ارزیابی عملکرد پالایشگاه های کشور با مدل ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی

پژوهش کارشناسی ارشد مهندسی صنایع با عنوان ارزیابی عملکرد پالایشگاه های کشور با مدل ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی با فرمت ورد در ۱۲۲ صفحه

چکیده تحقیق ارزیابی عملکرد پالایشگاه های کشور با مدل ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی :

کارایی و رتبه بندی زیرمجموعه های یک صنعت کاری ضروری است ، و لازم است حداقل سالی یکبار عملکرد آنها را برپایه اصول علمی مورد ارزیابی قرار داد.

صنعت نفت و گاز به عنوان یکی از اساسی ترین صنایع ایران از حساس ترین و مهمترین منابع درآمد دولت به شمار میرود .بدیهی است وجود کارایی در این صنعت عایدات دولت را چندین  برابر مینماید و این مهم جز با ارزیابی دقیق و صحیح واحدها ی تحت پوشش میسر نمیشود .

از آنجایی که تحلیل پوششی داده ها کارایی متفاوتی در طول زمان ارائه میدهد و به هیچ پیش فرض اولیه ای درباره مرز کارایی نیاز ندارد لذا در میان تمام روشهای ارزیابی عملکرد ، DEA در سازماندهی و تحلیل داده ها بهترین روش است .بنابراین با جمع آوری اطلاعات ورودی و خروجی ۶ پالایشگاه کشور کارایی آن ها را محاسبه کرده و واحدهای کارا و ناکارا شناسایی شدند.. اما DEA قادر به تفکیک کارایی همه ی پالایشگاه ها ازیکدیگرنیست . دلیل این موضوع کمبود تعداد واحدهای تصمیم گیرنده (۶ پالایشگاه ) نسبت به تعداد ورودی و خروجی ها( ۴ ورودی و ۴ خروجی ). لذا DEA قادر به رتبه بندی کامل واحدها نیست، بنابراین از تلفیق تحلیل پوششی داده ها و شبکه عصبی مصنوعی به منظور اندازه گیری عملکرد واحدها ی تصمیم گیرنده استفاده شده است به نحوی که مشکل مذکور برطرف گردد. و در آخر مقایسه ای بین نتایج حاصل از این دو روش صورت گرفته است .

کلمات کلیدی :

کارایی ، ارزیابی عملکرد ، تحلیل پوششی داده ها ، شبکه عصبی ، پالایشگاه

فهرست مطالب تحقیق ارزیابی عملکرد پالایشگاه های کشور:

فصل اول. ۱

کلیات تحقیق. ۱

۱-۱- مقدمه. ۲

۱-۲- تعریف مسأله. ۳

۱-۳- اهداف اساسی از انجام تحقیق. ۴

۱-۴- ضرورت انجام تحقیق. ۴

۱-۵- فرضیات تحقیق. ۵

۱-۶- جامعه آماری.. ۵

۱-۷- قلمرو تحقیق. ۵

۱-۸- مراحل انجام تحقیق : ۵

فصل دوم. ۷

مرور ادبیات و بررسی پیشینه ی تحقیق. ۷

۲-۱- مقدمه. ۸

۲-۲- تعاریف کارایی. ۸

۲-۳- روش های اندازه گیری کارایی فنی. ۹

۲-۳-۱- روش های پارامتری.. ۹

۲-۳-۲- روش های نا پارامتری.. ۹

۲-۴- مقایسۀ رگرسیون وتحلیل پوششی داده ها ۹

۲-۵- مفاهیم کارایی. ۱۰

۲-۶- استفاده ازنسبت دراندازه گیری کارایی. ۱۱

۲-۷- انواع مدل های پایه ای (کلاسیک) تحلیل پوششی داده ها : ۱۱

۲-۷-۱- مدل CCR : 12

۲-۷-۲- مدل BCC. 17

۲-۷-۳- مدل جمعی ( SBM= Slack Based Model ) 20

۲-۸- رتبه بندی واحد های کارا ۲۱

۲-۹- روش اندرسون – پیترسون ۲۱

۲-۱۰- شبکه های عصبی مصنوعی ( ANNs ) 22

۲-۱۰-۱- مقدمه. ۲۳

۲-۱۰-۲- شبکه عصبی. ۲۳

۲-۱۰-۳- معرفی شبکه عصبی مصنوعی. ۲۴

۲-۱۰-۴- تاریخچه شبکه‌های عصبی مصنوعی. ۲۴

۲-۱۰-۵- چرا از شبکه‌های عصبی استفاده می‌کنیم؟ ۲۵

۲-۱۰-۷- ساختار شبکه‌های عصبی. ۲۶

۲-۱۰-۸- تقسیم بندی شبکه‌های عصبی. ۲۷

۲-۱۰-۹- کاربرد شبکه‌های عصبی. ۲۸

۲-۱۰-۱۰- معایب شبکه‌های عصبی. ۲۸

۲-۱۰-۱۱- مسائل مناسب برای یادگیری شبکه های عصبی. ۲۸

۲-۱۱- یادگیری یک پرسپترون. ۲۹

۲-۱۱-۱- آموزش پرسپترون. ۳۱

۲-۱۱-۲- الگوریتم یادگیری پرسپترون. ۳۱

۲-۱۲- مقایسه آموزش یکجا و افزایشی. ۳۲

۲-۱۳- شبکه های چند لایه. ۳۲

۲-۱۴- الگوریتم Back propagation. 33

۲-۱۵- شبکه های عصبی چند لایه پیش خور ۳۷

۲-۱۶- انواع شبکه های عصبی : ۳۸

۲-۱۶-۱- شبکه عصبی پرسپترون. ۳۹

۲-۱۶-۲- شبکه همینگ.. ۴۰

۲-۱۶-۳- شبکه هاپفیلد. ۴۱

۲-۱۶-۴- شبکه عصبی خود سازمانده مدل کوهنن. ۴۲

۲-۱۶-۵- شبکه عصبی تأ خیر زمانی. ۴۲

۲-۱۷- مدل ترکیبی شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (NEURO/DEA ) 43

۲-۱۷-۱- مقدمه. ۴۴

۲-۱۷-۲- الگوریتم تحلیل کارایی. ۴۶

۲-۱۷-۳- نرمال سازی داده ها ۴۶

۲-۱۸- مفاهیم کارایی ، بهره وری و اثربخشی. ۴۹

۲-۱۹- مروری بر مطالعات انجام شده ۵۰

فصل سوم. ۶۲

روش تحقیق.. ۶۲

۳-۱- مقدمه. ۶۳

۳-۲- روش تحقیق. ۶۳

۳-۳- جامعه آماری.. ۶۴

۳-۴- شیوه گردآوری اطلاعات.. ۶۴

۳-۵- مراحل انجام تحقیق. ۶۴

۳-۶- شیوه نرمال سازی.. ۶۵

۳-۷- ارزیابی و تحلیل کارایی فنی پالایشگاه های گاز کشور با رویکرد تحلیل پوششی داده ها (DEA ) 65

۳-۷-۱- مدل سازی ریاضی. ۶۶

۳-۷-۲- مدل مضربی CCR ورودی محور ۶۶

۳-۷-۳- روش اندرسون – پیترسون بر ای رتبه بندی واحدهای کارا ۶۷

۳-۸- دلایل استفاده از مدل مضربی CCR ورودی محور در مقایسه با مدل BCC. 67

۳-۹- روش تحقیق مورد استفاده در تحلیل کارایی با مدل های ترکیبی Neuro/DEA. 68

۳-۹-۱- مدل مورد استفاده در تحقیق. ۶۹

۳-۹-۲- روش به کار گرفته شده در مدل های ترکیبی Neuro/DEA1 و Neuro/DEA2 جهت ارزیابی واحد ها ۷۰

فصل چهارم. ۷۱

نتایج و تفسیر آن ها ۷۱

۴-۱- مقدمه. ۷۲

۴-۲- نرمالیز کردن داده ها ۷۳

۴-۳- الگوریتم پس انتشار ۷۷

۴-۴- شبکه پیش سو ۷۸

۴-۵- جمع آوری داده ها : Neuro – DEA. 78

۴-۶- نرمال سازی داده ها Neuro /DEA. 79

۴-۷- داده های آموزش.. ۸۰

۴-۸- داده های تست.. ۸۰

۴-۹- عملیات آموزش.. ۸۲

۴-۱۰- نمایش نمودارها ۸۴

فصل پنجم. ۸۷

نتیجه گیری و پیشنهادات.. ۸۷

۵-۱- محدودیت های انجام تحقیق. ۸۸

۵-۲- نتیجه گیری.. ۸۸

۵-۳- تحقیقات آتی. ۸۹

منابع و مراجع. ۹۰

منابع فارسی. ۹۱

منابع انگلیسی. ۹۳

ادامه مطلب