، ،
جلد 20، شماره 3 - ( 10-1388 )
چکیده
نمودارهای کنترل فرآیند آماری نقش بسزائی را در سیستم های کنترل کیفیت بر عهده دارند که تحلیل صحیح آنها، منجر به کشف خطاهای موجود در فرآیند خواهد شد. در این راستا شبکه های عصبی متنوعی به منظور تشخیص الگوهای موجود در نمودارهای کنترل به کار گرفته شده اند که اکثراً قادر به تشخیص الگوهای منفرد بوده و در مورد الگوهای همزمانی که ناشی از رخداد بیش از یک خطا در فرآیند میباشند ناتوان بودهاند. در این مقاله، ابتدا با به کارگیری تبدیل موجک، الگوی همزمان به الگوهای منفردِ تشکیل دهنده تفکیک شده و در ادامه با به کارگیری تحلیل مولفه های اصلی (PCA) در کنار یک شبکه عصبی احتمالی (PNN)، نوع الگوها مشخص می گردد. نتایج بدست آمده با استفاده از داده های شبیه سازی شده، نرخ تشخیص صحیح الگوهای همزمان را برابر 83/94% نشان میدهد.
ابوالفضل کاظمی، سیامک ابوطالب ،
جلد 23، شماره 4 - ( 12-1391 )
چکیده
در این مقاله به بررسی مسائل طبقهبندی دادهها (به عنوان یکی از شاخه های علم دادهکاوی) در قالب مدل برنامهریزی ریاضی چندهدفه میپردازیم. مدلی که ارائه و بررسی میگردد یک مسئله MODM میباشد. اولین بار بر پایه ایده ماشین بردار پشتیبان (SVM) (ماکزیمم کردن حاشیه دو گروه)، یک مدل برنامهریزی ریاضی چندمعیاره برای مسائل دادهکاوی بر پایه طبقهبندی مشاهدات به دو گروه مجزا مبتنی بر دو هدف تفکیک دادهها (ماکزیمم کردن فاصله بین گروههای مختلف و مینیمم کردن طبقهبندی نادرست دادههای مورد مشاهده) معرفی شد و از آن پس تاکنون ضمن اینکه افراد زیادی روی گسترش مدلهای طبقهبندی مبتنی بر روشهای برنامهریزی ریاضی کار کردهاند، همزمان و به صورت مستقل افرادی نیز روی بهبود روشهای ماشین بردار پشتیبان مطالعه نمودهاند. با توجه به فلسفه یکسان این دو دسته از روشهای بهینهسازی، در این مقاله به منظور پر کردن شکاف بین این دو مسیر پژوهش، از روشهای به روز و بهبود یافته SVM جهت ارائه مدلی به منظور طبقهبندی در دادهکاوی مبتنی بر برنامهریزی چندهدفه استفاده خواهد شد.
مجید وفایی جهان، مسعود نصرت آبادی، محمدرضا اکبرزاده توتونچی،
جلد 24، شماره 3 - ( 9-1392 )
چکیده
مساله زمانبندی کارکارگاهی بهبررسی نحوه توزیع کارها بین ماشین ها می پردازد به طوری که کارها در کمترین زمان ممکن انجام شوند. در این مساله فاکتورهایی نظیر زمان پردازش فعالیت ها و زمان موعد مقرر برای تحویل کارها، اغلب بصورت مبهم برای تحلیل گر تعریف می شوند. در چنین شرایطی، استفاده از پارامترهای فازی و اهداف چندگانه مبتنی بر علم فازی، لازم به نظر می رسد. که باعث ایجاد مساله زمانبندی کارکارگاهی فازی می شود. این مساله از مسائل غیر چندجمله ای (NP) می باشد، به همین دلیل روشی مبتنی بر الگوریتم اکتشافی بهینه سازی اکسترمال پیشنهاد می شود. به طوری که فعالیت های کم ارزش را با احتمال بیشتر انتخاب و تغییر می دهد، این باعث می شود تعداد فعالیت های کم ارزش، کمتر و تعداد فعالیتهای با ارزش یکسان، بیشتر شود در این حالت هر تغییر جزئی در زمانبندی، تغیرات زیادی در آن ایجاد می کند بنابراین باعث فرار از بهینه محلی شده و به سمت بهینه سراسری حرکت میکند. با توجه به نتایج حاصل از شبیه سازی بر روی داده های آزمایشی 6×6 و 10×10، روش پیشنهادی، رضایتمندی مطلوبی از اهداف مساله را با سرعت همگرایی مناسب، در مقایسه با روش های دیگر نشان می دهد، درستی جواب های ارائه شده و همچنین صحت روش پیشنهادی با استفاده از اصل همگرایی، آزمون آماری t و خطای امکان پذیری(F) اثبات شده است.
مسعود یقینی، محدثه رهبر نودهی، محمد کریمی ارکوینی، مجید خشکرودیان،
جلد 25، شماره 1 - ( 3-1393 )
چکیده
مساله گروه بندی واگن های باری یکی از مسائل مهم برنامه ریزی در حوزه راه آهن باری است. در این مقاله جهت حل این مساله، یک الگوریتم شاخه و قیمت که یک روش بهینه سازی دقیق می باشد، ارائه شده است. این روش مشابه روش شاخه و کران است، با این تفاوت که برای حل مسائل در هر شاخه، بجای استفاده از آزادسازی خطی از روش تولید ستون استفاده می شود. در روش تولید ستون که مبتنی بر تجزیه دانتزینگ-ولف است، مساله اولیه گروه بندی واگن ها به یک مساله اصلی و بر اساس تعداد تقاضاها به چندین مساله فرعی تجزیه میشود. با حل مساله اصلی، مقادیر دوگان محاسبه و به مسائل فرعی ارسال شده و با حل مسائل فرعی، مسیرهای جدید تولید و به مساله اصلی اضافه می شود. جهت ارزیابی این روش حل، چندین مساله نمونه تولید و حل شده و نتایج با جواب های بدست آمده از نرم افزار CPLEX مقایسه شده است. نتایج بدست آمده نشاندهنده کارایی الگوریتم پیشنهادی است.
آقای روح الله جوادی هدایت آباد، دکتر مریم حسن زاده،
جلد 26، شماره 2 - ( 6-1394 )
چکیده
حل مسائل پیچیده با فضای جستجوی بزرگ، همواره یکی از چالش های محققان برای رسیدن به پاسخ های بهینه بوده و هست. اما از آنجایی که به دست آوردن راه حل بهینه با استفاده از روش های دقیق و غیرهوشمند، بسیار مشکل است، اغلب رویکردها در سال های اخیر بر روی روش های تقریبی و فراابتکاری معطوف شده است. در این مقاله، روش جدیدی در ترکیب الگوریتم های فراابتکاری برای حل مسئله زمان بندی کار کارگاهی انعطافپذیر در شرایط چندهدفی ارائه شده است. این مسئله که نوع تعمیم یافته مسئله کلاسیک زمان بندی کار کارگاهی است، جزء مسائل NP-hard محسوب می شود. معمولاً در خصوص استفاده از روش های جستجوی محلی، دغدغه اصلی برای رسیدن به بهینه سراسری، انتخاب نقاط شروع مناسب است. لذا در این مقاله الگوریتم ژنتیک توسعه یافته ای با تکیه بر پارامتر جدید همسایگی ارائه شده است که خروجی آن شناسایی چند خوشه در اطراف نواحی برازنده تر است. بهترین راه حل هر خوشه، نماینده مناسبی برای نقطه شروع در روش های جستجوی محلی به شمار می آید. بهینه سراسری نیز از مقایسه نتایج این جستجوهای محلی به دست می آید. نتایج محاسباتی بر روی نمونه مسائل معروف نشان می دهد که راه حل های بهینه سریع تر و مطمئن تر از سایر روش ها به دست آمده است.
دکتر عبدالحمید صفایی قادیکلایی، دکتر احمد جعفرزاده افشاری، سیده مرضیه احمدی،
جلد 27، شماره 2 - ( 6-1395 )
چکیده
مسائل زمانبندی در محیطهای واقعی ساخت و تولید ماهیتا مسائل پویایی هستند و اغلب با عدمقطعیتها و پیچیدگیهایی روبرو هستند که توجه به آنها، گرچه منجر به عدم دستیابی سریع به جواب بهینه میگردد اما بهرهگیری کامل از مدلهای نظری توسعه یافته در حوزه برنامهریزی و زمانبندی را ممکن میسازد. در این پژوهش، مدلی از زمانبندی تولید کارگاهی منعطف با در نظر گرفتن عدمقطعیت ورود سفارش جدید و تغییر زمان عملیات ارائه شده است که هدف آن کمینه کردن حداکثر دوره ساخت (به عنوان معیار کارایی) و کمینهکردن انحرافهای بین زمانهای شروع عملیات در دو برنامه اولیه و ثانویه (به عنوان معیار پایداری) میباشد. بعلاوه به منظور نزدیکتر ساختن مدل به شرایط عملی، زمانهای حملونقل بین ایستگاههای کاری، به عنوان فرض کلیدی گنجانده شد که در تحقیقات مشابه در این حوزه، بطور همزمان در نظر گرفته نشده است. در بخش نتایج عددی، به دلیل NP-hard بودن مساله، الگوریتمی مبتنی بر اصول ژنتیک ارائه شد. نتایجی از تجزیه و تحلیل عددی مثالهای تصادفی، که با افزودن پارامترهای مربوط به حمل و نقل به مسائل موجود در ادبیات به دست آمدهاند، میزان درصد خطای بسیار ناچیز و در نتیجه کارآمدی الگوریتم را نشان داده است
دکتر علی محتشمی، آقا ناصر ساقرچیها،
جلد 28، شماره 1 - ( 3-1396 )
چکیده
انبار مکانی است که در هر کارخانه از لحظه دریافت مواد اولیه تا ارسال محصول نهایی وجود دارد. در فرآیندهای انبار، انتخاب سفارش به عنوان فعالیتی که بیشترین هزینه را دارد مطرح است. در این مقاله، یک مدل ریاضی دو هدفه برای مسئله انتخاب سفارشات اقلام از انبار پیشنهاد شده است. اهداف در نظر گرفته شده برای مدل توسعه یافته علاوه بر کمینهکردن کل هزینه های برداشت قطعه از انبار، میانگین دیرکرد تحویل سفارشات به خطوط مونتاژ/تولید را به حداقل می رساند. مدل پیشنهاد شده از دسته مسائل برنامهریزی خطی عدد صحیح ترکیبی (MILP) میباشد که بهدلیل پیچیدگی مسئله در ابعاد بزرگ و اثبات NP-Hard بودن آن در ادبیات موضوع، بهمنظور حل از الگوریتمهای فرا ابتکاری چند هدفه با رویکرد پارتو شامل الگوریتم ژنتیک مرتبسازی نامغلوب (NSGA-II) و الگوریتم ژنتیک رتبه بندی نامغلوب (NRGA) بهره برده ایم. از آنجائیکه خروجی الگوریتمهای فرا ابتکاری به شدت وابسته به پارامترهای ورودی الگوریتمهاست، از روش تاگوچی جهت تنظیم پارامترها استفاده شده است. در نهایت بهمنظور اثبات عملکرد مناسب روشهای حل ارایه شده در مدل مربوطه، این روشها بر روی مسائل آزمایشی تولید شده با ابعاد مختلف مورد تجزیه و تحلیل آماری قرار گرفته است.