معرفی اجمالی دوره
امروزه قبل از آنکه برای هدفی بخواهیم برنامهریزی داشته باشیم، باید آن را تصویرسازی کرده تا بتوان بهتر دربارهی فرآیندهای آن تصمیمگیری کرد و ایرادات احتمالی را به صفر رساند. در واقع کاری که در تخصص مهندسی صنایع است؛ کاربرد متلب در مهندسی صنایع به این جهت است تا در امور صنعتی یا اجرای پروژه و راهاندازی یک کسبوکار این تصویر سازی در قالب شبیهسازی مطرح میشود، به این صورت که مراحل و اهدافی که قصد پیادهسازی آنها وجود دارد یا خدمت و کالایی عرضه میشود، با در نظر گرفتن تمام جوانب مورد نظر و پیشبینی رفتارهای احتمالی در مدل شبیهسازی شده میتوان به بهبود هر چه بیشتر تصمیمات کمک کرد.
متلب در مهندسی صنایع به بهینهسازی با استفاده از مدل کردن فرآیندها برای تصمیمات بهتر شناخته شده است، اگر بخواهیم این کار را به بهترین وجه انجام بدهیم بهتر از شبیهسازی مدلها استفاده کرد؛ شبیهسازی باعث میشود نگاهی واقعبینانه را قبل از هر عمل اتخاذ کرده تا با چالشهای پیشرو بهتر برخورد کرد و حدالامکان قبل از پیادهسازی واقعی سیستم میتوان بسیاری از مشکلات را برطرف کرد و به بهینهسازی فرآیندها انجامید.
در دوره آموزش متلب در مهندسی صنایع قصد داریم نحوه کار با ابزارهای سیستم و شناسایی هر کدام از آنها را برای شبیهسازی سیستم را فرا گرفته و به تحلیل بخشهای مختلف سیستم بپردازیم تا با شبیهسازی ایجاد شده بتوان طراحی بهینهای را برای سیستم در نظر گرفت. در این دوره به شما استفاده از ابزارهای شبیهسازی آماری و تحلیل نمودارهای آن، استفاده از ابزارهایی برای بهینهسازی مانند الگوریتم ژنتیک و همچنین مدل کردن مسائل برنامهریزی خطی در نرمافزار محاسباتی متلب آموزش داده خواهد شد. در فصل پایانی با استفاده از سیمولینک متلب و کتابخانه sim event در یک فضای گرافیک با رخدادها و مدیریت آنها آشنا میشویم.
ویژگیهای دوره
آنلاین، پروژه محور، تعاملی، ارائه گواهینامه پایان دوره
فصول دوره
فصل 1- آشنایی با مفاهیم اولیه در برنامهنویسی متلب فصل 2- روشهای سیمپلکس در برنامه ریزی خطی (اولیه و ثانویه) فصل 3- بحثهای آماری فصل 4- تحلیل داده شامل خوشهبندی و کلاسبندی فصل 5- حل مسائل بهینهسازی با روشهای جستوجوی مستقیم فصل 6- مدلسازی سیستمها با رویدادهای گسستهی زمانی;
معرفی مدرس
معین سلیمی
معین سلیمی دانشآموخته کارشناسی رشته مهندسی مکانیک در طراحی جامدات و معدل برتر کارشناسی ارشد مهندسی مکانیک (طراحی کاربردی) از دانشگاه گیلان است. وی مسلط به آموزش مباحث مختلف در زمینههای مرتبط با مهندسی مکانیک از جمله تحلیل المان محدود، تفاضلات محدود، دینامیک سیالات محاسباتی، ارتعاشات و کنترل سیستمهای دینامیکی و مباحث مرتبط با هوش مصنوعی از جمله خوشهبندی، شناسایی الگو، روشهای بهینهسازی، شبکههای عصبی و منطق فازی، پردازش سیگنال و تصویر و سایر زمینهها مانند تحلیل سازهها تحت زلزله، شبکههای مش بیسیم، پردازش گامهای موسیقی، طراحی سیستمهای هوشمند در تشخیص بیماریهای خونی، روشهای نوین ریاضی مبتنی بر هوش مصنوعی در حل معادلات دیفرانسیل، حل معادلات با مشتقات جزئی، انرژی پتانسیل در کربنهای نانوتیوب، طراحی سدهای قوسی و ... با استفاده از نرم افزار Matlab میباشد. ایشان آشنایی مناسبی با زبانهای برنامهنویسی جاوا، اندروید و C نیز دارند. حوزههای تخصصی فعالیت ایشان شامل موضوع آموزش آکادمیک و مهارتهای کاربردی در زمینههای مهندسی و پروژههای اجرایی در زمینهی مدیریت صنایع گازرسانی و... میباشد.
روش ارزیابی و نمرهدهی
حد نصاب قبولی در دوره: 80.0 نمره، فارغالتحصیل شدن در این دوره نیاز به ارسال تمرینها و پروژههای الزامی دارد
نمونه گواهینامه