ادبیات و مبانی نظری کارت امتیازی متوازن (BSC) و مدل تعالی بنیاد اروپایی مدیریت کیفیت (EFQM) ورژن 2010 ( برگرفته از پایان نامه کارشناسی ارشد مدیریت : تحلیل ارتباط مدل تعالی EFQM و کارت امتیازی متوازن BSC) به همراه منابع و مواخذ تحقیق
فایل اصلی : Word
تعداد کل صفحات : 66 صفحه +2صفحه منابع
حجم فایل zip : 108k
فهرست مطالب به شرح زیر می باشد :
فصل دوم: مرور ادبیات در زمینه مفاهیم کارت امتیازی متوازن (BSC) ، مدل تعالی بنیاد اروپایی مدیریت کیفیت (EFQM) ورژن 2010 و ادبیات مقایسه EFQM و کارت امتیازی متوازن و بررسی زمینه هایی که دو مدل یکدیگر را پشتیبانی می کنند
2-1- کارت امتیازی متوازن ( BSC)
13
2-1-1- استراتژی
13
2-1-2- اهمیت استراتژی
15
2-1-3- مدیریت استراتژی
16
2-1-4- مدیریت و برنامه ریزی استراتژیک در سازمان های دولتی و غیرانتفاعی
17
2-1-5- اجرای راهبرد
20
2-1-6- کارت امتیازی متوازن نسل اول
21
2-1-7- کارت امتیازی متوازن نسل دوم
25
2-1-8- کارت امتیازی متوازن نسل سوم
27
2-1-8-1- فرآیند اول - ترجمه چشم انداز
28
2-1-8-2- فرایند دوم - ارتباط و برقراری ارتباط
29
2-1-8-3- فرایند سوم - برنامه ریزی کسب وکار
29
2-1-8-4- فرایند چهارم - باز خورد ویادگیری
29
2-1-9- نقشه استراتژی
32
2-1-9-1- منظر مالی
35
2-1-9-2- منظر مشتری
35
2-1-9-3- منظر فرآیندهای داخلی
39
2-1-9-4- منظر یادگیری و رشد
41
2-2- مدل تعالی بنیاد اروپایی مدیریت کیفیت (EFQM) ورژن 2010
43
2-2-1- ساختار و چارچوب معیارهای مدل EFQM
48
2-2-2- ساختار اجزای مدل EFQM
49
2-2-3- ارزشها و مفاهیم بنیادین مدل تعالی EFQM
50
2-2-4- معیارهای مدل تعالی EFQM , 2010
51
2-2-4-1- رهبری
52
2-2-4-2- راهبرد
52
2-2-4-3- کارکنان
52
2-2-4-4- مشارکتها و منابع
53
2-2-4-5- فرآیندها ، محصولات و خدمات
53
2-2-4-6- نتایج مشتری
53
2-2-4-6- الف – برداشت ها
53
2-2-4-6- ب – شاخص های عملکردی
53
2-2-4-7- نتایج کارکنان
54
2-2-4-7- الف – شاخص های برداشتی
54
2-2-4-7- ب – شاخص های عملکردی
54
2-2-4-8- نتایج جامعه
54
2-2-4-8- الف – مقیاس های اداراکی
54
2-2-4-8- ب – شاخص های عملکردی
55
2-2-4-9- نتایج کلیدی عملکرد
55
2-2-4-9- الف – دستاوردهای راهبردی کلیدی
55
2-2-4-9- ب – شاخص های عملکردی
55
2-2-5- امتیازها
56
2-3- مقایسه مدل تعالی بنیاد اروپایی مدیریت کیفیت (EFQM) و کارت امتیازی متوازن ( BSC) و بررسی زمینه هایی که دو مدل یکدیگر را پشتیبانی می کنند
58
2-3-1- مقایسه دو مدل
58
2-3-2- زمینه هایی که دو مدل EFQMو کارت امتیازی متوازن یکدیگر را پشتیبانی می کنند
64
2-3-2-1- زمینه هایی پشتیبانی از نگاه کارت امتیازی متوازن
65
2-3-2-2- زمینه هایی پشتیبانی از نگاه مدل EFQM
68
2-3-2-3- ارائه چارچوبی جهت بررسی کارت امتیازی متوازن در برابر معیار های مدل EFQM
71
5-4- فهرست منابع
144
5-4-1- فهرست منابع فارسی
144
5-4-1- فهرست منابع انگلیسی
145
فرمت فایل : WORD (قابل ویرایش)
تعداد صفحات:145
فهرست مطالب:
چکیده: 5
فصل اوّل: 1
مقدمه 1
مقدمه: 2
فصل دوم: 5
مقدمهای بر مقایسهی شبکههای عصبی بیولوژیکی و مصنوعی و شیوههای یادگیری در آنها 5
1-2 انسان و کامپیوتر: 6
2-2 ساختار مغز: 8
شکل 1-2 مشخصات اصلی یک نرون بیولوژیک 9
شکل 2-2 ورودیهای نرون باید از آستانه معینی تجاوز کند تا نرون بتواند کنش کند. 11
1-2-2 یادگیری در سیستمهای بیولوژیک: 11
2-2-2 سازمان مغز: 12
3-2 یادگیری در ماشینها: 13
4-2 تفاوتها: 14
چکیده نکات مهم فصل دوم: 16
فصل سوم: 17
بازشناسی الگوها 17
بازشناسی الگوها: 18
1-3 مقدمه: 18
2-3 چشمانداز طرح شناسی: 18
3-3 تعریف بازشناسی الگوها: 19
4-3 بردارهای مشخصات و فضای مشخصات: 20
شکل 1-3 یک فضای مشخصات دوبعدی اقلیدسی 21
5-3 توابع تشخیصدهنده یا ممیز 21
شکل 2-3 محدودهی تصمیم یک طبقهبندی خطی. 23
6-3 فنون طبقهبندی: 23
1-6-3 روش طبقهبندی «نزدیکترین همسایه»: 23
شکل 3-3 طبقهبندی به وسیله مقایسه با «نزدیکترین همسایه» 24
شکل 4-3 اندازهگیری تا نزدیکترین همسایه گاه باعث خطا میشود. 25
2-6-3 میزانهای اندازهگیری فاصله 25
فاصلهی همینگ 25
شکل 5-3 فاصله اقلیدسی 27
8-3 بازشناسی الگوها – خلاصه : 32
چکیده نکات مهم فصل سوم: 32
فصل چهارم: 33
نرون پایه 33
2-4 مدلسازی نرون تنها: 34
شکل 2-4 نمای مدل اصلی نرون. 36
3-4 تابع آستانه 37
شکل 8-4 آیا میتوانیم Aها را از Bها تمیز دهیم؟ 42
1-3-4 الگوریتم فراگیری پرسپترون: 45
1-4-4 یادگیری و تعدیل وزنها در آدالاین: 48
جدول 3-4) جدول ارزش گزاره مربوط به تابع 52
2-4-4 قاعده دلتا برای ورودیها و خروجیهای دوقطبی: 54
جدول 8-4) الگوی مرحله دوم استفاده از مجموعه آموزش، برای تابع 56
جدول 9-4) 57
شکل 9-4 دو مجموعهی مجزا از الگوها در فضای دوبعدی. 58
شکل 10-4 رفتار بردار ضرایب وزنی در فضای الگوها. 59
شکل 11. 60
تعاریف: 61
7-4 محدودیتهای پرسپترون: 65
8-4 آیا این به معنای پایان راه است؟ 67
1-8-4 نتیجهگیری: 68
فصل پنجم: 69
پرسپترون چندلایهای 69
1-2-5 رفع مشکل: 70
شکل 2-5 دو راه ممکن برای توابع آستانهای. 72
شکل 3-5 پروسپترون چند لایهای. 73
شکل 5-5) نمایش مدل پرسپترون چند لایه به صورت اختصاری 74
1-4-5 ریاضیات: 76
5-5 الگوریتم پرسپترون چند لایهای: 80
شکل 6-5 یک راه برای مسئله XOR. 82
7-5 تجسم رفتار شبکه : 85
8-5 پروسپترون چند لایهای به عنوان دستگاه طبقه بندی: 89
شکل 18-5 95
آموزش تدریجی: 98
آموزش یکباره: 98
12-5 تعمیمدهی: 100
13-5 تحمل نقص: 102
14-5 مشکلات آموزش 103
کاهش ضریب بهره: 104
افزایش تعداد گرههای داخلی 104
1-14-5 سایر مشکلات آموزش: 105
1-15-5 شبکهی گویا: 105
2-15-5 فیلتر کردن اغتشاش ای – سی – جی (ECG) 106
3-15-5 کاربردهای مالی: 107
4-15-5 بازشناسی الگوها: 108
فصل ششم: 111
بررسی ویژگیها و مدلسازی رآکتور شیمیایی مورد بحث در این پروژه: 111
1-1-6) پرسپترونهای چندلایه: 112
شکل 2-6) یک پرسپترون سهلایه 113
3-6- آزمون صحت عملکرد مدل: 118
4-6- کنترل غیر خطی پیشبین: 120
5-6- ویژگیهای رآکتور مورد مطالعه: 122
شکل 5-6) شکل شماتیک از رآکتور مورد مطالعه 122
شکل 7-6) مدل دینامیکی 124
7-6) نتایج شبیهسازی: 127
جدول 1-6) دقت تخمین، برای مدلهای مختلف آموزش 128
فصل هفتم: 130
نتیجهگیری 130
پیوستها: 133
بخش دوم: 136
2-ب- برنامهی آموزش به شبکه: 137
3-ب- برنامه بررسی صحت عملکرد پاسخهای پیشبینی شده: 138
مراجع: 139
چکیده:
در این پروژه، ورودیها و خروجیهای یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکههای عصبی مصنوعی از نوع پرسپترونهای چندلایه برای این منظور مناسب است. در کنار این نوع از مدلسازی، استفاده از یک شیوهی مناسب برای کنترل پیشگویانه (پیش بینانه)ی مدل یاد شده، ضروری است.
مدلهای برگشتی تصحیح شونده که از قوانین تعدیل ماتریسهای وزنی مسیرهای ارتباطی بین نرونهای مدل استفاده میکنند، در این پروژه به کار گرفته شدهاند.
این قوانین برای آموزش سیستم، جهت کنترل و دستیابی به خروجی مطلوب در زمانهای بعدی به کار میروند.
فراگیری در این سیستم نیز از نوع فراگیری با سرپرست میباشد؛ به این صورت که معادلهی دیفرانسیل دینامیکیِ سیستم در دسترس است و بنابراین مقادیر مطلوب برای متغیر هدف، که سیستم باید به آن برسد، برای زمانهای آینده مشخص میباشد و خروجی سیستم با استفاده از یک کنترلکنندهی پیشبین، همواره باید به این اهداف دست یابد. سیستم مورد مطالعه در این پروژه، یک رآکتور شیمیایی است که برای اختلاط پیوستهی مواد شیمیایی واکنش دهنده با غلظتها و مقادیر تعریف شده و تولید یک مادهی محصول با یک غلظت متغیر با زمان به کار میرود؛ که میزان مطلوب این غلظت در یک زمان خاص، بهعنوان هدف مطلوبی است که سیستم باید به آن دست یابد.
همچنین بهجای یک سیستم واقعی، از یک مدل نرمافزاری برای جمعآوری دادههای ورودی و خروجی استفاده می شود و در نهایت، نتایج این مدل سازی موفقیتآمیز، توانایی روشهای مدل سازی هوشمند را همانگونه که در این تحقیق آمده است، اثبات میکند.
کلمات کلیدی: هوش مصنوعی، شبکه های عصبی مصنوعی، رآکتور شیمیایی، کنترل پیشبین، نرون، پتانسیل فعالیت، پرسپترون چندلایه غیر خطی، تورش، سیستمهای غیر خطی، بازشناسی الگو، دستگاههای طبقهبندی خطی و غیر خطی، قاعدهی پس انتشار خطا، تعدیل ضرایب وزنی، شبیهسازی، مدل دینامیکی کامل / ناکامل شبکهی عصبی مصنوعی
ارائه مدل دیفرانسیلی پلیتروپیک به منظور ارزیابی عملکرد موتور استرلینگ با در نظر گرفتن مدلهای مختلف انتقال حرارت در بازیاب (رایگان)
چکیده:
یک مدل حرارتی دیفرانسیلی بمنظور شبیه سازی عملکرد حرارتی موتور استرلینگ ارائه گردیده است. در این مدل با ارزیابی واقعی تر عملکرد موتور، فرایند انبساط و تراکم پلیتروپیک جایگزین مدلهای هم دما و آدیاباتیک پژوهشهای پیشین شده و علاوه بر این اثر افتهای مختلف موجود در موتور واقعی به منظور تصحیح مدل وارد مدل پلی-تروپیک توسعه داده شده گردیده است. برای این منظور اثر غیر ایدهآل بودن بازیاب حرارتی در نظر گرفته شده و میزان حرارت بازیابی شده توسط بازیاب، تصحیح گردیده و غیر ایدهآل بودن گرمکن و خنککن مورد ارزیابی قرار گرفته است. سپس فشار در محفظههای موتور تصحیح گردیده و به منظور ارزیابی صحیح از کار تراکمی و انبساطی از روش تحلیل ترمودینامیک سرعت محدود استفاده شده است. در نهایت اثر انتقال حرارت به واسطه هدایت طولی در بازیاب، نشت جریان بین سیلندر و پیستون و اتلاف حرارتی پیستون (اثر شاتل) بین محفظه گرم و سرد، به مدل مورد نظر اعمال گردیده و مدل توسعه داده شده روی یک موتور استرلینگ نمونه موسوم به موتور GPU-3 بکار گرفته شده و دقت مدل دیفراسیلی بدستآمده با استفاده از نتایج آزمایشگاهی موجود، صحهگذاری شده و با مدلهای حرارتی قبلی مقایسه گردیده است. با توجه به تاثیر بسیار زیاد عملکرد بازیاب روی کارکرد موتور استرلینگ و توجه به وجود مدلهای حرارتی مختلف برای بازیاب، این مدلهای حرارتی مربوط به بازیاب در مدل پلی تروپیک آزمایش گردیده و از طریق مقایسه با نتایج آزمایشگاهی دقیقترین مدل حرارتی برای بازیاب معرفی گردیده است.
کلیدواژگان: موتور استرلینگ؛ مدل پلیتروپیک؛ مدل حرارتی دیفرانسیلی؛ ترمودینامیک سرعت محدود؛
برای دانلود فایل کامل مقاله اینجا کلیک کنید
سالانه بسیارى از پل ها در اثر پدیده آبشستگى در مواقع سیلابى که شریان هاى ارتباطى به مناطق سیل زده هستند، تخریب مى شوند و دسترسى و امداد رسانى به مناطق سیل زده با مشکلات مواجه مى شود. لذا با توجه به اهمیت اساسى این سازه، پرداختن به مباحثى که تخمین صحیحى از پارامترهاى آبشستگى اطراف پایه هاى آن ها را در اختیار مسئولین بگذارد، ضرورى بنظر مى رسد. در این تحقیق با بهره گیری از نرم افزار Flow-3D، به تخمین عمق چاله آبشستگى و انتقال بار بستر در شرایط بستر متحرک با وجود جریان رسوبى در کانال خود شکل یافته پرداخته شد و میزان توانایی نرم افزار مذکور در تخمین عمق آبشستگى در مقایسه با نتایج آزمایشگاهى مورد ارزیابی قرار گرفت. جهت صحت سنجى نتایج حاصل از این تحقیق از نتایج مطالعات آزمایشگاهى دکتر بابائیان (1997) استفاده شده است. بررسى نتایج نشان مى دهد مقادیر عمق آبشستگى تخمین زده شده توسط مدل نسبت به مقادیر نظیر آزمایشگاهى دارای ضریب همبستگی 919/0 و میزان خطاى 76/4 درصد می باشد.
سال انتشار: 1392
تعداد صفحات: 11
فرمت فایل: pdf
موضوع فارسی : مدل بر اساس کنترل تحمل پذیر خطا برای تضمین عملکرد یک سیستم قدرت هیبریدی باد دیزل در یک پیکربندی ریزشبکه
موضوع انگلیسی : Model-Based Fault-Tolerant Control to Guarantee the Performance of a Hybrid Wind-Diesel Power System in a Microgrid Configuration
تعداد صفحه : 8
فرمت فایل :pdf
سال انتشار : 2013
زبان مقاله : انگلیسی
چکیده
در این مقاله یک مقایسه دو طرح مختلف کنترل تطبیقی برای بهبود عملکرد یک
باد دیزل سیستم قدرت هیبریدی در یک ریزشبکه جزیره در برابر کنترل پیکربندی پایه، IEEE نوع 1
رگولاتور ولتاژ اتوماتیک (AVR). طرح اول به استفاده از مدل کنترل تطبیقی مرجع (MRAC) با
انتگرال متناسب مشتق (PID) کنترل تنظیم شده توسط یک الگوریتم ژنتیک (GA) به کنترل سرعت دیزل
موتور (DE) برای تنظیم فرکانس سیستم قدرت و شما با استفاده از یک MRAC کلاسیک برای کنترل ولتاژ
دامنه ماشین سنکرون (SM).