تماس با سایت  | فرم درخواست تبلیغ در سایت بتسا ایمیل  |  صفحه اصلی  

 

سایت مهندسی صنایع بتسا حامی علمی و فرهنگی دوره های آموزشی و خدمات شركت هایی كه لوگو آنها در زیر آمده است، می باشد.(جهت كسب اطلاعات بیشتر بر روی لوگو كلیك كنید)

IMQ Academy

TUV Academy Iran – Germany

TUV Inter Cert

دپارتمان تخصصی مهندسی صنایع موسسه آموزش عالی پژوهش

موسسه آموزش عالی آزاد ماهان

پگاه سیستم

شرکت فرآیند بهبود پارسیان

موسسه مدیریت پروژه آریانا

مرکز همایش های تخصصی نما

شركت گستر نگار پرنیان

دانش پژوهان مرکز تحقیقات مدیریت ره آورد ایرانیان

بنیاد توانمند سازی منابع انسانی ایران

انجمن مهندسی صنایع ایران

انجمن لجستیک ایران

انجمن مهندسی ارزش ایران

پایگاه اطلاع رسانی رویدادهای علمی کشور
  






موسسه آموزش عالی آزاد ماهان
توجه توجه: *در صورتی كه می خواهید از امكانات ترجمه مقالات مرتبط با مهندسی صنایع و مدیریت توسط تیم ترجمه بتسا استفاده كنید، می توانید مقاله pdf و شماره موبایل خود را به ایمیل industrial.betsa@gmail.com ارسال نمایید. تا 24 ساعت بعد نتیجه تائید انجام یا عدم انجام ترجمه، sms می گردد.
           ** شارژ اعتبار بتسا با مزایای ویژه **                        ایمیل بتسادریافت اخبار بتسا از طریق موبایل

فرصتهای شغلی:  به لینک زیر مراجعه کنید.                                                                                            
لینك استخدام مهندس صنایع و مدیریت ایران  ارسال خبر،فرصتهای شغلی و انتقادات به بتسا                        

صفحات : 1 2


¯ برنامه ریزی تعمیرات پیشگیرانه واگن های حمل بار با استفاده از الگوریتم ژنتیک

یکشنبه 14 اردیبهشت 1393

برنامه ریزی تعمیرات پیشگیرانه واگن های حمل بار با استفاده از الگوریتم ژنیتك بر مبنای هزینه و قابلیت اطمینان

خلاصه مقاله:

هدف اصلی مدیران در برنامه ریزی نگهداری و تعمیرات، كمینه كردن هزینه های اجرا و همچنین بیشینه كردن سطح اطمینان ماشین آلات و تأسیسات است. از این رو برنامه ریزی نگهداری و تعمیرات ملزم به انتخاب برنامه ای نظامند است تا در این برنامه هزینه های عملیات نت پیشگیرانه و نت اصلاحی به حداقل و در عین حال قابلیت اطمینان ماشین آلات، در سطح مطلوب بهره بردار، حفظ گردد. این گونه از مسائل جزء مسائل چند هدفه بزرگ بوده كه حل آن با روشهای معمول بسیار مشكل است. با توجه به خصوصیات الگوریتم ژنتیك این پتانسیل را دارد كه روش مناسبی برای حل مسائل بهینه سازی تركیبی با ابعاد بزرگ باشد. بنابراین در این پژوهش با استفاده از الگوریتم ژنتیك برای یافتن برنامه ریزی نگهداری و تعمیرات واگن در واحد حمل و نقل صنعتی در یك شركت فولاد سازی اقدام گردیده است.

کلمات کلیدی:  نت پیشگیرانه، برنامه ریزی نت پیشگیرانه، الگوریتم ژنتیك، بهینه سازی هزینه و قابلیت اطمینان

نویسندگان: عبدالوهاب كرائی زاده، محسن گلبهارزاده، حجت الله اسدی نسب و مصطفی گلبهارزاده (کارشناسی ارشد مدیریت صنعتی)

pdf دانلود متن کامل مقاله . . . (این مقالهصفحه PDF فارسی وحجم 442 کیلوبایت (KB) و مربوط به ششمین همایش فرامنطقه ای پیشرفتهای نوین در علوم مهندسی سال 1392 می باشد.)

نوشته شده در یکشنبه 14 اردیبهشت 1393 و ساعت 03:46 ب.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در یکشنبه 14 اردیبهشت 1393 و ساعت 03:47 ب.ظ



¯ كاربرد الگوریتم ژنتیك چندهدفی برای تخمین پارامترهای برهمكنشی (مقاله مرتبط با الگوریتم ژنتیک)

پنجشنبه 16 شهریور 1391

كاربرد الگوریتم ژنتیك چندهدفی برای تخمین پارامترهای برهمكنشی مدلهای ترمودینامیكی سیستم های دوجزئی

خلاصه مقاله:

تخمین پارامترهای برهمكنش مدلهای ترمودینامیكی برای تعادلات مایع - بخار سیستم های دو جزئی نقش بسیار مهمی در طراحی بهینه سازی و كنترل فرایندهای جداسازی دارد دراین تحقیق پارامترهای برهمكنشی مدلهای ترمودینامیكی برای سیستم های دو جزئی تعادلات مایع - بخار 2- پروپانول متانول - اتانول با اتیل استات به كمك الگوریتم ژنتیك چندهدفی محاسبه و بهینه سازی شد آزمایشات در فشار و دماهای مختلف انجام شده است محاسبات تعادلی مایع - بخار با استفاده از قانون رائولت انجام شد نمودارهای تعادلی مایع - بخار و انرژی اضافی گیبس و لگاریتم ضرایب فعالیت برحسب جزء مولی فاز مایع درفشار و دماهای مختلف برای سیستمهای دو جزئی رسم شد و دقت مدلهای ترمودینامیكی برای سیستم های مورد نظر بررسی و با داده های تجربی مقایسه شد مقایسه نتایج نشان میدهد كه مدل UNIQUAC NRTL تطابق خوبی با داده های تجربی دارد و كمترین خطا مربوط به استفاده از مدل NRTL است.

کلمات کلیدی: سیستم های دو جزئی - مدلهای ترمودینامیكی - تعادلات فازی مایع - بخار - پارامترهای برهمكنشی - الگوریتم ژنتیك چندهدفی

نویسندگان: (محمد اكبری زاده): دانشجوی كارشناسی ارشد دانشگاه گیلان - (الهیار داغ بندان) و  (علی جمالی): استادیاران دانشگاه گیلان - (حسین قنادزاده): دانشیار دانشگاه گیلان

pdf دانلود متن کامل مقاله (این مقاله 15صفحه pdf با حجم 506.5 کیلوبایت (KB) و مربوط به سومین كنفرانس علوم و مهندسی جداسازی سال 1391 می باشد.)

نوشته شده در پنجشنبه 16 شهریور 1391 و ساعت 08:11 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در - و ساعت -



¯ مدلسازی درخت رویداد هوشمند و الگوریتم ژنتیک جهت ارزیابی ریسک دیگ بخار

دوشنبه 23 آذر 1388

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

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

نوشته شده در دوشنبه 23 آذر 1388 و ساعت 06:15 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در دوشنبه 23 آذر 1388 و ساعت 09:59 ق.ظ



¯ الگوریتم چند عامله مضیقه (Pinch) برای بهینه سازی

سه شنبه 5 شهریور 1387

کد مقاله:85TGAPinch

pdf 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.)

نوشته شده در سه شنبه 5 شهریور 1387 و ساعت 10:08 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در شنبه 5 بهمن 1387 و ساعت 09:05 ق.ظ



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

پنجشنبه 30 خرداد 1387

کد مقاله:76TAGAP

pdf 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

KeywordsAggregate 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.)

نوشته شده در پنجشنبه 30 خرداد 1387 و ساعت 12:06 ب.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در پنجشنبه 27 فروردین 1388 و ساعت 12:06 ق.ظ



¯ بهینه سازی منابع نگهداری به کار رفته در یک سیستم تولیدی

چهارشنبه 22 اسفند 1386

کد مقاله: 67TGA

pdf بهینه سازی منابع نگهداری به کار رفته در یک سیستم تولیدی

Maintenance resources optimization applied to a manufacturing system

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

Keywords: Genetic algorithms; Availability; Redundancy optimization; Maintenance resources

Reliability Engineering and System Safety 91 (2006)

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.)

نوشته شده در چهارشنبه 22 اسفند 1386 و ساعت 01:03 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در چهارشنبه 29 آبان 1387 و ساعت 09:39 ق.ظ



¯ دسته بندی سفارشات در انبار بوسیله می نیمم کردن مسافت سفر با استفاده از الگوریتم های ژنتیک

یکشنبه 8 دی 1387

کد مقاله: 64TGABOW

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

Batching orders in warehouses by minimizing travel distance with genetic algorithms

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

Keywords: Order batching; Warehouses; Genetic algorithms

Elsevier B.V. Computers in Industry (2005)

با تشکر از آقای مهندس بهزاد باقری که این مقاله را در اختیار بتسا قرار دادند.

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.)

نوشته شده در یکشنبه 8 دی 1387 و ساعت 11:02 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در یکشنبه 8 دی 1387 و ساعت 12:21 ب.ظ



¯ روش تعادلی و الگوریتم ژنتیک برای بالانس خط بازیافت

جمعه 18 آبان 1386

کد مقاله: 54TGAB

pdf روش تعادلی و الگوریتم ژنتیک برای بالانس خط بازیافت

A balancing method and genetic algorithm for disassembly line balancing

چکیده:

فعالیتهای بازیافتی در عملکرد های متفاوت فرایند بازیافت مثل تولید مجدد، بازیابی کردن و دورریزی شکل می گیرد. خط بازیافت، بهترین انتخاب برای بازیافت خودکار محصولات دور ریخته شده است. بنابراین طراحی و تعادل خط بازیافت بدلیل اینکه تا حد امکان موثر است، می تواند مهم باشد. مشکل تعادل خط بازیافت، فرایندی متوالی است که امکان پذیر بوده، ایستگاههای کاری را کاهش داده و زمانهای تلف شده مشابه را همانند دیگر موارد خاص پایان عمل را مطمئن می سازد. با وجود اینکه یافتن یک تعادل اساسی از نظر محاسبه ای فشرده بوده و با تحقیق کامل است که خیلی سریع حتی برای محصولات نسبتا کوچکتر به شکلی بازدارنده، بزرگ می شود. در این مقاله مشکل اصلی، از نظر آماری تعریف شده و فرآیند تکمیلی NP اثبات شده است.

در انتها نیز یک الگوریتم تکمیلی (ژنتیک) برای دستیابی به راه حلهای اساسی و نزدیک به آن برای برطرف ساختن مشکلات تعادلی خط بازیافت ارائه شده و مثالهایی نیز بیان شده تا عملکرد این روش را نشان دهد.

Keywords: Genetic algorithm; Disassembly; Disassembly line balancing; Combinatorial optimization; Product recovery

European Journal of Operational Research (2005)

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 17  صفحه pdf و مربوط به سال 2005 می باشد.)

نوشته شده در جمعه 18 آبان 1386 و ساعت 12:11 ب.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در سه شنبه 17 دی 1387 و ساعت 11:44 ب.ظ



¯ تحقیقات ژنتیک برای حل مسائل طرح ریزی

شنبه 23 تیر 1386

جهت دریافت متن انگلیسی کلیک راست کرده و save target as... را کلیک کنید 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         

elsevier betsa   elsevier 

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.

نوشته شده در شنبه 23 تیر 1386 و ساعت 10:07 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در شنبه 3 دی 1390 و ساعت 08:13 ب.ظ



¯ حل مشکلات زمان بندی توزیع نگهداری و تعمیرات در سیستم های تولید انعطاف پذیر

شنبه 23 تیر 1386

کد مقاله : TGA37

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

این مقاله مشترکا مربوط به مبحث های تحقیق در عملیات و نت (نگهداری و تعمیرات) و برنامه ریزی تولید می باشد.

Solving distributed FMS scheduling problems subject to maintenance: Genetic algorithms approach

چکیده

بطور کلی ، مساله توزیع زمانبندی بر حل همزمان دو پیامد تمرکز مینماید. (i) اختصاص کارها به تناسب کارخانه ها و (ii) تصمیم به زمانبندی تولیدات مشابه در هر کارخانه. هدف این روش بیشینه ساختن راندمان سیستم با پیدا کردن یک برنامه ریزی بهینه برای همکاری بهتر میان پروسه های مختلف می باشد. اینکار باعث پیچدگی زمانبندی پخش مشکلات نسبت به برنامه ریزی کلاسیک تک تک محصولات گردیده و با افزایش متناوب متغیر ها در روشهای مختلف تولید ، مساله پیچیده تر نیز میگردد.

بطور مرسوم ، ماشین ها معمولا در برنامه ریزی تولید بطور پیوسته ( بدون وقفه ) در دسترس در نظر گرفته شده و نگهداری و تعمیر آنها مد نظر قرار نمیگیرد . آنچه مسلم است هر ماشین به نگهداری و تعمیرات نیاز داشته و اهداف نت مستقیما بر روی قابلیت دسترسی به ماشین آلات تاثیر گذار خواهد بود. بنابر این این موضوع در برنامه ریزی تولید تاثیر گذار بوده و لازمست تا زمان انجام برنامه های نگهداری و تعمیرات در برنامه ریزی تولید، در نظر گرفته شود.

Keywords: Distributed scheduling; Flexible manufacturing systems; Genetic algorithms; Maintenance

2006 Elsevier Ltd.

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 12  صفحه pdf و مربوط به سال 2006 می باشد.)

نوشته شده در شنبه 23 تیر 1386 و ساعت 10:07 ق.ظ توسط : بزرگترین بانك جامع مهندسی صنایع و مدیریت ایران (بتسا)
ویرایش شده در جمعه 31 اردیبهشت 1389 و ساعت 10:49 ب.ظ



 

صفحات:
1 2




Google

بایگانی موضوعات دسته بندی شده

 

فرصتهای شغلی بروز مهندسی صنایع و مدیریت ایران
عمومی (12)
معرفی سایت (2)
ارزیابی کار و زمان (10)
کنترل کیفیت (23)
برنامه ریزی نگهداری و تعمیرات - نت (11)
نرم افزارهای مهندسی صنایع (34)
تحلیل سیستم (2)
طرح ریزی واحدهای صنعتی (3)
مهندسی فاکتورهای انسانی - ارگونومی (7)
ْSimulation شبیه سازی (4)
کنترل تولید و کنترل موجودی (3)
Six Sigma شش 6 سیگما (7)
تحقیق در عملیات (پژوهش عملیاتی) (31)
مهندسی ارزش (2)
مدیریت و كنترل پروژه (37)
مهندسی معکوس (0)
برنامه ریزی تولید (8)
مدیریت کیفیت (6)
طراحی ایجاد صنایع (کارخانه) (2)
JIT تولید به هنگام (درست به موقع) (3)
TQM مدیریت کیفیت جامع (1)
بهره وری (4)
مهندسی مجدد (2)
FMEA تجزیه و تحلیل عوامل شکست و آثار آن (2)
SCM مدیریت زنجیره تامین (2)
EFQM مدل تعالی سازمانی (4)
فیلم های آموزشی مهندسی صنایع (0)
همایش ها و کنفرانس های مهندسی صنایع (125)
Tabu Search جستجوی ممنوع (4)
ERP برنامه ریزی منابع سازمان (5)
اقتصاد مهندسی (2)
ارزیابی و مدیریت عملکرد (3)
MIS سیستم های اطلاعاتی مدیریت (3)
الگوریتم ژنتیک (13)
Knowledge Management مدیریت دانش (13)
لجستیک (1)
دوره های آموزشی (760)
TRIZ روش ابداعی حل مساله (4)
IT تکنولوژی اطلاعات-بازاریابی و تجارت الکترونیک (5)
Lean Manufacturing تولید ناب (1)
Management مدیریت (8)
Ebook و كتاب مهندسی صنایع و مدیریت (3)
* MCDM تصمیم گیری با معیارهای چندگانه (2)
HSE مدیریت بهداشت ایمنی و محیط زیست (1)
HRM مدیریت منابع انسانی (1)
CRM مدیریت ارتباط با مشتری (2)
كارشناسی ارشد (6)
معرفی شركت های مهندسی صنایع و مدیریت (10)
رشته مهندسی مالی (با کلیک ،باز و بسته می شه)


 

جستجو

خبرنامه:


پس از تایید وارد ایمیلتان شوید و بر روی لینک فعال سازی کلیک نمایید
اشتراك در خبرنامه فقط ایمیل های Gmail
برای عضویت ایمیل های دیگر بجز Gmail ایمیل و مشخصاتتان را به شماره 30007650001350 اس ام اس نمایید.

نشانی پست الکترونیک:

آمار سایت آمار سایت بتسا
  امروز :
بازدید های امروز :
بازدید های دیروز :
بازدید كلیه :
كلیه ارسال ها :
كلیه نظر ها :
تعداد اعضای خبرنامه :
18065
Display Pagerank


بالای صفحه Copyright © 2005-2017 by Betsa.ir | © مهندسی صنایع و مدیریت و نرم افزار و مقالات - بتسا هرگونه برداشت از محتویات و مندرجات این سایت با ذكر ماخذ و آدرس لینک آن بلامانع است