بهینه‌سازی طراحی سیستم‌های پیچیدة مهندسی برای عملیات در شرایط عدم قطعیت - به‌کارگیری مدل در طراحی یک سامانة سنجش از دور راداری

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری / دانشکدة مهندسی صنایع، دانشگاه صنعتی مالک‌اشتر، تهران

2 عضو هیات علمی / دانشکدة مهندسی صنایع، دانشگاه صنعتی مالک‌اشتر، تهران

چکیده

همراه با توسعة فناوری، سیستم‌های پیچیدة مهندسی به‌مرور جایگزین سیستم‌های سنتی شده‌اند. از ویژگی‌های اصلی این سیستم‌ها می‌توان به انجام عملیات در شرایط محیطی متنوع و ناشناخته اشاره کرد. مخاطرات موجود در محیط‌های ناشناخته ارزش فراهم‌شده توسط سیستم‌های پیچیدة مهندسی برای ذینفعان را به‌طور قابل توجهی تحت تأثیر قرار می‌دهد، لذا توانمند‌سازی آنها برای عملیات در شرایط عدم قطعیت امری اجتناب‌ناپذیر است. در این مقاله اصول و قوانینی برای طراحی سیستم‌های پیچیدة مهندسی ارائه شده ‌است که با به‌کارگیری آنها می‌توان به توسعة سیستم‌هایی زیست‌پذیر در رویارویی با مخاطرات در شرایط ناشناخته پرداخت. همچنین به‌منظور اندازه‌گیری میزان زیست‌پذیری سیستم‌های پیچیدة مهندسی یک مدل هفت‌مرحله‌ای ارائه شده ‌است که از ویژگی‌های کلیدی و متمایزکنندة آن می‌توان به توصیف عدم قطعیت در محیط عملیاتی، تحلیل چگونگی تأثیر عدم قطعیت بر مشخصات کارکردی و فیزیکی محصول و نهایتاً مشخص‌نمودن قسمت‌هایی از ساختار سیستم که در شرایط عدم قطعیت بیشتر تحت تأثیر قرار می‌گیرند اشاره نمود. کاربردی بودن مفاهیم و مدل ارائه‌شده با استفاده از یک مثال موردی در خصوص یک سامانة سنجش از دور راداری نشان داده و نتایج آن تحلیل شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Design improvement of complex engineering systems for operation in uncertain conditions- implementation of model for SAR satellite design

نویسندگان [English]

  • Malek Tahoori 1
  • Jafar Gheidar-Kheljani 2
  • Mohammad Hossein Karimi Gavarashki 2
1 PhD Student / Industrial Engineering department, Malek-Ashtar University of Technology, Tehran
2 Assistant Professor / Industrial Engineering department, Malek-Ashtar University of Technology, Tehran
چکیده [English]

Accompany with technology improvement, traditional systems have been superseded with complex engineering systems. Operation in uncertain and dynamic environments is one of the most important characteristics of these types of systems. The perturbations, which exist in uncertain and dynamic environments, can extremely affect the value delivery of complex engineering systems to their stakeholders. So improving the ability of these systems against uncertainty seems inevitable. Therefore, in this study we have proposed some design principles and rules which when added to system architecture leads to have more viable systems against perturbations in uncertain and dynamic environments. Also, a 7 step mathematical model is presented for analyzing the amount of design principles’ impact on systems ability against uncertainty. The main characteristics of proposed model are: describing the uncertainty in the operational environment, analyzing how the uncertainty will affect the functional and physical characteristics of the system and finally representing the regions in the system architecture that are mostly impacted by the operational uncertainties   The applicability of the proposed model is presented by using a descriptive example of synthetic aperture radar satellite as a complex engineering system and finally the results of that have been analyzed by more details.

کلیدواژه‌ها [English]

  • Complex engineering systems
  • Viability
  • design principles
  • Uncertainty
  • Synthetic Aperture Radar (SAR) satellite

[1] R. deNeufville, S. Scholtes, Flexibility in Engineering Design, Cambridge, MA: MIT Press, 2011.

[2] Y. Haimes, Risk Modeling, Assessment and Management, Vol. XIII, New York: Wiley, 1998.

[3] M. K.Adams, Non-functional Requirements in Systems Analysis and Design, Springer, 2015.

[4] B. Mekdeci, Managing the impact of change through survivability and pliability to achieve viable systems of systems, Doctor of Philosophy Dissertation, Engineering Systems Division, MIT, 2013.

[5] K. Beck, R. Crocker, G. Meszaros, J. Vlissides, J. Coplien, L. Dominick, Industrial experience with design patterns, the 8th international conference on Software engineering, 1996.

[6] E. Rechtin, The art of systems architecting. Spectrum, IEEE, Vol. 29, No. 10, pp.66-69, 1992.

[7] M. G. Richards, Multi-Attribute Tradespace Exploration for Survivability, PhD Thesis, MIT, Cambridge, MA, 2009.

[8] S. Jackson, Resilience Principles for Human-Made Systems, Systems Engineering, (Draft submitted to the INCOSE Resilience Working Group), 2012.

[9] N. Ricci, E. M. Fitzgerald, M. A. Ross, H. D. Rhodes, Architecting Systems of Systems with Ilities: An Overview of the SAI Method, Procedia Computer Science, Vol. 28, pp. 322-331, 2014.

[10] G. J. Pierce, Designing flexible engineering systems utilizing embedded architecture options, PhD Thesis, Vanderbilt University, 2010.

[11] J. Bartolomei, Qualitative Knowledge Construction for Engineering Systems: Extending the Design Structure Matrix Methodology in Scope and Procedure, Engineering Systems. MIT: Cambridge, MA, 2007.

[12] R. E. Thebeau, System Design and Management Program. Knowledge management of system interfaces and interactions from product development processes, 2007.

[13] A. Skabar, K. Abdalgader, Clustering Sentence-Level Text Using a Novel Fuzzy Relational Clustering Algorithm, IEEE transactions on knowledge and data engineering, Vol. 25, No.1, 2013.

[14] J. Rissanen, Modeling by shortest data description, Automatica, Vol. 14, No.5, pp. 465-471, 1978.

[15] P. D. Grünwald, J. Rissanen, The Minimum Description Length Principle, MIT Press. 2007.

[16] T. L. Yu, A. A. Yassine, D. E. Goldberg, An Information Theoretic Method for Developing Modular Architectures Using Genetic Algorithms, Research in Engineering Design, Vol. 18, No. 2, pp. 91-109, 2007.