پارس پروژه پرتال خدمات دانشگاهی
کد محصول:M478
قیمت فایل ترجمه شده: ۱۱۰۰۰تومان
تعداد صفحه انگلیسی:۱۱
سال نشر: ۲۰۱۳
تعداد صفحه ترجمه فارسی: ۳۸ صفحه word
عنوان فارسی:
مقاله ترجمه شده پیشرفت های جدید در ارزیابی و مدیریت عدم قطعیت
عنوان انگلیسی:
New developments in uncertainty assessment and uncertainty management
چکیده فارسی:
این مقاله یک روش کلی را برای پیش بینی ها و برنامه ریزی آزمونهایی که می توانند بعنوان ابزاری جهت مدیریت عدم قطعیت استفاده شوند ارائه می کند. عدم قطعیت به طور کلی بعنوان “چیزی که دقیقا شناخته نشده است” تعریف می شود. این تعریف به ما فرصت شناسایی انواع مختلف عدم قطعیت برخاسته از منابع و فعالیت های مختلف را می دهد، بیشتر این موارد در تحلیل، مشاهده نشده اند. در این مقاله، تشریح عدم قطعیت از یک منظر تاریخی و نتیجه گیری با یک منظر جدید بر مبنای دخیل کردن یک سری عوامل بررسی می شود؛ منطق فازی می تواند در کمّی کردن و معلوم کردن چنین مداخله گرهایی مفید باشد. ارزیابی ما از عدم قطعیت شامل شناسایی انواع مختلف آن می شود (ابهام، فازی بودن، تصادفی بودن، غیراختصاصی بودن، ناشناس بودن و…) و با مدلها و روشهایی جهت ارزیابی “عدم قطعیت کلی” در یک عمل به پایان می رسد. مواردی که با این مسئله مربوط اند، در مفهوم کاربردهای علم فیزیکی و مهندسی تشریح شده اند؛ با اینحال، هیچ مانعی برای دیگر زمینه ها مثل علم اقتصاد، علوم اجتماعی، پزشکی و کسب و کار وجود ندارد. ارزیابی عدم قطعیت شامل چگونگی شناسایی، رده بندی، توصیف، کمّی کردن و ترکیب عدم قطعیت ها در یک عمل، با هدف معینی از درک چگونگی مدیریت عدم قطعیت ها می شود. مدیریت عدم قطعیت فرض می کند که ما فرایندی برای کمّی کردنعدم قطعیت ها داریم و قادریم که آنها را به روشی که بتوانند برحسب ویژگی های شخصیشان جهت عدم قطعیت کلی مقایسه شوند، تجمیع کنیم. مدیریت عدم قطعیت ها مهم است، زیرا عدم قطعیت به طور غیر مستقیم بر تصمیم گیری و اتخاذ سیاست ها اثر می گذارد. یک مثال، استفاده از یک مفهوم به نام کمّی کردن حاشیه ها و عدم قطعیت است (QMU)، که برای روشن شدن نظرات ما بیان شده است.
۱. مقدمه
ما زمان زیادی را در تلاش برای درک و کمّی کردنعدم قطعیت گذرانده ایم. بیشتر عدم قطعیت ها در یک مسئله، ناشی از کمبود دقت یا درستی است که ما در درک خود از آن مسئله داریم. بیشترین کارهایی که در علم و مهندسی شده است، عدم قطعیت در اطلاعات، مدلها و راه حل هایی که ما را به مسئله می رسانند، را مشخص نمی کنند. ما پیشنهاد می کنیم که مشخص کردن و کمّی کردنعدم قطعیت در چنین مسائلی باید متناسب با آنچه شناخته شده است یا آنچه می تواند در دنیای فیزیکی تعیین شود و نیز با سطح متناسب دقت، همراه باشد. یک دلیل برای درگیر شدن در یک چنین چیزی این است: دستیابی به سطوح بالایی از دقت مستلزم هزینه های بالا، پول، یا هر دوی آنها نیز هست. یک مسئله یا سیستم پیچیده تر، اطلاعات نادقیق تر یا اعمال شاخص تری هم دارد که مجبوریم برای این سیستم مشخص کنیم و بنابراین عدم قطعیت بیشتری هم پدید می آورد. بنابراین، عدم قطعیت به دقت، اطلاعات، و پیچیدگی مربوط است که ارزیابی مسئله را مشکل تر می کند و ما را مجبور به ارائه یک راه حل احتمالی می کند.
لطفی زاده یک نظر مشهور در مورد اهمیت توازن دقت دارد که ما در عدم قطعیتموجود بدنبال آن هستیم (زاده، ۱۹۷۳)، “ما باید دامنه تغییرات عدم دقت خود را مورد استفاده قرار دهیم”.
این مقاله پیشنهاد می کند که عدم قطعیت در اشکال مختلف، در همه کوشش های علمی نفوذ می کند، و بعنوان یک ویژگی جامع در همه افکار، مدلها، تئوریها، و راه حل ها وجود دارد. قصد ما خلاصه کردن روش ها برای مدیریت برخی از این اشکال عدم قطعیت در مسائل فنی است. چون بیشتر آنچه که در ۴۵ سال گذشته کشف کرده ایم جدید بوده و بخشی از اصطلاحات استاندارد نیست، پس در ابتدا با تعریفی از برخی واژه ها و برخی افکار ضروری در مورد عدم قطعیت کار خود را آغاز می کنیم.
Abstract
The paper presents a general method for doing predictions and test planning which can also be used as a tool for managing uncertainty. Uncertainty is generally defined as “that which is not precisely known”. This definition permits the identification of different kinds of uncertainty arising from different sources and activities, most of which go unnoticed in analysis. In this paper, the description of uncertainty begins from a historical perspective and concludes with a new perspective based upon making inferences; fuzzy logic can be most helpful in quantifying some inferences. Our assessment of uncertainty begins the identification of the various forms of uncertainty (ambiguity, fuzziness, randomness, non-specificity, ignorance, etc.) and concludes with models and methods for assessing the ‘total uncertainty’ within an application. The material contained herein is described in the context of physical science and engineering applications; however, nothing presented precludes application to other fields, e.g. economics, social sciences, medicine and business. Uncertainty assessment involves how to identify, classify, characterize, quantify, and combine uncertainties within an application, with the expressed goal of understanding how to manage uncertainties. Uncertainty management presumes that we have a process to quantify uncertainties and to be able to aggregate them in such a way that they can be compared in terms of their individual contributions to the ‘total uncertainty’. Managing uncertainties is important, because uncertainties directly affect decision and policy making. An example, using a concept called Quantification of Margins and Uncertainty (QMU), is provided to illustrate our ideas.