امیر حمزه ابراهیم زاده

Abstract: The Industry 4.0 concept assumes that modern manufacturing systems generate huge amounts of data that must be collected, stored, managed and analysed. The case study is focused on predicting the manufacturing process behaviour according to production data. The paper presents the way of gaining knowledge about the future behaviour of manufacturing system by data mining predictive tasks. The proposed simulation model of the real manufacturing process was designed to obtain the data necessary for the control process. The predictions of the manufacturing process behaviour were implemented varying the input parameters using selected methods and techniques of data mining. The predicted process behaviour was verified using the simulation model. Authors analysed different methods. The neural network method was selected for deploying new data by PMML files in the final phases. The objectives of the research are to design and verify the data mining tools in order to support the manufacturing system control by aiming at improving the decision-making process. Based on the prediction of the goal production outcomes, the actual control strategies can be precisely modified. Then they can be used in real manufacturing system without risks.

چکیده – مفهوم صنعت 4.0 فرض می کند که سیستم های مدرن تولید مقادیر عظیمی داده تولید می کنند که باید جمع آوری، ذخیره، مدیریت و تحلیل شود. هدف این مطالعه موردی پیش بینی رفتار فرایند تولید بر طبق داده های تولید است. این مقاله روش بدست آوردن دانش در مورد رفتار آینده سیستم تولید بواسطه پیش نگری کاوش داده ها را ارائه می کند. مدل شبیه سازی پیشنهادی فرآیند واقعی تولید برای بدست آوردن داده های لازم برای فرآیند کنترل طراحی شد. پیش بینی های رفتار فرآیند تولید با تغییر پارامترهای ورودی با استفاده از روش های انتخاب شده و روش های داده کاوی انجام شد. رفتار پیش بینی شده فرآیند با استفاده از مدل شبیه سازی تائید شد.
مولفان روش های مختلفی را تحلیل کردند. روش شبکه عصبی برای گسترش داده های جدید بواسطه فایل های PMML در مراحل نهایی انتخاب شد. هدف پژوهش طراحی و تائید روش های داده کاوی جهت پشتیبانی از کنترل سیستم تولید بواسطه هدف گیری بهبود فرآیند تصمیم گیری بر مبنای پیش بینی نتایج تولید مورد نظر، راهبردهای واقعی کنترل را می توان بدقت اصلاح کرد. سپس می توان بدون خطر از آنها برای سیستم تولید واقعی استفاده کرد.

Water managers increasingly are faced with the challenge of building public or stakeholder support for resource management strategies. Building support requires raising stakeholder awareness of resource problems and understanding about the consequences of different policy options. One approach that can help managers communicate with stakeholders is system dynamics modeling. Used interactively in a public forum, a system dynamics model can be used to explain the resource system and illustrate the effects of strategies proposed by managers or suggested by forum participants. This article illustrates the process of building a strategic-level system dynamics model using the case of water management in Las Vegas, Nevada. The purpose of the model was to increase public understanding of the value of water conservation in Las Vegas. The effects of policies on water supply and demand in the system are not straightforward because of the structure of the system. Multiple feedback relationships lead to the somewhat counterintuitive result that reducing residential outdoor water use has a much greater effect on water demand than reducing indoor water use by the same amount. The model output shows this effect clearly. This paper describes the use of the model in research workshops and discusses the potential of this kind of interactive model to stimulate stakeholder interest in the structure of the system, engage participant interest more deeply, and build stakeholder understanding of the basis for management decisions.

مدیران بطور فزاینده با مشکلات ایجاد پشتیبانی عمومی یا پشتیبانی ذینفع ها برای راهبردهای منابع آب روبرو هستند. ایجاد پشتیبانی به افزایش آگاهی ذینفع ها از مشکلات منابع و درک نتایج گزینه های مختلف سیاست گذاری نیاز دارد. یک رویکرد که می تواند به مدیران کمک کند با ذینفع ها ارتباط برقرار کنند مدلسازی پویایی سیستم است. یک مدل پویایی سیستم که بطور تعاملی در میان عموم استفاده شده، را می توان برای توضیح سیستم منابع استفاده کرد و تاثیرات راهبردهای پیشنهاد شده توسط مدیران یا مشارکت کننده ها در گفتگو را توضیح داد. این مقاله فرآیند ساخت یک مدل پویایی سیستم در سطح راهبردی را با استفاده از مورد مدیریت آب در لاس وگاس نوادا توضیح می دهد. هدف این مدل افزایش درک عمومی از ارزش حفظ آب در لاس وگاس است. تاثیرات سیاست گذاری ها بر تامین و تقاضای آب بخاطر ساختار سیستم، سرراست نیست. روابط بازخوردی مختلف منجر به نوعی نتیجه غیرعینی می شود که کاهش مصرف آب مسکونی بیرونی تاثیر بزرگتری نسبت به کاهش مصرف آب داخلی به همان اندازه بر تقاضای آب دارد. خروجی مدل این تاثیر را بروشنی نشان می دهد. این مقاله کاربرد این مدل در کارگروه های پژوهشی را توصیف می کند و قابلیت این نوع مدل تعاملی برای شبیه سازی توجه ذینفع ها در ساختار سیستم را مورد بحث قرار می دهد، با توجهات مشارکت کننده ها بطور عمیق تری درگیر می شود، و درک ذینفع ها از مبنای تصمیمات مدیریتی را ایجاد می کند.

There is a growing obsession with university rankings around the world. What started as an academic exercise in the early 20th century in the US became a commercial “information” service for students in the 1980s and the progenitor of a “reputation race” with geo-political implications today. Around the world, rankings consciousness has risen sharply and, arguably inevitably, in response to globalization and the pursuit of new knowledge as the basis of economic growth, and the drive for increased public accountability and transparency. Rankings are a manifestation of what has become known as the worldwide “battle for excellence”, and are perceived and used to determine the status of individual institutions, assess the quality and performance of the higher education system and gauge global competitiveness. As internationalization has become a priority for both government and higher education, the talent-catching and knowledgeproducing capacity of higher education has become a vital sign of a country’s capacity to participate in world science and the global economy. In the process, rankings are transforming universities and reshaping higher education. Despite the fact that there are almost 18,000 higher education institutions (HEIs) worldwide,1 there is a fascination with the standing and trajectory of the top 100, less than half a percent of the world’s institutions. Like the ranking of restaurants or hotels, no one wants to be at the bottom of the hygiene list.

وسواس فزاینده ای در خصوص رتبه بندی های دانشگاهی در سراسر جهان وجود دارد. آنچه به صورت یک تمرین دانشگاهی در ابتدای قرن بیستم در ایالات متحده آغاز شد در دهه 1980به یک سرویس اطلاعات تجاری و نمونه «مسابقه شهرت» با الزامات ژئوپلتیک امروز تبدیل شد. در سراسر جهان آگاهی از رتبه بندی ها تقریباً بطور غیرقابل اجتناب در واکنش به جهانی شدن و دنبال کردن دانش نو به عنوان مبنای رشد اقتصادی و محرکی برای مسئولیت پذیری و شفافیت عمومی، بسرعت افزایش یافته است. رتبه بندی ها نمایشی است از آنچه به صورت جدال جهانی برای برتری شناخته شده و برای تعیین وضعیت موسسات مختلف، ارزیابی کیفیت و عملکرد سیستم آموزش عالی و اندازه گیری رقابتی بودن آن در جهان، درک و استفاده می شود. از آنجا که بین المللی شدن برای دولت و آموزش عالی به یک اولویت تبدیل شده است، ظرفیت جذب استعدادها و تولید دانش آموزش عالی به نشانه مهمی از ظرفیت یک کشور برای مشارکت در دانش و اقتصاد جهانی تبدیل شده است. در این فرآیند، رتبه بندی ها در حال دگرگون کردن دانشگاه ها و تجدید وضعیت دانشگاه ها هستند. غلیرغم این واقعیت که در سراسر جهان تقریباً 18000 موسسه آموزش عالی وجود دارد، جذبه ای به شهرت و خط سیر 100 دانشگاه برتر وجود دارد، یعنی کمتر از نیم درصد موسسات جهان. همانند رتبه بندی رستوران ها یا هتل ها، هیچ کس نمی خواهد در انتهای فهرست بهداشت باشد.