این تحقیق به دنبال یافتن مدل مناسبی و حل آن جهت حل مشکل چرخش شغلی در یک شرکت میباشد که به منظور کاهش هزینه و حداقل سازی حجم کار صورت پذیرفته است، تا بتوان با حداقل کردن هزینه بهره وری سازمان را افزایش دهد که با توجه به مدل سازی انجام شده از شرایط شرکت پیکسل و بررسی مور أکثر
این تحقیق به دنبال یافتن مدل مناسبی و حل آن جهت حل مشکل چرخش شغلی در یک شرکت میباشد که به منظور کاهش هزینه و حداقل سازی حجم کار صورت پذیرفته است، تا بتوان با حداقل کردن هزینه بهره وری سازمان را افزایش دهد که با توجه به مدل سازی انجام شده از شرایط شرکت پیکسل و بررسی موردی آن با لحاظ محدودیتهای پیشرو انجام پذیرفت نشان داده میشود که پیچیدگی این مساله از نوع NP سخت است و در نتیجه استفاده از روشهای دقیق برای حل مساله در زمان معقول امکان پذیر نیست. مدل برنامه ریزی بر اساس یک مسئله زمانبندی نیروی انسانی که نیاز به کارکرد 12 ساعت از روز و 7 روز هفته در یک محیط عملیاتی است به طوری که وضعیت کارگران با این شرایط محاسبه شده اند.در این تحقیق تلاش بر حدقل رسانیدن هزینه حجم کاری (بار کاری) W در کل برنامه برای هر یک از کارگرها که خدمات ارائه میدهند در 24 ساعت روز و 7 روز هفته انجام میگیرد.مفروضات مدل پیشنهادی عبارت است از اینکه سازمان 12 ساعت در روز کار میکند، افق برنامه ریزی در مدل تحقیق) 7-r) روز از هفته میباشد، هر کارگر در هفته r روز شامل off-day میشود، یک شیفت کاری به صورت، زمان شروع و طول شیفت، تعریف میگردد، شیفت کاری تمام وقت مجاز میباشد، در برنامه m کار با هزینه کارگری (حجم کاری) متفاوت دارد که با توجه به روز و هفته قابلیت جابه جایی دارد، همه کارگران دارای شرایط یکسان کاری میباشند. برای حل این مساله از یک الگوریتم تکاملی استفاده خواهد شد که در اینجا الگوریتم فاخته انتخاب شده است که در نرم افزار متلب کد نویسی شده و به منظور حل آن از الگوریتم فاخته استفاده شد. و نتایج آن با الگوریتم شبیه سازی تبرید مقایسه گردید نتایج بدست آمده بیانگر آن بوده است که الگوریتم فاخته بهینه ترین جواب جهت برازش مدل را به ما معرفی نموده است.
تفاصيل المقالة
زمینه و هدف: انتخاب ورودیهای مناسب برای مدلهای هوشمند از اهمیت بسزایی برخوردار است زیرا باعث کاهش هزینه و صرفهجویی در وقت و افزایش دقت و کارایی مدلها میشود. هدف از پژوهش حاضر،کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در شبیه سازی دبی ماهانه توسط پ أکثر
زمینه و هدف: انتخاب ورودیهای مناسب برای مدلهای هوشمند از اهمیت بسزایی برخوردار است زیرا باعث کاهش هزینه و صرفهجویی در وقت و افزایش دقت و کارایی مدلها میشود. هدف از پژوهش حاضر،کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در شبیه سازی دبی ماهانه توسط پارامترهای هواشناسی میباشد.
روش بررسی: در این مطالعه داده های هواشناسی و سری زمانی ماهانه دبی رودخانه زرین رود (ایستگاه صفاخانه) واقع در آذربایجان- شرقی در دوره زمانی 1336تا1394 مورد استفاده قرارگرفت. پارامترهای هواشناسی و ماه از سال بهعنوان ورودی در روش آنتروپی به منظور تعیین ترکیب موثر در نظر گرفته شد.
یافته ها: نتایج آنتروپی شانون نشان داد که پارامترهای بارش ، ماه از سال و دما ، نتایج بهتری را برای مدلسازی ارایه میدهد. شبیهسازی با استفاده از مدل های هیبرید هوشمند الگوریتم هیبریدی ازدحام ذرات و الگوریتم هیبریدی شبیه سازی تبرید انجام گرفت.کارایی مدلها با استفاده از معیار ضریب تبیین ،ریشه جذر میانگین خطا وشاخص پراکندگی محاسبه گردید.
بحث و نتیجه گیری: نتایج نشان داد از میان این مدل ها با ساختار ورودیهای یکسان، مدل الگوریتم هیبریدی شبیه سازی تبرید بر پایه ماشین بردار پشتیبان عملکرد بهتری برای شبیهسازی دبی جریان در مقایسه با سایر مدل های هیبریدی هوشمند داشته است. همچنین نتایج تحقیق نشان داد که روش آنتروپی در انتخاب بهترین ترکیب ورودی در مدلهای هوشمند از کارایی خوبی برخوردار است.
تفاصيل المقالة
در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در أکثر
در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده است. یکی از مسائل دیگر در مدل های سری زمانی فازی که تاثیر به سزایی در عملکرد آنها دارد طول بازه های مورد استفاده و نحوه ی تقسیم بندی فضای مسئله می باشد که در این زمینه تحقیقات متنوعی انجام شده است اما نتایج حاصله تا کنون راضی کننده نیست. لذا در این تحقیق با استفاده از الگوریتم شبیه سازی تبرید سعی در برطرف نمودن ایرادات مطالعات قبلی برای تعیین بازه های مناسب شده است.
حاصل تحقیق مدل RBFTS است. برای مقایسه عملکرد مدل ارائه شده و مدل های موجود در ادبیات، از دو مسئله ی بورس تایفکس و پذیرش دانشگاه آلاباما که به عنوان مرجع مقایسه ی این دسته از مدل ها هستند استفاده شده است. نتایج حاصله نشان دهنده ی برتری مدل های ارائه شده نسبت به مدل های پیشین است. در نهایت به عنوان مورد اجرایی، دو مدل نامبرده برروی شاخص بازار بورس تهران اجرا شده و نتایج تحلیل گردید.
تفاصيل المقالة
This paper has been worked on a RAP with multi-state components and the performance rate of each component working state may increase by spending technical and organizational activities costs. Whereas RAP belongs to Np-Hard problems, we used Genetic algorithm (GA) and s أکثر
This paper has been worked on a RAP with multi-state components and the performance rate of each component working state may increase by spending technical and organizational activities costs. Whereas RAP belongs to Np-Hard problems, we used Genetic algorithm (GA) and simulated annealing (SA) and for solving the presented problem and calculating system reliability universal generating function (UGF) have been used.
تفاصيل المقالة
تعیین اندازهی انباشته و زمانبندی متعلق به دو سطح تصمیمگیری مختلف در برنامهریزی تولید میباشند، به طوری که تعیین اندازه انباشته در سطح میان مدت و زمانبندی در سطح کوتاه مدت میباشد.این دو مسأله دارای ارتباط نزدیکی میباشند زیرا نتایج مسأله تعیین اندازهی انباشته که مق أکثر
تعیین اندازهی انباشته و زمانبندی متعلق به دو سطح تصمیمگیری مختلف در برنامهریزی تولید میباشند، به طوری که تعیین اندازه انباشته در سطح میان مدت و زمانبندی در سطح کوتاه مدت میباشد.این دو مسأله دارای ارتباط نزدیکی میباشند زیرا نتایج مسأله تعیین اندازهی انباشته که مقادیر تولید در هر دوره را تعیین می کند به عنوان ورودی مسأله زمانبندی میباشد. زمانبندی درسطح عملیاتی کارگاه با مشخص شدن میزان مورد نیاز هر محصول قابل اجرا خواهد بود. هدف در مسأله تعیین اندازهی انباشته و زمانبندی همزمان، تعیین مقادیر تولید و سطوح موجودی برای هر محصول در هر دوره می باشد. بنابراین برای دستیابی به جوابهای بهینه کلی میبایست وابستگی درونی بین این دو مسأله در نظر گرفته شود و تصمیمات مرتبط، میبایست به طور همزمان صورت پذیرد. هدف این تحقیق ارائه مدل ریاضی با درنظرگرفتن درآمد فروش و هزینههای ناشی از تولید، راهاندازی، نگهداری، دیرکرد و زودکرد جهت تعیین همزمان اندازه دسته تولید و زمانبندی است. برای اعتبار سنجی مدل ریاضی یک مثال عددی حل می شود. با توجه به اینکه مسأله مورد نظر جزء مسائل NP-hard میباشد، یک الگوریتم شبیه سازی تبرید برای تولید جواب در اندازههای بزرگ برای مسأله زمانبندی و تعیین اندازهی دسته تولید به طور همزمان طراحی می شود. نتایج محاسباتی حاکی از آن است که الگوریتم فراابتکاری پیشنهادی کارآیی و سرعت حل مناسبی دارد.
تفاصيل المقالة
Facility layout is one of the most important Operations Management problems due to its direct impact on the financial performance of both private and public firms. Facility layout problem (FLP) with stochastic parameters, unequal area facilities, and grid system modelin أکثر
Facility layout is one of the most important Operations Management problems due to its direct impact on the financial performance of both private and public firms. Facility layout problem (FLP) with stochastic parameters, unequal area facilities, and grid system modeling is named GSUA-STFLP. This problem has not been worked in the literature so that to solve GSUA-STFLP is our main contribution. In this paper, we have first presented an integer nonlinear programming model which aims to minimize the cost of material handling. Then, a metaheuristic SA-based algorithm is proposed. Our proposed SA is able to generate feasible solutions by a local search operator to explore and exploit the solution space. Next, problems with different sizes besides the real case study have been solved. The computational results show the capability of the proposed SA to obtain the solutions with high quality in a short time.
تفاصيل المقالة
با توجه به اهمیت ریسک در مدیریت سبد، ارزش در معرض ریسک (VaR) توانسته به عنوان ابزاری سودمند به سرمایه گذاران و تحلیلگران در این زمینه کمک شایانی کند. اما با توجه به آنکه این مدل تخمین های کاملی از ریسک را در گوشه های دنباله بازده ارائه نمی دهد، لذا تلاشهای فراوانی جهت ا أکثر
با توجه به اهمیت ریسک در مدیریت سبد، ارزش در معرض ریسک (VaR) توانسته به عنوان ابزاری سودمند به سرمایه گذاران و تحلیلگران در این زمینه کمک شایانی کند. اما با توجه به آنکه این مدل تخمین های کاملی از ریسک را در گوشه های دنباله بازده ارائه نمی دهد، لذا تلاشهای فراوانی جهت ارائه مدلهایی (شامل ارائه مدلهای جدید و یا توسعه مدلهای موجود) برای رفع این نقیصه توسط پژوهشگران انجام شده است. در این مقاله برآنیم تا ضمن معرفی نقیصه های مدل ارزش در معرض ریسک، با استفاده از دو مفهوم " بسط کورنیش فیشر " و استفاده از " ضرایب توزیع بیضوی" ، ریسک در نظر گرفته نشده در دنباله ها را دقیقتر تخمین بزنیم. براین اساس دو مدل اصلاح شده ارزش در معرض ریسک کورنیش فیشر و مدل ارزش در معرض ریسک تی استیودنت مدلسازی و با استفاده از الگوریتم شبیه سازی تبرید، بهینه سازی شده است. در پایان مرزهای کارایی حاصله از بهینه سازی مدلهای اصلاح شده با مدل ارزش ذر معرض ریسک مقایسه شده است. نتایج این مقاله نشان می دهد که با استفاده از این مدلهای اصلاح شده، تخمین دقیقتری از ریسک نهفته در انتهای دنباله ها می توان ارائه داد که به سرمایه گذاران و تحلیلگران مدیریت سبد کمک شایانی می کند.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications