ORIGINAL_ARTICLE
یک روش تکاملی برای طبقه بندی اعتباری مبتنی بر رویکرد تجمیع زدایی ترجیحات
مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابلتوجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیی کننیدهآنها در فضای مسئله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسائل طبقه بندی اعتباری با ابعیاد بیزرکه نیاز به تصمیمگیری بلادرنگ است بسیار زمانبیر و پییییده میی سیازد. بیدین منریور روی یرد ت مییی زدایییترجیحات این اطلاعات را از طریق قضاوتهای جامعی که توسط تصمیم گیرنده فراهم می شوند استنتاج می کند.این روی رد در تصمیم گیری چندمعیاره معادل یادگیری ماشینی در حوزه هوش مصنوعی است.تحت این روی رد، ایین مقالیه ییک روش جدیید پیشینهاد میی کنید کیه در آن الریوریتم ینتییک طیی فرآینیدیادگیری، به طور همزمان تمامی پارامترهای میدل ELECTRE TRI را از داده هیای آموزشیی اسیتنتاج و درخاتمه فرآیند، پارامترهای استنتاج شده بیرای طبقیه بنیدی داده هیای آزمایشیی ب یار گرفتیه میی شیوند. تحلییلآزمایشات روی دیتاست های اعتباری نشان از کیفیت بالا و قابل رقابت روش پیشنهادی در مقایسه با مدل هیا یاستاندارد طبقهبندی دارد.
https://jims.atu.ac.ir/article_1977_55bcf131b134b6d21a8c340372e62a09.pdf
2015-12-22
1
34
مدل ELECTRE TRI
تجمیع زدایی ترجیحات
طبقه بندی اعتباری
یادگیری ماشینی
الروریتم ینتیک
امیر
دانشور
1
دانشجوی دکتری گروه مدیریت صنعتی دانشگاه آزاد اسلامی واحد علوم و تحقیقات
AUTHOR
مصطفی
زندیه
mostafazzz@yahoo.com
2
دانشیار دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی
AUTHOR
جمشید
ناظمی
3
استادیار دانشکده مدیریت و اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات
AUTHOR
Abdou, H., Pointon, J. and El-Marsy, A., (2008). Neural nets versus conventional techniques in credit scoring in Egyptian banking. Expert Systems with Applications, 35, 1277-1279.
1
Al-Obeidat, F., Belacel,N., Carretero, J.A., Mahanti,P., (2010). Differential evolution for learning the classification method PROAFTN, Knowledge-Based Systems 23 (5) 418–426.
2
Al-Obeidat, F., Belacel,N., Carretero, J.A., Mahanti,P., (2011). An evolutionary framework using particle swarm optimization for classification method PROAFTN, Applied Soft Computing 11, 4971–4980
3
Altman, EI., Saunders, A., (1998). Credit risk measurement: Developments over the last 20 years. J Bank Financ 21:1721–1742
4
Baourakis, G., Conisescu, M., van Dijk, G., Pardalos, P.M., Zopounidis, C., (2009). A multicriteria approach for rating the credit risk of financial institutions. Comput. Manage. Sci. 6(3), 347–356
5
Belacel, N., Bhasker Raval, H., Punnenc, A., (2007). Learning multicriteria fuzzy classification method PROAFTN from data. Computers and Operations Research 34, 1885–1898.
6
Bellotti, T., Crook, J. (2009). Support vector machines for credit scoring and discovery of significant features. Expert Systems with Applications, 36, 3302.
7
Bugera, V., Konno, H., Uryasev, S., (2002). Credit cards scoring with quadratic utility function. Journal of Multi-Criteria Decision Analysis 11, 197–211.
8
Chuang, C., Lin, R. (2009). Constructing a reassigning credit scoring model. Expert Systems with Applications, 36,1685-1687.
9
Demšar, J. (2006). Statistical comparisons of classifiers over multiple data sets. Journal of Machine Learning Research, 7, 1–30
10
02 مطالعات مدیریت صنعتی، سال سیزدهم، شماره 33 ، زمستان 39
11
Dias, L., Mousseau, V., (2006). Inferring Electre’s veto-related parameters from outranking examples. European Journal of Operational Research 170 (1), 172–191.
12
Dias, L., Mousseau, V., Figueira, J., Climaco, J., (2002). An aggregation /disaggregation approach to obtain robust conclusions with ELECTRE TRI. European Journal of Operational Research 138 (2), 332–348.
13
Doumpos, M., Kosmidou, K., Baourakis,G. Zopounidis, C. (2002). Credit risk assessment using a multicriteria hierarchical discrimination approach: A comparative analysis. European Journal of Operational Reseach 138, 392–412.
14
Doumpos, M., Marinakis, Y., Marinaki, M., Zopounidis, C. (2009). An evolutionary approach to construction of outranking models for multi criteria classification: The case of the ELECTRE TRI method. European Journal of Operational Research, 199:496 – 505.
15
Doumpos, M., Pasiouras, F. (2005). Developing and testing models for replicating credit ratings: a multicriteria approach, Computational Economics 25, 327–341.
16
Doumpos, M., Zopounidis, C. (2002). Multi-criteria classification methods in financial and banking decisions, International Transactions in Operational Research, 9 ,567–581.
17
Goletsis, Y., Papaloukas, C., Fotiadis, D., Likas, A., Michalis, L., (2004). Automated ischemic beat classification using genetic algorithms and multicriteria decision analysis. IEEE Transactions on Biomedical Engineering 51 (10), 1717–1725.
18
Greco, S., Matarazzo, B., Slowinski, R., (2001a). Rough sets theory for multi criteria decision analysis. European Journal of Operational Research 129, 1–47.
19
Homaifar, A., Qi, Charlene X., Lai, Steven H., (1994). Constrained Optimization Via Genetic Algorithms. SIMULATION April 62: 242-253
20
Huang, C., Chen, M., Wang, C., (2007). Credit scoring with a data
21
یک روش ت املی برای طبقهبندی اعتباری مبتنی بر روی رد تجمیعزدایی ترجیحات 33
22
mining approach based on support vector machines. Expert Systems with Applications, 33(4),847–856.
23
Jacquet-Lagrèze, E., Siskos, Y., (2001). Preference disaggregation: Twenty years of MCDA experience. European Journal of Operational Research 130, 233–245.
24
Jabeur, K., Guitouni, A., (2007). Automated learning multi-criteria classifiers for FLIR ship imagery classification, 10th International Conference on Information ,9 ,12, pp.1-8.
25
Khalil, J., Martel, J.M., Jutras, P., (2000), A multicriterion system for credit risk rating, Gestion: Belgian Management Magazine 15, 125–146.
26
Lee, T., Chen, I., (2005). A two-stage hybrid credit scoring model using artificial neural networks and multivariate adaptive regression splines. Expert Systems with Applications, 28(4), 743–752.
27
Marqués, A.I., García, V., Sánchez, J.S. (2012). Exploring the behaviour of base classifiers in credit scoring ensembles. Expert Systems with Applications, Vol. 39, No. 11, pp. 10244-10250.
28
Mousseau, V., Figueira, J., Naux, J.-P., (2001). Using assignment examples to infer weights for ELECTRE TRI method: Some experimental results. European Journal of Operational Research 130, 263–275.
29
Mousseau, V., Slowinski, R., (1998). Inferring an ELECTRE-TRI model from assignment examples. Journal of Global Optimization 12 (2), 157–174.
30
Mousseau, V., Slowinski, R., Zielniewicz, P., (2000). A user-oriented implementation of the ELECTRE-TRI method integrating preference elicitation support. Computers & Operations Research 27, 757–777.
31
Ngo The, A., Mousseau, V., (2002). Using assignment examples to infer category limits for the ELECTRE TRI method. Journal of Multi-Criteria Decision Analysis 11, 2943.
32
Peng, Y., Kou, G., Shi, Y., Chen, Z. (2008). Multi-criteria convex quadratic programmingmodel for credit data analysis, Decis. Support Syst. (44) 1016–1030.
33
Talbi, E. G. (2009). Metaheuristics: from design to implementation (Vol. 74). John Wiley & Sons.
34
Thomas, L. C. (2000). A survey of credit and behavioural scoring:
35
forecasting financial risk of lending to consumers. International Journal of Forecasting, 16(2), 149–172.
36
Zekic-Susac, M., Sarlija, N., Bensic, M., (2004). Small Business Credit Scoring: A Comparison of Logistic Regression, Neural Networks, and Decision Tree Models. 26th International Conference on Information Technology Interfaces. Croatia.
37
Zhang, DF., Leung, S. and Ye, ZM. (2008b). A decision tree scoring model based on genetic algorithm and K-means algorithm. In:Proceedings of the 3rd International Conference on Convergence and Hybrid Information Technology, Daejeon, Korea, pp 1043–1047.
38
Zhu, X., Li, J., Wu, D., Wang, H. & Liang, C. (2013). Balancing accuracy, complexity and interpretability in consumer credit decision making: A C-TOPSIS classification approach.. Knowl.-Based Syst., 52, 258-267.
39
Zopounidis, C. (2001). Preference disaggregation in financial modeling: Basic features and some examples. Operational Research, 1(3), 263-284.
40
Zopounidis,C. (2013). Multicriteria decision aid in financial management, European Journal of Operational Research 119, 404-415.
41
Zopounidis, C., Galariotis, E., Doumpos, M.,.Sarri, S., Andriosopoulos, K., (2015). Multicriteria decision aiding for finance,An updated bibliographic survey, European Journal of Operational Research, In Press, Accepted Manuscript
42
ORIGINAL_ARTICLE
بکارگیری رویکرد ترکیبی FA ، AHP و TOPSIS برای انتخاب و رتبه بندی استراتژیهای مناسب نگهداری و تعمیرات
امروزه شرکتها پذیرفته اند که نگهداری و تعمیرات یک عنصر تجاری سودآور است و بنابراین، نقش نگهداری و تعمیرات در سیستمها تولیدی مدرن مهمتر شده است. سیستم نگهداری و تعمیرات نقش مهمی در دستیابی به اهداف سازمانی و بهبود شاخصهای قابلیت اطمینان، کاهش زمان توقف تجهیزات، کیفیت تولیدات، افزایش بهرهوری، ایمنی تجهیزات و غیره ایفا میکند. در همین راستا، نگهداری و تعمیرات و استراتژیهای آن از اهمیت ویژهای در صنعت برخوردار هستند. در نتیجه هدف اصلی این پژوهش انتخاب بهترین استراتژی نگهداری و تعمیرات با استفاده از تکنیک تحلیل عاملی(FA)، تحلیل سلسله مراتبی (AHP) و روش ترجیح براساس تشابه با راه حل ایدهآل (TOPSIS) در پالایشگاه نفت شهر ری میباشد. با توجه به اینکه متغیرهای بسیاری از قبیل ایمنی، هزینه، ارزشافزوده و ... در انتخاب یک استراتژی نگهداری و تعمیرات موثرند، در پژوهش حاضر ابتدا به کمک مرور ادبیات و نظرات کارشناسان نگهداری و تعمیرات، این متغیرها شناسایی و سپس توسط تکنیک AHP و TOPSIS به انتخاب بهترین استراتژی نگهداری و تعمیرات پرداخته شده است و سعی در ارائه پیشنهادهایی جهت بهبود سیستم نگهداری و تعمیرات پالایشگاه منتخب شده است.
https://jims.atu.ac.ir/article_1978_9459706eb578895756be89b448155c5a.pdf
2015-12-22
35
62
استراتژی نگهداری و تعمیرات
تحلیل عاملی (FA)
رتبه بندی
AHP
TOPSIS
محسن
شفیعی نیک آبادی
mohsenshnaj@yahoo.com
1
استادیار گروه مدیریت صنعتی دانشگاه سمنان
AUTHOR
حبیب
فرج پور خاناپشتانی
2
کارشناسی ارشد مدیریت صنعتی دانشگاه سمنان
AUTHOR
حسین
افتخاری
alisadabadi@yahoo.com
3
دانشجوی کارشناسی ارشد مدیریت تکنولوژی دانشگاه تهران
AUTHOR
علی اصغر
سعدآبادی
alisadabadi@ut.ac.ir
4
دانشجوی دکتری سیاستگذاری علم و فناوری دانشگاه تهران
AUTHOR
سلیمی، م داد.، افشار نسفی، ندروز و وحدانی، ندنام.) 1939 (. مدل تصمیمگیرو سازشی نهر اسهاس روش
1
TOPSIS نراو مسایل نرنامهریزو چند هدفه ریر طی نا م یاس نزرگ و سا تار نل کی زاویهدار تحت
2
شرایط عدم - . اطعیت. مسله مطالعات مدیریت صنعتی، سال دوازدهم، شماره 93 ، ص 161 19
3
رنانی،علی.،زارع،حویب و ندنیا، فروغ.) 1936 (. ارائهه الهه و مناسهب جدهت پیهاده سهازو سیسهتم
4
نهددارو و تعمیرات در کار انسات ط ت لید پی سته نا رویکرد مدلهاو تصمیم گیرو و نرنامه-
5
- . ریزو آرمانی فازو. مسله مطالعات مدیریت صنعتی، سال یازدهم، شماره 91 ، ص 13 122
6
Bevilacqua, M., & Braglia, M. (2000). The Analytic Hierarchy Process applied to maintenance strategy Selection. Reliability Engineering & System Safety, 70(1): 71-83.
7
Campbell, J.D., & Reyes-picknell, J. (1995). Strategies for Excellence in Maintenance Management. Productivity prsee portland, Oregon pages- 185.
8
Fruchter, B. (1954). Introduction to Factor Analysis. Oxford, England: Van Nostrand.
9
Gandhare, B.S., & Akarte, M. (2012). Maintenance Strategy Selection. In Ninth AIMS International Conference on Management Proceedings, 1330-1336.
10
Gwo-Hshiung, T., Tzeng, g. h., & huang, j. j.(2011). Multiple Attribute Decision Making: Methods and Applications. CRC press.
11
Hwang, C.L., & Yoon, K. (1981). Multiple Attribute decision making. Springer.
12
Lattin, J.M ., Carrol, J.D., & Green, P.E. (2003). Analyzing Multivariate data. Thomson Brooks / Cole Pacific Grove, CA.
13
Madu,c.n., & kuei,c.(1994). Optimum information technology for socioeconomic development. Information management & computer security, 2(1): 4-11.
14
Moubray, J. (1997). Reliability-Centred Maintenance. Butterworth Heinemann.
15
Mobley, K., Higgins, L., & Wikoff, D. (2008). Maintenance Engineering Handbook. Mcgraw Hill Professional.
16
Sharma, R.K., kummar, D., & kumar, p. (2005), FLM to Select Suitable Maintenance Strategy in Process Industries Using MISO Model. Journal of Quality in Maintenace Strategy in Process Industries Using MISO Model, 11(4): 359-374.
17
Shyjith, K., Ilagkumaran, M., & kumanan, S. (2008). Multi-Criteria Decision Making Approach to Evaluate Optimum Maintenance Strategy in Textile Industry. Journal of Quality in Maintenance Engineering, 14(4): 375-386.
18
Siew-Hong, D., & Kamaruddin, S. (2012). Selection of Optimal Maintenance Policy by Using Fuzzy Multi Criteria Decision Making Method. presented at the 2012. International Conference on Industrial Engineering and Operations Management, Istanbul Turkey, 435-443.
19
sullivan, G.P. (2004). Operation & Maintenance Best Practices : A Guide to Achieving operational Efficiency. Pacific Northwest National Laboratory.
20
Thompson, B. (2004). Exploratory and Confirmatory Factor Analysis: Understanding Concepts and applications. American Psychological Association.
21
Wang, L., Chu, J., & Wu, J. (2007). Selection of Optimum Maintenance Strategies Based on a fuzzy Analytic Hierarchy Process. International Journal of Production Economics, 107(1): 151-163.
22
yeh,c.h., & chang,y.h.(2009). Modeling subjective evaluation for fuzzy group multi criteria decision making. European journal of operational research, 194(2): 464-473.
23
Zaeri, M.S., Shahrabi, J., Pariazar, M., & Morabbi, A. (2007). A combined Multivariate Technique and Multi Criteria Decision Making to Maintenance Strategy Selection. In Industrial Engineering and Engineering Management, 2007 IEEE International Conference on, 621-625.
24
Zaim, S., Turkylmaz, A., Acar, M.F., Al-turki, U., & Demirel, O.F. (2012). Maintenace Strategy Selection Using AHP and ANP Algorithms: a case study. journal of quality in maintenance engineering, 18(1): 16-29.
25
ORIGINAL_ARTICLE
ارائه مدل ریاضی برای زمانبدی پروژه با محدودیت منابع در حالت چند مد و با در نظر گرفتن جریانهای نقدی تنزیل یافته
در این پژوهش مدل ریاضی جهت زمانبندی پروژههایی با محدودیت منابع در حالت چند مد و با هدف بیشینه سازیNPV ارائه شده است. مدل ارائه شده برگرفته از مسئله MRCPSP- GPRمیباشد. در این پژوهش ابتدا یک مدل ریاضی که قادر به ارائه جواب دقیق باشد جهت حل نمودن مسائل MRCPSP- GPRارائه خواهد شد، سپس مدل برای محاسبه هزینه اضافه کاری، در نظر گرفتن جریمه دیرکرد، پاداش زودکرد و تاثیر آن برروی NPVپروژه تعمیم مییابد. در نظر گرفتن هزینههای اضافه کاری و پاداش و جریمه زمان تحویل به طور همزمان در تصمیمگیری، زمانبندی و مقدار واقعی NPV پروژه تاثیر بسیاری خواهد داشت. برای نزدیکتر شدن نتیجه مدل به شرایط واقعی، دو سیاست پرداخت کلاسیک در قالب تابع هدف مدل ارائه شده است. جهت اثبات عملکرد مدل یک مسئله استاندارد با دو سیاست پرداخت مدلسازی و حل شده است. در نهایت، 36 نمونه پروژهی استاندارد با سایزها و پارامترهای مختلف توسط مدل زمانبندی شده و نتایج آن مورد تحلیل قرار گرفت.
https://jims.atu.ac.ir/article_1979_4b5ee85788cc3abdd57445972659a52d.pdf
2015-12-22
63
90
جایابی جعبه
مد چندگانه
سیاست پرداخت
هزینه اضافه کاری
ارزش فعلی خالص
امین
کرامتی
keramati.amin80@yahoo.com
1
کارشناسی ارشد مدیریت صنعتی دانشگاه اصفهان
AUTHOR
مجید
اسماعیلیان
m.esmaelian@ase.ui.ac.ir
2
استادیار گروه مدیریت دانشگاه اصفهان
AUTHOR
مسعود
ربیعه
m_rabieh@sbu.ac.ir
3
استادیار گروه مدیریت صنعتی دانشگاه شهید بهشتی
AUTHOR
Afshar, A. (2014). A solution procedure for preemptive multi-mode project scheduling problem with mode changeability to resumption. Applied Computing and Informatic, 15(3), 25-35.
1
Bey, R. B., Doersch, R. H., & Patterson, J. H. (1981). The net present value criterion: its impact on project scheduling. Project Management Quarterly, 12(2), 35-45. Besiksikci, U., Bilge, U., & Ulusoy, G. (2015). Multi-mode resource constrained multi-project scheduling and resource portfolio problem. European Journal Of Operation Research, 240(1), 22-31.
2
Chen, W. N., & Zhang, J. (2012). Scheduling Multi-Mode Projects under Uncertainty to Optimize Cash Flows: A Monte Carlo Ant Colony System Approach. Journal of Computer Science and Technology, 27(5), 950-965.
3
Cheng. Z., Fowler, J., Kempf, K., Mason, S. (2015) multi-mode resource-constrained project scheduling problems with non-preemptive activity splitting. Computer & Operation Research Journal, 53(1), 275-287.
4
Coelho, J., & Vanhoucke, M. (2011). Multi-mode resource-constrained project scheduling using RCPSP and SAT solvers. European Journal of Operational Research, 213(1), 73-82.
5
Huang, W., Chen, D., & Xu, R. (2007). A new heuristic algorithm for rectangle packing. Computers & Operations Research, 34(11), 3270-3280.
6
Icmeli, O., & Erenguc, S. S. (1996). A branch and bound procedure for the resource constrained project scheduling problem with discounted cash flows. Management Science, 42(10), 1395-1408.
7
Klein, R. (2000). Bidirectional planning: improving priority rule-based heuristics for scheduling resource-constrained projects. European Journal of Operational Research, 127(3), 619-638.
8
Kolisch, R. (1996). Serial and parallel resource-constrained project scheduling methods revisited: Theory and computation. European Journal of Operational Research, 90(2), 320-333.
9
Mika, M., Waligóra, G., & Węglarz, J. (2005). Simulated annealing and tabu search for multi-mode resource-constrained project scheduling with positive discounted cash flows and different payment models. European Journal of Operational Research, 164(3), 639-668.
10
Russell, A. H. (1970). Cash flows in networks. Management Science, 16(5), 357-373.
11
Sabzehparvar, M., & Seyed-Hosseini, S. M. (2008). A mathematical model for the multi-mode resource-constrained project scheduling problem with mode dependent time lags. The Journal of Supercomputing, 44(3), 257-273.
12
Seifi, M., & Tavakkoli-Moghaddam, R. (2008). A new bi-objective model for a multi-mode resource-constrained project scheduling problem with discounted cash flows and four payment models. Int. J. of Engineering, Transaction A: Basic, 21(4), 347-360.
13
Shadrokh, S., & Kianfar, F. (2007). A genetic algorithm for resource investment project scheduling problem, tardiness permitted with penalty. European Journal of Operational Research, 181(1), 86-101.
14
Ulusoy, G., & Cebelli, S. (2000). An equitable approach to the payment scheduling problem in project management. European Journal of Operational Research, 127(2), 262-278.
15
Ulusoy, G., Sivrikaya-Şerifoğlu, F., & Şa in, Ş. (2001). Four payment models for the multi-mode resource constrained project scheduling problem with discounted cash flows. Annals of Operations Research, 102(1-4), 237-261.
16
Vanhoucke, M., Demeulemeester, E., & Herroelen, W. (2001). On maximizing the net present value of a project under renewable resource constraints. Management Science, 47(8), 1113-1121
17
ORIGINAL_ARTICLE
ارائه یک مدل خطی استوار جهت تشکیل صندوق شاخصی
در این تحقیق استراتژی تخصیص اثربخش دارایی ها در شرایط عدم اطمینان با قابلیت کنترل ریسک، کاهشهزینه های معاملاتی و تحقق بازده هدف گذاری شده مورد مطالعه قرار گرفت. به منظور پیادهسازی ایناستراتژی و غلبه بر محدودیت مدل های کلاسیک بهینه سازی پورتفوی در مواجهه با عدم قطعیت، تشکیلصندوق شاخصی با رویکرد استوار و محدودیت عدد صحیح مد نظر قرار گرفت. در این راستا یک مدلبرنامه ریزی خطی بصورت کمینهسازی قدر مطلق انحراف میان بازدهی مورد انتظار صندوق و شاخص بورس بهمنظور حل مسأله ردیابی شاخص معرفی گردید. با توجه به ابعاد فضای جواب، از الگوریتم فراابتکاری ژنتیکجهت حل نظیر استوار مسأله بهره گرفته شد. نتایج حاصل از تجزیه و تحلیل دادهها بر انتخاب 02 سهم وعملکرد مناسب صندوق های تشکیل شده در ردیابی شاخص مبتنی بر معیارهایی چون همبستگی، ریشه دوممیانگین مربعات خطا و بازدهی مازاد با بهرهگیری از دادههای تست دلالت دارد
https://jims.atu.ac.ir/article_1980_2354e4c4e108d5a677fc7a780f6ff68f.pdf
2015-12-22
91
114
صندوق شاخصی
ردیابی شاخص
برنامه ریزی خطی
بهینه سازی استوار
محمد مهدی
بحرالعلوم
mahdi_ba63@yahoo.com
1
دانشجوی دکتری مالی دانشگاه علامه طباطبایی
AUTHOR
میر فیض
فلاح شمس لیالسانی
2
استادیار مدیریت مالی دانشگاه آزاد اسلامی واحد تهران مرکز
AUTHOR
قاسم
بولو
ghblue20@yahoo.com
3
استادیار حسابداری دانشگاه علامه طباطبایی
AUTHOR
بحرالعلوم، محمد مهدی؛ تهرانی، رضا؛ حنیفی، فرهاد ) 1751 (، طراحی یک الگوریتم فرا
1
ابتکاری جهت انتخاب پورتفوی بهینه ردیابیکننده شاخص بورس تهران، تحقیقا حسابداری،
2
- .47 20 ، شماره 17
3
حنیفی، فرهاد؛ بحرالعلوم، محمد مهدی؛ جوادی، بابک ) 1777 (، طراحی و تحلیل مقایسهای
4
الگوریتمهای فرا ابتکاری جهت پیاده سازی سرمایه گذاری شاخصمحور در بورس تهرا ؛ ن چشم
5
- .107 75 ، انداز مدیریت، 72
6
سیفی، عباس؛ حنفیزاده، پیام؛ نوابی، حمیدرضا) 1777 (، مدل یکپارچه استوار در مسأله
7
- .55 31 ، انتخاب سهام تکدوره ای؛ تحقیقا مالی، 13
8
قرهخانی، محس ؛ سجادی، سید جعفر؛ صفری، احرام ) 1752 (، بهینه سازی استوار سبد مالی با
9
رویکرد CAPM - .07 01 ، ، مدیریت تولید و عملیا ، دوره چهارم، پیاپی 0، شماره 1
10
فلاح شمس لیالستانی، میرفیض؛ امیری، مقصود؛ بحرالعلوم، محمد مهدی؛ قره خانی، محس
11
1754 (، ارائه مدلی جهت پیاده سازی سرمایه گذاری هسته پیرو در بورس تهران با استفاده از - (
12
رویکرد ترکیبی الگوریتم های دقیق و فراابتکار ، ی فصل نامه دانش سرمایه گذاری، مقاله پذیرش
13
. شده، چاپ در شماره 15 ، پائیز 54
14
مدرس یزدی، محمد؛ حس زاده منفرد، مریم ) 1777 (، مدل استوار بهینه سازی سبد مالی دارای
15
- - .102 57 ، 23 ، شماره 1 اختیار معامله، مهندسی صنایع و مدیریت شریف، دوره 1
16
Andrews, C., Ford, D. and Mcllinson, K. (1986), ‘‘The design of index funds and alternative methods of replication’’, The Investment Analyst, Vol. 82, pp. 16-23.
17
Beasley, J.E, Meade, N. and Chang, T.J. An evolutionary heuristic for the index tracking problem, European Journal of Operational Research, Vol. 148, pp. 621–643,2003.
18
Bertsimas, D. and M. Sim, "The price of robustness". Operations Research, 2004. p. 35-53.
19
Chen Chen, Kwon, Roy H., Robust portfolio selection for index tracking, Computers & Operations Research, (2012), 39, 829–837.
20
Coleman, T., & Y. Li, J. H. (2006). Minimizing tracking error while
21
restricting the number of assets. Journal of Risk, 8, 33–56.
22
Gaivoronski AA, Krylov S, van der Wijst N. Optimal portfolio selection and dynamic benchmark tracking. European Journal of Operational Research 2005; 163(1):115–31.
23
Gharakhani, M., F.Z. Fazlelahi and S.J. Sadjadi , (2014). A robust optimization approach for index tracking problem, Journal of Computer Science., 10: 2450.2463.
24
Gilli, M. and K¨ellezi, E., Threshold Accepting for Index Tracking. Working paper available from the first author at Department of Econometrics, University of Geneva, 1211 Geneva 4, Switzerland, 2001.
25
Jansen, R. and Dijk, R. van. , Optimal benchmark tracking with small portfolios. Journal of Portfolio Management,Vol. 28 , pp. 33–39,2002.
26
Konno H, Wijayanayake A. Minimal cost index tracking under nonlinear transaction costs and minimal transaction unit constraints. International Journal of Theoretical and Applied Finance 2001; 4(6):939–58.
27
Meade, N. and Salkin, G. (1990), "Developing and Maintaining an Equity Index fund", Journal of the Operational Research Society, 41 (7), 599–607.
28
Rafaely, B., and Bennell, J. (2006), "Optimization of FTSE 100 Tracker Funds: A Comparison of Genetic Algorithms and Quadratic Programming", Managerial Finance, 32 (6), 477-492.
29
Roll R. A mean/variance analysis of tracking error. Journal of Portfolio Management 1992; 18:13–22.
30
Rohweder Herold C. Implementing stock selection ideas: does tracking error optimization do any good?, Journal of Portfolio Management 1998; 24(3): 49–59.
31
Rudolf Markus,Wolter Hans-Jurgen, Zimmermann Heinz. A linear model for tracking error minimization. Journal of Banking & Finance1999; 23(1): 85–103.
32
Schoenfeld, A. (2004), "Active Index Investing". John Wiley and Sons Inc, Hoboken, N.C.
33
Soyster, A.L., "Convex programming with set-inclusive constraints and applications to inexact linear programming". Operations research, 1973. 21(5): p. 1154-1157.
34
ORIGINAL_ARTICLE
تجزیه و تحلیل حالات خرابی بالقوه و اثرات آن با استفاده از تحلیل پوششی داده های استوار
بهبود و ارتقای سطح کیفیت محصول و خدمات ارائه شده توسط بنگاهها اولین و اصلیترین عامل پیشرفتنسبت به رقبا و گرفتن سهم عمده بازار میباشد. در همین راستا تجزیه و تحلیل حالتهای خطا و آثار آنهاابزاری کارآمد بمنظور بهبود کیفیت در مدیریت کیفیت میباشد. با توجه به انتقادات فراوان به روش سنتی،عدد تقدم ریسک در تجزیه و تحلیل حالات خرابی بالقوه از ضرب سه عدد شدت، وقوع و تشخیص تشکیلمیشود. به منظور برطرف کردن عیوب موجود، روش جدیدی برای محاسبه عدد تقدم ریسک در تجزیه وتحلیل حالات خرابی بالقوه بر پایه روش تحلیل پوششی دادهها معرفی می گردد. هدف از این تحقیق ارائه نوعجدیدی از عدد تقدم ریسک با تخصیص وزنهای مختلف برای هر یک از فاکتورهای ریسک میباشد.همچنین با توجه به این که اعداد شدت، وقوع و تشخیص توسط تیمی متشکل از گروههای مختلف خبرگانبدست می آید و عاملی قطعی و ثابت نمیباشد، در این پژوهش از روش بهینهسازی استوار که نتایج تحلیلپوششی دادهها را میپوشاند و پیچیدگی کمتری نسبت به روش فازی دارد، استفاده شده است. نتایج حاصل ازمثال حل شده حکایت از موثرتر بودن مدل پیشنهادی نسبت به RPN سنتی دارد و رتبهبندی کاملی از حالاتخرابی را ارائه میکند.
https://jims.atu.ac.ir/article_1981_1d9ca091e36aa3346d7a65a0545dea91.pdf
2015-12-22
115
144
تجزیه و تحلیل حالات خرابی بالقوه و آثار آن
عدد تقدم ریسک
تحلیل پوششی دادهها
بهینه سازی
علیرضا
علی نژاد
alalinezhad@gmail.com
1
استادیار دانشکده مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی واحد تهران قزوین
AUTHOR
نیکی
جلیلی تقویان
2
کارشناسی ارشد مهندسی صنایع دانشگاه آزاد اسلامی واحد قزوین
AUTHOR
اصغر پور، محمد جواد. تصمیمگیری گروهی و نظریه بازیها با نگرش تحقیق در عملیا . ت
1
.) انتشارات دانشگاه تهران، ) 4989
2
رضایی، کامران. تجزیه و تحلیل حالات خطا و اثرات ناشی از آ . ن تهران، انتشارات شرکت
3
- - .) مشارکتی ار و توف ایران، چاپ اول، ) 4989
4
ساپکو. آنالیز تحلیل حالات خرابی بالقوه و تاثیرات آن ) FMEA .( تهران، انتشارات شرکت
5
.) طراحی و مهندسی تامین قطعات خودرو، چاپ سوم، ) 4988
6
ضرابی، علی. تدوین استراتژی در شرکت شایان صنعت با استفاده از متد FMEA . دانشکده علوم
7
.) اجتماعی و اقتصادی دانشگاه پیام نور، کرج، ) 4988
8
علیل زاده، خلیل. چکیدهای از FMEA .)4989( ، . نشریه فروغ تدبیر، شماره ، 41
9
آریانژاد، میربهادرقلی، سجادی، سید جعفر. برنامهریزی خط . ی مرکز نشر دانشگاه علم و صنعت،
10
.) چاپ اول، ) 4981
11
علینژاد، علیرضا، زهره بندیان، مجید، اسفندیاری، نیما. مقدمهای بر سیستمهای اندازگیری
12
.) عملکر . د مرکز انتشارات دانشگاه آزاد اسلامی، واحد قزوین، چاپ اول، ) 4930
13
فتحی هفشجانی، کیامرث. توسعه مدل پویای تحلیل پوششی دادهها برای ارزیابی کارایی
14
.) واحدهای تصمیمگیر . ی ) 4981
15
قیصری، کیوان، مهرنو، حسین، جعفریان مقدم، احمد. مقدمهای بر تحلیل پوششی دادههای فاز . ی
16
.) مرکز انتشارات دانشگاه آزاد اسلامی، واحد قزوین، چاپ اول، ) 4986
17
.) مهرگان، محمدرضا. ارزیابی عملکرد سازمانه.ا انتشارات دانشگاه تهران، ) 4989
18
Ben-Daya, M. Raou, A. A revised failure mode and effects analysis model. International Journal of Quality & Reliability Management 13(1), pp 43–47, (1996).
19
Braglia, M. MAFMA: multi-attribute failure mode analysis. International Journal of Quality & Reliability Management 17 (9), pp 1017–1033, (2000).
20
Braglia, M., Bevilacqua, M., Gabbrielli, R. Monte Carlo simulation approach for a modified FMECA in a power plant. Quality and
21
Reliability Engineering International 16, pp 313–324, (2000).
22
Braglia, M., Frosolini, M., Montanari, R. Fuzzy criticality assessment mode for failure modes and effects analysis. International Journal of Quality and Reliability Management 20 (4), pp 503–524, (2003).
23
Bowles, J.B. An assessment of RPN prioritization in a failure modes effects and criticality analysis. Journal of the IEST, 47, pp 51–56, (2004).
24
Chin, K.S., Wang, Y.M., Poon, G.K.K., Yang, J.B . Failure mode and effects analysis by data envelopment analysis. Decion support systems,48, pp 246-256, (2009).
25
Garcia, P. A. A., Neves, J. C. A. A new approach to failure mode in RCM. Symp. Operational research and logistic, Rio de janeio, Brasil, (2001).
26
Garcia, P.A.A., Schirru, R., Frutuoso, P.F., Melo, E. A fuzzy data envelopment analysis approach for FMEA. Progress in Nuclear Energy ,46 (3–4), pp 359–373, (2004).
27
Guimarães, A.C.F., Lapa, C.M.F. Fuzzy inference to risk assessment on nuclear engineering systems. Applied Soft Computing, 7, pp 17–28, (2007).
28
Pillay, A., Wan, J. Modified failure mode and effects analysis using approximate reasoning. Reliability Engineering & System Safety 79, pp 69–85, (2003).
29
Sadjadi, S.J., Omrani, H. Data envelopment analysis with uncertain data: An application for Iranian electricity distribution companie. Energy Policy 36; 3(1): pp 4247-4254,)2008(.
30
Sadjadi, S.J., Omrani, H,A., Makui,K., Shahangi. An interactive robust data envelopment analysis model for determining alternative targets in An Iranian electricity distribution companies. Expert Systems with Applications38; pp 9830-9839, (2010).
31
Sankar, N.R., Prabhu, B.S. Modified approach for prioritization of failures in a system failure mode and effects analysis. International Journal of Quality & Reliability Management 18 (3), pp 324–335, (2001).
32
Wang, Y.M., Chin, K.S., Yang, J.B. Measuring the performance of decision-making units using geometric average efficiency. Journal of the Operational Research Society, 58, pp 929-937, (2007
33
ORIGINAL_ARTICLE
ارائه یک رویکرد ترکیبی مبتنی بر تحلیل شکاف و FQFD برای دستیابی به چابکی
بسیاری از شرکتها به منظور کاهش هزینه ها، بهبود خدمات مشتری و دستیابی به مزیت رقابتی در حالپیگیری تولید چابک هستند. در واقع چابکی به عنوان پارادایم جدیدی برای مهندسی سازمانها و بنگاه-های رقابتی مطرح است. در این پژوهش بعد از مطالعه مبانی نظری و پیشینه مبحث چابکی، ویژگیها،معیارها و توانمندسازهای آن شناسایی شدهاند و چارچوبی برای اولویتبندی و تحلیل این شاخصها باتوجه به مزایای رقابتی عمده موجود در ادبیات پژوهش، تدوین شده است. برای اولویتبندی شاخصهااز ترکیب تکنیک توسعه عملکرد کیفیت فازی) FQFD ( با تحلیل شکاف ) Gap Analysis )چابکی « استفاده شده است. یافتههای پژوهش در سازمان مورد مطالعه بیانگر این است که توانمندسازدارای کمترین میزان بلوغ در میان توانمندسازهای چابکی است که همین امر منجر به این » مدیریت تولیدشده تا این توانمندساز از بیشترین ارجحیت برخوردار باشد. از طرف دیگر مشاهده میشود کهتوانمندساز چابکی مدیریت تولید با استفاده از تکنیک FQFD بیشترین وزن را کسب کرده و این بهمعنی است که این توانمندساز از بالاترین اولویت و اهمیت برای سازمان برخوردار است. همچنین معیارمدیریت دانش با داشتن بیشترین شکاف، رتبه نخست را میان تمامی معیارها بهدست آورد.
https://jims.atu.ac.ir/article_1982_d834480e58318cf8f7523b62f33b2af4.pdf
2015-12-22
145
170
چابکی
زنجیره تأمین
تحلیل شکاف
توسعه عملکرد کیفیت
محمد حسین
کریمی گوارشکی
mh_karimi@aut.ac.ir
1
استادیار دانشکده مهندسی صنایع دانشگاه صنعتی مالک اشتر
AUTHOR
نیما
اسفندیاری
2
کارشناسی ارشد مدیریت صنعتی دانشگاه گیلان
AUTHOR
محمود
مرادی
3
استادیار گروه مدیریت دانشگاه گیلان
AUTHOR
پورآقا، امیر؛ ابراهیمی جماارانی، مساعود ، مادل تعاالی EFQM ویارایش 8109 ، انتشاارات مرکاز
1
. آموزش و تحقیقات صنعتی ایران، 0938
2
تیزرو، علی، طراحی مدل زنجیره تأمین چابک رویکرد مدلساازی تفسایری سااختاری، )رسااله -
3
. دکترا(، دانشگاه تربیت مدرس، تهران، 0923
4
خسروانیان، حمید رضا، طراحی مدل زنجیره تأمین و توزیع چابک در صانعت پخاش باا رویکارد
5
. شبکهای، )پایان نامه کارشناسی ارشد(، دانشگاه تربیت مدرس، تهران، 0930
6
زندحسامی، حسام؛ رجبزاده، علی؛ طلوعی، عباس، بررسی مؤلفههای تأثیرگذار بر زنجیره تأمین
7
چابک ) PSCM ( و طراحی مدل مفهاومی مادیریت زنجیاره تاأمین چاباک، فصال ناماه پاژوهش ناماه
8
.0922 ، بازرگانی، شماره 10
9
Agarwal, A., Shankar, R., & Tiwari, M., Modeling the metrics of lean, agile and leagile supply chain: An ANP-based approach. European journal of operational research, 173(1), 211-225, 2006.
10
Aly, N. A., Maytubby, V. J., & Elshennawy, A. K., Total quality management: An approach & a case study. Computers & Industrial Engineering, 19(1), 111-116, 1990.
11
Belhe, U., & Kusiak, A., The house of quality in a design process. International Journal of Production Research, 34(8), 2119-2131, 1996.
12
Bottani, E., A fuzzy QFD approach to achieve agility. International Journal of Production Economics, 119(2), 380-391, 2009.
13
Bottani, E., Profile and enablers of agile companies: An empirical investigation. International Journal of Production Economics, 125(2), 251-261, 2010.
14
Charteris, W., Quality function deployment: a quality engineering technology for the food industry. International Journal of Dairy Technology, 46(1), 12-21, 1993.
15
Christopher, M., The agile supply chain: competing in volatile markets. Industrial Marketing Management, 29(1), 37-44, 2000.
16
Christopher, M., & Towill, D. R., Supply chain migration from lean and functional to agile and customised. Supply Chain Management: An International Journal, 5(4), 206-213, 2000.
17
Gunasekaran, A., Agile manufacturing: a framework for research and development. International Journal of Production Economics, 62(1), 87-105, 1999.
18
Gunasekaran, A., Agile manufacturing: enablers and an implementation framework. International Journal of Production Research, 36(5), 1223-1247, 1998.
19
Gunasekaran, A., & Yusuf, Y., Agile manufacturing: a taxonomy of strategic and technological imperatives. International Journal of Production Research, 40(6), 1357-1385, 2002.
20
Huang, Y.-Y., & Li, S.-J., How to achieve leagility: A case study of a personal computer original equipment manufacturer in Taiwan. Journal of Manufacturing Systems, 29(2), 63-70, 2010.
21
Jin-Hai, L., Anderson, A. R., & Harrison, R. T., The evolution of agile manufacturing. Business Process Management Journal, 9(2), 170-189, 2003.
22
Lin, C.-T., Chiu, H., & Chu, P.-Y., Agility index in the supply chain. International Journal of Production Economics, 100(2), 285-299, 2006.
23
Li, X., Mao, Z., Xia, G., and Jia, F., Study on Manufacturing Supply Chain Leagile Strategy Driven Factors Based on Customer Value. Paper presented at the Wireless Communications, Networking and Mobile Computing, WiCOM, 2008.
24
Maskell, B., The age of agile manufacturing. Supply Chain Management: An International Journal, 6(1), 5-11, 2001.
25
Mason-Jones, R., Naylor, B., & Towill, D. R., Engineering the leagile supply chain. International Journal of Agile Management Systems, 2(1), 54-61, 2000.
26
Moran, J. W., & Cox, C. A., The QFD Handbook: John Wiley & Sons, 1998.
27
برای ... 761 FQFD ارائه یک رویکرد ترکیبی مبتنی بر تحلیل شکاف و
28
Philips, M., Sander, P., & Govers, C., Policy formulation by use of QFD techniques: a case study. International Journal of Quality & Reliability Management, 11(5), 46-58, 1994.
29
Raj, S. A., Vinodh, S., Gaurav, W., & Sundaram, S. S., Application of hybrid MCDM techniques for prioritising the gaps in an agile manufacturing implementation project. International Journal of Services and Operations Management, 17(4), 421-438, 2014.
30
Ramesh, G., & Devadasan, S., Literature review on the agile manufacturing criteria. Journal of Manufacturing Technology Management, 18(2), 182-201. 2007.
31
Razmi, J., Seifoory, M., & Pishvaee, M. S., A Fuzzy Multi-Attribute Decision Making Model for Selecting the Best Supply Chain Strategy: Lean, Agile or Leagile. Journal of Industrial Engineering, 127-142, 2011.
32
Sarkis, J., Benchmarking for agility. Benchmarking: An International Journal, 8(2), 88-107, 2001.
33
Sharifi, H., & Zhang, Z., A methodology for achieving agility in manufacturing organisations: An introduction. International Journal of Production Economics, 62(1), 7-22, 1999.
34
Sharp, J., Irani, Z., & Desai, S., Working towards agile manufacturing in the UK industry. International Journal of Production Economics, 62(1), 155-169, 1999.
35
Swafford, P. M., Ghosh, S., & Murthy, N., Achieving supply chain agility through IT integration and flexibility. International Journal of Production Economics, 116(2), 288-297, 2008.
36
Tseng, Y.-H., & Lin, C.-T., Enhancing enterprise agility by deploying agile drivers, capabilities and providers. Information Sciences, 181(17), 3693-3708, 2011.
37
Vázquez-Bustelo, D., Avella, L., & Fernández, E., Agility drivers, enablers and outcomes: empirical test of an integrated agile manufacturing model. International journal of operations & production Management, 27(12), 1303-1332, 2007.
38
Vinodh, S., & Devadasan, S., Twenty criteria based agility assessment using fuzzy logic approach. The International Journal of Advanced Manufacturing Technology, 54(9-12), 1219-1231. 2011.
39
Vinodh, S., & Kumar Chintha, S., Application of fuzzy QFD for enabling leanness in a manufacturing organisation. International Journal of Production Research, 49(6), 1627-1644, 2011.
40
Vinodh, S., & Vimal, K., Thirty criteria based leanness assessment using fuzzy logic approach. The International Journal of Advanced Manufacturing Technology, 60(9-12), 1185-1195, 2012.
41
Zhang, Z., & Sharifi, H., A methodology for achieving agility in manufacturing organisations. International journal of operations & production Management, 20(4), 496-513, 2000
42
ORIGINAL_ARTICLE
بهینه سازی قابلیت اطمینان سیستم سری موازی با زیرسیستمهای - k-out-of-n با در نظر گرفتن نرخ خرابی وابسته به تعداد اجزای در حال کار
در این مقاله مدل جدیدی برای مسئله تخصیص افزونگی با ساختار سری موازی و زیر سیستمهای - k-out-of-n با در نظر گرفتن نرخ خرابی وابسته به تعداد اجزای در حال کاار اراهاه ما یشاود .در ایان ناون نارخ خرابای بااافزایش تعداد اجزای در حال کار به دلیل تقسیم بار )فشار( بر روی تعداد بیشتری از اجزاء، نرخ خرابی هر یا کاز اجزاء کاهش مییابد. همچنین برای هر یک از زیر سیستمها دو نون سیاست افزونگی آمااده باه کاار سارد وفعال در نظر گرفته شده است. هدف از حل مدل اراهه شده تعیین استراتژی افزونگی، ناون و تعاداد جازء ماازادتخصیص یافته برای هر زیرسیستم به منظور حداکثر کردن قابلیت اطمینان کال س یساتم تحات محادود یتهاا یوزن و هزینااه ماایباشااد. بااه دل یاال NP-hard بااودن مساائله تخصاا یص افزونگاای از الگااوریتم فاارا ابترااار یژنتیک) GA (برای حل مدل و از روش سطح پاسخ) RSM ( برای تنظیم پارامترهای موثر بار ا یا ن الگاور یتم اساتفادهشده است. در انتها با ذکر یک مثال عددی به بررسی نتایج به دست آمده از حل مدل اراهه شده میپردازیم
https://jims.atu.ac.ir/article_1983_10a237502e784904b5b2927ad8ef0e7b.pdf
2015-12-22
171
188
مسئله تخصیص افزونگی
زیر سیستم k-out-of-n
سیاست افزونگی
نرخ خرابی وابسته به
تعداد اجزای در حال
الگوریتم GA
مانی
شریفی
mani_sharifi2000@yahoo.com
1
استادیار گروه مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی والحد قزوین
AUTHOR
قاسم
چراغ
2
دانشجوی کارشناسی ارشد گروه مهندسی صنایع و مکانیک دانشگاه آزاد اسلامی واحد قزوین
AUTHOR
Fyffe, D.E., Hines, W.W. and Lee, N.K., “System Reliability Allocation and a Computational Algorithm”, IEEE Transactions on Reliability, 1968; Vol. 17, pp. 64-69.
1
Chern, M. S., “On the Computational Complexity of Reliability Redundancy Allocation in a Series System”, Operation Research Letters 1992; Vol. 11, pp. 309-315.
2
Misra,K.B. and Sharma,U., “Reliability optimization ofasystembyzero-oneprogramming”, Microelectronics and Reliability, 1991 31(2/3), 323-32335.
3
Coit, D.W. and Smith, A., “Optimization Approaches to the Redundancy Allocation to the Redundancy Allocation Problem for Series-Parallel Systems”, Proceedings of the Fourth Industrial Engineering Research Conference, 1995.
4
Coit D.W. and Liu J.”System reliability optimization with k-out-of-n subsystems”, International Journal of Reliability, Quality and Safety Engineering 2000, 7 (2), pp. 129–43.
5
Hsieh, Y.C. and You, P.S., “An effective immune based two-phase approach for the optimal reliability–redundancyallocationproblem”,Applied Mathematics and Computation,2012, 218(4), 1297-1307.
6
Hsieh, T. J. and Yeh, W. C. ”Penalty guided bees search for redundancy allocation problems with a mix of components in series–parallel systems”, Computers & Operations Research 2012, 39(11), pp. 2688-2704.
7
Coit, D.W. ”Cold-standby redundancy optimization for non-
8
repairable systems”, IIE Transactions 2001, 33(6), pp.471–478.
9
Coit D.W. ”Maximization of system reliability with a choice of redundancy strategies”, IIE Transactions 2003, 35(6), pp.535–44.
10
Tavakkoli-Moghaddam, R. and Safari, J., “A New mathematical model for a redundancy allocation problem with mixing components
11
redundant and choice of redundancy strategies”. Applied Mathematical Sciences, 2007; 45(1), 2221-2230.
12
Tavakkoli-Moghaddam, R., Safari, J. and Sassani, F., “Reliability Optimization of Series-Parallel Systems with a Choice of Redundancy Strategies Using a Genetic Algorithm”, Reliability Engineering and System Safety 2008; Vol. 93, pp. 550–556.
13
Amari, S.V. and Dill, G. “Redundancy optimization problem with warm-standby redundancy”. Reliability and Maintainability Symposium (RAMS), 2010 Proceedings, 1(6), 25-28.
14
Amari, S.V., “Reliability of k-out-of-n standby systems with gamma distributions”. Reliability and Maintainability Symposium (RAMS), 2012 Proceedings, 1(6), 23-26.
15
Sharifi, M., Memariani, A. and Noorossana, R. “Real Time Study of a k-out-of-n System n Identical Elements with Constant Fuzzy Failure Rates”. World Applied Science Journal, 2010 8(9),1136-1143.
16
Wang, Z., Chen, T., Tang, K. and Yao, X. “A multi-objective approach to Redundancy Allocation Problem in parallel-series systems”. In Proceedings of the2009 IEEE Congress onEvolutionary Computation (CEC2009), Trondheim, Norway, 582-589.
17
Holland, J., 1992, “Adaptation Natural and Artificial ststems”, University of Michigan press, An Arbor, MI, (1975), MIT Press, Cambridge, Ma
18
Coit DW, Smith A., “Penalty guided genetic search for reliabilitydesign optimization”, Computer and Industrial Engineering 1996;30(4):895–904.
19
Nakagawa, Y. and Miyazaki, S., “Surrogate Constraints Algorithm for Reliability Optimization Problems with Two Constraints”, IEEE Transaction on Reliability 1981; Vol. 30, pp. 175-180
20