دانلود ترجمه مقاله معماری سیستم مدیریت گردش کار علمی جهت تولید هندسه تحلیلی کلان داده – نشریه اسپرینگر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” معماری سیستم مدیریت گردش کار علمی جهت تولید هندسه تحلیلی کلان داده ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

1 مقدمه
2 پایگاه سرویس تولید ابری
3 سیستم های مدیریت گردش کار علمی
3.1 SWfMS های مختلف
3.2 معماری سیستم های مدیریت گردش کار علمی
3.3 اجرای معماری
4. توصیف مساله زمانبندی
4.1 توصیف انتزاعی وظیفه
4.2 توصیف انتزاعی منبع
4.3 تعریف
5. الگوریتم ارائه شده
5.1 توصیف الگوریتم
5.2 آنالیز الگوریتم
6. نتایج و بحث آزمایشی
6.1 محیط آزمایشی
6.2 متریک های عملکرد
6.3 آنالیز نتایج آزمایشی
7 نتیجه گیری

• بخشی از ترجمه:

7 نتیجه گیری
در این مقاله، ما نقاط متمرکز تحقیقاتی اینروزها را در تولید مدرن خلاصه کرده و شرایط لازم برای پردازش داده های بزرگ تولیدی را تحلیل می کنیم. آنگاه سیستم مدیریت گردش کار علمی را معرفی میکنیم که یک ابزار کارامد برای اجرا و مدیریت داده های بزرگ است و برای اکتشافات علمی مفید می باشد. با ارجاع به اثر مربوطه، یک معماری نمونه اولیه ی سیستم مدیریت گردش کار علمی بکار رفته برای تولید آینده، ارائه میشود.
این مقاله هم چنین اشاره میکند یک الگوریتم زمانبندی گردش کار کارامد، برای استفاده از منابع ناهمگن در سیستمها، مهم است. و یک الگوریتم زمانبندی گردش کار بهتر که میتواند زمان اجرای کل را کوتاه کند و دارای میزان تعداد بار مناسب است، لازم میباشد. آنگاه الگوریتم MP ارائه میشود که همبستگی داخلی اطلاعات در مورد منابع و وظایف را در نظر میگیرد و از درصدهای زمان های سرویس منبع برای تاکید بر عملکرد کلی استفاده میکند. در مقایسه با غغهای DCP، Min- Min، Min- Max، Sufferage و GA بر اساس معیارهای ارزیابی مشترک، الگوریتم MP از همه بهتر عمل میکند و شرایط لازم مورد بحث بالا را تامین میکند.

• بخشی از مقاله انگلیسی:

7 Conclusions

In this paper, we summarize the research hotspots nowadays in modern manufacturing and analyze the requirements for the processing of manufacturing big data. Then we introduce the scientific workflow management system which is an efficient tool to execute and manage big data, and beneficial to the scientific discoveries. With reference to the related work, a prototype architecture of scientific workflow management system applied to the future manufacturing is proposed. This paper also points that an efficient workflow scheduling algorithm is important for using heterogeneous resources within systems. And a better workflow scheduling algorithm that can shorten the total completion time and have a good load balancing level is needed. Then the MP algorithm is proposed which considers the intrinsic correlation of information about resources and tasks and utilizes the percentages of resource service times to emphasize the overall performance. Compared with the classic DCP, Min-Min, Max-Min, Sufferage, and GA algorithms based on the common evaluation criteria, MP algorithm performs best and satisfies the requirements discussed above.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله