یک گام مهم در مدل سازی سیستم، تعیین ارزش پارمترها برای استفاده در آن مدل می باشد. در این مقاله فرض بر این است که مجموعه ای از اندازه گیری های جمع آوری شده از سیستم های غملیاتی در دست داشته، و مدل مناسبی از سیستم (برای مثال بر مبنای این نظریه صف بندی) ایجاد شده است. برآورد مقادیر نسبی تکراری برای پارامترهای خاص این مدل از داده ها موجود، مشکل می باشد. (زیرا پارامترهای مربوطه دارای مفهوم فیزیکی نامشخص بوده و یا آن ها را نمی توان به طور مستقیم از واحدهای اندازه گیری موجود به دست آورد). از این رو نیاز به تکنیکی برای تعیین مقادیر مربوط پارامترهای از دست رفته، یعنی به منظور کالیبراسیون مدلف داریم.
به عنوان جایگزینی برای تکنیک غیر قابل سنجش بروت فورس، ما مدل کالیبراسیون را به عنوان یک مسئله بهینه سازی غیرخطی با توجه به محدودیت هایی مد نظر قرار می دهیم. روش موجود از نظر مفهوم ساده بوده اجرا ان نیز آسان می باشند. مشارکت ما به صورت دوگانه می باشد. در ابتدا تعریف مناسبی از تابع هدف را برای تعیین فاصله بین شاخص های عملیاتی ایجاد شده توسط مدل و مقادیر حاصل شده از اندازه گیری ها ارائه می دهیم. در مرحله دوم، تکنیک های بهینه آزاد مشتق شده (DFO) را که ویژگی اصلی آن توانایی برای محدود کردن موقتی نقص ها می باشد، مطرح می کنیم. چنین تکنیکی این امکان را برای ما به وجود می آورد تا به طور دقیقی مشکل بهینه سازی را حل کرده، و به این ترتیب مقادیر پارامتری دقیقی را ایجاد می کند. ما روش مان را با استفاده از دو بررسی موردی واقعی ساده توضیح می دهیم.
پیش بینی عملکرد سیستم های اطلاعاتی به عنوان یک مسئله اصلی در تجزیه و تحلیل کامپیوتری می باشد. این پیش بینی ها در ارتباط با طراحی سیستم جدید و همچنین پیش بینی تاثیر عملکردی تغییرات در منابع سخت افزاری و یا تراکم کار مورد استفاده قرار می گیرد. برای نمونه پیش بینی ها می توانند تخمین بزنند که چگونه افزایش کاربرد شبکه های اترنتی بر روی متوسط تاخیرهای ایجاد شده توسط بسته های انتقالی تاثیرگذار می باشند. مورد دیگر پیش بینی تاثیر عملکرد ابزارهای ذخیره سازی جدید بر روی عملکرد سیستم های فرعی می باشد.
سن انسان، به عنوان یکی از خصوصیات فردی مهم، که می تواند مستقیما توسط طرح های متمایزی که از حالت چهره ناشی می گردد، تشخیص داده شود. به دلیل پیشرفت های سریع در گرافیک کامپیوتر و دید ماشینی، ترکیب سنی مبتنی بر کامپیوتر و برآورد آن از طریق چهره ها، اخیرا به عنوان موضوع رایج خاصی تبدیل شده که این به دلیل ظهور برنامه های کاربردی حقیقی زیادی در همانند هنرهای بدیعی، مدیریت ارتباط با مشتری الکترونیکی، کنترل امنیتی و نظارت بر نظارت، زیست سنجی، سرگرمی و هنر بدیعی می باشد. ترکیب سنی به معنی بازتفسیر تصویرچهره از نظر زیباشناختی به همراه روند پیری طبیعی و تاثیرات جوان سازی بر روی چهره فرد می باشد. برآورد سن بر مبنای دسته بندی تصویرچهره به صورت اتوماتیک با در نظر گرفتن سن دقیق (سال) یا گروه سنی (محدوده سنی) چهره افراد، تعریف می گردد. به دلیل جزییان و پیچیدگی، هر دو مسئله دارای جذابیت بوده، با این وچود برای طراحان سیستم برنامه های کاربردی بر مبنای کامپیوتر را به چالش می کشد. تلاش های زیادی در بخش های علمی و صنعتی در طی چند دهه گذشته به این موضوع اختصاص داده شده است. در این مقاله، به بررسی تکنیک های امروزی در ترکیب سنی بر مبنای تصویرو موضوعات برآورد می پردازیم. مدل های موجود، الگوریتم های رایج، عملکردهای سیستم، مشکلات فنی، پایگاه داده عمومی پیر شدن چهره، پروتکل های ارزیابی، و مسیرهای های نوید بخش آینده، با بحث های نظامند مد نظر قرار می گیرد.
به عنوان «پنجره ای به سمت روح بشر» چهره انسان اطلاعات قابل قبول مهمی را در ارتباط با خصوصیات فردی منتقل می کند. خصوصیات انسانی توسط مشخصه های چهره همانند هویت فردی، حالت چهره، جنسیت، سن، اصالت نژاد، و ژست، توجه زیادی را در دهه های گذشته از بخش های آکادمیکی و صنعتی به سمت خود معطوف داشته، از این رو تکنیک پردازش نمای چهره کاربردهای زیادی را در حوزه تصویر و گرافیک کامپیوتری ایجاد کرده است. دو مشکل اساسی در ارتباط با پیشرفت این تکنیک ها، الهام دهنده می باشد.
در سال های اخیر تلاش های زیادی به منظور ایجاد سیستم آموزشی هوشمند انجام شده که نزدیک به روش تدریس انسان باشد. بعضی از مضرات سیستم هایی که قبلا ایجاد شده اند، غیرممکن بودن اشتراک دوره های آموزشی بین سیستم های آموزشی هوشمند مخلف و مشکل در ایجاد آن ها بوده است. زمانی که سیستم آموزشی هوشمند ایجاد شد، ایجاد یک دوره آموزشی جدید به عنوان کارپرهزینه ای می باشد که نیازمند دخالت بسیاری از افرادی که در حوزه های مختلف کارشناس هستند، می باشد.
در این مقاله ابزارهای مناسب قابل توسعه و کامل به منظور ایجاد دوره های اموزشی برای سیستم های اموزشی هوشمند مختلف نشان داده می شود. این ابزارهای مناسب، امکان ایجاد دوره های آموزشی را برای انواع متفاوتی از سیستم های اموزشی هوشمند فراهم می کند. زمانی که یک دوره آموزشی ایجاد شد، می توان ان را به سیستم آموزشی هوشمند دیگری انتقال داد، و از مدل غالبی که آن دوره اموزشی ارائه می کند، استفاده مجدد کرد. نمونه ابزارهای مناسب، با دو سیستم آموزشی هوشمند ساده تست شدند.
سیستم های آموزشی هوشمند (ITS) سیستم های مبتنی برکامپیوتر می باشند که آموزش مجزایی را برای دانشجویان ایجاد می کند. در حدود 20 سال پیش، پژوهش انجام شده توسط بنجامین بلوم و افراد دیگر نشان داد که دانشجویانی که آموزش های یکطرفه را دریافت می کنند دو انحراف معیار بهتری را نسبت به دانشجویانی که در کلاس های سنتی حضور می یابند، به اجرا در می آورند. یعنی، متوسط دانشجویان آموزش دیده به اندازه 2% دانشجویان سطح بالایی که در کلاس های سنتی اموزش می بینند، می باشد. علاوه بر این تحقیقات بر روی سیستم های نمونه نشان می دهد که دانشجویانی که از طریق ITS آموزش می بینند معمولا یادگیری شان سریعتر بوده و یادگیری ان ها از نظر بهبود عملکرد بهتر از دانشجویان آموزش دیده در کلاس می باشد.
سیمان کالایی ارزان و سنگین می باشد و مصرف آن وقتی به صرفه است که محل تولید ومصرف تا حد امکان به هم نزدیک باشد در ابتدای ساخت تاسیسات راه آهن مقدار قابل توجهی سیمان از خارج واردگردید ولی بعد از مدتی تصمیم گرفته شد یک کارخانه سیمان با توجه به تحقیقات و مطالعات اولیه زمین شناسی در هفت کیلومتری جنوب تهران درنزدیکی کوه بی بی شهر بانو احداث گردد و در سالهای بعد با توجه به اینکه مردم از این محصو ل استقبال می کردند کارخانه های با ظرفیت چند برابر کارخانه اول که معادل صد تن در روز بود احداث گردید و هم اکنون نیز در سال چندین کارخانه با ظرفیت های حدود چهار هزار تن در روز راه اندازی می شود.ساخت سیمان به چهار روش صورت می گیرد. که این روشها عبارتند از:
سه روش اول به دلیل مصرف آب فراوان و مصرف انرژی و سوخت زیاد و همچنین تولید گازهای گلخانه ای در کشورهای صنعتی کاملا منسوخ شده و در کشور ما به تدریج بر چیده می شود. در این روشها مواد خرد شده به همراه آب در آسیابها ساییده شده و مواد حاصل به صورت دوغاب یا خمیری شکل در روشهای نیمه خشک وارد کوره های دوار جهت پخت می شوند. به واسطه پخت مواد همراه آب نیاز می باشد که طول کوره ها بسیار بلند وسوخت مورد نیاز زیاد و حجم مواد ورودی کم باشد. این کوره ها با ظرفیت های از 100 تا 600 تن می باشند که به عنوان مثال یک واحد 600 تنی کوره ای به طول 160 نیاز دارد در حالی که در سیستمهای نوین خشک جهت تولید 4000 تن به کوره هایی کمتر از 60 متر نیاز است.
ما نقش انواع مدل های مختلف که زمان صرف شده در پیاده سازی ERP (برنامه ریزی منابع سرمایه ای) را تحت تاثیر قرار می دادند، تجزیه و تحلیل نمودیم. با استفاده از مفهوم وابستگی های همراه با تئوری یکپارچه سازی سازمانی، بین مدل های پشتیبان تجاری و زنجیره ارزش تمایز ایجاد نموده و تأیید نمودیم که زمان اجرای آنها متفاوت می باشد. ما همچنین وجود صرفه جویی در زمان و مکانیسم های تسهیل دهنده ای که می توانند کل زمان سپری شده برای پیاده سازی ERP را با این نوع مدل ها کاهش دهند، مشخص نمودیم.
با استفاده از داده های 141 سازمان و مدل های استمرار اقتصادسنجی، متوجه حمایتی تجربی از فرضیه هایمان شدیم. نتایج ما از طریق کنترل های متنی، سازمانی و کنترل های خاص پروژه، منجر به این استنتاج شد که مدل های زنجیره ارزش برای پیاده سازی زمان بیشتری را نسبت به مدل های پشتیبان تجاری می گیرند. علاوه بر این، متوجه شواهدی تجربی از صرفه جویی زمان و مکانیزم های تسهیل دهنده روند پیاده سازی ERP شدیم.
هنوز هم شناخت عوامل موثر بر زمان پیاده سازی ERP یک مشکل مدیریتی است. در سال 2003، گروه هاکت تجاوزهای زمانی برای پروژه های IT را در محدوده 24 تا 100 درصد گزارش داد. متون موجود با تمرکز بر روی پروژه های ERP، گزارش داده اند که به طور کلی پیاده سازی ERP زمانی بیشتر از حد انتظار می گیرد. علی الخصوص، 90 درصد از پروژه های ERP دیر به پایان می رسد و به طور متوسط، زمان واقعی صرف شده در هر پیاده سازی ERP چهار برابر زمان برآورد شده بود. علاوه بر این، تجاوز از زمان تا زمان تکمیل پروژه منجر به هزینه های اضافی می شود، زیرا موفقیت پیاده سازی معمولا به تکمیل به موقع پروژه مرتبط است.