CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

A GA-PCA Approach for Power Sector Performance Ranking Based on Machine Productivity

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۳۰۰۳ | نظرات: ۰
سرفصل ارائه مقاله: بهره وری و بهینه سازی انرژی
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: ICEMP01_131
زبان مقاله: انگلیسی
حجم فایل: ۴۴۲.۷۴ کلیوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله A GA-PCA Approach for Power Sector Performance Ranking Based on Machine Productivity

  Ali Azadeh - Department of Industrial Engineering and Institute of Energy Management and Planning Faculty of Engineering, University of Tehran, Iran
Vahid Ebrahimipour - System Analysis Laboratory, Department of Systems Engineering, Okayama University
Kazuhiko Suzuki - System Analysis Laboratory, Department of Systems Engineering, Okayama University

چکیده مقاله:

The objective of this paper is to present a framework for ranking of power sector’s performance based on machinery productivity indicators. To rank this sector of industry, the combination of a non-deterministic method, Genetic Algorithm (hereunder GA), and two deterministic methods, Principle Component Analysis (hereunder PCA) and Numerical Taxonomy (hereunder NT) are efficiently used for all branches (sub sectors) of the power sector. In other words, all of useful and influential points of the mentioned methods are utilized to measure the power sector’s performance. In this study, validity of the GA is verified by PCA and NT. Furthermore, two nonparametric correlation methods, Spearman Correlation experiment and Kendall Tau, are used to determine the correlation among the findings of GA, PCA and NT. As a result, a great
degree of correlation is shown. To achieve the objectives of this study, a comprehensive study was conducted to recognize all economic and technical indicators (indices) which have great influences upon machine performance. These indicators are related to machine productivity, efficiency, effectiveness and profitability. Standard factors such as down time, time to repair, mean time between failure, operating time, value added and production value were considered as shaping factors. According to ISIC (International Standard Industrial Classified) codes, all of economic activities in this industry are identified to 2, 3 and 4-digit codes. By these codes, all of branches in the power sector are classified from 2 to 4–digit codes hierarchically. In this study, the data-base used to measure the 10 indicators are formed based on ISIC codes and collected from power sector in a developing country. Then through GA, the best array of branches (DMUS, Decision Making Units,) among the generations produced is selected. This array is the rank of power sub sectors which optimizes the fitness function in GA. Moreover, by PCA the major impacts of each 10 indicators on the performance are identified. Finally, the result is analyzed to promote the total system performance. This
paper presents an integrated approach for ranking of power sector based on machine productivity. Furthermore, it is shown how total machine productivity is obtained through a multivariate approach. The results of such studies would help not only top managers to have better understanding of weak and strong points in their systems’ performance but also help experts and researchers to determine the satisfactory levels of each sub sectors’ performances in supplying energy among demands. Also, this integrated method could be applied in power deregulation area, a worldwide hot topic, in which optimal allocation of several energy suppliers satisfying various economical, technical and environmental objectives is required. Moreover, the developed approach of this study could be used for continuous assessment and improvement of power sector’s performance in supplying energy with respect to overall productivity and reliability aspects (Expected Energy Not Supplied).

کلیدواژه‌ها:

Genetic Algorithms, Principle Component Analysis, Numerical Taxonomy, Machine Indicators, Productivity

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEMP01-ICEMP01_131.html
کد COI مقاله: ICEMP01_131

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Azadeh, Ali; Vahid Ebrahimipour & Kazuhiko Suzuki, ۱۳۸۵, A GA-PCA Approach for Power Sector Performance Ranking Based on Machine Productivity, اولین کنفرانس بین المللی مدیریت و برنامه ریزی انرژی, تهران, موسسه پژوهش در مدیریت و برنامه ریزی انرژی, دانشکده فنی دانشگاه تهران, https://www.civilica.com/Paper-ICEMP01-ICEMP01_131.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Azadeh, Ali; Vahid Ebrahimipour & Kazuhiko Suzuki, ۱۳۸۵)
برای بار دوم به بعد: (Azadeh; Ebrahimipour & Suzuki, ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • A. Azadeh, and V. Ebrahimipour, _ An Integrated Approach for ...
  • A. Azadeh, & V _ Eb rahimipour, _ An Integrated ...
  • A. P. Sanghavi, I. H. Shavel and R, M, Spann, ...
  • S. O. Orero and M. R. Irving, ،0A Genetic Algorithm ...
  • D. E. Goldberg, Genetic Algorithm in Search and Optimization, Addis ...
  • L. Davis, Hand Book of Genetic Algorithms, Ed, Nev York, ...
  • M. A. Azadeh and V. Ebrahimipour, 00A Multivariate Approach for ...
  • United Nations International Standard Industries Clas sification of All Economic ...
  • UNIDO Industrial development: Global Report 1997. ...
  • UNIDO International Year Book of Industrial Statistics 1999. ...
  • World Bank World Development Report, 1995. ...
  • World Bank World Development Indicators, 1998. ...
  • S. Sharma, Applied Multivariate techniques, New York, John Wiley & ...
  • J. Zhu, 0Data Envelopment Analysis VS. Principal Component Analysis: An ...
  • K. _ Kapur and L. R. Lamberson, Reliability in Engineering ...
  • R. Minhas and E. Jacobs, ،Benefit Segmentation by Factor Analysis: ...
  • R. Agarwala, ،4On the Approx imability of Numerical Taxonomy (fitting ...
  • B. S. Blanchard and W. Y. Fabrychy, System Engineering and ...
  • S. Nakajima, Maintenance Management and Control, 2nd ed. Handbook of ...
  • E. V. Corrie, Cost control Begins with Budgeting in Modern ...
  • C. R. Hulten, Total Factor Productivity: A Short Biography, In ...
  • D. S. Sink, Productivity Management, 1st Ed. New York: John ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۸۷۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.