بررسی مدل های مکانیک محیط پیوسته در پیش بینی کرنش های [1] خمشی نانولوله های کربنی تک جداره

مدل های مکانیک محیط پیوسته، کرنش های خمشی نانولوله های کربنی تک جداره

دسته بندی	مقالات ترجمه شده isi
بازدید ها	2
فرمت فایل	pdf
حجم فایل	728 کیلو بایت
تعداد صفحات فایل	10

فروشنده فایل

کد کاربری 1055

تمام فایل ها

Assessment of continuum mechanics models in predicting buckling strains of single-walled carbon nanotubes

Abstract
This paper presents an assessment of continuum mechanics (beam and cylindrical shell) models
in the prediction of critical buckling strains of axially loaded single-walled carbon nanotubes
(SWCNTs). Molecular dynamics (MD) simulation results for SWCNTs with various aspect
(length-to-diameter) ratios and diameters will be used as the reference solutions for this
assessment exercise. From MD simulations, two distinct buckling modes are observed, i.e. the
shell-type buckling mode, when the aspect ratios are small, and the beam-type mode, when the
aspect ratios are large. For moderate aspect ratios, the SWCNTs buckle in a mixed beam–shell
mode. Therefore one chooses either the beam or the shell model depending on the aspect ratio
of the carbon nanotubes (CNTs). It will be shown herein that for SWCNTs with long aspect
ratios, the local Euler beam results are comparable to MD simulation results carried out at room
temperature. However, when the SWCNTs have moderate aspect ratios, it is necessary to use
the more refined nonlocal beam theory or the Timoshenko beam model for a better prediction of
the critical strain. For short SWCNTs with large diameters, the nonlocal shell model with the
appropriate small length scale parameter can provide critical strains that are in good agreement
with MD results. However, for short SWCNTs with small diameters, more work has to be done
to refine the nonlocal cylindrical shell model for better prediction of critical strains.
(Some figures in this article are in colour only in the electronic version)

بررسی مدل های مکانیک محیط پیوسته در پیش بینی کرنش های [1] خمشی نانولوله های کربنی تک جداره

چکیده

این مقاله یک ارزیابی از مدل های مکانیک محیطهای پیوسته (پوسته استوانه ای و تیر[2]) برای پیش بینی کرنش های خمشی بحرانی مرتبط با نانولوله های تک جداره کربنی (SWCNT ها) که بصورت افقی بارگذاری شده اند ارائه می دهد. نتایج شبیه سازی دینامیک مولکولی (MD) برای SWCNT ها با نسبت ابعاد و قطرهای مختلف (طول به قطر) به عنوان راه حل های مرجع برای این ارزیابی استفاده می شود. با توجه به شبیه سازی های MD ، دو حالت کرنش متفاوت مشاهده شده است، یعنی حالت کرنش نوع پوسته ای هنگامی که نسبت ابعادکوچک هستند، و حالت نوع تیر زمانی که نسبت ابعاد بزرگ باشد. برای نسبت ابعاد متوسط​​، SWCNTها در حالت مرکب پوسته-تیر خمش می پذیرند. بنابراین، انتخاب مدل حالت پوسته یا مدل تیر به نسبت نانولوله های کربنی (CNTها) بستگی دارد. نشان داده می شود که برای SWCNTها با نسبت ابعاد بزرگ، نتایج تیر اویلر محلی، قابل مقایسه با نتایج شبیه سازی MD انجام شده در دمای اتاق است. با این حال، زمانی که SWCNTها دارای نسبت ابعاد متوسط هستند​​، لازم است تا از
نظریه تیر غیر محلی[3] بهبود یافته و یا مدل تیر تیموشنکو برای پیش بینی بهتر کرنش بحرانی استفاده شود. برای SWCNTهای کوتاه با قطر بزرگ، مدل پوسته غیر محلی با پارامتر مناسب و با مقیاس کوچک می تواند کرنش های بحرانی که در تطابق خوبی با نتایج MD قرار دارد ارائه دهد. با این حال، برای SWCNTهای کوتاه با قطر کوچک، باید کار بیشتری انجام شود تا برای پیش بینی بهتر، مدل پوسته استوانه غیر محلی اصلاح شود.

( برخی شکل ها در این مقاله فقط در نسخه الکترونیکی بصورت رنگی قرار دارند)

continuum mechanics models buckling strains of singlewalled carbon nanotubes

پیش بینی استعداد انسان با استفاده از تکنیک های طبقه بندی داده کاوی

پیش بینی استعداد انسان با استفاده از تکنیک های طبقه بندی داده کاوی

دسته بندی	پژوهش
بازدید ها	1
فرمت فایل	doc
حجم فایل	2620 کیلو بایت
تعداد صفحات فایل	9

فروشنده فایل

کد کاربری 25253

تمام فایل ها

پیش بینی استعداد انسان با استفاده از تکنیک های طبقه بندی داده کاوی

چکیده:

مدیریت استعداد یک کار بسیار بسیار مهم است و توجه به منابع انسانی (HR)به صورت حرفه ای باید انجام شود. به تازگی، در میان چالش برای حرفه ای های منابع انسانی این موضوع بوجود آمده است که چگونه برای مدیریت استعداد های سازمان اقدام شود. به ویژه برای اطمینان از عملکرد مناسب برای فرد مناسب در زمان مناسب. الگوهای استعداد برخی از کارکنان را می توان از طریق دانش موجود در پایگاه های داده ها HR رصد نمود و داده کاوی را می توان به این مساله وارد نمود. دانش نهان و مفید در پایگاه داده ها وجود دارد که می تواند از طریق طبقه بندی کار کشف شده و به طور گسترده ای در بسیاری از زمینه ها استفاده شود. با این حال،این رویکرد منجر به جذب افراد در HR به صورت موفق نبوده که به ویژه در مدیریت استعداد به چشم می خورد. در این راستا،تلاش برای ارائه یک نمای کلی از مشکلات مدیریت استعداد وجود دارد که می تواند با استفاده از این رویکرد برای یکی از وظایف مدیریت استعداد به عنوان مثال،پیش بینی استعداد های بالقوه با استفاده از دانش موجود اقدام می کند. کارکنان آینده می تواند براساس دانش و تجربه گذشته از پایگاه داده های موجود با استفاده از تکنیک طبقه بندی کشف و پیش بینی شود. در نهایت این مطالعه با استفاده از تکنیک های طبقه بندی داد کاوی اقدام می کند.

مقدمه:

سرمایه انسانی یک مساله قطعا مهم است و آن با توجه به مدیریت و منابع انسانی حرفه ای در سازمان مرتبط است. مدیریت منابع انسانی (IIR) که به سرمایه انسانی می پردازد،با هدف تسهیل در رقابت سازمانی،افزایش بهره وری و کیفیت همراه است. رشد و توسعه فردی مطابق با الزامات قانونیو اجتماعی است. علاوه براین که این سازمان نیاز به مبارزه موثر در ک مدت زمان خاص و هزینه و کیفیت و نوآوری است، به منظور دستیابی به هدف سازمان بوده است. همه اینها با داشتن افراد مناسب و به اندازه کافی بستگی دارد. مهارت و شغل مناسب و مکان مناسب لازم است. به تازگی در میان چالش هایی برای تعیین حرفه ای استعدادها اقدام شده است. به ویژه که برای اطمینان از فرد مناسب برای کار مناسب و در زمان مناسب بوده است. این وظایف شامل بسیاری از تصمیمات مدیریتی است که گاهی اوقات بسیار مبهم و نامشخص و دشوار است. از سوی دیگر شیوه های تصمیم گیری HR به عوامل مختلفی مانند تجربه و علم بستگی دارد. دانش و اولویت و قضاوت نیز مهم است و نابرابری و تصمیم گیری پیش بینی نشده می شود. در نتیجه،طرفدار رشد و توسعه فردی بوده و این وضعیت اغلب می تواند مردم را با حس بی عدالتی همراه کند. و این می تواند بهره وری یک سازمان را تحت تاثیر قرار دهد. در مدیریت استعداد،برای شناسایی استعدادهای موجود برای این کار بالاترین چالش ها وجود دارد و در حال حاضر،بسیاری از فرایندهای سیستم با استفاده از دانش و تجربه انسانی است که با شواهد و مدارک پشتیبانی می شود که توجیه استعداد بالقوه است. پیشرفت تکنولوژی با شیوه های جدید است که می تواند براساس برخی از مشکلات تصمیم گیری پیشنهاد شده مورد استفاده قرار می گیرد. داده کاوی و همچنین کشف دانش در پایگاه ها شناخته شده است که توسط فناوری اطلاعات و کامپیوتر بوده که می تواند مورد استفاده برای رسیدن برای بعضی از مسائل مربوط به مدیریت استعداد مورد استفاده قرار می گیرد. داده کاوی با DM فناوری است که برای اکتشاف و تجزیه و تحلیل در مقادیر زیادی از داده های توسعه یافته بوده که به کشف الگوهای معنادار و قوانین می پردازد. در مدیریت منابع انسانی،داده های منابع انسانی می تواند مقدار زیادی از منابع را برای کشف دانش و ابزار پشتیبانی تصمیم گیری فراهم کند. بنابراین،کاربرد آن با استفاده از روش DM نیاز به مشارکت زیادی و قیمت های شرکت داشته که در مقایسه با رشته های دیگر می باشد.رویکرد مالی DM دارای چنین وظایفی مانند طبقه بندی و پیش بینی، شرح مفهوم،تجزیه و تحلیل خوشه ها و نقاط دور در روند ارزیابی تجزیه و تحلیل بوده و تجزیه و تحلیل آماری و موارد دیگر در طول سال با داده کاوی کامل برای انجام کارهای مختلف از جمله تکنیک های پایگاه داده گرا به کار می رود. در طول این سالها،داده کاوی تکنیک های مختلف تکامل یافته ای داشته است که به انجام وظایفی از جمله تکنیک های پایگاه داده گرا بوده است. سیستم آماری،یادگیری ماشین،تشخیص الگو،شبکه عصبی و و طبقه بندی های دیگر و روش های پیش بینی از وظایف DM است. به همین دلیل در این مقاله ما تلاش نموده ایم که برای استفاده از تکنیک های طبقه بندی DM در مدیریت استعداد ویژه برای شناسایی استعدادهای موجود بهتر نسبت به گذشته اقدام کنیم. در نهایت این مطالعه با هدف نشان دادن چهارچوبی برای پیش بینی استعدادها با استفاده از تکنیک های طبقه بندی DM اقدام شده است. در این مقاله با توصیف کارهای مرتبط در ارتباط با سیستم تصمیم HR با استفاده از سیستم هوشمندسازمان یافته اقدام نموده ایم. سپس برخی از مسائل در مدیریت استعداد را داشته ایم. در حالی که بررسی تحقیقات در IIR با استفاده از روش DM مورد بحث قرار گرفته و یک توضیح در مورد چگونگی وظایف مدیریت استعداد با استفاده از تکنیک های طبقه بندی DM را داشته ایم. سرانجام این مقاله با اظهار نتایج و جهت تحقیقات آینده را روشن می کند

پیش بینی استعداد انسان با استفاده از تکنیک های طبقه بندی داده کاوی