دفاع از پایان‌نامه‌ی کارشناسی ارشد مبتنی بر ابتکار "شیفت" با ارائه‌ی جریان پژوهشی نوین در ادبیات زنجیره‌های ارزش تحت عنوان

مسئله‌ی زمانبندی زنجیره‌ی ارزش
The Value Chain Scheduling Problem
شنبه ۲۹ شهریور ۱۴۰۴، ساعت ۱۱:۳۰
دانشکده مهندسی حمل‌ونقل دانشگاه صنعتی اصفهان
(شرکت در جلسه برای عموم آزاد است)

مسئله‌ی زمان‌بندی زنجیره ارزش (VCS) به عنوان یک جریان پژوهشی نوین، با رویکرد گذار از زمان‌بندی در پارادایم سنتی زنجیره‌ی تأمین به زنجیره‌ی ارزش، برای اولین بار ارائه شده‌است. این مسئله با در نظر گرفتن دو نوع سفارش عادی و ارتقاءیافته، و با مشارکت دو بازیگر مستقل با اختیارات متفاوت (شرکت‌های بالادستی و پایین‌دستی)، به دنبال شکستن تبادل (Trade-off) ذاتی بین شاخص‌های کارایی و پاسخگویی از طریق افزایش اثربخشی است. تمایز اصلی این مسئله با ده جریان پژوهشی موجود در زمان‌بندی زنجیره تأمین (از جمله زمان‌بندی یکپارچه تولید و توزیع، زمان‌بندی چندکارخانه‌ای، بازی‌های توالی‌یابی، تخصیص ظرفیت و برون‌سپاری)، در تمرکز بر ارتقای محصول و پردازش متوالی در چند شرکت مستقل با اهداف متفاوت است. با استفاده از رویکرد بهینه‌سازی غیرمتمرکز و نظریه‌ی بازی و مدل‌سازی دو سطحی، این پژوهش به طراحی قراردادهای هماهنگ‌سازی، مبتنی بر تسهیم جریمه تأخیر، می‌پردازد تا منافع بازیگران را همسو کرده و عملکرد کل زنجیره را به حالت متمرکز نزدیک نماید. نتایج حاصل از مورد کاوی زنجیره ارزش مجتمع فولاد مبارکه، از اثربخشی مناسب این پارادایم جدید حکایت دارد.

کانال «شیفت» در ایتا و تلگرام:
eitaa.com/inpt1404
t.me/inpt1404

جلسه دفاع از پایان نامه کارشناسی ارشد آقای امیرمحمد ذبیح پور 1404/06/31

I am pleased to announce that our paper entitled “Influence of Time Display Tools on Queue Discharge Characteristics and Efficiency of Signalized Intersections” published online. The present study examines how different types of time-display tools, such as countdown, hourglass, and tally timers, influence driver behaviour and intersection efficiency. Using field data collected from Iranian drivers at six intersections, as well as regression models including quantile regression and least squares, the study analyses the effects of these timers on vehicle flow and headways. This research provides insights for traffic authorities and urban planners to select appropriate time-display tools to enhance intersection performance.
All the best,
Abdoul-Ahad Choupani
https://ieeexplore.ieee.org/abstract/document/11124392

جلسه دفاع از پایان نامه کارشناسی ارشد آقای حسین آشور مورخ ۱۴۰۴/۰۷/۱۶

جلسه دفاع از پایان نامه کارشناسی ارشد خانم فرناز قاسملو مورخ ۱۴۰۴/۰۷/۱۶

سلام. مقاله ای را اخیرا دیدم و حیفم آمد آنرا اینجا به اشتراک نگذارم.
با سپاس، خادمی
https://www.sciencedirect.com/science/article/pii/S0965856425003088?dgcid=raven_sd_via_email

جلسه دفاع از پایان نامه کارشناسی ارشد
رشته: مهندسی خطوط راه آهن

عنوان پایان نامه: تشخیص مانع در مسیر راه آهن مبتنی بر شبکه عصبي مصنوعي و پردازش تصوير

ارائه دهنده: آقای محمدجواد حب علی

استاد راهنما: خانم دکتر پگاه همدانی

تاریخ:۱۴۰۴/۰۷/۳۰ ، ساعت:۱۱:۰۰-۰۹:۰۰،مکان جلسه: اتاق سمینار ۱

نرم‌افزار بهینه‌سازی هوشمند لجستیک فولاد مبارکه (FLOW)

Freight Logistics Optimization Wizard

- نرم‌افزار FLOW مبتنی بر یک الگوریتم ریاضی هوشمند جهت کاهش هزینه‌های حمل‌ونقل، ارتقای بهره‌وری لجستیک و ارائه برنامه بهینه برای حمل مستقیم و حمل ترکیبی و شرکت‌های ریلی و جاده‌ای توسعه داده شده‌است.

- مسئله بهینه‌سازی شبکه تأمین مواد اولیه فولاد مبارکه شامل موجودیت‌های مختلف هم‌چون معادن، تولیدکنندگان، هاب‌های لجستیک، تخلیه و بارگیری، شرکت‌های حمل‌ونقل ریلی و جاده‌ای و ترکیبی است.

- این نرم‌افزار با لحاظ برنامه‌ی خرید مواد اولیه، تأمین تقاضا در نقاط مصرف، بررسی ظرفیت بارگیری در معادن و هاب‌های حمل‌ونقل ترکیبی و رعایت عدالت در توزیع کالا، پشتیبانی تصمیم جهت بهینه‌سازی تأمین مواد فولاد مبارکه را دنبال می‌کند.

کانال «شیفت» در ایتا و تلگرام:
eitaa.com/inpt1404
t.me/inpt1404

توسعه‌ی هوش مصنوعی جهت ارتقای بهره‌وری در شبکه‌ی حمل‌ونقل ریلی ایران

authors.elsevier.com/a/1mEj65aecSzCj3

www.sciencedirect.com/science/article/pii/S1568494625016643

مقاله «یادگیری عمیق تقویتی (DRL) جهت مسئله‌ی تخصیص و بازتخصیص پویای واگن برای تقاضاهای بارگیری و تحویل» در یک مجله معتبر بين‌المللی، پذیرفته و منتشر شد.
Journal:
Applied Soft Computing (Q1)

Impact Factor: 6.6

Title: Dynamic Wagon Assignment and Reassignment for Pick-Up and Delivery Requests: A Deep Reinforcement Learning Framework to Address Uncertainty in Locomotive Availability

Authors:
Parivash Habibi
Mohammad Tamannaei
Hamid Zarei

Date: 2026

این مقاله مستخرج از پایان‌نامه خانم مهندس حبیبی، دانشجوی بسیار خوبم در مقطع کارشناسی ارشد دانشگاه صنعتی اصفهان است و دوست عزیزم آقای دکتر حمید زارعی زحمت استاد مشاور را برعهده داشتند. مدل بدیع هوش مصنوعی که در مقاله توسعه دادیم (با موردکاوی شبکه‌ی ریلی ایران) ضمن کاهش سیر خالی و افزایش سوددهی واگن‌های باری شرکت‌های مالک ناوگان، تقاضای ریل‌پسند جاده را به شبکه ریلی جذب می‌نمايد و کیفیت سرویس‌دهی شبکه ریلی را ارتقا می‌دهد. البته مدل مذکور، امکان پیاده‌سازی در شبکه‌های دیگر حمل‌ونقل (همچون شبکه‌ی جاده‌ای و بندری) را نیز دارد. الگوریتم‌های طراحی‌شده در این پژوهش، جهت توسعه‌ی بخشی از سامانه‌ی جامع پشتیبان تصمیم زنجیره‌های تأمین بکار گرفته می‌شوند.

دانلود اصل مقاله

#پذیرش_مقاله
#هوش_مصنوعی
#شبکه_حمل‌ونقل_ریلی

کانال «شیفت» در ایتا و تلگرام:
eitaa.com/inpt1404
t.me/inpt1404