آنچه خواهید آموخت
امروزه قبل از آنکه برای هدفی بخواهیم برنامهریزی داشته باشیم، باید آن را تصویرسازی کرده تا بتوان بهتر دربارهی فرآیندهای آن تصمیمگیری کرد و ایرادات احتمالی را به صفر رساند. در واقع کاری که در تخصص مهندسی صنایع است؛ کاربرد متلب در مهندسی صنایع به این جهت است تا در امور صنعتی یا اجرای پروژه و راهاندازی یک کسبوکار این تصویر سازی در قالب شبیهسازی مطرح میشود، به این صورت که مراحل و اهدافی که قصد پیادهسازی آنها وجود دارد یا خدمت و کالایی عرضه میشود، با در نظر گرفتن تمام جوانب مورد نظر و پیشبینی رفتارهای احتمالی در مدل شبیهسازی شده میتوان به بهبود هر چه بیشتر تصمیمات کمک کرد.
متلب در مهندسی صنایع به بهینهسازی با استفاده از مدل کردن فرآیندها برای تصمیمات بهتر شناخته شده است، اگر بخواهیم این کار را به بهترین وجه انجام بدهیم بهتر از شبیهسازی مدلها استفاده کرد؛ شبیهسازی باعث میشود نگاهی واقعبینانه را قبل از هر عمل اتخاذ کرده تا با چالشهای پیشرو بهتر برخورد کرد و حدالامکان قبل از پیادهسازی واقعی سیستم میتوان بسیاری از مشکلات را برطرف کرد و به بهینهسازی فرآیندها انجامید.
در دوره آموزش متلب در مهندسی صنایع قصد داریم نحوه کار با ابزارهای سیستم و شناسایی هر کدام از آنها را برای شبیهسازی سیستم را فرا گرفته و به تحلیل بخشهای مختلف سیستم بپردازیم تا با شبیهسازی ایجاد شده بتوان طراحی بهینهای را برای سیستم در نظر گرفت. در این دوره به شما استفاده از ابزارهای شبیهسازی آماری و تحلیل نمودارهای آن، استفاده از ابزارهایی برای بهینهسازی مانند الگوریتم ژنتیک و همچنین مدل کردن مسائل برنامهریزی خطی در نرمافزار محاسباتی متلب آموزش داده خواهد شد. در فصل پایانی با استفاده از سیمولینک متلب و کتابخانه sim event در یک فضای گرافیک با رخدادها و مدیریت آنها آشنا میشویم.
هدف از آموزش این دوره چیست؟(دستاوردها و مسیر آینده)
آنچه که امروزه شاهد آن هستیم توسعه روزافزون کسبوکارها است به طوری که باعث شده است حضور کسبوکارهای سنتی کمرنگتر شود. اگر قصد دارید کسبوکاری را راهاندازی کنید باید قبل از هر کاری آنچه در نظر دارید را با تمام جوانب پیادهسازی کنید تا تمام ملزوماتی که به آنها نیاز است مشخص شده و حداقل سرمایه طرح برآورده شود تا هزینههای اضافی را متحمل نکند؛ شما با یادگیری این دوره میتوانید با ابزارهایی که در این راستا کارآمد هستند را آشنا شده و نحوه استفاده از هر کدام برای محقق کردن اهداف خود را یاد بگیرید تا بتوانید با بکارگیری آنها مراحل را تحلیل کرده و بهترین گزینه برای عملیاتی کردن آنها را انتخاب کنید، با یادگیری این دوره میتوان با تخصیص منابع مالی و انسانی به صورت بهینه به بخشهای مختلف، بالاترین راندمان را پیشبینی کرده و آن را در واقعیت پیادهسازی کرد.
این دوره مناسب چه کسانی است؟
این دوره مناسب برای کسانی است که قصد راهاندازی یک کسبوکار یا اجرایی کردن یک عملیات را دارند یا به نوعی در مراحل اجرایی یک فرآیند دخیل هستند؛ در حالت کلی این دوره برای تمام اعضای سطوح پایین سازمانی تا سرپرستان و مدیران میانی و ارشد کاربردی است. عملیات مورد نظر ممکن است تأسیس یک مغازه کوچک، ساخت یک وب سرویس یا احداث یک خط تولید در کارخانه باشد، میتوان پیشبینی کرد که مهندسین صنایع در رشتههای مختلف و مدیران و سرپرستان اجرایی مخاطبین اصلی دوره آموزشی متلب در مهندسی صنایع باشند.
مهارتهای کسب شده پس از دوره
در این دوره ضمن یادگیری نحوه تحلیل مسائل و چگونگی تصمیمگیری دربارهی آنها که جز اصول برنامهنویسی مورد نیاز برای این دوره میباشد، با زبان برنامهنویسی متلب که زبانی جامع و قدرتمند در دنیای علمی و کسبوکار امروز است، آشنا خواهید شد. در گامهای بعدی از این دوره آآموزشی نحوه مدلسازی مسئله و بهینهسازی آن با استفاده از ابزارهای موجود در متلب و همچنین ساخت مدلها گرافیکی برای درک بهتر و تحلیل روانتر آن، آموزش داده میشود؛ این دوره را ضروری برای افرادی است که قصد دارند اهداف اجرایی خود را با روشهای علمی پیکربندی کنند.
منابع، نرمافزار، آزمون، استاندارد یا هر نوع الزاماتی که دوره بر اساس آن تدریس میشود
مباحث پایهای که برای یادگیری مباحث گفته شده مورد نیاز است نیز در این دوره تدریس خواهد شد؛ این مباحث که برای مدلسازی و بهینهسازی مورد نیاز است شامل برنامهریزی خطی، آشنایی یا پدیدههای تصادفی و احتمالی، مباحث آماری، نحوه مدل کردن مسائل، نحوه حل کردن توابع هدف با توجه به اهداف مسئله و چگونگی بهینهسازی تصمیمات در سطح منابع آکادمیک برای بکارگیری آنها در نرمافزار متلب آموزش داده خواهد شد. آشنایی با نرمافزار متلب و اسناد آموزشی این نرمافزار مبتنی بر مقالات و کتابهای مرتبط جزء سرفصلهای این دوره میباشد.
شیوهی تدریس این دوره(ویژگیهای متمایز و اختصاصی)
قابل ذکر است که در دوره اموزشی متلب در مهندسی صنایع که شامل ارائه حدود 50 عنوان است، در ابتدای شروع هر فصل به توضیح مختصری دربارهی آنچه که در آن فصل آموزش داده خواهد شد پرداخته میشود که حدود 20 درصد از مباحث را به خود اختصاص میدهد.
تمرکز اصلی در آموزشها بر یادگیری ابزارها بر پایهی مثالهای استاندارد میباشد، مزیت این دوره نسبت به سایر دورههای آموزشی، یادگیری ابزارهای کاربردی است که در امور مشابه برای اهداف مختلف مورد استفاده قرار میگیرد تا فراگیران نسبت به آنچه قرار است در واقعیت استفاده کنند آگاهی بهتری پیدا کنند. برای تسلط فراگیران به مباحث ارائه شده و قرارگیری در فضای کاربردی کوییزهایی گرفته خواهد شد که ضمن مرور مفاهیم مطرح شده، میزان یادگیری فراگیران سنجیده میشود توجه کنید که در این کوییزها نیاز به ابتکار و تحقیق برای پاسخدهی وجود ندارد.
وجه تمایز این دوره با دیگر سرفصلهایی که به این مباحث میپردازد، وجود پروژههایی در پایان بخش فصلها است تا مهارت فراگیران در بکارگیری ابزارهای آموزش داده شده سنجیده شود؛ این پروژهها دارای جنبههای مختلف کاربردی هستند که ممکن است فراگیران در آینده با آنها مواجه شوند که برای حل هر کدام از این پروژهها علاوه بر تحلیل کردن مسئله نیاز است تا از ابزارهای آموزش دیده به صورت ترکیبی در حل مسئله و مدل کردن آن و همچنین بر طرف کردن چالشهای روبهرو استفاده کنند. سعی بر آن شده فراگیران برای حل مسائل نیاز به یادگیری ابزار جدیدی با قابلیتهای جدید نداشته باشند، البته تحقیق و جستجو در منابع هم میتواند به فرآیند حل پروژهها کمک کند.
معین سلیمی دانشآموخته کارشناسی رشته مهندسی مکانیک در طراحی جامدات و معدل برتر کارشناسی ارشد مهندسی مکانیک (طراحی کاربردی) از دانشگاه گیلان است. وی مسلط به آموزش مباحث مختلف در زمینههای مرتبط با مهندسی مکانیک از جمله تحلیل المان محدود، تفاضلات محدود، دینامیک سیالات محاسباتی، ارتعاشات و کنترل سیستمهای دینامیکی و مباحث مرتبط با هوش مصنوعی از جمله خوشهبندی، شناسایی الگو، روشهای بهینهسازی، شبکههای عصبی و منطق فازی، پردازش سیگنال و تصویر و سایر زمینهها مانند تحلیل سازهها تحت زلزله، شبکههای مش بیسیم، پردازش گامهای موسیقی، طراحی سیستمهای هوشمند در تشخیص بیماریهای خونی، روشهای نوین ریاضی مبتنی بر هوش مصنوعی در حل معادلات دیفرانسیل، حل معادلات با مشتقات جزئی، انرژی پتانسیل در کربنهای نانوتیوب، طراحی سدهای قوسی و ... با استفاده از نرم افزار Matlab میباشد. ایشان آشنایی مناسبی با زبانهای برنامهنویسی جاوا، اندروید و C نیز دارند. حوزههای تخصصی فعالیت ایشان شامل موضوع آموزش آکادمیک و مهارتهای کاربردی در زمینههای مهندسی و پروژههای اجرایی در زمینهی مدیریت صنایع گازرسانی و... میباشد.
اطلاعات بیشترپیشنیاز برای شرکت در این دوره داشتن آشنایی لازم نسبت به مباحث برنامهریزی خطی، مفاهیم آمار و احتمال و پدیدههای تصادفی و آشنایی با مفاهیم اولیهی بهینهسازی ست که به پیشرفت در این دوره کمک خواهد کرد. اگر با زبان برنامهنویسی متلب آشنایی ندارید نگران نباشید؛ زیرا یک فصل مجزا برای آشنایی فراگیران در نظر گرفته شدهاست.
در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتبخونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.
با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.
شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.
این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.
سرفصلهایی که در این دوره ارائه خواهد شد
فصل اول - آشنایی با مفاهیم اولیه در برنامهنویسی متلب
در این فصل به توضیح مبانی اولیه برنامهنویسی متلب پرداخته شده و دستورات و ابزارهای مورد نیاز برای ادامه کار همراه با مثالهایی توضیح داده خواهد شد؛ مباحث تدریس شده در فصل اول شامل عنوانهای زیر است:
1. سرفصلهای متلب
2. محیط نرمافزار متلب
3. معرفی آرایهها
4. عملیات پایهی ریاضی
5. تعریف بردارها
6. تعریف ماتریسهای خاص
7. دستورات استاندارد محاسباتی
8. اندیسگذاری متغیرها
9. دستورات ترسیمی
10. عبارات منطقی
11. حلقهها
12. شروط
13. دستور break
فصل دوم - روشهای سیمپلکس در برنامهریزی خطی(اولیه و ثانویه)
در این فصل فرم استاندارد برنامهریزی خطی و روش حل مسائل از این دست با استفاده از جداول سیمپلکس اولیه و ثانویه برای رسیده به جواب بهینه از طریق برنامهنویسی در متلب با استفاده از جعبه ابزارهای مورد نیاز آموزش داده خواهد شد؛ عنوانهای این فصل به شرح زیر است:
1. روش سیمپلکس برای بیان مسئله
2. روش سیمپلکس فرم استاندارد مسئله
3. روش سیمپلکی پیادهسازی (بخش اول)
4. روش سیمپلکس پیادهسازی (بخش دوم)
5. روش سیمپلکس ثانویه
فصل سوم - بحثهای آماری
در این فصل به نحوهی تعریف پایهای از پدیدههای تصادفی و احتمالی در مسئله پرداخته شده و دربارهی آزمون فرض برای بررسی پیشبینیها و پیشنهادات ارائه شده جهت دستیابی به جواب بهینه، برازش منحنی و رگرسیون مثالهایی داده خواهد شد. مباحثی که در این فصل توضیح داده میشود شامل:
1. مفاهیم اولیه
2. اعداد تصادفی (بخش اول)
3. اعداد تصادفی (بخش دوم)
4. اعداد شبه تصادفی
5. چگالی احتمالی و توزیع جمعی
6. برازش منحنی و رگرسیون
7. آزمون فرض
فصل چهارم - تحلیل داده شامل خوشهبندی و کلاسبندی
خوشهبندی و کلاسبندی دو مورد از مفاهیم اولیه مهم در تحلیل داده هستند، در این فصل با اصول آنها در بکارگیری از دادههای بدست آمده از مدلهای مختلف و تحلیل آنها برای گزینش بهترین جواب با استفاده از ابزارهای مرتبط آشنا خواهیم شد. موضوعات این دوره شامل:
1. خوشهبندی
2. کلاسبندی (بخش اول)
3. کلاسبندی (بخش دوم)
فصل پنجم - حل مسائل بهینهسازی با روشهای جستجوی مستقیم
الگوریتم ژنتیک از مهمترین ابزارهای بهینهسازی مسائل غیر خطی و چند متغیره در حوزه بهینهسازی است؛ انواع مثالهای مقید، نا مقید، تک هدفه و چند هدفه در این فصل حل خواهد شد. موضوعات این فصل:
1. مفاهیم اولیه
2. بهینهسازی تک هدفه نامقید
3. بهینهسازی چند هدفه مقید
4. تنظیم ویژگیها
5. مروری بر روشهای بهینهسازی
فصل ششم - مدلسازی سیستمها با رویدادهای گسستهی زمانی
قطعا برای مدلسازی نیاز به یک فضای شبیهسازی است و چه چیز از سیمولینک متلب بهتر! فضای سیمولینک متلب مورد علاقه بسیاری از برنامهنویسان در حوزههای مختلف میباشد؛ این فضا با استفاده از عاملهای مختلف در مسائل فضای مورد نظر از واقعیت را شبیهسازی میکند. شبیهسازی رخدادها با استفاده از کتابخانهی sim event و ارائه مثالهایی کاربردی شرح داده میشود؛ این فصل مباحث زیر را به تشریح ارائه میدهد:
1. مقدمه
2. ابزارهای پرکاربرد (بخش اول)
3. ابزارهای پرکاربرد (بخش دوم)
4. ابزارهای پرکاربرد (مثال اول)
5. مدیریتهای ظرفیت کاری (مثال دوم)
6. مدیریت تراکنشهای مالی (مثال سوم)
7. ارتباط سیمولینک و خط فرمان(بخش اول)
8. ارتباط سیمولینک و خط فرمان(بخش دوم)