در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است
مقاله کنونی با اتخاذ سیستم تولید کم سود بعنوان مدل مرجع، رویکرد مدیریت زنجیره عرضه و رابطه بین بخش های خصوصی و دولتی را در صنعت خودروسازی برزیل بررسی می نماید. بواسطه یک بررسی موردی که در خلال سال های اکتبر 2006 تا اکتبر 2008 در یک خودروسازی خصوصی انجام شده است، دو تنگنا در این بخش صنعتی برزیل شناسایی شده است: (1) تاکید بر هماهنگی بجای یکپارچگی در مدیریت زنجیره عرضه؛ و (2) کانال های ناکافی ارتباطی میان بخش های خصوصی و دولتی، که منتهی به خط مشی های ناکارآمد برای حمایت از خودروسازان با حجم تولید پایین می شود.
هدف این مطالعه شناسایی برخی از تنگناهای دستیابی به سطح بالاتر رشد اقتصادی در صنعت خودروسازی برزیل، به وسیله یک موردکاوی که در یک خودروسازی خصوصی صورت گرفته که وسایل نقلیه سبک تجاری میتسوبیشی را مونتاژ می کند، می باشد.
صنعت خودروسازی بدین جهت برای مطالعه انتخاب شد که این بخش برای بررسی روابط بین شرکتی و رابطه اتخاذ یک رهیافت تلفیقی نسبت به مدیریت زنجیره عرضه پایه محکمی را پدید می آورد. افزون بر این، صنعت خودروسازی در اقتصاد برزیل نقش مهمی ایفا می کند. برزیل در سال 2007 در زمینه تولید وسیله نقلیه در سطح جهان، با 2997150 واحد، رتبه پنجم را دارا بود، و این بخش صنعتی پاسخگوی 18 درصد از GDP صنعتی کشور بود. در سال 2005، تعداد شغل های مستقیم و غیرمستقیم ایجاد شده به وسیله این بخش، تعداد 1.5 میلیون شغل تخمین زده شد (آنفاوا، 2008).
امروزه شبکه های بهم متصل، واحد های پردازشی سیستم های محاسباتی با کارائی بالا را بهم متصل ساخته و با آنها محاوره دارند. در این زمینه، خطاهای شبکه دارای تأثیر قابل ملاحظه ای می باشند زیرا بسیاری از الگوریتم های مسیریابی، برای پایداری در برابر خطاها طراحی نشده اند. از این رو، فقط یک خطای منفرد ممکن است پیام های موجود در شبکه را دچار اشکال سازد و اتمام اپلیکیشن ها را با مشکل روبرو سازد، و یا حتی منجر به پیکربندی های بن بست گردد. در این مقاله، ما یک متد مسیریابی مستعد در برابر خطا را معرفی کرده ایم تا بتوانیم خطاهای لینک دائم و غیر دائم که پویایی بالایی دارند را از بین ببریم. از آنجایی که این خطاها به صورت تصادفی در طول عملیات سیستم بروز می کند، متد ما مسیرهای گریز را برای پیام ها فراهم کرده و در عین حال، از بروز بن بست جلوگیری می کند.پیشنهاد ما از نواحی خطا دار و به وسیله روش های مسیریابی چند مسیره اجتناب می کند و از مزایای افزونگی مسیر ارتباطی بهره میبرد. ارزیابی کارائی، شامل سناریوهای تست ترکیبی بوده که صحت را اثبات کرده و سناریوهایی را که بر مبنای موجودیت دنباله هایی از سیستم های با کارائی بالاست را تست می کند. آزمایشات نشان داده است که متد ما به اپلیکیشن ها اجازه داده تا اجرای خود را حتی در صورت بروز خطا کامل سازند و افت کارائی را به 30% کاهش دهند.
شبکه های بهم متصل، پایداری در برابر خطا، مسیریابی تطبیقی
در طی دهه های اخیر، تقاضا برای قدرت محاسباتی بیشتر، یک افزایش بدون توقفی را داشته است. این افزایش، ریشه ای در رشد تعداد کاربرد های محاسباتی پیچیده دارد. در ابتدا، قدرت محاسباتی فقط محدود به فیلد های پژوهشی علمی بود. اگرچه در طول چند سال اخیر، کاربرد های جدیدی نیز ایجاد شده اند که نیاز به قدرت محاسباتی بالایی داشته اند. این برنامه های جدید، شامل ایمن سازی DNA، پیش بینی آب و هوا، مطالعات زیستی و غیره بوده است.
در این لحظه، اهمیت سیستم های HPC غیرقابل انکار می باشد، زیرا آنها گرایش جدیدی را به سمت مدل سازی رفتار روزانه و سبک زندگی جوامع مدرن باز کرده اند. این مورد در صورتی که ساده ترین جستجو در گوگل را که بر مبنای سیستم های HPC نیز می باشد را در نظر بگیریم، بدیهی است[1]. در اصل، با توجه به اهمیت این سیستم ها، ضروری است تا از وقفه های سرویس اجتناب کنیم، که این مورد در سیستم های حساس مانند سیستم های مرتبط با عملیات بحرانی-مأموریتی، بانکداری و اپلیکیشن های محسوس به محاسبات ضرورت پیدا می کند[2].
شبکه حسگر بی سیم (WSN) از تعداد زیادی گره حسگر تشکیل شده که به یکدیگر متصل هستند تا عمل خاصی را انجام دهند. این گره ها انرژی، قدرت پردازش و حافظه محدودی دارند. به دلیل اینکه طول عمر شبکه بستگی به این گره ها دارد، منبع انرژی در گره ها بسیار مهم است. بنابراین نیاز به روش هایی برای کاهش مصرف انرژی در گره ها داریم. خوشه بندی یکی از روش ها برای کاهش مصرف انرژی است. الگوریتم های خوشه بندی بسیاری معرفی شده اند.
الگوریتم LEACH یکی از معروف ترین این الگوریتم هاست. در این مقاله، ما یک روش کارا برای خوشه بندی با استفاده از منطق فازی با ورودی های مناسب پیشنهاد می دهیم و آن را با ویژگی های خوب LEACH ترکیب می کنیم. این روش کاملاً توزیع شده است. بنابراین سرعت آن بیشتر و مصرف انرژی آن کمتر از روش های متمرکز است. همچنین روش پیشنهادی ما، ضعف های LEACH را بر طرف کرده و کاراتر از روش های موجود است.
در سال های اخیر با پیشرفت فناوری، از شبکه های حسگر بی سیم (WSNها) در برنامه های مختلفی استفاده شده است. WSN شامل صدها یا هزاران گره حسگر کوچک است. ایم گره ها به یکدیگر متصل شده اند تا کار یا کارهای مشخصی را انجام دهند. هر گره در WSN شامل مؤلفه هایی مثل آنتن ارتباطی، حافظه کم، مدار حسگر (حسگر دما، نور، رطوبت و...)، پردازنده ضعیف و منبع تغذیه محدود است. WSNها معمولا برای برنامه های نظارتی استفاده می شود و به محض تغییر در محیط، ایستگاه باخبر می شود. WSNها معمولاً در محیط هایی که دسترسی انسانی محدود است مثل کوه های آتشفشان یا مناطق نظامی استفاده می شوند. به دلیل ویژگی های خاص شبکه های حسگر بی سیم، چالش های متعددی در این شبکه ها وجود دارد. یکی از این چالش ها منبع انرژی محدود گره هاست. در اکثر موارد، منبع انرژی غیر قابل تعویض و غیر قابل شارژ است. بنابراین باید از روش هایی در WSNها استفاده شود که مصرف انرژی گره ها را کاهش می دهد.
مجموعه بالقوه ای از برنامه های کاربردی سیستم پشتیبان تصمیم ((DSSتوسط سازمان های پویا و متحولی که در زمینه فناوری رایانه پیشرفت کرده اند، ایجاد شده است. برای برنامه ریزی استراتژیک سازمان یا نقشه راه، درک درستی از برنامه های کاربردیDSS حائز اهمیت است. این تحقیق می کوشد تا تعریفی ازDSS، و جذب فناوری اطلاعات در سازمان ها، و پویایی جذب DSS ارائه کند. آنچه که به عنوان ابزارهای DSS جذب برنامه های کاربردی سازمان می شود شامل آنهایی است که به عنوان برنامه های کاربردی یک بارهDSS (غیر تکراری) در سطح برنامه ریزی استراتژیک وارد سازمان می گردد. انتقال فناوری تا جاگیری ابزارها در برنامه های کاربردی پشتیبان تصمیم ساختار یافته (SDS) یا سیستم های فرایند تبادل (TPS) ادامه دارد. بنابراین مدیران و محققان باید آنها را به عنوان یک سیستم SDS/TPS و نه DSS ببینند. شناسایی نقشه راه جذب فناوری اطلاعات، به انتقال فناوری کمک می کند و آن را به رسمیت می شناسد- این به معنای قابل قبول بودن ایجاد این انتقال است.
چه موقع یک سیستم پشتیبان تصمیم گیری واقعا یک DSS نیست؟ غالبا یک برنامه کاربردی که شامل تصمیم گیری به هر روشی است به عنوان DSS طبقه بندی می شود. پیشرفت های پویا در زمینه تکنولوژی رایانه در برنامه های کاربردی مثل DSS موثر می باشد. در نتیجه این پیشرفت ها بوده که این برنامه های کاربردی همواره در حال تغییر می باشند.این موضوع سبب شده است که تقریبا متوقف کردن چنین تغییراتی برای برنامه های کاربردی DSS غیر ممکن باشد. بدیهی است که ماهیت تغییرات DSS به موازات پیشرفت توسعه تکنولوژی رایانه در جریان می باشد. کدون[9] گزارش می دهد که قانون مور (دو برابر شدن قدرت رایانه در هر هیجده ماه) دست کم برای 5 سال دیگر سر می رسد. این امر نشان دهنده این است که سیستم های اطلاعاتی پیشرفت خود را در دستورالعمل های جدید و متنوع ادامه خواهد داد.