برای دریافت مشاوره و خدمات سفارش نگارش پروپوزال و پایان نامه می توانید با موسسه ماد دانش پژوهان تماس حاصل فرمایید:
شماره تماس:
ارسال پیام واتساپ:
نگارش پروپوزال کارشناسی ارشد و دکتری - نگارش رساله دکتری - نگارش مقاله پژوهشی - نگارش مقاله ISI - نگارش مقاله مروری - نگارش مقاله کنفرانسی - نگارش پایان نامه کارشناسی ارشد - استخراج مقاله
بسمه تعالي
پیشنهاده (پروپوزال) رساله دکتری تخصصی/ پایاننامه کارشناسیارشد
مقررات ارا ئه پروپوزال رساله دکتری/پایاننامه کارشناسیارشد:
دانشجو موظف است موضوع رساله / پایان نامه خود را با هماهنگی استاد راهنما تعیین و فعالیت پژوهشی خود را آغاز کند.
دانشجو بايد تا زمان دفاع از رساله / پایان نامه ، الزاماً نسبت به اخذ واحد رساله / پایان نامه اقدام نمايد
میانگین کل نمرات دانشجو قبل از اخذ رساله دکتری نباید از 16 کمتر و پایان نامه از 14 کمتر باشد.
اين كاربرگ بايد زیر نظر استادان راهنما ، و مشاور تكميل شود . به تایید آنها برسد.
بیان مسأله (معرفی دقیق مسأله یا مشکلی که تحقیق برای حل آن مسئله یا مشکل ، طراحی و اجرا خواهد شد)
حمل و نقل جابهجایی و یا انتقال، انسان و کالا از مکانی به مکان دیگر است. حمل و نقل روابط تجاری بین افراد را ممکن میسازد که نقش اساس در شکلگیری تمدنها ایفا کرده است. حمل و نقل به شکل حلقه اتصالی در بخشها و زیر بخشهای اقتصادی هر کشوری مورد توجه بوده، اطلاعات مرتبط با تسهیلات حوزه حمل و نقل همواره اهمیت ویژه و خاص داشته است. زیرا حمل و نقل بر بسیاری از فعالیتهای جامعه، بهره برداری از صنایع و طرحهای اجرایی دیگر تاثیرگذار است. حمل و نقل با شیوههای زمینی، دریایی، هوایی، ریلی، کابلی و خط لوله انجام میشود. سریعترین شیوه حمل و نقل، حمل و نقل هوایی است که به عنوان شاخص رشد اقتصادی در فعالیتهای اقتصادی، اجتماعی و فرهنگی نیز نام برده میشود. در صنعت توریسم و افزایش سطح اشتغال جوامع اثر بسزایی دارد.
در جهان امروز، شرکتهای هوایی حجم بزرگی از ترافیک نقل و انتقالات در دنیا را شامل میشوند. نسبت به انتقالات زمینی جادهای و ریلی، انجام انتقالات هوایی از مسیرهای متعدد بیشتری امکانپذیر است و محدودیتهای و مشکلات بسیار کمتری در انتخاب مسیر وجود دارد. حمل و نقل افراد و کالا یک فعالیت حیاتی در زندگی انسان است. این فعالیت نیاز به استفاده از تسهیلات متعدد، مقادیر زیادی سرمایه و انرژی و تاثیرات قابل بررسی بر محیط زندگی دارد [1]. بهینه بودن حمل و نقل، میتواند اثر بسزایی در کاهش هزینهها و افزایش کیفیت انتقالات داشته باشد.
صنایع و تکنولوژی هوا و فضا پیشرفتهای چشمگیری در ساخت پرندههای هوایی علاوه بر هواپیما و بالگرد داشته است. از جمله این پرندهها، پهپادها هستند. پهپادها به دلیل کوچکسازی سیستمهای کنترل الکترونیکی، آلیاژها و برشهای سبک و مقاوم، پلیمرهای تقویت شده و سایر کامپوزیتها، در دسترس بودن حسگرهای ارزان قیمت در بازار، قابلیت پرواز در ارتفاع پایین و طی مسیرهای صعب العبور از محبوبیت زیادی برخوردار شدند. پهپادها نیاز به کابین خلبان ندارند، سیستمهای محیطی، تامین هوا، کنترل حرارتی، فشار کابین، وزن هواپیما و در نتیجه مصرف انرژی را کاهش میدهند. نیاز به جاده و مکانی برای فراز و فرود ندارند، امکان دسترسی به هر مکانی را دارند [2]. مناسب برای توسعه مسیرهایی با ارتفاع کم که تعامل با سایر ترافیک هوایی را به حداقل برساند [3]. کبوتر پرنده در یونان باستان، احتمالا اولین پهپاد هوایی بوده، که توانایی پرواز تا 200 متر را داشته است [4]. شرایط کنونی گواهی برای توانایی تبدیل شدن پهپادها به یک دارایی حیاتی در حوزه مایل آخر بالاخص برای محمولههایی با حجم کم و ارزش بالا، است [3].
بسیاری از شرکتهای تدارکاتی و ارائه دهندگان خدمات پهپادها را وسیلهای نوید بخش جهت تحول در صنعت تحویل میدانند [5].
پهپادها، به عنوان وسایل نقلیه هوایی بدون سرنشین شناخته میشوند، به طور قابل توجهی پیشرفت کردهاند و به صورت گسترده در حوزههای غیر نظامی مانند خدمات ارتباطات بیسیم، نظارت، تحویل بسته، ... استفاده میشوند. در سالهای اخیر بسیاری از شرکتهای تدارکات و خدماتی طرح آزمایشی تحویل بسته با پهپاد را آغاز کردهاند. در تاریخ 21 آذر ماه سال 1398 وزیر ارتباطات وقت آقای مهندس جهرمی آذری به طور رسمی از اولین پهپاد تحویل دهنده بسته در صنعت پست ایران رونمایی کردند. شرکت آمازون در سال 2013، تحقیقات رسمی برای بکارگیری پهپادها را در ارسال سفارشات آغاز کرد و در سال 2016، بخش تحویل هوایی این شرکت را تاسیس کرد و اولین آزمایش تحویل کالا را در همین سال با موفقیت انجام داد. به غیر از شرکت آمازون شرکتهای تجاری و پستی مشهور متعددی (از جمله؛ آلفابت، اوبر، ایرباس، DHL، UPS، Wing....) آزمایشهای متعددی در این زمینه انجام دادند و ارسال مرسولات پستی و تحویل کالا را با پهپاد آغاز کردند.
در نگاه اول، کاربرد پهپادها در حیطه فعالیتهای نظامی بوده است، حوزههای مختلف پهپادها عبارتند از؛ مدیریت پسماند، حمل و نقل مسافر، پیشبینی وضع هوا، معماری و ساخت و ساز، عکسبرداری، فیلمبرداری، نقشهبردای، صنایع سنگین و بازرسی، امور نظارتی، عملیاتهای نظارتی صنعت نفت و گاز، تبلیغات، ارسال مرسولات، شرایط اضطراری، امداد و نجات، تحویل تجهیزات، تحویل کالا، تحویل دارو، تحویل خون و .... .
با افزایش میزان دسترسی به پهپادها، این پرندهها جایگزین مشاغل پر خطر در صنایع ساخت و ساز و تجاری میشوند، زیرا ایمن هستند، حجم ترافیک مانع عملکرد سریع آنها نیست، مقرون به صرفه هستند و نیازی به طی مسیرهای پر پیچ و خم خیابانها و کوچهها را ندارند. بسیاری از شرکتها و استارتآپها به دنبال استفاده از رباتهای کوچک و سبک در شبکههای توزیع خود میباشند.
از آنجایی که پهپادها نقش فزایندهای در عملیات تجاری دارند، اهمیت برنامهریزی علمی و عملی افزایش مییابد [2]. سیستمهای تحویل متعددی مبتنی بر پهپادها پیشنهاد شده است. دو طرح اصلی برای پهپادها در تحقیقات مورد بررسی قرار گرفته است. طرح اول، تسهیلات توزیع مجهز به ناوگان هواپیماهای بدون سرنشین هستند و هر پهپاد به طور معمول تابع قواعد مرتبط به تعویض یا شارژ مجدد باتری، پرواز به نقاط تقاضا، تحویل بسته و بازگشت به مکانهای تسهیلات توزیع است. طرح دوم، طرح همکاری پهپادها با وسایل نقلیه باری است. همکاری پهپاد و کامیونها با رویکردهای متفاوتی انجام میشود. این دو طرح هر یک مزایا و معایبی داشتهاند. در طرح اول، بستهها به سرعت به مشتری تحویل میشود، نیروی انسانی کمتری مورد نیاز است و نتیجه هزینه اجرایی سیستم کمتر است. با این حال، عمر باتری پهپادها محدود است در نتیجه برد پروازی محدودی خواهد داشت. در طرح دوم، نیاز به راننده برای وسیله نقلیه زمینی است. هزینه نیروی انسانی، هزینه سوخت، هزینه حمل و نقل و هزینه نگهداری وسیله نقلیه زمینی به نسبت بالاتر است [5].
افزایش آسیبپذیری شبکهها به علت جهانی شدن ارتباطات و تجارت، توجه محققان و متخصصان زیادی را در جهت افزایش ریسک، پاسخ به اختلالات و مدیریت بحران جلب کرده است. جهانی سازی ارتباطات و تجارت منجر به شکلگیری شبکهها در محیطی غیر قطعی و نامطمئن شده است. این شبکهها تحت شرایط بحرانی آسیب پذیری قرار دارند که ممکن است به دلیل اختلالاتی همچون؛ فجایع طبیعی(سیل، زلزله، فوران آتشفشان، طوفان، صاعقه، بهمن، ...)، مداخلات انسانی (حملات تروریستی، بمبگذاری، عملیاتهای احتمالی، عدم انطباق تامینکنندگان، خرابی تجهیزات، تصادفات صنعتی، اعتصابات کارگری، اختلالات شبکه حمل و نقل، ...) [6]. لذا طراحی شبکه تحت رویکرد قابلیت اطمینان سبب خواهد شد تا اثر خرابی و اختلالات عملکرد قسمتی یا کل شبکه را تحت تاثیر قرار ندهد یا کاهش دهد. قابلیت اطمینان ویژگی خاصی از یک سیستم یا عنصر است که توسط آن میتوان میزان احتمال ماموریت یا وظیفه، تحت شرایط مشخص و از پیش تعریف شده را، برای مدت زمان تعیین شده مورد ارزیابی قرار داد. به بیان علمیتر این قابلیت یه میزان توانایی یک سیستم یا قطعه گفته میشود که بر طبق آن، سیستم امکان تکرار پذیری مداوم با کسب نتایج مشابه را داشته باشد. قابلیت اطمینان شبکه(سیستم)، بخش مهمی از فرآیند طراحی مهندسی است که عملکرد یک شبکه(سیستم)، را در آینده مورد بررسی و قضاوت قرار میدهد. طبیعی است که با قطعیت کامل عملکرد آینده یک شبکه(سیستم)، قابل پیشبینی نیست. لذا طراحی و بهینهسازی مدل در شرایط غیرقطعی است.
برخی از شدیدترین محدودیتهای عملیاتی که در حال حاضر بر استقرار پهپادها تاثیرگذار هستند، محدودیتهای عملکرد ناشی از آب و هوا همچون وزش باد و بارش که ممکن است منجر به از دست دادن کنترل و آسیب تجهیزات الکترونیکی شود. تهدید توسط پهپادهای دیگر در حریم همسایه [7]، خرابی فنی پهپادها، احتمال هتک شدن و سقوط آنها، احتمال مسدود یا خرابی مسیرها، ازدحام و ایجاد ترافیک، عدم قطعیت در تسهیلات شبکه، ، عدم قطعیت تقاضا و ظرفیت، عدم قطعیت در ظرفیت باتری پهپادها و ایستگاههای شارژ، ... از دیگر اختلالات ممکن است.
در تحقیق حاضر، ساخت شبکه قابل اطمینان ایستگاه های مبادله باتری (BSS) برای پشتیبانی از مسیرهای تحویل پهپادها در دو سطح توزیع کالا مد نظر قرار گرفته است. به منظور افزایش دامنه پرواز پهپادها ، BSS باید در منطقه برنامه ریزی قرار بگیرد تا یک پهپاد بتواند از آنها استفاده کند تا تقاضا را در نقاط تحویل در شرایط پس از بحران را نیز برآورده کند. شایان ذکر است که تفاوت بین مسائل کلاسیک در ادبیات و مسئله تحقیق پیشنهادی در چند بخش است:
تفاوت مدل مدنظر با مسائل ارائه شده در مسأله محل تأسیسات (FLP) است. سوال تحقیق ما تا حدودی یک مسأله محل تسهیلات برای شبکه BSS است. FLP کلاسیک استقلال را در بین مکان های تسهیلات فرض می کند ، به این معنی که هیچ ارتباطی بین آنها وجود ندارد. با این حال ، ماهیت مسأله ما نیاز به در نظر گرفتن روابط بین مکان ها دارد زیرا هر پهپاد برای رسیدن به محل تقاضا به چندین BSS بستگی دارد. به عبارت دیگر ، یک BSS تنها نمی تواند از سفر پهپادها به طور مستقل پشتیبانی کند لذا برای رسیدن به مشتری می توان از مسئله مسیریابی مکان (LRP) استفاده کند تا کمترین هزینه مسیر یابی برای رسیدن به مشتری را ارائه کند .
در یک شبکه دو سطحی، یک محصول ، ابتدا از تسهیلات مبدأ به تسهیلات میانی تحویل داده می شود و سپس از تسهیلات میانی به محل مشتریان ارسال می گردد.
برنامه ریزی و امکان ارسال چند محصول در طول مسیر در صورت داشتن ظرفیت خالی
برای پوشش کامل فضای مورد نظر پس از بحران از مدل تور پوششی در حل این مسئله استفاده شده است .
در این مدل دو نوع ایستگاه شارژ قابل اطمینان و غیر قابل اعتماد در نظر گرفته شده است و تأثیر اخلال در آنها پس از بحران نیز در آنها دیده شده است.
میزان مصرف باطری علاوه به مسافت طی شده به بار حمل شده نیز بستگی دارد.
قابلیت اطمینان لحاظ شده در این مدل در دو حالت گسسته ، پیوسته است و مقایسه ای بین آنها در مسیرهای انتقال صورت خواهد گرفت.
در این مدل سیستم پشتیبانی زمینی برای تعویض باطری های نیاز به تعویض و بالانس تعداد مورد نیازدر شبکه لحاظ شده است.
پنجره زمانی برای زمان تحویل کالا بوسیله پهپادها در نظر گرفته شده است که در آن زمان رسیدن محموله به مقصد در نظر گرفته شده و مد نظر می باشد
در این تحقیق براساس مسئله قطعی فرموله شده در PCENTER ، یک مدل دو مرحله ای قوی(2SRO) برای تأسیس P جایگاه شارژ قابل اطمینان ارائه می شود . در این مسئله P مرکز قابل اطمینان ، تصمیم گیری در مورد مکان و تخصیص اولیه قبل از ایجاد اختلال بر اساس داده های تخمین زده شده انجام می شود و پس از ایجاد اختلال ، با اطلاعات جدید ارائه می شود که منجر به تغییر هزینه ها و زمان سرویس دهی می شود. اولین مرحله این روش همان P-CENTER است ، با این تفاوت که همه مقادیر هزینه ها اسمی ویا تخمینی هستند. مرحله دوم SRO 2 پهپادها را به تسهیلات باقی مانده پس از بحران براساس اطلاعات به روز شده در مورد تقاضا و هزینه اختصاص می دهد.
در تحقیق پیشرو تابع هدف شامل دو قسمت است :
قسمت اول که حداقل کردن هزینه های قبل از اختلال و ماکزیمم کردن میزان رضایت مشتری و احتمال عبور موفق با افزایش قابلیت اطمینان مسیرها قسمت دوم هزینه های بعد از اختلال در زمان بحران . تابع هدف در مرحله اول خود شامل چندین بخش است، تابع هزینه ساخت بر اساس پوشش کامل فضای حل و انتخاب محل بهینه تسهیلات بهمراه حداقل تعداد تسهیلات و کمترین هزینه استقرار با توجه به محدودیت ظرفیت تعداد باتری ها و حداقل نمودن هزینه های حمل ونقل و فروش از دست رفته و هزینه عدم تحویل بموقع با توجه به پنجره زمانی و هزینه پشتیبانی زمینی شبکه از اهداف مدل ارائه شده است. از طرفی محدودیتهای زیر برای مدل در نظر گرفته شده است :
تعادل جریان برای تأمین کنندگان ، مشتریان و ایستگاههای شارژ
پوشش فضای حداکثری در منطقه
در نظر گرفتن زمان انتظار در سطح میانی
مقدار محصول عرضه شده برابر با کالای مورد نظر در هر بازه زمانی
پنجره زمانی تحویل کالا و سناریوی زمان
تعیین مسیر از میان ایستگاههای شارژ برای تحویل کالا
بازدید از ایستگاه بستگی به میزان شارژ دارد
تعیین تعداد باتری های دشارژ شده
میزان بار حمل شده روی هر مسیر
امکان ارسال چند محصول در یک مسیر
ارزیابی میزان مصرف باتری برای رسیدن به مقصد
مدل مورد نظر ما به دنبال کمینهسازی هزینه کل شبکه قبل و بعد از بحران و حداکثر پوشش منطقه پروازی زمان ارسال محصولات توسط پهپادها بین انبار اصلی شبکه و مشتریان همزمان با بهینهسازی مسیر و از سوی دیگر به دنبال بیشینهسازی قابلیت اطمینان سیستم حملونقل کالا به مشتریان و تحویل چند محصول در یک مسیر در پنجره زمانی مشخص میباشد که برای این منظور ایستگاههای میانی طراحی خواهند شد که می توانند عملیات قبل از ارسال را انجام دهند . مدلها بهصورت یک مسأله برنامهریزی عددصحیح غیرخطی مختلط ارائه خواهد شد. به دلیل ماهیت غیرقطعی بودن برخی پارامترها شامل پارامترهای هزینه و ظرفیت با عدمقطعیت مواجه خواهد بود. لذا، برای مقابله با عدمقطعیت این پارامترها، از روش 2SRO استفاده خواهد شد که یک رویکرد جدید استوار توسعه داده شده است که در آن هزینه های اولیه مدل بهمراه هزینه های تغییرات ناشی از اختلال پس از بحران را مینیمم می کند . برای حل مدل، از روش قیود محدود برای مسأله سایز کوچک و از الگوریتمهای فراابتکاری ترکیبی برای مسأله سایز بزرگ استفاده می شود.
اهمیت و ضرورت تحقيق :
امروزه، توسعه و ارائه روشهای نوین مکانیابی و طراحی شبکهها، سبب شده است که مفاهیمی همچون قابلیت اطمینان در شبکههای هوایی و فرودگاهی، شبکههای حمل و نقل، ... ملزم به بررسی باشند. از کار افتادن تسهیلات و اجزای شبکه، موجب اختلال در سطوح مختلفی میشود. طراحی شبکه تحویل در شرایط وقوع وقفه یا اختلال در وسایل نقلیه، تسهیلات موجود در شبکه، در ارتباط مسیرهای شبکه، یا اختلالات ناشی از عوامل طبیعی یا انسانی در حالی که شبکه باید پاسخگوی تقاضای مشتریان باشد، نیاز به بهینه شدن شبکه با رویکردی همچون قابلیت اطمینان دارد تا اثر اختلالات، عملکرد جزئی از شبکه و یا کل شبکه را مختل نکند. بررسی قابلیت اطمینان شبکههای توزیع، پیچیده و ارزیابی احتمال عملکرد موفق و پیشبینی آنها امری ضروری، حیاتی و مستلزم کاربرد رویکردهای خاصی است. قابلیت اطمینان یک مشخصه ذاتی تسهیلات و اجزای شبکه است و در جهان امروز به عنوان یکی از کمیتهای سنجش پذیر طراحی، ساخت و بهرهبرداری میباشد که در طی فرآیندهای مربوطه کنترل آن به عنوان یک معیار بسیار مهم باید مورد توجه قرار گیرد.
با توجه به گسترش روزافزون استفاده از پهپادها و ظرفیت محدود پروازی به دلیل ظرفیت باتری، نیاز به جایگاههای شارژ و تعویض باتری در مسیر پرواز بیش از پیش احساس میشود. ایستگاههای شارژ و تعویض باتری در واقع زیر ساختهایی برای قرارگیری پهپادها و دارای تجهیزاتی شارژ و تعویض باتری میباشند. تعیین مکان بهینه برای نصب و احداث ایستگاههای شارژ و تعویض باتری با مدیریت باتریهای تعویض و دشارژ شده، یک موضوع مهم و به نسبت جدید در برنامهریزی شبکه توزیع است. در یک منطقه شهری دارای مراکز تجاری، اداری، صنعتی و خانههای مسکونی با توجه به میزان ترافیک و حجم تردد پهپادها، محل قرارگیری ایستگاه شارژ و تعویض باتری و مسافت بین ایستگاههای شارژ و تعویض باتری تغییر میکند. از این رو تعیین بهترین مکان به منظور نصب ایستگاههای شارژ و تعویض باتری به منظور کمینهسازی هزینهها، یکی از اهداف برنامهریزی شبکه توزیع میباشد.
بنابراین، در این تحقیق، تعیین مکان بهینه احداث ایستگاههای شارژ و تعویض باتری ایستگاه عملیات کالا با در نظر گرفتن شاخصهای مختلف توزیع مورد نظر بوده و تابع هدف نهایی به صورت یک تابع چند منظوره تعریف خواهد شد که تمامی شاخصهای موردنظر یعنی قابلیت اطمینان، در نهایت هزینهها و درآمدهای حاصل برای صاحبان ایستگاههای شارژ و تعویض باتری، به تابع هدف افزوده خواهد شد. با احداث و انتخاب بهینه ایستگاه شارژ و تعویض باتری برد پروازی و میزان خدماترسانی بهینه در پنجره زمانی مشخص درشبکه افزایش، هزینههای شبکه کاهش و با مدیریت باتریهای تعویض شده میزان خدمات رسانی افزایش و با توجه به میزان قابلیت اطمینان شبکه در شرایط اختلال و بحران کارایی شبکه حفظ تا شبکه تحویل در شرایط اختلال پاسخگوی تقاضای مشتریان باشد.
كاربردهاي متصور از تحقيق و مراجع استفاده كننده از نتيجه رساله / پایان نامه : (این تحقیق در راستای دستیابی به چه اهداف کاربردی انجام خواهد شد و نتایج قابل انتظار مورد استفاده چه سازمانها و ارگانها و مراجعی خواهد بود)
در بررسی ادبیات موضوع کاربردهایی همچون؛ ارتباطات بیسیم، عملیاتهای نظارتی، تحویل بسته [5]، کاربردهای تجاری، شخصی، نظامی، روزنامهنگاری، تحقیقات علمی، عکسبرداری، عملیاتهای اورژانسی، امدادرسانی در شرایط بحران، فعالیتهای تفریحی، تحویل خدمات در مناطق صعب العبور [8]، تحویل تجهیزات پزشکی، انتقال خون، بازرسی زیر ساختها، بازرسی محصولات و زمینهای کشاورزی[9] ، بازرسی خطوط مرزی، بازرسی شبکه برق، بررسی فرسایش خاک، عملیاتهای صنعت نفت و گاز [10] ذکر شده است. نتایج تحقیق حاضر در جهت بهبود خدماترسانی پهپادها در تمامی موارد نام برده فوق تحت شرایط عدم قطعیت با قابلیت اطمینان لازم در تمامی نقاط و تسهیلات شبکه کاربرد خواهد داشت.
سابقه و پیشینه تحقیقات انجام شده در این زمینه (اعم از کتاب، مقاله، پایان نامه، رساله و ... براساس روش ارجاع به منابع در سیستم مأخذ نویسی APA یا Vancouver با توجه رشته تحصیلی)
نیاز به توزیع مداوم و بدون وقفه محمولهها در ناوگان حمل ونقل تجاری، خدمات سازمانی، نظامی، اورژانس خدمات درمانی یا محمولههای امدادی، انگیزه قوی برای تصمیمگیرندگان زنجیره تامین برای بکارگیری مراکز ماهوارهای بوده است تا با در نظر گرفتن ظرفیت ذخیرهسازی انبارها و تعداد جمعیت آسیب دیده از بحران یا میزان تقاضای مراکز یا افراد شرایط مدیریت انبارها برای فراهم ساختن تقاضا را بهینه کنند. مساله مسیریابی وسایل نقلیه نخستین بار توسط دانتزیگ و رامسر در سال 1959 در پژوهشی برای بررسی توزیع بار وسایل ارائه شده است [11]. در سال 1963 مارانزانا مدلی در زمینه مسیریابی و مکانیابی ارائه کرد [12]. تا اوایل سال 1990 محققان مدلهای مسیریابی را بدون در نظر گرفتن ظرفیت وسیله نقلیه و به صورت تک انبار بررسی کرده بودند. بعد از سال 1990 مساله مسیریابی وسایل نقلیه با محدودیت ظرفیت مورد بررسی قرار گرفت. چائو و همکاران در سال 1993 مدل مسیریابی وسایل نقلیه با ظرفیت محدودیت و انبارهای متعدد را ارائه کردند [13]. مسیریابی وسایل نقلیه با محدودیتهای مانند ظرفیت ناوگان حمل و نقل، وسیله نقلیه و انبارها، محدودیتهای بودجه، مسافت بین مسیرها و شرایط دسترسی متغیر در شبکه، بهینهسازی زمان رسیدن به مشتریان و پنجرههای زمانی مورد بررسی قرار گرفته است. نات در سال 1987 مدل خطی برای زمانبندی وسایل نقلیه در شرایط بحرانی ارائه کردند [14]. سیرکزما و تیجسن در سال 1998 مدلی برای مسیریابی بالگرد در جابهجایی بین سکوهای نفتی ارائه کردند [15]. در سال 2002 بارباروسوقلو و همکاران، اولین مدلسازی لجستیک بحران با در نظر گرفتن امداد هوایی توسط بالگرد و محدودیت سوختگیری مجدد را با رویکرد دقیق تصمیمگیری سلسله مراتبی ارائه کردند [16]. در سال2007 دی انجلیس و همکاران، مسیریابی هواپیما برای ارسال غذا به آنگولا با فرض ایستگاههای پارک و سوختگیری مجدد ارائه کردند [17]. با بروزرسانی برنامههای نظارت و نقشهبرداری و استفاده از پهپادها در ارسال و تحویل کالا، یکی از اولین مطالعات در ادبیات مسیریابی پهپادها توسط دی آندریا در سال 2014 انجام شد [18]. شروع مطالعات مدلهای مسیریابی وسیله نقلیه به همراه پهپاد با مقاله مورای و چو در سال 2015 آغاز شد [19]. آنها در پژوهش خود، دو مدل همکار پروازی فروشنده دورهگرد و زمانبندی پهپاد موازی با فروشنده دورهگرد را با هدف حداقلسازی زمان تحویل کالا به مشتری و برگشت به انبار مرکزی ارائه کردند. در مدل اول پهپادها توسط وسیله نقلیه به نقاط مشخصی نزدیک به محل مشتریان انتقال داده میشوند و سپس با توجه به ظرفیت پروازی خود کالاها را به مشتریان تحویل میدهند، البته وسیله نقلیه نیز قادر به تحویل مرسولات خواهد بود و برگشت پهپاد به وسیله نقلیه در نظر گرفته شده است. در مدل دوم پهپاد و کامیون به موازات هم سفر میکنند. تحقیقات روستا در سال 1982 [20]، سانسو و سومیس در سال 1991 [21]، جز اولین مقالات در زمینه قابلیت اطمینان مسیریابی در شبکه بوده است.
در مطالب فوق سیر تکاملی ادبیات مسیریابی بیان شده است. در این پژوهش، ادبیات مسیریابی پهپاد، ایستگاههای شارژ و تعویض باتری یا شارژ مجدد و رویکرد قابلیت اطمینان به تفضیل به شرح زیر است:
رابتا و همکاران، یک مدل برنامهریزی عدد صحیح مختلط خطی برای کاربردهای پهپاد در امدادرسانی به مناطق آسیب دیده برای جابهجایی محموله کالاها در آخرین مرحله انتقال به مقصد نهایی با در نظر گرفتن محدودیتهای انرژی، احداث ایستگاههای شارژ مجدد باتری پهپاد و سیاستهای الویتبندی خدمات رسانی در سناریوهای مختلف با هدف حداقلسازی فاصله عملیاتی پهپادها ارائه کردند [22].
کیم و همکاران، یک مدل رگرسیونی برای تخمین طول عمر باتری پهپاد که تابعی از دمای هوا است با رویکرد بهینهسازی استوار برای بررسی تاثیر تغییرات دما بر ظرفیت باتری پهپادها ارائه کردند. تغییرات دما در حین عملکرد پهپادها در منطقه مشخص میتواند بر برنامه زمانبندی شبکه پروازی از جمله تعداد پهپادها و مسیرهای خاص پرواز هر پهپاد، به دلیل تغییر در ظرفیت باتری که متاثر از دما است، تاثیرگذار است. برای زمانبندی پرواز بهینه در شبکه پرواز با توجه به عدم قطعیت در طول عمر باتری و ظرفیت، تاثیر تغییرات دمای هوا بر ظرفیت باتری در مرحله برنامهریزی با هدف حداقل سازی هزینههای عملیاتی و حداقل سازی زمان پرواز برای تضمین پاسخ دهی به تقاضا در شرایط غیر قطعی با روشی ساده در نظر گرفته شده است. در این تحقیق پهپادها برای شارژ و تعویض باتری به نقطه پرواز اولیه بازمیگردند [23].
لیم و همکاران، یک مدل عدد صحیح تصادفی دو مرحلهای برای ارزیابی خرابی شبکه برق ارائه کردند که در مرحله اول مکان یابی پهپادها با پیش بینی تغییرات شدید آب و هوایی تعیین میشود. در مرحله دوم تنظیم مکان و مسیرهای پهپاد برای ارزیابی شبکه برق شکل گرفته تا هزینههای عملیاتی و زمان نهایی ارزیابی خسارت پهپادها به حداقل برسد [24].
چو و همکاران، یک مدل ریاضی برای عملیاتهای امنیتی در صنعت نفت و گاز با هدف ایجاد یک برنامه بهینه عملیاتی در مناطق مورد نظر در هر دوره زمانی و تقویت امنیت دریایی و بندری ارائه کردند. پهپادهای عملیاتی میتوانند اطلاعات یکپارچه از شرایط بحرانی مانند نشت نفت، حوادث حمل و نقل، سوانح صنعتی و اقدامات تروریستی تهیه کنند. عملکرد پهپادها در ارزیابی ریسک به ویژگیهای مکانی و زمانی اختلالات، مشخصات پهپادهای موجود و نیاز اطلاعاتی تصمیمگیرندگان بستگی دارد. هر پهپاد با توجه به ظرفیت باتری و حداکثر ظرفیت شارژ باتری، حداکثر مسافت و زمان عملیاتی خاص خود را برای انجام عملیات نظارتی دارد [25].
انچلهو و همکاران، یک مدل ریاضی عدد صحیح مختلط خطی مسیریابی سبز برای ناوگان ناهمگن پهپادها با در نظر گرفتن الزامات عملیاتی، احداث ایستگاههای شارژ و عملکرد مستقل از دیگر وسایل نقلیه با هدف حداقل سازی مسافت طی شده و زمان تحویل و حداکثر سازی سرعت تحویل ارائه کردند. این مدل، برای جمعآوری و تحویل کالا متناسب با حداکثر ظرفیت پهپاد که توانایی تحویل همزمان بیش از یک مورد تحویل و یا جمعآوری با در نظر گرفتن مراکز کنترل یکپارچه و مدیریت کنترل ترافیک هوایی طراحی شده است. با الهام از دیدگاه چند معیاره یک سیستم واقعی، هفت عملکرد مختلف در مدل با یک الگوریتم ریاضی حداقل میشود. در این تحقیق یک مطالعه موردی با سناریو چند لایه در فضای پروازی لایه پایین در ارتفاعات کم، که پهپادهای کوچکتر با سرعت کمتر حرکت میکنند، لایه فوقانی در ارتفاعات بالاتر که عمده ترافیک هوایی را شامل میشود، هواپیماهای با حداکثر سرعت پروازی بالاتر و بار سنگینتر حرکت میکنند. معمولا، پهپادهای کوچکتر در مسیر پرواز کالاها را از مشتریان جمعآوری و به مراکز پشتیبانی تحویل میدهند [4].
چادهاری و همکاران، یک مدل ریاضی موجودی مکانیابی-تخصیص یکپارچه برای شبکه لجستیک امدادرسانی به نقاط آسیب دیده از بحران با استفاده از پهپاد به همراه وسیله نقلیه زمینی برای انتقال تجهیزات اضطراری با هدف حداقلسازی هزینههای شبکه تدارکاتی از جمله تخصیص موجودی کالاها، مکانیابی و حمل و نقل ارائه کردند. در این تحقیق یک مطالعه موردی، در 3 شهر ساحلی مستعد و در معرض بحران ایالت میسیسیپی انجام شده است [10].
چادهاری، یک مدل ریاضی عدد صحیح مختلط خطی مسیریابی با در نظر گرفتن تعدادی از فاکتورهای خاص مسیر حرکت پهپادها از جمله هزینههای خدماتی، شارژ مجدد باتری، معلق بودن پهپادها، چرخش، شتاب و سرعت با در نظر گرفتن احداث ایستگاههای شارژ باتری پهپادها برای امدادرسانی به مناطق آسیب دیده از بحران ارائه کردند. در برخی از انبارها نیز به عنوان ایستگاه شارژ نیز استفاده میشوند [26].
کیم و همکاران، یک مدل ریاضی عدد صحیح مختلط خطی برای زمانبندی پرواز پهپادها با در نظر گرفتن ایستگاه سوختگیری مجدد در ماموریتها بلند مدت و با فرض این که خدمات رسانی بی وقفه پهپادها و یا با جایگزینی پهپادهایی که توسط پایگاههای مشترک جغرافیایی توزیع میشود، با رویکرد حل الگوریتم ژنتیک ارائه کردند [27].
کیم و موریس، یک مدل ریاضی عدد صحیح مختلط خطی برای زمانبندی و تخصیص منابع چندگانه برای عملیاتهای پروازی پهپادها با در نظر گرفتن ایستگاه سوختگیری مجدد در ماموریتها بلند مدت با رویکرد حل الگوریتم شاخه و کران ارائه کردند [28].
لوی و همکاران، در پژوهش خود مسیریابی وسایل نقلیه بدون سرنشین ناهمگن با محدودیتهای سوختگیری با سناریوهای مختلف که در آن وسیله نقلیه با مراجعه به یکی از انبارها یا ایستگاههای سوختگیری مجاز قادر به سوختگیری مجدد خواهد بود، را با رویکرد حل ابتکاری بررسی کردند [29].
راسل و لامونت، مساله مسیریابی خودرو و وسایل نقلیه بدون سرنشین هوایی را با روابط آماری و الگوریتم ژنتیک بررسی کردند [30].
قهاری کرمانی ، در قسمتی از پایان نامه خود بر روی مکانیابی ایستگاههای شارژ پهپادها و مسیریابی در رسیدن کالا به مشتری کار کرده است [31]
گودزانکر و همکاران، در دو پژوهش در طی دو سال متوالی، افزایش برد و ظرفیت پروازی بالگردها و وسایل نقلیه بدون سرنشین با در نظر گرفتن ایستگاه شارژ سیار و بهبود ظرفیت پروازی وسایل نقلیه هوایی بدون سرنشین با در نظر گرفتن ایستگاه خدمات هوشمند با روابط تحلیلی بررسی کردند [32, 33].
کوجی و همکاران، مدلی برای ارزیابی پوششی پهپادها، یک ایستگاه زمینی شارژ و تعویض باتری در منطقه عملیاتی پهپادها با ماژولهای مختلف تعویض باتری ارائه کردند [34].
هیرمن و همکاران، یک مدل ریاضی عدد صحیح مختلط خطی برای مسیریابی وسایل نقلیه الکتریکی با ظرفیت باتری محدود با در نظر گرفتن پنجره زمانی و ایستگاه شارژ مجدد با الگوریتم شاخه و قیمت با رویکرد حل ابتکاری ترکیبی ارائه کردند [35]. گیمزگایدو و همکاران، مدل ریاضی برای بهینهسازی مکانیابی ایستگاههای شارژ مجدد خودروهای الکتریکی در مناطق شهری ارائه کردند [36].
کاواداس و همکاران، ، یک مدل ریاضی عدد صحیح مختلط خطی برای بهینهسازی مکانیابی ایستگاههای شارژ مجدد خودروهای الکتریکی در یک مطالعه موردی در کشور پرتغال و برای بررسی 9 ایستگاه ارائه کردند [37].
یانگ و سان، یک مدل ریاضی عدد صحیح مختلط خطی برای مسیریابی مکانیابی ایستگاههای تعویض باتری برای خودوروهای الکتریکی با ظرفیت باتری محدود ارائه کردند [38].
هی و همکاران، یک مدل ریاضی برای بهینهسازی مکانیابی ایستگاههای شارژ مجدد خودروهای الکتریکی در مناطق جادهای بین شهری ارائه کردند [39].
هانگ و همکاران، یک مدل ریاضی عدد صحیح مختلط برای بهینهسازی مکانیابی ایستگاههای شارژ مجدد پهپادها و مسیرهای تحویل ارائه کردند. ظرفیت پروازی این پهپادها به سوخت یا باتری به صورت الکتریکی مرتبط است با احداث ایستگاههای شارژ مجدد امکان و محدوده خدمات رسانی گسترش داده شده است [8].
یو و همکاران، مسیریابی وسایل نقلیه بدون سرنشین با ایستگاههای شارژ سیار و ثابت با رویکرد شبیهسازی بررسی کردند [40].
دورلینگ و همکاران، یک مدل ریاضی عدد صحیح مختلط خطی مسیریابی پهپاد برای تحویل کالا با محدودیت ظرفیت پروازی ارائه کردند. در این مدل فرض شده است که پهپادها امکان مراجعات متعدد به انبار را دارند تا بستههای بیشتری را برای تحویل انتخاب و تعویض باتری انجام دهند [41].
نور و همکاران، در پژوهشی مدل تحویل کالا در آخرین بازه مکانی بوسیله پهپادها را با رویکرد تصمیمگیری چند معیاره تاسیس فازی بررسی کردند. 3 سایز مختلف از پهپادها با 6 ویژگی نوع وسیله نقلیه بدون سرنشین، بعد پروازی، صفحه کنترل، ظرفیت بارگیری، فاصله تحویل و زمان پرواز به عنوان عوامل متمایز در نظر گرفته شد [9].
موری و راج، ، یک مدل ریاضی عدد صحیح مختلط خطی مسیریابی پهپاد برای تحویل کالا با ظرفیت ناهمگن به همراه وسیله نقلیه زمینی ارائه کردند. پهپادها قادر به مراجعات متعدد به کامیون برای گرفتن مرسولات هستند و هر کامیون با پهپادهای متعددی در ارتباط است [42].
یولمر و توماس، مساله تخلیه بار کشتی اسکله و تحویل کالا با ناوگان ترکیبی پهپاد و کامیون اما به صورت جداگانه و مستقل با مسیریابی پویای تصادفی در پژوهشی بررسی کردند [43].
ماسیاز و همکاران، یک مدل ریاضی مختلط خطی مسیریابی و مکانیابی برای بهینهسازی مسیر عملیاتی پهپادها با توجه به ظرفیت بارگذاری و تحویل و مکانیابی ایستگاههای شارژ برای تخصیص و شارژ باتری برای زنجیره لجستیک امدادی و تحویل ملزومات پزشکی ارائه کردند. مدیریت تعویض باتری و ذخایر باتریهای داخل انبارهای توزیع با هدف حداقل سازی هزینههای کل زنجیره در نظر گرفته شده است [3].
شهزاد و همکاران، تابآوری ترکیب خدمات تحویل پهپادها را با مدل مسیریابی و زمانبندی با رویکرد برنامهریزی پویای تصادفی در 4 بخش اصلی شبکه مسیرهای هوایی، خدمات پهپادها، اثرات سرعت و جهت باد و طرح دانش محدود برای خدمات تحویل پهپادها بررسی کردند. یک چارچوب مشخص از خدمات تابآور برای پهپادها در شرایط آب وهوایی پویا و با توجه به محدودیتهای شارژ مجدد در نظر گرفته شده است. زمان شارژ مجدد، شرایط آب و هوایی و زمان حرکت هر پهپاد بر نقشه اجرایی سار پهپادها در ایستگاهها تاثیر گذار است [44].
دلآمیکو و همکاران، یک مدل ریاضی عدد صحیح مختلط خطی برای زمانبندی پهپادها در مدل همکار پروازی فروشنده دورهگرد ارائه کردند. کامیونها و پهپادها مستقل از یکدیگر خدمات تحویل کالاها را انجام میدهند. پس از خدمات رسانی به انبار اولیه برگشت میکنند [45].
تراب بیگی و همکاران، یک مدل ریاضی عدد صحیح مختلط خطی برای بهینهسازی زمانبندی پهپادها در تحویل کالا برای برنامهرزی عملیاتی در محدوده معین با در نظر گرفتن اثرگذاری ظرفیت ترابری بر نرخ مصرف باتری ارائه کردند تا راه حل بهینه ضمن اطمینان از بازگشت ایمن پهپادها با توجه به میزان مصرف شارژ باتری، کمترین تعداد پهپادها و مسیرهای پروازی آنها برای تحویل سفارشات را فراهم کند [46].
یوکاسوری و یوشیمیتو، یک مدل ریاضی عدد صحیح مختلط خطی برای مسیریابی وسایل نقلیه و مکانیابی بهینه مراکز امدادی با در نظر گرفتن اختلالات احتمالی در شبکه حمل ونقل با رویکرد قابلیت اطمینان ارائه کردند. ذخیره موجودی، نزدیکترین مکان دسترسی به اقلام امدادی و بالاترین قابلیت اطمینان در مسیرهای دسترسی برای ارسال بهنگام اقلام امدادی در شرایط بحران در این مدل در نظر گرفته شده است [47].
سوایی ، در پژوهش خود مدل پیشنهادی جدید برنامهریزی عدد صحیح مختلط چندهدفه برای طراحی یک شبکه زنجیره تأمین خون سبز چند سطحی در شرایط بحران ارائه داده است. مدل چند هدفه پیشنهادی شامل اهداکنندگان خون، تسهیلات خون سیار، مراکز خون محلی و منطقهای و نقاط تقاضا میباشد. توابع هدف مدل پیشنهادی شامل کمینهسازی هزینههای کل شبکه، کمینه کردن مقدار کل کمبود و فرآوردههای خونی منقضیشده و همچنین کمینه کردن مقدار کل انتشار گازهای گلخانهای در شبکه میباشد. مدل پیشنهادی تعداد و مکان بهینه تسهیلات خون سیار و مراکز خون محلی و منطقهای و همچنین بهترین روش برای عرضه و توزیع خون در شرایط بحرانی را معرفی میکند. جهت انطباق بیشتر با واقعیت، عدم قطعیت پارامترها نیز در مدل به کمک تعریف سناریوهای مختلف درنظرگرفته شده است و از روش بهینهسازی استوار مبتنی بر سناریو برای برخورد با عدم قطعیت استفاده شده است. همچنین قابلیت اطمینان مراکز خون منطقهای در قالب نرخ شکست نیز در نظر گرفته شده است. برای حل مدل چندهدفه از روش برنامهریزی آرمانی استفاده شده است. [58]
گائو و السید، مدلی برای برآورد قابلیت اطمینان فنی و عملیاتی پهپادهای متعادل چند سطحی ارائه کردند. در این تحقیق، دو سناریو مختلف احتمال خرابی حتمی در ملخ پهپاد یا ملخها در حالت آمادگی با بکارگیری در حالت ضرورت در نظر گرفته شده است. برآورد قابلیت اطمینان برای هر دو سناریو با توجه به تعداد حالتهای عملیاتی و محاسبه احتمال وقوع بدست میآید [48].
آندریو و همکاران، در پژوهشی پیشبینی قابلیت اطمینان در برنامهریزی ماموریتهای فوری نظامی پهپادها را با روش تحلیلی بررسی کردند تا امکان انجام عملیاتهای خطیر بدون ریسک باشد. وسیله نقلیه هوایی باید بتواند در برابر خرابی قطعات، تهدید وسیله نقلیه هوایی دیگر و تغییرات شرایط آب و هوایی پاسخ ایمن دهد. نمودارهای تصمیم باینری با ساختار درخت گسل که دلایل فاز خرابی ماموریت را نشان میدهد، قابلیت پردازش تجزیه و تحلیل فاز ماموریت پهپاد را ممکن میسازد [7].
تان و همکاران، مدل ارزیابی قابلیت اطمینان اجزای هواپیماهای بدون سرنشین را با در نظر گرفتن اثرات عوامل انسانی با 2 سناریو برای تحلیل کمیت خطای انسانی، بررسی کردند [1].
پتریتولی و همکاران، قابلیت اطمینان و نگهداری هواپیماهای بدون سرنشین را با توسعه یک رویکرد جدید لجستیکی مبتنی بر ارزیابی قابلیت اطمینان و نگهداری سیستمها با اختلالات جزئی با روابط و تحلیل آماری و ارزیابی عدم قطعیت در فاصله اطمینان با تضمین فاصله اطمینان مناسب نگهداری پیشگیرانه، بررسی کردند [49].
تراب بیگی و همکاران، مدل ریاضی دو مرحلهای تصادفی برای برنامه تحویل توسط پهپادها با در نظر گرفتن قابلیت اطمینان با خرابی فنی پهپادها در طول مسیر پروازی ارائه کردند. قابلیت اطمینان برای داشتن مسیرهای ایمنتر برای آسودگی خاطر در تحویل بسته مشتریان، تقاضا و رضایتمندی بیشتر مشتریان است. ارزیابی قابلیت اطمینان بر اساس محاسبه قابلیت اطمینان در شبکه برق الگوبرداری شده است [50].
هانگ و همکاران، مدل برنامهریزی ریاضی تصادفی مسیریابی قابل اطمینان برای تحویل کالا توسط پهپاد برای جایگزینی در سیستم حمل و نقل عمومی در شبکهای وابسته به زمان تصادفی ارائه کردند. مدل تصادفی برای توصیف زمان پیمایش مسیر و الگوریتم تنظیمی برای ایجاد مسیر قابل اطمینان یا در واقع امکان پذیر بودن مسیر در نظر گرفته شده است. طول عمر محدود باتری در این مدل امکانپذیر بودن یا نبودن مسیر را مشخص میکند. در این تحقیق به طور خاص توابع چگالی احتمال مسیر هواپیماهای بدون سرنشین با بسط دادن پرواز هواپیمای بدون سرنشین و سفر با یک وسیله نقلیه بررسی شده است. در حالت دوم، هواپیماهای بدون سرنشین باید زودتر از وسیله نقلیه که قصد سفر با آن را دارد به گره ایستگاه برسد و این شامل زمان انتظار هم است. علاوه بر این، اینه که هواپیماهای بدون سرنشین با کدام وسیله نقلیه سفر میکند بستگی به ورود فوری هواپیماهای بدون سرنشین و لحظه حرکت آن دارد. در این مدل طول عمر باتری محاسبه میشود و زمان پیمایش مسیر در سطح اطمینان مشخص به حداقل میرسد [5].
یون و همکاران، یک مدل ریاضی عدد صحیح غیر خطی برای تسهیلات حمل و نقل رفت و برگشت تحت اختلال ورود و خروج مشتری با خدمات متفاوت سفر بر اساس سناریو با رویکرد قابلیت اطمینان با حالت گسسته با رویکرد حل آزادسازی لاگرانژی ارائه کردند. مشتریان اطلاعات مربوط به تسهیلات را به طور کامل دریافت نمیکنند. مشتری سعی میکند از تسهیلات از پیش تعیین شده به طور متوالی بازدید کند تا هزینههای عملیاتی خود را به حداقل برساند [51].
یون و همکاران، یک مدل ریاضی عدد صحیح غیر خطی برای تسهیلات حمل و نقل رفت و برگشت تحت اختلال ورود و خروج مشتری با خدمات متفاوت سفر بر اساس سناریو با رویکرد قابلیت اطمینان با حالت پیوسته ارائه کردند. مشتریان اطلاعات مربوط به تسهیلات را به طور کامل دریافت نمیکنند. مشتری سعی میکند از تسهیلات از پیش تعیین شده به طور متوالی بازدید کند تا هزینههای عملیاتی خود را به حداقل برساند. وقتی مشتری منصرف شود و یا خدمات دریافت کند به محل اولیه خود باز میگردد [52].
اکسای و همکاران، یک مدل ریاضی عدد صحیح خطی مسیریابی و مکانیابی تسهیلات قابل اطمینان تحت اختلالات با هدف به حداقل رساندن هزینههای تسهیلات، مسیریابی، عملیاتی و جریمه عدم پاسخگویی به مشتری با رویکرد آزادسازی لاگرانژی، ایجاد ستون و جستجوی محلی برای ارزیابی حل مدل ارائه کردند. این تحقیق برای یک مطالعه موردی لوکومکوتیوهای یک شرکت بزرگ راهآهن در ایالت متحده آمریکا انجام شده است [53].
برمن و همکاران، یک مدل ریاضی با رویکرد برنامهریزی پویا برای مسیریابی قابل اطمینان و بهینه خدماترسانی با بروز اختلالات در شبکه تسهیلات با هدف کل مسافت مورد انتظار برای سفر ارائه کردند. هر مشتری با یافتن اولین مرکز ارائه دهنده خدمات متوقف میشود. در این مدل احتمال خرابیها یکسان نیست، تسهیلات بازدید نشده احتمال شکست کمتری دارند و تسهیلات بازدید شده محتملتر در بروز خرابی هستند [54].
کابلرو مورالس و مارتینزفلورس، یک مدل ریاضی عدد صحیح خطی مسیریابی بالگرد در لجستیک اورژانسی برای جابه جایی کارکنان سکوهای متعدد نفتی دریایی و تسهیلات زمینی با نرخ خرابی غیر قطعی با رویکرد حل فراابتکاری الگوریتم ژنتیک ارائه کردند. برای بررسی نرخ شکست دو توزیع نمایی و ویبول در نظر گرفته شده است. با توجه به دلایلی همچون شرایط نامساعد جوی، آتشسوزی و انفجار آگاهی از نرخ شکست قابلیت اطمینان برنامهریزی پرواز را بهبود میبخشد و میزان حوادث و فوتیهای احتمالی را کاهش میدهد [55].
کیان و همکاران، مدل ریاضی برای مسیریابی بالگردها برای نقل و انتقال کارکنان صنعت نفت تحت اختلالات حمل ونقل در سطح برنامه عملیاتی برای یک مطالعه موردی در نروژ تا تعداد حوادث هوایی و تلفات کاهش یابد، ارائه کردند. تصمیمگیرندگان بین مدت زمان سفر کوتاهتر و سفر ایمنتر حق انتخاب دارند [56].
عطائی و همکاران ، ارا ئه يك مدل چندهدفه يكپارچه براي مكانيابي - مسيريابي و موجودي تسهيلات امدادي با در نظر گرفتن چند مد حمل و نقل و تور پوششي است که در آن مسالة كنترل و مديريت براي قبل و بعد از بحران دیده شده است. در نظر گرفتن حالت عدم قطعيت سناريويي بههمراه، عدم قطعيت مسير و تقاضا، چند كالايي، چند مد حمل و نقل و تور پوششي از جمله نوآوريهاي اين پژوهش بشمار ميآيد. براي اعتبار سنجي مدل پيشنهادي در ابعاد كوچك و متوسط از روش محدوديت اپسيلو ن در محيط نرم افزاري گمز و براي مطالعه موردي (منطقه 1 شهر تهران) در ابعاد بزرگ با استفاده از الگوريتم علف هرز حل شده است . نتايج تحليل بيانگر آن است كه الگوريتم علف هرز با كمترين خطا نسبت به حل دقيق و زمان كمتر ، قادر به حل مدل خواهد بود و همچنين با افزايش ظرفيتهاي مراكز توزيع، هزينه كاهش مييابد ، با افزايش تقاضا تعداد مراكز توزيع تأسيس شده افزايش مييابد و با افزايش شعاع پوششي، طول تور كاهش مييابد ولي تعداد نقاط حادثه ديدة پوشش نيافته بيشتر شده و هزينه امدادرساني افزايش مييابد [57].
با توجه به بررسی ادبیات، مدلسازی شبکه توزیع دو سطحی بر اساس احداث ایستگاههای توزیع کالا و تعویض باتری با ظرفیت مشخص و تعریف شده با استفاده از تور پوششی به جهت پوشش حداکثری فضای مورد نظردر شرایط بحران به همراه مدیریت مراکز جمعآوری و شارژ مجدد باتریهای دشارژ و تعویض شده و همزمانی این موارد با در نظر گرفتن رویکرد قابلیت اطمینان با توزیعهای گسسته و پیوسته در شرایط عدم قطعیت و در نظر گرفتن پنجره زمانی و رضایت مشتری به همراه چند مد پهپاد و تور پوششی ، طرحی نوین در راستای اجرای تحقیق حاضر است.
5 ) اهداف تحقیق: (این تحقیق برای رسیدن به اهداف زیر طراحی و اجرا خواهد شد)
اهداف اصلی:
در عصر حاضر، استفاده از وسیله نقلیه بدون سرنشین به عنوان وسیله جدید در عملیاتهای نظامی، امنیتی، نظارتی، امدادی و خدماتی در مرحله توزیع آخر بسیار مورد توجه قرار گرفته است. کاربرد پهپادها برای خدمات تحویل برای ارائه دهندگان خدمات تجاری از موضوعات مورد علاقه و بررسی شرکتهای بزرگ تجاری است. سرعت تحویل پهپادها امتیاز و مزیت رقابتی برای این شرکتها فراهم خواهد کرد. استفاده از پهپادها بسیار شتابزده انجام شده است. پهپادها با توجه به نوع محدوده پروازی مشخصی دارند. و با توجه به سایز کوچک خود عمر باتریهایشان کوتاه است از طرف دیگر هر مشتری چند محصول مختلف را از توزیع کننده تقاضا دارد که برای آماده سازی هر محصول نهایی ،به عناصر سازنده اولیه ی مختلف نیاز است بدین منظور به وسیله وسایل نقلیه ی سطح اول ، از تسهیلات سطح اول به تسهیلات میانی انتقال داده می شود که ما در این تحقیق در صددیم با طراحی شبکه ایستگاه تعویض باتری در دو سطح اولیه و میانی ، بهینهسازی مسیر پرواز پهپادها تحت شرایط عدم قطعیت برد پروازی پهپادها افزایش، تحویل به نقاط مختلف تقاضا ممکن با حداکثر پوشش و بیشترین رضایت مشتری و هزینههای شبکه کاهش یابد. اهداف اصلی این پژوهش را میتوان به صورت زیر خلاصه کرد:
توسعه و طراحی مدل ریاضی برای:
حداقلسازی هزینههای ساخت شبکه ایستگاه تعویض و شارژ باتری با استفاده از تور پوششی
حداکثر کردن قابلیت اطمینان مسیرهای شبکه در زمان قبل از بحران
طراحی مدل مسیریابی برای مسیرهای پروازی پهپادها و پوشش حداکثری کلیه نقاط
حداكثر كردن حداقل برآورده سازي تقاضا و میزان رضایت مشتری
مسیریابی و حداقل کردن زمان رسیدن کالا به مشتری
حداکثر کردن تعداد کالای ارسالی در طول یک مسیر با توجه به میزان بار هر پهپاد
2-شناسایی روش حل مناسب و حل مثالهای مختلف به منظور ارزیابی مدل
استفاده از نرم افزارهای دقیق برای توسعه و طراحی مدل
حل مدل در سایزهای بزرگ با الگوریتم فراابتکاری ترکیبی
اهداف فرعی:
حداكثر كردن حداقل برآورده سازي تقاضا و میزان رضایت مشتری
مسیریابی و حداقل کردن زمان رسیدن کالا به مشتری
حداکثر کردن تعداد کالای ارسالی در طول یک مسیر با توجه به میزان بار هر پهپاد
طراحی شبکه ایستگاه شارژ و تعویض باتری با استفاده از تور پوششی
مدیریت باتریهای دشارژ و تعویض شده
ساخت ایستگاه سطح اولیه جهت ارائه خدمات بهتر به مشتری
استفاده از پهپادهای ناهمگن با قابلیت های متفاوت با توجه به دنیای واقعی
استفاده از دو سطح در توزیع کالا با توجه به نیاز مشتری
در نظرگرفتن سناریوی پیادهسازی برای کاربرد در موارد دنیای واقعی
جلب رضایت مشتری در ارائه سرویس خدمات تحویل
مشخص کردن بازه زمان تحویل (پنجره زمانی )
تشخیص اختلالات در بحران
قابلیت اطمینان در شرایط عدم قطعیت
توسعه مسیرهایی با ارتفاع کم، که بار ترافیک هوایی را به حداقل برساند.
6 ) فرضيه ها یا سوا لهای تحقیق : ( هر فرضيه به صورت جمله خبري ، و هر سوال به صورت جمله پرسشی و بر اساس اهداف تحقیق ارائه شود )
مفروضات مدل:
پهپادها ناهمگن هستند.
پهپادها توسط باتری الکتریکی تغذیه میشوند.
پهپادها دارای یک کارایی ثابت هستند.
هر پهپاد برد پروازی مشخصی دارد.
هر پهپاد ظرفیت حمل و نقل مشخصی دارد.
با هدف افزایش دامنه پرواز پهپادها با توجه به محدودیت باتری منطقه و عملیات پروازی تعریف شده و محدود میباشد.
در هر سفر یک پهپاد می تواند چندین سفارش را از یک تامینکننده به چند مشتری حمل کند.
پرواز برگشت از مشتری به تامینکننده از همان مسیر پرواز تحویل است.
ایستگاههای شارژ و تعویض باتری متعددی قابل احداث هستند.
ظرفیت ایستگاههای شارژ و تعویض باتری مشخص و تعریف شده است.
هزینه ساخت و بهرهبرداری متاثر از تفاوت باتری است.
برنامهای از پیش تعیین شده برای مدیریت باتریهای دشارژ و شارژ و تعویض شده و شارژ مجدد آنها در نظر گرفته شده است.
مراکزی برای انتقال و شارژ مجدد باتریهای دشارژ و تعویض شده در نظر گرفته شده است.
ایستگاههای شارژ و تعویض باتری و مراکزی که برای انتقال و شارژ مجدد باتریهای دشارژ و تعویض شده روی زمین قابل احداث هستند.
مدل در شرایط غیر قطعی است.
در سطح میانی چند کالا بسته بندی شده و تحویل پهپاد می شود.
فروش از دست رفته مجاز است اما هزینه زیادی به همراه دارد.
.
سوالات تحقیق:
مکانیابی ساخت ایستگاه های شارژ و توزیع مرحله اول و دوم ومسیریابی پرواز در دو مرحله و افزایش برد پروازی ،با در نظر گرفتن مدیریت باطری های دشارژ و عدم قطعیت در تقاضاها ،چه تأثیری بر کاهش زمان وهزینه های ارسال کالا و خدمات دارد؟
انحراف از پنجره زمانی بعنوان یکی از عوامل نامطلوب در سرویس دهی، چگونه بر رضایت مشتری و میزان تقاضای وی در هر دوره و نهایتا هزینه حاصل شده در طولانی مدت تأثیر گذار خواهد بود؟
مسیریابی پهپادها در استفاده بهینه از شارژ آنها چه تأثیری بر افزایش رضایت مشتری داشته باشد ؟
آیا قابلیت اطمینان شبکه طراحی شده ،در شرایط بحران و اختلال ، می تواند پاسخگوی تقاضای مشتریان باشد ؟
مدیریت باتری های دشارژ شده چه تأثیری بر افزایش رضایت مشتری در زمان ارسال مشخص دارد؟
انجام عملیات تکمیلی در تسهیلات میانی چه تأثیری بر کاهش زمان تحویل کالا و رضایت مشتری را دارد؟
7) جنبه نوآوري و جديد بودن (این قسمت توسط استاد راهنما تکمیل و امضا شود):
مدلسازی سیستم حمل و نقل و تحویل کالا توسط پهپاد با در نظر گرفتن روشی جدید برای مکانیابی نقاطی که برای ساخت ایستگاههای شارژ باتری ها، برای پیمودن مسیرهای طولانی تر در تحویل کالاها مناسب هستند.
در نظر گرفتن شبکه توزیع در دو سطح اولیه و میانی و مکانیابی سطح میانی بهمراه ایستگاه های شارژ پهپادها
لحاظ نمودن فرض ناهمگن بودن ناوگان پهپادهای مورد استفاده
در نظر گرفتن پنجره زمانی نرم تحویل محصول در مدل ، جهت افزایش رضایت مشتری و بکارگیری آن در مدل اصلی سیستم حمل و نقل پهپادی
در نظر گرفتن سیستم پشتیبانی زمینی برای جابجایی باطری هایی که در گره هایی انباشته شده و زمان شارژ برای آنها میسر نشده است و جایگزینی آنها با باطری های شارژ شده .
در نظر گرفتن شرایط عدم قطعیت در الگوی تقاضا در شرایط بحران
همزمانی موارد فوق با در نظر گرفتن رویکرد قابلیت اطمینان با توزیعهای گسسته و پیوسته
محاسبه میزان شارژ باتری با توجه به مسافت طی شده و میزان بار حمل شده
در نظر گرفتن هزینه های ساخت برای دو مکان با قابلیت اطمینان متفاوت
در نظر گرفتن زمان انتظار در سطح میانی برای کامل شدن سفارش مشتری
امضاء استاد راهنما:
8) روش انجام تحقيق:
15) جدول زمان بندی مراحل انجام دادن تحقیق از زمان تصویب تا دفاع نهایی :
14) فهرست منابع و مأخذ ( فارسي و غیرفارسی):
( ارجاع به آخرین یافته ها و منابع مرتبط با موضوع پایان نامه/ رساله بر اساس روش ارجاع به منابع در سیستم مأخذ نویسی APAیا Vancouver با توجه به رشته تحصیلی)
1.Tan, Y., D. Feng, and H. Shen. Research for Unmanned Aerial Vehicle components reliability evaluation model considering the influences of human factors. in MATEC Web of Conferences. 2017. EDP Sciences.
2.Otto, A., et al., Optimization approaches for civil applications of unmanned aerial vehicles (UAVs) or aerial drones: A survey. Networks, 2018. 72(4): p. 411-458.
3.Macias, J.E., P. Angeloudis, and W. Ochieng, Optimal hub selection for rapid medical deliveries using unmanned aerial vehicles. Transportation Research Part C: Emerging Technologies, 2020. 110: p. 56-80.
4.Coelho, B.N., et al., A multi-objective green UAV routing problem. Computers & Operations Research, 2017. 88: p. 306-315.
5.Huang, H., A.V. Savkin, and C. Huang, Reliable Path Planning for Drone Delivery using a Stochastic Time-Dependent Public Transportation Network. IEEE Transactions on Intelligent Transportation Systems, 2020.
6.Dixit, V., N. Seshadrinath, and M. Tiwari, Performance measures based optimization of supply chain network resilience: A NSGA-II+ Co-Kriging approach. Computers & Industrial Engineering, 2016. 93: p. 205-214.
7.Andrews, J.D., J. Poole, and W.-H. Chen, Fast mission reliability prediction for Unmanned Aerial Vehicles. Reliability Engineering & System Safety, 2013. 120: p. 3-9.
8.Hong, I., M. Kuby, and A.T. Murray, A range-restricted recharging station coverage model for drone delivery service planning. Transportation Research Part C: Emerging Technologies, 2018. 90: p. 198-212.
9.Nur, F., et al., Last mile delivery drone selection and evaluation using the interval-valued inferential fuzzy TOPSIS. Journal of Computational Design and Engineering, 2020.
10.Chowdhury, S., et al., Drones for disaster response and relief operations: A continuous approximation model. International Journal of Production Economics, 2017. 188: p. 167-184.
11.Dantzig, G.B. and J.H. Ramser, The truck dispatching problem. Management science, 1959. 6(1): p. 80-91.
12.Maranzana, F.E., On the location of supply points to minimize transportation costs. IBM Systems Journal, 1963. 2(2): p. 129-135.
13.Chao, I.-M., B.L. Golden, and E. Wasil, A new heuristic for the multi-depot vehicle routing problem that improves upon best-known solutions. American Journal of Mathematical and Management Sciences, 1993. 13(3-4): p. 371-406.
14.Knott, R., The logistics of bulk relief supplies. Disasters, 1987. 11(2): p. 113-115.
15.Sierksma, G. and G.A. Tijssen, Routing helicopters for crew exchanges on off-shore locations. Annals of Operations Research, 1998. 76: p. 261-286.
16.Barbarosoğlu, G., L. Özdamar, and A. Cevik, An interactive approach for hierarchical analysis of helicopter logistics in disaster relief operations. European Journal of Operational Research, 2002. 140(1): p. 118-133.
17.De Angelis, V., et al., Multiperiod integrated routing and scheduling of World Food Programme cargo planes in Angola. Computers & operations research, 2007. 34(6): p. 1601-1615.
18.D'Andrea, R., Guest editorial can drones deliver? IEEE Transactions on Automation Science and Engineering, 2014. 11(3): p. 647-648.
19.Murray, C.C. and A.G. Chu, The flying sidekick traveling salesman problem: Optimization of drone-assisted parcel delivery. Transportation Research Part C: Emerging Technologies, 2015. 54: p. 86-109.
20.Roosta, M., Routing through a network with maximum reliability. Journal of Mathematical Analysis and Applications, 1982. 88(2): p. 341-347.
21.Sansó, B. and F. Soumis, Communication and transportation network reliability using routing models. IEEE Transactions on Reliability, 1991. 40(1): p. 29-38.
22.Rabta, B., C. Wankmüller, and G. Reiner, A drone fleet model for last-mile distribution in disaster relief operations. International Journal of Disaster Risk Reduction, 2018. 28: p. 107-112.
23.Kim, S.J., G.J. Lim, and J. Cho, Drone flight scheduling under uncertainty on battery duration and air temperature. Computers & Industrial Engineering, 2018. 117: p. 291-302.
24.Lim, G.J., et al., Multi-UAV pre-positioning and routing for power network damage assessment. IEEE Transactions on Smart Grid, 2016. 9(4): p. 3643-3651.
25.Cho, J., et al., Safety and security management with unmanned aerial vehicle (UAV) in oil and gas industry. Procedia Manufacturing, 2015. 3: p. 1343-1349.
26.Chowdhury, S., Drone routing and optimization for post-disaster inspection. 2020, Mississippi State University.
27.Kim, J., B.D. Song, and J.R. Morrison, On the scheduling of systems of UAVs and fuel service stations for long-term mission fulfillment. Journal of Intelligent & Robotic Systems, 2013. 70(1-4): p. 347-359.
28.Kim, J. and J.R. Morrison, On the concerted design and scheduling of multiple resources for persistent UAV operations. Journal of Intelligent & Robotic Systems, 2014. 74(1-2): p. 479-498.
29.Levy, D., K. Sundar, and S. Rathinam, Heuristics for routing heterogeneous unmanned vehicles with fuel constraints. Mathematical Problems in Engineering, 2014. 2014.
30.Russell, M.A. and G.B. Lamont. A genetic algorithm for unmanned aerial vehicle routing. in Proceedings of the 7th annual conference on Genetic and evolutionary computation. 2005.
31.Ghaharikermani, A., Essays on Applications of Transportation Network Design and Optimization. 2018.
32.Arlbjørn, J.S., et al., Helicopter routing in the Norwegian oil industry. International Journal of Physical Distribution & Logistics Management, 2011.
33.Godzdanker, R., M.J. Rutherford, and K.P. Valavanis. Improving endurance of autonomous aerial vehicles through intelligent service-station placement. in 2012 IEEE International Conference on Robotics and Automation. 2012. IEEE.
34.Suzuki, K.A., P. Kemper Filho, and J.R. Morrison, Automatic battery replacement system for UAVs: Analysis and design. Journal of Intelligent & Robotic Systems, 2012. 65(1-4): p. 563-586.
35.Hiermann, G., et al., The electric fleet size and mix vehicle routing problem with time windows and recharging stations. European Journal of Operational Research, 2016. 252(3): p. 995-1018.
36.Giménez-Gaydou, D.A., et al., Optimal location of battery electric vehicle charging stations in urban areas: A new approach. International Journal of Sustainable Transportation, 2016. 10(5): p. 393-405.
37.Cavadas, J., G.H. de Almeida Correia, and J. Gouveia, A MIP model for locating slow-charging stations for electric vehicles in urban areas accounting for driver tours. Transportation Research Part E: Logistics and Transportation Review, 2015. 75: p. 188-201.
38.Yang, J. and H. Sun, Battery swap station location-routing problem with capacitated electric vehicles. Computers & Operations Research, 2015. 55: p. 217-232.
39.He, F., Y. Yin, and J. Zhou, Deploying public charging stations for electric vehicles on urban road networks. Transportation Research Part C: Emerging Technologies, 2015. 60: p. 227-240.
40.Yu, K., A.K. Budhiraja, and P. Tokekar. Algorithms for routing of unmanned aerial vehicles with mobile recharging stations. in 2018 IEEE International Conference on Robotics and Automation (ICRA). 2018. IEEE.
41.Dorling, K., et al., Vehicle routing problems for drone delivery. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2016. 47(1): p. 70-85.
42.Murray, C.C. and R. Raj, The multiple flying sidekicks traveling salesman problem: Parcel delivery with multiple drones. Transportation Research Part C: Emerging Technologies, 2020. 110: p. 368-398.
43.Ulmer, M.W. and B.W. Thomas, Same‐day delivery with heterogeneous fleets of drones and vehicles. Networks, 2018. 72(4): p. 475-505.
44.Shahzaad, B., et al., Resilient composition of drone services for delivery. Future Generation Computer Systems, 2020.
45.Dell’Amico, M., R. Montemanni, and S. Novellani, Matheuristic algorithms for the parallel drone scheduling traveling salesman problem. Annals of Operations Research, 2020: p. 1-16.
46.Torabbeigi, M., G.J. Lim, and S.J. Kim, Drone delivery scheduling optimization considering payload-induced battery consumption rates. Journal of Intelligent & Robotic Systems, 2020. 97(3): p. 471-487.
47.Ukkusuri, S.V. and W.F. Yushimito, Location routing approach for the humanitarian prepositioning problem. Transportation research record, 2008. 2089(1): p. 18-25.
48.Guo, J. and E.A. Elsayed, Reliability of balanced multi-level unmanned aerial vehicles. Computers & Operations Research, 2019. 106: p. 1-13.
49.Petritoli, E., F. Leccese, and L. Ciani, Reliability and maintenance analysis of unmanned aerial vehicles. Sensors, 2018. 18(9): p. 3171.
50.Torabbeigi, M., G.J. Lim, and S.J. Kim. Drone delivery schedule optimization considering the reliability of drones. in 2018 International Conference on Unmanned Aircraft Systems (ICUAS). 2018. IEEE.
51.Yun, L., et al., Reliable facility location design with round-trip transportation under imperfect information Part I: A discrete model. Transportation Research Part E: Logistics and Transportation Review, 2020. 133: p. 101825.
52.Yun, L., H. Fan, and X. Li, Reliable facility location design with round-trip transportation under imperfect information part II: A continuous model. Transportation Research Part B: Methodological, 2019. 124: p. 44-59.
53.Xie, W., Y. Ouyang, and S.C. Wong, Reliable location-routing design under probabilistic facility disruptions. Transportation Science, 2016. 50(3): p. 1128-1138.
54.Berman, O., E. Ianovsky, and D. Krass, Optimal search path for service in the presence of disruptions. Computers & operations research, 2011. 38(11): p. 1562-1571.
55.Caballero-Morales, S.-O. and J.-L. Martinez-Flores, Helicopter routing model with non-deterministic failure rate for evacuation of multiple oil platforms. Computers & Industrial Engineering, 2020. 139: p. 105669.
56.Qian, F. and I. Gribkovskaia, Helicopter routing in the Norwegian oil industry: Including safety concerns for passenger transport. International Journal of Physical Distribution & Logistics Management, 2011. 41(4): p. 401-415.
57.عطائی, ا., ر. صادقیان, م. حامدی, ارایه یک مدل چندهدفه یکپارچه برای مکانیابی- مسیریابی و موجودی تسهیلات امدادی با در نظر گرفتن چند مد حمل و نقل و تور پوششی. پژوهشنامه حمل و نقل, 2020. 17(2): p. 49-66.
جایابی بهینه ایستگاههای شارژ خودرو های الکتریکی در شبکه توزیع متصل به شبکه با استفاده از الگوریتم برنامه ریزی خطی
Optimum placement of electric vehicle charging stations in the on grid distribution network using Integer Linear Programming algorithm
الف : تعريف مسئله :
امروزه معضلات زیست محیطی و افزایش میزان گرمایش جهانی موجب روی آوردن کشورهای صنعتی توسعه یافته و در حال توسعه به سمت انرژی های تجدیدپذیر جهت تامین انرژی مورد نیاز خود شده است. دسترس پذیری بالا و رایگان بودن منابع تجدیدپذیر، از دلایل اصلی بهره مندی از این نوع انرژی در کشورهای مختلف جهان است.
از طرف دیگر سوخت مصرفی اغلب خودروها از منابع سوخت فسیلی، نظیر بنزین و گازوئيل بوده است و همین موضوع سبب آلودگی شدید زیست محیطی در شهرهای صنعتی جهان شده است. از راهکارهای کاربردی جهت حل این مشکل که در برخی کشورها به کار گرفته شده است، میتوان به بهره براداری از خودروهای الکتریکی اشاره کرد. همانطور که از نام آن مشخص است، سوخت مصرفی خودروهای الکتریکی، برق است و انرژی مورد نیاز این نوع خودرو پس از طی مسافت مورد نظر، با شارژ مجدد در ایستگاههای شارژ خودروی برقی تامین میشود. امروزه در برخی کشورهای جهان مانند چین، ایالات متحده آمریکا، نروژ، انگلستان و آلمان ایستگاههای شارژ خودرو به یکی از مهمترین زیرساختهای بخش حمل و نقل تبدیل شده اند و تعداد زیادی از این ایستگاههای شارژ جهت تامین انرژی مورد نیاز خودروهای الکتریکی در بخشهای مختلف کشورهای مذکور احداث شده اند. کشور ایران نیز در سالهای اخیر در تلاش بوده است تا وسایل نقلیه الکتریکی در برخی زیربخشهای حمل و نقل را افزایش دهد و امروزه تعداد محدودی از ایستگاههای شارژ خودرو الکتریکی نیز در شهرهای تهران و اصفهان و .. ایجاد شده اند و با توجه به وضعیت زیست محیطی شهرهای مختلف این کشور، بخش حمل و نقل ناگزیر باید احداث ایستگاههای شارژ خودرو در شهرهای دیگر را در دستور کار خود قرار دهد. در این قسمت برخی مزایای بهره مندی از خودروهای الکتریکی معرفی خواهند شد:
یکی از راهکارهای پیشنهادی جهت ادغام بهره مندی از خودروی الکتریکی و انرژیهای تجدیدپذیر به صورت همزمان، استفاده از فناوریهای تجدیدپذیر در ایستگاههای شارژ خودرو است. در حال حاضر در برخی از ایستگاههای شارژ خودروی الکتریکی در جهان از انرژیهای تجدیدپذیر استفاده میشود اما در هیچ کدام از ایستگاههای شارژ خودرو در کشور ایران، برق مورد نیاز خودروهای الکتریکی از طریق فناوریهای تجدیدپذیر تامین نمیشود. در نتیجه با توجه به عدم ایجاد ایستگاههای شارژ خودروی الکتریکی در بسیاری از شهرهای کشور ایران و پتانسیل نسبتا مناسب تابش خورشید در بخشهای زیادی از کشور ایران، میتوان جایابی بهینه جهت احداث ایستگاه شارژ مجهز به پنلهای خورشیدی جهت تامین انرژی و کلکتورهای حرارتی خورشیدی جهت تامین گرمایش آب مصرفی در مجموعه ایستگاه شارژ توسط الگوریتم پیشنهادی بر اساس برنامه ریزی خطی را در نظر گرفت. طرح پیشنهادی، ترکیب فناوری ایستگاه شارژ وسایل نقلیه، سیستم خورشیدی فوتوولتائيک و سیستم خورشیدی حرارتی با یک دیگر را بررسی کرده و برای تامین برق مورد نیاز خودروی الکتریکی، از احداث یک نیروگاه خورشیدی در ایستگاه شارژ خودرو جهت تولید برق و برای تامین گرمایش آب مصرفی در مجموعه از احداث یک سیستم حرارتی خورشیدی استفاده میکند.
در این قسمت برخی واژهها و اصطلاحات تخصصی معرفی خواهند شد:
• پنل خورشیدی فوتوولتائیک
پنل فوتوولتائیک اساساً یک سیستم نیمه هادی حالت جامد است که انرژی نور را به انرژی الکتریکی تبدیل میکند و خروجی آن معمولاً برق DC است، در حالی که اکثر لوازم الکتریکی خانگی و صنعتی از جریان متناوب (AC) استفاده میکنند. این سیستم انرژی پاک و سبز را ارائه میدهد و در طول تولید جریان الکتریکی با پنلهای فتوولتائیک، هیچ گاز گلخانه ای مضری در محیط منتشر نمیشود، بنابراین پنل خورشیدی نوعی فناوری سازگار با محیط زیست است.
سلول خورشیدی را می توان به صورت یک منبع جریان موازی با یک دیود مدل نمود. منبع جریان، جریان فوتوولتائیک IPH را تولید میکند که رابطه مستقیمی با شدت تابش دارد. زمانی که هیچ نوری برای تولید جریان وجود ندارد، سلول خورشیدی به عنوان یک دیود عمل میکند و هنگامی که شدت نور تابید شده به سلول افزایش مییابد، جریانی متناسب با شدت نور ورودی به وسیله سلول خورشیدی تولید میشود. این جریان نوری بین مقاومت متغیر دیود و بار، با نسبتی که بستگی به مقاومت بار و شدت تابش دارد تقسیم میشود.
• راندمان پنل خورشیدی فوتوولتائیک:
بازده سلول خورشيدي با پارامتر η نشان داده میشود که نسبتی از نور تابشی است که به الکتريسيته تبديل میشود. در واقع بازده يک سلول خورشیدی به صورت نسبت توان بيشينه خروجی به توان ورودی است که از رابطه ...بدست میآيد:
(رابطه ...) .... = ᶯ
در این رابطه پارامتر Pin توان تابشی نور ورودي و Pmp توان بيشينه خروجی است که ....
• کلکتور خورشیدی حرارتی
از انرژی حرارتی خورشید برای اهداف بسیاری از جمله گرم کردن آب، هوا و فضای داخلی ساختمانها و تولید برق استفاده میشود. سیستمهای گرمایش خورشیدی دو نوع کلی دارند:
الف) سیستمهای غیرفعال، ب) سیستمهای فعال.
عملکرد سیستم گرمایش خورشیدی غیرفعال به این صورت است که خورشید از پنجرههای ساختمان میتابد و فضای داخلی را گرم می کند اما سیستمهای گرمایش خورشیدی فعال، سیال گرم شده (هوا یا مایع) را به داخل ساختمان یا یک سیستم ذخیرهسازی گرما منتقل میکنند، تا در زمان نیاز از آن استفاده شود.
عنوان پیشنهادی پروپوزال (گرایش قدرت):
بهینهسازی مصرف انرژی در شبکههای هوشمند برق با استفاده از الگوریتمهای هوش مصنوعی
بیان مسأله:
در دهههای اخیر، رشد سریع مصرف انرژی الکتریکی و افزایش وابستگی صنایع و جوامع به برق، ضرورت مدیریت هوشمند منابع انرژی را بیش از پیش آشکار ساخته است. شبکههای برق سنتی به دلیل ساختار متمرکز و محدودیت در پیشبینی بار، توانایی پاسخگویی به نیازهای پویا و متغیر امروزی را ندارند. از سوی دیگر، ناپایداری تولید انرژیهای تجدیدپذیر (مانند خورشیدی و بادی) چالش جدی در بهرهبرداری بهینه از این منابع ایجاد کرده است. یکی از راهکارهای نوین، بهرهگیری از الگوریتمهای هوش مصنوعی برای پیشبینی، کنترل و مدیریت بهینه مصرف انرژی در شبکههای هوشمند است. با این وجود، پرسش اصلی این است که چه الگوریتم یا ترکیبی از روشهای محاسباتی میتواند در شرایط واقعی بیشترین دقت، سرعت و کارایی را در کاهش تلفات و افزایش بهرهوری شبکه فراهم آورد. این خلأ پژوهشی، ضرورت انجام تحقیق در حوزه تلفیق هوش مصنوعی و مهندسی برق قدرت را توجیه میکند.
عنوان پیشنهادی پروپوزال (گرایش الکترونیک):
طراحی و شبیهسازی تقویتکنندههای کممصرف برای کاربردهای پزشکی قابلحمل
بیان مسأله:
با پیشرفت روزافزون فناوریهای پوشیدنی و پزشکی، نیاز به مدارهای الکترونیکی کوچک، کممصرف و دقیق بیش از گذشته احساس میشود. یکی از مهمترین اجزای این سیستمها، تقویتکنندههایی هستند که قادرند سیگنالهای ضعیف زیستی را بدون نویز اضافی پردازش کنند. چالش اصلی در این حوزه، دستیابی به طراحی مدارهایی است که ضمن کاهش مصرف انرژی، کیفیت سیگنال را نیز حفظ نمایند. با توجه به اینکه بسیاری از تقویتکنندههای موجود یا توان مصرفی بالایی دارند یا در شرایط واقعی دچار افت عملکرد میشوند، این پرسش مطرح است که چگونه میتوان معماریهای جدیدی ارائه کرد که همزمان دو ویژگی کلیدی "کممصرف بودن" و "حفظ دقت" را تضمین کند. این نیاز، جایگاه تحقیق و توسعه در طراحی تقویتکنندههای نوین برای کاربردهای پزشکی را پررنگ میسازد.
نمونه بیان مساله در نگارش پروپوزال (گرایش مخابرات):
بهبود کیفیت سرویس در شبکههای 5G با استفاده از روشهای یادگیری ماشین
بیان مسأله:
ظهور نسل پنجم شبکههای مخابراتی (5G) انقلابی در انتقال دادههای پرسرعت ایجاد کرده است. با وجود این، افزایش حجم دادهها، تنوع کاربران و نیاز به حداقل تأخیر، مدیریت منابع شبکه را به یک چالش اساسی تبدیل کرده است. روشهای سنتی تخصیص پهنای باند و کنترل ترافیک قادر به پاسخگویی به نیازهای پویای شبکههای 5G نیستند. در این راستا، یادگیری ماشین بهعنوان ابزاری قدرتمند برای تحلیل دادههای بزرگ و تصمیمگیری هوشمندانه، مورد توجه قرار گرفته است. پرسش محوری اینجاست که چگونه میتوان از الگوریتمهای یادگیری ماشین برای بهینهسازی کیفیت سرویس (QoS) استفاده کرد به گونهای که هم تأخیر شبکه کاهش یابد و هم رضایت کاربران حفظ شود. این شکاف دانشی، ضرورت انجام پژوهشهای نوین در زمینه کاربرد یادگیری ماشین در شبکههای مخابراتی نسل جدید را برجسته میسازد.
طراحی کنترلکننده مقاوم برای سیستمهای غیرخطی با عدم قطعیتهای ساختاری
بیان مسأله:
سیستمهای کنترل صنعتی در شرایط واقعی با عدم قطعیتهای متعددی همچون تغییرات پارامترها، نویزهای محیطی و غیرخطی بودن دینامیک سیستمها مواجهاند. در چنین شرایطی، استفاده از روشهای کلاسیک کنترل (مانند PID یا کنترل خطی) اغلب پاسخگوی نیازهای عملکردی و پایداری سیستم نیست. بهویژه در صنایع حساس نظیر هوافضا، رباتیک، فرآیندهای شیمیایی و سامانههای انرژی، کوچکترین انحراف در طراحی کنترلکننده میتواند منجر به خسارتهای جبرانناپذیر شود.
پژوهشهای اخیر نشان دادهاند که طراحی کنترلکنندههای مقاوم و تطبیقی میتواند عملکرد سیستم را در برابر عدم قطعیتها بهبود بخشد، اما هنوز پرسش کلیدی این است که کدام روش کنترل مقاوم (مانند H∞، LMI یا کنترل تطبیقی فازی) قادر است بهترین توازن بین پایداری، سرعت پاسخ و مصرف انرژی را برای سیستمهای غیرخطی پیچیده فراهم آورد. شناسایی و ارائه راهکاری عملی برای این چالش، خلأ پژوهشی موجود را آشکار میسازد و ضرورت انجام تحقیق در حوزه کنترل مقاوم سیستمهای غیرخطی را برجسته میکند.
نگارش پروپوزال کارشناسی ارشد و دکتری - نگارش رساله دکتری - نگارش مقاله پژوهشی - نگارش مقاله ISI
شماره تماس: 09102340118 ثبت سریع سفارش ![]()
![]()
he predictive values of two MRI and MRV neuroimaging tests in headache patients without neurologic symptoms
Department of imaging, Milad Hospital,TEHRAN, IRAN
Abstract
Background and Purpose: This study conducted to evaluate the predictive values of two MRI and MRV diagnostic tests in headache patients with different non-specific neurologic symptoms such as blurred vision, nausea, and dizziness sings or all of them.
Materials and Methods: The research population consisted of peoples (n: 54, male; n: 176, female) who referred to three Tehran hospitals, Departments of Neurology, were assigned into 2 groups based on their clinical symptoms, including: HG: patient only suffered from headaches; HBNDG: patients suffered from headache accompanied with one blurred vision, or nausea, and or dizziness sings or all of them. Then, brain MRI and MRV tests were performed for all subjects. There was a poor agreement between two neuroimaging tests in both HG and HBNDG patients. MRI test had low sensitivity in HG patients, HBNDG patients and in all participants. So MRI was a highly specific test in two groups.
Results: There was no significant difference between groups based on different clinical symptoms (P = 0.33) in age. The female participants had significantly lower age in comparison with males (40.3 ± 0.97 vs. 45.5 ± 2.04, respectively, P = 0.005). MRV was a relatively sensitive test in all participants (≥ 50). Additionally, the specificity was moderate (nearly 64.5) in all groups.
Conclusions: This investigation shows MRV is more sensitive than MRI for recognition of brain abnormalities in patients with headaches accompanied by nausea, dizziness, and blurred vision. It was suggested that the combination of these clinical symptoms with headache increase the diagnostic values of the MRV test.
Keywords: MRI, MRV, neuroimaging, headache patients
1. Introduction
Headaches are considered as most common neurological issues which everyone certainly has been experienced at least one time in her/and his life [1]. It has been showed that headaches include up to 30% of patients with neurologic symptoms [2]. Headache problems are categorized in term of clinical pattern and etiology into two primary and secondary groups. The primary headaches are the most common headaches and included 98% of headaches, although potentially affect the quality of life, which revealed that there is any abnormal findings in imaging results [1]. Whereas, secondary headaches are associated with a pathologic abnormality in the brain such as increased intracranial pressure, infection or arterial disorders, etc., with the possibility of life-threatening [3]. The most of headaches can be diagnosed and managed according to correct clinical taking and examination [4]. Sometimes, it may be confusing to diagnose common headache disorders due to many patients cannot present some accurate symptoms from their headaches to clinicians. So, practitioners prefer to perform more diagnostic investigations to justify that headaches disorders are not a severe disease [5].
There are different diagnostic neuroimaging tests can perform to manifest brain abnormalities in a patient with headaches. Neuroimaging with magnetic resonance imaging (MRI), magnetic resonance venography (MRV), computed tomography (CT) and CT venography are the most useful investigations for determining neurologic disorders [6]. The diagnostic values of these neuroimaging tests are not similar in different abnormalities. It was shown that abnormal neurological symptoms can increase to yield a significant positive neuroimaging finding [7].
Moreover, neuroimaging modalities have some risks for patients, as well as very expensive. Sometimes, it is not needed to perform different researches for diagnosing common headaches and an accurate clinical examination can help to make an proper and economic decision before more investigations work up [8].
Although there are different findings according to diagnostic values of various neuroimaging tests, there are inconsistence data regarding the importance of clinical features for selecting a sensitive and specific neuroimaging test in headaches [7].
Therefore, we performed two different neuroimaging tests (MRI vs. MRV) in patients only suffered from headaches and patients suffered from headaches accompanied by different clinical symptoms such as blurred vision, nausea, and dizziness sings or all of them. To evaluate the predictive values of two MRI and MRV diagnostic tests in headache patients without specific clinical symptoms of neurologic disorders. (Fig. 1). We hope to make a correct and proper clinical decision, decrease unnecessary investigations, and accelerate to the best treatment in patients with idiopathic headaches.
Figure 1. It was shown normal brain (a) and the thrombosis positive cord sign in the right transverse sinus (b) in MRV.
2. Materials and Methods
2.1. Study population
A prospective, observational study conducted among peoples (n: 54, male; n: 174, female) who referred to three Tehran hospitals, Departments of Neurology, were enrolled between August 2015 and December 2018. The inclusion criteria included age over 9 years[f1] [f2] , and with a headache complication (exception non-migraine headache). The study was confirmed by the local ethics committee of the hospital, informed consent was reached from the patients. These hospitals are longstanding and well-known hospitals specialized for neurology and neurosurgery.
Patients either show themselves, age, sexuality, duration of headache, the other clinical symptoms excepted of headaches such as history of seizures, concomitant illnesses, and existing pregnancy were all recorded. The patients were assigned into 2 groups according to their clinical symptoms, including: HG: patient only suffered from headaches; HBNDG: patients suffered from headache accompanied with one blurred vision, or nausea, and or dizziness sings or all of them.
Then, these participants were referred to assessed brain imagines including brain magnetic resonance imaging (MRI), and brain magnetic resonance venography (MRV). MRI and MRV were performed using 1.5 Tesla GE Simens scanner.
According to brain imagines, main diagnoses were assigned into two following groups: positive brain abnormalities (P) or and negative cerebrovascular abnormalities (N).
2.2. Statistical analysis
The demographic characteristics of participants (sexuality, age), clinical symptoms and imagines findings were collected into databases created in Microsoft Excel 2016 Microsoft. Then, all databases were imported into SAS for data analyzing. Analyses were performed with SAS version 9.1 (SAS Institute, Cary, NC, USA). Data of age was analyzed with one way-ANOVA test (a GLM PROC in SAS). The fixed effect was group based on gender and clinical symptoms. Then, the Cohen’s kappa coefficients for pairs of diagnostic tests were computed with the FREQ PROC. Due to independent diagnostic tests were imperfect, sensitivity, and specificity of individual tests was estimated using LCA PROC. Statistical significance was determined at P< 0.05.
3. Results
According to Table 1, the age ranged from 9 years to 76 years and the mean age was shown for two men and women as well as different groups of clinical symptoms. Males included 23.68 % of the patients (n= 54) and females included 76.5 % of the subjects (n= 176). There was no significant difference in age between groups based on different clinical symptoms (P = 0.33). The female participants had significantly lower age in comparison with males (40.3 ± 0.97 vs. 45.5 ± 2.04, respectively, P = 0.005).
| Table 1. The effects of clinical symptoms grouping and gender on age with one-way ANOVA. | |||
| Variable | Frequency (n, %) | Age (mean ± SD) | P values1 |
|
Clinical symptoms HG2 HBNDG2 |
228 (100) 147 (64.5) 86 (35.5) |
41.6 ± 1.2 41.34 ± 3.1 |
P = 0.41 |
|
Gender Male Female |
54 (23.68) 176 (76.5) |
45.5 ± 2a 40.3 ± 0.97b |
P = 0.005 |
|
1 P values ≤ 0.05 are considered as significant 2 HG: patients with headache; HBNDG: patients with headaches, blurred, nausea dizziness. a Different superscripts indicates significant difference between groups (P < 0.05) |
|||
Cohen’s kappa coefficient is a statistic that evaluated the agreement between diagnostic tests. In this study, two neuroimaging tests were performed in patients with only headache and headache accompany other symptoms. The Cohen’s kappa coefficients were evaluated the correlation between two tests in two groups. According to Table 2, there was a poor agreement between two neuroimaging tests in both HG and HBNDG patients.
| Table 2. Cohen’s kappa coefficients between two diagnostic tests (MRI and MRV) for HG and HBNDG | |||
| Group | κ value1 |
p value for H0: κ = 02 |
|
| MRI | MRV | ||
| HG3 | - 0.008 | 0.88 | |
| HBNDG3 | 0.02 | 0.67 | |
| Total | 0.003 | 0.92 | |
|
1 κ values are between -1 to +1. 2 P values ≤ 0.05 are considered as significant. 3 HG: patients with headache; HBNDG: patients with headaches, blurred, nausea dizziness. |
|||
The sensitivity and specificity of two neuroimaging diagnostic tests without any gold standard test were estimated by Latent Class Analysis (LCA) (Table 3). LCA can use to estimate sensitivity and specificity of independent tests when there is not an imperfect diagnostic test. MRI test had low sensitivity in patients with the only headache, headache accompanied by other general symptoms and in all participants. Whereas MRI was a highly specific test in two patient groups with only headache and groups with headache accompany other general symptoms.
MRV was a relatively sensitive test in all participants (≥ 50). Additionally, the specificity was moderate (nearly 64.5) in all groups.
| Table 3. LCA for two neuroimaging tests in HG and HBNDG patients for detecting brain abnormalities. | ||||
|
Group |
MRI | MRV | ||
| Sensitivity (95% CI)1 |
Specificity (95% CI)1 |
Sensitivity (95% CI)1 |
Specificity (95% CI)1 |
|
| HG2 | 5.7 (4.3- 6.9) | 93.6 (92.1-95.1) | 52.8 (1.7-100) | 64.2 (62-66.4) |
| HBNDG2 | 3.3(0- 6.2) | 98.1 (95.3-100) | 67.1 (10.3- 100) | 64.6 (63.1-66.1) |
| Total | 5 (3.5- 6.5) | 95.3 (92.5- 98.1) | 54.8 (3.11-100) | 64.9 (63.2-66.6) |
|
1 CI presents confidence interval. 2 HG: patients with headache; HBNDG: patients with headaches, blurred, nausea dizziness. |
||||
4. Discussion
Usually, in neurologic lesions the clinical findings are revealed according to the mechanism of neurological dysfunction. These features make suggestions that should be accepted by a proper neuroimaging investigation and finally make an accurate diagnose [9]. For example, in cerebral venous thrombosis (CVT), patients clinically show diffuse headache and some focal neurologic symptoms (papilledema). These clinical symptoms pay attention to intracranial hypertension causes [10]. So, practitioners attempted to prevent any delay for treatment by imaging with the most reliable and rapidest modality. Additionally, durations of presenting clinical symptoms may help for selecting an appropriate imaging test. So the imaging findings may be differed due to the time of imaging from the occurrence of brain lesions [11, 12].
However, in this work we confronted with two groups of patients that complicated from isolated headache, and or headache accompanied by several non-neurologic signs (nausea, dizziness, and blurred vision). These features clinically made a diagnostic challenge. Because of this we did not have any gold standard examination tests. There is any agreement between two MRI and MRV tests (Cohens kappa coefficient values < 0.1) confirmed the aforementioned statement.
Then, it is computed the LCA approach to compare diagnostic values of two tests in both patient groups.
According to LCA findings, MRV was a relatively sensitive neuroimaging test that can be performed to make a sufficient clinical decision. These findings were expectable due to MRV and MRI which have various operator characteristics. The greater MRV sensitivity might have been due to it can make an intravenous contrast dye to detect vascular disorders such as thrombosis. It also diagnoses deep vein thrombosis with high sensitivity in the first days of thrombosis formation [13].
Furthermore, it was revealed that the contrast-enhanced 3D T1-weighted gradient-echo MRI is the most accuracy for the discovering of dural venous sinus and/or cortical venous thrombosis in comparison with conventional MRI and MRV imaging tests [14].
Based on LCA results, MRI had higher specificity for patients with headache without any neurologic symptoms. MRV was moderately specific in this study. According to Lomont et al. (2003) presenting paralysis, reduced conscious level and papilloedema with headache predicted brain abnormalities in neuroimaging examination [7]
We have observed that 76.5 % of participants were women suffered from a headache. This finding is consistent with the findings of previous studies. They have been showed different subtypes of primary and secondary headaches have more incidences in women than men [15, 16].
Moreover, 1.14% of women (n=2) were pregnant and presented headache related to pregnancy. Although, their MRI test was negative, significant brain abnormalities were observed on MRV examinations. The sampling population was plausible affected this result. However, physiologic alterations initiated by pregnancy promote the risk of CVT, pituitary and dissection apoplexy [17]. Therefore, unique considerations regarding the differential diagnosis, imaging options, and medical management are important for evaluating the pregnant patient with headache.
Although, men with headache were significantly older than women (45.5 vs. 40.3 years), we found no data regarding the significant difference of age between sexes. This finding likely is related to sampling population that was not randomized, and then it cannot be generalized in the headache population.
Headaches are the most common neurological issues categorized into two primary and secondary groups based on etiology and clinical symptoms [1]. In the present study, nearly 64.5 % of participants complicated from mild to severe headache without other clinical sings (HG). The neuroimaging tests (MRI and MRV) were obtained to make an accurate clinical decision. The imaging results showed that only 93.9 % of HG was negative in MRI test, whereas, 35.4% of HG discovered positive results on MRV investigation.
In the present study, 6.14 % of participants presented only dizziness, while, 7.02 % of patients presented the combination of nausea and dizziness related to headache. It was shown in the US, near 130 000 to 220 000 patients with stroke referring to the emergency department with dizziness related headache annually [18]. Additionally, dizziness is the symptom most tightly linked to missed stroke [18, 19]. However, it was estimated performing neuroimaging for every patient presenting dizziness related headache in the US, would be cost >$1 billion annually [20]. In a wide range of abnormalities were occurred, the combination of nausea and dizziness such as TBI, aneurysm, and cerebrovascular disorders such as venous thrombosis were similar in both groups. Although there is a rule to obtain an MRI investigation in acute dizziness, the risk of false-negative findings was cleared in the first 48 hours of cerebrovascular disorders by MRI.
Blurred vision is also a non-neurologic symptom of brain pathology that presents with headaches in some cerebrovascular disorders, brain tumor [21], migraine headaches [22], as well as brain aneurysm [23]. According to the research findings, 6.6 % of participants had only blurred vision related to headache and 7.02 % of them presented blurred symptoms accompany nausea or dizziness (HBNDG). There were not observed positive MRI results in HBNDG patients. Also there were positive finding on MRV investigations in HBNDG (31.25 %)
5. Conclusion
The findings of the research showed that MRV is more sensitive than MRI neuroimaging test for recognition of brain abnormalities in patients with headaches and or headache accompanied by nausea, dizziness, and blurred vision. According to findings of research it was suggested that the combination of these clinical symptoms with headache increase the diagnostic values of MRV test. The appearance of neurological symptoms might increase to yield a positive neuroimaging finding and increased predictive values of neuroimaging tests.
6. Declarations
References
1.Ahmed, F., Headache disorders: differentiating and managing the common subtypes. British journal of pain, 2012. 6(3): p. 124-132.
2.Yoon, M., et al., Prevalence of primary headaches in Germany: results of the German Headache Consortium Study. The journal of headache and pain, 2012. 13(3): p. 215.
3.Do, T.P., et al., Red and orange flags for secondary headaches in clinical practice: SNNOOP10 list. Neurology, 2019. 92(3): p. 134-144.
4.Lee, V.M.E., et al., The adult patient with headache. Singapore medical journal, 2018. 59(8): p. 399.
5.Holle, D. and M. Obermann, The role of neuroimaging in the diagnosis of headache disorders. Therapeutic advances in neurological disorders, 2013. 6(6): p. 369-374.
6.Hatami, H., et al., Evaluation of Diagnostic Values in NCCT and MRI of the Patients With Cerebral Venous or Sinus Thrombosis in Loghman Hakim Hospital in Tehran 2014-2018. International Clinical Neuroscience Journal, 2019. 6(1): p. 17-21.
7.Lamont, A., N. Alias, and M. Win, Red flags in patients presenting with headache: clinical indications for neuroimaging. The British journal of radiology, 2003. 76(908): p. 532-535.
8.Micieli, A. and W. Kingston, An Approach to Identifying Headache Patients That Require Neuroimaging. Frontiers in Public Health, 2019. 7: p. 52.
9.Saposnik, G., et al., Diagnosis and management of cerebral venous thrombosis: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke, 2011. 42(4): p. 1158-1192.
10.Appenzeller, S., et al., Cerebral venous thrombosis: influence of risk factors and imaging findings on prognosis. Clinical neurology and neurosurgery, 2005. 107(5): p. 371-378.
11.Damak, M., et al., Isolated lateral sinus thrombosis: a series of 62 patients. Stroke, 2009. 40(2): p. 476-481.
12.Wasay, M. and M. Azeemuddin, Neuroimaging of cerebral venous thrombosis. Journal of Neuroimaging, 2005. 15(2): p. 118-128.
13.Cantwell, C.P., et al., MR Venography with true fast imaging with steady-state precession for suspected Lowerlimb deep vein thrombosis. Journal of vascular and interventional radiology, 2006. 17(11): p. 1763-1770.
14.Sari, S., et al., MRI diagnosis of dural sinus—Cortical venous thrombosis: Immediate post-contrast 3D GRE T1-weighted imaging versus unenhanced MR venography and conventional MR sequences. Clinical neurology and neurosurgery, 2015. 134: p. 44-54.
15.Zhang, Y., et al., Prevalence of primary headache disorders in a population aged 60 years and older in a rural area of Northern China. The journal of headache and pain, 2016. 17(1): p. 83.
16.Felício, A.C., et al., Epidemiology of primary and secondary headaches in a Brazilian tertiary-care center. Arquivos de neuro-psiquiatria, 2006. 64(1): p. 41-44.
17.Schoen, J.C., R.L. Campbell, and A.T. Sadosty, Headache in pregnancy: an approach to emergency department evaluation and management. Western Journal of Emergency Medicine, 2015. 16(2): p. 291.
18.Saber Tehrani, A.S., et al., Rising annual costs of dizziness presentations to US emergency departments. Academic Emergency Medicine, 2013. 20(7): p. 689-696.
19.Tarnutzer, A.A., et al., ED misdiagnosis of cerebrovascular events in the era of modern neuroimaging: a meta-analysis. Neurology, 2017. 88(15): p. 1468-1477.
20.Saber Tehrani, A.S., et al., Diagnosing stroke in acute dizziness and vertigo: pitfalls and pearls. Stroke, 2018. 49(3): p. 788-795.
21.Muthukumar, N., Cerebral venous sinus thrombosis and thrombophilia presenting as pseudo-tumour syndrome following mild head injury. Journal of Clinical Neuroscience, 2004. 11(8): p. 924-927.
22.Friedman, D.I. and R.W. Evans, Are blurred vision and short-duration visual phenomena migraine aura symptoms. Headache, 2017. 57(4): p. 643-647.
23.de Aguiar, G.B., et al., Spontaneous thrombosis of giant intracranial aneurysm and posterior cerebral artery followed by also spontaneous recanalization. Surgical neurology international, 2016. 7.
[f1]ایا اطلاعاتی در مورد اعتیاد ،مصرف سیگاریا مصرف دارویی خاص در بیماران هست؟اگه مطممئن هستین تمام افرا سابقه مصرف ماده خاصی ندارند عبارت زیر را به این جمله اضافه کنین
[f2] [f2], Without any substances abuse
نگارش پروپوزال کارشناسی ارشد و دکتری - نگارش رساله دکتری - نگارش مقاله پژوهشی - نگارش مقاله ISI نگارش مقاله مروری - نگارش مقاله کنفرانسی - نگارش پایان نامه کارشناسی ارشد - استخراج مقاله