2-3-4  hرزش مشتری……………………. 38

2-4   ارزش­گذاری …………………..40

2-4-1     مدل­های تعیین ارزش مشتری……………………. 40

2-4-2     خوشه­ بندی……………………. 62

2-5  مباحث تکمیلی……………………. 79

2-5-1     فرآیند تحلیل سلسله مراتبی……………………. 79

2-5-2     زنجیره مارکوف……………………. 82

2-6  جمع­ بندی……………………. 82

2-6-1     خلاء مطالعاتی……………………. 87

3   فصل سوم: روش تحقیق………………….. 88

3-1  مقدمه…………………..  89

3-2  مدل تعیین ارزش مسافر…………………… 89

3-2-1     فاز اول: آماده­سازی……………………. 91

3-2-2     فاز دوم: تعیین ارزش…………………….. 91

3-2-3     فاز سوم: بازاریابی……………………. 103

3-3  مدل­های اعتبارسنجی……………………. 104

3-3-1     ارزیابی LD_cFR…………………..

3-3-2     ارزیابی توسعه ICA…………………….

3-4  جمع­بندی……………………. 105

4   نتایج و تفسیر آن‌ها 106

4-1  مقدمه ………………….. 107

4-2  ارزیابی توسعه ICA…………………

4-2-1     مجموعه داده IRIS……………………

4-2-2     مجموعه داده WINE…………………….

4-2-3     مجموعه داده CMC…………………..

4-3  ارزش گذاری مشتریان……………………. 110

4-3-1     آماده ­سازی……………………. 111

4-3-2     تعیین ارزش…………………….. 114

4-3-3     ارزیابی مدل……………………. 119

4-3-4     بازاریابی……………………. 120

5   جمع بندی و پیشنهادات  ………………….. 122

5-1  مقدمه ………………….. 123

5-2  نتایج……………………. 123

یک مطلب دیگر :

5-3  نوآوری ها …………………..125

5-4  پیشنهادات……………………. 125

5-4-1     پیشنهاد اول: جذب مسافر…………………… 126

5-4-2     پیشنهاد دوم: بهبود خوشه ‏بندی……………………. 126

5-4-3     پیشنهاد سوم: تجزیه و تحلیل رضایت مسافر الکترونیکی……….. 126

5-4-4     پیشنهاد چهارم: پیش­بینی ارزش آتی مشتریان……………………. 126

6   منابع و مراجع …………………..  127

7   پیوست­ها………….. 139

پیوست 1: حقوق مسافران……………………. 140

پیوست 2: پرسشنامه فرآیند تحلیل سلسله مراتبی………… 142

8   علائم اختصاری………………….. 144

چکیده:

مشتـریان مهم­ترین دارایی سازمان به‌حساب می­آیند و نمی­توان آینده درخشانی برای یک سازمان بدون مشتریان راضی و وفادار در نظر گرفت. حفظ مشتریان فعلی کماکان یکی از دغدغه­های اصلی سازمان­ها می­باشد. تجربه ثابت کرده است، فرآیند حفظ مشتری به مراتب هزینه و زمان کمتری نسبت به فرآیند جذب مشتری دارد. کلید اصلی حفظ مشتریان، شناسایی نیازها و انتظارات اساسی مشتریان و جلب رضایت آن­ها از طریق برآورده ساختن این انتظارات است. جلب رضایت مشتریان بخصوص در صنایع خدماتی نظیر صنعت حمل­ونقل از اهمیت بیشتری برخوردار است. به همین دلیل در سالیان اخیر، روند اصلاحات در زمینه حمل­نقل در اکثر کشورها آغاز گردیده است. هدف اصلی از این اصلاحات تغییر تدریجی روند ارائه خدمات به سمت مشتری مداری است. این اصلاحات سبب شده است که شرکت­ها در تلاش برای ارائه مشوق­هایی قوی برای مسافران باشند تا از این طریق بتوانند مشتریان فعلی را راضی نگه‌داشته و مشتریان جدیدی را جذب نمایند. ارائه مشوق­های مناسب به مشتریان، نیازمند شناسایی خدمات مورد انتظار آن‌ها است. خدمات مورد انتظار درواقع انتظارات و امیدواری­هایی است که مسافران انتظار دارند در قبال پرداخت هزینه، دریافت نمایند.

اهمیت ارائه مشوق­های مناسب از یک‌سو و کمبود منابع از سوی دیگر سبب شده که شرکت­های مسافربری قادر به ارائه خدمات مورد انتظار به تمامی مشتریان خود نباشند. راه­حل منطقی در چنین شرایطی، تعیین استراتژی­های ارائه خدمات به مشتریان بر اساس ارزش آن­هاست. مدل تعیین ارزش توسعه داده شده در این تحقیق، ترکیبی از 4 متغیر طول مدت ارتباط، فرکانس، فاصله و تازگی است که تحت عنـوان LD_cFR نامگـذاری شده است. طبق بررسی­های صورت گرفته، مدل LD_cFR نسبت به سایر مدل­های موجود در تعیین ارزش مسافران از جامعیت بالاتری برخوردار بوده و می­تواند در تعیین استراتژی­های بازاریابی شرکت­های مسافربری نقشی کلیدی ایفا کند.

مدل LD_cFR به تنهایی نمی­تواند کمک چندانی به صنایع نماید. دلیل این امر نیز تمایل شرکت­ها به تدوین استراتژی­های محدود می­باشد. بر همین اساس، در این تحقیق از الگوریتم رقابت استعماری که یکی از انواع الگـوریتم­های تکاملی است در خوشه­بندی مسافران و از زنجیره مارکوف در تعیین خوشه­های باارزش استفاده شده است.

نتایج حاصل از اعتبارسنجی و پیاده­سازی مدل توسعه داده شده بر روی داده­های واقعی، نشان از دقت بالای مدل دارد. این مدل علاوه بر دقت بالا، به دلیل استفاده از الگوریتم رقابت استعماری، از سرعت بالاتری نیز برخوردار می­باشد.

1-1- مقدمه

هدف از این فصل تشریح کلیات تحقیق می­باشد. در این فصل، مسئله اصلی تحقیق بیان‌شده و به‌طور مختصر شرح داده خواهد شد. مختصری از اهمیت و ضرورت و اهداف اصلی و فرعی موضوع نیز بیان خواهد شد. همچنین سؤالات تحقیق مطرح گردیده و مختصری از روش تحقیق شرح داده خواهد شد.

3-1- شرح تابع شایستگی به کار رفته در الگوریتم کوچ پرندگان………… 55

3-1-1- مکان……………………… 55

3-1-2- انرژی……………………… 56

3-1-3- درجه پیوستگی در شبکه…………………….. 57

3-1-4- تعداد دفعاتی که سرخوشه انتخاب شده است…………….. 58

3-2- مراحل الگوریتم……………………… 58

3-2-1- فاز اول……………………… 59

3-2-2- فاز دوم…………………….. 60

3-2-3- فاز سوم…………………….. 61

3-2-4- فاز چهارم…………………….. 62

3-3- مدل‌های حرکت………………………. 63

3-3-1- مدل حرکتی پیاده‌روی تصادفی……………………… 64

3-3-2- مدل حرکتی ایستگاه تصادفی……………………… 66

3-3-3- مدل حرکتی امتداد تصادفی……………………… 67

3-3-4- مدل حرکتی جامع منطقه شبیه‌سازی……………………… 68

3-3-5- مدل حرکتی گام‌به‌گام…………………….. 69

3-3-6- مدل حرکتی حرکت هموار…………………….. 70

4- فصل چهارم : نتایج شبیه‌سازی……………………… 74

4-1- معرفی محیط شبیه‌سازی……………………… 74

4-2- نتایج شبیه‌سازی…………………….. 76

4-2-1- متوسط انرژی باقی‌مانده…………………….. 77

4-2-2- واریانس انرژی باقیمانده…………………….. 77

4-2-3- سربار پیغام کنترلی……………………… 78

4-2-4- گره‌های حسگر فعال در شبکه…………………….. 79

4-2-5- درصد گم‌شدن(نرسیدن) پیغام‌ها……………………. 80

5- فصل پنجم: نتیجه‌گیری و پیشنهادهای آینده……………. 82

5-1- نتایج……………………… 82

5-2- پیشنهادها……………………. 85

6- مراجع……………………… 86

چکیده:

شبکه­های حسگر بی­سیم مجموعه‌ای از سنسور­های حسگر بی­سیم است که در محیط به‌صورت تصادفی برای جمع­آوری اطلاعات پراکنده شده­اند. مسئله انتقال بهینه‌ی داده‌ها، یکی از موارد بسیار مهم در به‌کارگیری فناوری‌های نوینی از قبیل شبکه‌های حسگر بی‌سیم چندرسانه‌ای است. اگرچه شبکه‌های حسگر بی‌سیم چندرسانه‌ای توسعه‌یافته شبکه‌های حسگر بی‌سیم هستند، اما با توجه به ماهیت این شبکه‌ها و محدودیت ذاتی حسگرها در حوزه‌های انرژی، توان محاسباتی و ظرفیت حافظه‌ای، مسئله انتقال داده‌ها در جهت تضمین پارامترهای کیفیت خدمات، با چالش‌های فراوانی روبرو خواهد شد. مجموعه­ای از روش­های انتقال داده در شبکه‌های حسگر مبتنی بر خوشه­بندی حسگرها در شبکه هستند، که با افراز شبکه به تعدادی خوشه‌ی مجزا و مدیریت سلسله مراتبی مسئله‌ی انتقال داده‌ها سعی در ساده‌سازی این مسئله دارند.

در سالیان اخیر روش­های مختلفی برای ­ایجاد خوشه و انتخاب سر خوشه­ی مناسب و بهینه‌سازی انتقال داده‌ها از این طریق ارائه ‌شده است. موارد مختلفی در حوزه‌ی وجود دارند که می‌توانند بر کیفیت انتقال داده‌ها در شبکه تأثیرگذار باشند. یکی از این موارد انتخاب بهینه‌ی گره سرخوشه برای مدیریت هر یک از خوشه‌ها است؛ چنین گرهی علاوه بر توانایی مدیریت جریان داده‌های زیر گره‌های مجموعه‌ی خود باید دسترسی مناسبی به تمام خوشه‌ی خود و نیز به گره چاهک داشته باشد. علاوه بر این توزیع سرخوشه‌ها باید به گونه‌ای باشد که خوشه‌هایی با حجم متناسب و تعداد کافی در شبکه را تأمین نمایند. از این گذشته، عملیات خوشه‌بندی و انتخاب سرخوشه‌ها باید در دوره‌های زمانی مناسب و با هدف جلوگیری از تحمیل حجم کاری سنگین به تعداد محدودی از گره‌ها تکرار شود.

با معرفی انواع مختلف الگوریتم‌های فرا ابتکاری، روش‌های نوینی برای حل مسئله‌های بهینه‌سازی به وجود آمده‌اند که آزمایش‌های تجربی حکایت از کارایی بسیار مناسب آنها در مسائلی از حوزه‌های مختلف علوم و مهندسی دارند. در این پایان­نامه روشی برای انتخاب سرخوشـه مناسب بر اساس الگوریتـم فرا ابتکاری کوچ پرندگان که به‌صورت توزیع‌شده در شبکه حسگر بی­سیم متحرک اجرا می‌شود، ارائه‌شده و نتایج حاصل از شبیه­ سازی این الگوریتم در حالت­های مختلف حرکتی آورده شده است.

فصل اول: مقدمه

یک مطلب دیگر :

شبکه‌های حسگر بی‌سیم[1] از مجموعه‌ای حسگر بی‌سیم تشکیل شده است که به جهت جمع‌آوری اطلاعات در محیطی به فراخور کاربرد آنها پخش شده‌اند. به طور کلی شبکه‌های حسگر بی‌سیم جهت جمع‌آوری اطلاعات در مناطقی که کاربر نمی‌تواند حضور داشته باشد مورد استفاده قرار می‌گیرند [1]. در یک شبکه حسگر، حسگرها به صورت جداگانه مقادیر محلی را نمونه‌برداری می‌کنند و این اطلاعات را در صورت لزوم برای حسگرهای دیگر و در نهایت برای مشاهده‌گر اصلی ارسال می‌نمایند. شبکه‌های حسگر بی‌سیم معمولاً در محیط‌های سخت که دسترسی انسان به آن مکان‌ها سخت و پرهزینه است استفاده می‌شوند. از شبکه‌های حسگر بی‌سیم در هواشناسی، کشاورزی، زلزله‌نگاری، صنایع نظامی و جنگ‌ها، ایجاد محدوده‌ی امنیتی و … استفاده می‌شود [1].

روند استفاده از شبکه‌های حسگر در سال‌های پایانی دهه 80 و سال‌های آغازین 90 توسط وزارت دفاع آمریکا، DARPA[2] و چند کشور دیگر ادامه داشت. در اواسط دهه 90 با تعریف برخی استانداردها از جمله 1999IEEE[3] فناوری‌های تجاری هم پا به عرصه وجود گذاشتند و گروه‌های مختلف تحقیقاتی فعال در زمینه ارتباطات بی‌سیم وارد بازار وسیع بالقوه غیرنظامی شدند]2[.

شبکه‌های حسگر مجموعه‌ای از تعداد بسیار زیادی گره حسگر با ابعاد کوچک و قابلیت‌های مخابراتی و محاسباتی محدود است که به منظور جمع‌آوری و انتقال اطلاعات از یک محیط به سمت یک کاربر و یا ایستگاه پایه[4] به کار برده می‌شود. تفاوت اساسی این شبکه‌ها با شبکه‌ها سنتی و قدیمی، ارتباط آن با محیط و پدیده‌های فیزیکی است. شبکه‌های سنتی، ارتباط بین انسان‌ها و پایگاه‌های اطلاعاتی را فراهم می‌کنند، درحالی‌که شبکه‌های حسگر به طور مستقیم با جهان فیزیکی در ارتباط هستند. این شبکه‌ها با استفاده از حسگر‌ها، محیط فیزیکی را مشاهده کرده و سپس بر اساس مشاهدات خود تصمیم‌گیری نموده و عملیات مناسب را انجام می‌دهند ]3[.

شبکه حسگر بی‌سیم، یک نام‌گذاری عمومی برای انواع شبکه‌های مختلفی است که به‌منظور خاص طراحی می‌شوند. برخلاف شبکه‌های سنتی که همه منظوره‌اند، شبکه‌های حسگر تک منظوره‌اند. منظور از تک منظوره بودن این شبکه‌ها آن است که نیازمندی‌ها و شرایط طراحی یک شبکه حسگر بی‌سیم بسته به کاربرد آن متفاوت خواهد بود. درصورتی‌که گره‌ها توانایی حرکت داشته باشند، شبکه می‌تواند گروهی از ربات‌های کوچک در نظر گرفته شود که باهم به صورت تیمی کار می‌کنند و جهت مقاصد خاصی مانند بازی فوتبال طراحی‌شده‌اند ]3[.

با توجه به کاربردهای متفاوت این فنّاوری و نیاز به قابلیت‌های ویژه در زمینه‌های مختلف، مسائل متعدد و زمینه‌های گوناگونی جهت حل و بهینه‌سازی آنها وجود دارد. به‌عبارت‌دیگر، در بسیاری از مسائل مطرح‌شده با تابع هدفی روبرو هستیم که می‌خواهیم آن را بهینه نماییم. ازجمله مسائل مطرح در این شبکه‌ها، مسئله مسیریابی است. به‌صورت ساده می‌توان مسئله مسیریابی را یافتن بهترین مسیر از گره‌های حسگر منبع به سمت گره مقصد در نظر گرفت.

یکی از روش‌های حل مسئله مسیریابی در شبکه‌های حسگر بی‌سیم روش‌های خوشه‌بندی[5] است. این روش به خاطر مزیت‌هایی مانند کم شدن حجم ارتباط­ها و پیغام‌های غیرضروری با چاهک[6] و افزایش پهنای باند مفید و مدیریت راحت‌تر حسگرها و افزایش عمر شبکه بسیار پرکاربرد است.
در شبکه‌های حسگر بی‌سیم، پروتکل‌های مبتنی بر خوشه‌بندی از طریق تقسیم مجموعه‌ی گره‌ها به خوشه‌های مجزا و انتخاب سرخوشه‌های محلی برای ترکیب و ارسال اطلاعات جمع‌آوری شده هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره‌های شبکه، بهترین کارایی را از نظر افزایش طول عمر و حفظ پوشش شبکه‌ای در مقایسه با سایر روش‌های مسیریابی به‌دست می‌آورد [1].

الگوریتم‌های توزیع‌شده به خاطر کاهش حجم اطلاعات غیرضروری به سینک و کم کردن ترافیک داده‌ای برای پیکربندی شبکه به‌ویژه در شبکه‌هایی با مقیاس بزرگ بسیار مفید هستند.
الگوریتم‌های توزیع‌شده برای مسئله خوشه‌بندی نسبت به اطلاعات محلی که از گره‌ها به دست می‌آورند، کار می‌کنند. به همین خاطر حجم ارتباطات خارج از خوشه برای گره‌های داخل هر خوشه به مقدار بسیار زیادی کاهش می‌یابد [4].

امروزه یکی از روش‌های حل مسائل مختلف الگوریتم‌های هوشمند ریاضی مانند شبکه عصبی و کلونی مورچگان[7] است. یافتن سرخوشه‌های مناسب و بهینه، از بین گره‌های حسگر یک مسئله پیچیده با بار محاسباتی سنگین است. در این پایان‌نامه ما مسئله خوشه‌بندی را در شبکه‌های حسگر بی‌سیم، به‌وسیله­ی الگوریتم کوچ پرندگان (ازدحام ذرات)[8] و بهینه‌سازی مرزی[9] حل شده است. تابع بهینگی[10] مسئله استخراج‌شده برحسب پارامترهای مکانی[11] ، انرژی[12]، درجه گره[13] و تعداد مسیر[14] تا سرخوشه‌ی حسگرها می‌باشد [5].

در رویکردهایی که تمام محاسبات خوشه‌بندی در سینک انجام می‌شود بار محاسبات زیادی به سینک تحمیل می‌شود. همچنین برای جمع‌آوری اطلاعات اولیه از گره‌های حسگر به سینک برای انجام محاسبات، پهنای باندی زیادی از شبکه هدر می‌رود.الگوریتم پیشنهادشده با رویکرد الگوریتم‌های توزیع‌شده[15]، سرخوشه‌های مناسبی برای خوشه‌بندی پیشنهاد می‌دهد [6].

2-1- بیان مسئله

انتخاب سرخوشه مناسب برای خوشه­ها در الگوریتم­های توزیع­شده از مسائل مهم است. به خاطر اینکه گره­های شبکه دارای دید محلی از وضعیت فعلی خود در شبکه هستند؛ نداشتن دید جامع باعث می­شود تا انتخاب سرخوشه مناسب برای خوشه مشکل شود.

استفاده از الگوریتم­های هوشمند ابتکاری و فراابتکاری برای انتخاب سرخوشه مناسب یکی از راه­های این مسئله است.

هدف این پایان­نامه ارائه یک الگوریتم خوشه­بندی توزیع­شده بر اساس یک الگوریتم فرا ابتکاری به منظور انتخاب سرخوشه مناسب و بهینه در شبکه­های حسگر بی­سیم برای گره­های حسگر است. نتایج از اعمال مدل­های حرکتی مختلف بر روی گره­های حسگر شبکه به دست آمده است. که به تحلیل و بررسی آنها نیز در آخر پرداخته شده است.

دانشکده مهندسی کامپیوتر و فنّاوری اطلاعات

پایان نامه کارشناسی ارشد

در رشته مهندسی فنّاوری اطلاعات گرایش شبکه‌های کامپیوتری

عنوان:

مکانیزم تشویقی برای جریان‌سازی ویدئو در شبکه‌های نظیر به نظیر

استاد راهنما:

دکتر مهدی دهقان تخت فولادی

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

چکیده:

امروزه به اشتراک گذاری فایل‌ها به صورت گسترده‌ایی در حال استفاده است به طوری که حدودا 70% ترافیک اینترنت را شامل می‌شود. اخیرا کاربرد جدیدی برای برنامه‌های نظیر به نظیر به وجود آمده است به نام جریان سازی صوت و تصویر. همان گونه که برنامه‌های اشتراک فایل بر روی تبادل داده‌های ثابت کار می‌کنند، برنامه‌های جریان‌سازی بر روی بهبود کارائی خود با توجه به محدودیت‌های زمانی کار می‌کنند. در این برنامه‌ها هر گره به صورت مستقل چند گره‌ی دیگر را به عنوان همسایه انتخاب می‌کنند و داده‌های جریان را با آن‌ها مبادله می‌کنند. در این رساله یک مکانیزم تشویقی کاملا توزیع شده و مقیاس‌پذیر برای جریان‌سازی زنده بر روی یک شبکه پوششی نظیر به نظیر را ارائه می‌دهیم. مکانیزم ما شامل روش امتیازدهی ترکیبی رانش-کشش برای رسیدن به یک کارایی بالا است (از نظر تاخیر، پیوستگی نمایش، همکاری و غیره). مهمترین قسمت کار ما بالا بردن پیوستگی نمایش و جلوگیری از اختلال گره‌های سودجو و در نتیجه بالارفتن کیفیت سرویس می‌باشد. آزمایشات ما نشان داد که این ایده با وجود درصد گره‌های سودجوی بالا هم کیفیت خوبی را ارائه می‌دهد.

1- دیباچه

در این قسمت انگیزه‌ها و اهداف و کار خود را در این رساله ارائه می‌کنیم.

یک مطلب دیگر :

1-1- انگیزه ها و اهداف جریان سازی

امروزه برنامه‌های پخش ویدئوی برخط با سرعت زیادی رو به رشد هستند و این در نتیجه‌ی نگاه تولیدکنندگان محصولات ویدئویی به مدل‌های تجاری جدید، در دسترس بودن پهنای باند وسیعتر برای شبکه‌ی دسترسی (در اینترنت، در شبکه‌های سلولی، در شبکه‌های IP خصوصی و … ) و انقلاب در توسعه‌ی سخت‌افزار‌های جدید با قابلیت‌های بالا در بازتولید و دریافت جریان‌های تصویری میباشد.

برای نمونه، حجم ویدئوی موجود در اینترنت سالانه دوبرابر می‌شود،‌ و این در حالی است که تقاضا با ضریب سه افزایش می‌یابد. در اینترنت، سرویس‌های انتشار ویدئو بطور وسیعی با استفاده از زیرساختار شبکه‌ی تحویل محتوا (CDN) گسترش می‌یابند، که این زیرساختار‌ها، مجموعه‌ای از سرورها (که در نقاط استراتژیکی در هر سوی اینترنت قرار گرفته‌اند) هستند که بطور ناپیدا[1] برای تحویل محتوا به کاربرهای انتهایی با یکدیگر همکاری دارند. با این وجود، از آنجایی که پهنای باند گرانترین منبع در اینترنت است و تحویل ویدئو یکی از سرویس‌هایی است که بیشترین تقاضا برای آن وجود دارد، سرویس‌های ویدئوی زنده هنوز از نظر تنوع و قابلیت دسترسی، با محدودیت روبرو هستند. [1]

روشی که این روز‌ها محبوب شده، شامل استفاده از ظرفیت عمده بلااستفاده کلاینت‌ها برای به اشتراک گذاری توزیع ویدئو با سرورها از طریق سیستم‌های نظیر به نظیر تکامل یافته کنونی است. این رویکرد همچنین از ازدحام در شبکه‌ی محلی جلوگیری میکند؛ چرا که در این حالت سرورها (کلاینت‌های دیگر) می‌توانند بطور وسیعی نزدیک کلاینت نهایی باشند. ایراد اصلی این روش آن است که کلاینت‌ها (که در این متن نظیر‌ها نامیده می‌شوند) با نرخ بالایی به طریق خودمختار و کاملا غیرهمگام، قطع و وصل می‌شوند. این فرایند منجر به چالش اساسی در طراحی نظیر به نظیر می‌شود: چگونه کیفیت مورد نیاز کلاینت‌ها را در یک محیط با تغییرات زیاد به آنان عرضه نماییم.

قطع اتصال نظیر‌ها می‌تواند منجر به از دست رفتن اطلاعاتی شود که می بایست به شخص دیگری ارسال میگردید. توزیع ویدئوی زنده به دلیل محدودیت‌های بلادرنگ زمانی، به از دست رفتن بسته ها بسیار حساس است. علاوه بر این، به منظور کاهش مصرف پهنای باند، روند کدگذاری برخی از افزونگی‌های طبیعی ویدئو را حذف مینماید، که این امر خود نیز باعث آسیب‌پذیری بیشتر جریان تصویر به اتلاف داده‌ها می‌گردد. واضحا، این عامل و همچنین عوامل دیگر، بر کیفیت تصویر دریافت شده توسط کاربر نهایی تاثیر می‌گذارد، اما مقدار تاثیر آن بر کیفیت آنچنان واضح نیست.

شبکه‌ های استاندارد پارامترهای غیر‌مستقیمی از قبیل نرخ تلفات، تاخیر‌ها، قابلیت اعتماد و … را به منظور اندازه‌گیری و کنترل کیفیت دریافتی در شبکه مورد استفاده قرار می‌دهند. بنابراین مهم است که بتوانیم کیفیت دریافت شده را بلادرنگ و با دقت ارزیابی نماییم. دو رویکرد مهم برای اندازه‌گیری کیفیت ویدئو وجود دارد؛ تست‌های ذهنی و پارامترهای عینی. بطور خلاصه، ارزیابی‌های ذهنی شامل تشخیص های انسانی ای است که روی یک سری از ویدئوهای کوتاه و بر طبق دیدگاه شخصی‌شان در مورد کیفیت نظر می‌دهند. ارزیابی‌های عینی، شامل استفاده از الگوریتم‌ها و فرمول‌هایی است که کیفیت را به طریق خودکار، کمی و تکرارشدنی اندازه‌گیری می‌کنند. مشکل این است که آنها معمولا قرینه خوبی برای ارزیابی کیفیت دریافت شده ندارند. علاوه بر آن، نیاز به محاسبه‌ی سیگنال اصلی نیز دارند. برای کم کردن اشکالات این دو رویکرد، روش‌های هیبرید توسعه یافته‌اند. [9]

2-2-1 انگیزه‌های تجاری…………………. 13

2-2-2 انگیزه‌های علمی………………… 15

2-3 چالش‌های داده کاوی…………………. 16

2-3-1 چالش‌های اولیه………………… 17

2-3-2 چالش‌های ثانویه………………… 18

2-4 مروری بر کشف دانش و داده کاوی…………………. 19

2-5 مراحل داده کاوی…………………. 21

2-6 دلایل وجود و ضرورت داده کاوی…………………. 29

2-7 داده کاوی سازمانی………………… 30

2-8 نقش داده کاوی سازمانی در معرفت سازمانی………… 31

2-9 معیارهای تعریف نیازمندی‌های سیستم………………… 31

2-10 نتایج نیازمندی‌های نادرست…………………. 32

2-11 پیشینه تحقیق………………… 32

2-11-1 روش‌های سنتی………………… 33

2-11-1-1 مقایسه روش‌های سنتی………………… 35

2-11-2 استفاده از ابزارها……………….. 37

2-11-3 روش‌های نوین………………… 38

2-11-3-1 مقایسه روش‌های نوین………………… 46

2-12 تکنیک‌هایی در افزایش سطح بهبود رضایت ذینفعان در فاز استخراج نیازمندی‌ها …..47

2-13 نتیجه گیری…………………. 49

فصل سوم (روش تحقیق)……………….. 53

3-1 مقدمه………………… 53

3-2 راهکار پیشنهادی…………………. 53

3-2-1 آماده سازی و پیش پردازش داده……………….. 54

3-2-1-1 جمع آوری و بارگذاری داده‌های استخراج شده ………………..54

3-2-1-2 پاک سازی داده……………….. 54

3-2-1-3 انتخاب زیر مجموعه‌ای از ویژگی‌ها……………….. 55

3-2-1-4 فیلترینگ نمونه‌ها……………….. 55

3-2-1-5 تبدیل داده……………….. 55

3-2-1-6 خلق ویژگی………………… 55

3-2-1-7 نمونه برداری…………………. 56

3-2-2 یادگیری مدل………………… 56

3-2-2-1 خوشه بندی…………………. 56

3-2-2-2 خوشه بندی K-Means…………………

3-2-2-3 خوشه بندی با استفاده از الگوریتم K-Means با توجه به فرکانس تکرار و درجه اهمیت درخواست‌ها و نیازمندی‌ها …57

3-2-3 ارزیابی و تفسیر مدل………………… 58

3-2-4 دسته بندی جدید و اولویت بندی نیازمندی‌های استخراج شده با استفاده از تکنیک رتبه بندی…… 58

3-2-4-1 روش رتبه بندی…………………. 60

3-2-4-2 شاخص‌های رتبه بندی…………………. 60

3-2-4-3 ضرایب یا وزن شاخص‌ها ………………..61

یک مطلب دیگر :

فصل چهارم (محاسبات و یافته‌های تحقیق)……………….. 65

4-1 مطالعه موردی: سامانه مدیریت شهری 137 شهرداری تهران………………… 65

4-2 معرفی ابزار برتر داده کاوی RapidMiner………………..

4-3 پیاده سازی روش پیشنهادی…………………. 68

4-4 ارزیابی و تفسیر خوشه‌ها ………………..69

فصل پنجم (نتیجه گیری و پیشنهادات)……………….. 72

5-1 نتیجه گیری…………………. 72

5-2 مشکلات و نقاط ضعف کارهای مرتبط…………………. 72

5-3 مزایا و ویژگی‌های روش پیشنهادی…………………. 73

5-4 کارهای آینده ………………..74

پیوست – منابع و مآخذ………………… 75

چکیده:

در سازمان‌ها و سامانه‌های بزرگ مقیاس و پیچیده، جهت تعیین نیازمندی‌های عملیاتی و غیر عملیاتی در گستره‌ای که ممکن است هزاران ذینفع را در بر گیرد، دانشی جهت استخراج نیازمندی‌ها احساس می‌گردد. با توجه به اینکه سازمان‌ها، داده‌ها و اطلاعات بسیاری در تصرف خود دارند و با فلج ساختن اطلاعات یک چالش کلیدی در تصمیم گیری تشکیلات سازمانی ایجاد می‌نمایند، فرایند کشف دانش از پایگاه داده سازمان مطرح گردیده که یک فرایند علمی برای شناسایی الگوهای معتبر، بالقوه مفید و قابل فهم از داده‌ها می‌باشد. در این تحقیق قصد داریم با بکار گیری داده کاوی به عنوان مرحله‌ای از فرایند کشف دانش به ارائه‌ی چارچوبی جهت استخراج و اولویت بندی نیازمندی‌ها در سازمان‌های بزرگ مقیاس پرداخته که در نتیجه کار خود، افزایش رضایتمندی را به همراه می‌آورد. بدین صورت که ابتدا با توجه به فرکانس تکرار و درجه اهمیت، نیازمندی‌ها را با استفاده از الگوریتم K-Means خوشه بندی کرده سپس با روشی به نام رتبه بندی و بهره گیری از ماتریس ارزش محور به اولویت بندی نیازمندی‌ها می‌پردازیم. مطالعه موردی چارچوب پیشنهادی، پایگاه داده سامانه مدیریت شهری 137 شهرداری تهران می‌باشد. بر اساس نتایج بدست آمده می‌توان خوشه‌های متفاوت از نیازها با اولویت اقدام متفاوت را معرفی نمود.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

مهندسی سیستم سعی می‌کند تا نیازمندی‌های سیستم را تشخیص دهد که این عمل با همکاری مشتریان، کاربران و تمامی ذینفعان انجام می‌شود [1]. مدیریت ارتباط با شهروند یکی از مباحث اصلی در مدیریت دولتی نوین محسوب شده و از اهمیت بسیاری برخوردار است. در مدیریت ارتباط با شهروند تمرکز اصلی بر شهروند محوری است و بهبود خدمت رسانی و پاسخ گویی به شهروندان بر اساس نیازهای ایشان، هدف اصلی محسوب می‌شود. در واقع درک درست از نیازها و خواسته‌های گروه‌های مختلف شهروندان و ارائه خدمات مناسب با این نیازها، موضوعی است که باید در مدیریت ارتباط با شهروند مورد توجه قرار گیرد [2].

2-1- مهندسی نیازمندی ها

خروجی فرایند مهندسی سیستم تعریفی از یک سیستم کامپیوتری یا محصول است. در این مرحله نیز این مشکل وجود دارد که چگونه مطمئن شویم که تعریف ارائه شده از سیستم نیازهای مشتری را برطرف می‌کند و انتظارات او را رفع می‌سازد. برای این منظور نیازمند به طی فرایند مهندسی نیازمندی‌ها هستیم. این فرایند مکانیزم‌های مناسب را فراهم می‌آورد تا تشخیص دهیم مشتری چه می‌خواهد، نیازهای تحلیل چیست، یک راه معقول کدام است و ابهامات نیازمندی در کجا هستند.

مهندسی نیازمندی‌ها دارای پنج فاز مهم زیر می‌باشد [1]:

1- استخراج[1] نیازمندی‌ها: در این فاز اهداف سیستم و یا محصول مشخص می‌گردد و نیز اینکه چه چیزی انجام می‌گیرد، سیستم و یا محصول چگونه نیازهای تجاری را رفع می‌کنند.

2- تحلیل[2] نیازمندی‌ها: هنگامیکه نیازها جمع آوری شدند عمل تحلیل روی آنها انجام می‌گیرد. تحلیل، نیازمندی‌ها را در زیر دسته‌هایی خاص دسته بندی می‌کند، ارتباط هر کدام را با دیگری بررسی نموده، جامعیت و ابهامات آنها را تست و نیازمندی‌ها را بر اساس نیاز مشتری اولویت بندی می‌کند.

3- تعریف مشخصات[3] نیازمندی‌ها: در این فاز بر اساس تعریف ایجاد شده از سیستم، یک مدل از آن ساخته می‌شود.

4- اعتبار سنجی[4] نیازمندی‌ها: در این فاز نیازمندی‌ها برای وجود ابهامات مورد آزمایش و بررسی دقیق قرار می‌گیرند.

5- مدیریت[5] نیازمندی‌ها: این فاز مجموعه‌ای از فعالیت‌ها را تعریف می‌کند که باعث می‌شوند تیم پروژه بتواند تعیین، کنترل و ردگیری نیازمندی‌ها و تغییرات آنها را در هر زمان مدیریت کند.

این پنج فاز مکانیزم مناسبی جهت درک خواسته‌های ذینفعان، تحلیل نیازها، تعیین امکان پذیر بودن پروژه، مذاکره در مورد راه حل قابل قبول، تعیین راه حل به صورت شفاف، اعتبار سنجی خصوصیات و مدیریت نیازمندی‌ها در زمان اعمال آنها به سیستم عملیاتی می‌باشد.

هدف اصلی در چنین تولیدی کاهش هزینه ها ، کاهش زمان مدیریت، هرچه ساده تر شدن و یکپارچگی فرآیندها و زیرسیستم­ها، تکنولوژی­های جدید و به روز رسانی­ها است. ضمناً کاهش اتلاف در تولید، سرعت در قابلیت پیکربندی مجدد در قبال رخدادهای منتظره و غیرمنتظره از دیگراهداف تولید توزیع شده محسوب می­شود.

حال برای تحقق واقعی و بهینه چنین سیستم­های تولید توزیع شده ایی، نیازمند به کارگیری فناوری اطلاعات و پردازش توزیع شده هستیم چیزی که امروزه تحت عنوان پردازش ابری با ان آشنا هستیم. پردازش ابری به سرعت در حال تغییرصنایع و سازمان­ها برای تحقق اهدافشان می باشد. صنایع تولیدی توسط فناوری اطلاعات و تکنولوژی ­های هوشمند در حال توانمند شدن هستند. قدرت اصلی پردازش ابری در فراهم آوردن سرویس محاسبات در لحظه با قابلیت اعتماد بالا، مقیاس پذیری و قابل دسترس بودن در محیطهای توزیع شده است.

درپردازش ابری همه چیزتحت عنوان سرویس در نظرگرفته می­شود به عبارتی (Xaas) مانند نرم­افزاربه عنوان سرویس، پلتفرم به عنوان سرویس، زیرساختاربه عنوان سرویس که این سرویس­ها ساختارلایه ای را برای پردازش ابری فراهم می­آورند. با توجه به فلسفه طراحی در همه جا تولید در همه جا، نیازمند تبادل اطلاعات در بین

 سایت­های مختلف تولید هستیم لذا پردازش ابری نقش کلیدی در تحقق این فلسفه دارد .

یک مطلب دیگر :

به طور کلی دو نوع اتخاذ پردازش ابری در محیط­های تولیدی وجود دارد. یکی اتخاذ مستقیم تکنولوژی­های پردازش ابری و دیگری تولید ابری که همان ورژن تولیدی پردازش ابری است. در اکثر روشهای پیشنهادی در اتخاذ پردازش ابری مدیریت به صورت متمرکزصورت گرفته است. لذا هدف غیرمتمرکز و توزیع شدگی مدیریت این سیستم­های تولیدی است.

در این پایان نامه هدف ارائه چارچوبی کلان برای مدیریت سیستم­های تولیدی است در این چارچوب به ارائه مدل لایه­ای با توجه به لایه­های مدل پردازش ابری پرداخته­ایم. در این مدل سعی می­شود ماژول­های اصلی سیستم­های تولیدی اجرایی استخراج شده و با تطابق این ماژول­ها با معماری سرویس­گرا چارچوبی یکپارچه ارائه شود. این چارچوب به نحوی است که فرآیندها و رویه­های انجام کار را با الهام از مدل پردازش ابری گردآوری می­کند و در محیط­های توزیع­شده ابری راه­حلی برای مدیریت سیستم­های تولیدی اجرایی در حین عدم تمرکز ارائه می دهد.

1-3- هدف از اجرا

پردازش ابری محیطی کاملاًمتفاوت به صورت مجازی و مقیاس پذیرتر برای سازمان­ها به وجود آورده است،مزایای این محیط ازطریق سرویس و از راه اینترنت در اختیار کاربران قرارمی­گیرد. مصرف کنندگان ازابربه عنوان پلتفرم استفاده می کنند، پشتیبانی کنندگان ابر پردازش ابری را به عنوان یکی ازتوانمندسازهای صنایع تولیدی درنظرمی گیرند لذا هدف تعمیم این ایده به محیطهای تولیدی می­باشد تا با خلاقیت ایجاد شده توسط ابر بتوان استراتژی های کسب و کاررا جهت دهی کرد.

هدف در تولید ابری هرچه توانمندترکردن تولید، ایجاد کارخانه­های کارا که همکاری موثر با یکدیگر دارند می باشد و اشتراک منابع با به کارگیری محیط ابرتسهیل و تسریع شود. یکپارچه تر کردن محیط­های تولید توزیع شده هدف دیگر تولید ابری است که با مقیاس پذیرشدن منابع و مدل­های جدید کسب و کار پیشنهاد شده با ابر، محقق می­شود.