مدل های مختلف داده کاوی در رپیدماینر (Rapid Miner)

دانلود پروژه آماده پیاده سازی مدل های مختلف داده کاوی در رپیدماینر (Rapid Miner)
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
 یک پروژه بسیار کاربردی و دانشجویی را در حوزه داده کاوی در نرم افزار رپیدماینر (Rapid Miner) پیاده سازی نموده است که همراه با توضیحات و گزارش نحوع اجرا بصورت مفصل می باشد.توضیحات تکمیلی درمورد پروژه را در زیر بخوانید :
مقدمه ای در مورد داده کاوی:

امروزه فرایند استخراج اطلاعات معتبر، ناشناخته، قابل فهم و قابل اعتماد از مجموعه داده های بزرگ واستفاده از آن در تصمیم گیری و در فعالیت تجاری داده کاوی نامیده می شود. داده کاوی به طور خلاصه یافتن اطلاعات پنهان داده ها است. برای انجام اینکار داده ها با روش هایی مورد تجزیه و تحلیل قرار می گیرند. همواره در رابطه با تحلیل و بررسی داده های با حجم بالا، با مشکل ابعاد و پیچیدگی پایگاه داده مواجه هستیم علم داده کاوی شامل کاربرد ابزاری برای تحلیل داده های مصنوعی و کشف الگوهای ناشناخته ی معتبر و روابط بین مجموعه های داده وسیع می باشد. استفاده از این ابزار ها در مباحث مختلف صنعتی مدیریتی، مالی، مهندسی منجر به پیشرفت سازمان در تحلیل داده های وسیع شده است.
توضیح پروژه:

در این پروژه هدف انجام مدل های مختلف داده کاوی که شامل الگوریتم های دسته بندی و خوشه بندی  و همچنین پیش پردازش داده ها است، می باشد. در واقع در راستای بررسی تفاوت ها و دقت مدل های مختلف داده کاوی یک دیتاست از مجموعه دادگان uci انتخاب شده و پس از انجام پیش پردازش روی داده ها، داادگان را جهت دسته بندی به الگوریتم های مختلف دسته بندی داده و روی هر کدام دقت را بدست آورده و در نهایت دقت آن ها را باهم در جدول و نمودار مقایسه نمودیم. سپس  باری دیگر دادگان را برای خوشه بندی به الگوریتم های مختلف داده و از نظر عملکرد آن ها را با فاصله درون کلاسی بررسی می کنیم.
ویژگی داده ها:

در  این پروژه از مجموعه دادگان car Evaluation استفاده شده است. این دیتاست متعلق به مجموعه UCI می باشد و ویژگی های آن به صورت زیر می باشد:

پروژه آماده داده کاوی
داده ها در رپیدماینر:

پروژه رپیدماینر
پیش پردازش داده ها:
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
همانطور که در شکل قسمت قبل دیده می شود داده ها داری مقادیر گمشده نمی باشند. به همین دلیل پیش پردازش داده ها را به یافتن مقادیر outlier اختصاص می نماییم. با توجه به اینکه تعداد ویژگی داده ها ۶ عدد می باشد نیازی به کاهش بعد با توجه به حجم بالای نمونه ها نیز نمی باشد. پس با استفاده از نود detect outlier نمونه های پرت را پیدا نموده و سپس آن ها را با نود filter Examples  فیلتر می نماییم.

جهت خارج کردن ویژگی های اضافه که هنگام یافت outlier ها به ویژگی های اصلی داده ها اضافه شد از نود Select Attribute استفاده شده است.

برای تقسیم داد  ها به دو بخش آموزش و تست از نود validation  استفاده شده است در قسمت تنشیمات این نود ۰٫۷ داده ها برای آموزش و ۳۰ درصد باقی برای تست در نظر گرفته شده است.
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
پروژه داده کاوی

 
جهت مشاهده ادامه توضیحات و دریافت فایل پروژه به همراه گزارش آن ابتدا باید آن را خریداری نمایید.
شما عزیزان می توانید از طریق لینک خرید زیر این پروژه بسیار کاربردی را دریافت نمایید.

 azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
دسته : پروژه ها, پروژه های رپیدماینر (Rapid Miner), داده کاوی و بیگ دیتا, هوش مصنوعی
برچسب : انجام تمرین داده کاوی, پروژه data mining, پروژه آماده پیاده سازی مدل های مختلف داده کاوی, پروژه آماده داده کاوی, پروژه داده کاوی, پروژه داده کاوی در رپیدماینر (Rapid Miner), تمرین داده کاوی, داده کاوی در رپیدماینر, دانلود پروژه آماده پیاده سازی مدل های مختلف داده کاوی در رپیدماینر (Rapid Miner), دیتاماینینگ در رپیدکاینر   

دانلود پروژه آماده داده کاوی با نرم افزار رپیدماینر (Rapid Miner)
تیم همیارپروژه یک پروژه بسیار مفید در حوزه داده کاوی را با نرم افزار رپیدماینر انجام داده است که برای دانشجویان رشته کامپیوتر بسیار کاربردی است . این پروژه به همراه فیلم توضیح پروژه و یک فایل ورد برای توضیح ریز مفهوم کار می باشد.در زیر جزئیات پروژه توضیح داده شده است :

انجام پروژه داده کاوی با رپیدماینر
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
شرح پروژه
۱٫ انتخاب یک دیتاست از سایت UCI (با تعداد و ابعاد مناسب)
۲٫ توضیح مسئله و توضیح دیتاست و ویژگیها (بررسی توزیع داده ها)
۳٫ پیش پردازش و آماده سازی داده ها برای آمورش مدلها
۴٫ انجام تعدادی از روش های دسته بندی مثل شبکه عصبی، ماشین بردار پشتیبان، درخت تصمیم ، نزدیک ترین همسایگی و در نهایت مقایسه دقت روش ها (ارائه نمودار و یا شکل هایی که برای مقایسه لازم میباشد)
۵٫ انجام تعدادی از روش های خوشه بندی مثل Kmeans, DBScan و موارد دیگه و مقایسه آنها (ارائه نمودار و شکل هایی که برای مقایسه لازم میباشد)

فایلهایی که به مشتری تحویل داده خواهد شد.
– فایلهای دیتاست
– پروسس مدلهای ساخته شده که قابلیت بارگذاری سریع در رپیدماینر دارند و شما نیاز نیست مدلها را از اول بسازید
– آموزش تصویری کار با رپیدماینر برای ساخت مدلها
– گزارش شامل ۵ موردی که در بالا و در شرح ذکر کردیم
– به دلیل اینکه رپیدماینر قابلیت رسم نمودارهای مقایسه ای ندارد و فقط دقت هر مدل را میدهد، در نتیجه دقت هایی که از رپیدماینر بدست می آید رو باید به صورت دستی در Word وارد شود و نمودارهای دستی مشابه با نموداری که ارسال کردیم را ترسیم کنیم. در این حالت نمودار اتوماتیک در نرم افزار ساخته نمیشود.

پروژه داده کاوی با رپیدماینر

این پروژه با کیفیتی عالی و توضیحاتی ریز و کامل توسط همیارپروژه انجام شده است و به همه دانشجویانی که علاقه مند به انجام و یادگیری پروژه های داده کاوی با رپیدماینر هستند توصیه می شود که آن را دانلود نموده و مطالعه نمایند.

جهت دانلود پروژه می توانید از طریق لینک زیر آن را خریداری نمایید.

 azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com

دسته : پروژه ها, پروژه های رپیدماینر (Rapid Miner), داده کاوی و بیگ دیتا, مهندسی نرم افزار, هوش مصنوعی
برچسب : پروژه آماده, پروژه آماده data mining, پروژه آماده داده کاوی, پروژه آماده داده کاوی با رپیدماینر, پروژه آماده داده کاوی با نرم افزار رپیدماینر (Rapid Miner), پروژه آموزشی رپیدماینر, پروژه دانشجویی با رپیدماینر, داده کاوی با rapid miner, داده کاوی با نرم افزار رپیدماینر, دانلود پروژه آماده داده کاوی, دانلود پروژه آماده داده کاوی با نرم افزار رپیدماینر (Rapid Miner), دانلود پروژه دیتاماینینگ,
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
دانلود پروژه آماده داده کاوی با نرم افزار وکا (weka)
تیم همیارپروژه یک پروژه داده کاوی با نرم افزار وکا را به همراه توضیحات و گزارش کار مفصل تهیه کرده است و آن را برای شما مخاطبین عزیز سایت همیارپروژه جهت دانلود قرار داده است.

داده کاوی با نرم افزار وکا

توضیحات پروژه به شرح زیر می باشد :

در این تمرین قصد داریم تا روی دیتاست یک شرکت بیمه (Insurance Company Benchmark (COIL 2000) Data Set) اقدام به آموزش مدلهای دسته بندی کنیم. این دیتاست در لینک زیر قرار دارد و از مجموعه داده های سایت UCI است که شامل تعداد بسیار زیادی دیتاست استاندارد است که محققان برای انجام کارهای تحقیقاتی خود از این دیتاست ها استفاده میکنند

https://archive.ics.uci.edu/ml/datasets/Insurance+Company+Benchmark+%28COIL+2000%29

دیتاست موجود شامل ۹ هزار رکورد و ۸۶ ویژگی است که یکی از این ویژگی ها، برچسب داده هاست. داده های موجود در این دیتاست تماما به صورت عدد صحیح است اما تعدادی از آنها به صورت Categorical و تعداد بیانگر عدد هستند. به عنوان مثال برچسب کلاس، مقادیر ۰ و ۱ دارد که بیانگر نوع دسته است ، و نه یک مقدار عددی. اما در بعضی از ویژگی ها، مقادیر بیانگر تعداد هستند به عنوان مثال ، تعداد تصادفات ماشین شخصی که برای درخواست بیمه آمده است.
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
این دیتاست مقادیر گمشده یا missing value ندارد پس نیازی به کنترل این مقادیر در تمرین نداریم. این دیتا در سال ۲۰۰۰ جمع آوری شده است و تا کنون در ۱۱۰هزار کار تحقیقاتی از آن استفاده شده است. جدول زیر شمای کلی از این دیتا را نشان میدهد

داده

این دیتاست شامل دو کلاس است و ویژگی CARAVAN به عنوان برچسب در نظر گرفته شده است که بیانگرتعداد بیمه نامه های، خانه های سیار است که در دو دسته ۰ و ۱ قرار میگیرند. پس هدف مسئله، دسته بندی داده ها بر اساس ۸۵ ویژگی و قرار دادن آن در دو کلاس ۰ و ۱ است.

توضیحات کاملتر را بعداز خرید و دانود پروژه می توانید دریافت نمایید.

همچنین در این پروژه بغیر از گزارش و توضیحات بصورت متنی ، یک ویدیو هم برای توضیح کامل تر الگوریتم ها تهیه شده است که برای دریافت ویدیوی آموزشی باید به مدیر سایت مراجعه نمایید.
کیفیت انجام پروژه بسیار بالاست و توضیحات تکمیلی آن هر شخص آماتوری را هم می تواند برای یادگیری آن ترغیب نماید.همیارپروژه خرید این پروژه را برای دانشجویان رشته نرم افزار و هوش مصنوعی و IT توصیه می کند.
جهت دانلود از طریق لینک زیر پروژه را خریداری نمایید.


دسته : پروژه ها, پروژه وکا (Weka), داده کاوی و بیگ دیتا, مهندسی نرم افزار, هوش مصنوعی
برچسب : انجام پروژه داده کاوی با وکا, پروژه data mining با وکا, پروژه آماده, پروژه داده کاوی با weka, پروژه دانشجویی با وکا, پروژه دانشجویی در حوزه داده کاوی, خرید پروژه آماده, خرید پروژه داده کاوی, داده کاوی با وکا, دانلود پروژه data mining, دانلود پروژه weka, دانلود پروژه آماده, دانلود پروژه داده کاوی, دانلود پروژه داده کاوی با نرم افزار وکا, دانلود پروژه داده کاوی با وکا, دانلود تمرین با وکا, مرجع اصلی انجام پروژه های داده کاوی با وکا, نرم افزار وکا, همیار پروژه, همیارپروژه    دانلود پروژه آماده SPSS
تیم همیارپروژه یک پروژه بسیار کاربردی را در نرم افزار spss پیاده سازی نموده و آن را برای یادگیری دانشجویان و استفاده آن بعنوان یک پروژه جهت ارائه در دانشگاه در سایت بارگزاری نموده است.

spss چیست:
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
اس پی اس اس یا SPSS  که مخفف “Statistical Package for the Social Sciences” یا همان ” بستهٔ آماری برای علوم اجتماعی” هست بطور خلاصه یک برنامه یا نرم افزار ویندوز است که اطلاعات مختلف (مثلا اطلاعات یک پرسشنامه) را دریافت می کند، تحلیل می کند و جدول و نمودار برای آنها تهیه می کند.

اس پی اس اس به سه مرحله کلی تقسیم می شود:

    وارد کردن اطلاعات به نرم افزار
    انتخاب نوع تحلیل
    گرفتن خروجی

کاربرد ها و انواع spss

اولین کاربرد این نرم افزار که کاملا مشخص است. دانشجویان یا محققان مختلف، از این نرم افزار استفاده می کنند تا اطلاعات پرسشنامه هایی که تهیه می کنند را برای آنها تحلیل و بصورت نمودار و جدول ارائه کند. در واقع اس پی اس اس از جملهٔ نرم‌افزارهایی است که برای تحلیل‌های آماری در علوم اجتماعی، به صورت بسیار گسترده‌ای استفاده می‌شود. این نرم‌افزار توسط پژوهشگران بازار و داد و ستد، پژوهشگران سلامتی، شرکت‌های نقشه‌برداری، دولتی، پژوهشگران آموزشی، سازمان‌های بازاریابی و غیره به کار می‌رود.

پروژه spss

مشخصات پروژه به شرح زیر می باشد :
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
۱_برای داده واقعی کلاستیرینگ و درخت تصمیم و آنتروپی را محاسبه می کند و متغیر پاسخ آن را به صورت یک رگرسیون در نظر گرفته و تاثیر عوامل کمکی بر پاسخ آن را بررسی می نماید.
۲_ برای داده واقعی از طریق روشهای لجستیک و روش مدل خطی تحلیل مناسب را انجام و نتایج را ارائه می دهد.
۳_ برای داده واقعی روش مولفه های اصلی راانجام داده و عوامل اصلی تعیین می شود و همبستگی بین عوامل اصلی و عوامل متعیرهای اولیه را بدست می آورد.

این پروژه دارای آموزش نحوه پیاده سازی و اجرا نیز می باشد.همیارپروژه فایل این پروژه را با قیمتی مناسب برای شما عزیزان برای دانلود در سایت قرار داده است.

جهت دریافت این پروژه از طریق لینک خرید زیر آن را خریداری نمایید.


دسته : پروژه ها, پروژه های spss, داده کاوی و بیگ دیتا, مهندسی نرم افزار
برچسب : spss چیست:, Statistical Package for the Social Sciences, بستهٔ آماری برای علوم اجتماعی, پرسشنامه با spss, پروژه آماده, پروژه آماده spss, پروژه آماده spss با موضوع کلاسترینگ, پروژه آماده spss با موضوع کلاسترینگ،درخت تصمیم و محاسبه آنتروپی, پروژه آماده spss دانشجویی, پروژه آماده spss محاسبه آنتروپی, پروژه آماده دانشجویی, پروژه آماری spss, تحلیل‌های آماری با spss, خرید پروژه آماده, دانلود پروژه آماده SPSS, کاربرد ها و انواع spss, همیار پروژه, همیارپروژه, وارد کردن اطلاعات به نرم افزار   
دانلود پروژه آماده داده کاوی با نرم افزار وکا(weka)

پروژه داده کاوی با وکا
Weka به عنوان اولین نرم افزار Source Open در داده کاوی از مقبولیت بسیار باالیی در محافل آکادمیک برخوردار می باشد. پشتیبانی از طیف گسترده ای از الگوریتم های داده کاوی آن را به گزینه ای قابل قبول برای انجام پروژه های تحقیقاتی و دانشگاهی مبدل نموده است.

هرچند این ابزار در پشتیبانی از اجرای فرآیند داده کاوی در قالب پروژه های حرفه ای و بلند مدت دارای ضعف های جدی می باشد اما به علت تنوع زیاد در الگوریتم های مدلسازی به عنوان یک ابزار پرکاربرد در کنار سایر ابزارها مورد استفاده قرار می گیرد.
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
پروژه وکا weka

تا به امروز نرم افزارهای تجاری و آموزشی فراوانی برای داده کاوی در حوزه های مختلف داده ها به دنیای علم و فناوری عرضه شده اند. هریک از آنها با توجه به نوع اصلی داده هایی که مورد کاوش قرار میدهند، روی الگوریتمهای خاصی متمرکز شده اند. مقایسه دقیق و علمی این ابزارها باید از جنبه های متفاوت و متعددی مانند تنوع انواع و فرمت داده های ورودی، حجم ممکن برای پردازش داده ها، الگـوریتمهای پیاده سـازی شده، روشهای ارزیابی نتایج، روشهای مصـور سـازی، روشهای پیش پردازش داده ها، واسطهای کاربر پسند، پلت‌فرمهای سازگار برای اجرا،قیمت و در دسترس بودن نرم افزار صورت گیرد. از آن میان، نرم افزار Weka با داشتن امکانات بسیار گسترده،امکان مقایسه خروجی روشهای مختلف با هم، راهنمای خوب، واسط گرافیگی کارا، سازگاری با سایر برنامه های ویندوزی، و از همه مهمتر وجود کتابی بسیار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفی میشود.
یک  پروژه داده کاوی با نرم افزار weka که data base از سایت UCI گرفته شده و از تکنیک های classify و clustering و  association حداقل یکی از هرکدوم انجام شده که دیتاست Pima , Balloons  استفاده گردیده است و همچنین درخت تصمیم j48 , Naive BAyes , Kmeans  در این پروژه بکارگیری شده اند .کل کار پرینت به صورت عکس در word قرار داده شده است.و همچنین به همراه تحلیل و گزارش پروژه نیز می باشد

این پروژه توسط تیم همیارپروژه در نرم افزار وکا(Weka) انجام شده است و برای عزیزان علاقه مند با قیمتی مناسب جهت دانلود قرار داده شده است.جهت دانلود فایل پروژه آن را از طریق لینک زیر خریداری نمایید.

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com

دسته : پروژه ها, پروژه وکا (Weka), داده کاوی و بیگ دیتا
برچسب : celementain, rapid miner, weka, انجام پروژه با نرم افزار weka, انجام پروژه با وکا, انجام پروژه داده کاوی, انجام پروژه داده کاوی با نرم افزار رپید ماینر, انجامن پروژه های داده کاوی, پروژه آماده داده کاوی, پروژه داده کاوی با نرم افزار کلمنتیاین, پروژه داده کاوی با وکا, داده کاوی با I2, داده کاوی با پایتون, داده کاوی با متلب, داده کاوی با متلب و پایتون, داده کاوی با وکا, سایت داده کاوی, سفارش پروژه داده کاوی, سفارش پروژه داده کاوی دانشجویی, سفارش پروژه های دانشجویی, نرم افزار وکا, همیارپروژه, وکا   
پاسخی بگذارید
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
 


0 0 تومان
social network social network social network social network social network
banner
banner
نوشته‌های تازه

    آموزش برنامه نویسی متلب (مقدمه)
    نحوه ی پیاده سازی شبکه SOM در متلب (بخش اول)
    شیوه های انتخاب همسایگی در شبکه لایه کوهونن
    آموزش شبکه لایه کوهونن
    آموزش شبکه همینگ (Hamming network)
    آموزش شبکه ی خودسازمان ده در متلب
    آموزش شبکه کلاه مکزیکی در متلب
    چرا شما باید درگیر یک پروژه طراحی سایت شوید ؟
    همیارپروژه چه پروژه هایی میتواند برایتان انجام دهد؟
    مقاله الگوریتم ژنتیک
    ول
    آموزش html
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
پروژه های آماده

    پروژه داده کاوی با نرم افزار وکا (weka)
    پروژه دخیره اطلاعات مخاطبین بصورت رمزشده در اندروید
    پروژه لاگرانژ در متلب
    پیاده ساری شبکه عصبی با دو لایه مخفی با back propagation
    پیاده سازی شبکه عصبی با دو لایه مخفی
    پیاده سازی شبکه عصبی تک لایه(MLP) با بک پروپگیشن بدون استفاده از تولباکس متلب
    پروژه آماده داده کاوی با وکا (weka)
    تشخیص چهره با استفاده از پردازش تصویر در نورپردازی های مختلف
    تشخیص سرطان سینه در متلب
    حل مساله n وزیر با استفاده از الگوریتم ژنتیک
    حل مساله فروشنده دوره گرد با استفاده از simulated annealing
    شناسایی اثر انگشت با پردازش تصویر
    بهینه سازی الگوریتم کلونی مورچگان یا ACO
    پروژه آماده spss در رابطه با تحلیل رضایت معلولین
    پروژه آماده داده کاوی با پایتون
    پروژه آماده داده کاوی با نرم افزار رپیدماینر (Rapid Miner)
    پروژه آماده داده کاوی با نرم افزار وکا (weka)
    پروژه آماده شبیه سازی مقاله با پایتون
    پروژه آماده نرم افزار R
    پروژه آماده نرم افزار لینگو (Lingo)
    پروژه اقتصادی با نرم افزار ایویوز (EViews)
    پروژه داده کاوی با نرم افزار رپیدماینر (Rapid Miner)
    پیاده ساری شبکه عصبی با دو لایه مخفی با back propagation
    پیاده سازی مقاله در نرم افزار متلب
    فرمول نویسی در متلب برای یک معادله مرتبط با رشته عمران
    پروژه متلب درس سیگنال و سیستم
    پروژه آماده شبیه سازی مقاله با سیلواکو(Silvaco)
    پروژه آماده یادگیری ماشین با پایتون
    پروژه آماده دیپ لرنینگ با پایتون (Deep learning)
    پروژه آماده مدلسازی با BPMN
    پروژه آماده الگوریتم گرگ خاکستری در پایتون
    پروژه های اکسل
    پروژه های کامسول

لینک های پیشنهادی

    انجام پروژه های متلب
    سفارش پروژه های پایتون
    سفارش پروژه های دانشجویی
    پایاپروژه ، سفارش کلیه پروژه های برنامه نویسی و متلب
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
ترجمه مقاله “A multi-objective intelligent water drop algorithm to minimise cost Of goods sold and time to market in logistics networks”یکش

عنوان مقاله به انگلیسی:  “A multi-objective intelligent water drop algorithm to minimise cost Of goods sold and time to market in logistics networks”

عنوان مقاله به فارسی : “یک الگوریتم چند منظوره قطره آب هوشمند برای به حداقل رساندن هزینه و زمان کالاهای فروخته شده در بازار در شبکه های تدارکات”

فایل اصلی مقاله را از لینک روبرو دانلود نمایید : دانلود فایل اصلی

ترجمه بخشی از فایل د زیر قرار داده شده است.جهت ترجمه کل فایل باید آن را خریداری نمایید.

logistics networks

الگوریتم هوشمند چکه آب (IWD) الگوریتمی است که  از حرکت قطره آب طبیعی (WD) در یک رودخانه الهام گرفته شده است. جریان می تواند مسیر مطلوب را با توجه به شرایط محیط اطراف خود برای به رسیدن به هدف نهایی پیدا کند ، که اغلب دریا است. در جریان رسیدن به چنین مقصد، WD و محیط با یکدیگر به عنوان  WD ها در طول بستر رودخانه حرکت می کنند. به طور مشابه، مشکل زنجیره تامین را می توان به عنوان یک مرحله از مراحل که باید تکمیل و بهینه سازی شود را برای به دست آوردن یک محصول در نظر گرفت که به کاربر نهایی تحویل داده می شود. هر مرحله ممکن است یک یا چند گزینه برای ارضای مانند تامین کنندگان، تولید و یا گزینه های تحویل داشته باشد . هر گزینه با زمان و هزینه آن مشخص می شود. در این چارچوب رویکردهای بهینه سازی چند منظوره که به ویژه برای ارائه راه حل های مطلوب مناسب هستند ارائه می شود . این مسایل به عنوان مسائل NP سخت طبقه بندی می شوند. بنابراین، این مقاله روشی را جهت حل مشکلات شبکه تدارکات با استفاده از یک طرح بهینه چند هدفی  IWD که یک مجموعه پارتو(pareto) را باز می کند، پیشنهاد می کند. WD مصنوعی، جریان را از طریق زنجیره تامین و عرضه ، به طور همزمان هزینه های کالاهای فروخته شده و زمان تولید هر محصول را با استفاده از مفهوم بهینه سازی پارتو(Pareto) به حداقل می رساند. رویکرد پیشنهادی برای مواردی در  ادبیات که طور گسترده ای مورد استفاده قرار می گیرند، و نتایجی امیدوار کننده را  توسط اندازه گیری های عملکردی انجام شده در مقایسه با روش های متیاهیوریستیک کولونی مورچه ها و همچنین جبهه های واقعی حاصل از شمارش کامل می شوند، مورد بررسی و تست قرار می دهد . مجموعه پارتو که توسط IWD بازگردانده شده است، در ۴ ثانیه محاسبه می شود و فاصله ها و اندازه های متریک بسیار نزدیک به مواردی است که با شمارش کامل محاسبه می شوند. بنابراین، سهم اصلی ما طراحی الگوریتم جدیدی است که نشات گرفته از الگوریتم پیشنهاد شده توسط مونکایو مارتینز و ژانگ (۲۰۱۱) است. این مقاله موجب ارتقاء دانش فعلی سیستم های متخصص و هوشمند با ارائه یک روش بهینه سازی جدید مبتنی بر IWD برای طراحی و پیکربندی شبکه های زنجیره تامین و تدارکات می شود که به طور همزمان اهداف چندگانه را مورد توجه قرار می دهند.
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
logistics networks

    مقدمه

افزایش رقابت در بازار جهانی امروزه باعث شده است شرکت ها  زنجیره تامین  (SC)خود را پیکربندی و ارزیابی کنند  و بسیاری از ارائه دهندگان این زنجیره تقاضااین باور را  به رسمیت شناخته اند که  (SCD) یا همان طراحی SC  به عنوان یک بخش مهم برای هر استراتژی کسب و کار است. هنگامی که SC طراحی می شود، یکی از مهمترین اهداف این است که محصولات را به مشتریان در زمان مناسب با کمترین هزینه احتمالی عرضه کند (SimchiLevi، Kaminsky، & Simchi-Levi، ۲۰۰۸). این یک امر مهم است زیرا یک SCD بهینه باعث کاهش هزینه در مقدار  ۱۰٪ و کاهش زمان سرویس در اندازه ۴۰٪ می شود (Harrison، ۲۰۰۱).

فرایند طراحی به دلیل چندین عامل آسان نیست، به عنوان مثال مواردی چون گسترش بازار، طیف گسترده ای از تامین کنندگان، زمان انتظار مشتریان و رقبا. اگر چه این عوامل مهم هستند، هزینه کالاهای فروخته شده (CoGS) و زمان هدایت (LT) (یا زمان ورود به بازار) به عنوان مهمترین اهداف بهینه سازی شناخته شده است (Aslam & Ng، ۲۰۱۰؛ Ho، Xu & Dey ، ۲۰۱۰).
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
به طور سنتی SC به عنوان یک شبکه طراحی می شود که در آن گره ها امکانات را ارائه می دهند مانند تأمین کنندگان، کارخانه های تولید، انبارها، خرده فروشان و مشتریان. مساله SCD  برای انتخاب تعداد امکانات و تعیین میزان واحدهای جریان در میان آنها محدود شده است. علاوه بر این فرض می شود که تامین کنندگان، زمین ها، انبارها و خرده فروشان انتخاب شده اند، چرا که به شدت این فرصت را برای بهینه سازی کل هزینه SC کاهش می دهد، زیرا گزینه انتخاب می تواند هم CoGS را و LT را افزایش دهد ،برای بررسی لیست جامعی از این مدل ها نگاه کنید به Chandra و Grabis (2007)؛ Goetschalckx (2011)؛ Shapiro (2007) . از سوی دیگر SC می تواند به عنوان یک صورت حساب از مواد (BOM) که در آن هر گره یک مرحله عرضه، تولید، یا مرحله تحویل را نشان می دهد، را ارائه نماید. هر مرحله می تواند با یک یا چند گزینه انجام شود، مثلا یک جزء که توسط یک مرحله عرضه ارائه می شود، می تواند توسط یک یا چند تامین کننده تامین شود؛ یک زیرمونتاژ یا مونتاز نهایی، که توسط مرحله تولید ارائه می شود، می تواند در یک یا چند کارخانه تولید یا خط تولیدی، تولید شود. و یک مشتری که توسط مرحله تحویل ارائه  می شود، می تواند حالت حمل و نقل مورد استفاده برای ارائه محصول باشد. بنابراین، مشکل این است که تعیین کنید: کدام یک از مولفه ها باید تامین شود؟ کجا هر محصول مونتاژ خواهد شد؟ و چگونه باید هر محصول به مشتری تحویل داده شود؟ پیچیدگی این مشکل با این واقعیت افزایش می یابد که گزینه های انتخاب شده باید CoGS و LT ​​را برای یک خانواده از محصولات به حداقل برسانند. این اهداف با یکدیگر مخالف هستند؛ زیرا کاهش زمان ، هزینه را افزایش می دهد، به عنوان مثال دو گزینه که می توانند یک مرحله را انجام دهندرا فرض کنید ، اگر هزینه گزینه ۱ بیشتر از هزینه گزینه دوم باشد، زمان انتخاب گزینه ۱ کمتر از زمان انتخاب دومی است (Cheshmehgaz، Desa، & Wibowo، ۲۰۱۳) .
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
هنگامی که مساله SCD به عنوان BOM مدل سازی می شود، مساله به عنوان یک مساله بهینه سازی ترکیبی (COP) در نظر گرفته شده است که در آن راه حل بر اساس یک توالی در نظر گرفته می شود ، اما در انتخاب متغیرهایی که “بهترین” عملکرد توابع هدف را دارند در نظر گرفته می شوند ، یعنی راه حل این مساله این است که زیر مجموعه ای از گزینه ها (یا متغیرها) را انتخاب کنید که CoGS و LT ​​را به حداقل برسانید. این نوع از COP به عنوان یک مساله  NP-hard دسته بندی شده است، بنابراین برای یافتن راه حل دقیق در چندجمله ای زمان دشوار است (Garey & Johnson، ۱۹۷۹).

logistics networks

شمارش کامل می تواند برای یافتن راه حل دقیق استفاده شود، اما برای محاسبه تمام ترکیبات احتمالی عملی این مورد نیست. برای پیدا کردن ترکیب “بهترین” باید روش های کارآمدتری استفاده شود. متاهیوریستیک(فراابتکاری) برای یافتن راه حل های نزدیک بهینه برای COP سخت در کوتاه مدت مورد استفاده قرار گرفته است (Talbi، ۲۰۰۹). و Graves و Willems (2005)، هوانگ، ژانگ و لیانگ (۲۰۰۵) و وانگ و شو (۲۰۰۷) به این نتیجه رسیدند که تنها CoGS را با استفاده از برنامه نویسی پویا، الگوریتم ژنتیک و مجموعه های فازی می توان به حداقل رساند . Moncayo-Martinez و Zhang (2011) به طور همزمان CoGS و LT ​​و Moncayo Martínez و Zhang (2013) هزینه های سهام ایمنی را با استفاده از Optimization of Colony Colony (ACO) توانستند به حداقل برسانند، با این وجود نتایج آنها با هیچ روش بهینه سازی دیگر برای اثبات کارایی الگوریتم مبتنی بر ACO مقایسه نمی شود . از این رو، یک روش فراابتکاری به نام “قطره آب هوشمند” (IWD) که از جریان رودخانه الهام گرفته شده است، برای حل مسایل CoGS و LT ​​در مونتاژ SC ارائه و به کار گرفته شده است.

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com