دانلود ترجمه مقاله مدل عصبی فازی در برنامه ریزی فرآیند یکپارچه ترکیبی و سیستم زمانبندی - مجله الزویر

دانلود ترجمه مقاله مدل عصبی فازی در برنامه ریزی فرآیند یکپارچه ترکیبی و سیستم زمانبندی - مجله الزویر
قیمت خرید این محصول
۴۶,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
مدل عصبی فازی در برنامه ریزی فرآیند یکپارچه ترکیبی و سیستم زمانبندی
عنوان انگلیسی
A neuro-fuzzy model for a new hybrid integrated Process Planningand Scheduling system
صفحات مقاله فارسی
26
صفحات مقاله انگلیسی
11
سال انتشار
2013
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4113
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی صنایع
گرایش های مرتبط با این مقاله
برنامه‌ریزی و تحلیل سیستم‌ها، تولید صنعتی و بهینه سازی سیستم ها
مجله
سیستم های خبره و کاربرد های آن
دانشگاه
شورای علمی و فنی تحقیق دانشگاه آنکارا کشور نرکیه
کلمات کلیدی
فرآیند برنامه ریزی، الگوریتم ژنتیک، زمان بندی، شبکه عصبی فازی
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1 مقدمه
2 مدل یکپارچه برای سفارشی‌سازی انبوه
3 مسله یکپارچه‌سازی و برنامه‌کاربردی رویکرد GA
4 ایجاد شبکه عصبی مصنوعی با زمان‌بند بدست‌آمده از الگوریتم ژنتیک
5 طراحی تجربی و نتایج آن
6 بازسازی داده شبکه عصبی با پیاده‌سازی منطق فازی
7 نتایج
نحوه خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
abstract

In customized mass production, isolation of Process Planning (PP) and Scheduling stages has a critical effect on the efficiency of production. In this study, to overcome this isolation problem, we propose an integrated system that does PP and Scheduling in parallel and responds to fluctuations in job floor on time. One common problem observed in integration models is the increase in computational time in conjunction with the increase of problem size. Therefore in this study, we use a hybrid heuristic model combining both Genetic Algorithm (GA) and Fuzzy Neural Network (FNN). To improve GA performance and increase the efficiency of searching, we use a clustered chromosome structure and test the performance of GA with respect to different scenarios. Data provided by GA is used in constructing an FNN model that instantly provides new schedules as new constraints emerge in the production environment. Introduction of fuzzy membership functions in Artificial Neural Network (ANN) model allows us to generate fuzzy rules for production environment.

نمونه چکیده ترجمه متن فارسی
چکیده
در تولید انبوه سفارشی، جداسازی طرح‌ریزی فرآیند (PP) و مرحله‌های زمان‌بندی اثر قابل‌توجهی بر بهره‌وری تولید دارد. در این مقاله، برای غلبه برمسئله جداسازی، سیستم‌های یکپارچه که فرآیند PP و زمان‌بندی را به‌صورت موازی انجام می‌دهد و به نوسانات در مرحله کار درزمان پاسخ می‌دهند، را پیشنهاد می‌کنیم. یک مسله متداول مشاهده شده در مدل‌های یکپارچه افزایش زمان محاسباتی به نسبت افزایش اندازه مسئله است. در این مطالعه، از مدل اکتشافی ترکیبی که ترکیبی از هردو الگوریتم ژنتیک (GA) و شبکه عصبی فازی (FNN) است، استفاده‌می‌کنیم. برای بهبود عملکرد GA و افزایش کارایی جستجو، از ساختار کروموزوم خوشه‌بندی‌شده و تست عملکرد GA با درنظرگرفتن سناریوهای متفاوت نیز استفاده‌می‌کنیم. اطلاعات ارائه‌شده توسط GA در ساخت مدل FNN که بلافاصله برنامه جدید را به محدودیت جدید در محیط تولیدی پدیدار می‌کند را ارائه‌می‌دهد، استفاده‌ شده‌است. معرفی توابع عضویت فازی در مدل شبکه‌های عصبی مصنوعی (ANN) به ما تولید نقش‌هایی برای محیط تولیدی مناسب را اجازه‌ می‌دهد.

بدون دیدگاه