ششسیگما فلسفه بهبود مستمر است و به سمت عالی شدن در همه کارها پیش میرود . ششسیگماسیستمی است که تعیین میکند کجا قرار گرفتهایم ، دوست داریم کجا باشیم ، چگونه به آن مقصد خواهیم رسید و چگونه در طول راه پیشرفت خواهیم نمود.
ششسیگما ابزاریست که برای میزانسازی دقیق ماشین فرایند بکار میرود و اینکار را از طریق مشتریمداری، بهبود مستمر و درگیر کردن و مشارکت همه اعضا در داخل و خارج سازمان انجام میدهد.
فرآیندھا معمولاً با نمونه گیری در فواصلی منظم، نظارت می شوند. این مقادیر نمونه ھا، معمولاً بر روی یک نمودار نشان داده می شوند که نمودار کنترل فرآیند نام دارند که معمولاً یا با میانگین و یا با انحراف معیار نشان داده می شوند. نمودارھای کنترل فرآیند برای این منظور طراحی شده اند که بتوانند در درازمدت تغییر میانگین (یا انحراف معیار) را تشخیص دھند تا شرکت ھا بتوانند این تغییرات را مورد بررسی قرار دھند و در صورت نیاز اقدامات اصلاحی را انجام دھند.
ما در این جزوه نحوه کار کردن با نمودارھای میانگین و نمودارھای انحراف معیار را شرح می دھیم و ھمچنین داده ھای وصفی را با استفاده از نمودارھای کنترل مورد بررسی قرار خواھیم داد. ھر کدام از این نمودارھا به سادگی میتوانند به وسیله اکسل ایجاد شوند.
ادامه مطلب ...امروزه استفاده از نرم افزار های کامپیوتری جهت انجام محاسبات ریاضی و حل معادلات و اجرای الگوریتم های پیچیده بسیار پر کاربرد می باشد. نرم افزار Matlab به جهت راحتی در استفاده و گسترش و ساده و وروان بودن جهت کد کردن الگوریتم و مدل ها، از پر کاربرد ترین نرم افزار ها می باشد.
با توجه به حجم بالای مسائل دنیای واقعی و تعداد زیاد عوامل و متغیر های درگیر در آن، استفاده از الگوریتم های فرا ابتکاری اغلب به استفاده از روش های دقیق ترجیح داده می شود. چون علاوه بر این که در اغلب موارد جواب های نزدیک به بهینه و رضایت بخشی ایجاد می نمایند، دارای زمان محاسباتی بسیار منظقی و رضایت بخشی می باشند.
با توجه به بهبود هایی که الگوریتم های کلاسیک داشته اند و الگوریتم های جدیدی که معرفی گردیده اند، طیف وسیعی از مسائل دنیای واقعی را می توان با روش ها و الگوریتم های فرا ابتکاری حل کرد. (دانلود فایل در ادامه مطلب)
ادامه مطلب ...الگوریتمهای فراابتکاری یا فراتکاملی یا فرااکتشافی نوعی از الگوریتمهای تصادفی هستند که برای یافتن پاسخ بهینه به کار میروند.
روشها و الگوریتمهای بهینهسازی به دو دسته الگوریتم های دقیق (exact) و الگوریتمهای تقریبی (approximate algorithms) تقسیمبندی میشوند. الگوریتمهای دقیق قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسائل بهینه سازی سخت کارایی کافی ندارند و زمان اجرای آن ها متناسب با ابعاد مسائل به صورت نمایی افزایش مییابد. الگوریتمهای تقریبی قادر به یافتن جوابهای خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینهسازی سخت هستند. الگوریتمهای تقریبی نیز به سه دسته الگوریتمهای ابتکاری (heuristic) و فراابتکاری (meta-heuristic) و فوق ابتکاری (hyper heuristic) بخش بندی می شوند. دو مشکل اصلی الگوریتمهای ابتکاری، گیر افتادن آنها در نقاط بهینه محلی، همگرایی زودرس به این نقاط است. الگوریتمهای فراابتکاری برای حل این مشکلات الگوریتمهای ابتکاری ارائه شدهاند. در واقع الگوریتمهای فراابتکاری، یکی از انواع الگوریتمهای بهینهسازی تقریبی هستند که دارای راهکارهای برونرفت از نقاط بهینه محلی هستند و قابلیت کاربرد در طیف گسترده ای از مسائل را دارند. (دانلود فایل در ادامه مطلب)
ادامه مطلب ...