ارائه مدلی برای پیش بینی وارانتی براساس سیستم های شبکه ی عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده مهندسی صنایع
- نویسنده میلاد ازادی نجف آبادی
- استاد راهنما حمید شهریاری عبدالله آقایی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
یکی از عوامل تاثیرگذار در قیمت تمام شده ی یک محصول تحت وارانتی، هزینه ی وارانتی است. این هزینه به تعداد درخواست انجام وارانتی و چگونگی انجام نگهداری و تعمیر در یک دوره ی وارانتی بستگی دارد. اما از یک سو انتخاب سیاست بهینه ی نگهداری و تعمیر بر پیش بینی تعداد درخواست انجام وارانتی وابسته است، از سوی دیگر برای پیش بینی تعداد درخواست انجام وارانتی باید نوع سیاست نگهداری و تعمیر مشخص باشد. لیکن در این تحقیق در ابتدا با استفاده از پیش بینی تعداد درخواست انجام وارانتی برای هر سیاست، سیاست بهینه ی نگهداری و تعمیر با توجه به کمینه کردن کل هزینه ی نگهداری و تعمیر در دوره ی وارانتی انتخاب می شود. سپس تعداد درخواست انجام وارانتی برای سیاست انتخابی و با استفاده از شبکه ی عصبی پیش بینی می شود. مضافا آن که بر خلاف تحقیقات قبلی که تنها زمان و فاکتور بهبود نگهداری به عنوان دو عامل تصمیم-گیری برای سیاست نگهداری و تعمیر معرفی شده است، سیاست نگهداری و تعمیر مبتنی بر ترکیبی از سه متغیر زمان انجام نگهداری ، فاکتور بهبود نگهداری و فاکتور بهبود تعمیرات می باشد. نتایج حاصل از شبیه سازی روش پیشنهادی نشان می دهد که در نظر گرفتن عامل سوم و استفاده از دو روش نگهداری و تعمیر تعریف شده باعث کاهش هزینه ی نگهداری و تعمیر در دوره ی وارانتی می شود.
منابع مشابه
ارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی
در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آم...
متن کاملارائه مدلی برای پیش بینی رفتار مخلوط های آسفالتی
تکرار بارگذاری چرخ سبب افزایش افت و خیز به علت نرم شدگی مصالح و کاهش سختی سیستم روسازی میشود. در این تحقیق میزان کاهش سختی لایه های آسفالتی با انجام تحلیل برگشتی بر روی منحنی های خیز سطح روسازی زیر بار چرخ تعیین گردید. در تحلیل برگشتی از مدل غیر خطی ویسکو - الاستوپلاستیک و روش اجزاء محدود استفاده شد. مدلسازی رفتار بتن آسفالتی با مدل ویسکو - الاستوپلاستیک به منظور بررسی کاهش سختی روسازی برای ا...
متن کاملشبکه های عصبی مصنوعی : مدلی برای پیش بینی
با توجه به محدودیتها و ابهامهای موجود در مدلهای متداول آماری مانند از دست دادن دادههای مربوط به تعاملهای پیچیده و غیرخطی بین سازههای روانشناختی و برخی مفروضهها مانند همگونی واریـانسها و توزیع نرمال، پژوهش حاضر توانایی مدلهای شبکههای عصبی مصنوعی را برای مطالعات پیشبینی بررسی کرد. گروه نمونهای شامل 456 دانش ـ آموز پسر سال سوم دبیرستان پرسشنامه شخصیتی کالیفرنیا (cpi؛ گاف، 1975) و پرسشنـام...
متن کاملارائه مدلی جهت پیش بینی بیماری دیابت با استفاده از شبکه عصبی
Introduction: Meta-heuristic and combined algorithms have a great capability in modelling medical decision making. This study used neural networks in order to predict Type 2 Diabetes (T2D) among high risk individuals. Methods: This study was an applied research. Data from 545 individuals (diabetic and non-diabetic), in Diabetes Clinic of Hamedan University of Medical Sciences, we...
متن کاملترکیب شبکه های عصبی برای پیش بینی قیمت سهام
در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده مهندسی صنایع
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023