مهندسی صنایع
سال:1389 | دوره:44 | شماره:1 |تعداد مقالات:10

کالیبراسیون شبیه ساز پرواز موضوعی اجتناب ناپذیر و پیچیده است. هدف مقاله حاضر پاسخ گویی به سوال های زیر است:1- آیا طرح آزمایش در کیفیت کالیبراسیون تاثیر دارد؟ چه طرحی برای کالیبراسیون مناسب است؟ 2- با چه روشی می توان تعداد نقاط آزمایش را تعیین کرد؟3- چگونه می توان از طراحی و تحلیل آزمایش های آماری برای کالیبراسیون استفاده کرد؟در این تحقیق با استفاده از یک شبیه ساز پرواز در دسترس نشان داده شده است که کیفیت کالیبراسیون می تواند وابسته به طرح آزمایش باشد و طرح آزمایش مناسب برای کالیبراسیون، طرحی است که نقاط آن بر اساس منطقی مشخص در دامنه تغییرات عوامل توزیع شده باشد. همچنین با استفاده از مفهوم انتروپی، روشی برای انتخاب تعداد نقاط آزمایش پیشنهاد شده است. سپس مساله کالیبراسیون با استفاده از طراحی و تحلیل آزمایش های آماری مدل سازی و حل شده است. از جمله مزایای روش پیشنهادی علاوه بر نظام مند کردن فرآیند کالیبراسیون، امکان کالیبراسیون بر اساس معیارهای یک مولفه ای از قبیل خطای برد، خطای انحراف سمت و معیارهای ترکیبی است.

یکی از مشکلات رایج در مدیریت پروژه، اختلال زمانبندی ها در اثر عوامل کنترل نشدنی حین اجرای پروژه است. در نتیجه، مدیران پروژه اغلب در پایبندی به تعهداتشان دچار مشکل می شوند. بنابراین زمانبندی پروژه علاوه بر زمان ختم کوتاه باید حین اجرا دچار کمترین اختلال شود. در این مقاله پس از بیان مفهوم مقاومت زمانبندی، یک مدل زمانبندی پروژه با اهداف کمینه کردن زمان ختم پروژه و بیشینه کردن مقاومت زمانبندی، توسعه داده می شود. در این مدل، دو تابع جانشین که یکی مربوط به ادبیات موضوع و دیگری جدید است، به منظور هدف مقاومت به کار گرفته شده است. همچنین، یک الگوریتم جستجوی ممنوعه برای تولید جواب های کارا توسعه داده شده است که با استفاده از آن، مجموعه ای از مسایل تصادفی حل می شود. در نهایت، از طریق شبیه سازی جوا ب ها، میزان کارآیی الگوریتم و توابع جانشین مقاومت ارزیابی شده است. با توجه به این نتایج، برتری نسبی تابع جانشین جدید به خوبی نشان داده می شود.

در این مقاله یک روش ترکیبی برای تخصیص و تسطیح منابع محدود در مسایل پیچیده برنامه ریزی تولید چندمرحله ای، چند محصولی و چندپریودی با هدف تعیین اندازه انباشته و حداقل کردن کل هزینه ارایه شده است. با معلوم بودن ظرفیت تولید ماشین آلات و تقاضای مشتریان، یک برنامه ریزی خطی عدد صحیح با هدف حداقل کردن مجموع هزینه های راه اندازی، نگهداری موجودی و تولید طراحی می شود. برای حل این مساله یک روش سه مرحله ای توسعه داده شده است. ابتدا به کمک آزادسازی محدودیت منابع کمیاب، مساله چندمحصولی به چند مساله تک محصولی تجزیه می شوند. سپس روش جدیدی به کمک ترکیب الگوریتم ژنتیک با یک روش جستجوی همسایگی برای حل مسایل کوچک ارایه می شود. در انتها، برای دستیابی به جواب بهتر به کمک یک الگوریتم ابتکاری عملیات تسطیح منابع در بین مسایل کوچک انجام می شود. عملکرد الگوریتم سه مرحله ای طراحی شده به وسیله تعداد قابل توجهی از آزمایش های تجربی مورد بررسی و تایید قرار گرفته است.

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه محیط ها نیازمند روش هایی است که با تعداد داده های قابل حصول کم نیز کارآمد و کارا باشند. روش های پیش بینی فازی، به دلیل استفاده از اعداد فازی به جای اعداد قطعی، نسبت به سایر روش های مشابه به داده های کمتری نیاز داشته، اما عملکرد آنها همیشه رضایت بخش نیست. در این مقاله برای بر طرف کردن محدودیت تعداد داده های مورد نیاز شبکه و حصول نتایج دقیق تر برای پیش بینی قیمت طلا، مدل ترکیبی شبکه های عصبی مصنوعی با رگرسیون فازی پیشنهاد شده است. نتایج تجربی بیانگر کارآمدی این روش در پیش بینی قیمت طلا است.

با وجود همه ویژگی های مثبت شش سیگما، بسیاری از شرکت ها در به کارگیری آن موفق نبوده اند. از جمله دلایل این موضوع می توان به توجه نداشتن سازمان ها به عوامل موفقیت شش سیگما اشاره کرد. بنابراین باید همراه با اجرای شش سیگما، به این عوامل و ارزیابی روابط بین آنها توجه شود. در این مقاله با انجام پیمایش در شرکت های تولیدی و با کمک تحلیل های آماری (تحلیل عاملی و مدل یابی معادلات ساختاری) داده های حاصل از تکمیل پرسشنامه توسط مجریان شش سیگما، به بررسی روابط بین این عوامل پرداخته و تلاش شده است الگویی برای اجرای اثربخش تر شش سیگما در اختیار مدیران و مجریان شش سیگما قرار گیرد. در این تحقیق عوامل کلیدی موفقیت مشتمل بر 10 عامل است. نتایج حاصله، عناصر شناخته شده موفقیت شش سیگما را تایید و نشان می دهد که ارتباط معنی دار و مثبت بین آنها وجود دارد.

در مدل های کلاسیک تحلیل پوششی داده ها (مثل مدل های CCR و (BCC، این فرض وجود دارد که مقدار عددی دقیقی برای ورودی ها و خروجی ها مشخص است. ولی بسیاری از اوقات در شرایط واقعی کسب و کار، تعیین مقدار عددی دقیق برای برخی ورودی ها و یا خروجی ها امکانپذیر نیست. در این مقاله، یک مدل نوین تحلیل پوششی داده ها ارایه می شود که کاربر را قادر می کند تا کاراترین واحد تصمیم گیری را با در نظر گرفتن داده های غیردقیق (بازه ای و رتبه ای) شناسایی کند. از مزایای مدل پیشنهادی این است که از کارایی محاسباتی بهره مندبوده و تنها با یک بار حل کردن آن، کاراترین واحد با داده های غیردقیق شناسایی می شود. به علاوه در این مقاله، کاربردپذیری مدل پیشنهادی در یک مساله انتخاب تامین کننده نشان داده شده است. در این مساله، 18 تامین کننده با داده های غیردقیق وجود داشته و مدل پیشنهادی برای شناسایی کاراترین تامین کننده به کار گرفته شده است. همچنین، نتایج مدل پیشنهادی با یکی از مدل های پیشین مورد مقایسه قرار گرفته است.

تضاد بهره وری ICT به مفهوم مغایرت نتایج به دست آمده در تحقیقات تاثیر IT بر عملکرد سازمان ها است) و مفهوم سرمایه گذاری های مکمل (با انجام این  گونه سرمایه گذاری ها می توان از تاثیر IT بر عملکرد سازمان اطمینان حاصل کرد) آن در کنار کاربرد روزافزون ICT در پروژه های توسعه محصول جدید، سازمان ها را با یک سوال جدی مواجه کرده است: "در یک پروژه NPD، اولویت های سرمایه گذاری بر مکمل های ICT برای حداکثر کردن سطح عملکرد پروژه کدام است؟ برای یافتن پاسخ این پرسش، موردکاوی گسترده ای توسط تحقیق حاضر در واحدهای تحقیقات استراتژیک و طراحی و توسعه محصول جدید ایران خودرو انجام شده است و با استفاده از شبکه های عصبی مدل مفهومی تحقیق مورد تجزیه و تحلیل قرار گرفته است. نتایج برای یک پروژه خاص نشان می دهد که منابع توسعه ای (ارزیابی های اولیه و تفصیلی بازار محصول و همچنین ارزیابی های مالی) و منابع انسانی بیشترین نقش را در افزایش عملکرد پروژه در سه حوزه مالی، مدیریتی و کلی خواهند داشت.

استقلال مشاهده های فرضی اساسی در طراحی یک نمودار X برای مشاهده های انفرادی است. ولی متاسفانه در بعضی از فرآیندهای تولیدی فرض وجود داده  های مستقل حتی به طور تقریبی نیز برقرار نیست و داده ها از خود نوعی خود همبستگی نشان می دهند. در این مقاله با شبیه سازی یک فرآیند AR(1) نشان خواهیم داد که وجود خود همبستگی در داده ها، تاثیر عمیقی بر نمودار X می گذارد. علاوه بر این با مقایسه برآوردگرهای انحراف معیار، میانگین برد متحرک و میانه برد متحرک، بهترین آن ها برای برآورد انحراف معیار فرآیند با استفاده از داده های خود همبسته، معرفی شده و در نهایت دو برآوردگر جدید انحراف معیار فرآیند با استفاده از داده های خود همبسته ارایه می شود.

یکی از چالش های مدیریت تولید دانش، ناملموس بودن فرایند تولید و مشخص نبودن رابطه بین ورودی ها و خروجی ها است. در این تحقیق، سعی در ارایه روشی برای بیان رابطه ورودی ها و خروجی ها در تولید دانش کرده ایم. بدین منظور ابتدا شاخص های مطلوبیت محصول دانشی و عوامل تولید دانش را شناسایی و با روش AHP، وزن عوامل تولید را در رابطه با هر یک از شاخص های مطلوبیت محاسبه و توابع تولید  را بر اساس این وزن ها به طور خطی تعریف کرده ایم. برای بهبود ضرایب، با استفاده از روش گرادیان نزولی، بر اساس داده های واقعی، ضرایب را طوری تنظیم کرده ایم که بیشترین تطابق با داده های واقعی حاصل شود. همچنین، با فرمول خطی به دست آمده از روش AHP، داده تولید کرده و همراه با داده های واقعی با استفاده از شبکه عصبی رابطه ای بین عوامل تولید و شاخص مطلوبیت برقرار کرده ایم. بدین ترتیب، علاوه بر داده های واقعی، توابع خطی به دست آمده از روش AHP را در بیان روابط ورودی ها و خروجی ها در نظر گرفته ایم. این روش  در تحریریه روزنامه قدس به کار گرفته شد. هر چند توابع خطی ایجاد شده با روشAHP ، با داده های واقعی با استفاده از آزمون t دوطرفه تایید شد، به کارگیری روش گرادیان نزولی و شبکه های عصبی، مجموع مربع های خطا را کاهش داد.