فایلت

در این مقاله، یک زنجیره تأمین بعنوان یک شبکه ی صفی دو نهاده ای سه مرحله ای نشان داده شده است. سفارش ورودی به زنجیره تأمین بوسیله دو متغیر تصادفی نشان داده می شود، یک متغیر برای زمان وقوع و دیگری برای مقدار اجناسی که به یکدیگر تحویل داده می شوند. هدف مقاله حاضر، محاسبه حداقل زمان پاسخگویی برای تحویل کالاها به مقصد نهایی در امتداد سه مرحله شبکه می باشد. میانگین تعداد کالاهایی که می توانند طی حداقل زمان پاسخگویی تحویل داده شوند، ظرفیت مطلوب شبکه ی صفی را تشکیل می دهد. پس از اینکه بوسیله آخرین رویداد ( یک صف و سرور آن) در هر مرحله از شبکه صفی خدمت رسانی گردید، برای مسیریابی کالاها در رویداد مناسب مرحله بعدی، تصمیمی اتخاذ می گردد که می تواند حداقل زمان پاسخگویی را بوجود آورد.     

کلیدواژه: میانگین طول های صف، متوسط زمان های پاسخگویی، متوسط زمان های انتظار، بهره برداری ها، احتمال رشد پایدار، ‌زنجیره تأمین

1. مقدمه:

1.1 نمای کلی

سالهای زیادی است که مدل های صف برای بررسی مسائل زنجیره ی تأمین مورد استفاده قرار گرفته اند. در دهه ی 40، مدل های صف بمنظور حل دسته ی وسیعی از مسائل تداخل دستگاه مورد استفاده قرار گرفت، یعنی چند نفر تعمیرکار بایستی برای نگهداری مناسب سیستم تخصیص داده شود، یا چه تعداد اپراتور تلفن برای رسیدگی به تلفن های ترافیک موردنیاز هستند. مدل های صف برای بررسی مبادلات مربوط به تعداد خدمت رسان ها در مقابل زمان انتظار مشتریان مورد استفاده قرار می گیرند. بدیهی است که اگر تعداد خدمت رسان ها زیاد باشد، هزینه ی خدمت رسان ها بالاست، ولی زمان انتظار (هزینه ی وقت تلف شده ی مشتری) پایین است.

مدل های صف بمنظور کمینه ساختن هزینه ی کسب و کار تعداد بهینه ی نقاط مشتری/ خدمات سفارش (خدمت رسان ها) را محاسبه می کنند. این مدل، نرخ متوسط ورود سفارشات، نرخ متوسط خدمات مشتری، هزینه به کسب و کار زمان انتظار سفارش (عدم رضایت مشتری)، و هزینه به اداراه مکان های خدمات مشتری را در نظر می گیرد. مدل های صف برای کسب اطلاعات قبلی نه تنها در رابطه با معیارهای سنجش عملکرد نظیر طول صف، زمان های پاسخگویی و زمان های انتظار بلکه سایر معیارهای سنجش عملکرد مانند (آ) احتمال اینکه تأخیر روی خواهد داد، (ب) احتمال اینکه تأخیر کل بیشتر از یک مقدار از پیش تعیین شده می باشد، (ج) احتمال اینکه تمامی تسهیلات خدماتی بیکار خواهد ماند، (د) زمان تلف شده ی مورد انتظار کل تسهیلات، و (ه) احتمال فواصل ناشی از انطباق انتظار ناکافی مورد استفاده قرار می گیرند. برخی از مسائل صف شامل تعیین تعداد مناسبی از تسهیلات خدماتی برای تأمین تقاضای مورد انتظار و تعیین کارایی خدمت رسان ها و تعداد خدمت رسان های مختلف در تسهیلات خدماتی می باشند [1]. سوری  [2]، کاربرد نظریه ی صف را برای ارائه ی راه حل های مسائل زنجیره تأمین پیشنهاد داد. 

به عنوان یک طرح کارامد برای ارائه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و حوزه های کاربردی، طرح شناخت فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به هر حال FCMs (طرح شناخت فازی) سنتی، روش کارامدی را برای تعیین وضعیت سیستم مورد بررسی و تعیین علت و معلول که مبنای واقعی نظریه FCMs (طرح شناخت فازی) می باشد، ایجاد نمی کند. بنابراین در بسیاری از موارد، ایجاد FCMs (طرح شناخت فازی) برای سیستم های علت و معلول یچیده بستگی به دانش متخصصان دارد. مدل های ایجاد شده فیزیکی، دارای کمبودهایی مهمی از نظر خاص بودن مدل و مشکلاتی از نظر دسترسی قابل اطمینان دارند. در این مقاله به طرح شبکه عصبی فازی برای بالا بردن توان یادگیری FCMs (طرح شناخت فازی) پرداخته به گونه ای که تعیین خودکار توابع عضویت و تعیین علت و معلول آن با مکانیسم استنتاج  FCMs (طرح شناخت فازی) رایج ادغام می گردد. به این ترتیب، مدل FCMs (طرح شناخت فازی) سیستم های مورد بررسی به صورت اتوماتیک از داده ها ایجاد شده و بنابراین مستقل از یافته های متخصصان می باشند. علاوه بر این، لز زیرمجموعه های متقابل برای تعریف و شرح علت و معلول در FCMs (طرح شناخت فازی) استفاده می کنیم.  این موارد تفاسیر مشخصی را در ارتباط با دلایل FCMs (طرح شناخت فازی)  ایجاد کرده و به این ترتیب درک فرایند استنتاج را اسان تر می کند. برای تایید عملکرد، روش پیشنهادی در سری زمانی پر هرج و مرج پیش بینی شده، تست می گردد. بررسی های شبیه سازی شده کارایی روش پیشنهادی را نشان می دهد.

1. مقدمه:

از زمان تحقیقات کوشو ، طرح شناختی فازی(FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به عنوان یک روش بررسی مدل ها، برای سیستم های پیچیده،  مدل FCMs به بررسی سیستم های دیگر به عنوان مجموعه ای از مفاهیم و روابط بین این مفاهیم که منشاء آن از ترکیب منطق فازی و شبکه های عصبی می باشد پرداخته است.ذاتا، FCMs به عنوان یک نمودار مستقیم همراه با بازخوردهایی می باشد که شامل مجموعه ای از گره ها و منحنی هایی می باشد که این گره ها را به هم مرتبط می کند. شکل 1 نمایش گرافیکی FCM و ساختار شبکه ای آن را نشان می دهد.

در FCMs گره نشان دهنده مفهوم معنایی می باشد که از سیستم مورد نظر مشتق می شود.

این مقاله الگوریتم جدیدی را در ارتباط با کاهش پیچیدگی های محاسباتی در تشخیص صدای افراد بر مبنای چارچوب مدل گویش ترکیبی گاوس ارائه می کند. در ارتباط با موارد کاربردی که در آن ها سلسله مراتب مشاهدات کلی مد نظر قرار می گیرد، به توضیح این مطلب می پردازیم که بررسی سریع مدل های احتمالی تشخیص صدا از طریق تنظیم توالی زمانی بردارهای مشاهداتی مورد استفاده برای بروزرسانی احتمالات جمع آوری شده مربوط به هر مدل گوینده، حاصل می گردد. رویکرد کلی در استراتژی جستجوی مقدماتی ادغام می شود، و نشان داده شده است که باعث کاهش زمان برای تعیین هویت گوینده از طریق فاکتورهای 140 بر روی روش های جستجوی استاندارد کلی و فاکتور شش با استفاده از روش جستجوی مقدماتی شده است. که گویندگان را از مجموع 138 گوینده دیگر تشخیص می دهد.

1. مقدمه:

توانایی تشخیص صدای هر فرد اخیرا در تحقیقات پیشین مورد توجه قرار گرفته است. کاربرد های شناسایی و تشخیص صدای هر فرد در ارتباط با تماس های تلفنی، امنیت کامپیوتری و همچنین دسترسی به اسناد مهم بر روی اینترنت می باشد. استفاده از مدل ترکیبی گاوس برای تعیین هویت گویندگان عملکردهای قابل مقایسه ای را در ارتباط با تکنیک های موجود دیگر ایجاد کرده است. برای نمونه، میزان خطا در ارتباط با 138 گوینده به میزان 0.7% کاهش نشان داده است. به هر حال با افزایش اندازه جمعیت و ابزارهای آزمایشی، هزینه محاسباتی اجرای این بررسی ها به طور اساسی افزایش داشته است. این مقاله مسئله کاهش پیچیدگی های محاسباتی شناسایی هویت گوینده را با استفاده از جستجوی مقدماتی همراه با  تنظیملت جدید سلسله مراتب مشاهدات مد نظر قرار می دهد.

 در این مقاله، ما به اثبات بعضی از قضیه های نقاط ثابت مشترک برای دو نگاشت غیرخطی  در فضاهای متریک M فازی کامل می پردازیم. نتایج اصلی ما، به اصلاح نسخه هایی از چند قضیه نقطه ثابت در فضاهای متریک فازی کامل می پردازد. 

1. مقدمه و دیباچه 

مفهوم مجموعه فازی نخستین بار توسط محققی به نام  زاده در سال 1965 معرفی شد. از آن به بعد، به منظور بکارگیری این مفهوم در توپولوژی (مکان شناسی) و تجزیه و تحلیل، بسیاری از محققان در سطح گسترده ای، تئوری مجموعه های فازی و کاربرد آن را توسعه داده اند. جورج و ورامانی (8) و کراموسیل و میچالک (11) به معرفی مفهوم فضای توپولوژیک فازی از طریق متریک فازی پرداختند که دارای کاربردهای بسیار مهمی در فیزیک ذرات کوانتوم  به ویژه در ارتباط با نظریه بینهایت و رشته بوده که توسط ال- ناشی مطرح و مورد بررسی قرار گرفته است. بسیاری از محققان به اثبات بعضی از قضایای نقاط ثابت مشترک در فضاهای متریک ( احتمال) فازی پرداختند. واسوکی، نسخه فازی قضیه نقاط ثابت مشترک را که دارای شرایط اضافی بوده است، بدست آورد. در واقع واسوکی به اثبات قضیه نقاط ثابت مشترک فازی با تعریف قوی از توالی کُشی پرداخته است ( نکته 3.13 و تعریف 3.15 را مشاهده کنید). 

از طرف دیگر،  داژ به معرفی مفهوم متریک تعمیم یافته و D متریک پرداخته و ادعا می کند که همگرایی D متریک به تعریف توپولوژی هاسدورف پرداخته و D متریک به ترتیب در هر سه متغیر متوالی می باشد. بسیاری از محققان از این ادعاها برای اثبات قضایای نقطه ثابت در فضاهای D متریک استفاده کرده اند، اما متاسفانه ، تقریبا تمام قضایا در فضاهای D متریک معتبر نمی باشند. 

اخیرا، صادقی و همکارانش به معرفی D متریک پرداخته اند که بر مبنای تغییر احتمالی تعریف D متریک توسط داژ بوده و به اثبات خصوصیات اصلی فضاهای D متریک می پردازد. همچنین با استفاده از مفهوم D متریک ، آن ها به تعریف فضای متریک فازی M پرداخته و به اثبات بعضی از قضایای نقطه ثابت مربوطه، برای بعضی از نگاشت های غیرخطی در فضاهای متریک فازی کامل M  پرداختند. 

در این مقاله، ما به اثبات بعضی از قضایای نقاط ثابت مشترک برای دو نگاشت غیرخطی  در فضاهای متریک فازی کامل M می پردازیم. نتایج اصلی ما به اصلاح نسخه هایی از چند قضیه نقطه ثابت در فضاهای متریک فازی کامل می پردازد.

این بررسی در مورد کوپلاس، بعضی از جنبه هایی از کوپلاس، خصوصیات آنرا مد نظر قرار داده که تاکیدی بر روی ارتباط آن با آمار و پیوند آن با مراحل مارکوف و پیش بینی شرطی دارد. 

1. کوپلاس چیست؟

کوپلاس در سال 1959 توسط اسکلار معرفی شد. امروزه تحقیقات بر روی کوپلاس بسیار گسترده می باشد. خواننده در درجه اول، به کتاب های معتبر و بررسی های افرادی چون شویزر، اسکلار و نلسون ارجاع می گردد. همچنین کتاب های نوشته شده توسط جو و هاتچینسون و لی شامل اطلاعات مهمی می باشد؛ به این ترتیب مجموعه ای از مقالات و موضوعات آن ها، زمانی که نیاز به آن ها احساس می گردد، مد نظر قرار می گیرند. مقاله کنونی به معرفی بعضی از ویژگی ها و کاربردهای کوپلاس، حتی مواردی که دارای ارتباط نزدیک با موضوع نمی باشند، می پردازد. البته نمی توان وانمود کرد که وسعت یا تشابه عمیقی در آثار ذکر شده وجود دارد. 

مشکلات 1، 2، 3 ذکر شده در بخش 3.3.3، اجرای جلوگیری از بن بست ها (وقفه ها) را در سیستم های واقعی پیچیده می کند. روش جدید ما برای ادغام شناسایی این بن بست ها و اجتناب از آن ها ( اگرچه نیازمند اطلاعات پیشرفته نمی باشد، دانش مقدماتی از شرایط منابع)، سهمی در سازگاری راحت تر جلوگیری از این بن بست ها در MPSoC ، با تطبیق حداکثر آزادی به همراه مزایای های اجتناب از این بن بست ها، دارد ( یعنی همزمانی حداکثر درخواست ها و تایید آن بستگی به مسیرهای اجرایی خاص دارد). 

DAU از این بن بست ها بدون مجوز به درخواست دیگری که منجر به بن بست می گردد، جلوگیری می کند. در مورد تغییر مسیر که در نتیجه تلاش به منظور جبوگیری از بن بست ها می باشد، DAU از یکی از پردازشگرهای مرتبط با این تغییر مسیر می خواهد تا  منابع را منتشر کرده به گونه ای که این تغییر مسیر مشخص گردد. 

اثبات شده است که سیستم های آموزش الکترونیک به عنوان مبنایی در چندین حوزه آموزش عالی و شرکت های کسب و کار می باشد. مزایای قابل توجه زیادی برای افرادی که به صورت انلاین آموزش می بینند  وجود دارد که عبارتند ازهمانند راحتی، قابل حمل بودن، انعطاف پذیری و هزینه ها، وجود دارد. به هر حال سرعت و تغییر پذیری دانش امروزی به دلیل رشد قابل مشاهده شبکه ارتباطی جهانی، نیازمند روش های آموزشی جدیدی می باشد که ویژگی های بیشتری را همانند ساختاربندی اطلاعات، بازدهی، انسجام کاری، و شخصی سازی، مد نظر قرار می دهد. این مقاله سیستم های آموزش الکترونیک جدید چند عاملی را به همراه ارائه دانش و محاسبات ممتیک برای مدیریت کارامد اطلاعات پیچیده و بدون ساخت مطرح می کند، که آموزش الکترونیک را  مشخص می سلزد. مشخصا متفاوت از از رویکردهای مشابه دیگر، طرح ما از 1) انتولوژی ( هستی شناسی) برای ایجاد روش مناسبی به منظور مدلسازی دانش در مورد محتوا و فعالیت های آموزشی ، و 2) عوامل ممتیک همانند جستجوگرهای هوشمند به منظور ایجاد تجارب آموزش الکترونیک خصوصی و به موقع استفاده می کند  که اولویت خاص آموزندگان را مد نظر قرار می دهد. روش مطرح شده، با استفاده از استفاده از پلاگین های نرم افزاری چندعاملی برای پلتفرم های اموزش الکترونیک صنعتی با توجه به بررسی ها برای تایید طرح ممتیک مورد نظر  ما از نقطه نظر انعطاف پذیری، بازدهی و قابلیت همکاری، تست می گردد. 

1. مقدمه:

در سال های اخیر فعالیت هایی که توسط وب 2 به اجرا در آمده است شامل حوزه آموزش الکترونیک بوده به ترتیبی که روش جدیدی ایجاد شده است. ابزارهایی همچون بلاگ ها ( برای اشتراک ایده ها)، ویکی ( به عنوان روشی برای ایجاد اطلاعات به روش جمعی)، پادکست ( به منظور توزیع فایل های چندرسانه ای بر روی اینترنت) و برنامه های کاربردی دیگر اشتراک وب ( همانند Flickr، YouTube, del.icio.us, و غیره) این امکان را برای جوامع اینترنتی ایجاد کرده تا به فعالیت، تدریس، آموزش، و انجام کسب و کار و غیره بپردازند. بکارگیری منسجم ابزارهای ذکر شده در بالا در فرایند آموزش الکترونیک به نام آموزش الکترونیک 2 می باشد. از این نقطه نظر، ماهیت توزیع وب چندین انتقاد را همانند مدیریت هویت کاربران در میان برنامه های کاربردی وب مختلف، مدیریت کارآمد چندین محتوای ذخیره شده، هماهنگ سازی محتوا که حاصل وب سایت های ناهمگن و غیره می باشد، به دنبال دارد. 

ما به بررسی استخراج داده از صفحات وب می پردازیم. داده های استخراج شده در جداول قرار داده می شود. برای کاربرد، به هر حال، برای کاربرد آن، کافی نیست تا داده ها را تنها از یک سایت خاص استخراج کنیم. درعوض داده های حاصل شده از تعداد زیادی از سایت ها به منظور ایجاد خدمات ارزش افزوده گرداوری می گردد. در چنین مواردی استخراج تنها بخشی از داستان می باشد. بخش دیگر یکپارچه سازی داده استخراج شده به منظور ایجاد پایگاه داده منسجم و پایدار می باشد، زیرا سایت های مختلف معمولا از فرمت های دادهای متفاوتی استفاده می کند. به طور تجربی، یکپارچه سازی به معنی انطباق ستون ها در جداول داده مختلف می باشد که حاوی انواع مشابهی از اطلاعات می باشند ( به عنوان مثال نام محصول) و منطبق با ارزش هایی می باشند که از نقطه نظر معنایی مشابه بوده اما در وب سایت های مختلف به طور متفاوتی نشان داده می شوند ( برای نمونه کوک و کوکاکولا). متاسفانه پژوهش های یکپارچه محدودی تا به حال در این زمینه خاص انجام شده است. بسیاری از تحقیقات مربوط به یکپارچه سازی داده های وب تمرکزش را نبر روی یکپارچه سازی رابط های پرس و جوی وب قرار داده است. این مقاله دارای چندین بخش در مورد با یکپارچگی داده می باشد. به هر حال بسیاری از ایده های توسعه یافته برای یکپارچه سازی داده های استخراجی کاربردی می باشند زیرا مسائل مشابه می باشند.

رابط پرس و جو وب برای تنظیم جستجوها به منظور بازیابی داده مورد نیاز از پایگاه داده وب مورد استفاده قرار می گیرد ( که به نام مرکز وب می باشد) شکل 10.1، دو رابط جستجوگر را از دو سایت مسافرتی expedia.com و vacation.com نشان می دهد. کاربری که قصد خرید بلیط هواپیما را دارد معمولا به سایت های زیادی سر می زند تا ارزان ترین بلیط را پیدا کند. با توجه به تعداد زیادی از سایت های پیشنهادی، فرد می بایست به هر کدام بطور جداگانه دسترسی داشته تا بهترین قیمت را پیدا کند، که کار خسته کننده ای می باشد. برای کاهش دادن تلاش فیزیکی، می توانیم رابط های جستجوگر جهانی را ایجاد کنیم که دسترسی یکپارچه ای را به منابع وابسته مختلف امکان پذیر می کند. به این ترتیب کاربر می تواند نیازمندی های خود را در این رابط سراسری مجزا تکمیل کرده و تمام منابع مورد نظر ( پایگاه داده ای) به صورت اتوماتیک پر شده و جستجو می گردد. نتایج حاصل شده از منابع مختلف همچنین نیاز به یکپارچه سازی دارند. اما مشکلات یکپارچه سازی، یعنی، یکپارچه سازی رابط جستجوگر و یکپارچه سازی نتایج حاصله ، به دلیل غیریکنواختی وب سایت ها چالش انگیز می باشد. 

به طور مشخص، یکپارچه سازی تنها مختص به وب نمی باشد. این درواقع، ابتدا در زمینه پایگاه داده مرتبط و انبارهای داده مورد بررسی قرار می گیرد. از این رو، این فصل در ابتدا به معرفی اکثر مفاهیم یکپارچه مرتبط با استفاده از مدل های داده سنتی ( برای نمونه، رابطه ای) پرداخته و سپس نشان می دهد چگونه این مفاهیم متناسب با کاربردهای وب بوده و چگونه مشکلات خاص وب مدیریت می گردد.