مدلسازی درخت رویداد هوشمند و الگوریتم ژنتیک جهت ارزیابی ریسک دیگ بخار در واحد نمک زدایی چشمه خوش (شرکت بهره برداری نفت و گاز غرب)

چکیده:

هدف از این مقاله بدست آوردن مدلی جهت ارزیابی ریسک سیستم ایمنی بر اساس لایه های محافظتی مستقل به کار رفته شده در ساختار یک دیگ بخار می باشد. البته این مدلسازی با در نظر گرفتن فاکتورها و عوامل قابلیت اطمینان و نگهداری و تعمیرات انجام خواهد گرفت. در واقع در این مقاله به ترکیب آنالیز درخت رویداد و الگوریتم ژنتیک برای دست یافتن به مدل یکپارچه ای به منظور رسیدن به هدف ذکر شده خواهیم پرداخت. شناسایی لایه های محافظتی مستقل در ساختار دیگ بخار بر اساس روش LOPA انجام می گیرد و از الگوریتم ژنتیک به منظور جابجایی لایه ها برای رسیدن به بهترین ترتیب از آنها به کار برده می شود. در این مقاله مدلی که بدست می آید می تواند طراحی بهینه ای را با در نظر گیری فاکتورهای ذکر شده ارائه دهد.

واژه های کلیدی: ارزیابی ریسک، ایمنی، لایه های محافظتی مستقل، دیگ بخار، الگوریتم ژنتیک، آنالیز درخت رویداد

دانلود متن کامل مقاله . . . (این مقاله 28 صفحه Pdf و با حجم 556 کیلوبایت (KB) می باشد.)

کد مقاله:85TGAPinch

الگوریتم چند عامله ی مضیقه (Pinch) برای بهینه سازی شبکه های مصرف کننده آب

Pinch multi-agent genetic algorithm for optimizing water-using networks

چکیده

الگوریتم ژنتیک نوین ، الگوریتم چند گانه پنیچ (PMAGA) برای بهینه سازی آب مصرفی شبکه ها توسعه و گسترش یافته است. تمامی عوامل به یک شبکه بندی ثابت شده در ارتباط بوده و آنان با هم در افزایش انرژی خود رقابت یا همکاری می کنند. به عبارت دیگر عوامل می توانند انرژی خود را با دانش افزایش دهند. برای سیستم های مصرف کننده آب آلاینده منفرد، PMAGA و سایر الگوریتم ها مانند لینگو می توانند کمینه مصرف آب شیرین را بیابند. برای سیستم های آلاینده چندگانه الگوریتم می تواند همان نتایج، بلکه بهتر را در مطالعات مورد کاوی بیابد. بعلاوه، PMAGA از لحاظ زمان محاسباتی در مقایسه با سایر الگوریتمها از کارائی قابل ملاحظه ای برخوردار بوده و نیز می تواند بسیاری از شبکه های مصرف کننده آب با ساختاری متفاوت را با کمترین آب شیرین به بازدهی برساند. در حالی که لینگو تنها روی یک شبکه جواب می دهد. این پیکربندی های انتخابی حق انتخاب بیشتری می دهند.

Keywords: Wastewater minimization; Genetic algorithm; Water network

2007 Elsevier Ltd.

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 11  صفحه pdf و مربوط به سال 2007 می باشد.)

کد مقاله:76TAGAP

مدلسازی و بهینه سازی برنامه ریزی تولید پیوسته با رویکرد الگوریتم ژنتیک

 Modeling and Optimization of Aggregate Production Planning - A Genetic Algorithm Approach

چکیده

برنامه ریزی تولید پیوسته (APP) زمان بندی همه جانبه عملیات سازمان برای یک افق برنامه ریزی جهت برآورده کردن تقاضا همراه با کمینه کردن هزینه ها می باشد. این موضوع خط مبنایی است برای هر برنامه ریزی جدید وفرموله کردن زمانبندی تولید، منابع، ظرفیت و برنامه ریزی مواد اولیه. این مقاله یک متدلوژی را جهت مدلسازی مسئله برنامه ریزی تولید پیوسته ارائه می کند، که وقتی با الگوریتم های ژنتیک بهینه می شود همه جا دارای ترکیب طبیعی است. این کار با در نظر گرفتن بسیاری از محدودیت ها با طبیعتی ضد و نقیض با یکدیگر و معیار بهینه سازی - هزینه کلی، تشکیل شده از هزینه های همراه تولید، نیروی کار، موجودی، و پیمانکاری های فرعی - انجام شده است. یک مطالعه موردی با حجمی قابل توجه، جهت توسعه مدل استفاده و همراه با عملکرد ژنتیک ارائه شده است.

کلمات کلیدی : برنامه ریزی تولید پیوسته، هزینه ها و بهینه سازی

Keywords—Aggregate Production Planning, Costs, and Optimization.

PWASET VOLUME 15 OCTOBER 2006

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 6  صفحه pdf و مربوط به سال 2006 می باشد.)

کد مقاله: 67TGA

 بهینه سازی منابع نگهداری به کار رفته در یک سیستم تولیدی

چکیده

این مقاله یک بهینه سازی در دسترس از یک سیستم مهندسی مونتاژ شده در یک سری پیكربندی، یا افزونگی بخشها و منابع بعنوان پارامترهای بهینه سازی را نشان می دهد. هدف دستیابی به ماکزیمم مقدار موجود با توجه به محدودیت نصب و هزینه های نگهداری اصلاحی، وزن و حجم می باشد. روش بهینه سازی از الگوریتم ژنتیک بر اساس مفاهیم بیولوژیکی از سیر تکاملی گونه ها استفاده می کند. این یک روش قوی است ، زیرا به بهینه محلی همگرا نمی شود، به استفاده از حساب دیفرانسیل نیاز ندارد و بنابراین اجرا و پیاده سازی محاسباتی ساده ای دارد. نتایج، بیانگر این مطلبند که روش انجام کار برای حل یک گسترده وسیع از مسائل طراحی مهندسی، شامل تخصیص افزونگی ها و منابع نگهداری مناسب است.

کلمات کلیدی : الگوریتم ژنتیک، دسترس پذیری، بهینه سازی افزونگی، منابع نگهداری

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 8  صفحه pdf و مربوط به سال 2006 می باشد.)

کد مقاله: 64TGABOW

دسته بندی سفارشات در انبار بوسیله می نیمم کردن مسافت سفر با استفاده از الگوریتمهای ژنتیک

چکیده:

سرعت پاسخگویی سیستمهای انبارداری به نیازهای مشتری نقش وکارکرد مهمی را درموفقیت زنجیره تامین ایفا میکند. دسته بندی سفارشات به طور مناسب و موثر، سرزعت جابجایی محصول در یک انبار را افزایش میدهد. در هر انبار جابجایی محصولات یطور چشمگیری وجود دارد لذا هزینه های انباردارژی را میتوان حتی با چند درصدی کاهش در مسافت، حمل بار را کاهش داد. مساله دسته بندی سفارش بسیار مشکل دانسته میشود وبه دست آوردن راه حل بهینه علی الخصوص برای مسائل بزرگ بسیار مشکل وزمان گیر است. مطالعات قبلی عمدتا بر روی مسائل دسته بندی سفارش در انبار با یک راهرو و لی اوت دو بعدی تمرکز داشته اند. این تحقیق، شیوه دسته بندی سفارش بر پایه الگوریتم های ژنتیک (GA) در رابطه با هرنوع ساختار دسته و هرنوع لی اوت انبار را گسترش می دهد. بر خلاف شیوه های دسته بندی قبلی، شیوه مورد نظر نیازی به محاسبه اندازه نزدیکی دسته/سفارش و تخمین مسافت سفر ندارد. روش دسته بندی سفارش بر مبنای الگوریتم های ژنتیک پیشنهادی که ، GABM خوانده میشود مستقیما کل مسافت سفر را می نیمم میکند. همچنین توان به کارگیری GABM برای حل مسائل دسته بندی سفارش با مقیاس بزرگ و متوسط با استفاده از چندین مثال مورد تحقیق و مطالعه قرار گرفته است. از نتایج شیوه GABM میتوان به بدست آوردن راه حل مطلوب در رابطه با مسافت سفر و بهره برداری از امکانات اشاره نمود.

کلمات کلیدی: دسته بندی سفارش، انبارها، الگوریتمهای ژنتیک

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 10  صفحه pdf و مربوط به سال 2005 می باشد.)

کد مقاله: 54TGAB

 تحقیقات ژنتیكی برای حل مسائل طرح ریزی" نا مساوی- سطح " بر مبنای  "مكان ساختنمان- تراز" واحدهای صنعتی    (این مقاله ۱۰ صفحه pdf و با حجم ۵۵۹ کیلوبایت می باشد)
 

Genetic search for solving construction site-level unequal-area facility layout problem         

چكیده:

مكان ساختمان ، شاخه ارتباطات را ارائه می دهد كه همیشه نیازمند یك محدوده و یك رویكرد چند معیاری است تامسائل مربوط به طرح ریزی و مكان (site) را حل كند. هدف طرح ریزی بر مبنای "مكان – تراز" واحدهای صنعتی این است كه مساحت ها و مكان های مناسب را به واحدهای صنعتی با "مكانی موقت و سازگار با تراز" تخصیص دهد. مانند انبارها ، اداره ها ، كارگاه ها و كارخانه های گروهی. و این یكی ازمهم ترین بخش های طرح ریزی و طراحی مكانی است. اندازه واحد های موقت خواسته شده نا معلوم است و ممكن است تغییر كند (ویژگی پروژه). طرح ریزی واحد ها ، عامل مؤثری بر زمان تولید و هزینه پروژه ها است. در این مقاله مسئله طرح ریزی بر مبنای «مكان ساختمان- تراز» واحدها در قالب تخصیص مجموعه واحدهای از پیش تعیین شده به مجموع مكانهای از پیش تعیین شده توصیف می شوند و تا زمانی پیش می رود كه نیازها و الزامات طرح ریزی را فراهم آورد. سیستم الگوریتم ژنتیك مدلی محاسباتی ، از تئوری تكامل داروینی است كه برای حل مسائل مربوط به طرح ریزی واحدهای صنعتی به كارگرفته شده است. مطالعه ی این مدل ارائه شده ، تا بازدهی الگوریتم ژنتیك درحل مشكلات طرح ریزی بر مبنای «مكان ساختمان- تراز» واحدها را ترسیم كند.

كلمات كلیدی: طرح ریزی بر مبنای « مكان- تراز» واحدهای صنعتی، الگوریتم ژنتیك، نمایش تبدیل.

Keywords: Site-level facilities layout; Permutation representation; Genetic algorithm

برای دریافت ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.

کد مقاله : TGA37

 حل مشکلات زمان بندی توزیع نگهداری و تعمیرات در سیستمهای تولید انعطاف پذیر (FMS): روش الگوریتم ژنتیک