پیش‌بینی کیفیت فرآیندهای تولیدی با بُعد بالا به‌کمک رگرسیون تنسوری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

2 دانشجوی دکتری گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

چکیده

با پیشرفت فناوری‌های رایانه‌ای مدرن و سیستم‌های سنجش تعبیه شده در حوزه‌های مختلف، رشد چشم‌گیری در حجم، تنوع و سرعت داده‌های تولید شده وجود دارد که منبع غنی از اطلاعات هستند. داده‌های تنسوری یکی از مهم‌ترین نوع داده‌های پیچیده ساختاریافته با ابعاد بالا هستند که روش‌های سنتی قادر به حل این نوع از داده‌ها نیستند. مدل‌های رگرسیونی تنسوری کاربرد زیادی در بهینه‌سازی مسائلی دارد که در آن‌ها تعدادی متغیر مستقل عددی به‌عنوان ورودی مسأله وجود دارند که با تغییر آن‌ها می‌توان خروجی بهتری را ایجاد کرد. در این مطالعه، مدل رگرسیونی ارائه شده است که متغیرهای مستقل آن به‌صورت عددی و متغیر پاسخ آن به‌صورت تنسوری است. مجموعه‌ای از روش‌های جبر خطی و رویکردهای تنسوری به‌منظور پیدا کردن الگوهای درون مجموعه نقاط در فضا و ارتباط آن‌ها با متغیرهای فرآیند پیشنهاد شده است. جوشکاری اصطکاکی اغتشاشی به‌عنوان مثال انگیزشی این مطالعه برای تأیید نتایج درنظر گرفته شده است. مدل پیشنهادی در نرم‌افزار R کدنویسی شده است. نتایج نشان‌داد که مدل پیشنهادی عملکرد خوبی در پیش‌بینی خروجی فرآیندها با تنظیم پارامترهای آن به‌صورت پویا دارد

کلیدواژه‌ها


  • EPA, “Fast facts: U.S. transportation sector GHG emissions 1990-2019,” 2021.
  • Group, “Who’s buying direct and why: consumers tell all,” 2004.
  • Xiao, Z. H. Hu, K. X. Wang, and P. H. Fu, “Spatial distribution of energy consumption and carbon emission of regional logistics,” Sustain., vol. 7, no. 7, pp. 9140–9159, 2015.
  • Barzinpour and P. Taki, “A dual-channel network design model in a green supply chain considering pricing and transportation mode choice,” J. Intell. Manuf., vol. 29, no. 7, pp. 1465–1483, Oct. 2018.
  • Xiao, T. M. Choi, and T. C. E. Cheng, “Product variety and channel structure strategy for a retailer-Stackelberg supply chain,” Eur. J. Oper. Res., vol. 233, no. 1, pp. 114–124, Feb. 2014.
  • S. Pishvaee and J. Razmi, “Environmental supply chain network design using multi-objective fuzzy mathematical programming,” Appl. Math. Model., vol. 36, no. 8, pp. 3433–3446, Aug. 2012.
  • Ramezani, M. Bashiri, and R. Tavakkoli-Moghaddam, “A new multi-objective stochastic model for a forward/reverse logistic network design with responsiveness and quality level,” Appl. Math. Model., vol. 37, no. 1–2, pp. 328–344, Jan. 2013.
  • بشیری، مهدی و شرافتی، مهتاب، "طراحی دوهدفه شبکه زنجیره‌تأمین حلقه بسته با درنظر گرفتن معیارهای همبسته در محیط فازی." نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید،

سال اول، شماره اول: 25-36، 1392. 

  • قهرمانی‌نهر، جاوید، قدرت‌نما، علی، ایزدبخش، حمیدرضا، توکلی مقدم، رضا، " طراحی یک شبکه زنجیره‌تأمین سبز چندهدفه چند محصولی و چند دورهای با درنظر گرفتن تخفیف در شرایط عدم قطعیت." نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، سال ششم، شماره سیزدهم: 119-137، 1397.
  • M. J. Mirzapour Al-E-Hashem, A. Baboli, and Z. Sazvar, “A stochastic aggregate production planning model in a green supply chain: Considering flexible lead times, nonlinear purchase and shortage cost functions,” Eur. J. Oper. Res., vol. 230, no. 1, pp. 26–41, Oct. 2013.
  • Sazvar, S. M. J. Mirzapour Al-E-Hashem, A. Baboli, and M. R. Akbari Jokar, “A bi-objective stochastic programming model for a centralized green supply chain with deteriorating products,” Int. J. Prod. Econ., vol. 150, pp. 140–154, Apr. 2014.
  • C. Tsao, E. Nugraha Ridhwan Amir, V. Van Thanh, and M. Dachyar, “Designing an eco-efficient supply chain network considering carbon trade and trade-credit: A robust fuzzy optimization approach,” Comput. Ind. Eng., vol. 160, p. 107595, Oct. 2021.
  • Wang and Q. Wan, “A multi-period multi-product green supply network design problem with price and greenness dependent demands under uncertainty,” Appl. Soft Comput., vol. 114, p. 108078, Jan. 2022.
  • Roy, S. S. Sana, and K. Chaudhuri, “Joint decision on EOQ and pricing strategy of a dual channel of mixed retail and e-tail comprising of single manufacturer and retailer under stochastic demand,” Comput. Ind. Eng., vol. 102, pp. 423–434, Dec. 2016.
  • Xu, Z. Z. Liu, and S. H. Zhang, “A strategic analysis of dual-channel supply chain design with price and delivery lead time considerations,” Int. J. Prod. Econ., vol. 139, no. 2, pp. 654–663, Oct. 2012.
  • Ding, C. Dong, and Z. Pan, “A hierarchical pricing decision process on a dual-channel problem with one manufacturer and one retailer,” Int. J. Prod. Econ., vol. 175, pp. 197–212, May 2016.
  • S. Gan, I. N. Pujawan, Suparno, and B. Widodo, “Pricing decision for new and remanufactured product in a closed-loop supply chain with separate sales-channel,” Int. J. Prod. Econ., vol. 190, pp. 120–132, Aug. 2017.
  • B. Jamali and M. Rasti-Barzoki, “A game theoretic approach for green and non-green product pricing in chain-to-chain competitive sustainable and regular dual-channel supply chains,” J. Clean. Prod., vol. 170, pp. 1029–1043, Jan. 2018.
  • M. Modak and P. Kelle, “Managing a dual-channel supply chain under price and delivery-time dependent stochastic demand,” Eur. J. Oper. Res., vol. 272, no. 1, pp. 147–161, Jan. 2019.
  • Zhang and K. Yang, “Multi-Objective Optimization for Green Dual-Channel Supply Chain Network Design Considering Transportation Mode Selection,” Supply Chain Logist. Manag., pp. 382–404, Oct. 2019.
  • Vafaei, S. Yaghoubi, J. Tajik, and F. Barzinpour, “Designing a sustainable multi-channel supply chain distribution network: A case study,” J. Clean. Prod., vol. 251, p. 119628, Apr. 2020.
  • Lu and N. Liu, “Pricing games of mixed conventional and e-commerce distribution channels,” Comput. Ind. Eng., vol. 64, no. 1, pp. 122–132, Jan. 2013.
  • Liu, R. Zhang, and M. Xiao, “Joint decision on production and pricing for online dual channel supply chain system,” Appl. Math. Model., vol. 34, no. 12, pp. 4208–4218, Dec. 2010.
  • Dan, G. Xu, and C. Liu,”Pricing policies in a dual-channel supply chain with retail services”, International Journal of Production Economics, 139(1),pp. 312–320. doi: 10.1016/J.IJPE.2012.05.014. 2012.
  • S. Pishvaee and S. A. Torabi, “A possibilistic programming approach for closed-loop supply chain network design under uncertainty,” Fuzzy Sets Syst., vol. 161, no. 20, pp. 2668–2683, Oct. 2010.
  • Jiménez, M. Arenas, A. Bilbao, and M. V. Rodríguez, “Linear programming with fuzzy parameters: An interactive method resolution,” Eur. J. Oper. Res., vol. 177, no. 3, pp. 1599–1609, Mar. 2007.
  • A. Parra, A. B. Terol, B. P. Gladish, and M. V. R. Uría, “Solving a multiobjective possibilistic problem through compromise programming,” Eur. J. Oper. Res., vol. 164, no. 3, pp. 748–759, Aug. 2005.
  • A. Torabi and E. Hassini, “An interactive possibilistic programming approach for multiple objective supply chain master planning,” Fuzzy Sets Syst., vol. 159, no. 2, pp. 193–214, Jan. 2008.

A. lireza Fallah-Tafti, R. Sahraeian, R. Tavakkoli-Moghaddam, and M. Moeinipour, “An interactive possibilistic programming approach for a multi-objective closed-loop supply chain network under uncertainty,”http://dx.doi.org/10.1080/00207721.2012.720296, vol. 45, no. 3, pp. 283–299, Mar. 2013.