آرمان پردازش
سال:1402 | دوره:4 | شماره:4 |تعداد مقالات:6

امروزه لجستیک مدرن در حال حرکت به سوی محوریت خدمات مبتنی بر وب است. تجارت الکترونیکی در حوزه اقتصاد دیجیتال به سرعت در حال رشد است و مشتریان انتظار دارند که بتوانند خریدهای خود را به سرعت و به سهولت انجام دهند. این تکنولوژی در طول سال ها تکامل یافته و همچنان در حال تحول است به طوری که بسیاری از کسب و کارها را برآن داشته تا در کسب و کار خود را وارد این فضا کنند. از سوی دیگر، رشد فراگیر اینترنت، سکوی گسترده تری را، به نام اینترنت اشیا ایجاد کرده است که به دنبال ایجاد زیرساختی قدرتمند برای جمع آوری، پردازش و انتقال اطلاعات توزیعی در کمترین زمان می باشد. تأثیر اینترنت اشیا بر صنعت پرداخت و تجارت الکترونیک، هم برای خریداران و هم برای فروشندگان پوشیده نیست. اگرچه بررسی ابعاد فنی اینترنت اشیا در جهت توسعه تجارت الکترونیک گاها مساله ای مبهم است و کاملا شفاف سازی نشده است. در این راستا و بمنظور دستیابی به این هدف، در این مقاله قصد داریم نقش اینترنت اشیا در توسعه کارکردهای تجارت الکترونیک و ابعاد فنی مساله را بررسی نمائیم.

چالش های توسعه نرم افزار با استفاده از روش چابک با تمرکز بر الزامات غیر عملکردی، یکی از مسائل مهم در حوزه مهندسی نرم افزار است. الزامات غیر عملکردی شامل مواردی مانند کارایی، امنیت، قابلیت استفاده، قابلیت نگهداری و قابلیت توسعه هستند که در طراحی و توسعه نرم افزار بسیار حائز اهمیت هستند. با وجود این، در روش چابک، چالش هایی برای ادغام الزامات غیر عملکردی با الزامات عملکردی وجود دارد و همچنین بررسی و ارزیابی این الزامات در طول فرآیند توسعه نرم افزار بسیار مهم است. نیازمندی ها و الزامات غیر عملکردی(NFR) اغلب به عنوان یک مسئله مشکل ساز گزارش می شود. NFR ها مولفه های کیفی می باشند که بر روی انتظارات متمرکز می شوند و در حقیقت برای داشتن سیستم کاربری بهینه و آسان به ما کمک می کنند که دارای کارایی و بازده قابل قبولی باشد.

پیشینه و اهداف: بیماری های قلبی به عنوان یکی از شایع ترین بیماری های جهان معرفی شده اند و تأخیر در درمان آن ها می تواند منجر به افزایش مرگ بیماران گردد. هدف اصلی این تحقیق ارتقاء شناسایی بیماران قلبی با استفاده از سیستم دسته بند یادگیر است. روش ها: در این تحقیق، از سیستم های دسته بند یادگیر با تکنیک های یادگیری مبتنی بر قواعد استفاده شده است. این تکنیک ها بر پایه دو اصل اساسی یادگیری تقویتی و الگوریتم های تکاملی ژنتیک ساخته شده اند. سبک میشیگان به عنوان روش بهینه سازی انتخاب شده و مجموعه داده بیماران قلبی از مرکز تحقیقات افشار برای آموزش و یادگیری سیستم مورداستفاده قرارگرفته است. یافته ها: پس از آموزش سیستم، تعدادی قانون باارزش تولیدشده که در مرحله آزمون برای پیش بینی بیماران قلبی مورداستفاده قرار گرفته است. نتایج آزمایش ها نشان می دهد که با استفاده از سیستم دسته بند یادگیر بر مبنای سبک میشیگان، شناسایی بیماران قلبی بهبودیافته و دقت پیش بینی به 88 درصد افزایش یافته است؛ که این روش قادر به انجام شناسایی کامل تری از بیماران قلبی است. نتیجه گیری: با توجه به نتایج تحقیق، استفاده از سیستم دسته بند یادگیر بر مبنای سبک میشیگان به عنوان یک رویکرد بهینه، شناسایی بیماران قلبی را بهبود بخشیده و دقت پیش بینی را افزایش داده است. این روش می تواند بهبود مؤثری در درمان به موقع بیماران قلبی و کاهش مرگ ومیر ناشی از این بیماری ها داشته باشد.

افزایش لحظه ای کاربران و نیاز آن ها به خدمات اینترنتی باعث شد که در اندک زمانی شرکت هایی که این گونه از خدمات را ارائه می دادند با مشکلاتی نظیر عدم توانایی در پاسخگویی سریع به کاربران و افزایش هزینه هایشان روبرو شوند. از این رو بسیاری از این شرکت ها با سرمایه گذاری های فراوان در زمینه های تحقیقاتی به فکر شیوه های موثر و مقرون به صرفه، برای سرویس دهی به حجم بالایی از کاربران افتادند و به این ترتیب فناوری نوین و کارآمدی به نام رایانش ابری به وجود آمد. با افزایش کاربران استفاده کننده از خدمات رایانش ابری و لذا افزایش میزان درخواست ها، جهت دستیابی به مزایای اشاره شده، نیاز به استقرار مکانیزم های مناسبی جهت توازن بار، زمانبندی کار و مجازی سازی در رایانش ابری می باشد. این بار می تواند شامل ظرفیت حافظه، بار شبکه و یا تاخیر باشد. توازن بار فرایند توزیع بار در میان گره های مختلف یک سیستم توزیع شده جهت بهبود بهره برداری از منابع و زمان پاسخ می باشد در حالی که از وضعیتی که درآن برخی از گره ها دارای بار سنگین باشند در حالی که گره های دیگر بیکار باشند و یا کار خیلی کمی برای انجام دادن داشته باشند اجتناب می کند. با توجه به ضرورت و اهمیت توازن بار در رایانش ابری، در این مقاله به مروری جامع از الگوریتم های استاتیک، پویا و الهام گرفته از طبیعت جهت متعادل سازی بار در یک فضای ابری برای رسیدگی به زمان پاسخ دهی مراکز داده و عملکرد کلی آن ها می پردازیم. با تحلیل الگوریتم های تعادل بار نشان می دهیم که الگوریتم کلونی مورچه، الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات با تخصیص بهینه وظایف می توانند نقش مؤثرتری در متعادل-سازی بار در فضای ابری را داشته باشند. همچنین نتایج گویا این است که نرم افزار کلودسیم بیشترین کاربرد را در شبیه سازی الگوریتم های متعادل کردن بار در فضای ابری داشته است.

سیستمها، رویکردها و فناوری های امروزی که برای مدیریت عملیاتهای زنجیره تامین نفت و گاز به کار می روند، از ارائه شفافیت عملیاتی، قابلیت ردیابی، ممیزی، امنیت و ویژگیهای منشاء داده قابل اعتماد، برخوردار نیستند. همچنین بخش بزرگی از سیستمهای متمرکز موجود، به صورت دستی بوده و به شدت از هم گسیخته می باشند که آنها را به شدت در برابر دستکاری در نقاط مختلف آسیب پذیر می سارند. فناوریهای نوظهوری مانند اینترنت اشیاء، محسبات مبتنی بر مه، رایانش ابری و بلاکچین می توانند نقشی حیاتی در افزایش میزان کارایی عملیاتی صنایع نفت و گاز ایفا کنند. در این مقاله، فرصتها و کاربردهای بالقوه فناوری هوش مصنوعی در مدیریت اکتشاف، تولید، زنجیره تامین و عملیات لجستیک در صنعت گاز طبیعی بررسی می گردد، زیرا می تواند قابلیت ردیابی، تغییرناپذیری، شفافیت و ممیزی را به صورت غیرمتمرکز ارائه می دهد. در این پژوهش موارد استفاده از هوش مصنوعی را در زنجیره های بلوکی غیرمتمرکز مرتبط با قراردادهای هوشمند، سیاستهای تجاری شرکتی و مزایای آن برای مدیریت موثر و ارزیابی ریسک بازار در طول بحران های اجتماعی-اقتصادی مطرح می گردد. نتایج بررسی نشان داد که بکارگیری هوش مصنوعی، دقت تصمیم گیری قراردادهای هوشمند صنعت گاز طبیعی را افزایش می دهد. در نتیجه سطح آستانه هزینه ها، انرژی و سایر عملکردهای کنترلی در تهیه، تولید و توزیع را از نظر کیفی، محدود می نماید.

امروزه سیستم های سایبر فیزیکی می توانند برای بسیاری از کاربردهای تکنولوژیکی نوین مانند مانیتورینگ ترافیک، بررسی میدان جنگ و مانیتورینگ بر مبنای حسگر و شبکه های توزیعی بکار روند. این سیستم ها وضعیت محیط اطراف را به صورت هوشمندانه نظارت و پایش می کنند و با پاسخی هوشمندانه به رخدادهای محیط اطراف، واکنش نشان می دهند. شبکه حسگر بی سیم یکی از کاربردهای مهم سیستم های سایبر فیزیکی به شمار می آید که در آن با استفاده کردن از تعداد زیادی گره حسگر در یک محیط وسیع شروع به جمع آوری اطلاعات از محیط پیرامون می کند. رهگیری اهداف متحرک مسئله ای اساسی و چالش برانگیز در این حوزه اﺳﺖ. در این مقاله به بررسی رهگیری اهداف بر روی شبکه حسگر بی سیم پرداخته سپس مسائل و مشکلات رهگیری دراین حوزه را بررسی و مطرح می نمائیم، ﺑﺮای اﻳﻦ ﻣﻨﻈﻮر، اﺑﺘﺪا تعریفی جامع از سیستم های سایبر فیزیکی و همچنین شبکه حسگر بی سیم خواهیم داشت، سپس در ادامه به بررسی رهگیری اهداف در شبکه حسگر می پردازیم و روش های رهگیری در شبکه و ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻴﺖی مرتبط را موردبررسی قرار خواهیم داد.