نمونه‌کار های انجام شده

مجموعه ریاضیات و آمار

انگلیسی به فارسی

متن اصلی:

Some input-output classifier data envelopment analysis (DEA) models in multiplier and envelopment forms were developed to designate the status of flexible measures, playing either input or output roles. These models ignore the role of non-Archimedean epsilon in the input-output classification process. We show that these epsilon-free models may ignore some flexible measures in the performance evaluation process and hence the status of such flexible measure(s) can be randomly and inappropriately identified. To fill this gap, we develop a pair of epsilon-based multiplier and envelopment classifier models.

متن ترجمه شده:

برخی از مدل‌های تحلیل پوششی داده‌های طبقه‌بندی‌کننده ورودی-خروجی (DEA) در فرم‌های ضریب و پوششی برای تعیین وضعیت معیارهای انعطاف‌پذیر، که نقش‌های ورودی یا خروجی را ایفا می‌کنند، توسعه داده شدند.این مدل‌ها نقش اپسیلون غیر ارشمیدسی را در فرآیند طبقه‌بندی ورودی-خروجی نادیده می‌گیرند.ما نشان می‌دهیم که این مدل‌های بدون اپسیلون ممکن است برخی از معیارهای انعطاف‌پذیر را در فرآیند ارزیابی عملکرد نادیده بگیرند و از این رو وضعیت معیارهای انعطاف‌پذیری را می‌توان به‌طور تصادفی و به اشتباه شناسایی کرد.برای پر کردن این شکاف، ما یک جفت مدل ضریب و طبقه‌بندی پوششی مبتنی بر اپسیلون ایجاد می‌کنیم.

مجموعه ریاضیات و آمار

انگلیسی به فارسی

متن اصلی:

۳ نمونه ترجمه ۱۰۰ کلمه ای میخوام

متن ترجمه شده:

چکیده در حالی که علاقه‌ها به تکنولوژی های Industry 4.0 مانند رایانش ابری و اینترنت اشیا (IoT) در حال افزایش است، ارزیابی صحیح عملکرد ارائه دهندگان این تکنولوژی همچنان یک چالش است. روش‌هایی برای ارزیابی کارایی ارائه‌دهندگان خدمات ابری (CSP) برای Industry 4.0 توسعه و به کار گرفته شده‌است. با این حال، اکثر روش‌های موجود از کاستی‌هایی مانند وزن‌های ذهنی و پیچیدگی رایانشی رنج می‌برند که تشخیص مختصر عملکرد CSPها در بازار رقابتی را دشوار می‌سازد. علاوه بر این، این مقاله انواع مختلفی از داده‌ها مانند نسبت‌ها، اعداد صحیح و عوامل نامطلوب که می‌توانند بر عملکرد CSPها تاثیر بگذارند را در نظر نگرفته است. مهمتر از همه، بیشتر مطالعات موجود، پایداری CSP ها را در ارزیابی عملکرد آنها در نظر نمی گیرند. برای پرداختن به مسائل فوق، یک روش تحلیلی جامع مبتنی بر تحلیل پوششی داده ها (DEA) برای سنجش پایداری CSP ها برای Industry4.0 ارائه می کنیم. با اعتبارسنجی سودمندی روش خود با استفاده از مجموعه داده های واقعی، ما نه تنها یک روش عملی با پایه‌های آکادمیک صحیح ارائه می‌کنیم، بلکه بینش‌های مدیریتی مهمی را برای ارزیابی پایداری CSPها برای Industry 4.0 در اختیار مختصصان این حوزه قرار می‌دهیم. مقدمه مدیریت زنجیره تامین (‏SCM)‏و مدیریت عملیات از مزایا و چالش‌های Industry 4.0 در چند سال گذشته استقبال کرده‌اند. تکنولوژی‌های Industry 4.0 مانند رایانش ابری، اینترنت اشیا (IoT)، حسگرها و محرک‌ها، بلاک چین و هوش مصنوعی (AI) می‌توانند عملکرد شرکت‌ها را افزایش داده و زنجیره‌های تامین آن‌ها را با ارائه فرصت‌هایی برای نوآوری و رشد رقابتی حفظ کنند (Wamba et. al. 2015). تحقیقات اخیر مزایای Industry 4.0 را در بهبود کیفیت محصول (Rosin et al., 2020)، کاهش هزینه تولید (Ralston and Blackhurst 2020)، بهبود عملکرد پایدار (Kamble, Gunasekaran, and Gawankar 2018;Ivanov, Dolgui, and Sokolov 2019)، تولید انعطاف پذیر (Ivanov et al. 2016a and Dolgui et al. 2019) و کاهش ریسک سرمایه گذاری (Thibaud et al. 2018) نشان داده و مورد بحث قرار می دهد. مطالعات دیگر تأثیرات مثبت Industry 4.0 را بر لجستیک (Winkelhaus و Grosse 2020)، زنجیره تأمین (Ivanov, Dolgui, and Sokolov 2019؛ Ivanov et al. 2016b) و تولید ناب (Kamble et al. 2020) گزارش می کنند.