مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2. مشارکت ها و فرضیات
در این بخش، ما در مورد سهم این مقاله در ادبیات تحقیق بحث می کنیم. مطالعات پیشین در زمینه اقلام رو به رشد، تابع رشد ریچارد را مورد استفاده قرار دادند؛ این رویکرد با افزایش پیچیدگی مدلسازی و محاسبات، روند بهینه سازی را محدود می کند. علاوه بر این، مطالعات پیشین فرض می کنند که مصرف کننده منتظر ورود اقلامی که در دسترس نیستند، نمی مانند. این مطالعه فرضیات آن ها را راحت می کند و مطالعه اقلام رو به رشد را بسیار آسان تر می نماید. برای انجام این کار، ابتدا فرض می کنیم که نرخ رشد اقلام را می توان با توابع خطی تخمین زد. سپس این فرض با استفاده از مطالعه موردی یک تولید کننده مرع ایرانی ارزیابی می شود. علاوه بر این با بررسی موارد زیر، اولویت مصرف کننده را در نظر می گیریم: الف) ترجیح مصرف کنندگان برای وزن مرغ و ب) تحمل تاخیر در تحویل مرغ تازه اگر شرکت مقداری جریمه بپردازد. اولین فرض در عمل حیاتی است، زیرا بهینه سازی سیستم بدون در نظر گرفتن مصرف کنندگان ممکن است مدیران را به تولید با وزن اضافه و یا وزن کم تشویق کند، به خصوص در بازاری مثل ایران که مصرف کنندگان ترجیح می دهند جوجه ها را بخرند و این مسئله باعث از دست دادن مشتریان می شود. علاوه بر این، چندین مطالعه نشان می دهند که مصرف کننده محصولات سرد و یا تازه را بر نمونه های منجمد ترجیح می دهند. به عنوان مثال، ووكازوویچ سه کشور اروپایی مانند اسلوونی، بوسنی و هرزگوین و صربستان را مورد مطالعه قرار داد: یافته ها نشان می دهد که سوال اصلی مصرف کنندگان درباره مرغ این است: “آیا تازه است”. این نگرش نسبت به مرغ تازه، راه را برای مدیران هموار می کند تا هزینه های سیستم که اثر مستقیمی بر قیمت محصول دارند را کاهش دهد. علاوه بر این، برای حفظ رضایت مصرف کنندگانی که قبل از تحویل اقلام جدید یک دوره زمانی منتظر بودند، یک مجازات تاخیر در نظر گرفته می شود. در نهایت، روند این تحقیق توسط یک نمودار گرافیکی نشان داده شده است. شکل ۱ یک نمای کلی از سیستم و روش حل را نشان می دهد.

3. تعریف مسئله
مسئله موجودی، پرورش حیوانات تازه متولد شده برای غذا را در نظر می گیرد و میزان خرید اولیه و زمان کشتار آن ها را با توجه به تقاضای بازار بهینه سازی می کند. در این مدل موجودی، کمبود محصول، مجاز و سفارش کاملا تاخیری (سفارشی که به محض موجود بودن کالا انجام خواهد شد) است. فرضیات اضافی مدل موجودی EOQ پیشنهاد شده با موارد رو به رشد عبارتند از:
• برای تغذیه و افزایش اقلام، هزینه اضافی وجود دارد.
• رشد اقلام را می توان با یک تابع خطی تخمین زد.
• تغذیه به طور مستقیم با وزن به دست آمده ارتباط دارد.
• هزینه نگهداری در لحظه ای محاسبه می شود که اقلام وزن نهایی خود را به دست آوردند و آماده کشتار هستند.
نمادهای زیر برای فرمول بندی ریاضی مورد استفاده قرار می گیرند:
D: نرخ تقاضا در واحد زمان (گرم/سال)
K: نرخ رشد هر جوجه در واحد زمان(گرم/(سال×جوجه))
w_0: وزن تقریبی اقلام تازه متولد شده (گرم)
w_1: وزن تقریبی در لحظه کشتار (گرم)
Q_t: وزن کل موجودی در t
t1: دوره رشد
t2: دوره مصرف
t3: دوره کمبود
T: طول هر دوره (متغیر تصمیم گیری).
y: تعداد اقلام سفارش داده شده در هر دوره.
S: مقدار کمبود در هر دوره (گرم).
c: هزینه خرید برای هر واحد وزن (دلار/گرم)
r: هزینه تغذیه هر واحد وزن در واحد زمان (دلار/(سال×گرم))
h: هزینه نگه داری هر واحد وزن در هر واحد زمان (دلار/(سال×گرم))
f: هزینه کمبود برای هر واحد وزن در واحد زمان (دلار/(سال×گرم))
A: هزینه راه اندازی (هزینه سفارش)، هزینه آماده سازی پرورش (دلار/(اندازی راه هزینه))
ts: زمان راه اندازی (واحد زمان)، زمان آماده سازی محیط پرورش در هر دوره (سال/(اندازی راه هزینه))

شکل ۲ یک سیستم موجودی برای موارد متعارف مانند کتاب، غذای منجمد و موارد دیگر را پیشنهاد می کند، که در آن تامین کننده کالاها را می خرد و آن ها را در مدت t1 در انبار نگه می دارند؛ سپس اقلام با یک نرخ یعنی نرخ تقاضای D فروخته می شوند، تا زمانی که سطح موجودی به صفر برسد. در نهایت در طول t3، سیستم موجودی با کمبود مواجه می شود تا زمانی که مقدار کمبود به S برسد.
در شکل ۳، y مقدار اقلام خریداری شده برای یک دوره از بیرون تامین کنندگان و w_0 و w_1 وزن تقریبی در ابتدای دوره (جوجه های تازه متولد شده) و پایان دوره (آماده برای فروش محصول) است. در نتیجه، مجموع مقادیر اولیه و نهایی به ترتیب Q_0=y w_0 و Q_1=y w_1 هستند. می دانیم که، t1 دوره ای است که حیوانات بزرگ می شوند و بعد از آن در طول t2 فروخته می شوند. علاوه بر این، t۳ یک دوره زمانی است که سیستم موجودی با واحدهای کمبود مواجه می شود. در این مسئله موجودی، در ابتدای دوره مصرف S، تقاضاهای فوری باید ارضا شوند، بنابراین سطح موجودی به صورت Q_2=y w_1-S_0 کاهش می یابد.

4. روند حل
تابع هدف مسئله مطرح شده (۲۰) محدب است (ضمیمه الف را ببینید). از سوی دیگر، مدل ریاضی پیشنهادی دارای محدودیت خطی است و در نتیجه این مدل ریاضی یک برنامه ریزی غیرخطی محدب است. ویژگی محدب بیان می کند که اگر یک راه حل امکان پذیر بهتر از راه حل های مجاور عمل کند (به عنوان مثال، حالت مطلوب محلی)، پس خودش نیز حالت مطلوب جهانی است. در نتیجه، راه حل بهینه تابع هدف (۲۰) با استفاده از مشتقات نسبی محاسبه می شود. با محاسبه مشتق جزیی تابع هدف (۲۰) با توجه به طول چرخه (T) و تنظیم آن برابر با صفر، راه حل بهینه T به شرح زیر است:

در نهایت براساس مفاهیم و فرمول های پیشنهادی، گام های حل الگوریتم بهینه سازی برای مدل موجودی EOQ پیشنهاد شده با موارد رو به رشد، عبارتند از:
مرحله 1: محاسبه T_min از معادله (19)
گام 2. اگر T_min≥0 پس مسئله عملی است و به مرحله 3 بروید، در غیر اسن صورت مسئله غیرعملی است و به مرحله 8 بروید.
گام سوم. اگر (1-h)⁄(h+f) مثبت باشد، سپس مسئله عملی است و به مرحله 4 بروید، در غیر این صورت مسئله عملی نیست و به مرحله 8 بروید.
گام چهارم. T را از معادله (23) محاسبه کنید.
گام پنجم. اگر T≥T_min آنگاه T^*=T، در غیر اینصورت T^*=T_min.
گام ششم. با استفاده از معادله (22) و با در نظر گرفتن T^*، S^* را محاسبه کنید
گام هفتم. با استفاده از تابع هدف (20) و معادله (5)، با در نظر گرفتن T^* و S^* به دست آمده، TC^* و y^* را به ترتیب محاسبه کنید و راه حل بهینه را گزارش دهید.
گام هشتم. پایان
5. مثال عددی و تجزیه و تحلیل حساسیت
این بخش به بررسی یک مطالعه موردی و تحلیل حساسیت آن برای راه حل بهینه می پردازد. نمونه ما خروس های گوشتی پرورش یافته در مزرعه مرغداری لشگری، واقع در کشور ایران و شهر قزوین است. برای انجام این کار، ما از عملکرد “ریچارد” برای این نوع مرغ استفاده کردیم.

مرغداری مرغ های 2 روزه را خریداری می کند و در سن 30 روزگی آنها را کشتار می کند. دلیل کشتار جوجه در سن 30 روزگی این است که خریدن مرغ با حدود 1200 تا 1300 گرم وزن، مورد توجه مشتریان ایرانی قرار می گیرد. بنابراین، براساس تابع رشد ریچارد، وزن یک مرغ در ابتدای خرید برابر است با 63 گرم (w_0=63g) و بعد از 30 روز، وزن به 1266 گرم می رسد (w_1=0.1266g). بنابراین، عملکرد رشد ریچارد برای این دوره می تواند مانند شکل 5 بدست آید.
از آنجا که در این بازه زمانی انحنای محدودی در تابع رشد وجود دارد، می توان با استفاده از حداقل و حداکثر وزن جوجه ها و با یک تابع خطی آن را تخمین زد. با استفاده از این روش، شیب خط 42 گرم در روز خواهد بود، یعنی 15330 گرم در سال. براساس آن، وزن تقریبی هر جوجه خریداری شده 84 گرم و وزن آن پس از 30 روز حدود 1260 گرم خواهد بود. با توجه به این تقریب، بین مقادیر ما و مقادیر محاسبه شده با استفاده از تابع رشد ریچارد، اختلاف کمی وجود دارد. بنابراین، عملکرد تقریبی رشد برای این مرغداری در شکل 6 نشان داده شده است.
بنابراین ، ما یک سیستم موجودی واقعی برای رشد را در نظر می گیریم که: k برابر با 15,330/جوجه/گرم/سال، D برابر با 100,000 گرم/سال، w_0 برابر با 84 گرم، w_1 برابر با 1260 گرم، ts برابر با 0.01 سال ، c برابر با 0.3 دلار/ گرم/سال، r برابر با 0.8 دلار/گرم/سال ، h برابر با 0.4 دلار/ گرم در سال، A برابر با 1000 دلار/گرم/سال و f برابر با 2 دلار/گرم/سال. با توجه به محدودیت های مرغداری برای انتشار اطلاعات، مقادیر مربوط به هزینه ها و سایر مقادیر، با برخی ابهامات و عدم دقت به دست می آید.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

پس از قالب بندی پروژه، سرمربی به اعضای تیم در تمرکز بر روی قالب بندی تصمیمات کمک می کند. سرمربی می داند که کدام ابزار قالب بندی در این شرایط مناسب هستند. این انتخاب ها شامل ایجاد موضوع، بارش افکار ، بارش قالب ، نقاط قوت، نقاط ضعف، فرصت ها، و تهدید ها (SWOT )، تحلیل رقابتی، تحلیل پنج- نیرو، سناریوها، و موارد دیگر است. در اولین فرصت ممکن، اعضای تیم می خواهند جدول استراتژی ایجاد کنند. این جدول تصمیمات کلیدی و انتخاب هایی که منجر به تعریف استراتژی می شوند را نشان می دهد؛ شبیه شکل شماره 2.
با استفاده از جدول استراتژی به عنوان یک چارچوب کاری، سرمربی به اعضای تیم در تعریف استراتژی های جایگزین کمک می کند. برای تصویرسازی ذهنی، شرکت مشاوره مک کینسی میگوید سه استراتژی اساسی برای بهره گیری از دره سیلیکن وجود دارد: کمپ های آموزشی نوآوری، مشارکت استراتژیک، و شرط های بزرگ. [2] تعاریف توضیح دهنده این استراتژی ها در جدول استراتژی 3 نشان داده شده اند.
این شروع فرآیند است. از قالب بندی و ایجاد جایگزین، پروژه به سمت تحلیل و سنتز فازهای مختلف پیش می رود. در فاز تحلیل، اعزای تیم یاد می گیرند که چه چیزی مهم است و چه مواردی درباره هر استراتژی جالب است. در فاز سنتز، ایده های خوب بصورت یک استراتژی ترکیبی که اعضای تیم آن را فهمیده و باور می کنند در آورده می شود.
تیم ها می توانند از پس کار برآمده و با استفاده از هر فرآیندی که با آن آشنا هستند، پیشنهادات خوبی را ارائه دهند. آنها این کار را همیشه انجام می دهند. در صورتی که سرمربی داشته باشند، تیم ها می توانند این کار را بهتر و با لذت بیشتری انجام دهند.
در ادامه این مقاله نقش سرمربی تصمیم را تعریف خواهم کرد. منظور خود از مهندس تصمیم را تعریف کرده و مسیر کاری خودم از مهندس به سرمربی را به اشتراک می گذارم. من معتقدم مهندسی تصمیم مسیر طبیعی بسوی سرمربی گری تصمیم است.

2. نقش سرمربی تصمیم
همانطور که در شکل 4 نشان داده شده است، تصمیم یک سرمربی چهار مورد به یک پروژه اضافه می کند: فرآیندها، ابزار، تسهیلات، و مدیریت پروژه [3]. هریک از این موارد را توضیح می دهم.

A. فرآیند فرآیند پاسخ سوال “چگونه کارهای مربوط به اینجا را انجام دهیم؟” است. باید تمامی سازمانها فرآیندی مورد پذیرش بسیاری از افراد برای تصمیم گیری های استراتژیک داشته باشند. ادواردز دمینگ، پدر جنبش کیفیت می گوید، “اگر نمی توانید توضیح دهید که به عنوان یک فرآیند در حال انجام چه کاری هستید، پس نمی دانید که چه کاری انجام می دهید.”
فرآیند مناسب وابسته به پیچیدگی تصمیماتی که می گیریم و کسی که نیاز به حضور در آن دارد است. فضای تصمیم در شکل 5 تعریف شده است. تصمیمات لیست شده در شکل 1 از نظر فنی و سازمانی پیچیده هستند. آنها نیازمند فرآیندی هستند که می تواند با موارد فنی و مسایل انسانی کنار بیاید. من فرآیند طراحی همکاری را که به بهترین حالت در طی طیف برنامه ریزی محصول، استراتژی شرکت های بزرگ، و حتی تصمیمات خط مشی عمومی کار می کند را یافتم. سازمان شما می تواند فرآیند متفاوتی برای تصمیمات استراتژیک داشته باشد.
فرآیند طراحی همکاری دارای چهار فاز تعریف شده بطور معین است: قالب بندی، ایجاد جایگزین، تحلیل و سنتز. شکل 6 را ببینید [4]. این فرآیند ساده و کار مهندسی عقل سلیم است. این موضوع بطور گسترده در تصمیمات تجاری توسط همکاران پیشین من در دانشگاه استنفرد و در گروه تصمیمات استراتژیک (SDG ) در پالو آلتو کالیفرنیا استفاده شده است.

ما به یک فرآیند که حمایت و پرس و جو برای تصمیماتی که از نظر فنی و سازمانی پیچیده هستند را متعادل می سازد نیاز داریم. حمایت راجع به پشتیبانی از علایق و اعتقادات ماست. حمایت مهم است. با این حال در حل مسائل دشوار، می خواهیم که حمایت قوی را با پرس و جوی قوی به تعادل برسانیم. می خواهیم فرآیندی داشته باشیم که به افراد امکان ارائه مباحث متعادل شده را ضمن حفظ جایگزین ها و پذیرش انتقاد سازنده بدهد.
طراحی بصورت یک مزیت رقابتی تبدیل شده است. طراحی در ارتباط با ترکیب تحلیل خوب با سنتز است. استیو جابز سنتز را “متصل کردن نقاط” نامید. در عمل می توانیم بطور معمول استراتژی های ترکیبی قدرتمند با استفاده از مجموعه استراتژی هایی که از نظر تحلیلی بسیار متفاوت هستند را توسعه دهیم. این موضوع نیازمند تلاشی تمام وجود برای سنتز است. به بیانی دیگر، چنانچه بدانیم در ارتباط با هر استراتژی بکاررفته چه مزایایی وجود دارد، می توانیم مزایا را ترکیب و از معایب دوری کنیم. بسیاری از روش های کاملا نوآورانه بصورت استراتژی های ترکیبی هستند که نقاط قوت چندین روش متفاوت را ترکیب می کنند. متلا کامپیوتر اپل یک ترکیب است. این شرکت نقاط قوت یک شرکت سخت افزاری و نقاط قوت یک شرکت نرم افزاری را ترکیب می کند. بطور خلاصه، نیازمند فرآیند تصمیم گیری هستیم که تحلیل و سنتز را ترکیب کند.
یک سرمربی تصمیم می تواند به مدیران اجرایی در انتخاب فرآیندی که مناسب شرایط است کمک کند. در برخی موارد یک ملاقات بخوبی تسهیل شده با افراد صحیح تمام لازمه رسیدن به واضح سازی اقدامات است. در شرایط دیگر می تواند ماه ها و صدها ساعت ملاقات، جمع آوری اطلاعات، و مدلسازی کامپیوتری مصرف کند.

ابزارها
ابزارهای شناخته شده تر تصمیم گیری استراتژیک عبارت اند از مدل های کامپیوتری، تحلیل حساسیت، و درخت های تصمیم. ابزارهای دیگری نیز وجود دارند که مهندسان تصمیم به تناوب از آنها استفاده می کنند. از آن دست می توان سلسله مراتب قالب بندی، دیاگرام های تصمیم، جدول های استراتژی، و ارزیابی کارشناس را نام برد. ابزارهای مرسوم استفاده شده توسط تحلیلگران حرفه ای در شکل 7 نشان داده شده اند.

ارتباطات غیردقیق زمانی و سیستم های پشتیبانی تصمیم گیری

imprecise temporal associations and decision support systems

چکیده
1- مقدمه
2- اطلاعات سابقه و هدف
2-1 تحلیل ارتباط
2-2 مجموعه های فازی
3- جستجو برای ارتباط های زمانی غیردقیق
3-1 مثال
4- کاربرد برای سیستم های پشتیبانی تصمیم گیری
5- نتیجه گیری و کار آینده

چکیده
در سال های اخیر، گسترش سریع و تهاجمی سیستم های پشتیبانی تصمیم گیری، هوش مصنوعی و داده کاوی در لوازم الکترونیکی مصرفی و زندگی روزمره به طور کلی چشمگیر بوده است. حوزه هایی مانند UX, ادغام چنین فن آوری هایی به صورت نرم افزار و سخت افزار را تسهیل نموده اند، اما پردازش پشتیبان هنوز بر پایه مبانی باینری است. این مقاله با توجه به مفهوم طبیعی تخمین, روشی را برای استخراج ارتباطات زمانی غیردقیق در میان رویدادها در جریانهای داده توضیح می دهد،. این نوع تحلیل ارتباط احتمالاً منجر به سیستم های پشتیبان تصمیم گیری عملی تر و معقول تر خواهد شد.
1- مقدمه
در حالیکه داده کاوی، سیستم های پشتیبانی تصمیم گیری و هوش مصنوعی به سرعت در حال ورود به فناوری های جریان اصلی هستند، ما باید طبیعت انسانی که در ذات افراد وجود دارد را در نظر بگیریم. علاقه اخیر به حوزه تجربه کاربر (UX) یک نمایش مهم از این مقوله است که نیاز به نرم افزار و سخت افزار به راحتی و به سرعت باید توسط کاربران قابل فهم شود. در حالیکه رابط کاربری تنها یک فیلتر میان یک کاربر بسیار ذهنی و یک سری از الگوریتم های بسیار حقیقی میانجی می کند، ما همچنین نیاز به شناسایی راه هایی داریم که درک و در نظر گرفتن مفهوم بی دقتی انسان در فرایندها را میسر سازد.
باید در نظر داشت که ماهیت انسانی فقط یک مفهوم نیست که قابل کاربرد برای رابط های کاربر باشد، بلکه برای فرآیندهای تقویت کننده سیستم های پشتیبانی تصمیم گیری نیز اعمال می شود. ماهیت مبهم و غالبا غیردقیق انسانها, عنصری اساسی است که باید در پشت صحنه نرم افزار تحلیلی نیز مورد توجه قرار گیرد. به ویژه، ما باید ماهیت دلخواه متغیرهای زبانشناختی و معیارها 12 را در نظر بگیرید, از جمله: “افراد چترهای بیشتری را خریداری می کنند، زمانی که هوا بسیار ابری است،” و ارتباطات زمانی 2، مانند “فروش لباس های تیم فوتبال در روزهای بعد از پیروزی تیم. “نیاز به یک مدل استدلال انعطاف پذیرتر زمانی بیشتر جلوه می کند که دو مفهوم را با هم قرار می دهیم، مثلا زمانی که ما به یک دوست هشدار می دهیم که” ترافیک در مدت کوتاهی پس از شروع باران بسیار شدید می شود، حتی اگر فقط یک باران سبک باشد. “
این مقاله یک رویکرد عملی برای ایجاد یک سیستم تحلیل ارتباطی ارائه می دهد که منجر به مجموعه ای معنی دارتر و عملی تر از توصیه ها می شود. ماهیت کارگاه آموزشی-محور محل ارائه این مقاله, فرصتی عالی برای کشف کارهای درونی این روش تحلیل و همچنین برخی از مفاهیم اساسی که بر اساس آن است، ارائه می دهد.

Abstract

The quick and pervasive infiltration of decision support systems, artificial intelligence, and data mining in consumer electronics and everyday life in general has been significant in recent years. Fields such as UX have been facilitating the integration of such technologies into software and hardware, but the back-end processing is still based on binary foundations. This article describes an approach to mining for imprecise temporal associations among events in data streams, taking into account the very natural concept of approximation. This type of association analysis is likely to lead to more meaningful and actionable decision support systems.

1- Introduction

As data mining, decision support systems, and artificial intelligence are quickly entering mainstream technologies, we have to account for the human nature that is innate in people. The recent interest in the field of User Experience (UX) is an important demonstration that software and hardware need to be easily and quickly understood by the users 8. As the user interface is only a filter that mediates between a very subjective user and a very matter-of-fact series of algorithms, we also need to identify ways to let the underlying processes understand and account for the very human concept of imprecision.

Keeping the human nature in mind is not just a concept that is applicable to user interfaces, but also to the processes powering decision support systems 4. The vague and often imprecise nature of humans is an essential element to take into account also in the back-end of analytical software. In particular, we have to account for the arbitrary nature of linguistic variables and quantifiers 12, such as ”People purchase more umbrellas when it is very cloudy,” and temporal associations 2, such as ”Sales in football jerseys spike in the days following a team’s victory.” The need for a more elastic reasoning model is even more significant when we put the two concepts together, for example when we warn a friend that ”traffic gets very intense on highway XYZ shortly after it starts raining, even if it is just a light rain.”

This paper presents a practical approach to creating an association analysis system that leads to a more meaningful and actionable set of recommendations. The workshop-oriented nature of the venue in which this paper is presented lends a great opportunity to explore the inner-workings of this analysis methodology as well as some of the fundamental concepts on which it is based.

طراحی شبکه زنجیره تامین حلقه بسته پایدار: الگوریتم فرا ابتکاری ترکیبی برای شبکه های بزرگ مقیاس

Sustainable tire closed-loop supply chain network design: Hybrid metaheuristic algorithms for large-scale networks

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1932

مبتدی (مناسب برای درک مفهوم کلی مطلب) (ترجمه به صورت ناقص انجام شده است)

با این حال، رویکرد دیگر این است که مدل I * را برای تولید [12] I * برای مشخصات DW تغییر دهیم. اهداف در سه سطح ، اهداف استراتژیک، اهداف تصمیم گیری و اهداف اطلاعات قرار دارند. اهداف استراتژیک به اهداف اصلی کسب و کار اشاره می کنند، مثلا تجزیه و تحلیل فروش؛ اهداف تصمیم گیری، برای مثال باز کردن فروشگاه جدید، برای دستیابی به اهداف استراتژیک هستند و در نهایت اهداف اطلاعاتی، برای مثال خرید کالاها، مشخص کردن ماهیت تحلیل که باید انجام شود. علاوه بر این، مفاهیم فرایند کسب و کار، اندازه گیری، و زمینه معرفی می شوند. سپس اقدامات و زمینه ها به حقایق و ابعاد تبدیل می شوند.
در GRAnD [13] فاز اولیه این ارکان به مهندسی نیازمندی ها در انبارهای داده توسعه یافته است. نمودار بازیگر و منطق براساس برخی از ارکان توسعه داده می شوند. اهداف در دومی مربوط به حقایق است. آمارها ضبط هایی است که باید در هنگام رسیدن به هدف انجام شود. ویژگی های اضافی مربوط به اهداف کشف و به اهداف متصل شدند. این ویژگی ها داده های مربوط به اهداف هستند. مرحله بعدی مدل سازی تصمیم است. در اینجا، نمودار منطقی از دیدگاه تصمیم گیران مشاهده شده است. اهداف تصمیم گیرنده برای تجزیه و تحلیل تنظیم شده و مرتبط با حقایق است. آمارها اشیاء تجزیه و تحلیل هستند و مربوط به رویدادهای تجاری در سازمان هستند. اغلب، حقایق از مرحله اول به دست می آیند. پس از آن، ابعاد با حقایق بررسی اهداف مرتبط است.
رویکرد اهداف اطلاعات [12] در نظر گرفته شده در بالا برای هماهنگی بهتر انبار داده با کسب و کار گسترش یافت. این کار [17] با پایان دادن به دیدگاه، ماموریت، هدف، استراتژی، تاکتیک (VMOST) تجزیه و تحلیل کسب و کار انجام شد. پس از انجام این کار، رویکرد اهداف اطلاعاتی دنبال می شود.
اگرچه در مسیر رویکرد هدایت شده، حرکتی سنگین وجود دارد [18]، تکنیک های دیگری نیز پیشنهاد شده است. یکی از اینها شاخص کسب وکار است. ما از دو پیشنهاد در اینجا آگاه هستیم. اولین پیشنهاد [14، 19] مدل های کسب و کار را به عنوان توابع معرفی می کند و پارامترهای مورد نیاز و نوع بازگشت را مشخص می کند. با این پیشنهاد، ورودی و خروجی اطلاعات مورد نیاز برای محاسبه شاخص های کسب و کار تعیین می شود. با این حال، این تنها بخشی از پیشنهاد کلی آنها است. بخش باقیمانده، تعیین گزینه های تصمیم، هنوز گزارش نشده است. بنابراین، در این مرحله آنها به ما نمی گویند که اطلاعات مربوط به این تصمیم ها به دست آمده است. نصیری و همکاران [15] پیشنهاد می کنند که شاخص های عملکرد کلیدی، KPI، باجهت گیری هدف KPI به عنوان راهی برای نشان دادن دستاورد هدف مورد استفاده قرار می گیرد. پس از آن، تکنیک هایی مانند جهت گیری هدف یا به دست آوردن حقایق و ابعاد برای سنجش دستاوردهای هدف (همانطور که در بالا ذکر شد) مورد استفاده قرار می گیرند.
رویکرد BEAM به رویدادهای کاری که شامل یک فرآیند کسب وکار می شود، اهمیت می دهد. هر رویداد کسب و کار به عنوان یک جدول نشان داده شده است، و RE در حال حاضر شناسایی ویژگی های جدول است. این کار با استفاده از چارچوب 7W که برای سوالات ارائه می شود، انجام می شود، یعنی (1) چه کسی در این رویداد شرکت دارد؟ (2) آنها چه کار کردند؟ به چه کاری انجام می شود؟ (3) وقتی این اتفاق افتاد؟ (4) کجا انجام شد؟ (5) چرا این اتفاق افتاد؟ (6) آیا این اتفاق افتاد – به چه شیوه ای؟ (7) بسیاری از یا خیلی ضبط شد- چگونه می توان اندازه گیری کرد؟ از اینها، شش بعد اولیه تامین، در حالی که آخرین آن ها واقعیت ها را تامین می کنند.
از موارد فوق، می بینیم که یک تلاش واضح برای به دست آوردن زمینه سازمانی که در آن واقعیت ها و ابعاد، معنای خود را به دست می آورند وجود دارد. این زمینه از طریق مفاهیم مختلفی مانند اهداف، تصمیمات، فرآیندهای کسب و کار، رویدادهای تجاری و KPI مورد بررسی قرار گرفته است. هنگامی که این کار انجام می شود، توجه به سوی اطلاعات انبار است. تکنیک های این بخش دوم در جدول زیر خلاصه می شود.

مشکل اصلی با بوئللین و اولبریچ عدم وجود مدل یا دستورالعمل برای کشف ویژگی های مربوط به تحلیل است. در واقع، نویسندگان به ما نگفتند که چگونه سهامداران تجزیه و تحلیل را انجام می دهند. در غیاب این امر، شناسایی ویژگی به یک فعالیت نامشخص تبدیل می شود. علاوه بر این، همانگونه که خود نویسنده بیان می کند، رویکرد به دست آوردن اطلاعات “اسمی” برای شرکت به عنوان یک اصل کلی است. بنابراین، نیازهای اطلاعاتی متقاضیان فرد مورد تاکید قرار گرفته است.
Bonifati به تمرکز با کیفیت و عوامل تغییرات متکی است. به اعتقاد ما، صرفا به اندازه کافی مورد نیاز نیست که “چگونه تمرکز کافی را می توان دقیق کرد” و “چه عواملی می تواند بر کیفیت تمرکز تاثیر گذارد”. ما به برخی از ساختار نیاز داریم، برخی از مدل ها، که در آن می توان تحقیقات را انجام داد. این کار مستلزم این است که راهنمایی و هدایت را در کار ارائه دهد.
ساختار نمایش داده شده در سناریوهای اطلاعاتی Prakash و Gosain شبیه به SQL است، اما هیچ راهنمایی در مورد اینکه چه اطلاعاتی باید بپرسند و چه عواملی را در نظر بگیریم وجود ندارد. بنابراین، این رویکرد به شدت بر تجربه نویسندگی سناریو متکی است.
تحقیقات Mazón و همکاران به تعیین آنچه که مربوط به تجزیه و تحلیل آن است تکیه دارد. این هم یک فعالیت خاص است و به طور کامل به تجربه سهامداران متکی است. به طور مشابه، ما در Georgini و همکاران هیچ راهنمایی نداریم. چگونگی تجزیه و تحلیل اهداف و جنبه هایی که باید در رسیدن به ابعاد در نظر گرفته شوند.
سرانجام، چارچوب 7W که در Corr و Stagnitto استفاده شده است، ما معتقدیم، نسبتا ساده است. در مقایسه با این، تکنیک های دیگر مورد بحث در اینجا حداقل برای ساختن نیازهای اطلاعات، ساختار (کیفیت، اندازه، زمینه و غیره) را ارائه می دهند.
ما بر این باوریم که نیاز به توسعه تکنیک های اطلاعاتی است که می تواند به طور سیستماتیک برای شناسایی نیازهای اطلاعاتی مورد استفاده قرار گیرد. همانطور که در مقدمه ذکر شد، تکنیک های توسعه یافته باید نگرانی مدیران را در نظر بگیرند تا بتوانند خریدشان را انجام دهند.
تاکید می کنیم که کار ما به بخش اطلاعات بخش DWRE مربوط می شود. به عبارت دیگر، روش ما زمانی صورت می گیرد که بخش اول، تصمیمات منافع را به خود اختصاص داده است. بنابراین، این تکنیک به شیوهای که این تصمیمها به دست می آید، بی طرف است: چه از طریق [10، 11، 20] و چه از سوی دیگر. علاوه بر این، پیشنهادات ما نیز منشاء این تصمیمات خنثی است. آنها ممکن است از تصمیم گیری برای اجرای عملیاتی، اجرای سیاست [21] یا سیستم های فرمول بندی سیاست ها [22] حاصل می شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3. IIDPS
در این بخش، در ابتدا چارچوب IIDPS را معرفی کرده و مولفه های IIDPS را به تفصیل تشریح می نماییم. دو الگوریتم نیز برای تولید یک فایل عادت کاربر و شناسایی یک متجاوز داخلی ارائه می شوند

A. چارچوب سیستم
همان طور که در شکل 1 نشان داده شده، IIDPS متشکل از یک ناظر و فیلتر SC ، یک سرور کاوش، یک سرور شناسایی، یک شبکه ی محاسباتی محلی و سه مخزن است. لازم به ذکر است که این مخازن، فایل های ثبت وقایع کاربر، پروفایل های کاربر و پروفایل متهاجم هستند. فیلتر و ناظر SC به عنوان یک ماژول قابل بارگذاری قرار داده شده در هسته ی سیستم در نظر گرفته شده است و SCs هایی که به هسته ارسال شده اند را جمع آوری کرده و به شکل (uid,pid,SC) در سیستم محافظت شده ذخیره می نماید. Uid، pid و SC به ترتیب ID کاربر، پردازش ID و SC c بوسیله ی کاربر اساسی ارسال شده است ( ). همچنین ورودی های کاربر را در فایل ثبت وقایع کاربر که فایلی برای نگهداری SCs های ارسالی از طرف کاربرِ دنبال کننده ی ترتیب ارسال شده اش است، ذخیرهمی نماید. سرور کاوش، داده ی ثبت وقایع را با روش های داده کاوی تحلیل می کند تا عادات استفاده از کامپیوتر کاربر را به عنوان الگوهای رفتار کاربر شناسایی نماید. سرور شناسایی، الگوهای رفتارهای کاربران را با الگوهای SC که در پروفایل متهاجم جمع شده اند (الگوهای تهاجم) و الگوهای جمع شده در پروفایل کاربر مقایسه می کند تا به ترتیب رفتارهای مخرب را شناسایی کرده و بهنگام مشخص کند که مهاجم واقعی کیست. هنگامی که یک تهاجم شناسایی می شود، سرور شناسایی به فیلتر و ناظر SC اعلام می کند تا کار بر را از سیستم حفاظت شده مجزا کند. هدف این کار جلوگیری از مهاجم است تا پیوسته به سیستم حمله نکند.
هر دو سرور شناسایی و کاوش روی شبکه ی کحاسباتی محلی راه اندازی می شوند تا سرعت شناسایی برخط IIDPS و کاوش را افزایش داده و قابلیت های کاوش و شناسایی ان را تقویت نماید. اگر یک کاربر با استفاده از الگوی ورود به سیستم فرد دیگری، به سیستم وارد شده باشد، IIDPS با محاسبه ی امتیازت تشابه بین ورودی های کنونی کاربر (SCs) و الگوهای رفتار ذخیره شده در پروفایل های کاربرِ کاربران مختلف، تشخیص می دهد که کاربر اساسی چه کسی است. SCs جمع آوری شده در لیست SC کلاس محدود به عنوان مولفه ی کلیدیِ فیلتر و ناظر SC، SCs هستند که برای استفاده شدن بوسیله ی کلاس ها/ گروه ها ی محتلفی از کاربران در سیستم اساسی ممنوع گردیده اند. برای مثال یک منشی نمی تواند از برخی از مزایای خاص SCs بهره ببرد بنابراین، دستوراتی که این SCs را تولید می کند، برای استفاده ی منشی ها ممنوع خواهد شد.

B. فیلتر و ناظر SC
SC در حقیقت یک واسط بین کاربرد کاربر و خدمات ایجاد شده بوسیله ی هسته است. به طور کلی، مقدار بسیار زیادی از SCs در زمان اجرای کار (برای مثال یک فعالیت یا پردازش) تولید می شوند. برای مثال، زمانی که یک کاربر رمز عبور خود را بوسیله ی ارائه کردن یک دستور برنامه ی واسط “رمز عبور” به سیستم در حال کار لینوکس تغییر داده باشد، تا 2916 SCs از جمله بازکردن ()، بستن ()، خواندن()، نوشتن() و غیره تولید می شود. بنابراین، نظارت همه ی SCs به طور همزمان برای یک سیستم دشوار است، خصوصا در زمانی که کاربران زیادی برنامه هایشان را اجرا می کنند. به عنوان یک نتیجه، نیاز داریم تا برخی از SCs های ایمنی که مکررا استفاده می شوند را فیلتر کنیم.
برای فهمیدن این مسئله که کدام SCs ، موارد تولید شده ی معمولی بوسیله ی دستور برنامه ی رابط می باشند، مدل استاتیکِ تناوب شرط-تناوب معکوس سند (TF-IDF) استفاده می شود تا اهمیت SCs جداشده ای که در فایل ثبت وقایع کاربر جمع شده اند را تحلیل نماید. رابطه ی بین یک شرط و یک سند در حوزه ی بازیابی اطلاعات همانند رابطه ی بین Sctiو دستور (برای مثال j که ti را تولید می کند) است. تناوب شرط (TF) به کار گرفته شده برای اندازه گیری وزن تناوب یک SC تولید شده بوسیله ی j به صورت زیر تعریف می شود:

که تعداد دفعاتی است که ti در زمان اجرای j ارسال می شود، h تعداد SCs مختلفِ تولید شده در زمان اجرای j است و مقسوم علیه تعداد دفعاتی که همه ی این SCs ارسال می شوند را جمع می کند. تناوب معکوس سند (IDF)، معیار اهمیت ti در میان همه ی دستورات برنامه ی رابط در نظر گرفته شده، به صورت زیر تعریف می شود
که (عدد اصلی D) تعداد کل دستورات برنامه ی واسط در مجموعه ی در نظر گرفته شده است و مجموعه ی دستورات برنامه ی رابط dj می باشد که در طول اجرایش در هر عضو ti تولید می کند. وزن TD-IDF برای ti که بوسیله ی j تولید می شود به صورت زیر تعریف می گردد.
در واقع، وزن TF-IDF به عنوان یکی از روش های وزن دهی در داده کاوی و حوزه های بازیابی اطلاعات، متناسب با تعداد دفعاتی که یک SC در فایل ثبت وقایع کاربر ظاهر می شود، افزایش می یابد و درواقع می تواند اهمیت SC مشخصی را نشان دهد..
جدول 1 چهار دستور برنامه ی واسط متشکل از chmod، kill، date و rm و SC هایی که تولید کرده اند می باشد را لیست می کند. SC close(19) که در ردیف chmod ظاهر می شود، این موضوع که SC close() در زمانی که chmod اجرا می شود، برای مجموعا 19 دفعه تکرار می گردد را ارائه می کند.
بنابراین، وزن TF برای close() با استفاده از (1) درجایی که تعداد کل دفعاتی که SCs در هنگام اجرای chmod تولید می شود، 94 است، برابر با می باشد. وزن TF برای SC kill() در زمان اجرای دستور kill برابر با است.
وزن های IDF برای open() و unlinkat() براساس جدول 1 و (2) به ترتیب برابر با و هستند، از آنجایی که مورد دوم تنها بوسیله ی دستور rm تولید می شود به معنای در میان چهار دستور است، unlinkat() یک ارائه دهنده ی SC ی rm است و open() بوسیله ی هر چهار دستور مطرح می گردد، این مسئله نشان می دهد که این دستور هیچ کدام از این چهار دستور را ارائه نمی کند. وزن TF-IDF برای SCs باقی مانده می تواند در روشی مشابه محاسبه گردد.
همه ی داده های جمع آوری شده در IIDPS، بوسیله ی یک ابزار داده کاوی تحلیل می شوند (تحلیلگر iData) که قابلیت پیشبینی شدن کلاس و پیش بینی پذیری کلاس دو پارامتر استفاده شده در آن هستند. این دو پارامتر به ترتیب برای ارزیابی کلاس داخلی و وزن های کلاس داخلیِ یک ویژگی در کلاس هایی با ویژگی طبقه بندی شده استفاده می شوند. در ادامه، قابلیت پیش بینی شدن کلاس در تعریف 1 و پیش بینی پذیری کلاس در معادله ی 2 تعریف می شوند.
تعریف 1 (قابلیت پیش بینی شدن کلاس): با توجه به کلاس C و ویژگی مطلق A با به عنوان مقادیر کاندید آن، امتیاز قابلیت پیش بینی شدنِ کلاس C روی A برابر است با vi، که بوسیله ی علامت گذاری شده، به عنوان درصدی تعریف می شود که مقدار A در C به اندازه ی آن vi است. مجموع امتیازات قابلیت پیش بینی شدن برای ویژگی A روی همه ی مقادیر کاندید آن در C برابر با 1 است که در آن نمونه ای از C با A=vi می باشد. امتیاز قابلیت پیش بینی شدنِ ti با توجه به SC ti و دستور j، درصدی را اندازه می گیرد که به همراه آن می باشد و Q در آن مجموعه ای از SCs تولید شده در زمان اجرای j است. (به یاد داشته باشید که دیگر دستورات نیز می توانند ti را در زمان اجرایشان تولید کنند). امتیاز قابلیت پیش بینی پذیری ti (بوسیله ی p(ti) علامت گذاری شده) که اجرای j را شناسایی می کند، این معیار را محقق می نماید: .

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

فهرست مقاله:

چکیده
1. مقدمه
2. توصیف مسئله
3. الگوریتم شاخه و کران برای RCPSP-TWRTPC
A. پیش پردازش
B. جفت های منفصل از فعالیت ها
C. مشخصات کران بالای اولیه
C. مشخصات کران بالای اولیه
E. انشعاب
F. اصول تسلط
G. بستن گره های عملی و به روز رسانی کران بالا
H. انتخاب گره برای انشعاب
4. تجزیه و تحلیل تجربی
5. نتیجه گیری ها

بخشی از ترجمه فارسی مقاله:

چکیده
در بسیاری از پروژه ها، منابع در طول چرخه عمر پروژه برای مدت زمان محدود در دسترس هستند و دسترس نگه داشتن آنها بعد از آن, منجر به برخی از هزینه های دیرکرد می شود. به حداقل رساندن هزینه دیرکرد منبع یک هدف مورد نظر در برنامه ریزی این پروژه ها است. در این راستا، ما یک مسئله برنامه ریزی پروژه را مطالعه می نماییم که مسئله برنامه ریزی پروژه با منبع محدود، حداقل کردن مجموع هزینه جریمه دیرکرد وزنی منبع (RCPSP-TWRTPC) نامیده می شود. در این مسئله، این پروژه منوط به منابع تجدید پذیر است، هر یک از منابع تجدید پذیر برای مدت زمان محدود در طول چرخه عمر پروژه در دسترس هستند و حفظ منابع برای هر دوره اضافی به برخی از هزینه های جریمه دیرکرد منجر می شود. ما یک الگوریتم شاخه و کران را برای حل دقیق این مسئله معرفی می کنیم و از چند محدوده، تفکر، و اصول تسلط در الگوریتم خود برای کوتاه شدن فرآیند شمارش استفاده می کنیم. ما به پارامترهای موثر بر درجه دشواری RCPSP-TWRTPC اشاره می کنیم، مجموعه های گسترده ای از موارد نمونه را برای این مسئله تولید می کنیم و تجزیه و تحلیل تجربی جامعی را با استفاده از الگوریتم های سفارشی و همچنین حل کننده CPLEX انجام می دهیم. ما رفتار این الگوریتم را با توجه به تغییرات در درجه سختی نمونه ها تجزیه و تحلیل می کنیم و عملکرد آن را برای موارد مختلف با حل کننده CPLEX مقایسه می کنیم. نتایج, کارآیی الگوریتم را نشان می دهند.

1. مقدمه
مسائل برنامه ریزی پروژه محدود در منبع به طور گسترده ای در نوشته های آزاد مورد مطالعه قرار گرفته اند. معیارهای مختلف در این مسائل مورد مطالعه قرار گرفته اند. به حداقل رساندن طول پروژه, یکی از پرمطالعه ترین اهداف است که در مسئله برنامه ریزی پروژه محدود در منبع (RCPSP) هدف گذاری شده است. به حداقل رساندن دیرکرد منبع, هدف دیگری است که بسیار کمتر در نوشته ها مطالعه شده است. این هدف در مقاله حاضر مورد مطالعه قرار گرفته است.
به حداقل رساندن دیرکرد منبع, یک هدف فراگیر در موارد عملی برنامه ریزی پروژه است. در بسیاری از پروژه ها، منابع برای دوره محدود از چرخه عمر پروژه در دسترس هستند و در دسترس نگه داشتن آنها پس از دوره های مربوط به این موضوع به مقدار هزینه دیرکرد نیاز دارد. منابع تجدیدپذیر که از خارج از پروژه اجاره می شوند و یا آنهایی که در بین پروژه های مختلف مشترک هستند معمولا تحت این شرایط قرار می گیرند. همچنین این منابع می توانند زمان های آماده داشته باشند، به عنوان مثال، آنها ممکن است در آغاز پروژه آماده نباشند. به حداقل رساندن هزینه دیرکرد منبع, یک هدف مورد نظر در برنامه ریزی این پروژه ها است.
در این مقاله, ما یک گسترش از مسئله RCPSP را مطالعه می کنیم که مسئله برنامه ریزی پروژه محدود در منبع، حداقل کردن مجموع هزینه جریمه دیرکرد وزنی منبع (RCPSP-TWRTPC) نامیده می شود [1]. در این مسئله, این پروژه منوط به منابع تجدیدپذیر است. هر منابع تجدید پذیر برای مدت زمان محدود در طول چرخه عمر پروژه در دسترس است و حفظ منابع برای دوره های اضافی به مقداری هزینه جریمه دیرکرد منجر می شود. هدف, به حداقل رساندن هزینه کلی جریمه دیرکرد منبع است. ما الگوریتم شاخه و کران برای حل دقیق مسئله را معرفی می کنیم. ساختار انشعاب سازی در این الگوریتم, شبیه به روش درخت اولویت است که یک رویکرد اساسی برای حل مسئله RCPSP است [2]. ما از چند محدوده، تفکر، و اصول تسلط برای الگوریتم خود به منظور کوتاه شدن فرآیند شمارش استفاده می کنیم. عملکرد الگوریتم از نظر عددی مورد بررسی قرار گرفت. نتایج, کارآیی الگوریتم را نشان می دهد.
نوشته ها در مسئله RCPSP به دهه 1960 باز می گردد [3]. این مسئله در مقالاتی چون [4]، [5] و [6] مورد مطالعه قرار گرفته است. با توجه به این واقعیت که این مسئله سخت-NP است [7]، بسیاری از این تلاش ها به توسعه الگوریتم های نادرست و یا محدودکننده اختصاص داده شده است. بسیاری از مقالات بررسی, نوشته های این مسئله مانند [8]، [9] و [10] خلاصه نموده است. به حداقل رساندن هزینه دیرکرد منبع در چند مقاله مطالعه مورد قرار گرفته است. مرجع [1], RCPSP-TWRTPC را معرفی نمود و یک الگوریتم حد و انشعاب را برای این مسئله ارائه نموده است. البته این مسئله که آنها مطالعه نمودند, متفاوت از مسئله مورد مطالعه ما در اینجاست، زیرا در مسئله آنها, تنها منابع تجدید پذیر یگانی در نظر گرفته شده اند، به عنوان مثال، حداکثر در دسترس بودن منابع در هر دوره و همچنین نیاز به منابع حداکثر در هر یک از فعالیت ها, یک هستند. در [11], یک الگوریتم ترکیبی برای این مسئله ارائه شده است. در [12], یک فرم بسط یافته از RCPSP-TWRTPC معرفی شد و مورد مطالعه قرار گرفت. در این مسئله که RCPSP-TWRTPC (MRCPSP-TWRTPCP) چند حالته نامیده می شود، فعالیت های پروژه چند حالته هستند و علاوه بر منابع تجدید پذیر, آنها تحت منابع غیر قابل تجدید هستند. هدف از این مسئله, به حداقل رساندن هزینه کل منابع، از جمله هزینه وزنی دیرکرد منابع تجدید پذیر و هزینه استفاده از منابع غیر قابل تجدید به واسطه فعالیت های پروژه است. برای حل این مسئله، یک الگوریتم فراابتکاری بر اساس یک نسخه اصلاح شده از روش بهینه سازی ازدحام ذرات معرفی شد.
بقیه این مقاله به شرح زیر است. در بخش بعدی، مسئله RCPSP-TWRTPC و در بخش سوم، الگوریتم شاخه و کران برای حل این مسئله به طور مفصل شرح داده شده است. بخش چهارم به تجزیه و تحلیل تجربی اختصاص داده شده است و در نهایت بخش V شامل چند نکته پایانی می شود.

بخشی از مقاله انگلیسی:

In this paper, we study a project scheduling problem that is called resource constrained project scheduling problem under minimization of total weighted resource tardiness penalty cost (RCPSP-TWRTPC). In this problem, the project is subject to renewable resources, each renewable resource is available for limited time periods during the project life cycle, and keeping the resource for each extra period results in some tardiness penalty cost. We introduce a branch and bound algorithm to solve the problem exactly and use several bounding, fathoming, and dominance rules in our algorithm to shorten the enumeration process. We point out parameters affecting the RCPSP-TWRTPC degree of difficulty, generate extensive sets of sample instances for the problem, and perform comprehensive experimental analysis using the customized algorithm and also CPLEX solver. We analyze the algorithm behavior with respect to the changes in instances degree of difficulty and compare its performance for different cases with the CPLEX solver. The results reveal algorithm efficiency

1. Introduction

Resource constrained project scheduling problems are widely studied in the open literature. Various criteria are studied in these problems. Project makespan minimization is one of the most studied objectives which is aimed in the resource constrained project scheduling problem (RCPSP). Resource tardiness minimization is another objective that has been much less studied in the literature. This objective is studied in the current paper. It differs from makespan minimization, since it tries to schedule those activities earlier for which the due dates of the required resources are earlier, even though this may elongate the project makespan. The optimal schedule in this case can change by simply changing the due dates of the resources. But in makespan minimization, the due dates of the resources are not taken into account. Resource tardiness minimization is a pervasive objective in the practical cases of the project scheduling. In many projects, resources are available for limited periods of the project life cycle and keeping them available after the related periods is subject to some tardiness costs. Renewable resources that are rented from outside the project or the ones that are common between various projects are usually subject to this condition. For example, in construction projects, heavy machines such as tower cranes or bulldozers are usually subject to this condition.These resources may also have ready times; that is, they may not be ready at the beginning of the project. Resource tardiness cost minimization is a preferred objective in scheduling of these projects. In this paper we study an extension of the RCPSP problem that is called resource constrained project scheduling problem under minimization of total weighted resource tardiness penalty cost (RCPSP-TWRTPC) [1]. In this problem the project is subject to renewable resources. Each renewable resource is available for limited time periods during the project life cycle and keeping the resource for each extra period results in some tardiness penalty cost. The objective is to minimize the total resource tardiness penalty cost. We introduce a branch and bound algorithm to solve the problem exactly. The branching structure in this algorithm is similar to the precedence tree approach, which is a basic approach to solve the RCPSP problem [2]. We use several bounding, fathoming, and dominance rules in our algorithm to shorten the enumeration process. The algorithm performance is numerically analyzed. The results reveal algorithm efficiency. The rest of this paper is organized as follows. In the next section, the related literature is reviewed; in Section 3 the RCPSP-TWRTPC problem and in Section 4 the branch and bound algorithm to solve the problem are described in detail. Section 5 is dedicated to the experimental analysis and finally, Section 6 contains a few concluding remarks.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

Goh (2014) به بررسی اثرات دوگانه (دو قلوی) آشکاری زنجیره تامین (SVR) و ریسک زنجیره تامین (SCR) بر روی عملکرد زنجیره تامین پرداخته اند. آن ها یک چند هدفه تیره (حداکثر SCV، حداقل SCR، و حداقل هزینه ها)، رویکرد تصمیم گیری برای مدل SCV و SCR را از یک نقطه نظر عملیاتی به وجود آورده اند. Cardoso et al. (2015) یک مدل برنامه ریزی خطی مختلط (MILP) را به وجود آورده اند برای به حداکثر رساندن مقادیر ارائه داده شده شبکه زنجیره تامین (ENPV) به وجود آورده اند، در حالی که به صورت همزمان خطرات مرتبط را به صفر رسانده اند. Qu et al. (2015) الگوریتم نقطه مبدا را توسعه داده و مشکلات مدیریت ریسک شبکه زنجیره تامین را تحت معیارهای در نظر گرفته شده مورد استفاده قرار داده اند. Giannakis and Papadopoulos (2015) با در نظر گرفتن ریسکی که همراه با تصمیمات کاری و اثرات آن ها بر روی اکوسیستم بیو فیزیکی، اجتماعی و مالی، یک دیدگاه مدیریت ریسک را مورد استفاده قرار داده اند که پایدار می باشد. Pazhani et al. (2015) یک مدل برنامه ریزی غیر خطی مختلط را به منظور بررسی مئله انتخحاب تامین کننده و تخصیص مقدار سفارش در یک سیستم زنجیره تامین با چندین تامین کننده را با در نظر گرفتن هزینه همزمان پر کردن مجدد انبار، حفظ و حمل و نقل ارائه نموده اند. Aqlan and Lam (2015) یک مدل بهینه سازی چند لایه را به وجود آورده و آن را با مدل شبیه سازی مدیریت ریسک در زنجیره تامین ترکیب نموده است. Mangla et al. (2015) یک رویکرد دو مرحله ای را برای مدیریت ریسک پیشنهاد نموده اند. در فاز اول، 6 گروه ریسک و حدود 25 ریسک مشخص در ارتباط با زنجیره تامین سبز شناسایی شده است. در مرحله دوم، فرآیند سلسله مراتبی تیره ( AHP تیره)، یک آنالیز کمی و کیفی به منظور آنالیز ریسک های شناسایی شده برای تعیین اولویت ها مورد استفاده قرار گرفته است.

2.2 انتخاب تامین کننده
انتخاب تامین کننده و ارائه دهندگان خدمات از طریق فرآیند مناقصه رقابتی یک فعالیت حیاتی برای بسیاری از سازمان ها و تولید کنندگان می باشد (Wood, 2015). در بازار رقابتی امروز، شرکت ها اهمیت انتخاب تامین کننده مناسب که می تواند نیازمندی های آن ها را با کیفیت مورد نظر و در زمان تعیین شده تامین کند درک نموده اند. بنابراین، کسب و کار ها، تلاش کرده اند که به منظور انتخاب بهترین گزینه در زنجیره تامین مازاد عملکرد تامین کننده خود را ارزیابی نمایند. متعاقباً، انتخاب تامین کننده یم عامل کلیدی در فرآیندهای تهیه می باشد. اساساً، انتخاب یک تامین کننده مناسب به عنوان یک کار غیر بدیهی در نظر گرفته شده است. به منظور دستیابی به این هدف، اکثریت تصمیم گیران به صورت تجربی به ارزیابی و انتخاب تامین کننده پرداخته اند. انتخاب تامین کننده یک رویکرد تصمیم گیری با هدف حذف گرو های اولیه تامین کننده آینده نگر به منظور انتخاب نهایی است. (Rahiminezhad Galankashi et al., 2016). تامین کننده به عنوان یک نگرانی اساسی برای سازمان ها در حفظ یک جایگاه رقابتی به دلیل اثرات مستقیم بر روی جریان پول و سود آوری شناسایی شده است. (Banaeian et al., 2015).
انتخاب تامین کننده یک فرایند تصمیم گیری جهت ارزیابی تامین کننده برای ایجاد قرارداد می باشد. انتخاب تامین کننده به شدت مهم می باشد، به این دلیل که هزینه های مواد جدید و قطعات موجب قیمت محصول شده و شرکت های نیاز دارند تا مقدار قابل توجهی را بر روی درآمد های و خرید های صرف نمایند. انتخاب تامین کننده یکی از مهم ترین مشکلات در زمینه تصمیم گیری بوده و متشکل از عوامل کیفی و کمی جهت شناسایی تامین کننده با حداکثر پتانسیل جهت تامین نیازها با قیمتی مناسب می باشد. برای پاسخگویی به تقاضای مشتریان و برای به حداقل رساندن هزینه ها و داخلی و ریسک ها، شرکت ها تامین کننده مناسبی را انتخاب می کنند که محصولات رقابتی تر را ایجاد کرده و توزیع بیشتری را دریمان مشتریان انجام می دهد تا انواع نیاز ها را پوشش دهد (Heidarzade et al., 2015). برخی از مسائل باید در انتخاب تامین کننده مورد اشاره قرار گیرند جهت حفظ یک زنجیره استراتژیک و رقابتی. مانند موارد زیر (Trapp & Sarkis, 2016):
• کدامیک از تامین کنندگان باید برای شراکت انتخاب شود؟
• کدامیک از تامین کنندگان باید بخشی از توسعه تامین کننده باشد؟
• کدامیک از تامین کنندگان باید از توزیع حذف گردد؟
• چگونه تامین کنندگان ضعیف عملکرد خود را بهبود می بخشند؟
• چگونه شرکت های منابعی را به برنامه های توسعه تامین کنندگان اختصاص می دهند؟
روش های متعددی برای انتخاب تامین کنندگان مانند موارد زیر مورد استفاده قرار گرفته است. آنالیز پوشش داده(DEA) (Hadi-Vencheh & Niazi-Motlagh, 2011), فرآیند استخدام تحلیلی(AHP) (Perić et al., 2013; Chan, 2003), فرآیند استخدام تحلیلی تیره (FAHP) (Kilincci & Onal, 2011), روشهای شبکه تحلیلی (ANP) (Lin 2009; Hsu and Hu, 2009), fuzzy QFD (Bevilacqua et al., 2006), روشهای انتخاب عملکرد با یک راه حل مناسب و ایده آل (TOPSIS) (Mokhtarian & Hadi-Vencheh, 2012), برنامه ریزی ترجیح داده شده (PP), fuzzy logic (Florez-Lopez, 2007), استدلال موردی تیره (CBR) (Faez et al., 2009), شبیه سازی آنیل (Che, 2012), fuzzy ARAS (Kiani Mavi, 2015), fuzzy VIKOR (Shemshadi et al., 2011), fuzzy AHP and بر اساس شبیه سازی fuzzy TOPSIS (Zouggari and Benyoucef, 2011), برنامه ریزی غیر خطی مختلط (Mendoza and Ventura, 2012), etc.3. روش تحقیق
3.1 روش آنتروپی
ارزیابی شانون روش ارزیابی شانون در ابتدا توسط سیستم ترمودینامیک اطلاعاتی معرفی گردید (Shannon, 2001). عدم اطمینان در فرایند ارتباطات ” انتروپی اطلاعاتی” نامیده شده است. در قسمت پایین تر اطلاعات آنتروپی و در قسمت بالتر مقادیر آن ها شرح داده شده است. با فرض اینکه تعداد m روش برای ارزیابی و تعداد m معیار ارزیابی وجود داشته باشد، ماتریس اولیه تصمیم گیری بهع این صورت خواهد بود:

3.2 TOPSIS فازی (تیره)
در میان بسیاری از روش های MCDM، TOPSIS جهت انتخاب و رتبه بندی تعدادی از گزینه های ممکن یک روش عملی و مفید بوده و انتخاب تعدادی از گزینه های ممکن از طریق اندازه گیری فواصل اقلیدسی انجام می پذیرد. این مورد بر این اساس است که گزینه انتخابی باید کوتاه ترین فاصله را از راه حل مثبت ایده آل (PIS) داشته باشد، و دورترین فاصله از راه حل ایده آل منفی (NIS)، (Wang and Lee, 2009) این امر اغلب برای یک نصمیم گیرند مشکل است که یک رتبه بندی عملکردی خاص را به عنوان یک جایگزین برای ویژگی های تحت ببرسی انتخاب نماید. شایسنگی استفاده از یک روش فازی (تیره) ارزیابی اهمیت مرتبط با ویژگی های تهداد فازی های مورد استفاده به جای تعداد دقیق می باشد. (Sengul et al., 2015).
. مثال های عددی
7 متخصص مدیریت زنجیره ای با بیش از 10 سال تجربه در این تحقیق شرکت کرده اند. 4 مورد از تامین کنندگانی که بخش های اضافی برای تولید موتور سیکلت را تامین می کنند مورد بررسی قرار گرفتند. بر اساس نظر متخصصان 9 معیار به منظور ارزیابی تامین کنندگان تعیین گردیده است. در بازار رقابتی امروز، قیمت در میان تامین کنندگان خیلی متفاوت نمی باشد. بنابراین، معیارهای در نظر گرفته شده برای انتخاب تامین کنندگان در این بررسی عبارتند از: کیفیت (C1)، زمان تحویل (C2)، تاریخچه عملکرد (C3)، ریسک تامین (C4)، ریسک تقاضا (C5)، ریسک تولید (C6)، ریسک تنظیمات (C7)، ریسک اطلاعات (C8) و ریسک محیط (C9). متغیرهای زبانی برای گزینه های رتبه بندی و شماره های مربوطه فازی مثلثی (TFN) از (Chen, 2000) در جدول 1 استخراج شده اند. ماتریس تصمیم گیری که میانگین نظرات متخصصان در رابطه با گزینه ها در هر معیار می باشد در جدول 2 نشان داده است.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده

1-مقدمه

2-یکپارچه سازی پایداری

3- مدل سیستم مانا

3-1 کاربرد های پایداری

3-2 تئوری و سناریوی سازمانی

3-2-1 عملیات

3-2-2 سیستم 2

3-2-3 سیستم 3

3-2-4 سیستم 4

3-2-5 سیستم 5

4- تفسیر مدل سیستم مانا از ISO26000

4-1 روش تفسیر

4-2 سیستم 5

4-2-1 همسوسازی هدف

4-2-2 تثبیت فرهنگ SR

4-3 سیستم 4

4-3-1 توسعه مدل SR

4-3-2راهبرد های SR و طراحی برنامه های اصلاحی

4-3-3 مشارکت ذی نفع

4-4 سیستم 4

4-4-1 پیاده سازی خط مشی های SR

4-4-2 پیاده سازی راهبرد های SR و برنامه های اصلاحی

4-4-3 پایش عملکرد SR

4-5 سیستم 2

4-5-1 مدیریت تعارض

4-5-2 ثبات مدیریت SR

4-5-3 فرهنگ سازمانی نوظهور

4-6 سیستم 1:بازگشت

4-7 مدیریت مسئله SR

5-به سوی مدیریت جامع SR

6-بحث

6-1 یادگیری سازمانی

6-2 معنا بخشی

6-3 پارادوکس ها: موضوعات- ابهامات

7- نتیجه گیری

بخشی از ترجمه فارسی مقاله:

1-مقدمه
در سال های اخیر، در سازمان ها و شرکت ها تاکید روز افزونی بر روی توسعه پایدار وجود داشته است. شرکت ها در واقع تاثیرات معنی داری را بر روی سیستم های زیست محیطی، اجتماعی و مالی اغلب در مقیاس جهانی دارند. پس از کنفرانس ریو( سازمان ملل 1997) و حتی قبل از آن( اسیف و همکاران 2013)، تلاش های متعددی برای کمک به سازمان ها برای پایداری هر چه بیشتر، هم در سطح عملی و هم در سطح نظری صورت گرفت. مفاهیمی نظیر مسئولیت پذیری شرکتی(CS) یا مسئولیت اجتماعی شرکتی(CSR) توسط کسب و کار ها در سرتاسر دنیا پذیرفته شده است( مونیت 2008) و عملیاتی نظیر مدیریت زیست محیطی(EM) و گزارش دهی CS یا CSR به طور گسترده ای اجرا و پیاده سازی می شوند.
با این حال منابع و مطالعات مربوطه نشان می دهند که یک شکاف معنی دار بین پذیرش یک استاندارد یا ابزار و پیاده سازی عملیات پایداری در هر سطح از سازمان وجود دارد که به بخشی از عملیات روز مره و مدیریت آن تبدیل شده است( اسیف و همکاران 2013). به علاوه طیف وسیعی از رویکرد ها، تئوری ها، تعاریف، مفاهیم و ابزار ها( ویگ و همکاران 2005) توسعه یافته و ایجاد یک چشم انداز مبهم برای سازمان هایی که در صدد پیاده سازی عملیات پایدار تر هستند کرده است. از این روی سازمان ها با دو چالش مواجه هستند:1- یکپارچه سازی و گنجاندن پایداری در مدیریت و عملیات خود 2- بهره گیری از پیاده سازی موثر ابزار های پایداری موجود نظیر تحلیل چرخه عمر.
این مقاله استدلال می کند که به منظور حل موثر این چالش ها، آن ها را بایستی در زمینه یک مدل مناسب سازمان در نظر گرفت که قادر به نشان دادن مسائل کلیدی ضمنی در استاندارد های پایداری و کارکرد های مدیریتی مربوطه است. محققان تفسیر مدل سیستم مانای بیر را به صورت یک شیوه جامع مدل سازی سازمان برای مقابله با پیچیدگی مربوط به مسائل پایداری پیشنهاد کرده اند( اسپینوزا و والکر 2012، 2014). این تفسیر در این جا به عنوان چارچوبی برای پاسخ به چالش های فوق مطرح شده است.
به همین منظور، استاندارد پایداری برجسته ISO 26000، با استفاده از چارچوب VSM نویسندگان تفسیر می شود. استدلال ها در رابطه با شرکت تولیدی فرضی ویدجت توسعه می یابند که با استفاده از VSM نگاشته شده و به شفاف سازی کل استدلال کمک می کند. در بخش های نهایی یک بحث، در خصوص پیامد ها، مزایا و محدودیت های استفاده از این رویکرد برای یکپارچه سازی استاندارد های پایداری و نقش این تحقیق در پیشرفت های اخیر در تحقیقات پایداری ارایه می شود.
2-یکپارچه سازی پایداری
از حیث نخستین چالش ارایه شده در بالا، رانانگن و زابل(2014)، یک مرور منابع جامع را در خصوص تلاش هایی برای گنجاندن CSR در مدیریت روزمره سازمان ارایه کرده اند. ریشه مشترک برای این یکپارچه سازی، چرخه برنامه ریزی، اقدام، ممیزی، اجرا(PDCA) می باشد که مبنای بیشتر سیستم های مدیریتی است(MSs). سیستم های مدیریتی متعددی وجود دارند که بر ابعاد خاص پایداری نظیر ISO14001( ISO 2004) برای مدیریت محیطی و OHSAS 18001(OHSAS 2007) برای بهداشت و ایمنی تاکید دارند. از این روی، تعداد چارچوب های یکپارچه سازی، زمینه این سیستم های مدیریتی را برای پوشش دادن ابعاد پایداری توسعه می بخشند، و این در حالی است که سایرین تلاش می کنند تا سیستم های مدیریتی چندگانه را در سیستم مدیریت یکپارچه(IMS) یا سیستم مدیریت پایداری بگنجانند( ماس و رینرز 2014، رانگان و زابل 2014).
از حیث دومین چالش یکپارچه سازی، فینلولندن و مابرگ(2005) از سه ویژگی طبقه بندی برای ابزار های ارزیابی محیطی استفاده کرده اند الف: انواع اثرات در نظر گرفته( منابع، اقتصادی و محیطی)، ب: هدف مطالعه( برای مثال سیاست ها، ملت ها، سازمان ها، محصولات) و پ: این که آیا ابزار ها تحلیلی( فنی) هستند یا رویه ای( تاکید بر ارتباطات و شرایط).هکینگ و کاتری(2008) تلاش کرده اند تا مبنایی را برای مقایسه فنون ارزیابی مختلف پایداری در منابع با شناسایی ویژگی های اصلی آن ها به جای برچسب های گمراه کننده آن ها ارایه کنند. آن ها از سه ویژگی اصلی برای شناسایی خصوصیات ارزیابی استفاده می کنند: الف: جامعیت، ب: یکپارچگی پ: راهبردی بودن.
چارچوب های فینودن و موبرگ، هکینگ و گاتری، دانش خوبی را در خصوص شیوه تمایز روش های مختلف ارایه می کنند. با این حال، آن ها مدل عملیاتی را برای کمک به کاربرد هم افزایی آن ها ارایه نکرده اند. در همین راستا، روبرت(2000) و روبرت(2002) چارچوبی را برای توسعه پایدار راهبردی(FSSD) معرفی کرده اند که هدف این چارچوب یکپارچه سازی مدل ها و ابزار های توسعه پایدار می باشد. محققان، اصول برنامه ریزی را در درون هر سیستم شناسایی کرده و آن ها را در شرایط توسعه پایدار به کار می گیرند. ویگ و همکاران(2005) و ویگ(2007) با یکپارچه سازی ابزار ها، معیار ها و اقدامات بر روی چارچوب های مدل و با تاکید بر اثرات آن ها بر روی فرایند طراحی محصول، به بررسی FSSD پرداخته اند.. اخیرا، هالشتد و همکاران(2010) از FSSD برای ارزیابی قابلیت سیستم های تصمیم گیری برای ایجاد یک سازمان پایدار استفاده کرده اند.
تحلیل ابزار ها یا رویکرد های پایداری ارایه شده توسط لوزانو(2012) با اهداف این مقاله همسویی دارد که بر اساس این است که آن ها چگونه با 1- سیستم شرکت و 2- ابعاد پایداری ارتباط دارند. مورد اول در فعالیت های اولیه( قابلیت های محوری) و فعالیت های ثانویه( پشتیبانی) تحلیل می شود که مشابه با تفکیک اجزای عملیاتی و متاسیستمی ارایه شده مدیریت سیستم مانا است. تحلیل لوزانو نشان داد بیشتر روش ها بر عملیات و فرایند ها و نیز عناصرمدیریت و راهبرد سازمان تاکید دارند ضمن این که بعد پایداری محیط را نشان می دهند.

بخشی از مقاله انگلیسی:

1. Introduction

In recent years, the emphasis on sustainable development has increasingly been placed on the individual organisation or company. Corporations are indeed capable of significant impacts on environmental, social and financial systems, often at a global scale. Following the Rio Conference (United Nations, 1997) and even before that (Asif et al., 2013) several efforts were made to help organisations be more sustainable, both at a theoretical and practical level. Concepts such as Corporate Sustainability (CS) or Corporate Social Responsibility (CSR), have been adopted by businesses worldwide (Montiel, 2008), and practices, such as Environmental Management (EM) and CS or CSR reporting, are widely implemented. The relevant literature however, suggests that a significant gap exists between the adoption of a standard or tool and the implementation of sustainability practices into every level of the organisation, so as to become part of its daily operations and management (Asif et al., 2013). What is more, a multitude of approaches, theories, definitions, concepts and tools (Waage et al., 2005) has been developed, creating a confusing landscape for organisations wishing to implement more sustainable practices. Organisations are therefore facing a double challenge 1) integrating sustainability in their management and operations, 2) taking advantage of and effectively implementing available sustainability tools, such as life-cycle analysis. This paper argues that in order to deal effectively with these challenges, they need to be considered in the context of an appropriate model of an organisation, capable of representing the key issues implicit in sustainability standards and related management functions. The authors have suggested elsewhere an interpretation of Beer’s Viable System Model (VSM), as a comprehensive way of modelling organisations to deal effectively with the complexity involved with sustainability issues (Espinosa and Walker, 2011, 2013). This interpretation is also proposed here, as a framework to respond to the aforementioned challenges. For this purpose, the prominent sustainability standard ISO 26000 is interpreted using the authors’ VSM Framework. The arguments are developed in the context of the hypothetical Widget Manufacturing Company, mapped using the VSM, which helps to clarify the whole argument. In the final sections a discussion is given on the implications, advantages and limitations of using this approach to integrate sustainability standards and the way this research contributes to recent developments in sustainability research.

2. Integrating sustainability

In terms of the first integration challenge presented above, Ranangen and Zobel (2014) € provide a comprehensive review of the literature on the efforts to integrate CSR in the everyday management of an organisation. A common root for this integration is the Plan-Do-Check-Act (PDCA) cycle, which is the base of most Management Systems (MSs). There are various MSs, which focus on specific aspects of sustainability, such as ISO 14001 (ISO, 2004) for environmental management and OHSAS 18001 (OHSAS, 2007) for Health & Safety among others. Therefore, a number of integration frameworks expand the scope of one of these MSs to cover more sustainability aspects, while others attempt to integrate multiple MSs into one Integrated Management System (IMS) or Sustainability Management System (SMS) (Maas and Reniers, 2014; Ranangen and Zobel, 2014 € ). In terms of the second integration challenge, Finnveden and Moberg (2005) use three classification attributes for environmental assessment tools: a) the types of impacts considered (resources, wider environmental or economic), b) the object of study (e.g. policies, nations, organisations, products etc.), and c) whether the tools are analytical (technical) or procedural (focussing on connections and context). Hacking and Guthrie (2008) attempt to provide a basis for comparing the different sustainability assessment techniques found in the literature, by identifying the main features underlying them d rather than their often misleading labels. They employ three main properties for characterizing the assessment features: a) Comprehensiveness, b) Integratedness, and c) Strategicness. The frameworks of Finnvenden and Moberg, and Hacking and Guthrie provide good understanding on how the various methods are differentiated; however, they do not provide an operational model that could help in their synergetic application. Towards this direction, Robert (2000) and Robert et al. (2002) introduced the Framework for Strategic Sustainable Development (FSSD), that attempts to operationally integrate the various sustainable development models and tools. The authors identify the principles of planning within any system, and then apply them in the context of sustainable development. Waage et al. (2005) and Waage (2007) further elaborated on the FSSD by incorporating more tools, criteria and actions on the models framework, and by focussing on their impact on the product design process. More recently Hallstedt et al. (2010) use the FSSD to assess the capability of decision making systems of an organisation in relation to sustainability. Closer to the logic of this paper is the analysis of sustainability tools or initiatives by Lozano (2012), which is based on how they relate: a) to the company system, and b) to sustainability dimensions. The former is analysed in primary (core competencies) and secondary (support) activities, which is similar to the VSM distinction of operational and meta-systemic components presented next. Lozano’s analysis concludes that most initiatives focus on the Operations & Processes, as well as the Management & Strategy elements of the organisation, while addressing the environment dimension of sustainability.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در طی تلاش ها به منظور رسیدن به ارتباطی قابل‌اطمینان، هدف مدیران، جامعه رهبران محلی بود تا بتوانند به راحتی مسیر تخلیه تا پناهگاه تا در اختیار آن‌ها قرار دهند. رهبران محلی این اطلاعات را به پیروان همسایه خود ارسال می‏کنند که آن‌ها هم به نوبه خود، این اطلاعات را به افراد دیگر ارسال می‏کنند. این روند همچنان ادامه دارد تا سیستم بتواند اطلاعات موجود را برای اقدام جمعی در اختیار همه افراد قرار دهد (شکل 2). اگر همسایگان محلی تحت تأثیر سونامی باشند، رهبران محلی هشدار را برای آن‌ها ارسال می کنند.
انتقال سریع اطلاعات مهم از دولت به سیاست‌گذاران و سپس به مدیران و مردم، به طور پیوسته توسط شبکه‌های اجتماعی از جمله توئیتر و شبکه‌های بی‌سیم در میان دستگاه های تلفن همراه (شکل 2) انجام می گیرد. تعامل بین همه ذینفعان، مدیریت بحران را بهبود می بخشد. علاوه بر این، فرآیند بازخورد چند مسیره، اطلاعات زمان واقعی را برای سیستم پشتیبان تصمیم‌گیری به منظور افزایش انعطاف پذیری سیستم می دهد.

3. توزیع اطلاعات سونامی مبتنی بر رهبر، آگاه از اجتماع
شبکه های اجتماعی چارچوب انعطاف پذیر و مقرون به صرفه ای را برای تبادل پیام و انتشار محتوا در میان اعضای یک جامعه محلی تهیه می کند. توانایی استفاده از مسیریابی همتا به همتا و ارتباطات بی‌سیم برای توزیع هشدار سونامی و اطلاعات مربوط به تخلیه در مدیریت بحران بسیار مهم است. بدون تکیه به زیرساخت اختصاصی، انتشار محتوا در نواحی بزرگ جغرافیایی می تواند قابلیت اطمینان را کاهش دهد. چالش مهم توسعه یک رویکرد مقیاس‌پذیر و مقرون به صرفه برای رسیدن به جامعه انتشار محتوا است. برای این منظور ما یک روش رهبری برای توسعه یک اجتماع آگاه را که مبتنی بر انتشار محتوا در شرایط بحران است را ارائه کرده ایم.
ایده اصلی از لحاظ آگاه از اجتماع، انتشار محتوای زیرساخت برای تعیین رهبران منتخب در یک جامعه ی در معرض خطر به عنوان حامل اطلاعات سونامی و مهار قدرت اجتماعی است. این اطلاعات پس از دریافت توسط رهبران، توسط پیروان آن‌ها نیز دریافت می گردد. تحقق این هدف منجر به دو موضوع چالش‌برانگیز می گردد که نیاز به تحلیل دارند.
نخستین مرحله مربوط به چگونگی انتخاب رهبران است، درحالی‌که دومی به دنبال روشی برای انتشار قابل‌اعتماد و مقرون به صرفه اطلاعات است. در ادامه، ما ابتدا انتخاب رهبر را به عنوان فرد حامل اطلاعات مورد بررسی قرار داده ایم. ما سپس پروتکلی مقرون به صرفه و کارا برای انتشار اطلاعات سونامی در بین رهبران و پیروان آن‌ها در موقعیت اضطراری ارائه داده ایم.

شکل 2. معماری GIS-SM-DDSS

3.1. انتخاب رهبر
الزامات اصلی طراحی فرآیند انتخاب رهبر، شامل پوشش محلی همسایه ها و مقیاس‌پذیری است. به منظور دستیابی به جامعه اطلاعاتی مقیاس‌پذیر، پوشش محلی باید بهینه باشد. دستیابی به پوشش محلی مستلزم این است که هر یک از اعضای محلی، که احتمال بیشتری در انتخاب به عنوان رهبر دارد، در مدت زمان کوتاهی اطلاعات سونامی را دریافت می کند. قرار گرفتن در معرض یک حمل اطلاعات، منجر می گردد تا هر رهبر با یکی از اعضای جامعه به عنوان همکار عمل کرده و اطلاعات سونامی را انتقال دهند. این روند تا زمانی که اطلاعات به دست تمام اعضای جامعه‏ی در معرض خطر برسد، ادامه می یابد.
پوشش محلی به خصوص در جوامع بزرگ مسئله ی بسیار مهمی است. از یک طرف، تضمین قرار گرفتن اعضای جامعه در مسیر دریافت اطلاعات هشدار سونامی، نیازمند داشتن تعداد زیادی رهبر برای دستیابی به اطمینان بالا است. داشتن تعداد زیادی رهبر به عنوان عوامل انتقال اطلاعات به همسایه‌ها، تأثیر قابل‌توجهی بر روی هزینه و مقیاس‌پذیری اطلاعات سونامی دارد. برای تحلیل این مسئله و رسیدن به یک تجارت متعادل برای به حداقل رساندن حمل و به حداکثر رساندن پوشش محلی، مفهوم “وابستگی محلی” را به عنوان یک متریک در انتخاب حامل و تدوین مسئله انتخاب معرفی می کنیم. با معرفی این متریک، می‌خواهیم تعداد رد و بدل کردن پیام را کاهش داده و سطح پوشش محلی را به میزان مطلوبی برسانیم.
در ادامه، ما ابتدا مسئله انتخاب حداقل رهبر را به طور رسمی توصیف می کنیم. سپس روشی اکتشافی را برای شناسایی تعداد حداقل حاملان برای افزایش پوشش محلی ارائه می دهیم.

3.1.1. مسئله انتخاب حداقل رهبر
ما همسایگانی، مرکب از M مکان و N رهبر کاندید برای رسیدن به پوشش محلی را بررسی می کنیم. مؤلفه M به یک مکان فیزیکی در محله خطر تعلق دارد. اعضای جامعه شامل رهبران نامزد، این مکان ها را با درجه متنوعی از فرکانس ملاقات می کنند.
بر اساس آنچه در بالا ذکر گردید، مسئله انتخاب حداقل رهبر می تواند به صورت یک گراف دوبخشی بدون جهت G=(V,U,E) مدلسازی گردد. در این گراف، V(|V|=M) و U(|U|=N) و E مجموعه مکان‏ها، مجموعه کاندیدها و مجموعه یال ها بین مکان‏ها و کاندیدها را به ترتیب نشان می دهند. هر یال (u,v,au,v) بین مکان vєV و کاندید uєU با یک احتمال tgreshold است و au,vє(0,1] وزن متعلق به (u,v) را نشان می دهد.
در مدل ما au,v احتمال کاندید u در برابر مکان v را در هر نقطه ای از زمان نشان می دهد. در عمل au,v می تواند به عنوان نرخ کلی زمانی u تا v در طول مدت زمان مشاهده تخمین زده شود. چندین فاکتور می توانند برای محاسبه مکان کاندیدها در هر مکان استفاده شوند که شامل فرکانس ملاقات (تعداد ملاقات)، رهبری، وضعیت جامعه، دانش، اعتماد است. در گراف دوبخشی نشان داده‌شده در شکل 4، وزن به ترتیب با 20، 30، 10، 10، 10، 10 و 10 با مجموع 100 نشان داده‌شده است. این وزن ها می توانند برای محاسبه وابستگی هر رهبر کاندید ui(1=<i=<4) در هر مکان vj(1=<j=<3) استفاده شوند.
برای هر وزن vєV، مجموعه Uv={u:uєU,(u,v,au,v)єE} نشانگر مجموعه کاندیدهایی برای یک مکان v است. برای مثالی که در شکل 3 نشان داده‌شده است، Uv1={u1} و Uv2={u1,u2,u3,u4} و Uv3={u1,u2,u4}. وقتی که هر کاندیدی در Uv ، v را با احتمال au,v ملاقات می کند. سپس با احتمال Pv(Uv) که مکانی هست که به وسیله تمام کاندیدها می تواند محاسبه گردد: Pv(Uv)=1-πuєUv(1-au,v) به گونه ای که Pv(Uv) احتمال حداقل یک کاندید را در Uv را در v نشان می دهد. در ساده ترین مورد شکل 3، Pv1(Uv1)=0.6، Pv2(Uv2)=0.946، Pv3(Uv3)=0.64.

شکل 3. گراف دوبخشی متشکل از مکان، کاندید و وابستگی مکانی
با توجه به نمودار G=(V,U,E)، برای هر زیرمجموعه SєU ، احتمال pv(S) با مکان v که توسط کاندید موجود در S ملاقات می شود، می تواند به وسیله جایگذاری Uv در فرمول بالا با S محاسبه شود. نتیجه می شود که . با توجه به thresholud تعیین‌شده π، اگر زیرمجموعه UleaєU برای هر vєV است به این معنی که مکان ملاقات شده به وسیله کاندید Uled با احتمال pv(Uled)>=π است. بنابراین می توانیم ادعا کنیم که تمام مکان ها به وسیله Uled پوشش داده می شوند.
مجموعه پوشش Uled با احتمال π در هر زمانی و برای هر مکانی vєV تضمین شده است. در نتیجه، غیر رهبران که مکانی را در زمان t ملاقات می کنند، می توانند با رهبر در تماس بوده و محتوا را دریافت کنند. چالش موجود یافتن تغییرات کارا و قابل‌اعتماد است.