محاسبه وزن مواد بار کوره های ذوب، اغلب از راه موازنه جرم ساده عناصر آلیاژی در مواد ورودی و مذاب خروجی انجام می شود. اما در فرایندهای ذوب، پیچیدگی ها و پدیده های گوناگونی هست که اغلب در محاسبات موازنه جرم نادیده گرفته می شود و سبب عدم اطمینان در محاسبه بار کوره می گردد. خطای محاسبه، باعث اصلاح چندباره ذوب، تأخیر در تخلیه، افزایش هزینه و کاهش کیفیت مذاب می شود. در پژوهش حاضر تلاش بر این بوده که پیچیدگی ها و جنبه های مهم مساله ذوب، که اغلب نادیده گرفته شده، در کوره شناسایی و در یک مدل ریاضی مناسب درنظر گرفته شود. هدف پژوهش حاضر توسعه مدلی است، که نه تنها وزن مواد اولیه برای ترکیب شیمیایی ذوب هدف را بهینه سازی کند، بلکه هدررفت ناهمگن عناصر آلیاژی، ناخالصی های غیرفلزی مواد بار، و اصلاح ذوب اولیه در کوره را نیز درنظر بگیرد. این مقاله، یک مدل بهینه سازی استاندارد و یک الگوریتم حلقه ی تکرار برای موازنه جرم غیرخطی مساله ذوب ارایه می کند. یک مساله ذوب آلیاژ برنج با 7 عنصر آلیاژی و 8 نوع مواد بار در مقیاس صنعتی طرح و بررسی گردید، تا کارکرد مدل را مورد آزمایش قرار دهد. نتایج عددی مدل کسر وزنی مواد اولیه، و وزن و ترکیب شیمیایی ذوب اصلاح شده را با کمترین هزینه مواد نشان می دهد. تحلیل بهینه بودن جواب، تایید کرد که کمترین مقدار هزینه به دست آمده است. مدل استاندارد غیرخطی، ابزاری قابل اعتماد و سریع برای بهینه سازی هزینه و محاسبه بار کوره است که پتانسیل های قابل توجهی برای کاهش هزینه و تسهیل اتوماسیون صنعتی فرایند ذوب ایجاد می کند.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در این کار از مزایای استفاده همزمان از رویکرد بیوریفاینری و بهینه سازی برای دست یابی به کارایی فرآیند کل مطلوب استفاده شد. ابتدا از فرآیند تغییر pH قلیایی کمک شده با التراسونیک و بهینه سازی آن به منظور کمک به بیشینه کردن درصد بازدهی استخراج و شاخص سفیدی پروتئین های عضله فانوس ماهی گونه B. pterotum استفاده شد. استراتژی بهینه انتخاب شده با مشخصات بدین شرح؛ نسبت حلال به جامد ml g-1 6، pH انحلال 5/11، توان التراسونیک W 310 ؛ و pH ترسیب 8/5 و با مطلوبیت 84/0؛ بازدهی 53 درصد و شاخص سفیدی 81/76 را ارائه کرد. از این پروتئین در ترکیب با کلاژن هیدرولیز شده در تهیه ژل های حرارتی استفاده شد. نتایج نشان داد ژل حاصل از پروتئین ایزوله نیروی شکست و تغییر شکل را به ترتیب در حدود 123 g و 12/10 میلی متر ارائه کرد. افزودن کلاژن هیدرولیز شده سبب بهبود نیروی شکست (تا سطح 2% وزنی/وزنی) و مقدار تغییر شکل (تا سطح 10% وزنی/وزنی) شد. کلاژن هیدرولیز شده همچنین تا حدودی بر ویژگی های رنگ و شاخص سفیدی و همچنین بر ظرفیت نگهداری آب در ژل ها اثر مثبت داشت. بنابراین می توان عنوان کرد با اتخاذ یک تکنیک جدید استخراج مثل التراسونیک در کنار فرآیند تغییر pH و متعاقبا بهینه سازی آن و همچنین استفاده از رویکرد بیوریفانری به منظور استفاده همزمان از پروتئین های عضله و بافت پیوندی موجود در زیست توده ماهی؛ می توان گامی مهم در جهت حرکت به سمت scale-up (صنعتی کردن مقیاس تولید)کردن فرآیند برداشت.

مساله زمان بندی کارکنان هواپیما از مهم ترین مسائل در حوزه تحقیق در عملیات به شمار می رود و به طور عمومی شامل تخصیص گروه های کارکنان به سفرهایی است که می بایست طبق برنامه زمان بندی از پیش تعیین شده ای، توسط ناوگان موجود پوشش داده شوند، به طوری که هزینه های مربوط به تخصیص کارکنان به سفرها، کمینه شود. مساله زمان بندی کارکنان به دو فاز کلی تقسیم می شود. در فاز اول، تمام سفرهای رفت و برگشتی که شروع و خاتمه آنها در محل استقرار کارکنان است، تحت عنوان مجموعه ماموریت ها تعیین می شود. در فاز دوم به دلیل عدم قطعیت در انجام پرواز به دلایلی از قبیل وضعیت جوی آب و هوا، حضور یا غیبت کارکنان هواپیما، خرابی ناگهانی هواپیما و بسیاری عوامل دیگر، با استفاده از رویکرد مجموعه های فازی به مدلسازی مساله که خواهان تخصیص بهینه کارکنان به سفرهاست می پردازیم. استفاده از تئوری مجموعه های فازی در این مساله شرایط واقعی تری برای زمان بندی کارکنان هواپیما ایجاد می کند. در حل مساله زمان بندی کارکنان هواپیما با توجه به قرار گرفتن در گروه مسائل NP-hard، به استفاده از الگوریتم بهینه سازی ذرات انبوه به برای حل مساله مورد پژوهش پرداخته شده است.

در این مطالعه به منظور پیش بینی وضعیت آتی تقاضای انرژی (کل مصرف نهایی انرژی) ایران، با استفاده از خط سیر شاخص های کلان اقتصادی، دو فرم از معادلات تقاضای انرژی غیر خطی شبیه سازی شده است، به عبارت دیگر، کارآیی برآورد تقاضای انرژی ایران، بر اساس الگوریتم بهینه سازی انبوه ذرات (PSO) بهبود یافته است. مدل شبیه سازی تقاضای انرژی با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSOEDS)، با استفاده از متغیرهای جمعیت، تولید ناخالص داخلی (GDP) و واردات کالاها و خدمات بسط داده شده است. یکی از معادلات پیشنهادی نمایی و دومی درجه دوم است. در تابع تقاضای انرژی، فرم درجه دوم نتایج بهتری را در مشاهده داده ها فراهم می کند و با یک ضریب همبستگی بالاتر، برای پروژه های بخش انرژی ایران به کار برده می شود.

هدف این تحقیق افزایش اکسرژی و کاهش تولید آنتروپی برای توربین بادی نوع E x c e l-S B e r g e y با بهینه سازی سرعت های شروع چرخش، نامی و خاتمه ی چرخش در الگوریتم انبوه ذرات است. بدین منظور ابتدا تابع هدف با مدل سازی ریاضی اکسرژی توربین بادی به دست می آید. سپس با گردآوری داده های آماری توربین مذکور، توسط کد رایانه یی شبکه ی عصبی، توربین بادی در نرم افزار متلب مدل سازی شده و نتایج آن به صورت جداول و نمودارهایی ارائه می شود. این نتایج رابطه یی میان سرعت هوای ورودی، تولید آنتروپی و بازدهی قانون دوم ترمودینامیک را ارائه کرده است. با بررسی نتایج بهینه سازی توسط الگوریتم انبوه ذارت، تولید آنتروپی به میزان 24. 5 درصد کاهش و بازدهی اکسرژی 41. 7 درصد افزایش پیدا می کند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

ماهیت فعالیت های تجاری و سرمایه گذاری به گونه ای است که کسب بازدهی مستلزم تحمل ریسک است. انتخاب سبد سهام عمل دشوار و سختی است که سرمایه گذار خود را در مقابل انتخاب زیاد و گوناگونی می بیند که باید یکی از آن ها را به عنوان بهترین روش انتخاب کند. پژوهش حاضر به مساله بهینه سازی سبد سهام با توجه به ارزش در معرض خطر بر مبنای الگوریتم هوشمند آتش بازی و مقایسه آن با الگوریتم انبوه ذرات از روش شبیه سازی تاریخی با استفاده از نرم افزارMATLAB می پردازد. تنظیم پارامترهای الگوریتم های فراابتکاری به روش تاگوچی با استفاده از نرم افزارMINITAB انجام شد. در این پژوهش از اطلاعات سهام شرکت های پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آن ها بین سال های 1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. زمان اجرای الگوریتم انبوه ذرات نسبت به الگوریتم آتش بازی در هر سه سطح اطمینان کمتر بوده است اما سرعت همگرایی الگوریتم آتش بازی نسبت به الگوریتم انبوه ذرات در همه سطوح بیشتر بوده است. یافته های پژوهش نشان داد که مدل ارزش در معرض خطر با استفاده از الگوریتم آتش بازی علی رغم زمان اجرای بیشتر به علت سرعت همگرایی بهتر و رتبه بالاتر آزمون لوپز از اعتبار مناسب تری جهت بهینه سازی سبد سهام برخوردار است.