Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userDeveloping a model for decision support model of equipments maintenance strategy
تطوير نموذج لدعم القرار في اختيار خطة الصيانة للمعدات
2056
0 40
0
(
0
)
Authors
عبدالسلام زيدان( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
هدف هذا البحث إلى تطوير نموذج مساعد على اتخاذ القرار بشأن إستراتيجية الصيانة المثلى للمعدات المستخدمة في تنفيذ مشروعات التشييد، و نقصد بالصيانة المثلى تلك المحققة للكلفة الدنيا. حيث تبرز الحاجة لوجود نظام يتم من خلاله التحكم بخطة عمل و صيانة الآليات بما يضمن حدوث أقل توقفات ممكنة، و ذلك من خلال وجود برنامج لصيانة مختلف الأعطال و إصلاحها آخذين بالحسبان تحقيق أقل كلفة ممكنة (سواء كانت كلفة الإصلاح أو الخسائر الناتجة عن توقفات العمل المتعلقة بالصيانة) بحيث يسهم ذلك في النهاية في تخفيض الكلفة النهائية للمشروع.
This research aims to develop a model of decision-making for the selection of the most appropriate strategy of the maintenance methods of equipments. A model has been developed in order to determine the maintenance plan that causes the lowest cost, whether the cost of repairing or losses result from interruptions of work for maintenance.
References used
Buffa Elwools, “Modern Production Management”, joh weley and sons in N.Y.1977
Monks J.G., “Operation Management Theory And Problems”, Mc Graw-Hill 1982
Clifton R.H., “Principles Of Planned Maintenance”, London Eward Arnold publishers , 1974
rate research
Read More
The decision-making process is the most important topics of
operations research, which offers methods and tools to assist
decision makers in reaching resolution.
Research overture applied and analytic study for decision making
state in production
workshops whose belong estimation of optimal production size and overture mathematical model for production plan by dependence on Input – Output table for constraint production size in every workshop and coordination between internal demand, market, and production plan for solve recession problem and estimation of plan profits.
Research eventuates to results overture Input – Output table model practicable in any production unit.
يبين المشروع كيفية تصميم نموذج باستخدام أدوات التحليل المكاني (spatial Analysis) المتاحة في برامج نظم المعلومات الجغرافية لاختيار أفضل المواقع لإنشاء منشأة سياحية في محافظة طرطوس, ثم قمنا بتخصيص معاملات إدخال للنموذج لكي يتم تطبيقه على مناطق مختلفة ب
استخدام بيانات إدخال مختلفة ليتمكن مستخدمو النموذج ببساطة من إدخال المعاملات الخاصة بهم في منطقتهم دون الحاجة إلى معرفة كثير من المعلومات حول واقع عمل النموذج، وتكمن أهمية المشروع من خلال تقديم نموذج كامل باستخدام باني النماذج (ModelBuilder) ضمن برنامج ArcGIS لاختيار أفضل موقع لمنشأة سياحية تحقق مجموعة من المعايير، وتقديم واجهة مستخدم لوضع البيانات الضرورية مباشرة, وسيتم تحقيق هذه الأهمية من خلال مجموعة من الأهداف نستعرضها فيما يلي :
• دراسة نظرية لنظم المعلومات الجغرافية (GIS) والتحليل المكاني حيث سنعرض مقدمة تبين أهمية برنامج ArcGIS وأدوات التحليل المكاني المتوفرة ضمن بيئة نظم المعلومات الجغرافية والتي اعتمدنا عليها لإنشاء النموذج المطلوب.
• دراسة نظرية لباني النماذج (ModelBuilder) ضمن برنامج ArcGIS، ثم سنستعرض فوائد النموذج وضبط إعداداته وبنائه بخطوات متكاملة.
• تطبيق منهجية التحليل المكاني باستخدام GIS)) وبناء نموذج لاختيار أفضل موقع لمنشأة سياحية تحقق مجموعة من المعايير في منطقة الدراسة، ذلك بالاعتماد على البيانات المتوفرة واشتقاق بيانات جديدة تساهم في إتمام عملية بناء النموذج، وتحديد المعاملات اللازمة التي ستظهر في واجهة المستخدم المطلوبة لاختيار الموقع الأفضل.
Multi-turn response selection models have recently shown comparable performance to humans in several benchmark datasets. However, in the real environment, these models often have weaknesses, such as making incorrect predictions based heavily on super
ficial patterns without a comprehensive understanding of the context. For example, these models often give a high score to the wrong response candidate containing several keywords related to the context but using the inconsistent tense. In this study, we analyze the weaknesses of the open-domain Korean Multi-turn response selection models and publish an adversarial dataset to evaluate these weaknesses. We also suggest a strategy to build a robust model in this adversarial environment.
Transformers that are pre-trained on multilingual corpora, such as, mBERT and XLM-RoBERTa, have achieved impressive cross-lingual transfer capabilities. In the zero-shot transfer setting, only English training data is used, and the fine-tuned model i
s evaluated on another target language. While this works surprisingly well, substantial variance has been observed in target language performance between different fine-tuning runs, and in the zero-shot setup, no target-language development data is available to select among multiple fine-tuned models. Prior work has relied on English dev data to select among models that are fine-tuned with different learning rates, number of steps and other hyperparameters, often resulting in suboptimal choices. In this paper, we show that it is possible to select consistently better models when small amounts of annotated data are available in auxiliary pivot languages. We propose a machine learning approach to model selection that uses the fine-tuned model's own internal representations to predict its cross-lingual capabilities. In extensive experiments we find that this method consistently selects better models than English validation data across twenty five languages (including eight low-resource languages), and often achieves results that are comparable to model selection using target language development data.
The Research Aims:
Syrian organizations keep large amounts of information and data about their
personnel in their IT systems. This information, however, is often left unutilized or
may be analyzed through statistical methods. In this study, DM is
considered a
solution for analyzing HR data and explore knowledge from data stored in some
Syrian organization through two major stages:
Stage A: Using results of Semi-Annual performance evaluation process to build
prototype showed in (Fig. 6) to accomplish two tasks:
1. Building a models to predict appropriate job function for an employee
through majority principle and using high accuracy result to increase the
number of training data and make it self-learning model.
2. Choose most important attributes that used in classify methods to use it in
personnel selection and recruitment.
Stage B: Using data of Time & Attendance to analysis personnel activity through
clustering methods and building many meaningful groups.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
