تعداد نشریات | 17 |
تعداد شمارهها | 399 |
تعداد مقالات | 2,745 |
تعداد مشاهده مقاله | 1,637,086 |
تعداد دریافت فایل اصل مقاله | 1,469,176 |
همگامسازی عدمقطعیتها در سامانه مدیریت زنجیره تأمین دفاعی بر اساس طراحی مدل کنترل حالت لغزشی فرا پیچشی | ||
فصلنامه آماد و فناوری دفاعی | ||
دوره 7، شماره 1 - شماره پیاپی 21، اردیبهشت 1403، صفحه 69-96 اصل مقاله (2.3 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
محمدرضا عسکری سپستانکی* 1؛ حمیدرضا رضائی2؛ حسین فیاضی3 | ||
1دانشکده فنی و مهندسی ، دانشگاه زتجان ، زنجان ، ایران | ||
2پژوهشکده آماد، فناوری دفاعی و عرصه های نوپدید ،دانشگاه عالی دفاع ملی ، تهران ، ایران | ||
3مجتمع دانشگاهی الکترومغناطیس ،دانشگاه صنعتی مالک اشتر، اصفهان ، ایران | ||
چکیده | ||
زنجیره تأمین دفاعی یکی از مهمترین مؤلفههای مؤثر بر آمادگی دفاعی نیروهای مسلح و بسترساز توسعه پایدار در سطح کشور به شمار میرود که استمرار عملیات تأمین ملزومات نیروهای مسلح در تمامی شرایط، از مأموریتهای ذاتی و مداوم این زنجیره محسوب میگردد. با وجود عدم قطعیتهای محیطی (رقبا، تحریمهای نظامی و اقتصادی و ...)، همچنین اختلالات پیشبینینشده داخل و خارج از زنجیره، عملکرد این سامانه بهطور کامل قابلتحلیل نبوده و «کنترلکننده حالت لغزشی زمان محدود تطبیقی[1]» به عنوان یک روش کارآمد کنترلکننده سیستم در صورت رخداد عدم قطعیتهای مدل[2] و اختلالات[3] معرفیشده است. این پژوهش، رفتار دینامیکی یک سامانه زنجیره تأمین دفاعی پرمخاطره تحت تأثیر عدم قطعیتهای مدل، غیر خطیها[4] و اختلالات را بررسی میکند و یک طرح «کنترل حالت لغزشی غیرخطی فرا پیچشی[5]» را برای تثبیت زمان محدود و حذف نوسانات شدید تکراری و پیامدهای آن طراحی میکند و بهطورکلی یک رویکرد آیندهنگر به منظور پیشبینی بهتر تقاضا، مدیریت بهینه موجودی، تضمین پایداری و امنیت در مقابل تغییرات نوسانی در بخش دفاع ارائه میکند. نتایج شبیهسازی در نرمافزار «متلب - سیمولینک[6]» گویای اثربخشی بالای روش پیشنهادی، در دستیابی به عملکرد پایدار نسبت به سایر تکنیکهای کنترلی هست که منجر به تاب آوری و مداومت در تأمین ملزومات نیروهای مسلح و ممانعت از تحمیل هزینههای موازی در این زنجیره، مدیریت صحیح منابع و درنهایت، آمادگی بیشتر دفاعی نیروهای مسلح میشود. این پژوهش از نوع کاربردی - توسعهای، روش آن توصیفی و تحلیل محتوا و از طریق مطالعات کتابخانهای و مصاحبه با خبرگان ادبیات و مفاهیم لازم جمعآوری شده است. [1] Adaptive finite-time sliding mode controller [2] Model uncertainties [3] Perturbation [4] Non-linearities [5] Super-twisting nonlinear global sliding mode control [6] MATLAB-Simulink | ||
کلیدواژهها | ||
اختلالات؛ زنجیره تأمین دفاعی؛ عدم قطعیت مدل؛ کنترلکننده تطبیقی؛ کنترلکننده حالت لغزشی | ||
مراجع | ||
آذرلی، آرمان و آرمون، آرش، (1398)، مقایسه تأثیرات تحریم بر صنعت دفاعی با بخش اقتصادی و شناسایی راهبردهای موفقیت ساز صنعت دفاع، فصلنامه مطالعات دفاعی استراتژیک – سال هفدهم، شماره 75.
الفت، لعیا، امیری، مقصود، تیموری، ابراهیم و قاسمزاده گِوَری، فاطمه، (1397)، مدیریت بلادرنگ اختلالات چندگانه در زنجیره تأمین چند سطحی با رویکرد برنامهریزی بازیابی، فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی – سال شانزدهم، شماره 50.
جعفرنژاد، احمد، اعتضادی، سهیلا و خلیلی، صابر، (1396)، مدیریت ریسک در زنجیره تأمین، مؤسسه انتشارات دانشگاه تهران، چاپ اول، 1396.
رفسنجانی نژاد، سیما، (1400)، بازطراحی نظام حکمرانی و سیاستگذاری در عصر انقلاب چهارم صنعتی، تهران: مرکز بررسیهای استراتژیک ریاست جمهوری، تابستان 1400.
عسکری سپستانکی, محمدرضا, هادی برحق طلب, مجتبی, جلیلوند, ابوالفضل و مبین, صالح. (1401)، کنترل حالت لغزشی مبتنی بر تابع مانع پیوسته برای سیستمهای آشوبناک با حضور عدم قطعیتهای مدل و اغتشاشات خارجی نامعلوم، ششمین کنفرانس ملی مهندسی برق و سیستمهای هوشمند، خرداد 1401.
ناصحیفر، وحید، لطفی، حامد، (1399)، طراحی الگوی تاب آوری زنجیره تأمین در صنعت خرده فروشی، فصلنامه علمی رهیافتی در مدیریت بازرگانی – دوره 1، شماره 4.
Adobor, H. (2020). Supply chain resilience: an adaptive cycle approach. The International Journal of Logistics Management, 31(3), 443-463.
Bai, B., Gao, J., & Lv, Y. (2021). Linking marketing and supply chain management in the strategy of demand chains via a review of literature. Management Research Review, 44(9), 1263-1276.
Chatavi, M., Vu, M. T., Mobayen, S., & Fekih, A. (2022). H∞ Robust LMI-Based Nonlinear State Feedback Controller of Uncertain Nonlinear Systems with External Disturbances. Mathematics, 10(19), 3518.
Chen, L., Dui, H., & Zhang, C. (2020). A resilience measure for supply chain systems considering the interruption with the cyber-physical systems. Reliability engineering & system safety, 199, 106869.
Ding, Q., Abba, O. A., Jahanshahi, H., Alassafi, M. O., & Huang, W.-H. (2022). Dynamical investigation, electronic circuit realization and emulation of a fractional-order chaotic three-echelon supply chain system. Mathematics, 10(4), 625.
Gambhire, S., Kishore, D. R., Londhe, P., & Pawar, S. (2021). Review of sliding mode based control techniques for control system applications. International Journal of Dynamics and Control, 9, 363-378.
Giacomo, L. D., & Patrizi, G. (2006). Dynamic nonlinear modelization of operational supply chain systems. Journal of Global Optimization, 34, 503-534.
Hamidzadeh, S. M., Rezaei, M., & Ranjbar-Buorani, M. (2022). Control and Synchronization of The Hyperchaotic Closedloop Supply Chain Network by PI Sliding Mode Control. IJIEPR, 33(4), 1-13.
Hashim, S. A. A.-S., & Hammoudi, A. K. (2021). Design and Characterization of Second Order Sliding Mode Controller for Pendulum System. Al-Nahrain Journal for Engineering Sciences, 24(1), 40-51.
Jalali, M. S., Siegel, M., & Madnick, S. (2019). Decision-making and biases in cybersecurity capability development: Evidence from a simulation game experiment. The Journal of Strategic Information Systems, 28(1), 66-82.
Karimi Zarchi, M., Mabodi, H., Fathi, M. R., & Khosravi, A. (2020). Providing Resilient Defense Supply Chain Model Using Structural-Interpretative Modeling. Journal of Management Improvement, 14(2), 67-91.
Kocamaz, U. E., Taşkın, H., Uyaroğlu, Y., & Göksu, A. (2016). Control and synchronization of chaotic supply chains using intelligent approaches. Computers & Industrial Engineering, 102, 476-487.
Lee, H. L., Padmanabhan, V., & Whang, S. (2015). The bullwhip effect in supply chains. IEEE Engineering Management Review, 43(2), 108-117.
Lei, Z., Li, Y.-j., & Xu, Y.-q. (2006). Chaos synchronization of bullwhip effect in a supply chain. Paper presented at the 2006 international conference on management science and engineering.
Li, Y., Pei, P., Ma, Z., Ren, P., & Huang, H. (2021). Method for system parameter identification and controller parameter tuning for super-twisting sliding mode control in proton exchange membrane fuel cell system. Energy Conversion and Management, 243, 114370.
Liang, Y., Zhang, W.-h., Lu, Y., & Wang, Z.-S. (2020). Optimal control and Simulation for enterprise financial risk in Industry environment. Mathematical Problems in Engineering, 2020, 1-6.
Liu, Z., Jahanshahi, H., Volos, C., Bekiros, S., He, S., Alassafi, M. O., & Ahmad, A. M. (2021). Distributed consensus tracking control of chaotic multi-agent supply chain network: A new fault-tolerant, finite-time, and chatter-free approach. Entropy, 24(1), 33.
Long, L. N. B., Cuong, T. N., Kim, H.-S., & You, S.-S. (2023). Sustainability and robust decision-support strategy for multi-echelon supply chain system against disruptions. International Journal of Logistics Research and Applications, 1-31.
Lu, K., Liao, H., & Zavadskas, E. K. (2021). An overview of fuzzy techniques in supply chain management: Bibliometrics, methodologies, applications and future directions. Technological and Economic Development of Economy, 27(2), 402-458.
Rahimi, A., Raad, A., Alem Tabriz, A., & Motameni, A. (2020). Providing a Lean Supply Chain Model for Iran's Defense Industries Using Interpretative Structural Modeling Approach. Industrial Management Studies, 18(56), 1-49.
Rahimpour, R., Sepestanaki, M. A., Mobayen, S., Mokhtare, Z., Fekih, A., Assawinchaichote, W., & Zhilenkov, A. (2024). An LMI adaptive-barrier function global sliding mode control of uncertain nonlinear systems with input saturation. Ain Shams Engineering Journal, 15(2), 102460.
Rejeb, A., Rejeb, K., Simske, S. J., & Treiblmaier, H. (2021). Drones for supply chain management and logistics: a review and research agenda. International Journal of Logistics Research and Applications, 1-24.
Sepestanaki, M. A., Barhaghtalab, M. H., Mobayen, S., Jalilvand, A., Fekih, A., & Skruch, P. (2022). Chattering-free terminal sliding mode control based on adaptive barrier function for chaotic systems with unknown uncertainties. IEEE Access, 10, 103469-103484.
Shi, L., Guo, W., Wang, L., Bekiros, S., Alsubaie, H., Alotaibi, A., & Jahanshahi, H. (2022). Stochastic Fixed-Time Tracking Control for the Chaotic Multi-Agent-Based Supply Chain Networks with Nonlinear Communication. Electronics, 12(1), 83.
Sokri, A. (2014). Military supply chain flexibility measures. Journal of Modelling in Management, 9(1), 78-86.
Trakulsunti, Y., Antony, J., Jayaraman, R., & Tortorella, G. (2023). The application of operational excellence methodologies in logistics: a systematic review and directions for future research. Total Quality Management & Business Excellence, 34(5-6), 538-557.
Wang, B., Jahanshahi, H., Volos, C., Bekiros, S., Yusuf, A., Agarwal, P., & Aly, A. A. (2021). Control of a symmetric chaotic supply chain system using a new fixed-time super-twisting sliding mode technique subject to control input limitations. Symmetry, 13(7), 1257.
Xiu, C., & Guo, P. (2018). Global terminal sliding mode control with the quick reaching law and its application. Ieee Access, 6, 49793-49800.
Xu, X., Lee, S.-D., Kim, H.-S., & You, S.-S. (2021). Management and optimisation of chaotic supply chain system using adaptive sliding mode control algorithm. International journal of production research, 59(9), 2571-2587.
| ||
آمار تعداد مشاهده مقاله: 102 تعداد دریافت فایل اصل مقاله: 118 |