تعیین شرایط بهینه ماشین کاری با استفاده از الگوریتم ژنتیک و رویکرد فرآیند تحلیل سلسله مراتبی (ahp)
دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی برای فرایند مذکور کاتالیست های با فاز فعال نیکل از لحاظ اقتصادی مقرون به صرفه بوده و فعالیت کاتالیستی خوبی دارند اما با گذشت زمان بر اثر رسوب ترکیبات کربن دار سریعا غیر فعال می شوند. به منظور فائق آمدن بر مشکل مذکور می توان از تقویت کننده های مختلف و روش های سنتز متفاوت بهره گرفت. در این مطالعه نانو کاتالیست های پروسکیتی با ساختار laxba1-xniycu1-yo3 به عنوان کاتالیست جدید برای فرایند ریفرمینگ خشک متان انتخاب و روش سل-ژل احتراقی سنتز گردید. هدف کار پژوهشی حاضر بهینه سازی شرایط تهیه کاتالیست برای رسیدن به کاتالیست بهینه برای فرایند مذکور می باشد. در جهت دستیابی به کاتالیست بهینه، طراحی کاتالیست با استفاده از سیستم هوشمند شبکه عصبی مصنوعی صورت گرفت. برای تولید پایگاه داده مورد نیاز برای مدلسازی، آزمایش با رویکرد رویه پاسخ (rsm) با در نظر گرفتن سه فاکتور (جزء مولی لانتانیوم، جزء مولی نیکل و دمای کلسیناسیون) موثر بر ساختار و عملکرد کاتالیست انجام شد. در نهایت کاتالیست های la0.91ba0.09ni0.91cu 0.09 o3 با دمای کلسیناسیو°c 640 به عنوان کاتالیست منتخب و la0.996ba0.004ni0.6cu 0.4 o3 به عنوان کاتالیست بهینه سازی شده توسط الگوریتم ژنتیک انتخاب شدند. برای بررسی ساختار و مورفولوژی و ارتباط آنها با فعالیت و پایداری کاتالیست ها به ترتیب از تکنیک های xrd و sem استفاده گردید.
فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی بر
طراحی مدل برنامه ریزی استراتژیک سیستمهای اطلاعاتی با استفاده از فرآیند تحلیل سلسله مراتبی و الگوریتم ژنتیک
در این رساله ، مدل جدیدی برای برنامه ریزی استراتژیک سیستمهای اطلاعاتی تحت عنوان hisspm ارائه می گردد. در این مدل، ترکیبی از نقاط قوت روش عوامل حیاتی موفقیت csf، تکنیک فرآیند تحلیل سلسله مراتبی ahp و الگوریتم ژنتیکga برای شناسایی و تعیین اولویت سیستمهای اطلاعاتی مو
تشخیص خطا در فرآیند tennessee eastman با استفاده از تکنیکهای کاهش بعد با رویکرد آماری و بهینه سازی آن با الگوریتم ژنتیک و طبقه بندی کننده های عصبی
این پایاننامه گامی به سوی حل مساله تشخیص و شناسایی خطا در فرآیند tennessee eastman میباشد. انگیزه این پایاننامه ارائه و توسعه روشهای موجود در تشخیص و شناسایی خطا بوده است، که در عمل نیز کارکرد مناسبی از خود نشان دهند. ویژگیهای اصلی این پایاننامه را میتوان به صورت " استفاده
اولویت بندی تخصیص آب و تعیین الگوی کشت بهینه سدستارخان با استفاده از فرایند تحلیل سلسله مراتبی-فازی
باتوجه به کمبود منابع آبی و افزایش نیازها ، اولویت بندی تخصیص آب سدها و تعیین الگوی کشت بهینه از اهمیت بالایی برخوردار می باشد. فرایند تحلیل سلسله مراتبی_فازی می تواند عوامل کمی و کیفی را به صورت سیستماتیک در مدل تصمیم گیری وارد نماید. به این ترتیب که نخست ساختار مساله تصمیم گیری
مدلسازی فرایند اسمز معکوس با استفاده از شبکه عصبی و بهینه سازی آن توسط الگوریتم ژنتیک
چکیده: کاربردهای غشاء اسمز معکوس در فرایندهای تصفیه آب، بویژه صنایعی که نیاز به آب با خلوص بالا دارند، روز به روز در حال افزایش می باشد. با توجه به اهمیت های فرایندی و اقتصادی، فرایند نمکزدایی توسط غشاء اسمز معکوس،لزوم بهینه کردن فرایند تولید به منظور افزایش عمر مدول های ro و کمک
بررسی استراتژی های مناسب توسعه برند در بازار محصولات صنعت طیور با استفاده از رویکرد تلفیقی کارت امتیازی متوازن و فرآیند تحلیل سلسله مراتبی (bsc و ahp)، (مطالعه موردی: برند سیمرغ)
چکیده توسعه برند و بررسی استراتژی¬های مناسب آن مسئله اصلی این تحقیق می¬باشد. این تحقیق، تحقیقی کاربردی از نوع توصیفی – تحلیلی بوده که در سال 1392 در یکی از بزرگترین شرکت های صنعت طیور کشور انجام شده است و تلاش شده است تا براساس رویکرد کارت امتیازی متوازن، مهمترین استراتژی¬ها و شا
اسناد مشابه
ارزیابی اقتصادی پروژه ها در شرایط عدم قطعیت با استفاده از منطق فازی، فرآیند تحلیل سلسله مراتبی و برنامه‌ریزی صفر و یک
یکی از مهمترین روشهای ارزیابی طرح‌های اقتصادی و مقایسه بین آنها، روش ارزش فعلی است. این روش یکی از مهمترین و در ضمن ساده‌ترین تکنیکهای اقتصاد مهندسی است با این وجود محاسبه ارزش فعلی به روش سنتی برای مقایسه پروژه‌ها به تنهایی کافی نیست چرا که عامل مهمی به نام عدم قطعیت پارامتره
تعیین استراتژی بهینه بازاریابی با استفاده از روش های فرآیند تحلیل شبکه ای و تاپسیس در صنعت هتلداری
چکیده پژوهش حاضر به منظور انتخاب استراتژی بهینه بازاریابی با استفاده از رویکرد تصمیم‌گیری چند معیاره (روش فرآیند تحلیل شبکه‌ای و تاپسیس) در هتل‌‌های سه ستاره و بالاتر شهر‌های کرمانشاه و سنندج در نیمه اول سال 1397 انجام شده است. جامعه آماری پژوهش، مدیران ارشد سطوح مختلف هستند که ب
رویکرد ارزیابی و انتخاب عرضه کنندگان در طول زنجیره تأمین با استفاده از تکنیک ترکیبی فرایند تحلیل سلسله مراتبی فازی و برنامه ریزی خطی چند هدفه فازی) مطالعه موردی مرکز بهمن موتور (
در دهه اخیر، نحوه تأمین مواد اولیه و انتخاب تأمین کنندگان در زنجیره تأمین، چالشی برای بیشتر سازمان ها بوده است. از آنجا که عملکرد تأمین کنندگان، اثر اساسی بر موفقیت یا شکست زنجیره تأمین دارد، انتخاب تأمین کننده، یک وظیفه راهبردی شناخته می شود . از این رو در این تحقیق که در مرکز ب
انتخاب تأمین‌کننده صنایع هفتم تیر اصفهان با استفاده از برنامه‌ریزی خطی و تلفیق فرآیند تحلیل سلسله مراتبی فازی و الگوریتم ژنتیک
ارزیابی و انتخاب تأمین‌کننده، یکی از موضوعات مهم در حوزه مدیریت زنجیره تأمین نظامی به شمار میرود. اقدامات یک سازمان نظامی برای ارزیابی و انتخاب تأمینکنندگان کارا، نقش مهمی در ایجاد مزیت رقابتی و بهبود عملکرد آن سازمان دارد. این موضوع، زمانی که کالاهای مختلف برای خرید وجود داشته ب
برنامه ریزی توسعه تولید انرژی الکتریکی و جایابی نیروگاه برپایه الگوریتم ژنتیک ارتقا یافته و فرایند تحلیل سلسله مراتبی
این مقاله روشی نوین برای حل مسئلۀ برنامه ریزی توسعۀ تولید انرژی الکتریکی با استفاده از الگوریتم ژنتیک بهبودیافته ارائه می کند. برنامه ریزی توسعۀ تولید، یک مسئلۀ بهینه سازی دینامیکی غیرخطی ابعاد بزرگ با رفتار تصادفی و قیود فراوان است. برنامه ریزان سیستم تلاش می کنند با استفاده از
برنامه ریزی توسعه تولید انرژی الکتریکی و جایابی نیروگاه برپایه الگوریتم ژنتیک ارتقا یافته و فرایند تحلیل سلسله مراتبی
این مقاله روشی نوین برای حل مسئلۀ برنامه‌ریزی توسعۀ تولید انرژی الکتریکی با استفاده از الگوریتم ژنتیک بهبودیافته ارائه می‌کند. برنامه‌ریزی توسعۀ تولید، یک مسئلۀ بهینه‌سازی دینامیکی غیرخطی ابعاد بزرگ با رفتار تصادفی و قیود فراوان است. برنامه‌ریزان سیستم تلاش می‌کنند با استفاده از