دانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822A LINEAR MODEL FOR PERFORMANCE EVALUATION OF DECISION MAKING UNITS WITH DEA AND COMMON WEIGHTS APPROACH CASE STUDY: PHARMACEUTICAL COMPANIES IN TEHRANارائهی مدلی خطی برای ارزیابی عملکرد واحدهای تصمیمگیری با رویکرد تحلیل پوششی دادهها و اوزان مشترک مورد مطالعه: شرکتهای دارویی پذیرفته شده در بورس اوراق بهادار تهران3142188910.24200/j65.2019.52190.1938FAمقصودامیریدانشکدهی مدیریت و حسابداری، دانشگاه علامه طباطباییمحمدتقیتقوی فرددانشکدهی مدیریت و حسابداری، دانشگاه علامه طباطباییحسامافتخاریدانشکدهی مدیریت و حسابداری، دانشگاه علامه طباطباییJournal Article20190205Performance evaluation is one of the most significant issues in management taken into consideration by a number of academics and researchers who have developed various parametric and non-parametric methods used for performance measurement and evaluation. Among these models, Data Envelopment Analysis (DEA) is regarded as one of the most widely used models for performance evaluation. DEA is a powerful mathematical tool and a non-parametric technique to measure the relative efficiency of a group of homogeneous Decision-Making Units (DMUs). This approach carried out an evaluation by assigning weights to the inputs and outputs of each decision-making unit. The difference in the input and output weights in this technique is one of the objections to this method that threatens the assessment of the underlying basis. In this study, a model was presented to find a solution to this problem. The proposed model is a one-phase linear model and has less computational complexity than other models. To validate this model, the numerical exam of Kao \& Hung (2005) was implemented and the results of the presented model were compared with those of other models; in addition, the Spearman correlation coefficient was calculated. The results showed that the proposed model had a more significant correlation coefficient than other models, had a more resolution than other models, and eliminated the shortcomings of Classic base models. After the validation of the model, the pharmaceutical companies in Tehran Stock Exchange were evaluated by means of the proposed model and CCR model. The indices of the study were obtained from previous studies and the opinions of experts were taken into account to confirm these indices. The data used in the present study and the actual values of these indices were obtained from ``codal.ir website'' according to each company's financial status. Moreover, sensitivity analysis was performed on the outputs of these companies. The results showed that Alborz Pharmaceutical and Shafa Pharmaceutical Investment companies were the most effective units in both models, and Farabi Pharmaceutical Company was the most inefficient one. Besides, the results indicated that the units under study showed more sensitivity than the first output.تحلیل پوششی دادهها رویکردی ناپارامتری برای ارزیابی عملکرد واحدهای تصمیمگیری متجانس است. این رویکرد با اختصاص وزنهایی به ورودیها و خروجیهای واحدها و محاسبهی کارایی نسبی، عمل ارزیابی را انجام میدهد. از ایرادهای وارد به این رویکرد انعطافپذیری اوزان از واحدی به واحد دیگر است که اساس ارزیابی بر پایهی مشترک را فراهم نمیکند. در این مطالعه به منظور محاسبهی اوزان مشترک مدلی خطی و تکمرحلهیی که ایراد تفاوت اوزان را رفع میکند، ارائه میشود. در راستای اعتبارسنجی مدل، به مقایسهی ضرایب همبستگی نتایج مدل با سایر مدلهای مشابه پرداخته شده است. سپس شرکتهای دارویی پذیرفته شده در بورس اوراق بهادار تهران بر مبنای کارایی نسبی به دست آمده از مدل ارزیابی میشوند. نتایج نشان میدهد در میان ۲۹ واحد مورد ارزیابی، ۳ واحد کارا هستند. در انتها تحلیل حساسیت بر روی مقادیر خروجی انجام شده است.https://sjie.journals.sharif.edu/article_21889_6fcbe90edddbc8bc99ec9fb4960ef0b9.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822SIMULTANEOUSLY OPTIMIZATION OF PRICE AND WARRANTY FOR A FAMILY OF MULTI-PIECE PRODUCTبهینهسازی همزمان قیمت و مدت ضمانت برای خانوادهیی از محصولات چندقطعهیی15242189010.24200/j65.2019.52582.1952FAمظاهرضیاییگروه مدیریت، دانشکدهی علوم اداری و اقتصاد، دانشگاه اصفهانسعیدهکتابیگروه مدیریت، دانشکدهی علوم اداری و اقتصاد، دانشگاه اصفهانمهساقندهاریگروه مدیریت، دانشکدهی علوم اداری و اقتصاد، دانشگاه اصفهانJournal Article20190407The increasing importance of customer's trust and demand diversification has turned the attention to warranty policy and supplying a family of products. In this respect, while retaining the benefits of mass production and flexibility each member shows to a specific segment of demand, appropriate models have not been sufficiently developed. This paper presents a maximization profit model by simultaneously optimizing the price and warranty length for products in a family of products through application of Markov chains. A continuous Markov model was used to calculate the steady state probabilities that the products need for warranty services. Then, the optimal prices and warranty lengths for all products were determined using a mathematical model to maximize the profitability of the products. The problem was formulated in two scenarios of fixed time and renewable warranty policies. Given the integer warranty length, the problem was a mixed nonlinear integer programming. Numerical samples for the problems solved by GAMS software and sensitivity analysis for the important parameters were also investigated. The results showed that the model was sensitive mostly in the case of price and warranty length elasticity. Moreover, the share of each product in total production did not change much under the influence of capacity change. This study can help manufacturers optimize the main variables of a product including reliability, price, and warranty period simultaneously at the product development stage (design and engineering). The proposed model can be operationally used by the managers for decision-making on the price and warranty length for a family product.اهمیت روز افزون جلب اعتماد مشتری و تنوع تقاضا باعث شده است توجه به سیاستهای ضمانت و تولید محصولات بهصورت «خانوادهی محصول» افزایش یابد که ضمن استفاده از مزایای تولید انبوه و انعطافپذیری، هر عضو خانواده پاسخگوی بخش معینی از تقاضا باشد؛ اما مدلهای مناسب در این زمینه توسعهی کافی نیافتهاند. این مقاله یک مدل بهینهسازی همزمان قیمت و مدت ضمانت برای محصولات در یک خانوادهی محصول را با بهکارگیری زنجیرهی مارکوف ارائه میدهد. بدینمنظور، ابتدا حالات ممکن برای زیرسیستمها و کل محصول در قالب یک زنجیرهی مارکوف پیوسته بیان و مقادیر حدی احتمال حالاتِ نیازمند به خدمات ضمانت محاسبه میشود. هدف مدل بیشینهسازی سود کل محصولات با بهینهسازی همزمان قیمت و مدت ضمانت هر محصول است. مدل مسئله برای دو سیاست ضمانت با مدت ثابت و تجدیدشونده ارائه میشود. با فرض عدد صحیح بودن مدت ضمانت، مدل مسئله برنامهریزی مختلط غیرخطی است. حل مثالهای عددی و تحلیل حساسیت برای پارامترهای مهم با استفاده از نرم افزار GAMS برای این دو سیاست انجام میشود. نتایج به دست آمده نشان میدهد که مدل بیشترین حساسیت را نسبت به ضرایب کشش قیمت و مدت ضمانت دارد و حساسیت کمی نسبت به میزان استفاده دارد. همچنین سهم هر محصول از کل تولیدات با تغییر ظرفیت تغییر زیادی نمیکند. این مطالعه میتواند به تولیدکنندگان کمک کند که در مرحلهی توسعهی محصول )طراحی و مهندسی( بهینهسازی متغیرهای اصلی یک محصول، مانند قابلیت اطمینان، قیمت و دورهی ضمانت را همزمان انجام دهند. همچنین، مدل پیشنهادی در فرایند تصمیمگیری قیمت و مدت ضمانت یک خانوادهی محصول و تحلیل حساسیت پارامترهای مربوط بهخوبی قابل بهکارگیری توسط مدیران است.https://sjie.journals.sharif.edu/article_21890_f0d15faf5024b8835ceef5548c062f56.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822JOINT OPTIMIZATION OF MAINTENANCE AND PRODUCTION PLANNING WITH CARBON EMISSION CONSIDERATIONSبهینهسازی توأم برنامهریزی تولید و نگهداری و تعمیرات با در نظر گرفتن ملاحظات انتشار کربن25362189510.24200/j65.2019.52983.1972FAوحیدحاجی پورگروه مهندسی صنایع، دانشکدهی مهندسی، دانشگاه آزاد اسلامی واحد تهران غرب0000-0002-3974-6403مریم ساداتسادات موسویگروه مهندسی صنایع، دانشکدهی مهندسی، دانشگاه آزاد اسلامی واحد تهران غربJournal Article20190505With increasing the value of optimized production plan and cost of equipment as well as raising the degree of difficulty to change spare parts and equipment, the importance of maintenance planning has doubled. Therefore, we can conclude that nowadays, the necessity of integrating production and maintenance planning is realized for the entire industrial owner and it is going to be the main concern of industrial owners to find the ways which help them optimize their costs. This study presented a new methodology to optimize the production and maintenance planning simultaneously. In terms of the environment, the carbon emission policy was applied. Therefore, the manufacturer should adhere to the emission limitations, which are placed on a company that emits carbon into the environment; otherwise, they should pay penalty. To control the cost of penalty, two types of production strategy including green and regular strategies were applied. In green strategy, the material and fuel were recyclable. Thus, it did less damage to environment but it was more expensive than the regular one. This essay seeks to optimize the amount of production of each strategies by balancing the amount of production with each kind of strategy and we should optimize the cost of production. To formulate the mathematical model, we consider costs of Preventive Maintenances (PMs) and mean of Corrective Maintenance (CM) as objective values to determine the production rate and number of PMs. By using MATLAB program, we could solve the model for two types of algorithm including Genetic and VDO algorithm and compare the solution together. Overall, it was concluded that in small-sized problems, VDO can answer more quickly than GA; yet, they were the same in terms of the solution quality. For some problems, VDO had the best solution, while GA could give the best solution to some other problems. However, overall, their function was somehow equal.با پیچیدهتر شدن صنایع و افزایش هزینههای تعویض تجهیزات آسیب دیده و تولید، برنامهریزی تولید و نگهداری و تعمیرات به یکی از مباحث مهم در دنیا تبدیل شده است که با یکپارچهسازی این تصمیمات میتوان در جهت کاهش چشمگیر هزینههای تولید گام برداشت. افزایش انتشار گازهای گلخانهیی و آسیب به محیط زیست نیز از جمله دغدغههای این تحقیق است و سعی شده است تا میزان آلایندههای ورودی به صنایع کاهش یابد. این تحقیق به برنامهریزی توأم تولید و نگهداری و تعمیرات میپردازد بهگونهیی که برای هر واحد تولیدی سقف مجاز انتشارات کربن مشخص میشود. برای مدیریت منابع، دو نوع راهبرد تولید سبز و عادی مدلسازی و تحلیل شده است. برای دستیابی به بهینگی، با استفاده از دو الگوریتم بهینهسازی مبتنیبر ژنتیک و میرایی ارتعاش بهینهسازی خروجیها مشخص و کارایی آنها مقایسه شده است.https://sjie.journals.sharif.edu/article_21895_280433a363394d3a259d0d1044b86afc.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822بهینهسازی همزمان فعالیتهای نگهداری و تعمیرات و موجودی قطعات یدکی برای سیستم زوالپذیر با لحاظ نت کامل و ناکامل37502189110.24200/j65.2019.53074.1987FAمرتضیسلطانیدانشکده مهندسی صنایع، دانشگاه علم و صنعت ایرانابراهیمتیموریدانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران0000-0003-3083-1609فهیمهپورمحمدیدانشکده مهندسی صنایع، دانشگاه علم و صنعت ایرانJournal Article20190507Regarding the close interaction between spare parts logistics and maintenance planning, this paper presents a model for joint optimization of condition-based maintenance and spare parts inventory of a single-unit deteriorating system. Simultaneous usage of perfect and imperfect preventive maintenance and a novel policy for ordering spare parts are two highlighted contributions of this research. Both positive and negative impacts of imperfect maintenance actions are considered in this paper. Although imperfect maintenance actions are less costly and time-consuming, they restore the system to a state between as-good-as-new and as-bad-as-old. Moreover, each imperfect preventive action may accelerate the speed of the system's deterioration process. The replenishment policy of spare parts was defined based on the deterioration level of the system. Furthermore, the next inspection time at each decision point was predicted based on an integrated approach considering the deterioration level, reliability, and sufficiency of the spare part for performing the expected maintenance operations. Moreover, in this paper, a two-echelon structure with two local suppliers in the first echelon and one main supplier in the second one were considered. The present model aims to determine the best inspection plan, maintenance actions, and order quantity of spare parts while minimizing the total costs. A minimum level of system availability determined by the decision-maker was guaranteed in the proposed model. According to the high complexity of the descriptive model, Monte-Carlo simulation was applied to optimize this complex problem. A real case problem was introduced to illustrate the applicability and advantages of the proposed model. Then, the results and sensitivity analyses are presented in detail. The results showed that conducting imperfect maintenance actions would reduce the total costs, while increasing order-up-to-level.حفظ پیوستگی فعالیت سیستمهای تولیدی در گرو برنامهریزی صحیح عملیات نگهداری و تعمیرات (نت) و پشتیبانی از آن است. از آنجایی که تقاضای قطعات یدکی وابسته به برنامهریزی عملیات نت است، بهینهسازی مجزای عملیات نت و موجودی منجر به زیربهینگی میشود. پژوهش حاضر، مدلی برای بهینهسازی همزمان فعالیتهای نت و موجودی قطعات یدکی در سیستم زوالپذیر ارائه میدهد که در آن علاوه بر عملیات نت اصلاحی و پیشگیرانهی کامل، امکان انجام نت پیشگیرانهی ناکامل نیز وجود دارد. سیاست تکمیل موجودی بر اساس سطح زوال سیستم در ساختاری دوطبقهیی شکل میگیرد. همچنین، زمان بازرسی بر مبنای سطح زوال سیستم، قابلیت اطمینان و کفایت موجودی برای انجام نت مورد انتظار تعیین میشود. کاربرد مدل در دنیای واقعی با استفاده از مطالعهی موردی بررسی شده و برای حل مسئله از رویکرد شبیهسازی استفاده شده است. نتایج حاصل از حل نشان میدهد که لحاظ کردن نت ناکامل تأثیر چشمگیری بر کاهش هزینههای سیستم دارد.https://sjie.journals.sharif.edu/article_21891_598e989a5706e1ab5cea5e65598d2125.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822THE FEASIBILITY OF WAREHOUSE STORAGE ASSIGNMENT OPTIMIZATION USING STRESS FLUX AND FINITE ELEMENT METHODامکانسنجی بهینهسازی چیدمان در انبار با استفاده از الگوریتم طبیعی گسترش تنش و روش محاسباتی اجزای محدود51602189210.24200/j65.2019.52982.1976FAکوروشطباطبایی شکرآبیگروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم تحقیقات0000-0003-3189-3115امیدفتاحی ولیلائیدانشکدهی مهندسی صنایع، دانشگاه صنعتی شریف0000-0001-7087-6946علیعابدیاندانشکدهی مهندسی هوافضا، دانشگاه صنعتی شریفJournal Article20190520Given the \ necessity of \ fundamental and \ structural \ changes \ in the production and manufacturing industries to fulfill the industry 4.0 paradigm, the proposal of new ideas and frameworks for operations management of production and manufacturing system is inevitable. This challenge is enhanced by the essential need for the development of industrial platforms to fulfill the requirements of fundamental changes in industry 4.0 paradigm like sustainability, agility, rehabilitation, and flexibility. Thus, through the realization of new technologies and the necessity of increasing the pace and accuracy of productivity, a fundamental transformation must be enabled for many traditional concepts and operations management methods to be upgraded for the requirements of modern digital production and manufacturing industries. One of the dominant areas for this transformation is believed by researchers to be modern storage problem. This research focuses on traditional methods proposed for storage assignment problem and struggles for new methods and definitions for industry 4.0 based storage assignment concepts. At the first step, the paper proposes a new definition of storage assignment and layout problem for fulfilling the agility of storage mechanism in terms of automated store and retrieval process (AS/RS) in modern inventories. Then, considering the shortcomings of traditional algorithms for storage assignment problem, the paper contributes a new algorithm inspired from mechanical engineering discipline to analysis and optimization of storage assignment problem. The proposed new algorithm backed by stress distribution analogy and the help of Finite Element Method and minimum total potential energy theory proposes a new model for storage assignment optimization. The efficiency of the proposed algorithm in terms of calculation time and the quality of optimum answer is analyzed and investigated through numerical examples. Also, the results of illustrating the advantages of the new algorithm in comparison with traditional algorithms are discussed considering the requirements of industry 4.0 paradigm.با توجه به لزوم تغییرات بنیادی در صنایع در انقلاب صنعتی چهارم و به دنبال لزوم تحول مجموعههای صنعتی به منظور انطباق با الزاماتی مانند توسعهی پایدار، چابکی و انعطاف پذیری، تحولی بنیادین در بسیاری از مفاهیم و روشهای سنتی سیستمهای تولید مطرح شده است. بنابر مقتضیات جدید برای توانمندی پاسخگویی به انتظارات آینده، در این مقاله تعریف جدیدی از روش چیدمان و ذخیرهسازی کالا در انبارهای مکانیزه با ایدهپردازی از الگوریتمهای مورد استفاده در زمینهی مهندسی مکانیک ارائه شده است. در این تحقیق امکان بهینهسازی چیدمان کالا در انبار با توجه به عدم کارایی الگوریتمهای سنتی بررسی شده و سپس با استفاده از تعاریف الگوی گسترش تنش، روش محاسباتی اجزای محدود و نظریهی کمینهی انرژی پتانسیل الگوریتم جدیدی طراحی و ارائه شده است. کارایی این الگوریتم و مقایسهی برتریهای آن با الگوریتم سنتی بررسی و تحلیل شده است. همچنین، نتایج برای نشان دادن مزیتهای الگوریتم جدید در مقایسه با الگوریتمهای سنتی با توجه به الزامات الگوی نسل چهارم صنایع و مباحثی چون چابکی، پایداری و انرژی مورد بحث قرار گرفته است.https://sjie.journals.sharif.edu/article_21892_c2a71acc0925c43163b18d7d2c7877aa.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822MONITORING MORTALITY RATE OF THE CARDIAC SURGERY USING RISK-ADJUSTED DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE SCHEMEپایش نرخ مرگ و میر جراحی قلب با استفاده از نمودار کنترل میانگین متحرک موزون نمایی دوگانهی تعدیل ریسک شده61752189410.24200/j65.2019.53181.1980FAکریمآتشگردانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی مالکاشترعطیهالنچریدانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی مالکاشترJournal Article20190603Literature indicates that the statistical process control approach is capable of improving the quality of surgical processes. The use of this approach in the case of real surgical processes is an attractive contribution for researchers. Since risk factors of each patient before a surgery are different potentially, the use of a control chart approaching risk-adjusted is addressed by researchers.The sensitivity of a model to small shift types of the mortality odds ratio is very important for monitoring the quality of a surgery process. Although different schemes have been proposed by researchers to monitor the performance of a medical team, based on the authors' knowledge this research for the first time proposes a risk-adjusted double exponentially weighted moving average (RADEWMA) approach to monitor the mortality rate. The numerical performance analysis of this paper based on average run length (ARL) term for the cardiac surgery addresses that the sensitivity of the proposed risk-adjusted scheme is superior compared to other risk-adjusted chart of literature.In this research the performance of the proposed model is compared comprehensively with risk adjusted P chart (RAP), risk adjusted exponentially weighted moving average (RAEWMA), and risk adjusted cumulative sum (RACUSUM). In this paper for analyzing the performance comparatively, the simulated data is produced based on UK Center for Cardiac Surgery data in the period of 1992-1994. This data is referred to 2218 patients with heart surgery. In this simulation to estimate the parameters of the logistic regression, Parsonnet number is used as an explanatory variable. The comparative performance analysis is reported for different shift cases. The comparative report is analyzed statistically for different values of parameters. For statistical analyzing SPSS software is also used. The new proposed scheme to monitor the mortality odds ratio, can be used in different surgeries of a hospital effectively.بر اساس تحقیقات انجام شده استفاده از روشهای کنترل فرایند آماری، میتواند در ارتقای کیفیت فرایندهای جراحی نقش مهمی را ایفا کند. از آنجاییکه شرایط بیماران، قبل از عمل جراحی، با یکدیگر متفاوت است، استفاده از نمودارهای کنترل تعدیل ریسک شده با در نظر گرفتن شرایط و ریسک قبل از عمل جراحی بیماران، از سوی محققان مورد تأکید قرار گرفته است. در استفاده از نمودارهای کنترل در فرایندهای جراحی، میزان حساسیت نمودارها در کشف تغییرات نسبت شانس مرگ بیماران، از اهمیت بالایی برخوردار است. این تحقیق برای نخستین بار نمودار کنترل میانگین متحرک موزون نمایی دوگانه تعدیل ریسک شده )RADEWMA( را برای پایش نرخ مرگ و میر بیماران پیشنهاد میکند. تجزیه و تحلیل کمّی این تحقیق بر اساس شاخص طول متوسط دنباله (ARL) برای جراحی قلب نشان میدهد که نمودار تعدیل ریسک شدهی پیشنهادی، در مقایسه با دیگر نمودارهای تعدیل ریسک شدهی موجود در پژوهشها، از حساسیت بالاتری برخوردار است.https://sjie.journals.sharif.edu/article_21894_96d159ddda271e1d08ee7b0351b6620b.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822INVESTIGATING UNCERTAINTIES IN NURSE SCHEDULING PROBLEM USING FUZZY MATHEMATICAL MODELING APPROACHبررسی تأثیر عدم قطعیت در مسئلهی زمانبندی شیفتهای کاری پرستاران با استفاده از رویکرد مدلسازی فازی77852189310.24200/j65.2019.53485.1999FAحامدجعفریگروه مهندسی صنایع، دانشکده فنی و مهندسی گلپایگانJournal Article20190615Nowadays, the health systems consume a significant share of the budget in each country. Hospitals are considered as the largest organizations to provide the healthcare services. Nurses as one of the major portion of hospitals' human resources consume a considerable part of the hospitals' annual budget. From this point of view, the hospitals' managers must arrange the available nurses efficiently. This problem is worsened by the shortage of the available nurses in many countries. In this setting, the Nurse Scheduling Problem (NSP) has received significant attention in recent years. In this problem, the aim is to assign the shifts to the nurses by satisfying the requirements during the planning horizon. Several factors such as hospital managers' policies, labor laws, governmental regulation, and the status of the nurses at the end of the previous planning horizon should be considered for assigning the shifts to the nurses. Several mathematical models and heuristic and meta-heuristic algorithms have been proposed to solve the NSP by considering various assumptions and constraints. In the real-world problems, the good quality solutions can be obtained by considering the uncertainty concepts in the research problem. In this point of view, in the current study, the uncertainty concepts are considered in the nurse scheduling problem. It can be stated that the nurses' preferences for the working shifts cannot be deterministically specified. For this reason, first, a mathematical programming model is developed to maximize the nurses' preferences to work in their favorable shifts. Then, a fuzzy mathematical modeling approach based on the averaging fuzzy operator is proposed to investigate the uncertainty concepts on the nurses' preferences for the working shifts. Then, some random test problems are generated and solved to evaluate the performance of the developed fuzzy model. Regarding the obtained results, it can be stated that high quality schedules are generated by the proposed fuzzy model.مد نظر قرار دادن مفاهیم عدم قطعیت میتواند جوابهای مطلوبتری برای بسیاری از مسائل دنیای واقعی تولید کند. بر این اساس در این مقاله از مفاهیم عدم قطعیت در حل مسئلهی زمانبندی شیفتهای کاری پرستاران استفاده شده است. در واقع نمیتوان میزان علاقهی پرستاران برای انجام وظیفه در شیفتهای کاری تخصیص داده شده به آنها را بهصورت قطعی تعیین کرد. بدین منظور در این مقاله از یک رویکرد فازی برای در نظر گرفتن عدم قطعیت در ترجیحات شیفتی پرستاران استفاده میشود. برای فازی کردن ترجیحات شیفتی پرستاران در مسئلهی مورد بررسی، یک مدل فازی بر مبنای عملگر فازی میانگین ارائه میشود. در ادامه بهمنظور ارزیابی مدل فازی ارائه شده چندین مسئلهی نمونهی تصادفی تولید میشوند. نتایج نشاندهندهی کیفیت بالای زمانبندیهای به دست آمده از مدل فازی پیشنهادی است.https://sjie.journals.sharif.edu/article_21893_b1d69d7f6eceef8700a1dc70160ec0ff.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822AN ACCELERATED BENDERS DECOMPOSITION ALGORITHM FOR SUSTAINABLE POWER GENERATION AND TRANSMISSION EXPANSION PLANNING UNDER UNCERTAINTY CONSIDERINGروش تجزیهی بندرز تسریعشده برای برنامهریزی توسعهی تولید و انتقال برق پایدار در شرایط عدمقطعیت با در نظر گرفتن ریسک اختلال و جنبههای اقتصادی، زیستمحیطی و اجتماعی: مطالعهی موردی در ایران871012189610.24200/j65.2020.54228.2040FAامیر حسینصدیقیپژوهشکده فنّاوری اطلاعات، پژوهشگاه علوم و فنّاوری اطلاعات ایران (ایرانداک)امیراحمدی جاویددانشکدهی مهندسی صنایع و سیستمهای مدیریت، دانشگاه صنعتی امیرکبیرJournal Article20190814Integrated planning of power generation and transmission expansion is very complicated in the presence of uncertainties in future electricity demand, fuel prices, greenhouse gas emissions, and disturbances. It becomes more complex whenever several sustainability policies related to greenhouse gas emissions, allowable noise level, and social acceptance are adopted. These policies significantly influence the total operational cost and network configuration of a power system. Hence, the managers of power systems should carefully decide on such policies and then precisely apply them to the planning phase. There are optimization models for integrated expansion planning of power systems in such situations; however, they cannot be solved exactly and efficiently in practice. This may produce very misleading insights into the impact of different sustainability policies since the accuracy level of optimization procedure is unknown. To fill this research gap, this paper presents an efficient exact algorithm for an existing multi-stage stochastic programming model that is developed for integrating two planning tasks of generation and transmission expansion for a centralized power system. The model considers the disruptionrisk and all the three sustainability aspects: economic, social, and environmental. The algorithm is developed based on Benders decomposition, and enhanced by acceleration techniques where multi-cut optimality cuts are used. The algorithm initially solves the relaxation of the master problem to find a good feasible solution using a rounding algorithm combined with a scenario selection procedure. The rounding algorithm is first used to determine the fixed first-stage variables, and then the deterministic equivalent model is solved for the selected scenarios to determine the unfixed first-stage variables. The resulting solution provides a set of effective cuts for the master problem and consequently better bounds in the next iterations. The computational results show the efficiency of the algorithm when compared with the solution method that directly solves the extended equivalent form of the two-stage model using exiting mixed-integer linear programming solvers. The proposed Benders decomposition algorithm enables us to practically find optimal solutions for cases with a large number of uncertainty scenarios. The results for a case study in Iran are also included.این مقاله الگوریتم مؤثری برای حل یک مدل برنامهریزی تصادفی چندمرحلهیی مورد استفاده در برنامهریزی یکپارچهی توسعهی شبکهی انتقال و تولید یک سیستم قدرت با عدمقطعیت در تقاضای آیندهی برق، قیمتهای سوخت، انتشار گازهای گلخانهیی و با در نظر گرفتن ریسک اختلال در ظرفیت تولید و انتقال ارائه میکند. در مدل مذکور هر سه جنبهی اقتصادی، اجتماعی و زیستمحیطی پایداری در تولید و انتقال برق لحاظ شده است. الگوریتم ارائهشده با استفاده از ساختار ویژهی مدل بر مبنای تجزیهی بندرز طراحی شده است و روشهایی برای تسریع آن به کار گرفته شده است. نتایج محاسباتی نشانگر کارایی قابلقبول الگوریتم پیشنهادی است. سپس نتایج برای مطالعهی موردی در شبکهی برق شمال غرب ایران به کارگرفته شده است. این بررسی عددی به خوبی نشان میدهد که یکپارچهسازی انتقال و تولید سیستم قدرت میتواند منجر به اتخاذ تصمیمات پایدارتری از وجوه مختلف در طول دورهی برنامهریزی شود.https://sjie.journals.sharif.edu/article_21896_093562aee4b200f3c39fdd15462f2f9b.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822APPLICATION OF DEEP LEARNING MODELS BASED ON FULLY-CONNECTED AND RECURRENT NEURAL NETWORKS TO RESIDUAL PEAK LOAD FORECASTINGکاربرد مدلهای یادگیری عمیق در پیشبینی سریهای زمانی اقتصادی ـ اجتماعی مورد کاوی: سری زمانی اوج بار مصرفی خانگی1031112189810.24200/j65.2019.54014.2029FAنجمهنشاطگروه مهندسی صنایع (سیستمها)، دانشگاه میبدمحسنسرداری زارچیدانشکده مهندسی صنایع، دانشگاه صنعتی شریفهاشممحلوجیدانشکده مهندسی صنایع، دانشگاه صنعتی شریفJournal Article20190827This study examines the efficiency of various topologies of deep learning networks (a superior approach to modeling and fitting socio-economic time series) in load demand forecasting using the data collected from a four-year period of households in Kurdistan City, Iran. Since the consumption pattern is a nonlinear and complex curve with a strong delayed dependency pattern, its prediction is not accurate by conventional statistical methods and the error reduction of this prediction has a significant effect on reducing production costs, unwanted squandering and fines. In this study, full-connected, recurrent, and also hybrid of them were investigated using the mean efficiency of absolute error percentage and mean square error index. When the input of the neural network was in the form of tensor, designing the structure of the deep neural network would be straightforward. In this case, the network can be implemented with a linear stack of layers sequentially. Although the sequential the sequential model is so common, it is inflexible when the input data is not in the form of tensor, e.g., Figure 4. Besides, in a forecasting model, each determinant might need a different type of neural networks such as CNN, LSTM or GRU. To overcome this challenge, we innovatively proposed parallel deep branches in our framework to represent the history of each determinant individually. The parallel branches process their determinants by using RNN and Dense networks. Then, the branches were merged together through concatenated and dense layers. The results indicated the superiority of the network topology as a combination of all connected and reciprocating models for modeling and predicting consumption. This superiority, due to the nonlinear nature of complexity, the strong attachment to the data of previous periods, and the existence of different degrees of delay in the exogenous variables of the problem can be fully justified. Considering that for excited peak load prediction, exogenous variables of the model (representing different atmospheric conditions) and artificial variables are included, this model has acceptable stability, compared to the models presented in previous studies.این مطالعه به بررسی کارایی پیکرهبندی مختلف شبکههای یادگیری عمیق (رویکرد برتر در مدلسازی و تخمین سریهای زمانی اقتصادی ـ اجتماعی) در حوزهی پیشبینی میپردازد. در این مطالعه بهمنظور ملموسسازی رویکرد پیشنهادی از مدلسازی و پیشبینی اوج بار مصرفی خانگی در قالب موردکاوی استفاده شده است. نتایج حاکی از برتری توپولوژی شبکه ترکیبی از تمام متصل و بازگشتی بود که این برتری با توجه به ماهیت غیرخطی و پیچیده، وابستگیهای قوی به دادههای دورههای قبلی و همچنین وجود درجات متفاوتی از تأخیر در متغیرهای برونزای مسئله کاملاً توجیهپذیر است. نظر به اینکه در این مدل متغیرهای برونزایمدل) نمایندهی شرایط مختلف جوی (و متغیرهای مصنوعی) نمایندهی شرایط مختلف زمانی( نیز لحاظ شده است، از استواری قابل قبولی نسبت به مدلهای ارائه شده در مطالعات قبلی برخوردار است.https://sjie.journals.sharif.edu/article_21898_981322808aba8a036b138c0b669d826c.pdfدانشگاه صنعتی شریفمهندسی صنایع و مدیریت2676-4741361.220200822IMPROVING CROSS DOCKING SYSTEMS BY ENABLING LOAD INTEGRATIONبهبود سیستمهای تخلیهی بارگیری همزمان با ایجاد امکان تجمیع بار1131232189710.24200/j65.2020.54244.2042FAسجادگوزل زادهدانشکده مهندسی، دانشگاه کردستان، سنندجزهرهخلیل پوردانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، بنابمهدییوسفی نژاد عطاریدانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، بناب0000-0002-5219-042XJournal Article20191021In order to reduce costs and increase the efficiency of the supply chain system, cross docking is one of the most important warehousing management strategies for combining products from different providers to different customers. Products in inbound trucks are gathered from suppliers and then are passed through customers using outbound trucks through the cross docking. Cross docking is one of the innovative product distribution strategies to minimize unnecessary inventory and improve the customer service level. Truck scheduling plays an important role in cross docking system. Cross docking works best for companies that distribute large volumes of merchandise and/or operate a large number of stores. Cross docking systems handle a large number of items in a short amount of time. The advantages of cross docking systems include increased inventory turnover, thus reduced inventory, increased customer responsiveness, and better control of the distribution operation. In this study, a special state of cross docking is considered in which inbound truck can also be used as outbound truck. The advantages of this state are reduced loading, unloading time, and reduced vehicle costs. To investigate this problem, the developed mathematical model was used to obtain the appropriate solution to solve the mathematical model and to determine the validity and accuracy of the modeling using optimization software such as GAMS and MATLAB. At small sizes to which optimization software can find the optimal solution, GAMS optimization software was used to solve the mathematical model. For medium and large sizes where optimization software cannot find the optimal solution, MATLAB software and ALO, Memetic, and ACOR algorithms were used to solve the mathematical model and the efficiency of this algorithm was tested to solve such problems. The results showed that the feasibility of the proposed approach and demonstrated good performance of the ALO algorithm in solving this problem.به منظور کاهش هزینهها و افزایش کارایی سیستم زنجیرهی تأمین، تخلیهی بارگیری همزمان یکی از مهمترین راهبردهای مدیریت انبارداری برای ترکیب محصولات از تأمینکنندگان مختلف به مشتریان مختلف است. در این پژوهش حالتی از تخلیهی بارگیری همزمان بررسی شده است که در آن کامیون ورودی میتواند کامیون خروجی هم باشد. این کار مزایایی مانند کاهش زمان تخلیه، بارگیری و کاهش هزینههای اجارهی کامیون را به همراه دارد. به منظور بررسی این حالت از مسئله، مدلی ریاضی ارائه شده است و به منظور دستیابی به جواب مناسب و مشخص کردن اعتبار و صحت مدلسازی از نرمافزارهای بهینهسازی مثل گمز، متلب و از الگوریتمهای فراابتکاری شیرمورچه، الگوریتم بهینهسازی حافظه و کلونی مورچگان برای حل مدل ریاضی استفاده شده است. نتایج قابل استفاده بودن پیشنهاد مطرح شده و کارایی خوب الگوریتم شیرمورچه را در حل این مسئله نشان میدهد.https://sjie.journals.sharif.edu/article_21897_171a559fc57627e85f85fa328bfb59f8.pdf