در این تحقیق مدل هوشمند نگهداری و تعمیرات پیش گیرانه بر اساس متدولوژی شبکه عصبی مصنوعی - منطق فازی به کمک محیط هوش مصنوعی نرم افزار متلب بر اساس ساختار مدل پنج لایه‌ شبکه‌های عصبی مصنوعی فالکن ارائه شده ، روش تحقیق بر مبنای تفکر سیستمی است. پس از تعیین مهمترین عوامل تاثیر گذار بر نگهداری و تعمیرات پیش گیرانه به کمک پرسش نامه و بر اساس دیتاست یک نمونه ۲۰۰۰ تایی از داده و گزارشات مدیر کل صنایع نساجی و پوشاک وزارت صمت طی سالهای ۱۳۹۶ تا ۱۴۰۱ (بصورت شش نیم سال) و اعتبار سنجی داده توسط متخصصان نگهداری و تعمیرات ۲۴۰ واحد صنعتی، مدل هوشمند طراحی گردید، که پس از اجرای مدل در کارخانجات نساجی بروجرد به عنوان محل اجرای طرح می‌توان ادعا نمود اگر (If ) ؛ پنج عامل "فن‌‌آوری" دارای مقادیر 9129/0 وضعیت خوب (کران بالای تابع عضویت خوب)، "کارکنان" دارای مقادیری 9239/0؛ وضعیت خوب (کران بالای تابع عضویت خوب)، "محیط کار" دارای مقادیر 8859/0؛ نسبتاً خوب (کران پایین تابع عضویت)،"کیفیت" دارای مقادیر 9999/0؛ وضعیت کاملاً خوب (بالا‌ترین تابع )، " استراتژی" دارای مقادیر 9999/0؛ وضعیت خوب (کران بالا) در نگهداری و تعمیرات پیش گیرانه باشند، آنگاه (Then) : وضعیت متغیر خروجی تحقیق یعنی "بهینه سازی عملکرد نگهد‌ا‌ری و تعمیر‌ات پیش‌گیرانه (Y) در پنجمین سطح خود یعنی خیلی خوب برابر با 882/0 قرار خواهد داشت. Manuscript profile

در پژوهش حاضر تعیین مهمترین عوامل تاثیر گذار بر نگهداری و تعمیرات پیش گیرانه هوشمند در صنعت نساجی و پوشاک در تعامل با تولید به کمک نرم افزار Spss25 پرداخته شد. دیتاست تحقیق بر اساس یک نمونه ۲۰۰۰ تایی از داده‌ها و گزارش‌های مدیرکل صنایع نساجی و پوشاک وزارت صنعت ، معدن و تجارت کشور و کارخانجات صنعت نساجی بروجرد به عنوان محل اجرای طرح طی سال‌های ۱۳۹۴ تا ۱۳۹۹ به صورت نیم‌سال تنظیم شده است. این تحقیق با جمع آوری این حجم از اطلاعات با همکاری متخصصان نگهداری و صنعت نساجی (جمع آوری اطلاعات ۲۴۰ واحد صنعتی از۶۳۰ واحد ریسندگی و بافندگی کشور) کم نظیر است. حجم نمونه تحقیق شامل اساتید، مدیران و کارشناسان صنایع نساجی بوده که پس ازتکمیل پرسش نامه قبل از اجرای تحقیق (وضعیت عملکردی) و مقایسه آن با پرسش نامه بعد از اجرای تحقیق (وضعیت ایده آل) و انجام محاسبات تجزیه و تحلیل آماری نتایج زیر حاصل شده است. با بررسی ارتباط بین متغیرهای تحقیق وکلاس بندی عوامل موثر در نگهداری و تعمیرات پیش گیرانه به ترتیب عبارتند ازعامل استراتژی با امکان تعیین 34 درصد، عامل فن‌‌آوری 30 درصد، عامل محیط کار 16 درصد، عامل کارکنان 10 درصد، عامل کیفیت 10 درصد مهمترین عوامل بهبود نگهد‌ا‌ری و تعمیر‌ات پیش‌گیرانه در تعامل با تولید در صنعت نساجی و پوشاک تعیین شدند. Manuscript profile

چکیدههدف پژوهش"طراحی مدل پویای هوشمند نت پیشگیرانه با بهرهگیری از شبیهسازی در تعامل با تولید" براساسمستندات صنایع نساجی و پوشاک تحت عنوان مدل نت پیشگیرانه پویا است. جهت محاسبات پویایی سیستم ازنرمافزار ونسیم و داده تحقیق بر اساس نمونه 2111 تایی از دادهها و گزارشهای صنایع نساجی و پوشاک طی سالهای1796 تا پایان 1411 و کارخانجات نساجی بروجرد به عنوان محل اجرای طرح به صورت نیمسال تهیه شده است.1 % و در سال / نتایج تحقیق نشاندهنده نرخ رشد "محیط کار در نت" کمترین مقدار رشد در سال 1796 حدود 27 % و در سال 1411 به رشد بالاتری، یعنی 6 % رسیده است. نرخ رشد "فنآوری در نت" مقدار / 1798 به رشد 1%8/ 1% و در سال 1798 به رشد 1 % و در سال 1411 به رشد بالاتری، یعنی 1 / رشد متوسطی در سال 1796 حدود 2رسیده است، نرخ رشد پویای متغیر " استراتژی در نت" بیشترین مقدار رشد در سال 1796 حدود 1 % و در سال9 % )حالت بهینه( رسیده / 1798 به رشد 6 % و در سال 1411 به میزان رشد بالاتری، یعنی 1 است. نرخ رشد پویای1% و در سال 1798 به رشد 1 % و در سال / متغیر " کارکنان در نت" رشد مطلوبی را داشته در سال 1796 حدود 28 % رسیده است. در نهایت، نرخ رشد پویای متغیر " کیفیت در نت " رشد خوبی را / 1411 به رشد بالاتری، یعنی 16 % رسیده / 1 % و در سال 1798 به رشد 4 % و در سال 1411 به رشد بالاتری، یعنی 1 / داشته در سال 1796 حدود 2است. Manuscript profile

Data envelopment analysis (DEA) is a nonparametric approach to estimate relative efficiency of Decision Making Units (DMUs). DEA is one of the best quantitative approaches and balanced scorecard (BSC) is one of the best qualitative methods to measure efficiency of an organization. Since simultaneous evaluation of network performance of the quad areas of BSC model is considered as a necessity and separate use of DEA and BSC is not effective and leads to miscalculation of performance, integrated DEA-BSC model is applied. Regarding to multi-objective nature of the proposed model, two techniques including goal programming and weighted average method are used to solve such problems. At the end of the study, based on data relating to indexes of quad areas of BSC model, the results of the mentioned methods are compared. Besides assessing validation of the proposed model, the overall efficiency and each of the different stages of BSC are obtained. So that, finding a model for decision making units in various stages of BSC is the innovation of this research study. Manuscript profile

Data envelopment analysis (DEA) is a method for measuring the efficiency of peer decision making units (DMUs) which uses a set of inputs to produce a set of outputs. In some cases, DMUs have a two-stage structure, in which the first stage utilizes inputs to produce outputs used as the inputs of the second stage to produce final outputs. One important issue in two-stage DEA is the sensitivity of the results of an analysis to perturbations in the data. The current paper looks into combined model for two-stage DEA and applies the sensitivity analysis to DMUs on the entire frontier. In fact, necessary and sufficient conditions for preserving a DMU's efficiency classiffication are developed when various data changes are applied to all DMUs. Manuscript profile

Performance measurement is always one of the most important tasks of managers, so knowledge management is measurement knowledge, and if we can measure something, we can no doubt control it, and therefore we cannot manage it. In this paper, according to the Malmquist productivity index, an index is used to determine the progress and regress of a unit. This index is defined by the boundary changes resulting from the inputs of the units and their efficiency changes, which we call the Malmquist Productivity Index. After calculating the Malmquist changes, we were able to determine the rate of increase or decrease in the indicators for the following period. Manuscript profile

This paper presents a m model of product arrangement and multi-warehouse location-routing problem under uncertainty. In the first stage of the designed model, the main goal is to arrange products in packages that can be sent to the customer. The second stage aims to locate potential warehouses and optimally route vehicles. Therefore, the objective function of the first stage includes the sum of the optimal dimensions of the packages, and the objective functions of the second stage include the simultaneous optimization of location-routing costs and the amount of greenhouse gas emissions. Due to the uncertainty of the designed model and considering the demand parameters and transmission costs in the form of trapezoidal fuzzy numbers, in this paper, the robust fuzzy optimization method is used to control the uncertainty parameters. Due to the NP-Hard nature of the designed model, the invasive weed optimization is used to determine the optimal dimensions of the packages and the arrangement of products in the packages in the first stage. In addition, the NSGA II is used to find efficient solutions to the problem in the second stage.The results of model implementation in a real case study in Safir Company have shown ten efficient solutions. By reviewing the efficient solutions, the most appropriate efficient solution for the management of Safir Company in Iran is presented. In this article, a two-stage model of product packaging and vehicle routing with simultaneous pickup and delivery under uncertainty is presented, which uses the robust fuzzy optimization method to control uncertainty and different methods to solve the problem. Manuscript profile

Sustainability in the integrated production system in supply chain networks has led to the creation of competitive advantage for companies. Therefore, companies should have proper management of their supply chain network to increase their market share. Therefore, in this article, a dual-objective model of a sustainable integrated production system is presented, taking into account the simultaneous reduction of possible costs on the system, the amount of greenhouse gas emissions, and the application of discounts on the costs of outsourcing production under uncertainty and the control of non-deterministic parameters with the robust optimization method. . Due to the NP-hard nature of the problem, the exact epsilon constraint method and meta-heuristic algorithms MOPSO, NSGA II, and MOGWO have been used to solve the model. The results of the calculations showed that the NSGA II algorithm is effective in obtaining the indicators of the number of effective answers and the distance index, and the MOPSO algorithm is also in obtaining the indicators of the most spread, the average computing time, and the distance from the ideal point, and the MOGWO algorithm is also in obtaining the averages of the first objective function . Also, the results of the implementation of the TOPSIS method for ranking the algorithms for solving the problem of a sustainable integrated production system included obtaining a desirability weight of 0.5882 for the MOPSO algorithm, obtaining a desirability weight of 0.1397 for the MOGWO algorithm, and obtaining a desirability weight of 0.7491 for the NSGA II algorithm. Manuscript profile