نشریه بین المللی مهندسی صنایع و مدیریت تولید

---

:چکیده افزایش کیفیت اجرای پروژه ها ، کاهش مدت زمان و هزینه های اجرای آنها ، اهداف اصلی در فرآیند اجرای پروژه‌ها هستند. مدیران پروژه ها با تخصیص مناسب منابع و انتخاب بهترین تصمیم، به دنبال تامین شدن اهداف فوق می باشند. از آنجاکه بیشتر کارهای پیشین در شرایط قطعیت و غیرواقعی انجام گرفته است و یک شکاف اساسی در تصمیم گیری مدیران در حوزه ی دانش مدیریت پروژه وجود دارد. بنابراین در نظر گرفتن شرایط عدم قطعیت که به دنیای واقعی نزدیکتر است، از برجسته ترین ویژگی های این تحقیق بشمار می رود. در مقاله حاضر یک مدل ریاضی فازی برای شبکه ای از فعالیتها پیشنهاد می شودکه هریک دارای چندین حالت(مد) برای اجرا هستند تا از بین حالت های ممکن، بهترین حالت برای اجرا انتخاب شود به گونه ای که اهداف فوق را تامین نماید. بدین منظور یک الگوریتم ژنتیک Non-dominated sorting genetic algorithm II (NSGA-II) برای حل مدل پیشنهادی طراحی گردید. سپس یک مطالعه موردی درصنعت نفت انجام شد و عملکرد مدل و الگوریتم پیشنهادی مورد آزمون قرار گرفت. همچنین با استفاده از روش برش آلفای فازی میزان اعتنای مدیر پروژه به نظرات کیفی افراد خبره آورده شده است که برای آزمون اعتبار سنجی آن ، نتایج محاسباتی نشان می دهد زمانی که مقدار1 =α در نظر گرفته می شود پاسخ ها به شرایط پیمانی پروژه که همان شرایط مورد انتظار مدیر پروژه نیز می باشدگرایش دارند اما هر چقدر از شرایط قطعیت به طرف 0=α و شرایط عدم قطعیت نزدیک می شویم ، پاسخ‌های حاصل از حل الگوریتم از نظر شرایط زمانی ، هزینه ا ی وکیفی وضعیت بدتری نشان می دهند دلیل این وضعیت این است که مدیر پروژه، با اعتنا کردن به نظرات خبرگان، شرایط عدم قطعیت و ریسک‌ها را که برای پروژه بصورت تهدید مطرح می-باشند، درنظر می گیرد که این امر منجر به بدتر شدن وضعیت کلی پروژه می گردد.

---

در این مقاله تئوری تصمیم‌گیری چند معیاره با استفاده از اعداد خاکستری سه پارامتره مورد مطالعه قرار گرفته است. همچنین با استفاده از روش وزندهی بولزای و تلفیق آن با روش رتبه بندی ویکور سعی بر آن داشتیم تا متدولوژی جدیدی ارائه کنیم. روش ویکور از روشهای جدید و دقیقی است که اخیرا در تصمیم‌گیری‌های چند معیاره به کار میرود. در این مقاله ما روش ویکور را برای اعداد خاکستری سه پارامتره تعمیم دادیم و با مقایسه این روش جدید با روش‌های قدیمی، کارایی آنرا مورد سنجش قرار دادیم. نتایج نشان داده است که این روش میتواند در تصمیم‌گیری‌های مبتنی بر اعداد خاکستری سه پارامتره مفید باشد.

---

مسائل زمانبندی در محیط‌های واقعی ساخت و تولید ماهیتا مسائل پویایی هستند و اغلب با عدم‌قطعیت‌ها و پیچیدگی‌هایی روبرو هستند که توجه به آن‌ها، گرچه منجر به عدم دستیابی سریع به جواب بهینه می‌گردد اما بهره‌گیری کامل از مدل‌های نظری توسعه یافته در حوزه برنامه‌ریزی و زمانبندی را ممکن می‌سازد. در این پژوهش، مدلی از زمانبندی تولید کارگاهی منعطف با در نظر گرفتن عدم‌قطعیت ورود سفارش جدید و تغییر زمان عملیات ارائه شده است که هدف آن کمینه کردن حداکثر دوره ساخت (به عنوان معیار کارایی) و کمینه‌کردن انحراف‌های بین زمان‌های شروع عملیات در دو برنامه اولیه و ثانویه (به عنوان معیار پایداری) می‌باشد. بعلاوه به منظور نزدیک‌تر ساختن مدل به شرایط عملی، زمان‌های حمل‌ونقل بین ایستگاه‌های کاری، به عنوان فرض کلیدی گنجانده شد که در تحقیقات مشابه در این حوزه، بطور همزمان در نظر گرفته نشده است. در بخش نتایج عددی، به دلیل NP-hard بودن مساله، الگوریتمی مبتنی بر اصول ژنتیک ارائه شد. نتایجی از تجزیه و تحلیل عددی مثال‌های تصادفی، که با افزودن پارامترهای مربوط به حمل و نقل به مسائل موجود در ادبیات به دست آمده‌اند، میزان درصد خطای بسیار ناچیز و در نتیجه کارآمدی الگوریتم را نشان داده است

---

ریسک اﻋﺘﺒﺎری در صنعت بانکداری ﺑﻪ ﻋﻨﻮان ﺧﻄﺮ ﻧﺎﺷﯽ از اﺣﺘﻤﺎل ﻋـﺪم ﺑﺎزﭘﺮداﺧـﺖ ﺗﻌﻬـﺪات ﺗﻮﺳـﻂ ﻣـﺸﺘﺮیان در ﺳﺮرسید ﺑـﻮده و یکی از ﻣﻬـﻢترین ریسک‌ها در ﺑﺎﻧﮏﻫﺎ و ﻣﺆﺳﺴﺎت ﻣﺎﻟﯽ ﺑﻪ ﺣﺴﺎب ﻣﯽآید. استقرار نظام رتبه‌بندی اعتباری با توجه به حجم انبوه مطالبات معوق بانک‌ها، یکی از مهمترین ابزارهای کنترل این نوع ریسک است. این مقاله با استفاده از شبکه‌های عصبی توانمند در حوزه پیش‌بینی و ترکیب آنها قادر است مشتریان را در دو گروه خوش‌حساب و بد‌حساب دسته‌بندی کند. مدل پیشنهادی که دارای ساختار و آموزش ماژولار است، مدل ترکیب سلسله مراتبی شبکه‌های عصبی نام دارد. در مدل یادشده برای تجزیه مساله میان شبکه‌ها و ترکیب نتایج برای رسیدن به پیش‌بینی نهایی و همچنین شیوه آموزش آن از رویکردی جدید استفاده می‌شود. رویکرد پیشنهادی ابتدا، از الگوریتم گسسته بهینه‌سازی انبوه ذرات برای کاهش ابعادی و تجزیه مساله میان ماژول‌های مختلف استفاده می‌کند، سپس برای آموزش، از تلفیق قانون‌های مختص به هر ماژول و قانون آموزش کلی این شبکه استفاده می‌کند. نتایج در مقایسه با شبکه عصبی پرسپترون چندلایه و شبکه عصبی با اتصالات جانبی بدست آمده است. طبق نتایج بدست آمده مدل پیشنهادی توانسته با دقت بسیار بالا رفتار مشتریان را پیش‌بینی نماید.

---

در دست بودن یک پیش‌بینی دقیق از عمر مفید باقیمانده تجهیزات برای یک برنامه اثربخش تعمیرات و نگهداری ضروری است. پیش‌بینی عمر مفید به کمک داده‌های حاصل از فرآیند پایش وضعیت به صورت گسترده‌ای استفاده شده است. در حالی که داده‌های حاصل از فرآیند پایش وضعیت به تنهایی برآورده‌ساز تمامی نیازهای پیش‌بینی در شرایط مختلف کارکردی نیست. در پیش‌بینی عمر مفید، دانش متخصص به عنوان یک منبع دانشی و تکمیل کننده اطلاعات حاصل از فرآیند پایش وضعیت اغلب مورد بی‌توجهی قرار می‌گیرد. در این مقاله روشی برای پیش‌بینی عمر مفید باقیمانده تجهیزات به کمک سیستم استدلال نوروفازی معرفی می‌گردد. پایگاه دانشی سیستم استدلال نوروفازی در دو مرحله تکامل می‌یابد. در مرحله اول سه قاعده اساسی به کمک داده‌های تاریخی پایش وضعیت و با استفاده از شبکه نوروفازی تنظیم می‌شوند. در مرحله دوم قواعد اساسی تحت نظارت متخصص گسترش می‌یابند. عملکرد روش پیشنهادی در مقایسه با روش‌ منحصر به استفاده از داده‌های پایش وضعیت در شرایط کارکردی مختلف تجهیز ارزیابی شده است. یک الگوریتم شبیه‌سازی به منظور تولید شرایط مختلف کارکردی معرفی می‌شود. پارامترهای الگوریتم شبیه‌سازی به کمک داده‌های واقعی مربوط به شکست یاتاقان تخمین زده می‌شوند. نتایج تجربی نشان می‌دهند که کارآیی روش پیشنهادی نسبت به روش قدیمی بهتر است.

---

در این مقاله یک مدل بهینهسازی استوار به منظور طراحی شبکه جمع‌آوری و انتقال پسآب شهری ارائه شده است، که شامل مکان‌یابی تصفیه‌خانه فاضلاب و حوضچه‌‌ذخیره پساب و نیز تصمیم‌گیری پیرامون احداث کانال و تخصیص بهینه پسآب تصفیه شده به مناطق کشاورزی می‌باشد. در ابتدا یک مدل قطعی جهت مشخص کردن تصمیمات مکانیابی و تخصیص ارائه شده و سپس این مدل با در نظر گرفتن عدم‌قطعیت در پارامترهای تقاضای پسآب و تولید فاضلاب، با استفاده از رویکرد بهینه‌سازی استوار توسعه داده شده است. به علاوه، مباحث زیست محیطی و سلامت انسان نیز با درنظرگرفتن کیفیت‌های پساب تولیدی در مدل لحاظ شده ‌است. درنهایت برای اعتبارسنجی، مدل بر روی مطالعه موردی استان تهران که داده‌های آن برگرفته از سازمان‌های ذیربط میباشد، مورد بررسی و تحلیل حساسیت قرار گرفته است.