این مقاله در مورد روش تولید، تجزیه و تحلیل و بهینه سازی سناریوهای پیچیده عملیات صنعتی بحث می کند. مدل براساس معماری هیبرید (مرکب) بوده که حاوی دو فاز است. اولین فاز شامل کسب و نمایش اطلاعات و دومین فاز شامل فرایند بهینه سازی در پایگاه داده جمع آوری شده است تا موقعیت بهینه¬ی یک سناریوی صنعتی مشخص را ایجاد کند. در اولین فاز، از تحلیل مورفولوژیکی برای تقسیم سیستمهای صنعتی پیچیده به بخشهای قابل مدیریتی استفاده می شود.

این بخشها مبنای کسب دانش و داده ها و نمایش آنها را ارائه می کنند. هر زیرمجموعه در جدول انفرادی نشان داده شده و ویژگی سیستم ازجمله انواع منابع، لجستیک، حقوق مالیاتی و غیره را تعیین می کند. در فاز دوم، ویژگیهای جدول مورفولوژیکی با عنوان متغیرهایی درنظر گرفته می شود که به بهینه سازی می پردازد. ارزشها به تمام متغیرها با هدف قرار دادن وضعیت بهینه کلی اختصاص می یابند. راه حل، سناریوی عملیات بهینه را برای سازمان صنعتی مربوطه منعکس می کند. در این مدل، جدولها به وسیله تابع هدف ارتباط دارند. فرایند بهینه سازی غیرخطی از الگوریتم تپه نوردی استفاده می کند، با توجه به محدودیتهای اصلی، تمام تقاضاهای حجیم در موقعیتهای فروش باید مطابق با ظرفیتهای کل تولید در امکانات تولید باشند. در عین حال، کل هزینه ها به حداقل رسیده و یا سودها به حداکثر می رسند. محدودیتهای اضافی برای تعیین فضای راه حل عملی بر مدل تحمیل می شوند.

---

Abstract

This article describes a method to generate, analyze, and optimize complex industrial operation scenarios. The model is based on a hybrid architecture incorporating two phases. The first phase accomplishes information acquisition and representation whereas the second phase imposes an optimization process on the collected datasets to generate an optimum state situation for a given industrial scenario. In the first phase, Morphological Analysis is used for breaking down complex industrial systems into manageable fragments.

These provide the basis for knowledge and data acquisition and their representation. Each subset is represented in an individual table and defines one characteristic of the system like all kinds of resources, logistics, tax regulations, etc. In the second phase, the morphological table attributes are considered as variables which are subject to optimization. Values are assigned to all variables targeting a global optimum state. The solution reflects an optimized operation scenario for the relevant industrial organization. In the model, tables are linked by means of an objective function. The applied non-linear optimization process uses a hill-climbing algorithm. Due to certain constraints, all the volume demands at sales locations must be matched with the entire production capacities at production facilities. At the same time, either costs are minimized or profits are maximized. Additional constraints are imposed on the model to define feasible solution spaces. Both Morphological Analysis phase and the optimization processes employed have proved to be feasible and effective.

---

نمونه ترجمه مقاله: