دانلود مقاله ISI انگلیسی شماره 52397 + ترجمه فارسی
عنوان فارسی مقاله

هوش مصنوعی برای طراحی و عملیات یک زنجیره تولید انرژی و منبع کارآمد

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
52397 2015 6 صفحه PDF 11 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Artificial Intelligence for an Energy and Resource Efficient Manufacturing Chain Design and Operation ☆
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia CIRP, Volume 33, 2015, Pages 139-144

فهرست مطالب ترجمه فارسی
چکیده 
واژه های کلیدی
1.  مقدمه 
شکل 1: مدل بندی کردن مصرف منبع و انرژی یک فرایند تولید توسط سیستم های رویداد گسسته 
2.  زنجیره های فرایند تولید و مدل بندی فرایند 
شکل 2: مدل های زنجیره تولید که یکی شامل شکل دهی فلز داغ (چپ) و دیگری شامل شکل دهی مبتنی بر برش است (راست)
شکل 3 مصرف توان مربوط به یک ماشین نورد از وضعیت خاموشی تا آماده به کار 
شکل 4. مشخصه مصرف توان محاسبه شده یک فرایند نورد که مبتنی بر رویدادهای گسسته و ساختارهای واحد سیستم است.
3.  تحلیل زنجیره های تولید و بهینه سازی فرایند 
1.3 مصرف انرژی مربوط به زنجیره های تولید 
شکل 5. مشخصه تقاضای توان برای اولین نوع زنجیره تولید
شکل 6. مشخصه تقاضای توان برای دومین نوع زنجیره تولید 
2.3 انتخاب و بهینه سازی زنجیره تولید توسط تابع برازندگی و الگوریتم ژنتیک
جدول 1. فاکتورهای وزن گذاری برای تابع برازندگی 
شکل 7. نتایج اجرای زنجیره تولید الگوریتم ژنتیک 
جدول 2. گزینه ها برای الگوریتم ژنتیک استاندارد 
نتیجه گیری
کلمات کلیدی
تولید زنجیره ای؛ مدلسازی و شبیه سازی - انرژی و منابع بهره وری - بهینه سازی، الگوریتم ژنتیک
کلمات کلیدی انگلیسی
Manufacturing chain; simulation and modelling; energy and resource efficiency; optimization; Genetic Algorithm
ترجمه چکیده
تولید انرژی و منبع کارآمد محصولات سرمایه گذاری و مصرف در حال تبدیل شدن به یک مزیت رقابتی است و شرکت ها به طور فزاینده ای به عملیات فرایند و طراحی زنجیره تولید بهینه، علاقه مند شده اند. در این کار با بهره گیری از رویکرد مدل بندی رویدادهای گسسته، مدل های فرایند پارامتری شده (به صورت تجربی) برای گرمایش، نوردکاری داغ، آهنگری و تراشکاری با هم ترکیب می شوند تا دو زنجیره تولید جایگزین برای تولید محورهای هرزگرد، فراهم شود. رویدادهای گسسته همچنین کدهای NC خاص (مثلاً برای تراشکاری) را در نظر می گیرند و انجام محاسبات مشخصه مصرف وابسته به زمان را امکان پذیر می کنند. تعریف و ساختاربندی کردن همه پارامترهای زنجیره های تولید همراه با همه فرایندهای آن‌ها در ساختارهای واحد سیستم میتواند پایه ای برای انجام یک بهینه سازی عددی از طریق ابزارهای هوش مصنوعی، فراهم کند. در این مقاله از یک الگوریتم ژنتیک در کنار یک تابع برازندگی به منظور پیدا کردن مجموعه ای از پارامترهای فرایند و طراحی زنجیره تولیدیکه با کمترین مصرف منبع و انرژی محورها (شفت ها) را به شیوه ای بهینه تولید می کند، استفاده شده است.
پیش نمایش مقاله
پیش نمایش مقاله هوش مصنوعی برای طراحی و عملیات یک زنجیره تولید انرژی و منبع کارآمد

چکیده انگلیسی

The energy and resource efficient manufacture of consumption and investment products is becoming a competitive advantage and companies are increasingly interested in optimal manufacturing chain design and process operation. Based on the discrete events modeling approach empirically parameterized process models for heating, hot-rolling, forging and turning are combined to two alternative manufacturing chains for the manufacture of countershafts. The discrete events also consider specific NC codes (e.g. for turning) and allow for time-depended consumption profile calculations. Further defining and structuring all parameters of the manufacturing chains with all their processes in so-called system entity structures provides the basis for a numerical optimization by artificial intelligence tools. A genetic algorithm in combination with a fitness function has been employed to find the manufacturing chain design and process parameter set with the lowest energy and resource consumption for the manufacture of the shafts in an effective way.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.