Forwarded from دانشکده مهندسی عمران
جلسه دفاع از پایان نامه کارشناسی ارشد آقای حسین آشور مورخ ۱۴۰۴/۰۷/۱۶
Forwarded from دانشکده مهندسی عمران
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
با سپاس، خادمی
https://www.sciencedirect.com/science/article/pii/S0965856425003088?dgcid=raven_sd_via_email
Forwarded from پژوهش حمل و نقل
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
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
Forwarded from شبکه یکپارچه فرآوری و ترابری
Media is too big
VIEW IN TELEGRAM
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
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
Forwarded from شبکه یکپارچه فرآوری و ترابری
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
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