห Mathema ตาแดงวิศวกรไฟฟ้าวิศวกรคอมพิวเตอร์ที่ได้รับมอบหมายงานสาย Ful lled งานในวันสุดท้ายของพวกเขา• 20 คน (ลูกค้า) ต้องเป็นนักออกแบบเว็บไซต์เพื่อสร้างเว็บไซต์ส่วนตัวสำหรับพวกเขา (จำนวนของงาน 20). •คนเหล่านี้ (งาน) มีการกระจายในเมืองที่แตกต่างกัน (ดูตารางที่ 1); C1 (T1 ... T4) C2 (T5 ... T7) C3 (T8 ... T14) C4 (T15 ... T18) และ C5 (T19, T20). •มี 15 นักออกแบบเว็บไซต์ ( . HR) ที่สามารถดำเนินการร้องขอของลูกค้า•ทรัพยากรบุคคลเหล่านี้จะกระจายอยู่ในเมืองที่แตกต่างกันดังต่อไปนี้(ดูตารางที่ 1): C1 (HR1) C2 (HR2, HR3) C3 (HR4 ... HR8) C4 (HR9 , HR10) และ C5 (HR11 ... HR15). •แต่ละความต้องการเกี่ยวกับการบริหารทรัพยากรบุคคลหนึ่งสัปดาห์ในการออกแบบเว็บไซต์. ด้วยการใช้ระบบคลาวด์ผู้เชี่ยวชาญลูกค้าแต่ละรายสามารถติดต่อนักออกแบบในเมืองใด ๆ ในขณะที่โดยไม่ต้องมีเมฆผู้เชี่ยวชาญในสถานที่แตกต่างจาก ค่าใช้จ่ายที่มากเกินไปและเสียเวลาในการค้นหาและลงนามในสัญญากับนักออกแบบในกรณีที่ดีที่สุดลูกค้าจะต้องเผชิญกับสองข้อบกพร่อง: สายแรกที่พวกเขาสามารถใช้นักออกแบบผู้ที่อยู่ในเมืองของตัวเองและสองพวกเขาอาจจะไม่ fi ครั้งบางส่วนของนักออกแบบหรือ อาจจะลงนามในสัญญากับผู้ที่มีประสบการณ์น้อยกว่าหรือต่ำกว่าระดับของความไว้วางใจ ในส่วนนี้เราจะพิจารณาปัจจัยที่สาม (HR อัตราการใช้เวลาตอบสนองลูกค้าและงานเวลาแล้วเสร็จ) เพื่อประเมินประสิทธิภาพการทำงานของระบบคลาวด์ผู้เชี่ยวชาญในการเปรียบเทียบของใบหน้าเพื่อใบหน้า (ลูอิสและจอร์จ, 2008) และวิธีการส่งมอบบริการท้องถิ่น (Bovaird และเอ้อชั้นลอฟ, 2002; ธรรมด๊าธรรมดา-Moroney 2008; Layug 2009;. Osiche 2008) 7.2.1 ทรัพยากรมนุษย์อัตราการใช้สายพารามิเตอร์แรกที่จะได้รับการศึกษาในส่วนนี้เป็นทรัพยากรบุคคลที่อัตราการใช้ อัตราการใช้ทรัพยากรบุคคลที่ถูกนิยามเป็นร้อยละของเวลาที่ HR ไม่ว่าง อัตราการใช้ HRi (HRUi) สามารถรับได้โดยสมการ (7). Pn j¼1Dtj XkjiHRUi ¼ð7Þ T ที่เอ็น Jafari Navimipour et al, / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 46 (2015) 1 จำนวนลูกค้าและการบริหารทรัพยากรบุคคลในแต่ละเมืองเพื่อดำเนินการสถานการณ์จริง. เมือง C1 C2 C3 C4 C5 ลูกค้า # 4 3 7 4 2 HR # 1 2 2 5 5 {1; ถ้างานเจจัดสรรให้ HRi KJI ¼ 0; อื่นDTJ ¼ tfj -tsj; และ n คือจำนวนของงาน, เสื้อเป็นเวลาที่ทดลองทั้งหมด tfj เป็นไฟเวลา nishing ของ Tj TSJ และเป็นเวลาที่เริ่มต้นของ Tj (DTJ เป็นเวลาดำเนินการทั้งหมดของ Tj) ผลการศึกษาพบว่าค่าเฉลี่ยของอัตราการใช้ทรัพยากรบุคคลในเมฆผู้เชี่ยวชาญเป็น 58.5% และในวิธีที่ใบหน้าเพื่อใบหน้าแบบดั้งเดิมเป็น 33% ในสถานการณ์นี้ มันเป็นพยานหลักฐานว่ามีเมฆผู้เชี่ยวชาญสามารถนัยสำคัญอย่างมีนัยปรับปรุงอัตราการใช้ทรัพยากรบุคคล. 7.2.2 เวลาตอบสนองลูกค้าเวลาตอบสนองของลูกค้าเป็นนิยามเป็นเวลาจากเมื่อลูกค้าได้มอบหมายงานที่เธอไปเวลาที่ทรัพยากรบุคคลครบ LL สายงานของเขา ผลการศึกษาพบว่าค่าเฉลี่ยของเวลาตอบสนองลูกค้าในเมฆผู้เชี่ยวชาญเป็น 1.05 วันและวิธีการที่ใบหน้าเพื่อใบหน้าแบบดั้งเดิมเป็น3.85 วันในสถานการณ์นี้ มันเป็นพยานหลักฐานว่ามีเมฆผู้เชี่ยวชาญสามารถอย่างมีนัยสำคัญไฟลดเวลาตอบสนองลูกค้า. 7.2.3 เสร็จงานเวลาเวลาเสร็จงานจะถูกกำหนดโดยเวลาแล้วเสร็จของงานลูกค้า มันเป็นปัจจัยที่จะต้องเพิ่มความพึงพอใจของลูกค้าอีก ผลการศึกษาพบงานเสร็จสิ้นเวลาที่มีการใช้ระบบคลาวด์เป็นผู้เชี่ยวชาญ 2 สัปดาห์และในวิธีที่ใบหน้าเพื่อใบหน้าแบบดั้งเดิม 4 สัปดาห์ที่ผ่านมาในสถานการณ์นี้ มันแสดงให้เห็นว่ามีเมฆผู้เชี่ยวชาญสามารถปรับปรุงงานเวลาแล้วเสร็จประมาณ 100%. ผลที่ได้จากกรณีศึกษานี้แสดงให้เห็นว่าการใช้ระบบคลาวด์ผู้เชี่ยวชาญไม่เพียง แต่เพิ่มขึ้น

การแปล กรุณารอสักครู่..

ผลลัพธ์ (ไทย) 3:[สำเนา]

คัดลอก!

5.3 . โครงสร้างพื้นฐานของโครงสร้างพื้นฐานชั้นให้ชั้น
uni จึงเอ็ดเข้าอินเตอร์เฟซเพื่อให้บรรลุโปร่งใสเข้าถึงทรัพยากรในชั้นทางกายภาพ ชั้นโครงสร้างพื้นฐานมีทรัพยากรที่ได้รับการสรุป / ห่อหุ้ม ( มักจะโดย virtualization ) เพื่อให้พวกเขาสามารถสัมผัสกับชั้นบนและผู้ใช้ เป็นทรัพยากรแบบบูรณาการสำหรับอินสแตนซ์ คอมพิวเตอร์คลัสเตอร์เสมือน LAN / WAN ,จึงสมควร เลอ ระบบ ระบบ ฐานข้อมูล ฯลฯ ( อุปถัมภ์ et al . , 2008 ) ชั้นนี้สามารถจัดการทรัพยากรเพื่อการจัดการโดยตรงของทรัพยากรและการวางแผนที่เหมาะสมผ่านทางองค์ประกอบการจัดการ การจัดการ
N Jafari navimipour et al . คอมพิวเตอร์ในพฤติกรรมมนุษย์ / 46 ( 2015 ) 57 – 74
ส่วนประกอบมีความหลากหลายของการจัดการหน้าที่เช่นทรัพยากร } .
inition , บูรณาการ , virtualization ,การพิมพ์และการตรวจสอบ ส่วนประกอบของชั้นนี้จะแสดงในรูปที่ 13
5.4 . ทรัพยากรทรัพยากรชั้นชั้น
ประกอบด้วยวัตถุดิบกระจายทรัพยากรเช่นทรัพยากรเครือข่ายทรัพยากรฮาร์ดแวร์และซอฟต์แวร์ที่ใช้ทรัพยากรบนเวิลด์ไวด์เว็บและเครือข่ายคอมพิวเตอร์ เครือข่ายทรัพยากรรวมถึงความหลากหลายของทรัพยากรเครือข่ายเช่นการสื่อสาร -

การท่าเรือ , สวิตช์ , เราเตอร์และฮับ .ทรัพยากรฮาร์ดแวร์รวมถึงความหลากหลายของทรัพยากรคอมพิวเตอร์และทรัพยากรหน่วยความจำ ทรัพยากรซอฟต์แวร์รวมถึงความหลากหลายของซอฟต์แวร์ทรัพยากรเช่นทรัพยากรข้อมูลทรัพยากรซอฟต์แวร์และทรัพยากรความรู้ ชั้นนี้ใช้โปรโตคอลเครือข่ายในการถ่ายโอนข้อมูล 14 รูปที่แสดงให้เห็นถึงชั้นนี้ และส่วนประกอบของ

6 การใช้
โดยวิธีวิเคราะห์ระบบในส่วนที่ 4 และการนำเสนอสถาปัตยกรรมในส่วนก่อนหน้าในส่วนนี้ใช้ผู้เชี่ยวชาญเมฆคือแสดง เราใช้ PHP และ MySQL เพื่อใช้ในการนำเสนอสถาปัตยกรรม นี้เป็นโปรแกรมประยุกต์บนเว็บซึ่งขณะนี้พร้อมที่จะใช้ใน www.expertcloud.ir . หน้าแรกของโปรแกรมประยุกต์บนเว็บของผู้เชี่ยวชาญเมฆจะแสดงในรูปที่ 15 .
ชั่วโมงหลังจากการลงทะเบียนสามารถเข้าถึงผู้เชี่ยวชาญเมฆใช้กำหนดชื่อผู้ใช้และรหัสผ่านผ่านทางเว็บไซต์ รูปที่ 16 แสดงหน้าเข้าสู่ระบบของผู้เชี่ยวชาญเมฆซึ่งสามารถเข้าถึงได้ใน www.expertcloud . IR เมื่อเข้าสู่เมฆผู้เชี่ยวชาญด้าน HR สามารถเข้าถึงบัญชีของตนผ่านทางอินเตอร์เฟซทั่วไป พบบุคคลอื่น และส่งงานของ HR ที่เหมาะสมโดยไม่ต้องทราบตำแหน่งของพวกเขา
นอกจากนี้

การแปล กรุณารอสักครู่..

ภาษาอื่น ๆ

การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.