کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7255861 1472375 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
From Morphological Analysis to optimizing complex industrial operation scenarios
ترجمه فارسی عنوان
از تحلیل مورفولوژیکی تا بهینه سازی سناریوهای پیچیده عملیات صنعتی
کلمات کلیدی
تجزیه و تحلیل مورفولوژیکی، سناریوهای عملیات صنعتی، بهینه سازی، سناریوهای تجاری،
فهرست مطالب مقاله
چکیدهکلمات کلیدی1.مقدمه1.1. تعریف مشکل1.2. هدف1.3. حل مشکل2. جدیدترین تکنولوژیشکل 4.1. جدول و راه حلهای مورفولوژیکی3. مدل هیبرید3.1. فرایند کسب و کارشکل 4.2. اشتراکات وضعیت نهایی فولاد  3.2. فرضیات برنامه ریزیشکل 3.1. فرایندهای تولید، حمل و نقل، فروش3.3. کسب و نمایش داده مورفولوژیکیشکل 3.2. جداول تولید واحدهای هزینه (هزینه متغیر، هزینه ثابت)3.4. مدل بهینه سازیجدول 3.4. جدول حمل و نقل واحدهای هزینه (هزینه متغیر، هزینه ثابت)شکل 3.5. جدول مرجع مقادیر  محصول Xi,j به تُن t.شکل 3.6. جدول مرجع مقادیر  محصول با داده نمونه.شکل 3.7. توپولوژی چشم انداز فضای راه حل با داده نمونه.3.5. تحلیل بهینه سازی3.6. تابع هدف3.7. محدودیتهاشکل 3.8. جدولی با محدودیتهای ظرفیت تولید اضافه شده. شکل 3.9. جدولی با محدودیتهای تقاضای فروش اضافه شده.شکل 5.1. راه اندازی مشکل.4. روش5. سناریوی صنعتی5.1. کسب داده و راه اندازی5.2. بهینه سازی و یافته هاشکل 5.2. تقاضای محصولات پودری 2011- 2020 شکل 5.3. قیمت بازار محصولات پودری 2011- 20205.3. پیاده سازی نتایجشکل 5.4. قیمت انباشته شده در بازار محصولات پودری 2011- 2020شکل 5.5. پتانسیل ذخایر محصولات پودری پس از بهینه سازی 2011-20205.4. پیشنهادات6. نتیجه گیریشکل 5.6. متغیرهای تصمیم گروه محصول تولیدات پودری پس از بهینه سازی 2016.شکل 5.7. محاسبه هزینه واحد گروه محصول 5- محصولات سیلو
ترجمه چکیده
این مقاله در مورد روش تولید، تجزیه و تحلیل و بهینه سازی سناریوهای پیچیده عملیات صنعتی بحث می کند. مدل براساس معماری هیبرید (مرکب) بوده که حاوی دو فاز است. اولین فاز شامل کسب و نمایش اطلاعات و دومین فاز شامل فرایند بهینه سازی در پایگاه داده جمع آوری شده است تا موقعیت بهینه¬ی یک سناریوی صنعتی مشخص را ایجاد کند. در اولین فاز، از تحلیل مورفولوژیکی برای تقسیم سیستمهای صنعتی پیچیده به بخشهای قابل مدیریتی استفاده می شود. این بخشها مبنای کسب دانش و داده ها و نمایش آنها را ارائه می کنند. هر زیرمجموعه در جدول انفرادی نشان داده شده و ویژگی سیستم ازجمله انواع منابع، لجستیک، حقوق مالیاتی و غیره را تعیین می کند. در فاز دوم، ویژگیهای جدول مورفولوژیکی با عنوان متغیرهایی درنظر گرفته می شود که به بهینه سازی می پردازد. ارزشها به تمام متغیرها با هدف قرار دادن وضعیت بهینه کلی اختصاص می یابند. راه حل، سناریوی عملیات بهینه را برای سازمان صنعتی مربوطه منعکس می کند. در این مدل، جدولها به وسیله تابع هدف ارتباط دارند. فرایند بهینه سازی غیرخطی از الگوریتم تپه نوردی استفاده می کند، با توجه به محدودیتهای اصلی، تمام تقاضاهای حجیم در موقعیتهای فروش باید مطابق با ظرفیتهای کل تولید در امکانات تولید باشند. در عین حال، کل هزینه ها به حداقل رسیده و یا سودها به حداکثر می رسند. محدودیتهای اضافی برای تعیین فضای راه حل عملی بر مدل تحمیل می شوند.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
This article describes a method to generate, analyze, and optimize complex industrial operation scenarios. The model is based on a hybrid architecture incorporating two phases. The first phase accomplishes information acquisition and representation whereas the second phase imposes an optimization process on the collected datasets to generate an optimum state situation for a given industrial scenario. In the first phase, Morphological Analysis is used for breaking down complex industrial systems into manageable fragments. These provide the basis for knowledge and data acquisition and their representation. Each subset is represented in an individual table and defines one characteristic of the system like all kinds of resources, logistics, tax regulations, etc. In the second phase, the morphological table attributes are considered as variables which are subject to optimization. Values are assigned to all variables targeting a global optimum state. The solution reflects an optimized operation scenario for the relevant industrial organization. In the model, tables are linked by means of an objective function. The applied non-linear optimization process uses a hill-climbing algorithm. Due to certain constraints, all the volume demands at sales locations must be matched with the entire production capacities at production facilities. At the same time, either costs are minimized or profits are maximized. Additional constraints are imposed on the model to define feasible solution spaces. Both Morphological Analysis phase and the optimization processes employed have proved to be feasible and effective.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Technological Forecasting and Social Change - Volume 126, January 2018, Pages 147-160
نویسندگان
,