در دو دهه قبل توانایی های فنی بشر برای تولید و جمع آوری داده ها به سرعت افزایش یافته است. بطور کلی استفاده همگانی از وب و اینترنت ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. داده کاوی را می توان عمل استخراج اطلاعات پنهان در یک پایگاه داده بزرگ تعریف کرد. داده کاوی به تحلیلگران برای پیدا کردن الگوها و روابط بین داده ها کمک می کند. یکی از مهمترین زمینه های داده کاوی کشف قوانین وابستگی یا Association Rules mining می باشد که هدف از آن یافتن قوانین الگوهای پنهان در بین حجم زیادی از داده ها است. همچنین چگونگی کاوش در بین داده هایی که حاوی اطلاعات زمانی هستند به عنوان یک مساله مهم در امر داده کاوی مطرح است. از آن جایی که بعضی از اقلام داده در کل پایگاه داده به وفور تکرار نمی شوند، در صورتی که در یک بازه زمانی دارای درجه پشتیبانی (support) بالایی هستند،Temporal Association Rules mining به کشف قوانین موجود در یک بازه زمانی در پایگاه داده می پردازند. یکی از مسائل مهم در زمینه کاوش در داده های زمانی چگونگی تقسیم بندی داده ها به بازه های زمانی می باشد. در این مقاله با ارائه روشی که از الگوی تقویمی برای مشخص کردن بازه های زمانی استفاده می کند و ترکیب آن با روشی که از گراف رابطه بین اجزای پایگاه داده استفاده می کند به استخراج قوانین موجود در این بازه های زمانی پرداخته می شود.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

از بین سیستمهای حمل و نقلی راه آهن اقتصادی ترین و ایمنترین ابزار جابجایی بار و مسافر محسوب می شود که ترافیک را کاهش داده و حداقل آلودگی را برای محیط زیست به دنبال دارد. یکی از کلیدی ترین راههای حفظ و ارتقا جذابیت جابجایی با استفاده از راه آهن برای مسافران و صاحبان بار، ارتقا سطح ایمنی است. طراحی و پیاده سازی سیستمهای ایمنی نیازمند آن است که از شرایط خاصی که در سطح شبکه راه آهن ما ناامنی ایجاد می کند آگاهی کافی وجود داشته باشد. بسیار اتفاق می افتد که سوانح به دلیل عدم توجه به شرایط مشابه در گذشته به وقوع می پیوندد. لازم است مسوولان ایمنی این صنعت با بهره جستن ازتجارب حاصل از سوانح گذشته، زمینه تکرار آنرا در آینده از بین ببرند. استفاده از تکنیکها و ابزارهای جدید و به روز، می تواند دیدی متفاوت با انچه تا به حال از تکنیکهای آماری توصیفی توسط متصدیان ایمنی راه آهن ارایه گردیده است. جهت ارتقاء سطح ایمنی بوجود آورد. مقاله حاضر تحقیقاتی است که برروی داده های سوانح ریلی راه آهن ج.ا.ا بدین منظور صورت پذیرفته است. در این تحقیق با استفاده از تکنیک association Rules که یکی از تکنیکهای کارآمد داده کاوی محسوب است. به تحلیل داده های سالهای 75 تا 85 سوانح راه آهن ایران پرداخته شده است تا روندها، ارتباط بین فاکتورهای سوانح و الگوهای تکرار شونده ای که در نگاه اول و با استفاده از تکنیکهای آماری پنهان باقی می مانند، استخراج گردند. همچنین لازم به ذکر است جهت انجام تحقیقات از متدولوژی CRISP-DM و نرم افزار Clementine استفاده شده است. در انتها با تکیه بر دانش و تجربیان مستند شده حاصل از تحلیل داده ها دستورالعملهایی ارایه گردیده است که با پیاده سازی آنها از تکرار الگوها، روندها، و ارتباطات شناسایی شده موجود بین فاکتورهای سوانح در آینده پیشگیری شود.

تا دو دهه قبل طراحی قالب با روش حدس و خطا جز بزرگترین معضلات قالبسازان به حساب می آمد. از طرفی برطرف نمودن عیوب قالب پس از راهاندازی آن و مشاهده معایب قطعه تولیدی نیز هزینه های بیشتری را متوجه سازندگان قالب و تزریق کاران صنعت پلاستیک می کند. امروزه صنعت قالبگیری به سمت استفاده از آخرین تکنولوژی به شکل برنامه های کامپیوتری که چگونگی جریان سیال درون قالب و خنک سازی و سایر قسمت های قالبگیری تزریقی را شبیه سازی می کند هدایت شده است. با استفاده از نرم افزارهای پیشرفته امروزی می توان هزینه های بالای نیروی انسانی، آزمون های پیاپی عملی، مواد، دستگاه، مشکلات احتمالی و زمان حصول نتیجه در پژوهش های صنعتی را به حداقل رساند. نرم افزار Mold Flow یکی از قدرتمندترین و کاربردیترین نرم افزارهای مهندسی است که در شکل دهی تزریق پلیمرها به کار می رود و قابلیت طراحی قالب، پیش بینی معایب قطعات تزریقی و حصول به شرایط بهینه فرآیند را دارا می باشد. در این مقاله سعی شده است بدون استفاده از روش سعی و خطا و با توجه به کارایی بالای نرم افزار Mold Flow در فرآیند تزریق، سیکل تولید سپر پراید کاهش یابد و در نهایت هزینه های ذخیره شده در تولید این قطعه گزارش شود بدین ترتیب که پس از طراحی قطعه و ورود آن به نرم افزار، قطعه مش بندی شد. سیستم خنک کاری و راهگاهی مطابق شرایط موجود طراحی گردید و پس از انجام انواع آنالیزها در شرایط فرآیندی مختلف، زمان تولید سپر از 89 ثانیه به 72 ثانیه کاهش یافت.